关键词:
振动监测系统
嵌入式系统
LMD方法
MEMD方法
全息谱技术
摘要:
改革开放至今,我国工业现代化逐步推进,以大型机械为生产工具的工业蓬勃发展。但是由于我国机械故障监测技术发展缓慢,导致机械故障事故频发,造成了大量的人员伤亡和财产损失。如果在机械故障发生之前通过某种监测手段得知故障原因及故障位置,就可以有效避免突发事故,因此研究开发一款性能优越、分析结果精确的机械安全运行监测系统迫在眉睫。监测系统不仅要具备良好的稳定性和友好的人机交互能力,同时还要具备振动数据的采集、存储、查询、处理、显示、上传等功能。为达到以上要求,一方面本系统选用嵌入式芯片STM32F103C8T6作为主控单元,并配合高精度数字式三轴加速度传感器ADXL372构成硬件核心,同时在硬件电路中加入数据存储、无线通信、数据显示等模块。另一方面,造纸机械故障多为常见机械故障,具备一定的研究价值,因此本文以造纸机械为研究对象,总结相应的数据处理算法,同时选用μC/OS-II嵌入式操作系统作为本系统的软件平台,依靠其强大的运算能力搭载数据处理算法,并编写程序,调度硬件资源,高效完成任务。本系统所监测的振动信号是一个非平稳、时变的复杂信号,如果要准确分析这类复杂信号,简单的时频域方法显然不能满足要求。因此本文深入研究局部均值分解方法(Local Mean Decomposition,简称LMD)方法的分解过程及特点,探讨了“端点效应”、“迭代终止条件”的问题,并提出改进方案,然后利用该方法作为系统单轴信号的处理算法;由于本系统可以采集三轴振动数据,通常情况下多通道信号之间存在耦合和冗余现象,而且通过融合处理的三轴振动数据更具分析价值,因此本文在研究局部均值分解方法(Local Mean Decomposition,简称LMD)方法的基础上,提出基于多元经验模态分解(Multivariate empirical mode decomposition,简称MEMD)及全息谱技术的三轴数据处理方法。这种方法结合了 EMD方法与全息谱技术的优点,可以融合任意两轴数据,并通过不同频率特征下的轴心轨迹反映振动信号的幅值与相位所蕴含的故障信息。最终,通过分析实际机械振动信号,检验了本文开发系统的可行性;在Matlab环境下验证了本文研究算法的准确性。