基于ARM嵌入式的免耕播種機盤刀軸承故障診斷

張 楓，張曉民

(南陽理工學院 軟件學院，河南 南陽 473000)

基于ARM嵌入式的免耕播種機盤刀軸承故障診斷

張 楓，張曉民

(南陽理工學院 軟件學院，河南 南陽 473000)

圓盤破茬刀是免耕播種機的重要部件，其性能好壞直接決定播種機的作業效率，而其軸承是最易出現問題的部件，對其檢修也比較麻煩。為此，提出了一種嵌入式的圓盤破茬刀的軸承實時故障診斷方法，以ARM的S3C2440為核心微處理器，外擴了以太網通信模塊和數據采集模塊等，采用Linux系統開發操作界面和驅動程序，使系統使用更加方便。最后，對該方法的可行性進行了驗證，分別測試了有故障和無故障軸承的時域和頻域特性。實驗結果表明：該方法可以成功地實現振動音頻信號的采集、存儲、處理和初步的診斷功能，最終達到在線實時監測和故障診斷的目標，為免耕播種機的故障診斷及設計優化提供了重要的參考。

免耕播種機；嵌入式系統；微處理器；信號采集；ARM

0 引言

免耕播種機是現代化農業作業過程中使用的一種新型農田保護性耕種作業裝置。在國外，一般農場的種植面積較大，播種機配備了大功率的拖拉機，以牽引的方式一次性完成破茬、松土、開溝、播種、施肥等多項作業。圖1是美國的Great Plains3P606NT 型免耕播種機，采用懸掛方式進行作業，配套44kW的拖拉機牽引，行間距是19.05cm，配備了多個開溝器。

圖1 3P606NT 型免耕播種機Fig.1 3P606NT type no tillage seeding machine

圖2是我國的現代農裝科技股份有限公司生產的2BMG-18型免耕施肥精少量播種機。該機型在作業時不需要進行耕翻土壤，可以直接完成播種作業，實現了完全免耕。免耕播種機的圓盤破茬刀是播種機最重要的部件之一，其性能的好壞直接影響作業的效率和質量，而對其故障的診斷主要是根據其軸承的性能來判斷的。

圖2 2BMG-18 免耕播種機Fig.2 2BMG-18 type no till seeding machine

農機的診斷傳統的方法主要有4種，具體介紹如下：

1)振動診斷技術。在農機作業過程中，由于軸承、齒輪和葉片等農機零部件會產生各種振動，因此可以通過振動特征判斷機械設備的故障。

2)油樣分析診斷技術。農機作業的環境往往比較復雜，作業時風沙會進入農機的零部件中，且齒輪和軸承等磨損的磨屑也會影響機械的正常作業，因此可以通過油樣的檢測來判斷農機的機械故障。

3)噪聲監測診斷技術。在農機部件振動時會產生各種噪聲，因此可以通過噪聲的采集和分辨來判斷農機的機械故障。

4)紅外測溫診斷技術。紅外測溫診斷技術是對農機作業過程中的摩擦溫度進行紅外線檢測，并將異常溫度作為機械故障診斷的依據。

以上是幾種常用的故障診斷技術，隨著智能技術的發展，農機機械復雜程度也越來越高，因此出現了以下兩種新的機械故障診斷技術：

1)智能診斷技術。智能診斷技術主要是依據智能算法、計算數據庫和先進的信息技術，利用仿生技術和遙感技術等，建立智能化的專家評價系統，并將經驗和思想錄入數據庫，通過自學習和自適應來對實際情況進行分析，提高了分析效率和分析精度。

2)在線實時故障診斷系統。在實際故障診斷的過程中，由于缺乏實際的標準，很難做到檢測的實時性，因此可以利用網絡技術來建立一個在線的實時監測系統。該系統通過對工作狀態的實時監測，在遇到裝置異常時發出警報，以便及時地維修，既保證了作業的正常進行，又保護了機械作業裝置免受更大的損壞。

1 免耕播種機故障診斷系統和算法設計

對于傳統軸承故障診斷技術一般采用的是單片機和DSP作為數據采集和處理的核心，但在故障診斷過程中會受到芯片運算速度的限制，因此不能夠并行處理多個任務。對于傳統的故障診斷儀器，通常只是對軸承故障進行檢測,然后將采集結果存儲到存儲器中，再將數據輸送到電腦上進行輸出處理，其實時性差。據此，本文將傳統方法進行改進，并將其應用在了播種機故障診斷系統硬件中，架構如圖3所示。

圖3 播種機故障診斷系統硬件架構Fig.3 The hardware architecture of the seeding machine fault diagnosis system

本研究采用ARM作為嵌入式核心處理器，采用Linux開發操作系統，使診斷裝置既具有較高的運算能力，又有很好的人機交互功能，同時具有多任務并行處理功能。

圖4為嵌入式系統和以太網的接口原理圖。其中，ARM的芯片S3C2440與DM9000利用3種形式和連接，包括數據線、控制線和地址線，DM9000與RJ45利用水晶頭和以太網進行連接。

圖4 ARM 嵌入式系統和以太網接口原理圖Fig.4 Schematic diagram of ARM embedded system and Ethernet interface

圓盤破茬刀滾動軸承的故障可以利用音頻信號特征來進行診斷，由音頻信號的發生機理可知：信號具有短時的平穩性，在對信號進行分析時可以利用加窗的方法，從而得到較為理想的短時分析設計要求。短時能量分析是音頻信號短時分析最常用的方法之一，由于信號的濁音和清音之間能量的差距較大，可以利用這種方法對清、濁音進行分析。假設采集信號函數為x(m)，可以將短時能量定義為

(1)

其中，N為窗長；n為軸承音頻的某一信號幀；w(n-m)為實窗口函數序列；w為角頻率；m為采樣點。當使用矩形窗時，其函數表達式為

(2)

由式(2)能量函數可以得到播種機圓盤破茬刀軸承采集的音頻信號的振幅特性，通過窗的大小可以有效地反映能量En的變化，因此在進行處理時不能讓窗太小，否則得不到平滑的能量函數。對于圓盤破茬刀軸承音頻信號的分析還可以通過頻域分析來體現，頻域分析主要通過傅立葉變換來實現。由于語音信號隨著時間的變化而變化，而標準的傅立葉變化適用于周期及平穩隨機信號，因此不能直接使用。但是，軸承音頻信號在短時間內可以看作近似不變的，因而可以采用短時分析法。由于圓盤破茬刀軸承采集得到的信號是短時隨機平穩信號，因此語音信號幀短時傅立葉變換可以定義成

(3)

令n-m=k′，則

(4)

于是可以得到

(5)

假定

(6)

則可以得到

(7)

由式(7)可以看出：短時傅立葉變換的變量是兩個，其中包括n和ω。因此，該變換包含了一個時序為n的離散函數，還包含一個角頻率為ω的連續函數。因此，根據離散函數的傅立葉逼近，令w=2πkN，則可以得到離散短時傅立葉變換為

(0≤k≤N-1)

(8)

通過圓盤破茬刀軸承音頻信號的處理，可以得到其軸承故障的音頻振幅特性，從而有助于快速診斷免耕播種機的故障，提高播種的作業效率。

2 基于音頻信號特征的免耕播種機盤刀軸承故障診斷

免耕播種機圓盤破茬刀軸承在不同故障工況下，可通過采集模塊采集到振動的音頻信號，通過分析該信號的時域和頻域波形來判斷其機械故障，其中常見的故障工況主要有表1所列舉的類型。

表1中，主要故障類型包括軸承溫度過高、供油不足和各種機械損傷，為了測試故障時的波形特性曲線，選用正常軸承和存在故障的軸承分別測試，其測試場地如圖5所示。

表1 常見軸承故障

圖5 故障診斷測試場地Fig.5 The fault diagnosis test site

在測試過程中，柴油機的轉速為800r/min時，行進的平均速度為1m/s，利用系統采集模塊可以得到軸承音頻信號原始數據，將數據利用數據處理系統進行處理，可以得到如圖6所示的測試曲線。

圖6 故障和無故障播種機時域檢測對比曲線Fig.6 The contrast curve of time domain detection of

faultandnonfaultseedingmachine

由曲線結果可以明顯地看出：存在故障的圓盤破茬刀軸承和無故障的檢測曲線存在明顯的不同。進一步進行頻域分析，得到了如圖7所示的結果曲線。

圖7 故障敏感性頻率響應曲線Fig.7 The frequency response curve of fault sensitivity

對故障音頻信號進行頻域分析發現：故障1在1 598Hz處的頻率較為敏感，故障2在1 478Hz處的頻率較為敏感，在這些敏感處對故障進行分析可以得到較好的診斷結果。在相同采樣點情況下，對正常工況和故障工程下的音頻信號特征進行提取，通過匯總得到了表2所示的統計結果。

表2 時域特征指標范圍結果

由表2可以看出：在4個指標當中，在時域指標下不同工況的范圍是有差異的。對于故障的評價，可以按照和正常狀態的偏離程度來劃分，本次劃分的等級主要是3種，分別為良、中、差。劃分結果如表3所示。

表3 故障等級劃分表

由表3可以看出：利用軸承的數據特征可對軸承故障進行劃分，將這些指標作為軸承故障診斷的時域和頻域特征向量，對故障進行實時診斷，并實時輸出，從而提高故障的診斷效率。

3 結論

本研究成功地將嵌入式ARM系統應用到了免耕播種機圓盤破茬刀的軸承故障診斷系統中，并分別測試了有故障和無故障軸承的時域和頻域監測曲線，得到了兩種主要故障的特性，為免耕播種機的故障診斷及設計和優化提供了數據參考?，F代農業日新月異，對農業設備性能要求越來越高的同時，也帶動了機械產品診斷技術的不斷發展，今后的農業發展趨勢將朝著智能化和綜合化發展邁進，因此本研究還存在一些不足，今后有待于改進。例如，對于診斷系統的準確性和作業的效率，系統還沒有完全建立專家評價系統，沒有對故障類型進行統一規范，且現代農業技術人員計算機水平不高，因此開發的系統是否簡單容易操作還有待于進一步考證。在今后的研究中會努力克服這些問題，以提高診斷系統的實用性和可靠性。

[1] 陳磊,韓捷,孫俊杰,等.基于ARM和CPLD的振動信號采集系統設計[J].機床與液壓,2011,39(7):55-57.

[2] 張永肅,高寶成.基于Linux系統的汽車噪音故障診斷系統[J].嵌入式技術,2011,34(12):80-83.

[3] 徐偉,胡志忠,肖前貴,等.AD7490與AT91RM9200的SPI接口及其驅動程序的實現[J].計算機測量與控制,2009,17(10):2089-2091.

[4] 牛雨生.基于神經網絡的刀具振動趨勢預測研究[J].電腦知識與技術,2012,8(2):939-941.

[5] 方質彬,潘宏俠,曲景陽.基于嵌入式Linux的采煤機狀態監測與故障診斷系統設計[J].煤礦機械,2013, 34 (11):265-268.

[6] 王醇濤,陸金銘.運用HHT邊際譜的柴油機故障診斷[J].振動、測試與診斷,2010,30(4):465-468.

[7] 曹龍漢,武明亮,何俊強,等.基于DE-SVM的柴油機氣門故障診斷方法及應用[J].儀器儀表學報,2011,32 (2):323-328.

[8] 胥偉,王亮,王軍.基于DSP和ARM的遠程視頻監控系統的設計[J].高師理科學刊,2011,31(3):52-54.

[9] 楊代華,劉俊,張盼盼.基于ARM和DSP的運動控制平臺設計及驅動程序開發[J].機床與液壓,2010,38 (1):54-56.

[10] 王強龍,潘宏俠,任海峰.基于PSD的長管彎曲度測量系統設計[J].傳感器與微系統,2013,32(1):108-111.

[11] 郭鋼祥,潘宏俠,王強龍.基于PSD和ADS7825的長管彎曲度測量系統的設計[J].煤礦機械,2013,34(4):268-270.

[12] 程宏才,宋克柱,楊俊峰,等.大型地震數據采集系統中的實時監視系統設計[J].核電子學與探測技術,2012,32(7):814-817.

[13] 余建清,藏觀建,謝世坤,等.旋轉機械故障診斷中的信號處理技術綜述[J].機床與液壓,2011,39(24): 107-110.

[14] 吳斌,王敏捷,康晶,等.滾動軸承故障振動信號特征與診斷方法[J].大連理工大學學報,2013,53(1): 76-81.

[15] 黎丹,陳特放.機車軸承故障診斷中振動信號采集的研究[J].應用與設計,2009(1):35-39.

[16] 郭京薔,吳勇.DSP和PC機的串行通信[J].計算機工程與設計,2014,25(3):475-477.

[17] 李學軍.便攜式位移加速度振動信號測試系統軟硬件設計與實現[J].電子測量與儀器學報,2008,22(2):56-61.

[18] 高潮,田博今,郭永彩.基于DSP和ARM的自適應振動信號采集系統[J].計算機系統應用,2010,19(12):255-259.

[19] 朱攀,賀敬.機載數據采集器模擬信號采集模塊故障分析[J].中國科技信息,2014(7):173-175.

[20] 陳科,張建庭,鄭紅梅,等.塔機信號采集與存儲系統的設計與實現[J].電子測量與儀器學報,2014,28(8): 892-900.

[21] 劉建敏,李曉磊,喬新勇,等.基于EMD和STFT柴油機缸蓋振動信號時頻分析[J].噪聲與振動控制, 2013,4(2):133-137.

[22] 王旭慧,江琦.小波分析在汽輪機振動故障診斷中的應用研究[J].電力學報,2014,29(1):80-83.

[23] 胡愛軍.經驗模態分解中的模態混疊問題[J].振動、測試與診斷,2011,31(14):429-434.

[24] 席有猷,郝建華,程乃平.一種Wigner-Ville分布交叉項剔除的新算法[J].河北科技大學學報,2012,6(33): 506-509.

[25] 郭玉剛.Wigner-Ville分布在非平穩信號分析中的應用[J].遼寧師專學報,2014,6(2):11-12.

[26] 鄒紅星,戴瓊海,李衍達,等.不含交叉項且具有WVD聚集性的時頻分布之不存在性[J].中國科學(E輯),2011,31(4):348-354.

[27] 關紅彥,肖偉.抑制魏格納分布交叉項干擾的自譜窗方法[J].信號處理,213,19(3):215-218.

Fault Diagnosis of Disc Knife Bearing of no Tillage Seeding Machine Based on Embedded ARM

Zhang Feng, Zhang Xiaomin

(School of software, Nanyang Institute of Technology, Nanyang 473000, China)

The disc cutting knife is an important part of no tillage seeding machine,whose performance directly determines the operating efficiency of the seeding machine, and whose bearing is the most easy to have the problem of parts, and its maintenance is also more trouble. Accordingly, it proposed an embedded disc broken stubble cutter bearing real-time fault diagnosis method, to arm S3C2440 as the core microprocessor, the expansion of the Ethernet communication module and data acquisition module, the Linux system development operation interface and driver, to make the system more convenient to use. Finally the feasibility of the method was validated by test failure and no bearing fault in time domain and frequency domain characteristics. According to the experimental results, the method can successfully realize the audio frequency vibration signal collection, storage, processing and preliminary diagnosis function, and ultimately achieve on line monitoring and fault diagnosis of the target, which provides important reference data for no tillage sowing machine fault diagnosis and design optimization.

no tillage seeding machine; embedded system; microprocessor; signal acquisition; ARM

2016-08-12

河南省農業科技自主創新資金項目(CX[16]60732)

張 楓(1982-),男，河南南陽人，講師，碩士，(E-mail)gudengxia@gmail.com。

S223.2；TP274.2

A

1003-188X(2017)12-0058-05