【正文】 基于LabVIEW轉(zhuǎn)子軸心軌跡測量與識別系統(tǒng)開發(fā)摘 要轉(zhuǎn)子軸心軌跡作為轉(zhuǎn)子振動狀態(tài)的一類重要圖形征兆，包含了大量的故障信息，是診斷專家在診斷過程中采用的一項不可缺少的故障征兆信息，由于軸心軌跡的提純效果、軸心軌跡的特征自動提取和形狀自動識別的水平，都直接影響著故障診斷專家系統(tǒng)的智能化水平，因此我們需要對軸心軌跡全面的進行研究。首先搭建了轉(zhuǎn)子故障實驗臺,在該實驗臺上能夠模擬一些典型的轉(zhuǎn)子故障,如不平衡、不對中、轉(zhuǎn)子彎曲等。在此基礎(chǔ)上，搭建信號測量電路，包括傳感器、電荷放大器、濾波器、數(shù)據(jù)采集卡等器件，能夠測量轉(zhuǎn)子旋轉(zhuǎn)時的兩個相互垂直方向的徑向位移。其次編制軸心軌跡測量及識別程序，該程序能夠?qū)崟r顯示軸心軌跡，并進行頻譜分析，也可以進行數(shù)據(jù)的存儲。為了給軸心軌跡識別提供標準，進而編制了軸心軌跡仿真程序，對幾種典型故障的軸心軌跡進行了仿真。根據(jù)不變矩理論，編制了不變矩計算程序，通過對傳統(tǒng)算法的改進，實現(xiàn)了對離散數(shù)據(jù)的不變矩計算，改進算法能夠自動識別軸心軌跡。通過連接實驗臺、測量裝置和軟件應(yīng)用程序，對整個系統(tǒng)進行了整合，可實時顯示軸心軌跡，同時計算不變矩。通過大量實驗確定識別臨界值，使程序既滿足靈活性又滿足準確性，有效實現(xiàn)在線自動識別。關(guān)鍵詞：軸心軌跡。虛擬儀器；LabVIEW；不變矩Development of measurement and identification of axis orbit system on LabVIEWAbstractThe rotor axis path as a kind of important graphic sign of rotor vibration state contains a large number of fault information is used in the process of diagnosis expert in the diagnosis of an indispensable fault symptom information. Axis path due to the effect of purification, the axis trajectory characteristics of the level of automatic extraction and automatic shape identification, directly affects the level of intelligent fault diagnosis expert system, So we need the axis trajectory prehensive research.First set the rotor fault testbed in the laboratory bench to simulate some of the typical rotor faults, such as imbalance, in the wrong, rotor bending, etc. On this basis, the structures, signal measuring circuit, including the data acquisition card, sensor, charge amplifier and filter device, to measure the axis trajectory radial displacement of two directions.Second axis trajectory measurement program, the program can realtime display the axis trajectory, and spectrum analysis, can also for data storage. To provide standards for axis path identification, and then piled the axis trajectory simulation program, the axis trajectory of several typical faults are simulated. The recognition system is used as a means for identifying, invariant moment invariant moment calculation program, therefore, according to the features of the experiment, the moment invariant algorithm was improved, in order to meet the automatic identification.Finally integrate the piled program can display the axis trajectory and moment invariant can be calculated, and through experiments to determine the identification of the critical value, satisfies program meets the flexibility and accuracy, effectively realize online automatic identification.Key words:Axis trajectory。 Virtual instrument。 LabVIEW。 Invariant moments目錄摘要 IAbstract II第1章 緒論 1 課題的背景 1 國內(nèi)外研究現(xiàn)狀 2 旋轉(zhuǎn)機械軸心軌跡研究現(xiàn)狀 2 轉(zhuǎn)子軸心軌跡自動識別研究現(xiàn)狀 2 研究的意義和主要內(nèi)容 4 研究的意義 4 研究的主要內(nèi)容 4第2章 轉(zhuǎn)子振動機理和軸心軌跡特征 6 旋轉(zhuǎn)機械振動機理分析 6 轉(zhuǎn)子振動的基本特征 7 常見故障原因及軸心軌跡的特征 8 轉(zhuǎn)子不平衡 8 轉(zhuǎn)子不對中 9 轉(zhuǎn)子彎曲 9 轉(zhuǎn)子碰磨 10 油膜震蕩 11 軸心軌跡測試方法及信號分析 12 本章小結(jié) 14第3章 LabVIEW應(yīng)用程序設(shè)計 16 數(shù)據(jù)采集和軸心軌跡合成 16 軸心軌跡仿真程序 19 不變矩計算程序 21 不變矩方法簡介 21 不變矩計算方法 22 相似度計算程序 24 軸心軌跡自動識別程序 25 本章小結(jié) 26第4章 實驗系統(tǒng)與實驗結(jié)果 27 實驗臺的結(jié)構(gòu)設(shè)計 27 測量裝置 28 傳感器與測量電路 28 數(shù)據(jù)采集卡 29 數(shù)據(jù)采集卡基本性能指標 30 實驗結(jié)果分析 31 本章小結(jié) 32結(jié)論 33致謝 34參考文獻 35附錄 37第1章 緒論 課題的背景旋轉(zhuǎn)機械是機械設(shè)備的重要組成部分并且占有相當大的比重，如機械、化工、電力、冶金等行業(yè)的機床、汽輪機、發(fā)電機、壓縮機等都是典型的旋轉(zhuǎn)機器,它們以轉(zhuǎn)子及其他回轉(zhuǎn)部件作為工作的主體,一旦發(fā)生事故將造成巨大損失。目前旋轉(zhuǎn)機械向著大型、高速和自動化方向發(fā)展，為了保障設(shè)備運行安全可靠，對旋轉(zhuǎn)機械的狀態(tài)監(jiān)測和故障診斷提出了更高的要求。旋轉(zhuǎn)機械故障常在振動狀況方面體現(xiàn)出來，因此對振動信號進行監(jiān)測和診斷仍是目前的主要手段，經(jīng)過多年的發(fā)展，旋轉(zhuǎn)機械振動故障診斷已經(jīng)形成比較完備的理論和技術(shù)體系。近年來，隨著非線性理論的發(fā)展，尤其是信號處理和計算機智能理論技術(shù)與故障診斷的融合滲透，使旋轉(zhuǎn)機械故障診斷技術(shù)更加豐富成熟。目前，用于旋轉(zhuǎn)機械故障診斷的征兆主要有時域、頻域和幅值域等。由于以快速Fourier變換(FIT)為基礎(chǔ)的數(shù)字信號處理技術(shù)在機械動力學(xué)中應(yīng)用廣泛，測試分析方法已經(jīng)達到比較完善的程度，而且，旋轉(zhuǎn)機械的振動信號在頻域內(nèi)的能量分布具有比較明顯的特點，因此，目前旋轉(zhuǎn)機械故障診斷仍以振動信號的頻域特征作為主要的故障征兆，出現(xiàn)了功率譜估計法、時頻分析法、全息譜角域分析、分形維數(shù)等一系列提取故障征兆的方法[1]。但是，在旋轉(zhuǎn)機械故障診斷中，回轉(zhuǎn)部件中心位置比振幅和幅頻曲線等更能直觀地反映轉(zhuǎn)軸的運動情況，軸心軌跡作為轉(zhuǎn)子振動信號的一類重要圖形征兆，包含了大量的故障信息，它能夠形象、直觀地表達了設(shè)備的運行情況。并且，軸心軌跡相較于時域、頻域和幅值域響應(yīng)更快，不需要人為的對振動信號進行分析，所以更容易實現(xiàn)在線監(jiān)測和自動診斷。通常特定形狀的軸心軌跡對應(yīng)著特定的故障類型，能正確反映系統(tǒng)的振動故障，比如由轉(zhuǎn)動部件不平衡或主軸軸線不直引起的擺度過大，軸心軌跡為橢圓形：動靜件碰磨故障會使得軸心軌跡呈現(xiàn)為規(guī)則或不規(guī)則的花瓣形；由油膜渦動引起的軸心軌跡為內(nèi)“8”字形；不對中引起的軸心軌跡為香蕉形或外“8”字形等[2]。另外，旋轉(zhuǎn)機械的軸心軌跡的形狀與動態(tài)特性，也是診斷專家在診斷過程中采用的一項不可缺少的故障征兆信息。因此，軸心軌跡作為旋轉(zhuǎn)機械重要的一類圖形征兆，一直是研究的熱點，在旋轉(zhuǎn)機械故障診斷中得到廣泛應(yīng)用[3]。同時，由于軸心軌跡圖形比較復(fù)雜，如何對軸心軌跡進行提純和自動識別成為研究的重點。因此，本課題對于基于虛擬儀器的軸心軌跡測量與提純和自動識別的研究就顯得很有意義。 國內(nèi)外研究現(xiàn)狀 旋轉(zhuǎn)機械軸心軌跡研究現(xiàn)狀在轉(zhuǎn)子軸承系統(tǒng)中，當作用在滑動軸承上的載荷的大小和方向都是隨時間作周期性的變化時，由于其載荷是變化的，所以各個瞬時軸心的平衡位置也是變化的，在油膜力和載荷互相平衡的情況下，軸心都會逐漸納入(即收斂于)一個確定的軌跡，就形成軸心軌跡。目前國際上存在兩種較為典型的軸心軌跡的計算方法[4]，一種就是由德Karlsruhel大Han授提出的稱為漢氏法，一種由德國Claustlutl工業(yè)大學(xué)J．Holland教授提出的稱為荷氏法．這兩種方法都能夠根據(jù)軸承載荷的變化情況，算出軸頸中心在軸承中的一系列平衡位置，經(jīng)過若干次迭代計算，這一系列軸心平衡位置最終封閉為一條的曲線形成軸心軌跡曲線。漢氏法與荷氏法的最大區(qū)別在于如何求解雷諾方程，漢氏法對于雷諾方程的旋轉(zhuǎn)項及擠壓項采用統(tǒng)一的邊界條件求解所以解法嚴密，荷氏法對雷諾方程的旋轉(zhuǎn)項及擠壓項并沒按照統(tǒng)一的邊界條件求解，它把旋轉(zhuǎn)項及擠壓項分開按照各自的邊界條件求解方程，再把兩者所求得的油膜反力進行合成，忽略了兩者之間的互相影響。根據(jù)統(tǒng)計用荷氏法計算其計算結(jié)果比較接近實測結(jié)果，并且也適合對一些形狀復(fù)雜的軸承進行軸心軌跡求解。由于漢氏法計算過程相對復(fù)雜所以大量的計算過程中邊界條件的選用簡單地采用半Sommcrnd邊界條件，這就造成其計算精度下降。這兩種算法的原理基本相同，只是在求解雷諾方程時忽略的因素不同，邊界條件假設(shè)也不同，最后結(jié)果也有差異。但是這兩種算法都需經(jīng)過大量計算，來近似的求出軸心軌跡，由于軸心軌跡形狀比較復(fù)雜又有許多的噪聲，所以計算出的軸心軌跡并不符合真實的情況。隨著測試技術(shù)的不斷發(fā)展，傳感器技術(shù)的成熟，現(xiàn)在多用位移傳感器測量轉(zhuǎn)軸不同方向的徑向位移，進而合成軸心軌跡。這種方法相比較于前兩種算法，它更能反應(yīng)軸心軌跡的真實情況并且響應(yīng)快，近年來漸漸得到應(yīng)用。 轉(zhuǎn)子軸心軌跡自動識別研究現(xiàn)狀轉(zhuǎn)子軸心軌跡的識別一般的方法，通常是在轉(zhuǎn)子某一截面兩個相互垂直的方向上安裝兩個電渦流傳感器，測得該方向的振動，然后合成軸心軌跡圖形，然后在利用模式識別技術(shù)進行軸心軌跡形狀的識別。轉(zhuǎn)子軸心軌跡的識別實質(zhì)是一個二維圖形的模式識別問題，主要包括兩部分內(nèi)容：特征提取和特征分類。特征提取是對圖形所包含的輸入信息進行處理和分析，將不易受隨機因素干擾的信息作為該圖形的特征提取出來。特征分類過程是去除冗余信息的過程，具有提高識別精度、減少運算量和提高運算速度的作用。良好的特征應(yīng)具有可區(qū)分性、穩(wěn)定性和獨立性。圖像處理的形狀分析主要是對區(qū)域作各種變換，提取區(qū)域的圖形特征。軸心軌跡的特征提取主要方法是對圖形作各種變換，定義圖形的不變性質(zhì)[5]。常用的方法有：1)幾何特征法：通過對軸心軌跡圖形進行幾何運算，使其具有規(guī)定的性質(zhì)[6]。2)矩方法：以HU氏不變矩最為常用，有一定的應(yīng)用局限，現(xiàn)有許多改進方法。3)編碼方法：主要用于對輸入神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)進行改進編碼，提高網(wǎng)絡(luò)的分辨率，涉及數(shù)據(jù)壓縮技術(shù)。應(yīng)用的方法有離散余弦變換法[7][8]，平面圖形可變等長度壓縮編碼方法[9]，加權(quán)編碼法[10],小波神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)壓縮法[11]。這些方法可使降噪后的軸心軌跡圖形編碼得到較大的壓縮，加快了網(wǎng)絡(luò)的訓(xùn)練速度，使神經(jīng)網(wǎng)絡(luò)識別系統(tǒng)比傳統(tǒng)的布爾編碼方法有更高的準確率和穩(wěn)定性。此類提取軸心軌跡的圖像特征的方法是目前研究的熱點，有許多相關(guān)文獻對此進行了論述。以上所述幾種方法普遍存在針對性不強的問題，即只是應(yīng)用了圖像識別的基本原理，沒有充分地將該原理與軸心軌跡所特有的圖形特征結(jié)合起來分析，因此可以加強這方面的研究。在對軸心軌跡進行了圖形特征的提取之后就可以進行識別了，這涉及到了一個合理的分類器的問題。識別的分類實際也是模式識別問題，即將所提取的特征按一定規(guī)則分為若干個模式，確定模式中心，將輸入信號與己知的各個模式中心進行匹配，在根據(jù)一定的判定規(guī)則，確定輸入信號應(yīng)歸入哪一個模式。具體方法主要包括概率統(tǒng)計方法、神經(jīng)網(wǎng)絡(luò)方法，關(guān)聯(lián)度分析方法等。二維圖形識別常采用基于統(tǒng)計特征的矩不變性進行自動識別。矩是一種線性特征，可以用來對區(qū)域進行描述，而不變矩由于在尺度、平移和旋轉(zhuǎn)等條件下的穩(wěn)定性被廣泛用于模式識別領(lǐng)域。HU在1962在文獻[12]給出了連續(xù)函數(shù)矩的定義和關(guān)于矩的基本性質(zhì)，證明了有關(guān)矩的平移的不變性、伸縮的不變性和旋轉(zhuǎn)的不變性等性質(zhì)，具體給出了具有平移、旋轉(zhuǎn)和比例不比變性的七個不變矩的定義。但實驗及理論分析都表明在離散情況下HU氏不變矩有一定的局限性[13]。，主要表現(xiàn)在HU氏不變矩在離散情況下不能保證對圖形比例縮放的不變性。為此，許多研究者在通過大量試驗后給出了一些改進算法，使之更符合軸心軌跡的特點，這