基于樹莓派的振動(dòng)信號(hào)獲取及檢測(cè)系統(tǒng)

張貞秀 葛遷 劉欣

摘要：本文以樹莓派為開發(fā)平臺(tái)，選用MPU9250加速度傳感器獲取機(jī)械設(shè)備的振動(dòng)信號(hào)，設(shè)計(jì)一種機(jī)械設(shè)備的實(shí)時(shí)振動(dòng)檢測(cè)方法。設(shè)備旋轉(zhuǎn)部件的故障表現(xiàn)為旋轉(zhuǎn)頻率的諧波成分，利用傅里葉分析將信號(hào)從時(shí)域信號(hào)分解為頻域信號(hào)，構(gòu)建信號(hào)的頻譜圖，從中鑒別出信號(hào)是否包含故障信號(hào)的頻率成分。利用Python語(yǔ)言和QT圖形GUI模塊，實(shí)現(xiàn)軟件系統(tǒng)。

關(guān)鍵詞：振動(dòng)信號(hào);樹莓派;MPU9250;服務(wù)器

中圖分類號(hào)：TP311? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）27-0145-02

1? 引言

軸承等機(jī)械部件常在重負(fù)荷、高速和強(qiáng)沖擊的工作環(huán)境下運(yùn)轉(zhuǎn) ，其零部件（內(nèi)圈、外圈、滾珠等）容易出現(xiàn)損傷[1]，如不及時(shí)發(fā)現(xiàn)，極有可能引發(fā)生產(chǎn)安全事故，甚至造成生產(chǎn)停滯，人員傷亡，帶來(lái)負(fù)面的社會(huì)影響和巨大經(jīng)濟(jì)損失。因此，利用物聯(lián)網(wǎng)及人工智能技術(shù)對(duì)這種重要大型設(shè)備運(yùn)行健康狀態(tài)實(shí)時(shí)檢測(cè)、評(píng)估及預(yù)測(cè)，發(fā)現(xiàn)其故障，消除安全 隱患，具有重要的社會(huì)、工程和理論價(jià)值。

20世紀(jì)80年代以來(lái)，國(guó)內(nèi)外學(xué)者開始利用振動(dòng)信號(hào)分析手段，對(duì)診斷軸承故障展開研究。故障的預(yù)報(bào)與診斷研究從簡(jiǎn)單的信號(hào)分解，直到現(xiàn)在的信號(hào)包絡(luò)分析方法。

軸承振動(dòng)信號(hào)的突變通常預(yù)示軸承發(fā)生某種故障。在軸承體周圍安裝加速度傳感器，獲取軸承振動(dòng)信號(hào)，計(jì)算振動(dòng)特征，如傅里葉變換（FT）、小波變換（WT）等信號(hào)處理方法[2-4]，進(jìn)而發(fā)現(xiàn)故障特征信號(hào)。然而，這種簡(jiǎn)單的信號(hào)分析方法很難識(shí)別從振動(dòng)頻譜中識(shí)別出故障特征頻率。

針對(duì)振動(dòng)信號(hào)的非平穩(wěn)、非線性特征，國(guó)內(nèi)外研究人員提出了多種時(shí)頻結(jié)合的振動(dòng)信號(hào)分析方法，進(jìn)而發(fā)現(xiàn)信號(hào)在高頻域的頻率細(xì)節(jié)，提供全面、詳細(xì)的時(shí)頻特征，如小波包變換（WPT）[5]，短時(shí)傅里葉變換（STFT）[6]，希爾伯特-黃（HHT）[7]等方法。

2? 整體方案設(shè)計(jì)

系統(tǒng)主要由樹莓派和MPU9250和云服務(wù)器構(gòu)成。其中樹莓派負(fù)責(zé)采集MPU9250的原始數(shù)據(jù)，并將采集的數(shù)據(jù)傳輸給PC端，并將數(shù)據(jù)繪制成頻譜圖。并且MPU9250的原始數(shù)據(jù)會(huì)通過(guò)樹莓派上的MQTT協(xié)議發(fā)送到云服務(wù)器。服務(wù)器接收到數(shù)據(jù)通過(guò)數(shù)據(jù)庫(kù)屬性關(guān)聯(lián)實(shí)現(xiàn)數(shù)據(jù)庫(kù)本地存儲(chǔ)，此環(huán)節(jié)包括數(shù)據(jù)庫(kù)環(huán)境配置以及VNC連接等。

3 系統(tǒng)模塊設(shè)計(jì)

3.1 振動(dòng)信號(hào)監(jiān)測(cè)終端設(shè)計(jì)

監(jiān)測(cè)終端的結(jié)構(gòu)如圖1所示，主要包括 模擬信號(hào)采集，AD轉(zhuǎn)化，4G通信等模塊。首先，獲取利用振動(dòng)傳感器獲取設(shè)備運(yùn)行數(shù)據(jù)，其次，由傳感器數(shù)據(jù)采集模塊感知數(shù)據(jù)，再將數(shù)據(jù)處理后通過(guò)通信系統(tǒng)傳輸?shù)娇刂浦行模詈螅品?wù)中心并發(fā)接收數(shù)據(jù)，對(duì)其進(jìn)行分析處理，為決策和控制提供依據(jù)。

3.2 振動(dòng)信號(hào)分析

信息采集終端具有邊緣計(jì)算能力，對(duì)采集到的振動(dòng)信號(hào)初步分析，預(yù)判是否存在疑似信號(hào)采集終端一旦獲取數(shù)據(jù)后，利用信號(hào)分析，對(duì)數(shù)據(jù)進(jìn)行分析處理，實(shí)現(xiàn)減速器初步故障預(yù)判。主要工作包括：信號(hào)獲取、信號(hào)去噪、信號(hào)分解及特征值計(jì)算等，處理流程如圖2所示。

對(duì)于信號(hào)處理方式，本系統(tǒng)采用自適應(yīng)濾波相抵消（Self-adaptive noise cancellation）方法，去除噪聲信號(hào)。因?yàn)闄C(jī)械振動(dòng)信號(hào)通常具有相關(guān)性，信號(hào)與噪聲具有獨(dú)立性，將參考輸入到自適應(yīng)濾波器，將主輸入中噪聲分量逼近參考輸入，并相減，從而消除誤差信號(hào)。適應(yīng)濾波相抵消是一個(gè)迭代過(guò)程，其過(guò)程如圖3所示，利用最小均方求解其參數(shù)。

3.3? 數(shù)據(jù)傳輸模塊設(shè)計(jì)

數(shù)據(jù)傳輸應(yīng)用協(xié)議基于TCP協(xié)議實(shí)現(xiàn)，通信過(guò)程如圖4所示，主要包括三部分內(nèi)容：

第一，通信保持協(xié)議，包括連接保持、鏈路初始化、終端與主機(jī)時(shí)間校對(duì)等。當(dāng)沒(méi)有數(shù)據(jù)傳輸時(shí)，由定時(shí)器設(shè)定固定周期，啟動(dòng)測(cè)試過(guò)程。當(dāng)一方發(fā)起鏈路測(cè)試請(qǐng)求報(bào)文時(shí)，另一方必定在規(guī)定時(shí)間內(nèi)對(duì)該測(cè)試請(qǐng)求做出響應(yīng)。否則發(fā)起方會(huì)關(guān)閉鏈路，斷開連接，重新初始化鏈路。

第二，異步數(shù)據(jù)傳輸機(jī)制，包括特征數(shù)據(jù)傳輸及原始信號(hào)傳輸，如圖5所示。云主機(jī)收到信號(hào)采集終端數(shù)據(jù)分組后，等待定時(shí)器超時(shí)或者需要確認(rèn)的數(shù)據(jù)幀達(dá)到一定數(shù)目時(shí)，對(duì)終端進(jìn)行確認(rèn)。

第三，防止報(bào)文重復(fù)和報(bào)文丟失協(xié)議。本系統(tǒng)采用序列號(hào)和確認(rèn)機(jī)制保證數(shù)據(jù)傳輸?shù)目煽啃浴Ｈ艚邮斩私邮盏降膱?bào)文序列號(hào)不連續(xù)，將主動(dòng)斷開鏈路重新建立連接。否則，向?qū)Ψ桨l(fā)送確認(rèn)報(bào)文。若收到重復(fù)序號(hào)的報(bào)文則丟棄該報(bào)文。

4? 結(jié)論

本文以樹莓派為開發(fā)平臺(tái)，利用MPU9250加速度傳感器獲取機(jī)械設(shè)備的振動(dòng)信號(hào)，設(shè)計(jì)一種機(jī)械設(shè)備的實(shí)時(shí)振動(dòng)檢測(cè)方法，本設(shè)計(jì)抗干擾能力強(qiáng)，可以針對(duì)這種復(fù)雜的信號(hào)中去偽存真，分析發(fā)現(xiàn)故障信息。

參考文獻(xiàn)：

[1] Nandi S，Toliyat H A，Li X.Condition monitoring and fault diagnosis of electrical motors—A review[J].IEEE Transactions on Energy Conversion，2005，20（4）：719-729.

[2] Rai V K，Mohanty A R.Bearing fault diagnosis using FFT of intrinsic mode functions in Hilbert-Huang transform[J].Mechanical Systems and Signal Processing，2007，21（6）：2607-2615.

[3] Randall R B，Antoni J.Rolling element bearing diagnostics—A tutorial[J].Mechanical Systems and Signal Processing，2011，25（2）：485-520.

[4] Tandon N，Choudhury A.A review of vibration and acoustic measurement methods for the detection of defects in rolling element bearings[J].Tribology International，1999，32（8）：469-480.

[5] Yang Y，Dong X J，Peng Z K，et al.Vibration signal analysis using parameterized time-frequency method for features extraction of varying-speed rotary machinery[J].Journal of Sound and Vibration，2015，335：350-366.

[6] Qiu H，Lee J，Lin J，et al.Wavelet filter-based weak signature detection method and its application on rolling element bearing prognostics[J].Journal of Sound and Vibration，2006，289（4/5）：1066-1090.

[7] Huang N E，Shen Z，Long S R，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London Series A：Mathematical，Physical and Engineering Sciences，1998，454（1971）：903-995.

【通聯(lián)編輯：梁書】