朱耀楚，范玉剛

(1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院，云南 昆明 650500；2.云南省礦物管道輸送工程技術(shù)研究中心，云南 昆明 650500)

滾動(dòng)軸承是現(xiàn)代機(jī)械中重要的零部件之一，它在機(jī)械運(yùn)行過程中起到支撐機(jī)械旋轉(zhuǎn)體、減小摩擦系數(shù)、加強(qiáng)旋轉(zhuǎn)精度等作用。滾動(dòng)軸承也是機(jī)械設(shè)備運(yùn)行過程中磨損最嚴(yán)重零部件之一，據(jù)統(tǒng)計(jì),有30%的旋轉(zhuǎn)機(jī)械故障是由于軸承引起的[1]。所以在工業(yè)生產(chǎn)中滾動(dòng)軸承的監(jiān)測(cè)是至關(guān)重要的一個(gè)環(huán)節(jié)。目前滾動(dòng)軸承故障診斷方法主要是采用振動(dòng)分析法，通過安裝在軸承箱表面的傳感器收集到振動(dòng)信號(hào)來監(jiān)測(cè)軸承運(yùn)行狀態(tài)，其中小波變換[2-6]和經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)[7-11]在機(jī)械故障信號(hào)處理方面得到了廣泛的運(yùn)用。但這些方法都需要再進(jìn)一步完善，如EMD的端點(diǎn)效應(yīng)和模態(tài)混疊問題[12-13]，小波分析中小波基和濾波閥值的選取問題。而變分模態(tài)分解(Variational Mode Decomposition, VMD)[14]通過迭代搜尋變分模型的最優(yōu)解，得到各模態(tài)和相對(duì)應(yīng)的中心頻率，自適應(yīng)濾波使其有著良好的噪聲魯棒性，可以實(shí)現(xiàn)信號(hào)頻域內(nèi)各分量的自適應(yīng)剖分，有效解決EMD方法在分解過程中存在模態(tài)混疊和偽分量的問題，避免了小波分析中出現(xiàn)的濾波閥值選取以及信號(hào)重構(gòu)問題。又隨著工業(yè)生產(chǎn)自動(dòng)化水平的提升，無人值守成為一種趨勢(shì)，如何遠(yuǎn)程監(jiān)測(cè)生產(chǎn)設(shè)備的運(yùn)行狀態(tài)就成為亟需解決的問題。

因此本文提出一種基于Internet的軸承運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)設(shè)計(jì)方案，系統(tǒng)采用加速度傳感器MPU6050來采集振動(dòng)信號(hào)，采集到的數(shù)字信號(hào)傳輸?shù)轿⑻幚砥鱏TM32上，實(shí)現(xiàn)對(duì)振動(dòng)數(shù)據(jù)的采集。然后通過Internet遠(yuǎn)程傳輸現(xiàn)場(chǎng)數(shù)據(jù)并實(shí)時(shí)對(duì)數(shù)據(jù)進(jìn)行VMD分析和故障監(jiān)測(cè)，使系統(tǒng)更加全面、有效、精準(zhǔn)地監(jiān)測(cè)出滾動(dòng)軸承的故障，提前進(jìn)行保養(yǎng)和維護(hù)，對(duì)工業(yè)生產(chǎn)設(shè)備維護(hù)具有重要意義。

1 遠(yuǎn)程監(jiān)測(cè)系統(tǒng)總方案設(shè)計(jì)

軸承運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)主要分為3大部分：由微處理器STM32組建的信號(hào)采集模塊、傳輸層的數(shù)字遠(yuǎn)程傳輸模塊、分析層的振動(dòng)信號(hào)處理模塊。軸承運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)結(jié)構(gòu)如圖1所示。信號(hào)采集模塊作為下位機(jī)，主要功能是采集滾動(dòng)軸承的振動(dòng)信號(hào)。數(shù)字遠(yuǎn)程傳輸部分是下位機(jī)和上位機(jī)的通訊環(huán)節(jié)，采用的方式是下位機(jī)把數(shù)據(jù)傳輸?shù)揭蕴W(wǎng)，上位機(jī)通過以太網(wǎng)實(shí)時(shí)接收數(shù)據(jù)，并進(jìn)行數(shù)據(jù)處理、故障診斷。3個(gè)部分協(xié)同合作，實(shí)現(xiàn)了對(duì)滾動(dòng)軸承運(yùn)行狀態(tài)的遠(yuǎn)程監(jiān)測(cè)任務(wù)。對(duì)軸承出現(xiàn)故障時(shí)能及時(shí)發(fā)現(xiàn)維護(hù)，相關(guān)管理人員只需要要在遠(yuǎn)端就可以采集到現(xiàn)場(chǎng)數(shù)據(jù)。

圖1 軸承運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)結(jié)構(gòu)圖

2 系統(tǒng)硬件設(shè)計(jì)

2.1 遠(yuǎn)程監(jiān)測(cè)系統(tǒng)系統(tǒng)硬件設(shè)計(jì)

下位機(jī)信號(hào)采集模塊是以32位STM32F103CBT6作為主控芯片，這是一款RISC 內(nèi)核的增強(qiáng)型芯片[15]，具備I2C總線接口和3路串行SPI接口。

加速度傳感器測(cè)取滾動(dòng)軸承的振動(dòng)信號(hào)是通過I2C總線傳輸?shù)轿⒖刂破鱏TM32上。其中加速度傳感器本系統(tǒng)選用MPU6050,其內(nèi)部整合了3軸速度傳感器和3個(gè)16位的模數(shù)轉(zhuǎn)換器(Analog to Digital Converter，ADC)，可以將其測(cè)量到的模擬量直接轉(zhuǎn)化為可輸出的數(shù)字量，不用額外添加模數(shù)轉(zhuǎn)換模塊。并且集成可程序控制，控制精度范圍可為±2 g、±4 g、±8 g和±16 g，含有I2C接口，可發(fā)送和接收數(shù)據(jù)，速度一般可達(dá)400 kbit·s-1以上，滿足此監(jiān)測(cè)系統(tǒng)對(duì)信號(hào)采集范圍和速度要求。其加速度傳感器MPU6050與微控制器STM32主要接線圖如圖2所示。

圖2 速度傳感器接線圖

其中SDA為串行數(shù)據(jù)線，SCL為串行時(shí)鐘線，實(shí)現(xiàn)了數(shù)據(jù)的發(fā)送和接收。

2.2 數(shù)字遠(yuǎn)程傳輸模塊硬件設(shè)計(jì)

數(shù)字遠(yuǎn)程傳輸模塊主要實(shí)現(xiàn)的功能是把采集到的振動(dòng)信號(hào)通過以太網(wǎng)控制器傳輸?shù)揭蕴W(wǎng)上，遠(yuǎn)端PC機(jī)可以實(shí)時(shí)接收處理。系統(tǒng)采用ENC28J60為以太網(wǎng)接口芯片,它符合IEEE802.3協(xié)議標(biāo)準(zhǔn)。該芯片采用10 Mbit·s-1的SPI(Serial Peripheral Interface)接口，內(nèi)部具有DMA模塊，可實(shí)現(xiàn)快速數(shù)據(jù)吞吐和硬件支持的IP 校驗(yàn)和計(jì)算，有利于提高系統(tǒng)的傳輸性能[16]。

ENC28J60可以通過SPI接口方便地和微處理器STM32F103CBT6連接而完成以太網(wǎng)通信，如圖3所示。

圖3 以太網(wǎng)模塊接線圖

其中SCK是時(shí)鐘信號(hào)，MISO是數(shù)據(jù)輸入線，MOSI是數(shù)據(jù)輸出線，RET是復(fù)位信號(hào)，INT是中端信號(hào)，CS是片選信號(hào)。

3 系統(tǒng)軟件設(shè)計(jì)

軸承運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)軟件部分從功能上可劃分為下位機(jī)程序設(shè)計(jì)和上位機(jī)軟件程序設(shè)計(jì)。下位機(jī)程序的設(shè)計(jì)主要實(shí)現(xiàn)傳感器測(cè)取數(shù)據(jù)傳輸?shù)揭蕴W(wǎng)中，上位機(jī)軟件包括數(shù)據(jù)的接收和VMD方法分析。

3.1 下位機(jī)軟件設(shè)計(jì)

下位機(jī)信號(hào)采集系統(tǒng)主要功能是實(shí)現(xiàn)信號(hào)的采集以及傳輸，其程序流程圖如圖4所示。

圖4 下位機(jī)程序流程圖

其中微控制器STM32初始化主要分為兩個(gè)部分，其一是初始化加速度傳感器MPU6050，初始化MPU6050需要先初始化I2C總線、設(shè)置傳感器的滿量程范圍、設(shè)置相關(guān)參數(shù)、配置系統(tǒng)時(shí)鐘源并使能加速度傳感器，源代碼如圖5所示。

圖5 MPU6050初始化

其二是初始化以太網(wǎng)控制器ENC28J60程序，初始化ENC28J60需要使能時(shí)鐘位、設(shè)置中斷、初始化SPI接口、初始化MAC，源程序如圖6所示。

圖6 ENC28J60初始化

3.2 上位機(jī)軟件設(shè)計(jì)

PC端的分析界面使用Visual Studio 2013進(jìn)行開發(fā)設(shè)計(jì)。其界面如圖7所示，主窗口背景為白色，主要有數(shù)據(jù)十進(jìn)制數(shù)顯示，數(shù)據(jù)分析是調(diào)用Matlab軟件來處理振動(dòng)數(shù)據(jù)，菜單欄設(shè)有協(xié)議類型、本地IP地址、本地端口號(hào)選擇和開始、關(guān)閉按鈕。

圖7 上位機(jī)界面

3.3 VMD方法

變分模式分解(VMD)是建立在 Wiener濾波、希爾伯特變換、解析信號(hào)、頻率混合和外差解調(diào)等概念基礎(chǔ)上的一種新的自適應(yīng)時(shí)頻分析方法，具有嚴(yán)格的數(shù)學(xué)基礎(chǔ)，其分解過程本質(zhì)上是一個(gè)特殊變分模型的迭代求解過程[14]。通過迭代求解得到本征模態(tài)分量(Intrinsic Mode Function，IMF)的中心頻率和帶寬，實(shí)現(xiàn)信號(hào)自適應(yīng)分解頻域圖和IMF。

信號(hào)經(jīng)過 VMD 處理被分解成一系列 IMF,每個(gè)IMF都可以表示為一個(gè)調(diào)幅—調(diào)頻uk(t)信號(hào)，表達(dá)式為

uk(t)=Ak(t)cos(φk(t))

(1)

為估算每個(gè)IMF的帶寬，可分3個(gè)步驟:(1)通過Hilbert變換計(jì)算與每一個(gè)模態(tài)uk(t)相關(guān)的解析信號(hào)；(2)通過加入指數(shù)項(xiàng)調(diào)整各自估計(jì)的中心頻率，將uk(t)的頻譜變換到基帶上；(3)對(duì)解調(diào)信號(hào)進(jìn)行H1高斯平滑，估計(jì)帶寬。

如果信號(hào)被VMD算法分解成K個(gè)IMF，那么它的變分約束模型為

(2)

式中，δ(t)為Dirac分布;*表示卷積;k=1，2，…，K;f為原始信號(hào)。

為得到變分約束模型的最優(yōu)解，引入二次罰函數(shù)項(xiàng)α和Lagrange乘子λ可得

(3)

VMD采用乘法算子交替的方法求取上述變分約束模型，得到最優(yōu)解將信號(hào)分解成為K個(gè)窄帶IMF，其實(shí)現(xiàn)流程如下：

(2)執(zhí)行循環(huán)n=n+1；

(3)對(duì)所有ω≥0，更新uk(t)

(4)

(4)更新ωk(t)

(5)

(5)更新λ

(6)

3.4 診斷流程

本文通過后臺(tái)調(diào)用Matlab對(duì)監(jiān)測(cè)到的信號(hào)數(shù)據(jù)進(jìn)行VMD方法分解得到若干個(gè)IMF，并計(jì)算工IMF的峭度值。根據(jù)峭度準(zhǔn)則選取故障特征最明顯的分量進(jìn)行Hilbert包絡(luò)譜分析，從而判斷故障是否發(fā)生，并發(fā)出警報(bào)信號(hào)。VMD故障診斷算法流程圖如圖8所示。

圖8 VMD故障診斷算法流程圖

4 系統(tǒng)調(diào)試

搭建完系統(tǒng)的軟硬件后，需對(duì)整個(gè)系統(tǒng)和各個(gè)模塊進(jìn)行測(cè)試。首先要把信號(hào)采集模塊、數(shù)字傳輸模塊、信號(hào)分析模塊連接起來，把下位機(jī)監(jiān)測(cè)到的振動(dòng)數(shù)據(jù)通過Internet傳輸?shù)竭h(yuǎn)端PC，遠(yuǎn)端PC進(jìn)行接收處理振動(dòng)數(shù)據(jù)。系統(tǒng)主要測(cè)試兩個(gè)部分：首先是測(cè)試下位機(jī)監(jiān)測(cè)到的振動(dòng)信號(hào)經(jīng)以太網(wǎng)傳輸?shù)缴衔粰C(jī)是否正常；然后是上位機(jī)調(diào)用Matlab分析振動(dòng)數(shù)據(jù)是否正常工作。本實(shí)驗(yàn)采用6205-2RS JEM SKF型軸承[17]，根據(jù)軸承特征振動(dòng)理論得到軸承內(nèi)圈故障基頻為156.14 Hz；外圈故障基頻為103.36 Hz。

4.1 下位機(jī)采集和上位機(jī)接收測(cè)試

在測(cè)試中，首先將加速度傳感器MPU6050、微處理器STM32、以太網(wǎng)模塊ENC28J60、路由器按照上述要求連接好，然后配置好網(wǎng)絡(luò)模式及IP地址與端口。采集系統(tǒng)微處理器與以太網(wǎng)控制器采用SPI接口連接。系統(tǒng)采用TCP/IP協(xié)議把數(shù)據(jù)傳送Internet上，遠(yuǎn)端PC通過Internet接收振動(dòng)數(shù)據(jù)。通過PC機(jī)顯示振動(dòng)信號(hào)時(shí)序圖如圖9所示。

圖9 采樣信號(hào)測(cè)試波形圖

上圖顯示為從下位機(jī)采集到的振動(dòng)信號(hào)數(shù)據(jù)和時(shí)域波形圖以及本地IP地址、協(xié)議類型、本地端口號(hào)是用來來綁定下位機(jī)。

4.2 VMD分析及顯示測(cè)試

振動(dòng)下回合分析采用在軟件后臺(tái)調(diào)用Matlab，對(duì)采集數(shù)據(jù)進(jìn)行VMD分析，得到3個(gè)IMF分量，依次顯示在系統(tǒng)的右下側(cè)的分析窗口中，如圖10所示。

圖10 VMD分析測(cè)試波形圖

4.3 故障診斷

軸承出現(xiàn)故障會(huì)伴隨著其振動(dòng)頻率也異常。軸承振動(dòng)下回合經(jīng)過對(duì)VMD方法分解得到3個(gè)模態(tài)分量并求出其峭度，根據(jù)峭度準(zhǔn)則選取故障特征最明顯的分量進(jìn)行Hilbert包絡(luò)譜分析，然后利用包絡(luò)譜判斷軸

承是否發(fā)生故障。如圖11所示選取的是峭度值最大的模態(tài)分量。

圖11 包絡(luò)譜分析

從圖中可以看到，峰值頻率出現(xiàn)在152.3 Hz以及其兩倍頻處，與軸承內(nèi)圈發(fā)生故障時(shí)特征頻率理論值156.14 Hz相近，故判斷出軸承內(nèi)圈出現(xiàn)故障，并遠(yuǎn)程提醒現(xiàn)場(chǎng)施工人員進(jìn)行排查。

5 結(jié)束語

本文提出的基于Internet的軸承運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)，可以準(zhǔn)確地對(duì)工業(yè)現(xiàn)場(chǎng)軸承的振動(dòng)信號(hào)進(jìn)行采集，振動(dòng)信號(hào)數(shù)據(jù)通過Internet傳輸?shù)竭h(yuǎn)端服務(wù)器，服務(wù)器對(duì)振動(dòng)數(shù)據(jù)進(jìn)行VMD分析處理，提取振動(dòng)信號(hào)的頻率特征，用于判斷軸承的運(yùn)行狀態(tài)，從而實(shí)現(xiàn)對(duì)軸承運(yùn)行狀態(tài)實(shí)時(shí)的遠(yuǎn)程監(jiān)測(cè)。

參考文獻(xiàn)

[1] 楊宇.經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)在滾動(dòng)軸承 故障診斷中的應(yīng)用[J].湖南大學(xué)學(xué)報(bào):自然科學(xué)版,2004,30(5):25-28.

[2] 楊勇明.基于小波分析的蝸輪蝸桿減速器故障診斷系統(tǒng)[J].電子科技,2016,29(11):65-69.

[3] 李均.基于小波包分析的水電組振動(dòng)故障診斷研究[J].山東工業(yè)技術(shù),2017(1):263-264.

[4] Ruqiang Y,Robert X G.Base wavelet selection for bearing vibration signal analysis[J].International Journal of Wavelets Multiresolution & Information Processing,2009,7(4):411-426.

[5] 嚴(yán)如強(qiáng),錢宇寧,胡世杰,等.基于小波域平穩(wěn)子空間分析的風(fēng)力發(fā)電機(jī)齒輪箱故障診斷[J].機(jī)械工程學(xué)報(bào),2014,50(11):9-16.

[6] 許金基,張建宇,高立新.小波分析在故障診斷中的應(yīng)用和發(fā)展[J].設(shè)備管理與維修,2016(8):79-81.

[7] 王峰,苑津莎,祖文超,等.基于EMD與加權(quán)一階局域法變壓器振動(dòng)信號(hào)預(yù)測(cè)[J].電子科技,2012,25(8):62-66.

[8] 林近山.基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂妥V峭度的滾動(dòng)軸承故障診斷[J].機(jī)械傳動(dòng),2012,36(9):76-79.

[9] 唐貴基,龐爾軍,王曉龍.基于 EMD 的齒輪箱齒輪故障診斷的研究[J].機(jī)床與液壓,2013,41(13) :188-190.

[10] 郭艷平,顏文俊,包哲靜,等.基于經(jīng)驗(yàn)?zāi)B(tài)分解和散度指標(biāo)的風(fēng)力發(fā)電機(jī)滾動(dòng)軸承故障診斷方法[J].電力系統(tǒng)保護(hù)與控制,2012,40(17):83-87.

[11] 喬淑云.基于EMD方法的煤礦絞車軸承故障診斷[J].工礦自動(dòng)化,2016,42(4):51-54.

[12] 徐卓飛,劉凱.基于極值符號(hào)序列分析的EMD端點(diǎn)效應(yīng)處理方法[J].振動(dòng)·測(cè)試與診斷,2015,35(2):309-315.

[13] Jia R Y,Jiann S S,Norden E H. Complementary ensemble empirical mode decomposition: a novel noise enhanced data analysis method[J].Advances in Adaptive Data Analysis,2011, 2(2):135-156.

[14] Dragomiretskiy K, Zosso D.Variational mode decomposition[J].IEEE Transactions on Signal Processing,2014,62(3):531-544.

[15] 彭剛,春志強(qiáng).基于ARM Cortex-M3的STM32系列嵌入式微控制器應(yīng)用實(shí)踐[M].北京:電子工業(yè)出版社,2011.

[16] 張慶輝,馬延立.STM32F103VET6和ENC28J60的嵌入式以太網(wǎng)接口設(shè)計(jì)[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用,2012,12(9):23-25.

[17] Case Western Reserve University Bearing Data Center.Bearing data center fault test data[EB/OL]. (2009-10-01)[2017-05-12]www.casewestern.edu.