數字信號處理技術在故障檢測中的運用

夏培濤

（臨沂科技職業學院，山東 臨沂 276000）

0 引言

現代工業系統的高自動化程度讓結構變得十分復雜，一旦系統當中的某一個細微環節出現故障，不僅會導致一系列的不良反應，甚至會直接影響到系統的安全運行。我們所熟知的切爾諾貝利事件實際上就是因設備運行故障所導致的核泄漏問題，對于生態與經濟的影響非常明顯。故障檢測的意義在于利用已有的知識和經驗結合結構特性對已經發生或潛在的故障進行分析和控制，讓系統回到正常狀態[1]。

1 數字信號處理技術的主要內容

1.1 技術特征

當前的信號處理系統一般是脫離了PC機的嵌入系統，因為PC機雖然功能全面且使用方便，但是受限于信號處理的特殊要求，使用起來仍然有難度。實時信號處理系統則延遲較小且成本較低。如果要進行信號處理，一般是在通用計算機上使用仿真軟件（MATLAB或C++）來實現，在非實時的數字信號處理技術系統當中可以得到應用。如果對于運算速度要求較高則可以考慮采用專門的數字信號處理芯片，將信號處理的算法在芯片內部就實現，只需要展開接口設計無需進行額外編程。雖然該模式在系統硬件和軟件的升級方面難度較大，但是在信號處理方面的優秀性能仍然使得它具有良好的應用前景與價值[2]。

1.2 數字信號處理芯片

數字信號處理芯片即數字信號處理器，利用處理運算算法來進行架構，包括CPU、存儲器和集成外設等，內部包含不同的處理結構模塊。總體來看數字信號處理技術芯片的集成度非常高且CPU可以保持良好的運算速度，外部接口數量較多也能讓程序指令和數據存儲相互分離，處理過程和數據分析過程可以同時展開。所采用的流水線技術讓處理速度有所保障，芯片的接口也可以完成實時的調試工作，保持穩定的開發性能。隨著今后的工作當中數字信號處理技術性能的優化，利用專門的器件來進行實時處理也成為了主要的發展熱點，其內部的每個存儲空間都可以進行獨立訪問，而程序總線與數據總線是相互分開的，數據運算效率相當于是原來的兩倍。數據和程序在不同的存儲空間內部，因此執行操作可以重疊進行，芯片的靈活性和指令執行過程更加便捷。雖然數字信號處理對于實時性的要求比較高，但是在不同的情況下功能程序可以通過預測的方式發揮集成優勢，且除去微處理器的性能之外還包括其它處理器不具備的特性，例如可以在一個指令周期范圍內完成乘法和加法，且指令訪問和數據分析可以同時進行等[3]。數字信號處理對于實時性要求較高，特別是不同的情況下都需要在規定的時間內完成工作，即不同的功能程序都需要確定具體的執行時間，預測處理分析工作也隨之產生。

近年來數字信號處理芯片的高穩定性和高預見性，產生的數字信號處理技術也成為了研究熱點，也為信號處理理論的研究工作提供了關鍵的信息基礎和理論支持。

2 數字信號處理技術在故障檢測環節的應用

2.1 診斷方案的整體設計

在目前的工業系統當中良好的診斷方法能夠有效地確保系統的安全性和穩定性，而不理想的故障診斷方法可能會直接影響到系統的運行狀態。表1當中就是常見的故障診斷方法。

表1 故障診斷方法分類

在診斷方法的整體設計上我們可以考慮采取聚類分析，將其中大量未知標注的數據通過計算的方式整合成為不同的類型，從而篩選并掌握隱藏在數據對象背后的分組信息、數據分布信息等[4]。以密度指標為標準的減法聚類算法能夠將所有的數據對象都作為候選對象，作為快速而獨立的聚類模式，其計算量和數據點數量的關系是線性關系。

在診斷系統的整體框架設計上，框架如圖1所示。

圖1 故障檢測模塊構造

系統的各個模塊都可以單獨地進行設計和調節，然后進行整機連調，既能夠便于系統的設計又可以在調試和維護工作方面發揮性能，整個系統在正常供電的條件下通過數據采集的模塊進行監測后，將系統的狀態發送給數字信號處理平臺，讓其進行數據運算和分析，最終將處理完畢的數據發送給其它控制器進行處理。

2.2 診斷方法設計

在目前的故障檢測技術當中，考慮到某些算法的計算比較復雜，需要處理大量數據，再加上乘法運算對于實時性要求較高，因此數字信號處理技術的應用可以給我們提供非常有效的處理方案，構建在復雜的環境下發揮監測和故障診斷功能的系統程序[5]。

目前基于數字信號處理的程序開發主要使用的方式就是將復雜的運算過程用C語言等措施，以程序代碼的形式下載到硬件平臺之上進行操作。在了解運算規則之后就可以將算法功能進行編寫然后根據仿真結果進行調節。如果可以達到預期的算法就可以利用數字信號處理的編程環境轉換語言程序，達不到預期的算法則重新進行程序編寫。這一階段的工作完成之后就需要利用仿真模擬的軟件來對算法程序功能作出調整，將預期算法處理和實現的結果作出對比，讓在線運行的質量和性能更加穩定[6]。

在診斷方面，借助MATLAB模擬仿真進行的算法移植方式效果突出，整個數字信號處理的軟件部分也采取模塊化的程序設計，通過主函數對不同功能函數模塊的順序調用來滿足故障診斷的現實需求。首先診斷系統會進行初始化，初始化結束后展開數據采集，將所有的數據放入緩沖區域后等待進一步處理，系統會將經過降噪處理的數據交給故障診斷聚類分析模塊然后保存數據，判斷是否有新數據出現。有新數據則進行降噪預處理。需注意的是小波降噪功能是為了能夠保留有用的信號技術然后對信號合并和重構。總體而言聚類功能程序模塊的具體流程應該在設定的閾值范圍內單獨進行聚類，最后通過計算并調整聚類中心的方式保存結果。

如果要進行診斷方法的優化，那么需使用優化后的匯編語言編寫程序，程序的優化過程要進行手工處理，即首先對算法進行C程序級優化再針對數字信號處理的具體特征對代碼進行調節，包括功能精簡、數據結構循環優化、代碼的并行處理等。不過需要盡量避免對于片外存儲數據讀取和調用，目的在于減少調用數據過程所產生的時間消耗。

2.3 增量聚類診斷

當前常見的聚類方法是基于全局進行的比較內容，無法滿足實際情況對于聚類數據的分析要求。對于新增數據而言，可以考慮采用增量式聚類診斷，即先在分析之前利用減法聚類措施來定位最優的數據對象集與初始聚類中心然后再找出數據對象。經過該方法進行處理之后，不僅可以避免聚類運算每次的最優解等問題，還可以根據數據對象當中的數據點來確定聚類數量[7]。

反之，遞歸增量聚類則是利用原始的聚類結果來進行本次過程，而不是將所有數據集進行重新運算，此時應重點提升聚類算法的效率來保障數據處理的精度。

3 結語

數字信號處理技術的研究工作成為了今后狀態評估和故障檢測工作的重點，目的在于提升診斷的速度和精度減少誤報、漏報現象，準確地對故障發生的情況作出判斷并分析故障產生的潛在風險。未來的工業系統將變得更復雜，集成化的發展趨勢下僅僅依靠算法展開降噪處理無疑是不夠的，對于故障診斷過程的優化還應該進行預測和更新，提升算法在高維數據方面的處理能力和分析能力，特別是故障糾正和故障控制。