基于DSP的滚动轴承实时故障诊断系统设计

摘 要：针对在线式设备故障诊断系统因其昂贵的造价、安装和维护的不便而不适用于中小型设备故障检测与诊断的特点，设计了一种基于TMS320C6713的滚动轴承实时智能故障检测系统，以满足实时诊断、智能诊断、设备便携等方面的要求。详细介绍了系统软硬件设计的原理和方法，实现了硬件共振解调技术的应用。研究结果表明，该系统能够方便的应用到工程中去。关键词：滚动轴承;故障诊断;DSP;共振解调技术[b][align=center]Design of the Rolling Bearing Real-time Fault Diagnosis System based on DSPYIN Jian-jun[/align][/b]Abstract：The on-line equipment fault diagnosis system is not suitable for fault detection and diagnosis of small and medium-sized equipment, because of its high cost and its inconvenience of installation and maintenance. This article designs a kind of intelligent rolling bearing real-time fault diagnosis system, which is based on TMS320C6713 to meet real-time diagnosis, intelligent diagnosis, portable equipment and other aspects of requirements. This article describes the design principles and methods of the system hardware and software in detail, realizes the application of the demodulated resonance technique based on hardware. The results show that the system can be conveniently applied to the project.Key words：Rolling Bearing;Fault Diagnosis;DSP;Demodulated Resonance Technique1.引言　　滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件，它的运行状态是否正常往往直接影响到整台机器的性能。据统计，在使用滚动轴承的旋转机械中，由于滚动轴承损坏而引起的故障约占30%[1]。由此可见，滚动轴承的故障诊断在工程中还是有其重要意义的。　　一方面国内企业的重要大型设备往往采用在线系统对设备的工况进行监测，但是在线系统价格高昂、通用性差、安装和维护不便，不适用于大量的中小型设备。另一方面小型的振动检测仪只是起到对数据采集和存储的作用，而且数据的分析需要有丰富经验的人去从事，难以实现实时诊断的要求。本文设计的以TI公司生产的TMS320C6713为数字信号处理器的滚动轴承实时故障诊断系统，就可以满足中小型设备实时智能故障诊断的需要[2]。2.滚动轴承实时故障诊断系统原理　　滚动轴承实时故障诊断系统主要包括硬件部分和软件部分两个方面：　　（1） 硬件部分：主要用模拟电路实现共振解调技术[3-4]和数字信号处理电路设计。故障产生的冲击信号使得硬件谐振器发生共振，通过谐振器的共振响应将微弱的冲击信号调制到高频的共振信号中去，再用解调的办法对高频信号处理，进而获得一种剔除了低频振动干扰的共振解调波，由此达到精确诊断的目的。最后信号通过A/D转换后，再送入DSP进行FFT变换。　　（2） 软件部分：主要是基于DSP对共振解调后的振动信号进行故障特征的识别与诊断。DSP对AD传送来的数字信号进行时频转换，得到振动信号的频谱图，系统能自动分析频谱，得出故障位置、故障类型、严重程度等结论并通过LCD显示出来。[align=center]图1.滚动轴承实时故障诊断系统框图[/align]3.系统的硬件结构　　本系统采用的是硬件共振解调技术来实现轴承的故障诊断，它比软件共振解调技术的优点是可以有效的提取机械早期故障的微冲击信号，在故障早期实现预知维修[5]，此外用硬件实现比用软件实现运算速度快，更好的体现了实时诊断的要求。　　系统硬件设计的主要原理：　　（1） 振动信号处理电路，它主要包括振动信号预处理电路及共振解调处理电路部分，如图2所示：[align=center]图2.振动信号处理电路原理框图[/align]　　① 前端振动传感器检测到轴承的振动信号（其中包含谐振器的共振信号）。　　② 振动信号经调理放大得到易于处理的低频信号，电荷放大器和程控放大器起到传感器输出和后续处理电路的阻抗匹配和信号放大作用。由于轴承故障振动信号非常微弱，且传感器输出阻抗很大，因此，需要高信噪比和高增益专用前置放大集成电路。　　③ 带通滤波器对信号作预处理，经过带通滤波器处理后，可有效滤掉低频振动和高频干扰，只保留共振频率附近的频率段。　　④ 包络检波器检出共振波的外包络，将高频共振信号转换为低频包络信号，即实现共振解调功能。经包络分析器和低通滤波器处理后，可进一步剔除时域尖峰信号的干扰，为后续故障识别系统提供较稳定的识别信号。　　⑤ 由于滚动轴承的故障频率由几十到几百赫兹不等，因此在做进一步处理之前有必要滤掉高频成分。同时，在A/D转换之前选择合适的滤波，也能起到抗频率混叠的作用。　　（2） 数字信号处理电路部分，如图3所示：[align=center]图3.数字信号处理电路原理框图[/align]　　① 低频解调信号被A/D转换器转换成适用于DSP处理的数字信号。本设计选用的是TI公司的多采样频率、低功耗、单电源供电的A/D转换芯片AD9221，其最大采样频率高达1.5MHz，信噪比70dB，采样精度高，足以满足系统设计的需要。　　② 数字信号处理器是本设计的关键，它的运算速度直接影响了系统实时性的实现。本系统中的DSP芯片采用TI公司的TMS320C6713。这是一款用于高精度高性能应用的浮点型DSP，它在C67x的基础上，增加了很多外围设备和接口。该芯片内核主频最高可达300MHz，处理能力可达2400MPIS，内部具有可配置的二级Cache，具有丰富的外设资源，32bits的外围数据存储器接口（EMIF）可以与SDRAM，FLASH等存储器件无缝连接，支持HPI，PCI，I2C总线。　　③ TMS320C6713的内部最多只有256K的L2 SRAM，不能满足系统大容量数据存储的需要，需要扩展外部存储的空间，系统采用Micron公司的32位SDRAM芯片MT48LC4M32B2，扩展了128M的动态存储空间。[align=center]图4.DSP与SDRAM的连线图[/align]　　④ 本系统的Flash存储器采用SST公司的SST39VF160。SST39VF160采用单电源2.7V供电，访问时间仅为90ns，快速擦除，全片擦除只需15ms，快速烧写，全片烧写只需7s。　　⑤ TMS320C6713需要高精度、稳定的双电源供电，以保证系统的正常运行。本系统采用TI公司推出的具有外部补偿电路、过流保护电路的高精度电源芯片TPS54310（图中未画出）。　　⑥ 按键控制电路和LCD显示线路比较简单这里就不详细介绍了。4.系统的软件设计　　本系统软件功能强大，其软件系统涵盖各种算法的实现;字符、汉字、图形的显示;定时器、串行口、USB、外部中断的响应;程控放大器、液晶显示屏、系统时间的设置控制;通讯协议的实现;文件系统的存储;内存管理等。　　系统软件主要实现的功能如下：　　（1） AD传送来的数字信号通过FFT变换，将时域信号变换为频域信号，进而得到振动信号的频谱图。　　（2） 系统软件采用BP神经网络的诊断方法对信号进行智能诊断[6]。把能反映振动信号特征的信息作为神经网络的输入，把故障位置、故障类型和严重程度等诊断结论作为网络的输出，用BP算法对网络进行训练[7]，然后用这一神经网络对实际的轴承解调信号进行自动诊断，报告故障。　　（3） 解调波的各分量以及故障位置、故障类型、严重程度和轴承号等数据通过大屏幕LCD显示，便于人工辅助判断。　　（4） 键盘具有功能快捷键、英文及数字键支持人工数据录入与交互。操作过程中可以通过按键设置系统的参数、功能，控制采样长度等等。　　（5） 所有测量数据被有效保存，便于数据管理。系统可将测量数据上传到上位机中存储和进行进一步的故障分析，同时也可下载上位机中轴承库的轴承具体型号参数及其特征频率等相关信息。[align=center]图5.系统软件功能图[/align]5.结束语　　传统的振动诊断仪一般都是对振动的有效值、最大幅值、峭度等时域特征信息进行判断而诊断故障的，诊断方式简单，信号处理十分粗糙、可信度低。本系统是利用BP神经网络对故障进行诊断的，实现了诊断的智能化，提升诊断速度和诊断精度。另外本系统是采用硬件共振解调技术来实现振动信号分析以及故障诊断的，它比用软件实现共振解调技术的好处是在故障形成的初期，冲击故障信号较弱时就可以对故障进行成功的诊断，这样就可以对早期故障设备进行重点监视，同时也有充裕的时间采购替换件。因此本系统在工程中拥有很广阔的应用空间。　　本文作者创新点：本文利用DSP系统高速信号处理的性能，实现了滚动轴承的实时智能诊断。采用硬件共振解调技术，避免了软件共振解调技术带来的早期故障难以发现的不足，能够广泛应用于中小设备的滚动轴承故障诊断。参考文献　　[1] 陈进.机械设备振动监测与故障诊断[M].上海：上海交通大学出版社，1999.1-2　　[2] 张晓光，周宁，丁余泉.基于DSP的CMOS图像采集系统设计[J].微计算机信息，2007，9-2：193-196　　[3] 梅宏斌.滚动轴承振动监测与诊断—理论、方法、系统[M].北京:机械工业出版社，1996.29-31　　[4] 梅宏斌，阎明印，杨叔子.滚动轴承故障诊断的高频共振法[J].机械设计与制造，1992，（2），12-16.　　[5] 高立新，王大鹏，刘保华等.轴承故障诊断中共振解调技术的应用研究[J].北京工业大学学报，2007， （1）.1-5　　[6] 王平.滚动轴承故障在线智能诊断仪[J].轴承，2003，（9）.35-38[4]　　[7] H. Y. Zhang, C. W. Chan. Fuzzy art map neural network and its application to fault diagnosis of navigation systems. Automatica, 2001, 37:1065-1070