【文章內容簡介】 均在0 ~ 5V之間，適合作為A/D轉換器的輸入信號。因此，該模塊中只對原始電壓信號進行了濾波處理。濾波電路主要分為兩部分，分別為高通濾波電路和低通濾波電路，它們共同組成了帶通濾波電路。振動傳感器輸出的電壓信號是疊加在一直流電壓上的交流小信號。在經過高通濾波電路之后，直流分量以及截止頻率以下的分量便被濾除。如圖 316所示，為了便于對不同特點的信號進行濾波，該濾波電路提供了3路不同截止頻率的輸出。這三路輸出信號分別接至邏輯開關的輸入端，根據A0A1的值決定哪路信號選通。圖 316 高通濾波電路Fig 316 Highpass filter circuit經過邏輯開關的電壓信號被再次接入到低通濾波電路，如圖 317所示。同樣，低通濾波電路也利用邏輯開關提供了多達8種截止頻率，以便于根據信號的不同特點進行濾波處理。圖 317 低通濾波電路Fig 317 Lowpass fiter circuit在經過以上的濾波電路之后，振動傳感器的電壓信號已去除直流分量和噪聲信號， ~ +。 A/D轉換電路本課題利用FPGA控制2個8路模擬開關ADG608選通16路模擬電壓信號，作為A/D轉換器的輸入信號。ADG608的真值表如表 31 所示。表 31 ADG608真值表Table 31 Truth table of ADG608A2A1A0EN選通開關X00001111X00110011X01010101011111111無12345678利用兩片ADG608組成的16路模擬開關如圖 318所示。圖 318 由2片ADG608組成的16路模擬開關Fig 318 16 Analog Switch constructed by 2 chips of ADG608當CS線為低電平時，通過4位地址線便可以選通開關1 ~ 16，其真值表如表 32所示。表 32 16路模擬開關的真值表Table 32 Truth table of 16 Analog Switch/CSA3A2A1A0選通000000000000000010000000011111111X0000111100001111X0011001100110011X0101010101010101X12345678910111213141516浮空A/D轉換器選用AD9240，其分辨率為14位，采樣速率高達10MSPS。片內集成高性能、 低噪聲的采樣保持放大器（SHA）和輸出緩沖器，可選擇內部或外部基準電壓源。AD9240采用帶有數字輸出誤差校正的多級差動流水線結構，在寬溫度環(huán)境下工作不會丟碼。其工作時序圖如圖 319所示：圖 319 時序圖Fig 319 Timing diagramAD9240在每個時鐘周期都可以進行采樣，但需要3個時鐘周期完成整個轉換的處理過程，數據輸出比采樣時刻晚3個時鐘周期。高速高分辨率的 A/D對輸入采樣時鐘的質量要求很高。的值不能小于100nS，而和不能小于45nS。在采樣頻率為10MSPS時，AD9240的輸入時鐘需滿足占空比45%～55%的條件。模擬開關的輸出接至AD9240，在FPGA的控制下便可以實現(xiàn)多路模擬信號的采集。由于濾波電路已將直流分量濾除，故此處為交流耦合輸入，電路如圖 320所示：圖 320 交流耦合輸入Fig 320 ACCoupled inputAD9240的輸入模擬信號幅度由VREF管腳的電壓決定，滿量程輸入幅度為2*VREF。AD9240有一個片內基準源。如果SENCE管腳與REFCOM管腳相連。如果SENCE管腳與VREF管腳相連，VREF電壓為1V。AD9240也可以采用外部基準源作為參考電平，具體連接不再贅述。AD9240的數字輸出在整個輸入范圍內采用正邏輯的自然二進制編碼，標志位OTR表示測量數據是否溢出有效范圍。如表 33所示。表 33 輸出數據格式Table 33 Output data format輸入電壓（V）狀態(tài)（V）數字輸出OTRVINAVINBVINAVINBVINAVINBVINAVINBVINAVINB VREF= VREF= 0= +VREF 1 LSB≥ +VREF00 0000 0000 000000 0000 0000 000010 0000 0000 000011 1111 1111 111111 1111 1111 111110001 數據緩沖FIFO振動信號的高速采集使A/D轉換器輸出的數據流量十分巨大，為了緩解處理器的壓力，需要在A/D轉換器與處理器之間增加數據緩沖FIFO[22]。將AD9240的14位并行輸出與FIFO的輸入相連，數據從FIFO輸出后經過并行和串行的轉換再與處理器的SPI串行接口相連。如圖 321所示：AD9240FIFOD0…D13串行轉換D0…D13SPIMCU圖 321 數據緩沖Fig 321 Data buffer數據緩沖FIFO以及并行到串行的轉換都可以由FPGA完成，本課題中選用了Xilinx公司Spartan 3E系列的XC3S100E芯片。XC3S100E是一款高性能低價格的可編程邏輯器件（FPGA），具有豐富的邏輯單元和存儲單元，其內部的Block Ram可以配置為大小不同的各種類型存儲器，如單口RAM、雙口RAM和同步FIFO，其中FIFO更適合作為采樣數據高速寫入的存儲器。FIFO具有兩套數據線而無地址線，可在其一端寫操作而在另一端進行讀操作，數據在其中順序移動[23]。外部時鐘源直接輸入到FPGA，經DCM分頻后作為FIFO和ADC的時鐘源。采用 FIFO構成高速A/D采樣緩存時，由于轉換速度比較快，對時序配置要求非常嚴格，如果兩者時序關系配合不當， 就會發(fā)生數據存儲出錯或者掉數。本課題設計的FPGA核心板包括XC3S100E、AD9240等主要器件，以及時鐘、電源、調試相關的電路和器件。實物圖如圖 322所示：圖 322 FPGA核心板Fig 322 FPGA core board 信號處理與特征提取識別基于ZigBee協(xié)議的無線傳感器網絡具有低數據速率的特點，因此為了減小網絡負擔，提高系統(tǒng)效率，應盡量避免較大規(guī)模的數據傳輸。本課題設計的無線監(jiān)測單元增加了信號處理及特征提取功能，提供特征數據傳輸和波形數據傳輸兩種傳輸模式。提取有效的特征數據進行發(fā)送，可以使數據量相對原始波形信號大幅減少，降低網絡負載和能耗，從而保障系統(tǒng)的高效運行。 信號濾波處理在采集原始振動信號的過程中，由于會產生摩擦信號、機械噪聲、環(huán)境噪聲等共同疊加的檢測信號，如何從檢測到的信號中將真正有用的表征不同類型缺陷的聲發(fā)射信號提取出來是至關重要的。因此，首先要對信號進行濾波處理，盡量還原最真實的原始信號。數字濾波是通過數學運算從所采集的離散信號中選取人們所感興趣的部分的處理方法。用軟件實現(xiàn)數字濾波的優(yōu)點是系統(tǒng)函數具有可變化性，僅依賴于算法結構，并易于獲得較理想的濾波性能，得到想要的濾波效果。數字濾波的時域方法是對信號離散數據進行差分方程數學運算來達到濾波目的。經典數字濾波器實現(xiàn)方法主要有兩種：一種是IIR數字濾波器，稱為無限長沖激響應濾波器；另一種是FIR濾波器，稱為有現(xiàn)場沖激響應濾波器[24]。本課題中濾波器的設計主要以IIR數字濾波器為主。IIR數字濾波器的設計通常借助于模擬濾波器的原型，再將濾波器轉換成數字濾波器。常用的模擬低通濾波器的原型產生函數有巴特沃斯濾波器原型、切比雪夫濾波器原型、橢圓濾波器原型等。濾波處理往往以濾除噪聲為基本應用，而在處理振動信號時，由于故障信號一般屬于高頻信號，因此，可以采用高通濾波的方式將故障信號提取出來，直接對故障信號進行分析。巴特沃斯濾波器的特點是具有通帶內最平坦的幅度特性，而且隨著頻率升高呈單調遞減。因此，利用巴特沃斯濾波器這個特性就能較理想的提取出高頻故障信號。巴特沃斯濾波器的特征函數為：……………………………式（32）式中，N為濾波器的階數；為通帶寬度。圖 323為巴特沃斯的幅頻響應曲線。圖 324為故障信號進過巴特沃斯高通濾波器的前后對比圖。圖 323 巴特沃斯幅頻響應Fig 323 Butterworth frequency response圖 324 信號輸入輸出前后對比Fig 324 Comparation of input and output signals 特征參數提取對振動信號直接進行時域分析是狀態(tài)監(jiān)測和故障診斷最簡單和最直接的方法，特別是當信號中含有簡諧信號、周期信號和短脈沖信號時，這種分析方法更加有效。對于一個有損傷的軸承，當滾動體接觸點進入缺陷區(qū)時，就會發(fā)生機械沖擊，沖擊脈沖幅度與損傷的程度成正比[25]。由于沖擊力的變動幅度很大，并帶有很大的隨機噪聲，因此，對沖擊波形的幅度用波形特征參數來表示，能有效地反映軸承的故障狀態(tài)，這是故障監(jiān)測中常用的方法。下面給出滾動軸承常用的幾種故障波形特征參數的計算公式及相關介紹：1）峰值：………………………………式（33）2）有效值：…………………………式（34）3）峰值因數：…………………………………式（35）4）峭度：……………………………式（36）5）峭度指標：…………………………………式（37）6）峰態(tài)因數：，其中為標準偏差…………………式（38）7）裕度因數：，其中……………式（39）8）脈沖因數：，其中…………………式（310）式中，——系統(tǒng)中某個特征點的振動響應信號；——采樣時間；——的概率密度函數。峰值大小可用來反映軸承某一局部故障點的沖擊力大小。沖擊力越大，峰值越高，因此檢測由裂紋、剝落等原因所造成的沖擊性振動，峰值可以明顯地反映出故障狀態(tài)。有效值反映信號的能量大小，特別適用于具有隨機振動性質的軸承測量。軸承制造精度越低或磨損程度越大，則值越高，但對于表面脫落或局部損傷產生的沖擊脈沖振動波形變化并不明顯。峰值因數能反映出波形的尖峰度。它是一個相對值，不受振動信號絕對值大小的影響，也不受軸承尺寸和轉速的影響。正常軸承振動波形的峰值因數約為45，而當存在局部缺陷引起的振動的波形的峰值因數往往超過10。缺陷越大，峰值因數也就越大，因此測量很方便。峭度值對大幅度的信號最敏感，當大幅度的信號出現(xiàn)的概率增加，峭度值將迅速增大，因此，測量峭度值對含有脈沖的故障信號非常有效。軸承正常時的振動信號的峭度值一般在3左右，當峭度值超過4，則說明軸承存在一定程度的損傷。峭度指標是一個無量綱的參數，只能反映進展中的故障。峭度指標對早期的故障有較高的敏感性，當故障達到一定程度后，在整個頻帶范圍內都是同樣水平的尖峰值，的平均增長幅度相差不大，因此軸承在良好狀態(tài)和嚴重損傷狀態(tài)下的峭度指標幾乎是一樣的。建議在故障剛出現(xiàn)時參考。常用的波形特征參數方法在實際應用中都具有一定的診斷能力，但同時也存在一些不足。實際系統(tǒng)中測得的滾動軸承振動信號多為非平穩(wěn)、非線性的，且當局部故障規(guī)模較小時，故障信息易被背景噪聲淹沒。而基于經驗模態(tài)分解（empirical mode deposition, EMD）的波形特征參數分析法經試驗證明可有效地分辨和識別滾動軸承的不同工作狀態(tài)和故障類型[26]。EMD分析法基于兩個假設[27]：1）任何復雜的數據或信號都是由具有不同特征時間尺度的簡單本征模態(tài)函數（intrinsic mode function, IMF）組成；2）任何兩個本征模態(tài)函數之間是相互獨立的，一個信號可以包含許多個本征模態(tài)函數，如果各模態(tài)之間相互重疊，便形成復合信號。其中，本征模態(tài)函數是基于信號局部特征自適應得到的，表征數據的內在波動模式，體現(xiàn)信號真實固有的物理意義。本征模態(tài)函數必須滿足的條件：1）在整個數據長度，極值點和過零點的數目必須相等或至多相差一個；2）在任意數據點，由局部極大值點構成的包絡線和局部極小值點構成的包絡線的平均值必須為零。本征模態(tài)函數可以是線性的，也可以是非線性的，可以是幅值調制的，也可以是頻率調制的。在任意時刻，每個本征模態(tài)函數都會存在唯一的非負頻率成分。對實信號，其EMD分解過程如下[28]：1）確定數據序列所有的極大值點和極小值點，采用三次樣條插值函數分別對其擬合，形成數據的上、下包絡線，計算上、下包絡線的均值，求出原數據序列和包絡均值的差值。2）判斷是否滿足IMF條件，如果不滿足，則對其重復上述過程，直到第次的是本征模態(tài)函數，即，為從原始數據中提取出來的第一個本征模態(tài)函數，代表信號的最高頻率成分。3）計算原數據序列與第1個本征模態(tài)函數的差值，對新數據序列重復上述篩分步驟，即可篩選出信號的其它IMF。直至剩余的不能再分解。4）原數據序列最終可表示為：……………………………式（311）式中，為殘余項，代表信號的平均趨勢；各IMF分量分別包含了從高到低不同頻率段的成分。基于EMD的波形特征參數分析法是將原始信號進行EMD算法處理，分解得到內模函數（IMF）分量，對IMF分量進行Hilbert變換，得到能量波形以及瞬時頻率波形，進行相應的