CN102175917B - 在线式非线性频谱分析与故障诊断仪 - Google Patents

Abstract

本发明公开了一种在线式非线性频谱分析与故障诊断仪，它适用于各类非线性系统的在线频谱分析与故障诊断。该仪器硬件由双核微处理器单元、显示与操作终端、激励与采集单元组成。软件算法上采用的分析模型是广义频域响应函数(GFRF)、非线性频域响应函数(NOFRF)及输出频域响应函数(OFRF)，通过采集诊断系统的输入激励及输出信号辨识这3种模型，在辨识模型的基础上对机电系统进行非线性频谱特性分析、故障特征量提取与故障状态识别。该仪器能快速绘制出诊断对象的前三阶核函数的频谱图形，给出系统的频域输出与非线性参数之间的关系图，为非线性系统设计提供参考。仪器通过使用SVM分类器，对多类型故障有很好的识别效果。

Description

在线式非线性频谱分析与故障诊断仪

技术领域

本发明属于智能检测与仪器仪表领域，涉及一种在线式非线性频谱分析与故障诊断装置，可应用于机电系统分析与故障诊断、材料破损检测、机械系统的动力学设计等领域。

背景技术

大多数机电装备都具有非线性特性，自动在线分析装备是否处于临界故障或故障状态，对装备的安全运行有着非常重大的意义。目前，关于非线性系统的状态检测与故障诊断有两种最基本的方法：信号处理、动态模型。

基于信号处理的状态检测与故障诊断方法是最基本的方法。是利用系统输出信号幅值、相位、频率、相关性等参量的变化来分析故障源，常用的方法有谱分析法、概率密度法、时序分析法等。但这种方法只利用了输出信号，不能完全反映系统的本质特性，所以这种方法不可避免地有其局限性。即对一些系统而言，输出信号的变化并不能完全反映对象特征的变化，容易造成误判。

基于动态模型的方法，就是利用对象的输入输出信号，用模型辨识方法获得对象传递特性的变化，并由此判断系统是否处于故障状态。理论和实践证明，很大一类对象的临界故障或故障状态表现为其传递特性的非线性变化。在以往的故障诊断方法中，因为受技术发展的限制，总是将对象作为线性系统处理。把非线性频谱分析法应用于系统的状态检测与故障诊断，是本发明的主要目的。

国际上基于Volterra级数研究非线性系统，近几年提出的非线性频谱分析方法有广义输出频域响应函数(GFRF)、非线性输出频域响应函数(NOFRF)及输出频域响应函数(OFRF)。由于GFRF各阶核函数辨识计算大，且具有维数灾难，使其在实际应用中受到一定的限制，本发明采用3阶简化GFRF模型，该简化模型在合理假设条件下可以较精确地求解出GFRF的前三阶核函数。NOFRF是GFRF描述的一维变换方式其定义为：

$G_n\left(\mathrm{j\ω}\right)=\frac{\underset{{\mathrm{\ω}}_1+,...,+{\mathrm{\ω}}_n=\mathrm{\ω}}{\∫}{H}_n({\mathrm{j\ω}}_1,...,{\mathrm{j\ω}}_n)\underset{i=1}{\overset{b}{\mathrm{\Π}}}U\left({\mathrm{j\ω}}_i\right){\mathrm{d\σ}}_{\mathrm{n\ω}}}{\underset{{\mathrm{\ω}}_1+,...,+{\mathrm{\ω}}_n=\mathrm{\ω}}{\∫}\underset{i=1}{\overset{n}{\mathrm{\Π}}}U\left({\mathrm{j\ω}}_i\right){\mathrm{d\σ}}_{\mathrm{n\ω}}}n=\mathrm{1,2},...$

式中H_n(jω₁，...，jω_n)是第n阶GFRF的核函数，G_n(jω)是第n阶NOFRF的核函数，U(jω_i)为系统输入的频域形式。NOFRF的引入使非线性系统分析及故障诊断的计算量大为减少。OFRF是对GFRF的核函数的非线性参数进行提取，将GFRF的核函数表示为一维的形式，即参数集与频域函数集相乘的形式：

H_n(jω)＝CE(H_n(jω₁，...，jω_n))×f_n(jω₁，...，jω_n)

一个非线性系统的OFRF模型为：

Y(jω)＝ψ·Φ(jω)^T

上式中ψ为非线性参数的集合，

本发明采用频域自适应辨识方法，求解GFRF、NOFRF及OFRF的各阶核函数，频域自适应方法可以有效避免矩阵求逆的复杂运算，具有计算量小、精度高、实时性好的特点，便于在现场微处理器中实现该算法。经查新，尚未与原理相同的非线性频谱分析仪。

发明内容

本发明的目的就是提供一种在线式非线性频谱分析与故障诊断仪。非线性频谱模型辨识问题本身具有复杂性，因为按Voterra级数理论，GFRF、NOFRF及OFRF模型应该由无限项组成，而且辨识所需的数据随着模型阶次的提高按几何级数增大。

本发明的技术方案是这样实现的：

该仪器由双核微处理器单元、显示与操作终端、激励与采集单元电路组成，显示与操作终端与双核微处理器单元连接，双核微处理器单元连接激励与采集单元，测量软件装在双核微处理器单元中。

双核微处理器单元由双核微处理模块、256M DDR2内存、大容量8GBFLASH存储器、以太网接口、USB接口、LCD控制接口、SPI串行接口及系统总线组成；双核微处理模块由由ARM及DSP内核组成，双核微处理模块通过以太网接口与主控计算机连接，同时通过USB接口外接信号发生器。

显示与操作终端由LCD彩色液晶屏及键盘组成，LCD显示器接在微处理器的EMIFA端口，键盘通过SPI总线直接连接到微处理器。

激励与采集单元由四路模拟激励信号产生电路和八路高速采集电路组成，四路模拟激励信号产生电路由是由FPGA中的数字信号产生单元电路、D/A转化电路及功放组成，八路高速采集电路主要由滤波电路、A/D转化电路及串行FIFO双口RAM组成，四路模拟激励信号产生电路及八路高速采集电路通过系统总线方式连接到双核微处理器模块上。

测量软件由高速采集与预处理模块、频域核估计模块、非线性频谱图绘制模块、特征提取与SVM识别模块构成，由高速采集与预处理模块负责输入输出数据采集、快速FFT变换，并送到频域核估计模块来求解非线性频谱模型，然后把这些数据再送到非线性频谱图绘制模块、特征提取与SVM识别模块中完成系统的分析和诊断。

本发明硬件上采用双核微处理器单元、显示与操作终端、激励与采集单元实现该仪器。软件算法上采用的分析模型是GFRF、NOFRF及OFRF，通过频域自适应方法求解这3种模模型，采用GFRF及NOFRF模型对诊断对象进行故障分析，提取故障特征量，用SVM分类器对不同的故障状态进行分类以达到故障判别的目的。此外采用OFRF模型对一个非线性系统进行分析，获取系统频域输出与系统非线性参数之间的关系，可以为非线性系统设计及故障诊断提供依据。

在线式非线性频谱分析与故障诊断仪主要用于机电路系统的频谱分析与故障诊断，是未来工程系统分析与测试必不可少的仪器。该仪器能快速有效地绘制出诊断对象的前三阶GFRF频域核函数及NOFRF的有限阶核函数的图像；根据OFRF模型可以绘制系统频域输出与非线性参数之间的关系图，为非线性系统设计提供决策；该仪器能快速有效地进行故障模式判别。

附图说明

图1是本发明的硬件原理框图

图2是本发明的采用频域辨识流程图

图3是本发明的一种测试连接图

下面结合附图对本发明的内容作进一步详细说明。

具体实施方式

为了更清楚的描述本发明，下面结合附图对本发明作进一步的详细描述和说明。

该仪器由双核微处理器单元、显示与操作终端、激励与采集单元电路组成。

双核微处理器单元由双核微处理模块、256M DDR2内存、大容量8GBFLASH存储器、以太网接口、USB接口、LCD控制接口、SPI串行接口及系统总线组成；双核微处理模块由由ARM及DSP内核组成，双核微处理模块通过以太网接口与主控计算机连接，同时通过USB接口外接信号发生器。

显示与操作终端由LCD彩色液晶屏及键盘组成，LCD显示器接在微处理器的EMIFA端口，键盘通过SPI总线直接连接到微处理器。

激励与采集单元由四路模拟激励信号产生电路和八路高速采集电路组成，四路模拟激励信号产生电路由是由FPGA中的数字信号产生单元电路、D/A转化电路及功放组成，八路高速采集电路主要由滤波电路、A/D转化电路及串行FIFO双口RAM组成，四路模拟激励信号产生电路及八路高速采集电路通过系统总线方式连接到双核微处理器模块上。

图1是本发明的硬件结构图。本发明的在线式非线性频谱分析与故障诊断仪，由双核微处理器单元、显示与操作终端、激励与采集单元电路组成。双核微处理器模块由ARM及DSP内核组成，型号为OMAPL-138CPU，ARM处理器完成频谱图的绘制、与外围接口的通信等工作，DSP处理器完成数据采样、FFT变换、频域核的计算、频谱分析与故障诊断等任务。采用256MDDR2内存以及大容量8GB NAND FLASH存储器，在微处理器上安装WINCE嵌入式操作系统，通过以太网接口与主控计算机连接，同时可以通过USB接口外接信号发生器；显示器采用800×6005.7寸TFT LCD彩色液晶屏，用于显示各种分析与诊断结果，键盘采用32个触摸键，用于向微处理器模块发出各种控制指令；激励与采集单元由4路模拟激励信号产生电路及8路高速AD采样电路组成，4路模拟激励信号产生电路，用于向诊断对象提供所需的激励源，是由FPGA中的数字信号产生单元电路、D/A转化电路及功放组成，FPGA选用的型号为EP1C3T144C8，在FPGA中实现数字信号发生器电路，D/A的型号为AD1866，功放采用LM318芯片实现，可以产生单音、多音、方波、三角波及锯齿波等模拟信号；8路高速采集电路主要由滤波电路、A/D转化电路及FIFO组成，可用于对诊断对象的输入输出信号进行同步采样，将采样结果送往微处理器进行处理，滤波电路采用低通滤波器，将高于采样频率的噪声信号滤除，A/D采用AD7671芯片，采样速率可达1MSPS，输入电压幅度为-12V～+12V，为了解决高速AD采样与处理器处理速度不匹配的问题，在处理器与AD7671之间加16K的先入先出的RAM，型号为IDT7206。

软件算法上采用基于Volterra级数的GFRF、NOFRF及OFRF描述系统的传递频谱特性，根据系统的传递频谱特性进行非线性系统分析、设计及故障诊断。利用GFRF和NOFRF模型对诊断对象进行故障诊断；在诊断对象的不同状态下，通过对其输入激励及输出信号采样处理获取对象的各阶核函数，提取频谱特征向量，送往支持向量机(SVM)进行故障模式判别。利用OFRF模型对非线性系统进行分析，在已知被诊断对象的非线性参数的情况下，通过对其输入激励及输出信号采样处理获取被诊断对象的OFRF，得到系统频域输出与非线性参数之间的关系，为非线性系统设计提供依据。

图2是频域自适应辨识流程图。由于GFRF、NOFRF及OFRF这3种模型的传统辨识中都涉及矩阵求逆，而且矩阵阶次都比较高，这对于嵌入式系统实现起来是比较困难的，因此本仪器采用频域自适应辨识方法来求解这三种模型，具有计算量小、速度快、精度高等特点。频域自适应辨识方法主要基于BLMS(Block Least Mean Square)方法，通过在线学习方式达到对模型的辨识。具体过程是：首先对诊断对象的输入激励信号x(t)及输出信号y(t)进行A/D采样，为x(k)与y(k)，通过快速傅立叶变换(FFT)后为X(k)及Y(k)，然后对频域数据块通过自适应学习的方法，辨识出GFRF、NOFRF及OFRF模型。

图3是在线式非线性频谱分析与故障诊断仪的一种测试连接方法，根据诊断对象的不同采用直接或间接加载的方式对诊断对象施加激励源，直接方式主要针对于电路系统。图3是采用外接信号发生器以间接方式加载激励信号，发射换能器是将电信转化为超声波或振动信号，加载到诊断对象，接收换能器是将超声波或振动信号转化为电信号。对于普通的电信号可以采用直接采样的方式进行采样，而对于其它一些输出信号如超声波、振动信号等则采用间接方式进行采样，如通过接收换能器或其它一些传感器将这些信号转换为电信号。

Claims (2)

1.一种在线式非线性频谱分析与故障诊断仪，其特征在于，该仪器由双核微处理器单元、显示与操作终端、激励与采集单元电路组成，显示与操作终端与双核微处理器单元连接，双核微处理器单元连接激励与采集单元，测量软件装在双核微处理器单元中;

所述双核微处理器单元中的双核微处理模块由ARM及DSP内核组成，型号为OMAPL-138CPU，完成非线性频谱数据的在线估计与故障分析计算;

激励与采集单元由四路模拟激励信号产生电路和八路高速采集电路组成，四路模拟激励信号产生电路由是由FPGA中的数字信号产生单元电路、D/A转化电路及功放组成，其中FPGA中包含有单音、多音、方波、三角波及锯齿波数字信号的生成电路;八路高速采集电路主要由滤波电路、A/D转化电路及串行FIFO双口RAM组成，并经FIFO与双核微处理器单元连接;

所述测量软件由高速采集与预处理模块、频域核估计模块、非线性频谱图绘制模块、特征提取与SVM识别模块构成。

2.根据权利要求1所述的在线式非线性频谱分析与故障诊断仪，其特征在于，所述ARM内核完成频谱图的绘制、与外围接口的通信的工作，DSP内核完成数据采样、FFT变换、频域核的计算、频谱分析与故障诊断任务。

Images