基于DSP+MCU的列车滚动轴承故障诊断系统设计与应用

摘 要:基于DSP+MCU的列车滚动轴承故障诊断系统充分利用了DSP和MCU的信号处理和控制能力,提高了系统的数据处理效率。实验结果表明,该系统通过Hilbert变换法提取出包络信号,利用小波奇异性检测进行故障诊断,取得了很好的效果。

关键词:滚动轴承; 故障诊断; DSP; MCU; Hilbert交换; 小波奇异性检测

中图分类号:TP274 文献标识码:A

文章编号:1004-373X(2010)13-0187-03

Design and Application of Fault Diagnosis System for Rolling Bearings

Mounted on Trains Based on DSP and MCU

WU De-hua, LIU Chun-ying, DENG Gui-ping

(Changsha Aeronautical Vocational and Technical College, Changsha 410124, China)

Abstract: Freight train rolling bearing fault diagnosis system based on DSP+MCU is proposed, which makes full use of signal processing and control capacity of DSP and MCU, and improves the data processing efficiency of the system. The experimental results show that the system achieves good results by Hilbert transform method of extracting the envelope signal, and the wavelet singularity signal detection to diagnose fault.

Keywords: rolling bearing; fault diagnosis; DSP; MCU; Hilbert transform method; wavelet singularity detection

0 引 言

滚动轴承是列车转动机件的支撑,也是铁路车辆上最容易危及行车安全的易损件。由于工作面接触应力的长期反复作用,极易引起轴承疲劳、裂纹、压痕等故障,导致轴承断裂,造成重大事故。轴承工作状态是否正常,对于列车的安全有着重大的影响。因此,开展列车滚动轴承故障诊断的研究对避免重大事故、促进经济发展具有相当大的意义。

1 系统总体设计

1.1 硬件系统

振动控制系统是一个典型的实时信号处理系统,需要对较复杂的信号进行处理。考虑到单片机的控制功能强,其总线位数少,运行速度相对较慢;而DSP(Digital Signal Processor)的运算能力强,总线宽度宽,控制功能相对较弱。为了提高系统的信号处理速度,便于对系统的硬件和软件的进一步开发,结合单片机的控制能力,设计了DSP+MCU的方案,如图1所示。该系统是一个基于定点DSP芯片TMS320C32的滚动轴承振动故障诊断系统,主要适用于对滚动轴承振动信号的采集、处理和故障诊断,并通过轴承温度信号实现对轴承工作状态的监测。

图1 系统硬件组成结构框图

滚动轴承的振动信号属于高频信号,因此应用加速度传感器进行信号的拾取。但由于加速度传感器所测得的信号较弱,必须经过电荷放大器、抗混滤波等系列电路处理后才能进入高速A/D转换电路[1-2],保证了数据分析所需的数据量,能实现对采集数据的幅值域、时域和频域分析。处理后的振动信号和经单片机采集到的温度数据均送到DSP处理器进行处理分析,作出故障预报和诊断。对已形成的或正在形成的故障进行分析处理,判断出故障产生的部位及原因,并及时采取有效的措施。单片机负责执行显示和DSP子系统的控制功能,包括DSP的命令解释、数据传输控制、数据的输入/输出等控制功能,使DSP可以执行高速、实时的DSP算法。存贮器包括程序储存器和数据储存器,用于储存用户程序(EPROM)和实时数据(RAM)。

1.2 软件系统

软件采用模块化设计思想,使系统的维护、改进和功能扩展十分方便,还可进一步推广到其他振动信号的采集和分析。

1.2.1 系统软件主程序

轴承故障诊断系统的主要任务是对采集的信号进行分析和处理,因此软件设计的好坏直接影响数据处理的能力。系统软件由主程序、串行口中断服务、INT0中断服务程序和数据处理程序组成。主程序完成AD574A芯片初始化、8751H的初始化、TMS320C32复位、包括从FLASH存储器中读取已经存入的振动信号的各种信息。完成初始化过程后,TMS320C32等待从8751H主处理器发出的各种命令,根据不同命令调用相应的处理子程序,系统软件框图如图2所示。中断服务程序每隔10 ms中断一次,并置各种定时到达标志以便主程序判断使用。串行中断服务程序主要完成振动信号的输入、输出等功能。INT0中断服务程序主要用于接收从8751H发出的各种命令,并设置相应的命令标志以便于TMS320C32在主程序中识别并调用相应的子程序。

图2 系统软件主程序框图

1.2.2 分析处理程序

本系统利用DSP强大的数字信号处理功能,对采样得到的数据进行FFT运算和功率谱分析,更好地提取数据中的特征信息,加快系统的响应速度和提高准确度。

(1) FFT分析运算子程序

FFT分析运算子程序利用FFT计算相关函数。为防止发生频叠现象,需要延长线性相关中序列的长度,即延长到两序列长度之和2N。自相关函数的快速傅里叶变换计算过程如下[3]:

① 取N个采样数据{Xk},k=0,1,2,…,N-1,加上N个零点,得2N个点的新序列{X2k};

② 对2N个点数据做FFT变换,求得X(n),n = 0,1,2,…,2N-1;

③ 计算2N个点的功率谱密度函数G(n);

④ 计算G(n)的傅里叶逆变换,并将其乘以比例因子N/(N-r),r=0,1,2,…,2N-1;

⑤ 仅保留前N个点的值,即可得到Rx(r)。

(2) 功率谱分析运算子程序

平均周期功率谱分析首先要把序列X(n)分成K段,每段长为N,然后对每段进行功率谱分析。平均周期法的每一段谱分析就是求该段的离散傅里叶变换,再除以分析点数。这样的谱估计一共有K段,对K段谱估计求平均就得到平均周期功率谱分析[4]。

(3) 倒谱分析运算子程序

倒谱分析是对信号y(t)的功率谱的对数进行傅里叶逆变换。倒谱分析的离散运算形式为:

cy(k)=DFT{ln[ 1/N*DFT(X(n))]2}

2 故障诊断

2.1 提取轴承特征

小波分析利用时间平移和多分辨率的概念,可以同时处理时、频分析,具有时频局部化和多分辨功能。其基本思想是用一族函数去表示或逼近一信号或函数,通过满足一定条件的基本小波函数的不同尺度的平移和展缩构成的[5-6]。但在正交小波变换中,只对信号的低频成分进行了递推分解,导致高频成分的频率分辨率较低,表现为时-频分辨率在低频处频率分辨率高,在高频处时间分辨率高,频率分辨率却降低[7-8]。利用DSP强大的数字处理功能,本系统采用常见的Hilbert变换法[9]来提取包络信号,提高整个系统的可靠性和精确性。

实信号X(t)的Hilbert变换为:

(t)=H{X(t)}= 1π∫+∞-∞x(τ)t-τdt

利用卷积定理对(t)进行傅里叶转换后,实信号X(t)的包络信号为:

S(t)=X(t)+j(t)

于是得到X(t)的解析信号为:

A(t)=x2(t)+2(t)

2.2 小波奇异性检测

函数f(x)的局部奇异性与其小波变换的渐进衰减性之间的关系为:

Wsf(x)≤A*Sα

式中:Wsf(x)为f(x)在尺度s上的小波变换。

本文根据小波变换各尺度上模极大值的传递性来判断奇异点的位置以及作奇异性指数计算。奇异性指数的计算如下[10]:

设s=2j,在尺度i上Xk处的极大值为Mi=|Wsf(x)|,则在各尺度相应位置处的模极大值可构成序列 {Mi},在i较小时,可以近似为:

Wsf(x)≈A•2iα

由此可得:

α =log2 Mi+1-log2 Mi

根据上式计算几个尺度上的α,然后求平均值,即可得到信号在此时刻的Lip指数。

3 实例分析

实验用轴承参数如下:滚动体直径:0842 35 英寸;支架直径:7565 3英寸;轮子直径:3589英寸;接触角α:10°;车速:30 km/h。

当轴承外圈滚道发生点蚀、裂纹及表面剥落等局部损伤故障后,滚动轴承便产生冲击振动。利用加速度传感器获取轴承振动信号,采样频率为261 436 SPS,滚动轴承正常、滚子破裂、多处外圈剥落时振动信号的时域波形如图3所示。按照前述方法对外圈剥落振动信号进行包络处理,并采用B样条函数进行7层小波变换,得到信号包络在特征尺度s=24,25,26重构信号如图4所示。

图3 振动信号时域波形

图4 外圈剥落信号重构波形

通过检测经小波变换的模量极大点沿尺度的演变规律,可将噪声所产生的模量极大点与信号产生的模量极大点区分开。如果某模量极大点的幅值沿尺度的减小而显著增加,则为是由噪声产生的而予以剔除。为了考察模量极大点沿尺度的传播性,本文采用一个简单的方法做初步判断,即:如果某一尺度上的一个模量极大点的位置非常接近下一个尺度的一个模量极大点,并且它们具有相同的符号,那么可以认为该模量极大点传播到了下一个尺度上,否则即为沿尺度不传播的模量极大点,予以剔除。经过筛选所保留下来的各个尺度上的模量极大点就反映了包络信号的主要特征。图5分别表示正常、滚子破裂、多处外圈剥落三种情况的Lip指数分布(纵坐标(-1<α<1),横坐标(0~500)),Lip指数如表1所示。

图5 三种情况的Lip指数分布

表1 Lip指数比较

正 常 多处外圈剥落 滚子破裂

奇异点TnLip指数奇异点TnLip指数奇异点TnLip指数

6-0.272 81-0.277 230.464 1

140.245 3300.454 0270.784 9

690.341 1610.562 3530.196 6

1040.581 868-0.251 9630.137 2

1390.103 2950.362 4910.326 4

2540.423 4120-0.833 6143-0.496 5

318-0.208 81640.216 82350.591 3

3870.401 11890.133 62670.826 9

3950.049 91980.143 6329-0.154 7

4600.703 72500.075 53830.244 2

4870.346 02650.104 64410.291 4

5000.426 13510.241 94590.574 8

从图5可以看出:由故障轴承与正常轴承相比,其信号奇异点明显增多。由表1可看出在同一时刻附近故障轴承的Lip指数明显较小,在同一时刻附近多处外圈剥落的Lip指数较小,故障较严重,这与实际解体检测情况一致。

4 结 语

该系统充分利用单片机的控制功能强、DSP的运算能力强的特点,对较复杂的信号具有较强的处理能力。实验表明,该系统能满足列车滚动轴承故障诊断的实际需要,并减少了复杂的编程过程,有效地提高了工作效率,降低了诊断设备成本。

参考文献

[1]夏世长,陈迪平,王镇道,等.一种多通道数据采集电路的设计[J].湖南大学学报,2000,27(6):80-84.

[2]LEE Hanbo,GERALD E. Digital Signal Processing Selection Guide[ M] . Texas: Texas Instruments,1996.

[3]高天明.铁路客车轴承状态监测的研究[D].大连:大连铁道学院,2003.

[4]任锐.滚动轴承的振动信号分析与故障诊断的研究[D].秦皇岛:燕山大学,2002.

[5]李辉,宋智勇,孙丰瑞.基于小波包-包络分析的故障特征提取方法[J].振动、测试与诊断,2003,23(4):291-294.

[6]陈中,赵联文.信号奇异性检测中小波分析的应用[J].重庆师范大学学报,2004,21(2):15-17,27.

[7]张俊,万里冰.基于小波分形和神经网络的滚动轴承故障诊断[J].组合机床与自动化加工技术,2009(9):26-28.

[8]夏利民,谷士文,宁国英.基于小波包分析的货车滚动轴承故障诊断[J].中国铁道科学,2002,23(6):60-69.

[9]MALLAT S. Zero-crossing of a wavelet transform[J].IEEE Tran.on Information Theory,1991,37(7): 1019-1033.

[10]耿中行.小波分析方法及其在机械状态监测信号处理中的应用[D].西安:西安交通大学,1993.

推荐访问:故障诊断 列车 设计 系统 DSP