多通道故障信号的采集处理及实现

摘要：鉴于故障特征信号的多样性，对机械设备需测取不同的信号进行分析，以提高诊断的合理性。为此我们用面向对象的方法实现了多通道信号的数据采集，并编制了多种处理算法，提高了信号的信噪比。

关键词：采集 面向对象 预处理 故障诊断

机械设备故障诊断涉及的面很广，单从选用的特征信号来看就有很多种。每种信号有各自的特点，有不同的应用场合；而每一种故障又可能表现出若干特征，故障信息可能包含在几种特征信号之中。因此，对于一个复杂的机械系统往往需要测取不同的信号然后进行综合分析，以提高诊断的可靠性。在实际中，往往通过多路传感器综合测试，并通过多路Ａ／Ｄ转换送入计算机从而把所需的包含故障主要信息的特征信号尽可能提取出来，如图１。这样的综合测试可全面地测量出故障信号，测试时间少，信号真实准确。为此，我们在ｗｉｎｄｏｗｓ环境下，采用面向对象编程实现了故障信号的多通道数据采集[１][２][３][５]。考虑到测试信号含有的噪声信号，提供并实现了几种处理算法，其中主要介绍了倒谱分析在诊断中的应用。

１ 数据采集

１.１ 原理

数据采集是把代表故障特征的模拟信号进行数字离散化。机械设备故障特征信号经过电荷放大器和抗混迭滤波器滤去与故障特征信号无关的高频与低频信号，再经过Ａ／Ｄ转换到达计算机。Ａ／Ｄ转换芯片采用ＡＮＡＬＯＧ ＤＩＶＩＣＥＳ公司产品ＡＤ１７６４，该芯片为１２位逐次比较型高速Ａ／Ｄ转换芯片，内部含有采样保持器。转换速度的时间为８．５μｓ，加上采保时间１．５μｓ则完成一次采样转换的时间为１０μｓ，因此本板最高采样频率为１００ｋＨｚ。Ａ／Ｄ板通道控制采用软件选择方式，通过通道预置寄存器任意选择转换通道。在实际中使用了Ａ／Ｄ转换板上的５个通道ＣＨ１～ＣＨ５，且每个通道的增益可设。Ａ／Ｄ转换的触发信号是由板上定时器８２５３的０通道发出的，通过编程利用８２５３定时计数器发出等间隔定时脉冲来连续触发Ａ／Ｄ转换，同时查询状态位同步读取数据，可获得准确的采样频率。

１.２ 软件实现

为提高采样速度，Ａ／Ｄ转换程序采用汇编语言编写，由Ｂｏｒｌａｎｄ Ｃ＋＋５．０编制的主程序调用。可完成单通道、多通道以及大容量的数据采集，并且可设置采样数据长度、采样频率和每一个通道的程控放大倍数。参数设置全部集成在一个对话框类中，有良好的人机对话界面，如图２所示。

其中设置通道控件弹出一个对话框用来设置通道，最多为５个通道；设置频率控件弹出对话框可在３０Ｈｚ～１００ｋＨｚ之间设置采样频率；设置增益控件弹出对话框可分别设置通道增益为１、２、４、６、８、１６倍；采样长度控件弹出的对话框允许用户在（１、２、４、６、８、１６、２４）×１０２４点中选择。这５个对话框类都是从基类（ＴＤｉａｌｏｇ）派生出来的子类，并形成各具自己功能的类。这些类采用了继承、友员、封装、多态的特性，共同完成Ａ／Ｄ参数设置。其中图２所对应的对话框类是最主要的，由它创建和关闭其它四个对话框类的实例。它有一个Ｐａｒａｍ结构，用户设置的Ａ／Ｄ参数多存贮在此结构中。为保存这些参数，定义了如下的数据结构：

ｔｙｐｅｄｅｆ ｓｔｕｒｃｔ{

ｉｎｔ Ｎｕｍｂｅｒ； ／／总共采集通道数

ｄｏｕｂｌｅ Ｆｒｅｑｕｅｎｃｙ； ／／采样频率

ｕｎｓｉｇｎｅｄ ｉｎｔ Ｌｅｎｇｔｈ； ／／采样数据长度

ｉｎｔ Ｃｈａｎｎｅｌ[５]； ／／采样通道号

ｉｎｔ Ｇａｉｎ[５]； ／／采样通道增益

}Ｐａｒａｍ

参数设置好后即可启动Ａ／Ｄ转换，为便于以后的离线信号分析把采样进来的数据保存成文件，该文件格式为：

采样数据长度

采样频率

通道数

通道号次序

每通道的增益

数据部分

……

数据部分是用四位十六进制数表示，由于Ａ／Ｄ为１２位，数据的最后一位无意义，每个数占一行。多通道采样，则数据交替放置。例如对于以下数据：

４０００

１０２４

５

１ ２ ０ ３ ４

２ １ ２ ２ ２

ａｃｂ０

７５ａ０

……

表示采样频率为４０００Ｈｚ，每通道采样长度为１０２４点，同时对５个通道进行采样，采样通道号为１、２、０、３、４，所对应的放大倍数分别为２、１、２、２、２，随后是采样进来的数据。

２ 预处理

由于各种客观因素的影响，信号中常常混有噪声。有时噪声可把信号“淹没”，信号通过Ａ／Ｄ 后的离散信号，又带来了Ａ／Ｄ转换器的量化噪声。因此，在对该信号进行谱分析之前，有必要对它进行预处理，提高信噪比。

在预处理前，首先进行通道设置决定对哪个通道的信号进行处理。如信号比较弱，可对信号放大即设置增益从而便于分析，如图３。

２.１平滑滤波

平滑滤波是为了滤掉高频噪声，其计算公式由下式给出。

设ｘ(ｎ)的长度为Ｎ，即ｎ＝２,３．．．Ｎ－３；

则ｘ(ｎ)＝1 / 35[－３ｘ(ｎ－２)＋１２ｘ(ｎ－１)＋１７ｘ(ｎ)＋１２ｘ(ｎ＋１)－３ｘ(ｎ＋２)]

对于ｎ＝０,１和ｎ＝Ｎ－２,Ｎ－１四个点的平滑，公式如下：ｘ(０)＝1 / 70[６９ｘ(0)＋４１ｘ(１)－６ｘ(２)＋４ｘ(３)－ｘ(４)]

ｘ(１)＝1 / 35[２ｘ(０)＋２７ｘ(１)＋１２ｘ(２)－８ｘ(３)＋２ｘ(４)]

ｘ(Ｎ－２)＝1 / 35[２ｘ(Ｎ－５)－８ｘ(Ｎ－４)＋１２ｘ(Ｎ－３)＋２７ｘ(Ｎ－２)＋２ｘ(ｎ－１)]

ｘ(Ｎ－１)＝1 / 70[－ｘ(Ｎ－５)＋４ｘ(Ｎ－４)－６ｘ(Ｎ－３)＋４ｘ(Ｎ－２)＋６９ｘ(Ｎ－１)]

２．２去脉冲干扰

脉冲干扰的计算如下：

设有信号ｙ(ｎ)，ｎ＝１，２···Ｎ，其中Ｎ是４的倍数。

对ｙ(ｉ)，ｙ(ｉ＋１)，ｙ(ｉ＋２)，ｙ(ｉ＋３)四个数值分别从大到小进行排序，得到:

ｙ′(ｉ)，ｙ′(ｉ＋１)，ｙ′(ｉ＋２)，ｙ′(ｉ＋３)其中ｉ＝０，４，８···Ｎ／４；

则去脉冲干扰后的信号为：

Ｙ(ｉ)＝Ｙ(ｉ＋１)＝Ｙ(ｉ＋２)＝Ｙ(ｉ＋３)＝[ｙ′(ｉ＋１)＋ｙ′(ｉ＋２)]／２

２．３时域平均

时域平均是从混有噪声干扰的信号中提取指定的周期信号，消除信号中与给定周期无关的信号。对机械图象以一定的周期为间隔截取信号，然后将所截得的信号段叠加平均，这样可消除信号中的非周期分量和随机干扰，保留确定的周期分量。

设一信号ｘ(ｔ)由周期信号ｆ(ｔ)和白噪声ｎ(ｔ)组成

ｘ(ｔ)＝ｆ(ｔ)＋ｎ(ｔ)

以ｆ(ｔ)的周期截取信号ｘ(ｔ)的数据段，共截Ｎ段，再把各段中的对应数据相加，由于信号与白噪音的不相关性，可得：

ｘ(ｔｉ)＝Ｎｆ(ｔｉ)＋Nｎ(ｔｉ)

再对ｘ(ｔｉ)平均，得输出信号ｙ(ｔｉ)

ｙ(ｔｉ)＝ｆ(ｔｉ)＋ｎ(ｔｉ)／N

输出信号的白噪声是输入信号ｘ(ｔ)中的白噪声的１／N倍，即信噪比提高了N倍。

用１０２６Ｈｚ的频率采样信号ｙ(ｋｔ)：

ｙ(ｋｔ)＝５×ｓｉｎ(２×π×９×ｋｔ)＋６×ｓｉｎ(２×π×３８×ｋｔ)

并对此信号进行时域平均，如图４(ａ)，可提取出频率为３８Ｈｚ的高频信号。图４(ｂ)的上半部分图形显示原始信号，下半部分显示被提取出的信号。

若想继续提取频率为９Ｈｚ的信号，可激活图４(ｂ)所显示窗口的“继续时域平均”菜单项，输入被提取周期的点数为１１４，继续时域平均得到图形如图４(ｃ)，其中上半部分表示提取出频率为３８Ｈｚ后的时域信号，下半部分表示被提取出的频率为９Ｈｚ的信号。

３ 谱分析

频谱分析在许多方面比时域分析更直观和有效，因而它一直被作为设备诊断不可缺少的手段。系统在谱分析时，应首先进行谱分析设置，该项主要设置两项参数－通道号和数据的增益。而倒频谱分析具有特殊的优越性，它把振动源和路径分开，降低了从信号源到测量点的某些随机传递路径的影响。对于齿轮箱系统的诊断，由于故障齿轮运行时存在着幅值调制和频率调制现象，因而齿轮箱振动信号在啮合频率及其高次谐波两边出现以轴的转动频率为调制频率的调制边带。当故障变严重时，调制边带数目增多，幅值增大，从功率谱上难以判断其状态，而利用倒谱可以提取边带的变化信息，以诊断系统的故障状态。鉴于篇幅关系，在此只介绍倒谱的分析过程。在实现上对采集信号不仅可进行倒谱分析并能对其进行编删，去掉其不必要的峰值再通过倒谱的反过程运算，得到将原始信号分离后的功率谱。图５(ａ)是故障信号的倒谱分析时域波形显示，可看出它主要由４０Ｈｚ和５００Ｈｚ的信号组成，且采样频率设为２０００Ｈｚ。

从图５(ａ)功率谱图部分可看出在４０Ｈｚ和５００Ｈｚ两边分别有边频带产生，其中低频部分的相对幅值较小，在谱图上显示不明显，为此可通过倒谱的编删削弱高频成分的能量，使低频部分突出。功率谱上的坐标与倒谱上的“倒频”之间呈倒数关系，功率谱上的高频成分反映在倒频上就是低倒频成分，为削减高频能量，首先求其倒频ｑ＝１／５００＝０．００２；而从倒谱图上可看出在倒频为０．００２时，其对应的倒谱值最大，可通过对话框对其进行编删，如图５(ｂ)，编删后的结果如图５(ｃ)。

由图５(ｃ)的功率谱部分，看出虽然高频成分的分布情况依然如故，但其幅度已大大降低(可比较图５(ａ)和图５(ｃ)功率谱的幅值坐标)，且低频部分的频率成分已比较清晰地显示出来。

机械设备的结构一般比较复杂，振源较多。为合理得到诊断结果，需提取多个特征信号进行信号分析。为此我们在Ｗｉｎｄｏｗｓ环境下，采用面向对象的编程技术实现了多通道信号的数据采集及预处理，增加了系统的柔性、可扩充性。用户可根据实际要求设置采样通道、采样长度、通道增益、采样频率等Ａ／Ｄ转换参数，并进行信号处理。以此为基础的ＤＳＰ系统在实际运行中取得了良好的应用效果。