轴承振动信号采集分析系统设计与实现

李浩天, 赵振刚, 李英娜, 许晓平, 李 川

(昆明理工大学 信息工程与自动化学院,云南 昆明 650500)

轴承振动信号采集分析系统设计与实现

李浩天, 赵振刚, 李英娜, 许晓平, 李 川

(昆明理工大学信息工程与自动化学院,云南昆明650500)

准确采集振动信号信息是轴承故障诊断的关键,利用传感器采集振动信号数据,经A/D转换后传输至STM32微控制器,STM32控制Wi-Fi模块将数据发送至PC,采用局部均值分解(LMD)方法对采集的振动数据进行分析处理,实现对滚动轴承运行状态的远程监控。实验结果表明:系统能够对滚动轴承振动信号进行精准采集和分析,传输性能好、速度快,适合在工业行业推广使用。

STM32； 振动信号； Wi-Fi； 局部均值分解； 故障诊断

0 引 言

滚动轴承是旋转机械中应用最广泛的通用机械零件。由于运行环境恶劣,再加上机械结构复杂程度的增加,容易受损致使故障产生,引发性能失效,造成严重的经济损失,甚至导致人员伤亡[1,2]。因此,及时地发现轴承运转的异常,准确地诊断故障部位,对设备良好运行,避免事故发生具有重要意义。

对轴承故障的诊断主要依靠人工经验判断轴承运行状态。然而,在故障发生初期,轴承振动变化不明显,故障信息常常淹没在噪声中,不易察觉。现阶段的监测诊断仪器和系统由于稳定性差、难以维护等局限,还不能得到很好的应用推广[3]。另外,轴承运行时产生的高分贝噪声,使用的各种化学物质,以及飞出的切屑或工件等,均严重威胁着现场工作人员的身心健康。因此,远程监控轴承运行成为发展主流趋势。

鉴于此,本文提出了一种轴承振动信号采集分析系统设计方案。系统以STM32为微处理器,ADS1256为专用信号采集模块,Wi-Fi作为通信手段,实现了振动数据的采集、传输和存储。并结合PC对数据进行局部均值分解(local mean decomposition,LMD)分析,实现对振动信号数据的准确分析和诊断,进而实现对轴承运行状态的远程监控,有效解决了上述问题。仿真实验证明了设计方案的有效性和可行性。

1 采集系统整体设计

轴承振动信号采集系统是具有诊断功能的嵌入式设备,本系统以STM32为MCU,ADS1256为专用信号采集模块,结合Wi-Fi通信,实现对振动信号的采集和传输。工作原理为:由传感器采集轴承振动信号参数信息,通过ADS1256将模拟信号转换为数字信号,在STM32微处理器的控制下进行信号接收和无线通信[4]等,并结合LMD方法在PC上对信号数据分析处理。

系统的整体方案设计框图如图1所示。

图1 系统整体方案设计框图

由图1可知,系统采用模块化设计思想,主要包括信号采集模块和系统分析模块。信号采集模块主要采集信号参数,A/D转换后传输至STM32微控制器[5],对接收的数据进行计算打包后,无线传输至PC。系统分析模块主要接收信号采集模块发送的数据,并由PC显示测量结果,利用LMD方法进行分析处理。

2 系统硬件设计

硬件设计采用模块化设计思想,主要包括振动信号采集模块和系统分析模块。

2.1 信号采集模块设计

通过配置传感器实现轴承内圈所需监测点参数数据的采集。具体工作过程:通过传感器ADXL001采集振动信号数据,传输至ADS1256进行A/D转换,并通过SPI口传输至STM32微控制器。STM32对接收到的数据进行计算打包,通过Wi-Fi将数据传输给PC。信号采集模块连接框图如图2所示。

图2 信号采集模块连接框图

由上述分析,信号采集模块硬件电路主要由采集电路和通信电路两部分组成。

1)采集电路设计

采集电路以STM32作为控制和处理核心[6],以ADS1256为模/数转换芯片。ADS1256有8个通道,每个通道均集成了低通滤波模块、可编程增益放大器以及分辨率达24位的模/数转换器,使系统在釆集振动信号时的数据变得更加可靠,而且简化了振动信号釆集的模拟部分。

选用振动传感器ADXL001,具有±(70～500)gn的动态扩展范围,且带宽为22kHz,保证了对振动信号故障频段的完美覆盖[7,8]。

2)通信电路设计

采集模块与分析模块数据之间采用基于2.4G频段的Wi-Fi无线通信模块。相比其他无线通信手段,该无线通信数据传输速率较高,穿透、绕射能力强,在噪声干扰严重的工业场所确保数据稳定传输[9]。

2.2 系统分析模块设计

系统分析模块主要用于接收信号采集模块处理后的数据包,实现与PC通信的功能[10]。设计同样采用基于2.4G频段的Wi-Fi无线通信模块,保证了系统的性能和兼容性。其工作过程为Wi-Fi模块接收数据,并传输数据至PC进行LMD分析[11]。

3 系统软件设计

轴承振动信号采集系统软件从功能上可划分为下位机驱动程序和上位机软件2部分。下位机驱动程序,包括信号采集和处理以及Wi-Fi通信的相关协议设计;上位机软件包括人机交互界面和LMD方法分析。

3.1 下位机软件设计

在整个下位机控制流程中,关键为初始化配置ADS1256。初始化配置后,系统启动ADS1256的采集转换和转换功能,通过SPI将数字化数据传输至STM32,并由Wi-Fi模块发送,主要过程如图3所示。

图3 下位机软件控制流程

整个系统初始化完成之后,开始以10s/次的频率采集A/D转换后的数据,并判断是否超过样本设定阈值。超过、停止采集,由STM32发出指令对数据进行打包,经Wi-Fi模块发送至PC。

3.2 上位机软件设计

PC端分析界面使用Visual Studio2012进行开发设计。分为数据显示和数据分析2部分,数据显示部分包括采样数据的时域波形显示和十进制数显示,数据分析部分为采样数据的LMD方法分析图。菜单栏设计了参数设置对话框,包括串口设置、无线通信设置、数据库存储以及故障报警。在浮动对话框中实现参数值和一些状态信息的显示,浮动对话框初始状态自动悬浮在主窗口的左边,如图4所示。

图4 LMD分析测试波形

信号采集分析界面通过系统控制模块查看数据,对采集到的振动数据进行实时显示及分析。在程序设计过程中,定义了大量的类函数:串口设置对话框类、波形速度设置对话框类、显示对话框类。串口设置对话框主要完成串口通道、波特率、奇偶校验位的设置；数据存储主要完成采集数据的PC写入；故障报警主要完成对超出正常范围的波形发出故障报警,其工作流程如图5所示。

图5 服务器工作流程

4 系统调试

在系统软硬件设计工作完成后,对整个系统以及子模块进行功能测试和分析。系统测试主要有2个部分,信号采集模块的数据Wi-Fi通信和显示,以及系统分析模块的数据分析和显示。

4.1 信号通信和显示测试

在实验中,首先连接硬件模块然后配置Wi-Fi模块的网络模式及服务器IP地址与端口。采集系统单片机与Wi-Fi模块采用RS—232方式连接,PC开启无线热点,等待Wi-Fi模块连接热点。系统通过TCP/IP将数据发送到PC,接收振动采集数据。通过PC显示的波形信息和测量信息如图4所示。

左侧界面显示为采样信号正常状态样本时域波形,下方部分为该样本的数据幅值。当采样结束后,通过“数据存储”按键将样本数据存入服务器数据库中。

4.2 LMD分析及显示测试

在软件后台调用Matlab引擎,对采样数据进行LMD分析[12,13],得到3个PF分量和1个残余分量,依次显示在系统界面右侧的分析窗口中,如图4所示。

4.3 故障诊断

当轴承发生故障时,振动频率发生相应变化,以内圈故障为例,阐述LMD分析故障诊断过程。对内圈故障样本进行LMD，得到3个PF分量和1个残余分量,如图6所示。

图6 内圈故障样本LMD

对比图4正常状态样本PF分量,可以明显观察到不同PF分量对应的波形图之间的差异。正常状态下的PF分量整体呈周期性规律变化,且能量较低。当故障发生时,PF分量能量有明显的突变。由此可见,LMD分析能够直观反映轴承不同状态下的信息。

分别对正常状态和内圈故障状态下PF分量进行Hilbert变换[14,15],为了便于观察,给出PF分量的局部Hilbert包络谱,如图7和图8。由图可知,正常状态下没有明显的冲击特性,而内圈故障可以很明显的看出有冲击。

图7 正常状态PF分量Hilbert包络

图8 内圈故障PF分量Hilbert包络

5 结 论

提出了轴承振动信号采集分析系统,能够对振动信号数据进行准确采集和分析。系统利用传感器采集振动信号数据,通过Wi-Fi模块建立轴承现场到PC的数据通信,结合PC进行LMD分析处理,实现对轴承运行状态的远程监控。系统传输性能好、速度快,适合在工业行业推广使用。

[1] Rodriguez Patricia Henriquez,Alonso Jesus B,Ferrer Miguel A,et al.Application of the Teager-Kaiser energy operator in bearing fault diagnosis[J].ISA Transaction,2013,52:278-284.

[2] Zhao X Z,Ye B Y,Lin Y.The singular value decomposition for modulation feature information extraction of bearing vibration signal [J].Journal of Beijing Institute of Technology,2011,31(5):572-577.

[3] 卞家磊,朱春梅,蒋章雷,等.LMD-ICA联合降噪方法在滚动轴承故障诊断中的应用[J].中国机械工程 ,2016,27(7):904-910.

[4] 陆万田,王 崴,刘晓卫,等.基于STM32的无线光电传感器设计[J].传感器与微系统,2014,33(9):74-76.

[5] 王 鹏,祁伟华,吕志刚.基于加速度传感器的打击能量无线测试系统设计[J].传感器与微系统,2015,34(5):82-84.

[6] 将中俊,史铁刚,胡潇洒,等.基于STM32的嵌入式无线遥控系统设计与实现[J].科技资讯,2015(10):7-8.

[7] 张 毅,赵 栋,许海燕,等.基于分布式全光纤传感器的电机故障诊断系统研究[J].传感器与微系统,2011,34(4):41-43.

[8] 刘 超,耿 也,舒 奎,等.基于STM32d的轴承振动测试的数据采集系统开发[J].机床与液压,2014,42(8):127-129.

[9] 陈东升,王 啸,李宗方.基于STM32的数据采集模块的设计与应用[J].仪器仪表学报,2009,30(10):258-262.

[10] 孙小超,周 文,李明涛,等.基于PSD转轴振动位移测量与分析[J].传感器与微系统,2014,33(9):135-137.

[11] 王志武,孙虎儿,刘维维.形态—奇异值分解降噪与LMD结合的滚动轴承故障诊断[J].机械传动,2013,37(9):97-102.

[12] 武 哲,杨绍普,张建超.基于LMD自适应多尺度形态学和Teager能量算子方法在轴承故障诊断中的应用[J].振动与冲击,2016,35(6):7-13.

[13] 马文龙,吕建新,吴虎胜,等.多传感器信息融合在滚动轴承故障诊断中的应用[J].传感器与微系统,2013,32(7):132-135.

[14] 张邦成,陈珉珉,伊晓静,等.基于谐波小波和Hilbert的滚动轴承故障诊断方法[J].现代制造过程,2015(6):27-30.

[15] 刘继承,聂品磊,杨宏宇,等.基于形态滤波和HHT的滚动轴承故障特征提取[J].化工自动化及仪表,2014,41(5):529-531.

Designandrealizationofbearingvibrationsignalacquisitionandanalysissystem

LI Hao-tian, ZHAO Zhen-gang, LI Ying-na, XU Xiao-ping, LI Chuan

(SchoolofInformationEngineeringandAutomation,KunmingUniversityofScienceandTechnology,Kunming650500,China)

Accurate acquisition of vibration signal information is the key for bearing fault diagnosis.This system comprised a sensor to obtain vibration signal data,which are transmitted to STM32micro-controller after A/D conversion,STM32controls Wi-Fi module to transfer these data to PC.Afterwards,Local mean decomposition (LMD) is adopted to analyze and process the vibration data to perform a remote monitoring on the running state of the rolling bearing.The experimental results show that the system is capable of collecting and analyzing vibration signals effectively of the rolling bearing,it has good transmission performance at a fast speed and can be introduced to the industry.

STM32; vibration signal; Wi-Fi; local mean decomposition(LMD); fault diagnosis

10.13873/J.1000—9787(2017)10—0095—04

2016—11—01

TH 165.3

A

1000—9787(2017)10—0095—04

李浩天(1992-),男,硕士研究生,研究方向为传感器技术,信息检测与处理,E-mail:177315939@qq.com。