基于DSP的电子信号故障识别方法

刘永平，谢玉林

（巴中职业技术学院，四川 巴中 636600）

0 引 言

目前，工厂已经研究出多种工业机械，加快了社会发展进程，提高了工业生产效率[1]。但是，大规模的机械生产难免会出现机械故障问题，影响工厂生产效益，甚至出现严重事故，造成巨大的经济损失和人员伤亡。所以国内外都在研究机械故障出现时产生的电子信号，通过电子信号识别机械故障，降低经济损失和人员伤亡[2]。当前，国内外对电子信号的识别主要分为时域信号、频域信号以及时频域信号3个方面。其中，时域信号多作为故障诊断的原始依据，频域信号多用作故障的识别和评价，时频域信号多用于判断设备运行过程中可能出现的剥落、裂纹、松动以及冲击等故障[3]。而在故障识别方面，国内外多采用神经网络、支持向量机以及聚类分析等故障识别方法，与故障信号识别连用的方式，深入分析机械存在的故障[4]。但是，上述的研究方法，分别存在收敛速度慢、故障样本数量有限以及耗费大量人力财力和时间等问题，所以提出采用DSP信号处理器作为机械电子信号故障识别的手段之一。DSP是一种嵌入式微处理器，属于计算机的CPU类。在DSP中，具有一种特殊结构，可以实时处理数字信号，编写数字信号处理算法，提高故障信号的处理效率[5]。为此，采用DSP设计一种电子信号故障识别方法，提高电子信号识别效率，增加故障识别速度。

1 基于DSP采集处理电子信号

由于电子信号属于人耳难以听见辨别的声波信号，需要采用振动信号采集装置采集电子信号，并将采集到的电子信号保存至控制器[6]。所以，此次采集电子信号所选择的振动信号采集装置由MEMS单轴敏感加速度传感器、模拟数字信号转换器以及DSP信号处理器组成，具有无振动时输出电压为供电电压，灵敏度为24.2 mV/g、满量程范围为-70～70 g、供电电压为3.3～5 V、8引脚密封陶瓷LCC封装、输出电压信号以及谐振频率为22 kHz等功能特点[7]。此次选择的振动信号采集装置只需要通过代码控制模数转换器的采样频率即可采集和存储电子信号。

在采集设备电子信号时，需要将此次选择的振动信号采集装置安装在轴承座上，为此采用的振动信号采集装置需要具有尺寸小、重量轻、容易集成以及耗电低等特点[8]。选择具有较低电压的MEMS单轴敏感加速度传感器中的ADXL001-70Z型传感器，将供电电压维持在3.3～5 V，且可以与控制器公用一个电源，降低电源的使用量和使用频率。

选择具有两档可调的AD7656型号模拟数字信号转换器，将电压控制在±10 V和±5 V，提高电子信号的转换时间，降低信号采集过程中产生的干扰信号。选择具有低功耗和可以用代码直接控制的DSP信号处理器，促使振动信号采集装置可以直接将采集到的电子信号进行预处理，方便提取电子信号特征。当信号采集完毕后，会直接存储至DSP。

在使用振动信号采集装置采集电子信号时，需要采集到最低采样频率。最低采样频率要大于等于2倍的信号最高频率成分。当采集到的电子信号存在异常值时，需要针对AD7656型号模拟数字信号转换器转换数字信号过程中产生的野点和其输出电压信号过程中产生的数据均值，采用DSP信号处理器进行处理，去掉采集转换电子信号时产生的野点和数据均值。

DSP信号处理器在去掉野点和均值的过程中，需要采用C语言程序调试，将存储在DSP中的电子信号导出。此时，需要采用Matlab算法计算出DSP信号处理器处理电子信号的参考值，并与C语言代码运行结果进行对比。当C语言代码运行结果与Matlab算法得到的参考值存在较大差距时，就需要重新调试C语言程序，以免影响DSP信号处理器处理电子信号效果。

由于Matlab算法与C语言代码运在数据运算精度和数据动态范围两方面会出现数据的量化误差，为此针对C语言程序调试过程如下：步骤1，使用振动信号采集装置采集电子信号；步骤2，分别采用Matlab算法和C语言代码处理采集到的电子信号；步骤3，将处理后的信号进行对比；步骤4，判断出现误差大小；步骤5，当误差较大时，更改C语言代码运行程序，并重复步骤2和步骤3；步骤6，当误差较小时，确定C语言程序调试结果。此时，即可按照上述过程采集电子信号，并对采集好的电子信号进行预处理，提取电子信号特征，识别故障。

2 提取电子信号特征参数

经过DSP采集处理后的电子信号已经突出了电子信号的局部特征，可以得到电子信号对应的频谱图，增强了频率的分辨率。所以，提取电子信号特征参数时，在局部特征时间尺度上，可以将电子信号分解为多分量信号，从而得到电子信号瞬时频率参数。

由于多分量信号在某一时刻每一个分量都有属于自己的瞬时频率，因此需要计算瞬时频率解析信号相位的导数。此时，需要定义电子信号，并让当时信号与定义信号一致，才能得到瞬时频率。其电子信号特征参数值提取过程如下。

步骤1，寻找存储在DSP信号处理器电子信号序列的所有局部极大值，并将寻找到的最大值全部链接起来，形成信号上的上包络线，再寻找电子信号时间序列的所有局部最小值，形成信号的下包络线，得到上包络线和下包络线之间的平均值曲线。

步骤2，采用未分上下包络线的原始电子信号序列，减去平均值曲线，得到去掉低频成分的新电子信号序列，并提取出瞬时频率参数，所满足的条件如下：（1）保证得到的电子信号极值点在零轴线上下波动，且相邻的极大值点和极小值点之间的连线需要穿过零轴线；（2）电子信号的上包络线和下包络线需要在零轴线两侧对称，且两线之间的均值等于零。

步骤3，判断新的电子信号序列是否满足条件（1）和条件（2）。

步骤4，当新的电子信号序列满足条件（1）和条件（2）时，则原始电子信号序列可以作为第一个多分量信号。

步骤5，当新的电子信号序列不能满足条件（1）和条件（2）时，则将新的电子信号序列作为原始电子信号序列，并重复步骤1～步骤3，重新判断新的电子信号序列是否满足条件（1）和条件（2），若不满足条件（1）和条件（2），则继续循环，直至得到满足条件（1）和条件（2）的电子信号序列。

步骤6，让第二个多分量信号等于第一个多分量信号，则可以将第二个多分量信号作为原始电子信号中的一个，满足条件（1）和条件（2）的第一阶分量，且属于原始电子信号序列中的高频成分。

步骤7，将第一阶分量从原始电子信号序列中分离出来，得到除第一阶分量外的原始电子信号序列，再将这个信号作为原电子信号。

步骤8，不断重复步骤1～步骤5，得到第二阶乃至第n阶分量，直至不能在原电子信号序列中得不到满足条件（1）和条件（2）的分量，自动结束分量挑选循环，从而输出最新的电子信号序列。

根据这个电子信号特征值提取过程以及参数提取条件，可以得到IMF参数，且IMF参数具有在时间轴上均值为零、绕零轴线上下波动等特点。

3 识别电子信号故障

提取到的电子信号IMF特征参数需要使用具有svm.h、svm.cpp、svm-scale.c、svm-train.c以及svm-predict.c共5个C/C++实现的源代码文件的Libsvm软件包。此时，就可以利用Libsvm软件包所具有的多种语言实现源代码，翻译DSP代码在计算机中的可执行文件，识别故障信息。其故障识别流程如下。

步骤1，基于电子信号IMF参数提取结果，采用Libsvm软件包文件所有文件，一起翻译储存在控制器中的IMF特征参数，得到IMF特征参数的训练样本，形成训练参数数据集。

步骤2，重新设定数据归一化参数，将数据归一化区间控制在[-1，1]，并按照对应关系，将训练数据集中的参数缩放至区间[-1，1]，让训练数据集中的参数属于[-1，1]。

步骤3，将归一化后的数据作为训练模块的输入，并进行多次训练。

步骤4，形成训练模型，并将模型分为支持向量个数、数据中类别个数、每一个类别的向量个数。

步骤5，将训练模型与检测识别的原始电子信号序列一起输入，完成故障信息的预测分类，输出故障识别结果。

基于5个故障识别步骤，需要针对Libsvm软件包文件中的代码进行分离处理，并改写DSP信号处理器中的源代码，形成一个新的代码文件，在DSP信号处理器中运行，提高DSP信号处理器对电子信号故障的识别速度。

将5个故障识别步骤以代码的方式存储至DSP信号处理器，寻找电子信号序列中存在的故障信号，并根据Libsvm软件包文件以C/C++实现源代码代表信息的翻译。

4 实验对比分析

为验证此次研究的电子信号故障识别方法，选择齿轮作为此次实验的研究对象，并将此次研究的电子信号故障识别方法记为实验A组，传统故障识别方法记为实验B组，对比两组故障识别方法对故障位置识别的准确率。

此次选择的齿轮存在内圈故障，其故障数据为0.016 7、0.001 8、-0.017 9、-0.009 3 以 及 0.018 6，其正常数据为0.385 8、-0.244 0、0.304 7、-0.008 5以及0.065 7。采用两组方法，分别识别齿轮存在的故障，其故障识别结果如下：实验A组故障识别数据为0.018 2、0.008 1、-0.017 9、-0.005 9以及0.003 0；实验B组故障识别数据为0.003 1、-0.002 5、0.001 1、-0.005 6以及0.002 7。

从如上数据中可以看出，实验B组故障识别结果得到的虽然不是正常数据，但是也并非齿轮原本的内圈故障数据，且对故障位置识别不准确，而实验A组故障识别结果，虽与齿轮故障给出的样本数据并不一致，但是与其十分接近。由此可见，此次研究的电子信号故障识别方法可以准确识别故障位置。

5 结 论

此次研究基于DSP的电子信号故障识别方法，充分利用DSP信号处理器对电子信号的处理功能，降低故障识别时间，提高电子信号处理速度，增加故障识别准确率。但是，此次研究的基于DSP的电子信号故障识别方法，未曾深入研究电子信号处理和特征提取的计算过程，未曾采用图表的形式分析电子信号所对应的具体故障。因此，在今后的研究中，还需深入研究电子信号处理和特征提取的计算过程，画出电子信号对应的频谱，分析不同的电子信号对应的设备故障，为大型设备故障研究提供更多的参考信息。