基于Linux系統的智能裝備高頻信號無線監測系統設計

于洋 張磊 姚龍旭 王輝

摘要：針對智能裝備對于高性能、低消耗的信號監測系統的迫切需求，設計一種用于50-150 kHz高頻信號的工業無線數據高速采集與處理系統。系統整體架構由上位機和下位機兩部分組成。下位機以STM32（ ARM Cortex-M3）為控制核心采集數據，并通過無線協議傳輸至上位機;上位機使用了基于Linux系統的平臺接收數據，實現數據的實時采集、存儲、處理分析和圖形化可視化。為了提高系統傳輸速度，下位機數據以DMA方式在各個模塊間傳輸，并通過IEEE 802.11b標準協議發往上位機;上位機采用時域特征和頻域特征雙圖像顯示，并使用基于蝶形算法的快速傅里葉變換（ FFT）處理信號，提高了信號頻域特征的處理速度。通過采集信號發生器發出的50-150 kHz隨機和矩形波信號，驗證了整個系統的可行性和性能。該系統體積小、成本低、靈活度高、功耗低、效率高。

關鍵詞：高頻信號;無線監測系統;智能裝備;數據采集;無線傳輸;性能驗證

中圖分類號：TN931+.3-34;TP301.6

文獻標識碼：A

文章編號：1004-373X（2019）24-0005-06

數據采集系統（Data Acquisition Syslem，DAS）作為對數據源進行收集、識別和讀取的系統，在智能裝備中發揮著越來越重要的作用[1-3]。許多學者的研究表明，由于無法準確掌握傳統裝備的加工狀態，其實際生產效率和生產質量[4-6]不足理論值的1/2。因此十分需要一個可以準確高效的掌握加工狀態的智能裝備信號采集與處理系統。

傳統的智能裝備數據采集系統大多采用有線傳輸的方式，傳輸距離短、傳輸速度慢、傳輸效率低、不能快速準確的掌握加工狀態。而無線傳輸不僅傳輸速度快、距離遠、效率高，同時可以實現多設備同時通信，在智能裝備信號監測系統中有著廣闊的應用空間。目前關于無線傳輸在智能裝備上的研究取得了一定的進展。文獻[7-9]采用ZigBee技術組建無線網絡進行數據傳輸，低成本低功耗的同時取得了不錯的效果，但不適用于大數據量的高速傳輸;文獻[10-12]采用無線藍牙技術發送采集數據，傳輸速率較高，誤差小，但有著覆蓋范圍較小的局限性[13]。為了解決以上問題，本文采用以IEEE 802.llb協議標準組建局域網的方式實現大數據量多設備間的高速傳輸。

在制造加工過程中，會產生多種類信號，這些信號中包含著豐富、密集和加工狀態密切相關的信息[14-15]，同時也夾雜很多干擾和噪聲。文獻[16-17]通過收集切削加工過程中的切削力信號來分析工件和刀具的加工狀態，研究結果表明，切削力信號和刀具磨損狀態、工件表面加工質量具有十分密切的聯系。文獻[18-19]通過監測加工過程中產生的聲發射（ Acoustic Emission，AE）信號和設備的顫振信號并做小波分解，并提取其時域特征，比較準確地預測了加工裝備的磨損程度。為了有效地降低干擾和噪聲，本文提出了以高頻信號（50 kHz以上）為主要監測信號，避開大量低頻干擾的監測方案來提高信號的真實性和準確性。

1 系統的整體結構

整個系統的構成框圖如圖1所示。整個系統以能夠實時并持續處理和分析數據為原則，在進行數據分析處理的同時進行下一輪的數據采集和傳輸的工作。該系統主要構成模塊如圖2所示。

系統將采集到的數據以DMA方式在各個設備間傳輸數據。同時為了保證可以直觀準確地觀察并分析數據，嵌入式上位機平臺中實現了時域分析圖像實時顯示、基于蝶形算法的FFT頻域特性分析并圖形化、對原始數據和分析數據的保存、抓取、分析等功能。

2 數據采集傳輸系統的實現

2.1 原始數據的采集與數據完整性檢測

為了滿足對高頻信號采集點數多，采集數據量大的特點，下位機系統采用DMA（ Direct Memory Access）方式收發數據，其主要流程如圖3所示。

一般的數據采集系統數據采集后直接發往上位機，可能出現數據的丟失和誤差，對后續的研究和分析造成影響，因此本系統采集數據后，將其傳輸到模塊中預留的內存空間（緩沖池）中進行預儲存。其作用是保證數據的完整性并在內存空間中檢測傳輸數據量的大小，以判斷是否出現數據丟失。如果數據出現丟失或錯誤，下位機系統會向上位機系統發出錯誤信號，同時上位機出現錯誤提示，系統工作停止;當預儲存中的數據完整性檢測通過后，再發送到無線傳輸模塊進行下一步的處理。STM32控制模塊中SPI總線的DMA傳輸的最大數據量為65 535 B，完全滿足在高速采集情況下對數據的收集和預儲存。與此同時相比于普通傳輸方式，DMA傳輸過程中不需要CPU的干預，省去了CPU取指令、取數、送數等操作，大大降低了整個系統的功耗和傳輸時間，讓本監測系統靈敏度更高。

2.2 系統控制和數據無線傳輸

為了保證信號監測系統實時、準確地反映加工過程中信號的幅值和頻率的變化，整個系統的采樣時鐘和數據收發均由STM32系列控制模塊控制。系統控制流程如圖4所示。

原始數據通過ESP8266無線傳輸模塊發往上位機，當整個系統上電后，ESP8266和上位機自動以AP-STA的模式組建基礎網，上位機為無線接人點（AP），底層的信號采集系統均為站點（STA），用于接收上位機的控制命令和原始數據的上傳分析。

2.3 數據的分析、處理和圖形化

傳統的數據分析處理所用的上位機在性能和體積之間的結合和優化還不夠完善。為了能讓研究人員方便、快速、準確地掌握智能裝備的加工狀態，本系統采用基于ARM Cortex-A53內核的Raspberry Pi 3B+高性能上位機，可以作為WiFi基礎網的無線接入點（AP）組建網絡，也可以將原始數據和處理數據進一步上傳至云端保存。上位機系統數據處理框圖如圖5所示。

當原始采樣數據數量積累到刷新采樣點數Ⅳ的預定值（本系統可設置為1 024，2 048，4 096三種預定值）時，通過蝶形算法實現的快速傅里葉變換（ Fast FourierTransform，FFT）進行處理，生成信號幅頻曲線，每完成一次FFT變換，幅頻特性圖像就刷新一次，研究者可以準確快速地掌握加工過程中產生信號的頻率變化;此外，在加工完成后，本系統可對加工過程中采集到的所有數據進行FFT處理并生成幅頻特性曲線，便于研究者更好地發現加工過程出現的問題。上位機系統界面如圖6所示。

快速傅里葉變換（ FFT）是離散傅里葉變換（Dis-crete Fourier Transform，DFT）的快速算法，相比DFT對Ⅳ組數據的計算量為N2，FFT的計算量僅為Nlog2Ⅳ，點數越多，節約的運算量就越大，整個系統的優化效果就越好。系統對FFT處理在軟件實現上采用了迭代的思想，即用變量的原值推算新值，大大提高了系統的穩定性和效率。

總的來說，整個系統用較小的計算量和能耗實現了采集數據的同時對信號連續FFT處理和圖像化，給研究者提供了極大的便利。

3 系統性能驗證與分析

為了驗證整個系統的性能，本文使用信號發生器發出高頻信號并用本系統進行采集分析以驗證采集后數字信號圖像的真實性。下面將主要從信號的時域特性和不同頻率信號下的頻域特性對本系統進行驗證和分析，同時分析系統的傳輸時間、傳輸性能和誤差率。

3.1 時域特征和傳輸性能的驗證

如圖7所示，當發送頻率為100 kHz的矩形波形信號時，根據采樣定理：

Fs≥2Fn

（1）式中：Fs為采樣頻率;Fn為信號頻率。

采樣頻率應大于200 kHz，取采樣頻率為300 kHz。為了滿足采集過程中頻域特性曲線的最小分辨率小于200 Hz的要求，那么刷新采樣點數Ⅳ根據公式：

N≥Fs/Fv

（2）式中：Fs為采樣頻率;Fv為信號最小分辨率。

刷新的采樣點數Ⅳ設置為2 048個剛好可以滿足要求。刷新采樣點數選取為2 048個時，上位機實時顯示的時域特性曲線如圖8所示。

由圖7、圖8可以看出，采集信號的幅值為3.3 V，波形為矩形;而系統的時域特性曲線幅值也為3.3 V，波形為矩形。實驗證明在100 kHz信號下，整個系統有著良好的采集和傳輸的能力，同時上位機對信號的處理和圖形化真實準確，可以有效地反映出加工過程中產生信號的基本屬性，監測效果良好。

系統的總體傳輸時間，如表1所示主要分為以下幾個階段：

1）單次數據采集時間Ti;

2）數據通過USART的DMA傳輸至無線傳輸模塊的時間T2;

3）數據通過IEEE 802.llb標準協議傳輸至上位機的時間T3。

第一階段的采集時間為0.14 s。第二階段串口波特率設置為115 200 b/s，那么原始數據傳輸至無線傳輸模塊的時間為：

T2=16M2/Ub式中：M2為第二階段特征值;Ub為波特率。

第三階段由于無線傳輸的速度很快，傳輸時間可以忽略不計，取T3≤0.1 s。經實驗驗證系統整體傳輸時間約為1.8 s，和理論時間基本相同，本系統可以快速準確地采集、傳輸和處理加工過程中的產生的數據。

3.2 頻域特征性能的驗證

如圖9所示，當發送頻率為67 kHz的隨機波形信號時，根據式（1）和式（2），采樣頻率設置為150 kHz，刷新采樣點數N設置為1 024，上位機實時顯示的頻域特性曲線如圖10所示。

由圖9、圖10可以看出，在67 kHz信號下，整個系統有著良好的采集和傳輸的能力，同時上位機對信號的處理和圖形化真實準確，可以有效地反映出加工過程中產生信號的基本屬性，監測效果良好。

當發送頻率為100 kHz的方波信號，且刷新采樣點數為2 048個時，上位機實時顯示的頻域特性曲線如圖11所示。

由圖11可以看出，在100 kHz信號下，整個系統采集和傳輸水平良好，上位機也能良好地反映信號的時域特征和頻域特征。同時由于刷新采樣點數Ⅳ的增加，整個頻域特性曲線準確性更高，系統性能更好。

如圖12所示，當發送頻率為150 kHz的隨機信號，刷新采樣點數Ⅳ設置為2 048個時，上位機實時顯示的頻域特性曲線如圖13所示。

由圖12、圖13可以看出，在150 kHz信號下，整個信號監測系統的頻域特性曲線效果優良，可以準確反映出信號的頻率特性，然而時域特性曲線有一定的遲滯，經分析原因是由于信號頻率偏高，采樣時間變長，整個系統的數據采集傳輸時間也相應增加，因此信號在上位機上的圖形化顯示出現了一定的滯后。同時由于信號頻率較高，頻域特性曲線圖相比100 kHz時質量有所降低，但仍能準確反映信號的頻率特性。

通過以上實驗分析可以得出，該監測系統在對50-150 kHz的高頻信號的采集處理分析的能力優秀，可以快速準確地反映出加工過程中產生的信號的基本特性，滿足對加工狀態實時監測和準確掌握的要求。

4 結論

本文提出一個針對高頻信號的智能裝備信號無線采集與處理系統，其包括數模轉換（ADC）模塊、STM32控制模塊、無線傳輸模塊和基于Linux系統的上位機模塊。總的流程是ADC完成自校準后采集高頻信號，并將數據通過SPI總線的DMA方式傳輸到控制模塊中指定的內存區域（緩沖池）進行預儲存;待緩沖池填滿后，通過USART的DMA方式將數據傳輸到無線傳輸模塊，并通過TCP協議發往上位機;當上位機接收到數據后，將原始數據進行儲存并顯示實時的信號時域曲線;然后上位機將原始信號進行FFT處理，儲存處理后的數據并顯示信號的頻域特性曲線。

參考文獻

[1] JAEKYU Lee. SANGYUB Lee. HYUNJOONC Cho， et al.Su-pervisory control and data acquisition for standalone hybridpower generation systems [J]. Sustainable computing： informat-ics and systems， 2017（6）： 210-214.

[2] CAO Ronggang， XU Xiangcai.A small-sized and battery-sup-plied data acquisition system for the electromagnetic launcherto measure pulsed magnetic fields [J]. Applied mechanics andmaterials， 2017. 870： 85-92.

[3] RAJASEKARAN C，JEYABHARATH R，VEENA P.FPGASoC based multichannel data acquisition system with networkcontrol module [J]. Circuits and systems， 2017， 8（2）： 53-75.

[4] AMBROZ Miha. Raspberry Pi as a low-cost data acquisitionsvstem for human powered vehicles [J]. Measurement， 2017，100：7-18.

[5] ZHOU Zude， LIU Quan， AI Qingsong， et al.Intelligent moni-toring and diagnosis for modern mechanical equipment basedon the integration of embedded technology and FBGS technolo-gy [J]. Measurement. 2011， 44（9）： 1499-1511.

[6] NAZMUL HUDA A S，TAIB S.Application of infrared ther-mography for predictive/preventive maintenance of thermal de-fect in electrical equipment [J]. Applied thermal engineering，2013， 61（2）：220-227.

[7] LIAN K Y，HSIAO SUNG J，SUNG W T.Intelligent multi-sen-sor control system based on innovative technology integrationvia ZigBee and WiFi networks [J]. Journal of network and com-puter applications， 2013， 36（2）：756-767.

[8] MITSUGU Terada. Application of ZigBee sensor network to da-to acquisition and monitoring [J]. Measurement science review，

由圖12、圖13可以看出，在150 kHz信號下，整個信號監測系統的頻域特性曲線效果優良，可以準確反映出信號的頻率特性，然而時域特性曲線有一定的遲滯，經分析原因是由于信號頻率偏高，采樣時間變長，整個系統的數據采集傳輸時間也相應增加，因此信號在上位機上的圖形化顯示出現了一定的滯后。同時由于信號頻率較高，頻域特性曲線圖相比100 kHz時質量有所降低，但仍能準確反映信號的頻率特性。

通過以上實驗分析可以得出，該監測系統在對50-150 kHz的高頻信號的采集處理分析的能力優秀，可以快速準確地反映出加工過程中產生的信號的基本特性，滿足對加工狀態實時監測和準確掌握的要求。

4 結論

本文提出一個針對高頻信號的智能裝備信號無線采集與處理系統，其包括數模轉換（ADC）模塊、STM32控制模塊、無線傳輸模塊和基于Linux系統的上位機模塊。總的流程是ADC完成自校準后采集高頻信號，并將數據通過SPI總線的DMA方式傳輸到控制模塊中指定的內存區域（緩沖池）進行預儲存;待緩沖池填滿后，通過USART的DMA方式將數據傳輸到無線傳輸模塊，并通過TCP協議發往上位機;當上位機接收到數據后，將原始數據進行儲存并顯示實時的信號時域曲線;然后上位機將原始信號進行FFT處理，儲存處理后的數據并顯示信號的頻域特性曲線。

為了測試系統的性能，對該信號監測系統在不同頻率的信號下的采集傳輸性能做了許多實驗。實驗結果表明整個系統對50-150 kHz的高頻信號的采集處理分析的能力優秀，圖形化顯示清晰準確;與此同時，整個系統的底層模塊體積小于50 mmx20 mmx30 mm，上位機模塊體積僅有信用卡大小，具有靈活性高、便攜性高、價格低廉的優點;此外整個系統的功耗不超過40 W，可以廣泛應用于如切削、異形制造等多種智能裝備加工應用的數字化、可視化中，具有很強的實用性。

參考文獻

[1] JAEKYU Lee. SANGYUB Lee. HYUNJOONC Cho， et al.Su-pervisory control and data acquisition for standalone hybridpower generation systems [J]. Sustainable computing： informat-ics and systems， 2017（6）： 210-214.

[2] CAO Ronggang， XU Xiangcai.A small-sized and battery-sup-plied data acquisition system for the electromagnetic launcherto measure pulsed magnetic fields [J]. Applied mechanics andmaterials， 2017. 870： 85-92.

[3] RAJASEKARAN C，JEYABHARATH R，VEENA P.FPGASoC based multichannel data acquisition system with networkcontrol module [J]. Circuits and systems， 2017， 8（2）： 53-75.

[4] AMBROZ Miha. Raspberry Pi as a low-cost data acquisitionsvstem for human powered vehicles [J]. Measurement， 2017，100：7-18.

[5] ZHOU Zude， LIU Quan， AI Qingsong， et al.Intelligent moni-toring and diagnosis for modern mechanical equipment basedon the integration of embedded technology and FBGS technolo-gy [J]. Measurement. 2011， 44（9）： 1499-1511.

[6] NAZMUL HUDA A S，TAIB S.Application of infrared ther-mography for predictive/preventive maintenance of thermal de-fect in electrical equipment [J]. Applied thermal engineering，2013， 61（2）：220-227.

[7] LIAN K Y，HSIAO SUNG J，SUNG W T.Intelligent multi-sen-sor control system based on innovative technology integrationvia ZigBee and WiFi networks [J]. Journal of network and com-puter applications， 2013， 36（2）：756-767.

[8] MITSUGU Terada. Application of ZigBee sensor network to da-to acquisition and monitoring [J]. Measurement science review，

由圖12、圖13可以看出，在150 kHz信號下，整個信號監測系統的頻域特性曲線效果優良，可以準確反映出信號的頻率特性，然而時域特性曲線有一定的遲滯，經分析原因是由于信號頻率偏高，采樣時間變長，整個系統的數據采集傳輸時間也相應增加，因此信號在上位機上的圖形化顯示出現了一定的滯后。同時由于信號頻率較高，頻域特性曲線圖相比100 kHz時質量有所降低，但仍能準確反映信號的頻率特性。

通過以上實驗分析可以得出，該監測系統在對50-150 kHz的高頻信號的采集處理分析的能力優秀，可以快速準確地反映出加工過程中產生的信號的基本特性，滿足對加工狀態實時監測和準確掌握的要求。

4 結論

本文提出一個針對高頻信號的智能裝備信號無線采集與處理系統，其包括數模轉換（ADC）模塊、STM32控制模塊、無線傳輸模塊和基于Linux系統的上位機模塊。總的流程是ADC完成自校準后采集高頻信號，并將數據通過SPI總線的DMA方式傳輸到控制模塊中指定的內存區域（緩沖池）進行預儲存;待緩沖池填滿后，通過USART的DMA方式將數據傳輸到無線傳輸模塊，并通過TCP協議發往上位機;當上位機接收到數據后，將原始數據進行儲存并顯示實時的信號時域曲線;然后上位機將原始信號進行FFT處理，儲存處理后的數據并顯示信號的頻域特性曲線。

為了測試系統的性能，對該信號監測系統在不同頻率的信號下的采集傳輸性能做了許多實驗。實驗結果表明整個系統對50-150 kHz的高頻信號的采集處理分析的能力優秀，圖形化顯示清晰準確;與此同時，整個系統的底層模塊體積小于50 mmx20 mmx30 mm，上位機模塊體積僅有信用卡大小，具有靈活性高、便攜性高、價格低廉的優點;此外整個系統的功耗不超過40 W，可以廣泛應用于如切削、異形制造等多種智能裝備加工應用的數字化、可視化中，具有很強的實用性。

參考文獻

[1] JAEKYU Lee. SANGYUB Lee. HYUNJOONC Cho， et al.Su-pervisory control and data acquisition for standalone hybridpower generation systems [J]. Sustainable computing： informat-ics and systems， 2017（6）： 210-214.

[2] CAO Ronggang， XU Xiangcai.A small-sized and battery-sup-plied data acquisition system for the electromagnetic launcherto measure pulsed magnetic fields [J]. Applied mechanics andmaterials， 2017. 870： 85-92.

[3] RAJASEKARAN C，JEYABHARATH R，VEENA P.FPGASoC based multichannel data acquisition system with networkcontrol module [J]. Circuits and systems， 2017， 8（2）： 53-75.

[4] AMBROZ Miha. Raspberry Pi as a low-cost data acquisitionsvstem for human powered vehicles [J]. Measurement， 2017，100：7-18.

[5] ZHOU Zude， LIU Quan， AI Qingsong， et al.Intelligent moni-toring and diagnosis for modern mechanical equipment basedon the integration of embedded technology and FBGS technolo-gy [J]. Measurement. 2011， 44（9）： 1499-1511.

[6] NAZMUL HUDA A S，TAIB S.Application of infrared ther-mography for predictive/preventive maintenance of thermal de-fect in electrical equipment [J]. Applied thermal engineering，2013， 61（2）：220-227.

[7] LIAN K Y，HSIAO SUNG J，SUNG W T.Intelligent multi-sen-sor control system based on innovative technology integrationvia ZigBee and WiFi networks [J]. Journal of network and com-puter applications， 2013， 36（2）：756-767.

[8] MITSUGU Terada. Application of ZigBee sensor network to da-to acquisition and monitoring [J]. Measurement science review，2009， 9（6） ： 183-186.

[9] VAIRAMANI K. VENKATESH K， MATHIVANAN N. Designand development of ZigBee based instantaneous flat-plate col-lector efficiency measurement system [J]. Measurement sciencereview， 2011， 11（2） ： 57-60.

[10] WANG Mingwei， LI Qinjun， LI Qianghua， et al. Design ofthe wireless data acquisition system for experimental rabbit rectal temperature based on bluetooth and ARM technologies[J]. Advanced materials research， 2014， 3227 （945） ： 1744- 1747.

[11] SUSHABHAN C， PIYUSH K. RAJESH S， et al. ZigBee andBluetooth network based sensory data acquisition system [J].Procedia computer science， 2015. 48： 367-372.

[12] BRANKO Babusiak. STEFAN Borik. Bluetooth communica-tion for battery powered medical devices [J]. Journal of electri-cal engineering， 2016. 67（ I ） ： 65-68.

[13] HANGKI Joh， INTAE Ryoo. A hybrid WiFi P2P with Blue-tooth low energy for optimizing smart device ' s communicationproperty [J]. Peer-to-peer networking and applications， 2015 ，8（4） ： 567-577.

[14] VAIRAMANI K， VENKATESH K， MATHIVANAN N. De-sign and development of ZigBee hased instantaneous flat-platecollector efficiency measurement system [J]. Measurement sci-ence review. 2011 ， 11（ 2） ： 57-60.

[15] WICIAK M， TWARDOWSKI P. WOJCIECHOWSKI S. Com-parison of various tool wear prediction methods during endmilling of metal matrix composite [J]. Archives of mechanicaltechnology and materials . 2018 . 38（ I ） ： 1-7.

[16] SHAFIEE M， FEGHHI S A H. RAHIGHI J. Experimentalperformance evaluation of ILSF BPM data acquisition system[J]. Measurement . 2017 ， 100 ： 205-212.

[17] ZHONG P. SHI Y. CHEN X， et al. Research on digital intel-ligent recognition method of the weave pattern of fabric hasedon the redundant information [J]. Fibers and polymers， 2013，14 （ 11） ：

1919-1926.

[18] ANDREAS B. LAIT A S. DIETMAR S， et al. High speeddigital interfacing for a neural data acquisition system [J]. Cur- rent directions in biomedical engineering， 2016， 2（1） ： 186-194.

[19] XU X， NEE A Y C. Advanced design and manufacturingbased on STEP [M]. London： Springer， 2009.

作者簡介：于洋（1994-），男，碩士，主要研究方向為嵌入式系統開發與應用。

張磊（1978-），男，博士，副教授，主要研究方向為無線智能傳感器。

姚龍旭（1994-），男，碩士，主要研究方向為脆性材料特種加工。

王輝（1994-），男，碩士，主要研究方向為信號數據分析與系統控制。