大型直線振動篩故障診斷在線監測系統軟件設計

朱清慧　王志奎

摘要：根據大型直線振動篩側幫裂紋故障診斷的需求，利用已有的硬件平臺，對在線監測系統軟件進行開發設計，以小波分析和神經網絡理論算法為基礎，綜合運用數據庫、Visual Basic和Matlab軟件對數據進行處理、分析和辨識，設計了上位機在線數據采集、處理和故障診斷系統。結果表明，該系統能夠對振動篩側幫早期疲勞裂紋進行及時預警，對設備維護有非常積極的意義。

關鍵詞：故障診斷；振動篩；上位機在線監測；軟件設計

中圖分類號：TP277 文獻標識碼：A 文章編號：0439-8114（2016）06-1554-04

DOI：10.14088/j.cnki.issn0439-8114.2016.06.049

大型直線振動篩是一種廣泛用于煤炭、礦石等等級篩選或雜質分離的礦用篩分設備[1]。由于其兩側側幫長期受到的動應力比較集中，特別容易產生裂紋甚至造成側幫斷裂，如不及時發現，會給生產帶來潛在的巨大危害。

本研究以平煤集團田莊選煤廠所用篩分設備大型直線振動篩DZK2466為研究對象，建立其側幫裂紋故障在線監測診斷系統，通過軟、硬件綜合控制對其側幫裂紋進行檢測并預警。系統設計包括硬件和軟件兩部分，其中硬件部分主要完成對故障數據的采集和存儲，而軟件部分主要對數據進行轉換、處理和分析并得出診斷結論。在自主開發的在線監測控制系統硬件平臺上，重點研究分析了上位機診斷系統，主要包括基于VB和數據庫的診斷界面設計，以及基于小波分析和神經網絡等理論的后臺Matlab軟件處理程序設計與調用[2，3]，完成對側幫裂紋等級的在線識別和預警。該系統軟件通過調試、仿真及現場測試，獲得了理想的診斷結果。

1 系統硬件設計

在線監測系統的硬件主要由單片機、A/D轉換器、傳感器、電荷放大器、液晶顯示器和上位機等構成。其中，傳感器采用三軸加速度傳感器BZ1114，電荷放大器自行設計，其功能是進行電荷和標準電壓的轉換，單片機采用內置2通道10/8位ADC的16位微控制器MC9S12XS128。系統硬件設計如圖1所示。

2 系統軟件設計

系統軟件設計包括兩大部分，即單片機程序和上位機程序及界機，由6大模塊組成，分別是數據采集模塊、數據存儲模塊、數據通訊模塊、數據分析模塊、數據顯示模塊和用戶管理操作模塊，如圖2所示。

2.1 數據采集模塊與數據存儲模塊

數據采集與存儲模塊主由完成由傳感器BZ1114到單片機的信號采集、轉換和預存儲，以及上位機通過單片機對數據采集過程中的參數進行設置和監控的過程。

2.2 數據分析模塊

數據分析模塊是上位機針對采集和存儲的原始離散信號，進行實時分析和處理，主要有小波降噪、小波包故障特征提取、遺傳神經網絡優化和訓練及故障識別等，以Matlab、Visual Basic軟件和數據庫等作為主要分析手段。

2.3 數據通訊模塊

數據通訊模塊主要通過在上位機編寫通訊協議及調試程序，完成單片機與上位機之間的數據交換。單片機對采集到的數據進行預處理、預存儲及故障顯示，上位機對從單片機發送來的數據進行分析、處理，并把診斷結果回傳給單片機進行顯示。

2.4 用戶管理操作模塊

用戶管理操作模塊主要是對系統數據進行實時監控和處理操作。在上位機編寫用戶操作界面，通過調用后臺程序，實時對系統參數和診斷結果進行設置和查詢，以便于維修人員和現場操作人員使用。

2.5 數據顯示模塊

數據顯示模塊主要是將設備的故障診斷信息通過LCD和上位機分別顯示出來。

3 上位機監測軟件設計與實現

上位機監測軟件主要完成振動篩側幫裂紋的在線檢測、分析和處理，綜合運用小波分析、神經網絡算法等理論，以Visual Basic為前臺編程語言，采用Access數據庫存儲數據，基于ADO數據庫連接技術進行上位機診斷界面開發，通過調用Matlab軟件計算模塊對振動信號進行小波降噪、小波包能量特征提取，再調用神經網絡數據庫得出故障診斷結果[4-6]。

3.1 上位機軟件程序

上位機軟件設計流程為信號的定時采集、手動采集、信號的小波降噪處理、能量特征計算、故障診斷結果。程序流程如圖3所示。

3.2 數據表關系分析

為了方便在具體時間段內對各路采集信號的檢索和查看，在Access數據庫中設計了數據表及其關系，如圖4所示。圖4中共包含7個數據表，分別是采集記錄表、4個通道傳感器數據表、特征向量表和診斷結果表。在振動篩在線故障診斷過程中，這些表格用來實時存儲采集到的多個傳感器信號、降噪后的數據以及故障特征和診斷結果。

3.3 上位機主要功能模塊

3.3.1 信號采集模塊 信號采集模塊通過調用采集卡接口函數GetSignal（）來獲取信號，根據信號所在的通道號，將其存入相應的信號表內，同時將信號波形實時顯示在采集窗口，主要程序代碼如下：

Dim Plv As Single

Dim i As Integer

Dim Ylv As Single

Dim GetSig as Single

Private Sub ReadSignal （PID as Long，Channel as Byte）

GetSig=GetSignal（Channel） '讀采集信號

sql = "Insert Into 信號表" & Channel & "（PID，PValue） Values（" & PID & "，" & GetSig & "）" '構建存儲數據庫SQL語句

Conn.Execute sql '將信號存到數據庫

'將信號波形實時顯示到前臺

Plv = Me.Pic1（0）.ScaleWidth / 2048

Ylv = Me.Pic1（0）.ScaleHeight / 26

Me.Pic1（0）.DrawStyle = vbSolid

Me.Pic1（0）.CurrentX = 0

Me.Pic1（0）.CurrentY = 0

Me.Pic1（0）.Line Step（0， 0）-（j， （13 - GetSig） * Ylv）

Plv = Plv + Plv

i=i+1

End Sub

3.3.2 信號降噪模塊 信號降噪模塊調用Matlab中的小波降噪M文件ReduceNoise（Signal as Single），對實時采集到的信號進行小波降噪處理，并把降噪后的信號波形顯示到前臺，主要程序代碼如下：

Private Sub RedNoise（Signal As Single）

RedNoise = ReduceNoise（Signal）

'將降噪后信號波形實時顯示到前臺

Plv = Me.Pic1（1）.ScaleWidth / 2048

Ylv = Me.Pic1（1）.ScaleHeight / 26

Me.Pic1（1）.DrawStyle = vbSolid

Me.Pic1（1）.CurrentX = 0

Me.Pic1（1）.CurrentY = 0

Me.Pic1（1）.Line Step（0， 0）-（j， （13 - RedNoise） * Ylv）

Plv = Plv + Plv

i=i+1

End Sub

3.3.3 能量故障特征提取模塊 能量故障特征提取模塊調用Matlab中的小波包能量計算M文件CalEnergy（Signal as Single），計算降噪后信號的8個能量特征值，并以柱狀圖顯示到前臺，同時在特征向量數據表中存入計算結果，作為遺傳神經網絡的輸入信號。

3.4 在線監測界面的實現

大型直線振動篩側幫裂紋故障在線監測系統的上位機診斷過程如圖5所示。首先進入用戶登錄界面，通過輸入賬號和密碼，進入振動篩側幫裂紋故障在線監測系統主界面。

系統主界面由信號采集、小波分析、神經網絡和控制中心4個窗口組成，下面主要對前3個界面進行介紹。

3.4.1 信號采集 信號采集界面如圖6所示，能同時對振動篩兩側幫4個通道傳感器數據進行采集，數據的時域波形動態地顯示在相應的圖形區內。其中，采樣的頻率、組數能夠實現手動設置，還可以設置采樣間隔時間和數據過期的時間。

3.4.2 小波分析 小波分析界面主要完成信號的小波降噪處理和小波包能量特征計算。首先查看相應通道采集信號，單擊【降噪】按鈕通過后臺調用Matlab軟件的小波降噪程序，對當前通道信號進行降噪處理，并存入數據庫對應關系表中去，同時把降噪后的信號時域波形顯示在對應信號區域。小波降噪分解的層數及各層的降噪閾值均可通過此界面進行單獨設置，并由Matlab自動讀取到降噪程序中去，實現智能的軟閾值降噪處理功能。

然后，單擊【能量計算】按鈕，后臺調用Matlab小波包能量故障特征提取程序，對降噪后的信號進行三層小波包分解，計算出8個子頻帶的信號能量并進行歸一化處理，存入數據庫的相應關系表中，同時把故障特征向量以柱狀圖的形式顯示在界面下方。圖7中顯示的是大型直線振動篩DZK2466通道1信號的自動降噪、小波能量故障特征提取以及八維特征向量柱狀圖等圖形信息。

3.4.3 神經網絡 神經網絡診斷界面通過選擇4個通道中的任意1個信號進行故障診斷監測。神經網絡的輸入信號為數據庫中存儲的小波包能量特征信號[8]，網絡的輸出結果為振動篩側幫裂紋的4種故障等級：正常、有早期疲勞裂紋、有形成期裂紋和有已成形裂紋。圖8中顯示的是通道1信號的診斷結果。

選擇要診斷的數據通道后，單擊【故障診斷】按鈕即可。軟件還能夠自動診斷出該通道對應的側幫裂紋等級，只需要在【自動診斷】按鈕上打鉤即可。

通過上述診斷過程及分析可發現，該在線檢測系統由于綜合運用了VB編程、數據庫存儲、小波分析、Matlab輔助工具等多項功能，界面友好，操作方便[7，8]，能夠針對大型直線振動篩DZK2466側幫裂紋故障特點進行實時監測、分析和預警，實現了對故障診斷的半自動和全自動在線處理功能，經過現場實際應用，系統分類準確，診斷速度快，尤其對早期疲勞裂紋的預警準確率高到96%以上，對設備的維護有著非常積極的現實意義。

4 小結

本研究對振動篩側幫裂紋故障診斷的在線監測系統軟件進行了研究，設計了基于數據庫、VB和Matlab軟件的在線故障診斷系統，給出了上位機軟件實現的過程。通過現場實際應用，該系統具有實時采集和診斷精度高的優點，尤其對早期疲勞裂紋的快速準確預警及設備維護具有非常重要的意義。

參考文獻：

[1] 任紫婷，李惠彬，金 婷，等.大型振動篩激振器振動測試與故障分析[J].煤礦機械，2008，29（11）：184-187.

[2] 彭玉華.小波變換與工程應用[M].北京：科學出版社，1999.

[3] 韓力群.人工神經網絡理論、設計及應用[M].北京：化學工業出版社，2002.

[4] 劉 華，蔡正敏，王躍社，等.小波包算法在滾動軸承的在線故障診斷中的應用[J].機械科學與技術，1999，18（2）：301-303.

[5] HOU Z G，GUPTA M M，PETER N，et al.A recurrent neural network for hierarchical control of interconnected dynamic systems[J].IEEE Transactions on Neural Networks，2007，18（2）：466-481.

[6] 薛定宇.控制系統計算機輔助設計—MATLAB語言及應用[M].北京：清華大學出版社，2006.51-63.

[7] CHIANG L H，RUSSELL E L，BRAATZ R D.Fault Detection and Diagnosis in Industrial Systems[M].London：Springer-Verlag London，2001.

[8] 楊利紅，李新娥，李國寧，等.基于圖像采集卡的圖像顯示與處理軟件開發[J].液晶與顯示，2010，25（6）：909-913.