基于DSP+MCU的列車滾動軸承故障診斷系統設計與應用

摘 要:基于DSP+MCU的列車滾動軸承故障診斷系統充分利用了DSP和MCU的信號處理和控制能力，提高了系統的數據處理效率。實驗結果表明，該系統通過Hilbert變換法提取出包絡信號，利用小波奇異性檢測進行故障診斷，取得了很好的效果。

關鍵詞:滾動軸承; 故障診斷; DSP; MCU; Hilbert交換; 小波奇異性檢測

中圖分類號:TP274 文獻標識碼:A

文章編號:1004-373X(2010)13-0187-03

Design and Application of Fault Diagnosis System for Rolling Bearings

Mounted on Trains Based on DSP and MCU

WU De-hua， LIU Chun-ying， DENG Gui-ping

(Changsha Aeronautical Vocational and Technical College， Changsha 410124， China)

Abstract: Freight train rolling bearing fault diagnosis system based on DSP+MCU is proposed， which makes full use of signal processing and control capacity of DSP and MCU， and improves the data processing efficiency of the system. The experimental results show that the system achieves good results by Hilbert transform method of extracting the envelope signal， and the wavelet singularity signal detection to diagnose fault.

Keywords: rolling bearing; fault diagnosis; DSP; MCU; Hilbert transform method; wavelet singularity detection

0 引 言

滾動軸承是列車轉動機件的支撐，也是鐵路車輛上最容易危及行車安全的易損件。由于工作面接觸應力的長期反復作用，極易引起軸承疲勞、裂紋、壓痕等故障，導致軸承斷裂，造成重大事故。軸承工作狀態是否正常，對于列車的安全有著重大的影響。因此，開展列車滾動軸承故障診斷的研究對避免重大事故、促進經濟發展具有相當大的意義。

1 系統總體設計

1.1 硬件系統

振動控制系統是一個典型的實時信號處理系統，需要對較復雜的信號進行處理?？紤]到單片機的控制功能強，其總線位數少，運行速度相對較慢;而DSP(Digital Signal Processor)的運算能力強，總線寬度寬，控制功能相對較弱。為了提高系統的信號處理速度，便于對系統的硬件和軟件的進一步開發，結合單片機的控制能力，設計了DSP+MCU的方案，如圖1所示。該系統是一個基于定點DSP芯片TMS320C32的滾動軸承振動故障診斷系統，主要適用于對滾動軸承振動信號的采集、處理和故障診斷，并通過軸承溫度信號實現對軸承工作狀態的監測。

圖1 系統硬件組成結構框圖

滾動軸承的振動信號屬于高頻信號，因此應用加速度傳感器進行信號的拾取。但由于加速度傳感器所測得的信號較弱，必須經過電荷放大器、抗混濾波等系列電路處理后才能進入高速A/D轉換電路[1-2]，保證了數據分析所需的數據量，能實現對采集數據的幅值域、時域和頻域分析。處理后的振動信號和經單片機采集到的溫度數據均送到DSP處理器進行處理分析，作出故障預報和診斷。對已形成的或正在形成的故障進行分析處理，判斷出故障產生的部位及原因，并及時采取有效的措施。單片機負責執行顯示和DSP子系統的控制功能，包括DSP的命令解釋、數據傳輸控制、數據的輸入/輸出等控制功能，使DSP可以執行高速、實時的DSP算法。存貯器包括程序儲存器和數據儲存器，用于儲存用戶程序(EPROM)和實時數據(RAM)。

1.2 軟件系統

軟件采用模塊化設計思想，使系統的維護、改進和功能擴展十分方便，還可進一步推廣到其他振動信號的采集和分析。

1.2.1 系統軟件主程序

軸承故障診斷系統的主要任務是對采集的信號進行分析和處理，因此軟件設計的好壞直接影響數據處理的能力。系統軟件由主程序、串行口中斷服務、INT0中斷服務程序和數據處理程序組成。主程序完成AD574A芯片初始化、8751H的初始化、TMS320C32復位、包括從FLASH存儲器中讀取已經存入的振動信號的各種信息。完成初始化過程后，TMS320C32等待從8751H主處理器發出的各種命令，根據不同命令調用相應的處理子程序，系統軟件框圖如圖2所示。中斷服務程序每隔10 ms中斷一次，并置各種定時到達標志以便主程序判斷使用。串行中斷服務程序主要完成振動信號的輸入、輸出等功能。INT0中斷服務程序主要用于接收從8751H發出的各種命令，并設置相應的命令標志以便于TMS320C32在主程序中識別并調用相應的子程序。

圖2 系統軟件主程序框圖

1.2.2 分析處理程序

本系統利用DSP強大的數字信號處理功能，對采樣得到的數據進行FFT運算和功率譜分析，更好地提取數據中的特征信息，加快系統的響應速度和提高準確度。

(1) FFT分析運算子程序

FFT分析運算子程序利用FFT計算相關函數。為防止發生頻疊現象，需要延長線性相關中序列的長度，即延長到兩序列長度之和2N。自相關函數的快速傅里葉變換計算過程如下[3]:

① 取N個采樣數據{Xk}，k=0，1，2，…，N-1，加上N個零點，得2N個點的新序列{X2k};

② 對2N個點數據做FFT變換，求得X(n)，n = 0，1，2，…，2N-1;

③ 計算2N個點的功率譜密度函數G(n);

④ 計算G(n)的傅里葉逆變換，并將其乘以比例因子N/(N-r)，r=0，1，2，…，2N-1;

⑤ 僅保留前N個點的值，即可得到Rx(r)。

(2) 功率譜分析運算子程序

平均周期功率譜分析首先要把序列X(n)分成K段，每段長為N，然后對每段進行功率譜分析。平均周期法的每一段譜分析就是求該段的離散傅里葉變換，再除以分析點數。這樣的譜估計一共有K段，對K段譜估計求平均就得到平均周期功率譜分析[4]。

(3) 倒譜分析運算子程序

倒譜分析是對信號y(t)的功率譜的對數進行傅里葉逆變換。倒譜分析的離散運算形式為:

cy(k)=DFT{ln[ 1/N*DFT(X(n))]2}

2 故障診斷

2.1 提取軸承特征

小波分析利用時間平移和多分辨率的概念，可以同時處理時、頻分析，具有時頻局部化和多分辨功能。其基本思想是用一族函數去表示或逼近一信號或函數，通過滿足一定條件的基本小波函數的不同尺度的平移和展縮構成的[5-6]。但在正交小波變換中，只對信號的低頻成分進行了遞推分解，導致高頻成分的頻率分辨率較低，表現為時-頻分辨率在低頻處頻率分辨率高，在高頻處時間分辨率高，頻率分辨率卻降低[7-8]。利用DSP強大的數字處理功能，本系統采用常見的Hilbert變換法[9]來提取包絡信號，提高整個系統的可靠性和精確性。

實信號X(t)的Hilbert變換為:

(t)=H{X(t)}= 1π∫+∞-∞x(τ)t-τdt

利用卷積定理對(t)進行傅里葉轉換后，實信號X(t)的包絡信號為:

S(t)=X(t)+j(t)

于是得到X(t)的解析信號為:

A(t)=x2(t)+2(t)

2.2 小波奇異性檢測

函數f(x)的局部奇異性與其小波變換的漸進衰減性之間的關系為:

Wsf(x)≤A*Sα

式中:Wsf(x)為f(x)在尺度s上的小波變換。

本文根據小波變換各尺度上模極大值的傳遞性來判斷奇異點的位置以及作奇異性指數計算。奇異性指數的計算如下[10]:

設s=2j，在尺度i上Xk處的極大值為Mi=|Wsf(x)|，則在各尺度相應位置處的模極大值可構成序列 {Mi}，在i較小時，可以近似為:

Wsf(x)≈A#8226;2iα

由此可得:

α =log2 Mi+1-log2 Mi

根據上式計算幾個尺度上的α，然后求平均值，即可得到信號在此時刻的Lip指數。

3 實例分析

實驗用軸承參數如下:滾動體直徑:0842 35 英寸;支架直徑:7565 3英寸;輪子直徑:3589英寸;接觸角α:10°;車速:30 km/h。

當軸承外圈滾道發生點蝕、裂紋及表面剝落等局部損傷故障后，滾動軸承便產生沖擊振動。利用加速度傳感器獲取軸承振動信號，采樣頻率為261 436 SPS，滾動軸承正常、滾子破裂、多處外圈剝落時振動信號的時域波形如圖3所示。按照前述方法對外圈剝落振動信號進行包絡處理，并采用B樣條函數進行7層小波變換，得到信號包絡在特征尺度s=24，25，26重構信號如圖4所示。

圖3 振動信號時域波形

圖4 外圈剝落信號重構波形

通過檢測經小波變換的模量極大點沿尺度的演變規律，可將噪聲所產生的模量極大點與信號產生的模量極大點區分開。如果某模量極大點的幅值沿尺度的減小而顯著增加，則為是由噪聲產生的而予以剔除。為了考察模量極大點沿尺度的傳播性，本文采用一個簡單的方法做初步判斷，即:如果某一尺度上的一個模量極大點的位置非常接近下一個尺度的一個模量極大點，并且它們具有相同的符號，那么可以認為該模量極大點傳播到了下一個尺度上，否則即為沿尺度不傳播的模量極大點，予以剔除。經過篩選所保留下來的各個尺度上的模量極大點就反映了包絡信號的主要特征。圖5分別表示正常、滾子破裂、多處外圈剝落三種情況的Lip指數分布(縱坐標(-1<α<1)，橫坐標(0~500))，Lip指數如表1所示。

圖5 三種情況的Lip指數分布

表1 Lip指數比較

正 常 多處外圈剝落 滾子破裂

奇異點TnLip指數奇異點TnLip指數奇異點TnLip指數

6-0.272 81-0.277 230.464 1

140.245 3300.454 0270.784 9

690.341 1610.562 3530.196 6

1040.581 868-0.251 9630.137 2

1390.103 2950.362 4910.326 4

2540.423 4120-0.833 6143-0.496 5

318-0.208 81640.216 82350.591 3

3870.401 11890.133 62670.826 9

3950.049 91980.143 6329-0.154 7

4600.703 72500.075 53830.244 2

4870.346 02650.104 64410.291 4

5000.426 13510.241 94590.574 8

從圖5可以看出:由故障軸承與正常軸承相比，其信號奇異點明顯增多。由表1可看出在同一時刻附近故障軸承的Lip指數明顯較小，在同一時刻附近多處外圈剝落的Lip指數較小，故障較嚴重，這與實際解體檢測情況一致。

4 結 語

該系統充分利用單片機的控制功能強、DSP的運算能力強的特點，對較復雜的信號具有較強的處理能力。實驗表明，該系統能滿足列車滾動軸承故障診斷的實際需要，并減少了復雜的編程過程，有效地提高了工作效率，降低了診斷設備成本。

參考文獻

[1]夏世長，陳迪平，王鎮道，等.一種多通道數據采集電路的設計[J].湖南大學學報，2000，27(6):80-84.

[2]LEE Hanbo，GERALD E. Digital Signal Processing Selection Guide[ M] . Texas: Texas Instruments，1996.

[3]高天明.鐵路客車軸承狀態監測的研究[D].大連:大連鐵道學院，2003.

[4]任銳.滾動軸承的振動信號分析與故障診斷的研究[D].秦皇島:燕山大學，2002.

[5]李輝，宋智勇，孫豐瑞.基于小波包-包絡分析的故障特征提取方法[J].振動、測試與診斷，2003，23(4):291-294.

[6]陳中，趙聯文.信號奇異性檢測中小波分析的應用[J].重慶師范大學學報，2004，21(2):15-17，27.

[7]張俊，萬里冰.基于小波分形和神經網絡的滾動軸承故障診斷[J].組合機床與自動化加工技術，2009(9):26-28.

[8]夏利民，谷士文，寧國英.基于小波包分析的貨車滾動軸承故障診斷[J].中國鐵道科學，2002，23(6):60-69.

[9]MALLAT S. Zero-crossing of a wavelet transform[J].IEEE Tran.on Information Theory，1991，37(7): 1019-1033.

[10]耿中行.小波分析方法及其在機械狀態監測信號處理中的應用[D].西安:西安交通大學，1993.