劉永平，謝玉林

（巴中職業(yè)技術(shù)學(xué)院，四川 巴中 636600）

0 引 言

目前，工廠已經(jīng)研究出多種工業(yè)機(jī)械，加快了社會(huì)發(fā)展進(jìn)程，提高了工業(yè)生產(chǎn)效率[1]。但是，大規(guī)模的機(jī)械生產(chǎn)難免會(huì)出現(xiàn)機(jī)械故障問題，影響工廠生產(chǎn)效益，甚至出現(xiàn)嚴(yán)重事故，造成巨大的經(jīng)濟(jì)損失和人員傷亡。所以國(guó)內(nèi)外都在研究機(jī)械故障出現(xiàn)時(shí)產(chǎn)生的電子信號(hào)，通過電子信號(hào)識(shí)別機(jī)械故障，降低經(jīng)濟(jì)損失和人員傷亡[2]。當(dāng)前，國(guó)內(nèi)外對(duì)電子信號(hào)的識(shí)別主要分為時(shí)域信號(hào)、頻域信號(hào)以及時(shí)頻域信號(hào)3個(gè)方面。其中，時(shí)域信號(hào)多作為故障診斷的原始依據(jù)，頻域信號(hào)多用作故障的識(shí)別和評(píng)價(jià)，時(shí)頻域信號(hào)多用于判斷設(shè)備運(yùn)行過程中可能出現(xiàn)的剝落、裂紋、松動(dòng)以及沖擊等故障[3]。而在故障識(shí)別方面，國(guó)內(nèi)外多采用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)以及聚類分析等故障識(shí)別方法，與故障信號(hào)識(shí)別連用的方式，深入分析機(jī)械存在的故障[4]。但是，上述的研究方法，分別存在收斂速度慢、故障樣本數(shù)量有限以及耗費(fèi)大量人力財(cái)力和時(shí)間等問題，所以提出采用DSP信號(hào)處理器作為機(jī)械電子信號(hào)故障識(shí)別的手段之一。DSP是一種嵌入式微處理器，屬于計(jì)算機(jī)的CPU類。在DSP中，具有一種特殊結(jié)構(gòu)，可以實(shí)時(shí)處理數(shù)字信號(hào)，編寫數(shù)字信號(hào)處理算法，提高故障信號(hào)的處理效率[5]。為此，采用DSP設(shè)計(jì)一種電子信號(hào)故障識(shí)別方法，提高電子信號(hào)識(shí)別效率，增加故障識(shí)別速度。

1 基于DSP采集處理電子信號(hào)

由于電子信號(hào)屬于人耳難以聽見辨別的聲波信號(hào)，需要采用振動(dòng)信號(hào)采集裝置采集電子信號(hào)，并將采集到的電子信號(hào)保存至控制器[6]。所以，此次采集電子信號(hào)所選擇的振動(dòng)信號(hào)采集裝置由MEMS單軸敏感加速度傳感器、模擬數(shù)字信號(hào)轉(zhuǎn)換器以及DSP信號(hào)處理器組成，具有無(wú)振動(dòng)時(shí)輸出電壓為供電電壓，靈敏度為24.2 mV/g、滿量程范圍為-70～70 g、供電電壓為3.3～5 V、8引腳密封陶瓷LCC封裝、輸出電壓信號(hào)以及諧振頻率為22 kHz等功能特點(diǎn)[7]。此次選擇的振動(dòng)信號(hào)采集裝置只需要通過代碼控制模數(shù)轉(zhuǎn)換器的采樣頻率即可采集和存儲(chǔ)電子信號(hào)。

在采集設(shè)備電子信號(hào)時(shí)，需要將此次選擇的振動(dòng)信號(hào)采集裝置安裝在軸承座上，為此采用的振動(dòng)信號(hào)采集裝置需要具有尺寸小、重量輕、容易集成以及耗電低等特點(diǎn)[8]。選擇具有較低電壓的MEMS單軸敏感加速度傳感器中的ADXL001-70Z型傳感器，將供電電壓維持在3.3～5 V，且可以與控制器公用一個(gè)電源，降低電源的使用量和使用頻率。

選擇具有兩檔可調(diào)的AD7656型號(hào)模擬數(shù)字信號(hào)轉(zhuǎn)換器，將電壓控制在±10 V和±5 V，提高電子信號(hào)的轉(zhuǎn)換時(shí)間，降低信號(hào)采集過程中產(chǎn)生的干擾信號(hào)。選擇具有低功耗和可以用代碼直接控制的DSP信號(hào)處理器，促使振動(dòng)信號(hào)采集裝置可以直接將采集到的電子信號(hào)進(jìn)行預(yù)處理，方便提取電子信號(hào)特征。當(dāng)信號(hào)采集完畢后，會(huì)直接存儲(chǔ)至DSP。

在使用振動(dòng)信號(hào)采集裝置采集電子信號(hào)時(shí)，需要采集到最低采樣頻率。最低采樣頻率要大于等于2倍的信號(hào)最高頻率成分。當(dāng)采集到的電子信號(hào)存在異常值時(shí)，需要針對(duì)AD7656型號(hào)模擬數(shù)字信號(hào)轉(zhuǎn)換器轉(zhuǎn)換數(shù)字信號(hào)過程中產(chǎn)生的野點(diǎn)和其輸出電壓信號(hào)過程中產(chǎn)生的數(shù)據(jù)均值，采用DSP信號(hào)處理器進(jìn)行處理，去掉采集轉(zhuǎn)換電子信號(hào)時(shí)產(chǎn)生的野點(diǎn)和數(shù)據(jù)均值。

DSP信號(hào)處理器在去掉野點(diǎn)和均值的過程中，需要采用C語(yǔ)言程序調(diào)試，將存儲(chǔ)在DSP中的電子信號(hào)導(dǎo)出。此時(shí)，需要采用Matlab算法計(jì)算出DSP信號(hào)處理器處理電子信號(hào)的參考值，并與C語(yǔ)言代碼運(yùn)行結(jié)果進(jìn)行對(duì)比。當(dāng)C語(yǔ)言代碼運(yùn)行結(jié)果與Matlab算法得到的參考值存在較大差距時(shí)，就需要重新調(diào)試C語(yǔ)言程序，以免影響DSP信號(hào)處理器處理電子信號(hào)效果。

由于Matlab算法與C語(yǔ)言代碼運(yùn)在數(shù)據(jù)運(yùn)算精度和數(shù)據(jù)動(dòng)態(tài)范圍兩方面會(huì)出現(xiàn)數(shù)據(jù)的量化誤差，為此針對(duì)C語(yǔ)言程序調(diào)試過程如下：步驟1，使用振動(dòng)信號(hào)采集裝置采集電子信號(hào)；步驟2，分別采用Matlab算法和C語(yǔ)言代碼處理采集到的電子信號(hào)；步驟3，將處理后的信號(hào)進(jìn)行對(duì)比；步驟4，判斷出現(xiàn)誤差大??；步驟5，當(dāng)誤差較大時(shí)，更改C語(yǔ)言代碼運(yùn)行程序，并重復(fù)步驟2和步驟3；步驟6，當(dāng)誤差較小時(shí)，確定C語(yǔ)言程序調(diào)試結(jié)果。此時(shí)，即可按照上述過程采集電子信號(hào)，并對(duì)采集好的電子信號(hào)進(jìn)行預(yù)處理，提取電子信號(hào)特征，識(shí)別故障。

2 提取電子信號(hào)特征參數(shù)

經(jīng)過DSP采集處理后的電子信號(hào)已經(jīng)突出了電子信號(hào)的局部特征，可以得到電子信號(hào)對(duì)應(yīng)的頻譜圖，增強(qiáng)了頻率的分辨率。所以，提取電子信號(hào)特征參數(shù)時(shí)，在局部特征時(shí)間尺度上，可以將電子信號(hào)分解為多分量信號(hào)，從而得到電子信號(hào)瞬時(shí)頻率參數(shù)。

由于多分量信號(hào)在某一時(shí)刻每一個(gè)分量都有屬于自己的瞬時(shí)頻率，因此需要計(jì)算瞬時(shí)頻率解析信號(hào)相位的導(dǎo)數(shù)。此時(shí)，需要定義電子信號(hào)，并讓當(dāng)時(shí)信號(hào)與定義信號(hào)一致，才能得到瞬時(shí)頻率。其電子信號(hào)特征參數(shù)值提取過程如下。

步驟1，尋找存儲(chǔ)在DSP信號(hào)處理器電子信號(hào)序列的所有局部極大值，并將尋找到的最大值全部鏈接起來，形成信號(hào)上的上包絡(luò)線，再尋找電子信號(hào)時(shí)間序列的所有局部最小值，形成信號(hào)的下包絡(luò)線，得到上包絡(luò)線和下包絡(luò)線之間的平均值曲線。

步驟2，采用未分上下包絡(luò)線的原始電子信號(hào)序列，減去平均值曲線，得到去掉低頻成分的新電子信號(hào)序列，并提取出瞬時(shí)頻率參數(shù)，所滿足的條件如下：（1）保證得到的電子信號(hào)極值點(diǎn)在零軸線上下波動(dòng)，且相鄰的極大值點(diǎn)和極小值點(diǎn)之間的連線需要穿過零軸線；（2）電子信號(hào)的上包絡(luò)線和下包絡(luò)線需要在零軸線兩側(cè)對(duì)稱，且兩線之間的均值等于零。

步驟3，判斷新的電子信號(hào)序列是否滿足條件（1）和條件（2）。

步驟4，當(dāng)新的電子信號(hào)序列滿足條件（1）和條件（2）時(shí)，則原始電子信號(hào)序列可以作為第一個(gè)多分量信號(hào)。

步驟5，當(dāng)新的電子信號(hào)序列不能滿足條件（1）和條件（2）時(shí)，則將新的電子信號(hào)序列作為原始電子信號(hào)序列，并重復(fù)步驟1～步驟3，重新判斷新的電子信號(hào)序列是否滿足條件（1）和條件（2），若不滿足條件（1）和條件（2），則繼續(xù)循環(huán)，直至得到滿足條件（1）和條件（2）的電子信號(hào)序列。

步驟6，讓第二個(gè)多分量信號(hào)等于第一個(gè)多分量信號(hào)，則可以將第二個(gè)多分量信號(hào)作為原始電子信號(hào)中的一個(gè)，滿足條件（1）和條件（2）的第一階分量，且屬于原始電子信號(hào)序列中的高頻成分。

步驟7，將第一階分量從原始電子信號(hào)序列中分離出來，得到除第一階分量外的原始電子信號(hào)序列，再將這個(gè)信號(hào)作為原電子信號(hào)。

步驟8，不斷重復(fù)步驟1～步驟5，得到第二階乃至第n階分量，直至不能在原電子信號(hào)序列中得不到滿足條件（1）和條件（2）的分量，自動(dòng)結(jié)束分量挑選循環(huán)，從而輸出最新的電子信號(hào)序列。

根據(jù)這個(gè)電子信號(hào)特征值提取過程以及參數(shù)提取條件，可以得到IMF參數(shù)，且IMF參數(shù)具有在時(shí)間軸上均值為零、繞零軸線上下波動(dòng)等特點(diǎn)。

3 識(shí)別電子信號(hào)故障

提取到的電子信號(hào)IMF特征參數(shù)需要使用具有svm.h、svm.cpp、svm-scale.c、svm-train.c以及svm-predict.c共5個(gè)C/C++實(shí)現(xiàn)的源代碼文件的Libsvm軟件包。此時(shí)，就可以利用Libsvm軟件包所具有的多種語(yǔ)言實(shí)現(xiàn)源代碼，翻譯DSP代碼在計(jì)算機(jī)中的可執(zhí)行文件，識(shí)別故障信息。其故障識(shí)別流程如下。

步驟1，基于電子信號(hào)IMF參數(shù)提取結(jié)果，采用Libsvm軟件包文件所有文件，一起翻譯儲(chǔ)存在控制器中的IMF特征參數(shù)，得到IMF特征參數(shù)的訓(xùn)練樣本，形成訓(xùn)練參數(shù)數(shù)據(jù)集。

步驟2，重新設(shè)定數(shù)據(jù)歸一化參數(shù)，將數(shù)據(jù)歸一化區(qū)間控制在[-1，1]，并按照對(duì)應(yīng)關(guān)系，將訓(xùn)練數(shù)據(jù)集中的參數(shù)縮放至區(qū)間[-1，1]，讓訓(xùn)練數(shù)據(jù)集中的參數(shù)屬于[-1，1]。

步驟3，將歸一化后的數(shù)據(jù)作為訓(xùn)練模塊的輸入，并進(jìn)行多次訓(xùn)練。

步驟4，形成訓(xùn)練模型，并將模型分為支持向量個(gè)數(shù)、數(shù)據(jù)中類別個(gè)數(shù)、每一個(gè)類別的向量個(gè)數(shù)。

步驟5，將訓(xùn)練模型與檢測(cè)識(shí)別的原始電子信號(hào)序列一起輸入，完成故障信息的預(yù)測(cè)分類，輸出故障識(shí)別結(jié)果。

基于5個(gè)故障識(shí)別步驟，需要針對(duì)Libsvm軟件包文件中的代碼進(jìn)行分離處理，并改寫DSP信號(hào)處理器中的源代碼，形成一個(gè)新的代碼文件，在DSP信號(hào)處理器中運(yùn)行，提高DSP信號(hào)處理器對(duì)電子信號(hào)故障的識(shí)別速度。

將5個(gè)故障識(shí)別步驟以代碼的方式存儲(chǔ)至DSP信號(hào)處理器，尋找電子信號(hào)序列中存在的故障信號(hào)，并根據(jù)Libsvm軟件包文件以C/C++實(shí)現(xiàn)源代碼代表信息的翻譯。

4 實(shí)驗(yàn)對(duì)比分析

為驗(yàn)證此次研究的電子信號(hào)故障識(shí)別方法，選擇齒輪作為此次實(shí)驗(yàn)的研究對(duì)象，并將此次研究的電子信號(hào)故障識(shí)別方法記為實(shí)驗(yàn)A組，傳統(tǒng)故障識(shí)別方法記為實(shí)驗(yàn)B組，對(duì)比兩組故障識(shí)別方法對(duì)故障位置識(shí)別的準(zhǔn)確率。

此次選擇的齒輪存在內(nèi)圈故障，其故障數(shù)據(jù)為0.016 7、0.001 8、-0.017 9、-0.009 3 以 及 0.018 6，其正常數(shù)據(jù)為0.385 8、-0.244 0、0.304 7、-0.008 5以及0.065 7。采用兩組方法，分別識(shí)別齒輪存在的故障，其故障識(shí)別結(jié)果如下：實(shí)驗(yàn)A組故障識(shí)別數(shù)據(jù)為0.018 2、0.008 1、-0.017 9、-0.005 9以及0.003 0；實(shí)驗(yàn)B組故障識(shí)別數(shù)據(jù)為0.003 1、-0.002 5、0.001 1、-0.005 6以及0.002 7。

從如上數(shù)據(jù)中可以看出，實(shí)驗(yàn)B組故障識(shí)別結(jié)果得到的雖然不是正常數(shù)據(jù)，但是也并非齒輪原本的內(nèi)圈故障數(shù)據(jù)，且對(duì)故障位置識(shí)別不準(zhǔn)確，而實(shí)驗(yàn)A組故障識(shí)別結(jié)果，雖與齒輪故障給出的樣本數(shù)據(jù)并不一致，但是與其十分接近。由此可見，此次研究的電子信號(hào)故障識(shí)別方法可以準(zhǔn)確識(shí)別故障位置。

5 結(jié) 論

此次研究基于DSP的電子信號(hào)故障識(shí)別方法，充分利用DSP信號(hào)處理器對(duì)電子信號(hào)的處理功能，降低故障識(shí)別時(shí)間，提高電子信號(hào)處理速度，增加故障識(shí)別準(zhǔn)確率。但是，此次研究的基于DSP的電子信號(hào)故障識(shí)別方法，未曾深入研究電子信號(hào)處理和特征提取的計(jì)算過程，未曾采用圖表的形式分析電子信號(hào)所對(duì)應(yīng)的具體故障。因此，在今后的研究中，還需深入研究電子信號(hào)處理和特征提取的計(jì)算過程，畫出電子信號(hào)對(duì)應(yīng)的頻譜，分析不同的電子信號(hào)對(duì)應(yīng)的設(shè)備故障，為大型設(shè)備故障研究提供更多的參考信息。