基于無線傳感網絡的云故障診斷系統設計

林躍森，曾海杰，莊鎮濤，林森源

（廣東石油化工學院，廣東茂名，525000）

0 前言

隨著石化行業日益發展，石化裝備日益大型化、合成化和復雜化，石化工程的安全運行面臨著越來越大的挑戰。目前，國內大部分石化企業采用的故障診斷系統大部分都是有線的、單節點傳感器獨立電纜傳輸模式，這種故障診斷系統通訊系統龐大、線纜多、雜、亂，非常不易于維護，加上工廠內的環境惡劣，有腐蝕性氣、液體，溫度高，且存在電磁波干擾，設備噪聲干擾等；設備的連接線纜容易損壞，形成騷擾動源，最終導致傳輸的故障信號不穩定或不準確[1]。

針對信號的采集和傳輸，無線傳感網絡可以解決這些化工產業的大機組裝置的故障診斷信息的監控采集，比有線傳感器的作用范圍大、噪聲小、布置簡單靈活、且支持移動等優勢，這對有大機組的工廠的各大工業發展具有極高的應用價值[2]。

1 信號特征提取理論介紹

■1.1 時域分析法介紹

在時域提取中，分析的時域參數主要有無量綱和有量綱這兩種。其中無量綱參數有裕度指標、峰值指標、峭度指標、歪度指標、波形因子、脈沖因子等；有量綱參數有平均值、均方根值等[3]。

在軸承故障診斷中，峰值指標和脈沖因子都是用來檢測振動信號有無沖擊的指標，裕度因子常用于檢測軸承設備的磨損情況。反應振動信號的沖擊特性的是峭度因子。

在業內，常用敏感性與穩定性來衡量這些指標的性能。脈沖因子，峭度因子都對沖擊類的故障比較敏感，在故障發生的早期時，這些指標都有明顯的增加；但是當故障逐漸發展到一定程度后，指標反而會下降，所以它們的穩定性不好，對早期的敏感性高，但是晚期不敏感。而有效值的穩定性往往都是比較好的，但是在故障早期的時候表現的不敏感了。所以在故障診斷中，為了得到更加準確和更加穩定的效果，系統常常同時應用這幾個時域分析的指標，提高故障診斷分析結果的準確性。

■1.2 頻域分析法介紹

振動信號分析使用了各種基于時域的技術，例如均值，峰值，峰度等；這些技術處理原始振動測量中包含的正弦波之和。在頻域中，每個正弦波將作為頻譜分量出現。頻率分析是用于監視機器狀態的最常用的振動分析技術之一。

旋轉機械組件會在時域中生成各種類型的振動信號：隨機信號和周期信號，適用于健康狀況和故障狀況。這些信號在頻域中的頻率表示通常使用傅立葉進行分析，通常分為傅立葉級數，連續傅立葉變換（CFT）和離散傅立葉變換（DFT）3 種類型。發現了傅立葉分析的基本思想的法國數學家J.Fourier 在19 世紀指出，任何周期函數都可以表示為復雜指數函數的總和。在這些類型中，DFT 是離散時間信號頻率分析中的重要工具。

a.傅里葉級數

周期信號x（t）的諧波分析是將序列分解為正弦分量的總和，其中每個正弦波都有特定的振幅和相位。周期信號包含的頻率是基頻f0=1/ T 的整數諧波，其中T 是信號的周期。因此，信號中存在的唯一頻率是1/T,2/T,…,n/T。周期信號x（t）的傅里葉級數可以表示為周期為T 的所有正弦和余弦函數的線性組合。這可以用公式（9）表示：

由于振動信號通常表現為由多個較低頻率調制的高頻正弦信號的形式，有時是周期性信號，因此正弦在振動信號分析中很重要。根據傅立葉級數理論，所有周期信號均由正弦和組成。

b.離散傅里葉變換

當信號是離散的時，可以使用DFT。實際上，計算機計算離散化信號的實現通常需要采用離散方法，并且DFT可以使用以下方程式數學表示：

c.快速傅里葉變換

快速傅里葉變換（FFT）是一種計算DFT 的有效算法，它對固定時間序列信號進行逆運算，其復雜度顯著降低[4]。實際上，FFT 使用N log2N 復數來計算長度為N 的信號的DFT。FFT 技術是由Cooley 和Tukey（1965）在DFT 的稀疏分解基礎上首次提出的（VanLoan1992）。簡而言之，我們給出簡化的FFT 形式，如下所示[5]。

2 系統設計

■2.1 整體設計

本系統設計以STM32為數據處理中心，將IEPE 加速度傳感器發送出來的模擬振動信號進行ADC 轉換為數字信號，之后對數據進行快速傅里葉變換，獲取到原始振動信號的幅值、頻率和周期等，再對振動信號進行分析，包括無量綱參數和有量綱參數的指標提取；得出各個技術指標之后，MCU將指標數據從串口發出，將LoRa 作為無線傳輸的空中橋梁，遠程發送至云端服務器，然后通過本系統設計的上位機軟件向服務器讀取數據并顯示出振動信號的原始波形，再將波形數據和各個技術指標上傳至服務器；服務器對這些數據進行分類、儲存、管理。為了方便技術人員實時在任意有網絡的地點都能檢測軸承的運作狀態，本系統還設計了手機端的APP 應用[6]，用于觀察波形，實時跟進各個技術指標的變化 。基于無線傳感網絡的云故障診斷系統的總體設計流程如圖1 所示。

圖1 基于無線傳感網絡的云故障診斷系統的總體設計流程框圖

■2.2 主要研究內容

①在測量傳感器的輸出信號過程中，由于IEPE 加速度傳感器輸出的信號及其微弱，近似直流信號，很容易受到噪音干擾，這種干擾一是由外界的噪音干擾源產生的，所以為了能有效的提取有用信號，便于移動終端進一步處理，傳感器的輸出信號還需要經過信號的調理，放大，濾波等一系列的處理，以放大信號，減小噪音。因此需要開發一種適合監測系統的放大濾波電路。制作一個基于STM32 單片機的高性能采集器，利用單片機的DMA 通道和DSP 庫的使用，運用高速傅立葉變換FFT 來實時讀取和處理波形特征。②基于JAVA 上位機的開發，使得硬件端采集到數據可以以圖形化的方式顯示出來，能更直觀的分析機器故障類型。且具有故障診斷報告生成、數據存儲等功能，方便查詢與研究。③基于Android 移動端APP 的開發。移動終端比起PC 端便攜性是其最大的優勢。我們主要采用基于時域的分析方法，通過對動態信號的各種時域參數、指標的計算，可以準確判斷出故障類型。同時把分析的結果保存儲存起來，以便用戶查詢。④深入了解Lora 技術的原理及實際應用到故障診斷系統中。在實際的故障診斷系統中，需要在相當大的工業面積對多個測點進行檢測。采用星型架構方式進行組網，能在長距離傳輸數據保證通信質量及其電池的壽命。

3 系統測試

①在對各個模塊分別測試無問題之后，將所有的模塊整合在一個組裝系統里面，運行，測試是否能正常采集發送顯示。因為系統運行可能出現網絡堵塞，功耗高發熱等問題，所以對整個系統進行工作測試十分必要。

②系統極限測試。測試系統在環境惡劣的情況下是否還能正常穩定工作；因為化工廠地環境一般比較惡劣，所以我們的系統需要很好的克服環境惡劣帶來的影響。另外，長時間連續工作可能也會影響系統工作的穩定性，比如長時間工作導致硬件模塊溫度過高，影響放大或者濾波的效果，或者單片機可能發熱死機等問題；這些問題都是影響系統穩定運行的關鍵因素。所以，對系統進行長時間，不同場地的穩定測試十分重要。

③系統數據測試時，使用信號發生器輸出標準正弦波信號，在上位機顯示看看是否正常，對照各個數據，防止因為計算問題導致最終診斷結果不準確，并將數據生成診斷日記保存起來。如圖2、圖3 所示。

圖2 上位機軟件波形顯示及指標顯示

圖3 上位機軟件診斷情況保存及顯示

4 結語

旋轉機械的軸承故障一直是石化產業安全工作的絆腳石，由于石化產業的工作現場環境一般都比較復雜，所以即使成功采集到軸承轉動的振動信號，有很難提取到干凈的信號，更別說精準分析故障信息了。再加上目前很多石化公司還是使用線纜采集信號的方式來進行機械的故障診斷。首先使用線纜傳輸，會大大增加施工難度，并且布線雜亂無章；環境惡劣容易導致線纜衰老嚴重，傳輸數據時就容易受各種干擾，導致數據出現錯誤；并且線纜一旦出現問題，也很難單獨把出問題的線纜找出來更換，這將大大影響企業的高效生產和無法保證工作場地的整潔；線纜傳輸還容易受到各種噪聲干擾。針對信號的采集和傳輸，無線傳感網絡可以解決這些化工產業的大機組裝置的故障診斷信息的監控采集，比有線傳感器的作用范圍大、噪聲小、布置簡單靈活、且支持移動等優勢。