基于云計算FFT的機械故障診斷系統設計與實現

夏云鵬

摘 ?要：FFT（Fast Fourier Transform）即快速傅里葉變換，它是一種基于時域—域頻來回轉換、分析的基本算法。在當前，基于云計算的FFT機械故障診斷方法能夠實現對振動信號的深層次頻域分析，已經成為故障排查的最重要手段之一。本文中就3個方面詳細介紹了基于云計算FFT的機械故障診斷系統設計與實現。

關鍵詞：云計算FFT;機械故障診斷系統;設計;功能實現;振動數據處理

在針對機械故障的診斷過程中，利用云計算FFT可進行高速運算（達到106點的運算），其運算效率非常之可觀。而在針對FFT進行并行化處理過程中，則需要對其技術支持的機械故障診斷系統進行深度分析，對其中可能存在的海量振動數據進行實時處理，展開快速傅里葉變換算法正確計算操作。

一、基于云計算FFT的機械振動信號計算處理

在針對機械振動信號進行計算處理過程中就要利用到云計算FFT快速傅里葉變換算法，它在頻域分析中優勢較大，首先就能實現快速計算，結合頻譜分析特征比較穩定的優勢特征，該算法是能在工程領域中獲得廣泛應用的。當然，云計算FFT并非是創新算法，它屬于快速傅里葉變換算法中的一個分支，即離散傅里葉變換（DFT）算法的分支，但它的計算應用高效，DFT與FFT在本質上是基本趨同的[1]。

就針對機械振動信號的計算處理過程來看，FFT相比于DFT算法更加簡便，如果使用FFT進行計算可加速信號從時域到頻域的快速轉變，確保FFT算法將振動數據以頻域形式完整展示出來，提取振動數據主要特征，如此就能實現對機械設備故障的有效診斷。比如說，目前可利用云計算FTT算法對模擬信號進行傅里葉快速轉換，以求獲得連續的頻域信號，這是常規計算機所無法做大的。在針對時域進行采樣過程中，還可實現對頻域信號的快速采樣，如此獲得離散時間范圍內的DFT時間信號結果，通過FFT提升DFT計算速度，所以說FFT在本質上與DFT區別不大。目前比較常見的FFT算法當屬-2FFT算法，該算法針對信號序列長度N提出了具體要求，它要求N=2m（m為整數），在基于時域信號長度的分析中可以了解到m應該為2的整數次冪。在云計算FFT操作過程中，可利用信號補齊手段來滿足時域信號不充分情況，實現信號末尾補零。計算中要建立時域信號長度為N=2m的序列，即x（n），這一序列需要按照n的奇偶性進行分成處理，分別建立兩組短序列，保證每個序列的長度應該為N/2。

二、采用云計算FFT計算處理機械振動信號的功能性需求

要采用云計算FFT計算處理機械振動信號，滿足機械故障診斷系統的諸多功能性需求，同時優化系統性能與用戶體驗。比如說在建立云計算FFT用戶管理模塊過程中，用戶管理模塊可提供系統登錄鑒權功能，并實現權限管理與信息修改，滿足不同角色用戶的登錄鑒權要求。最重要的是它可實現對機械振動信號的預處理，大量采集獲得機械振動數據信號，并篩選其中的一些噪聲信號（包括周期性干擾信號），降低云計算FFT計算背景下的不規則干擾信號內容。因此在對所采集到的振動信號進行預處理過程中，需要提高信噪比，真實還原系統實際狀況，深度了解機械振動信號并采用正確處理方法加以應對[2]。

三、基于云計算FFT的機械故障診斷系統設計方案與功能實現

在利用云計算FFT對機械故障診斷系統進行機械振動信號處理過程中，它需要提出具體的系統設計方案，滿足信號處理功能需要，下文主要介紹3點。

（一）用戶管理模塊的設計方案與功能實現

在用戶管理模塊設計中，需要首先確保系統用戶身份正常登錄，體現其可認證功能有效性。在系統設計過程中首先要做好用戶管理模塊，該模塊的主要功能就是保證用戶登錄驗證正常，在數據庫中存儲用戶名，確保加密密碼、權限等級等關鍵信息正確默認，杜絕密碼泄漏為系統安全帶來各種風險。在設計方案中需要采用信息摘要算法，主要對用戶密碼進行加密處理。在數據庫比對成功過程中，需要獲取用戶權限，記錄用戶登錄情況，保證用戶管理模塊建立記錄用戶訪問狀態體系。在這一過程中采用session保存用戶信息，同時驗證本機在執行操作過程中的系統登錄情況。如此設計不但可滿足機械振動信號正常處理，同時也可以節約大量服務器資源，提高用戶體驗[3]。

（二）振動數據預處理模塊的設計方案與功能實現

在針對機械振動數據進行預處理過程中，需要首先設計分布式文件系統，對其中的HDFS內容進行分析，確保其讀取原始振動數據，配合“五次三點平滑法”處理方法，主要對原始振動數據實施針對性處理，確保獲得處理數據結果并存儲于HDFS之中，主要用于FFT并行計算過程。其設計方案與功能實現具體如下：

首先要明確設計方案核心內容，即對原始振動數據實現數據分片設計，分片設計的基本原則就是結合原始振動數據的長度N實施針對性調整，以求獲得等間距的5個數據，并全部存儲于key list中，分析list鍵值，對鍵值中的preproInitRDD元素進行分析，建立5個數據點，擬合獲得三次曲線，再明確三次曲線的具體位置。在這一過程中，主要要對設計方案中的加權系數進行分析調整，計算獲得平滑處理數據以及不同振動信號數據的key值，最后建立振動數據預處理RDD轉換流程，正式處理機械振動信號數據。

（三）故障診斷模塊的設計方案與功能實現

在故障診斷模塊設計方案中，需要建立FFT并行處理子模塊以及分類子模塊，結合兩部分模塊形成故障診斷系統核心，以展開大量運算過程。

在設計故障診斷模塊過程中，需要首先將頻譜數據存儲到HDFS中，配合FileReadFromHdfs對頻譜數據進行讀取，設計建立核心代碼圖，主要對頻譜數據中的軸承頻譜、單點驅動端頻譜、風扇端軸承頻譜進行全面分析，并逐一列出分類樣本。在設計過程中，要建立libsvm分類功能體系，彰顯其較好的通用性，在這一過程中就要選取libsvm來對風電機組運行狀態進行分類分析，確保建立“一對一”多分類設計方式，形成libsvm分類器，并在它旗下再構建3個子分類器，調用libsvm.jar工具包并實施有效分類，找到最優參數內容，確保單個子分類器核心代碼設計到位。在功能實現過程中，要創建訓練樣本，其格式應該如下：

Label1 index1：value1 index2 value2……

在上述格式中，label為標記、index為特征、value為特征率，結合部分量化樣本截圖分析訓練樣本中機械振動信號的特征頻率，即利用FFT計算數據稀疏度度[4]。

總結：

在當前大數據、云計算等等技術快速發展的大背景下，基于云計算FFT的機械故障診斷系統在方案設計與功能實現方面也希望追求實現對振動信號的頻域分析，建立快速傅里葉變換算法，設計各種模塊對每一級算法過程進行細致化設計，確保針對機械振動信號的處理準確到位，不斷提高機械故障診斷水平。

參考文獻

[1] 潘力， 高偉強， 劉建群，等. 基于云計算的噴涂機器人遠程監控診斷系統的研究[J]. 組合機床與自動化加工技術， 2019，550（12）：57-61.

[2] 王鑫， 曹興強. 一種智能化卷煙設備機械故障自診斷系統的設計與實現[J]. 產業與科技論壇， 2019， 018（012）：43-44.

[3] 趙華楠. 基于傅里葉變換的機械設備振動故障信息檢測系統設計[J]. 科技資訊， 2020， 018（008）：36-37.

[4] 張寶霖、苑宇、高園園、張典. 機械設備故障診斷云服務系統設計[J]. 工業控制計算機， 2020，33（08）：115-117+119.