课程文献中心 更多>>

关键词： 药柱   嵌入式系统   老化实验   有限元分析   LSTM神经网络  

摘要： 药柱作为弹药极其重要的组成部分之一,在长时间的存储过程中,因为温度带来的影响,药柱内部会产生热应力,当应力超过药柱的极限应力强度时会产生裂纹,这一系列变化中,药柱内部所受应力以及产生的裂纹是影响其寿命的重要因素。本文根据项目背景,从具体的功能需求出发,使用某种型号的药柱结构作为实验对象,研究药柱在加速老化实验过程中的裂纹、应力对其寿命的影响,研发了一套药柱老化中应力及裂纹在线监测系统,该系统具有在药柱加速老化实验过程中对药柱内部的应力进行多点监测的功能需求,使用光纤光栅传感器对药柱内部应力进行监测以及数据采集,通过LSTM神经网络对应力进行预测进而实现对裂纹的预测,上位机实现对数据的存储、显示以及实时绘制曲线图的功能,本文主要进行了以下工作:(1)根据项目的功能需求,研发了一套用来采集药柱老化实验中热应力参数的采集系统,分为光纤光栅应力采集系统和压电薄膜应力采集系统,使用Altium Designer 17软件完成对压电薄膜应力采集系统硬件的设计,按照实际要求对应力采集系统进行调试工作;(2)使用KeilμVision5软件完成对压电薄膜应力采集系统软件设计,使用QT软件完成对上位机软件的设计,上位机软件包含数据库的设计、日志记录、多种格式报表的导出等满足系统的使用需求;(3)使用推拉力计完成对光纤光栅传感器的标定,并进行温度补偿,进行系统的软硬件联合调试,用石蜡代替药柱进行应力场的采集实验;(4)使用Abaqus有限元分析软件对本次实验进行模拟仿真,目的是进一步检测本系统的是否可靠;(5)完成LSTM神经网络建模,利用系统采集到的79天数据,完成了应力及裂纹的预测。通过实验分析,该系统能满足在高温环境下对药柱内部应力数据进行监测以及采集需求,应力采集点数32个,应力采集精度优于0.5%F.S.,满足实际项目需求。上位机软件将应力采集系统采集到的数据存储到SQLite数据库中,数据库中的数据用来进行LSTM神经网络建模和数据分析,同时可以将数据库中的数据按照使用者和管理者的不同需求导出不同种格式数据其使用。LSTM神经网络可以实现对应力的预测进而来实现对裂纹的预测。本系统为研究药柱寿命与应力之间的关系提供了可靠的研究基础以及数据储备。

关键词： 二维光散射   深度学习   嵌入式系统   光片照明技术   细胞识别  

摘要： 肝癌(Livercancer)是中国乃至全世界共同面临的重大疾病,大多数肝癌患者确诊时已经是中晚期,错过了最佳治疗时机。早期肝癌诊断技术的缺乏是其高死亡率的一个重要原因。目前肝癌筛查的方式主要有影像学检查和血清标记物检查。影像学检查主要包括超声检查(US)、计算机断层扫描(CT)和核磁共振成像(MRI),但当肿瘤直径小于1 cm时,影像学方法检测的准确性较低。在血清标记物检测方面,甲胎蛋白(AFP)是较早应用于肝癌检测的标志物,但活动性肝炎等其他疾病也会导致AFP有所升高,故存在误诊的可能。探索早期肝癌诊断的新方法和技术,具有重要的科研意义和社会价值。 二维光散射技术可以获得丰富细胞的信息,近期被广泛应用于细胞无标记分析,预期可实现疾病的无标记、快速诊断。深度学习可从大数据中自动获取特征信息,实现对复杂二维光散射图样信息的自动化提取,并进而实现分类识别。近年来,随着硬件配置的提升,嵌入式系统得到了高速的发展,这为深度学习技术和嵌入式系统结合提供了基础。传统的嵌入式系统只是将嵌入式硬件用作数据采集的设备,数据通过网络等介质传输到高性能的服务器上,数据处理的过程是在服务器上进行,若将深度学习模型直接部署到嵌入式设备上,预期可更好的提升系统的便利性、安全性以及实时性。 本论文创新性的将二维光散射技术、深度学习技术、嵌入式开发技术相结合,开展了无标记单细胞实时识别智能集成系统研究。首先,论文通过将二维光散射技术与深度学习技术相融合,开展了基于轻量级神经网络SqueezeNet的单细胞二维光散射图像识别探索。进一步的,论文将SqueezeNet深度学习模型与Raspberry Pi 4 Model B(RPI4B)开发板集成,实现了基于二维光散射和深度学习的无标记单细胞识别嵌入式集成系统。论文开展了基于该系统的小鼠肝癌细胞无标记、自动化识别研究,利用基于光片照明的单细胞二维光散射图样采集平台,获得了小鼠肝癌细胞以及小鼠正常肝细胞的大量二维光散射图样,实现了准确度为96.50%的小鼠肝癌细胞和正常肝细胞的无标记识别。论文所研发嵌入式深度学习单细胞无标记自动化识别技术在癌症早期筛查方面具有重要潜在性应用价值。

关键词： 状态监测   重载货车   远程数据传输   嵌入式系统  

摘要： 随着我国重载铁路的快速发展,重载货车运营密度和载重不断增加,重载货车的运营安全问题成为重中之重。因此,基于车载方式对重载货车的运行状态进行监测,并对监测数据进行远程数据传输,在数据中心结合大数据与人工智能技术实现分析,成为保障重载铁路运营安全的重要发展趋势。本文在充分了解目前国内外车载数据传输平台研究现状的基础上,设计研发了针对不同通信场景的网络传输方案,从网络结构、通信协议、节点构成与功能、数据处理、数据恢复等方面多角度进行了研究与优化,提出了混合网络结构方案、自组网程序流程、数据扩容与数据恢复机制,并通过实验验证了方案与算法的合理性,对于提升列车状态数据传输效率、实现列车状态监测、保障列车行车安全具有重要的意义。 针对重载货车空间跨度长、但复杂度小等特点,在传统的链状拓扑网络结构与树状网络拓扑结构的基础上提出了车载监测节点混合网络拓扑结构方案。通过在在重载货车空间条件下对两种传统网络结构进行数学建模分析。结合链状结构模型简单、低空间复杂度与树状结构高效率、高稳定性特点,提出综合两者优点的混合网络结构模型,设计并搭建了列车级网络结构方案,实现了在重载货车环境下,维持传输效率的同时降低了网络结构的空间复杂度。 根据重载货车数据监测的实际需求,在列车级网络结构中设计了监测节点、中继节点、以及中心节点。在监测节点端,借鉴TCP/IP协议经典的三次握手过程,设计了自组网流程,实现了稳定建立网络连接;根据实际监测需求,按照数据大小及流向设计了网络硬件接口,设计了数据帧格式与信道避撞机制;在中继节点端,设计了中继节点的自组网功能,及中继跳传流程,实现了数据在中继子网中的流动;在中心节点端,研究了保证数据稳定传输的分包识别机制、数据恢复机制的设计,实现了大容量文件的稳定传输;研究了多模态传输机制与断点续传机制,实现了与外部网络的稳定通信。 最后,通过设计验证实验验证了自组网功能、数据中继跳传功能、数据恢复机制与多模态上传机制。自组网实验完成了监测节点实际入网过程的测试,实验结果表明监测节点与中继节点通过三次握手的自组网流程能够建立稳定连接。中继跳传功能实验完成了对数据传输格式、数据传输准确性与完整性的测试,证明了数据在中继子网中能够进行稳定准确的传递。数据恢复机制实验完成了在实际监测数据条件下发生数据丢失的各种情况的测试,验证了该机制能够在各种条件下完成数据的恢复,且平均偏差不超过0.04;多模态传输实验进行了嵌入式测试平台在不同信号强度下对信道进行选择的测试,测试了嵌入式测试平台能够根据信号强度自主选择较优信道进行通信的能力,满足了传输要求。

关键词： 盲文阅读   人机交互   盲人无障碍阅读   嵌入式系统   Liblouis  

摘要： 现今,视障群体学习文化知识最主要的途径就是通过指尖触摸盲文进行摸读。盲文阅读是视障群体获取知识、丰富自身思想以及提升自我的最主要途径。可是,目前市面上传统的纸质盲文书不仅存在内容陈旧、价格高昂等问题,还存在书籍良品率较低、不便于携带和数量较少等问题。在这个信息飞速发展的时代,不仅伴随着视障群体人数的激增,同时盲文的普及率也十分的低,导致盲人依靠盲文进行信息的获取或进行盲文阅读存在着巨大障碍,这个问题的发生加剧视障群体与明眼人之间的信息鸿沟。前人为了解决这个问题开发了一些盲文辅助阅读装置,虽然可以将普通文本以盲文的形式展现出来,但是设备的表现形式过于单一、操作复杂、有些还需外部设备进行辅助使用等问题。为了解决视障群体进行盲文阅读困难的问题,本文设计了一款基于Linux的嵌入式盲文学习机系统,该系统可以不仅具有良好的人机交互界面和操作逻辑,并且可以读取多种编码类型和格式的文件。同时能从视、听、触三个感知通道来辅助视障群体学习盲文,进行盲文阅读。本文测试结果表明,此系统可以稳定运行,可以辅助视障群体进行无障碍盲文阅读。基于Linux嵌入式盲文学习机系统包含上位机系统和下位机系统,构成主从控制系统。上位机系统主要由硬件电路、人机交互程序以及数据处理算法等模块组成。下位机系统主要由硬件电路、数据处理算法以及盲文点阵等模块组成。嵌入式盲文学习机上位机系统由瑞芯微电子RK3399作为主控芯片,包含U盘、存储模块、10寸IPS屏幕以及音频模块等硬件,实现视听方式同步输出数据。嵌入式盲文学习机下位机由华大HC32F196作为主控单元,包含盲文点阵、串口模块以及存储模块组成。同时设计了电源稳压电路、H桥驱动电路、光耦隔离电路、分立控制电路以及电流检测电路等电路模块组成。上下位机系统通过串口进行数据传输以及控制。最终实现盲文学习机系统从视觉、听觉、触觉多通道感知。基于Linux嵌入式盲文学习机系统设计了基于按键操作的人机交互程序。本系统获取外部存储设备U盘中所有文件,将文件端分为目录端以及文本端。视障用户通过按键操作实现在目录端与文本端系统操作。目录端实现文件的选取、阅读以及多级目录下的跳转。文本端设计文本编码识别和分页截取等功能。实现了多类型文本格式文件以及各种编码格式文件的读取和阅读文本与盲文点序同步显示。数据处理算法以基于Liblouis的盲文转换算法、Python文本处理以及翻页算法组成。根据用户操作数据流程,实现了屏幕所显文字、语音播报内容以及盲文转化的统一性。本文通过翻页算法截取将待读取的文本发送到语音模块以及文本显示模块,同时将盲文点序发送到下位机实现视、听、触的感知统一。为了验证系统性能,本文从硬件电路、人机交互目录端以及文本端交互性测试以及数据通信等方面进行测试。硬件电路的结果表明,系统中各个模块均可以正常工作。软件功能测试表明,系统可以正常读取多文本格式文件以及多编码格式文件,语音模块、盲文翻译以及通信模块可以正常工作。人机交互模块测试表明,视障群体可以通过操作按键实现文本选取、阅读以及上下翻页,具有较好的交互体验。数据通信测试表明,上位机系统可以准确无误的将盲文数据传输到下位机盲文点阵,可以实现盲文数字化。

关键词： 混凝土裂缝   实时检测   图像处理   深度学习   嵌入式系统  

摘要： 裂缝在混凝土结构中是常见的缺陷,其存在严重威胁建筑物的安全性和稳定性。定期进行裂缝检测对于确保结构安全、延长使用寿命和促进工程发展至关重要。然而,传统的人工检测方法耗时耗力、效率低且准确性不足。基于数字图像处理技术的检测方法依赖于手动设计的特征提取规则,缺乏灵活性和自适应性。近年来,深度学习算法发展迅速,这些算法具备自动学习、提取和融合图像特征的优点,因此逐渐被应用于裂缝检测领域。然而,这些算法的部署需要平台具备较高的计算能力,传统的嵌入式设备很难实现实时部署。随着终端AI芯片智能分析和并行处理的能力不断增强,将深度学习算法部署在人工智能平台,并应用于裂缝检测成为了新前景。目前,国外的AI产品在市场上占据着主导地位。为了减少对国外技术的依赖和促进本土芯片的发展,面向深度学习算法部署,基于国产智能平台设计裂缝实时检测系统具有重要意义。本文的主要工作内容如下:1、本文对具有代表性的国产终端AI芯片进行比较,选定RK3399Pro为智能平台核心,搭建了稳定高效、可借鉴的深度学习开发与部署环境。2、针对计算资源受限的人工智能芯片,设计了裂缝检测算法。算法总体框架分为裂缝识别和语义分割两个阶段,实现了图像端到端的检测。在裂缝识别阶段,对多个轻量级网络进行微调,结合数据增强技术提高模型泛化性,根据实验结果选取适用于嵌入式平台部署的识别模型。在裂缝语义分割阶段,对U-Net网络进行轻量化改进和优化,结合组合损失函数的训练策略,得到了较高精度的轻量化分割模型。3、以RK3399Pro为核心,设计了可搭载于无人机完成巡检任务的嵌入式裂缝实时检测系统。系统规划了图像采集、图像预处理、裂缝检测和图像后处理模块。在硬件设计方面完成了摄像头选型以及多个模块的电路设计,设备的尺寸和重量满足要求。在软件开发方面,结合平台芯片特性,基于QT交叉编译环境进行了相应的程序编写和软件优化。最后,在算法模型部署、模块化和整体性三个方面对系统的性能进行了验证,测试结果表明:系统具有良好的总体稳定性,整体的处理能力达到了35FPS,能够满足实时检测需求,且能较好地识别和分割裂缝。

关键词： RTK/INS组合导航   复杂动态环境   初始对准   分步抗差估计   嵌入式系统   实时性  

摘要： GNSS与SINS是应用最为广泛的两种导航定位技术。在开阔环境下,RTK定位精度可以达到厘米级。通过将RTK与SINS进行组合,组合导航技术能够发挥出两者互补的优势。随着无人车、无人机等位置需求技术的快速发展,基于RTK/INS组合导航技术的嵌入式产品的需求越来越大,如何提高其在动态复杂环境下的精度、实时性以及抗干扰能力成为组合导航研究的重要方向之一。本文聚焦于嵌入式平台计算能力有限及在动态复杂环境下组合导航干扰较多的难题,研究嵌入式RTK/INS高精度动态定位技术。首先针对INS难以快速对准的问题,对传统初始对准的方式和流程进行了改进,设计了多级对准方法;然后,对于动态环境下RTK观测值与定位结果中存在的粗差问题,研究了基于分步抗差估计的RTK/INS定位方法,减少粗差对于组合定位结果的影响;最后从整体出发,设计RTK/INS组合嵌入式高精度动态定位软硬件系统,并针对实时处理过程中的时间延迟问题对组合导航嵌入式处理流程进行优化。本文的具体研究内容与贡献如下: (1)研究一种复杂环境下嵌入式平台快速对准技术。考虑到嵌入式平台算力有限及传统单一的初始对准方案无法满足实际环境中快速对准的问题,结合静基座粗对准、最优化对准法、辅助使用双天线定向和速度匹配对准方法,设计多级对准方式。首先进行载体运动状态的判断,当载体处于静止状态时,则使用静基座粗对准,否则使用最优化对准法或凝固对准法;然后根据当前的观测条件决定是否利用双天线信息辅助确定航向,提高航向角的精度。基于仿真与实测数据进行验证,结果表明该算法能够在低算力嵌入式平台上实现动态条件下的快速初始对准,在规定40s的对准时间之内,对准误差RMS为0.594°,最大误差为16.21°,满足动态初始对准精度需求。 (2)构建了基于分步抗差估计的RTK/INS组合定位算法。该方法在模糊度固定解回代后的最小二乘模型基础上,利用验后残差进行双因子抗差处理以消除部分异常观测值的影响;将RTK定位结果与INS进行松组合并在卡尔曼滤波更新过程中执行基于Huber等价权函数的抗差处理,从而进一步提高组合导航定位结果的精度和可靠性。实验结果表明,该方法仅需消耗少量嵌入式计算资源,相较于传统组合导航算法能够有效提升定位的精度,东、北、天定位误差RMS分别有0.0248 m、0.0294 m和0.0327 m的提升,证明了算法的有效性。 (3)设计嵌入式RTK/INS高精度动态定位系统。搭建组合导航硬件电路平台,基于嵌入式操作系统,设计组合导航系统架构及数据流管理方法。针对卫星数据接收与计算延迟的缺陷使用一种状态转移算法改进,利用时间分片滤波与序贯滤波对Kal man滤波过程进行优化。利用典型动态环境下的车载数据对所设计系统进行测试。实验表明该嵌入式组合导航系统能够在动态复杂环境下稳定运行,松组合定位东、北、天方向的误差RMS分别为:0.112 m、0.095 m和0.109 m。

关键词： 激光雷达   嵌入式系统   APD   随机森林   偏置电压补偿  

摘要： 激光雷达(Light Detection and Ranging,Li DAR)是一种广泛应用于自动驾驶、智能交通、机器人和无人机等领域的高精度测距技术。焦平面探测器作为面阵激光雷达的核心探测组件之一,具有高灵敏度、低噪声等优点,能够实现对复杂环境下目标物体的高效探测和识别。然而,在焦平面探测器的雪崩光电二极管(Avalanche Photodiode,APD)工作的过程中,偏置电压的高低对其性能具有重要影响,偏置电压过低,探测器的检测能力较弱,当偏置电压过高时,则很容易损坏探测器。因此,研究如何控制APD的偏置电压,以提高激光雷达的测量精度和稳定性,已成为当前的研究热点之一。本文设计并实现了激光雷达系统,并对雪崩焦平面探测器中APD偏置电压的控制进行研究,具体内容如下:(1)激光雷达系统的设计与实现。本文介绍了激光雷达系统的组成及其工作原理,并介绍了激光器、雪崩焦平面相机、主控芯片等核心器件的参数,选型并研制了实验设备,移植操作系统并编写系统控制软件用以对激光雷达系统的控制、数据存储和传输。最后在光学实验室中测试了基本功能,基本满足本文系统设计需求,达到预期水平。(2)基于改进随机森林的APD偏置电压控制方法研究。本文通过对APD输出的距离像数据进行预处理,然后进行特征提取。在算法模型上,对传统随机森林算法进行改进,也就是在决策树投票的时候,将每个训练子集中的袋外数据的分类效果作为该树的权重。为了解决参数选取困难的问题,通过粒子群优化算法迭代优化影响新模型的参数。最后,使用二分补偿法对APD的偏置电压进行调整,直至APD处于最佳工作状态。(3)基于改进随机森林的APD偏置电压控制方法实验。通过采用不同长度的光纤模拟雪崩焦平面探测器探测不同距离的物体,对比了改进随机森林算法、K近邻算法、支持向量机、随机森林等算法在处理距离像数据上的分类效果。结果表明,改进随机森林的分类准确率达到了98%以上,优于其它算法。最后,通过比较基于随机森林和基于改进随机森林的APD偏置电压控制方法,评价指标显示应用本文提出的APD偏置电压控制方法后,距离像的结构相似度的增幅在2%～7%,均方根误差值的降幅在4%～7%,距离像的质量得到了一定的提升。结果表明,采用改进随机森林算法相较于传统机器学习算法能准确判断APD的工作状态,该算法模型可用于对APD偏置电压的控制。实验验证了该种控制方法可根据外界环境因素的改变对雪崩焦平面探测器的APD偏置电压进行自适应控制,能使得雪崩焦平面相机工作在最佳状态,同时也提高了激光雷达系统的稳定性和可靠性。该项研究为机器学习在APD的偏置电压控制提供了新的思路和方法。

关键词： 轻量级   卷积神经网络   特征融合   LTD-Net   嵌入式系统  

摘要： 中国有着世界上最大的盲人群体,但日常生活中除了在盲人学校、盲人按摩店等特殊的地方外,几乎很少看到盲人的身影。因此,盲人的生活、出行等问题备受关注。随着硬件技术的快速发展,嵌入式设备的数据处理能力迅速增强,为可穿戴式智能设备的研究提供了技术基础,研究开发用于帮助视障人士的可穿戴式智能助盲设备具有极大的社会意义。目前主流的目标识别算法,由于网络结构复杂、参数量庞大、模型碎片化程度高,在嵌入式设备上无法实现数据实时处理。进入5G时代后,研究者们通过上传采集数据,在云端设备中处理后再将结果回传到嵌入式设备,以变相的实现算法的移植。此方法虽然能够实现实时高精度的数据处理,但是设备一旦遭受网络冲击、信号丢失等情况,便会给使用者带来不便。尤其是助盲设备出现此类问题,则直接威胁盲人的安全,造成难以挽回的后果。本文针对上述问题,首先设计助盲马甲硬件平台,研究卷积神经网络的基本结构及工作原理,推理卷积神经网络的相关优化公式,分析几种常见的轻量级卷积神经网络模型,然后根据目标识别算法原理以及轻量级卷积神经网络设计原则,设计轻量级卷积模块、轻量级特征提取模块以及特征增强模块。基于特征金字塔网络(FPN),组合采用自顶向下的FPN和自底向上的FPN构建出多尺度特征融合网络模型。之后在PC平台上搭建神经网络并进行训练,将原模型的Head替换为Decoupled Head进行对比实验,发现Decoupled Head结构可以加速模型收敛,提高目标识别精度,并采用Anchor Free减少模型的参数量和计算量,改进出Lightweight target recognition networks based on decoupled(LTD-Net)模型应用于助盲马甲中的目标识别。最后分别在不同的平台上,将本文算法与当前主流目标识别算法进行性能对比实验,通过浮点运算次数(FLOPs)、参数量(Params)、mAP、每秒传输帧数(FPS)以及3种图像尺寸的测试数据曲线图衡量本文算法性能,通过运行时间、吞吐量、功耗以及能效比评估嵌入式设备移植LTD-Net模型的性能效果。

关键词： 目标跟踪   相关滤波器   长时跟踪   时空上下文   嵌入式系统  

摘要： 运动目标跟踪技术是视觉图像处理领域的一个重点研究方向,在智能化时代广泛应用于视频监控、军事制导、人机交互等领域。其中,传统相关滤波类目标跟踪算法凭借其简单、高效的优势,受到研究人员的广泛关注并且取得了显著的研究成果。但由于跟踪场景的复杂多变性,当前的跟踪算法在实际应用场景中存在着不同程度的缺陷。因此,研究在复杂情形下如何实现对目标高效、鲁棒的跟踪具有极大实际应用价值。本文以实现复杂场景下的目标跟踪为研究主线,在相关滤波跟踪算法框架的基础上,针对算法在遮挡、快速运动、复杂背景等跟踪情形下的不足提出相应的改进方法。本文的主要研究工作如下:(1)针对目标跟踪过程中因遮挡、快速运动等干扰导致的位置预测不准确问题,提出一种结合卡尔曼滤波预测的长时目标跟踪算法。在重检测模块前引入卡尔曼滤波器,对由于遮挡等干扰导致的目标丢失情况进行目标位置预测,避免了重检测模块对全帧图像的遍历检测;同时引入PCA降维方法对尺度预测滤波器进行降维,利用QR分解插值的方式在尺度预测精度相当的情况下,降低尺度滤波器的计算成本。在OTB-2015数据集上的实验表明,所提改进方法在遮挡等干扰场景能够有效预测目标位置,提高了算法的跟踪精度和实时性。(2)针对相关滤波器跟踪模型对背景干扰、遮挡等复杂情形下跟踪效果差的问题,本文提出一种时空上下文感知融合重检测机制的目标跟踪算法。首先,在滤波器模型的基础上增加时空上下文感知项,通过对目标时空上下文关联性信息的学习,提高滤波器对目标和背景的分类能力;其次,提出根据平均峰值相关能量评估目标定位的可靠性,进而决定是否对模型更新,防止模型被污染;最后,在算法跟踪框架中加入SVM重检测模块,当目标位置预测响应小于设定阈值时,表明目标跟踪丢失,利用重检测模块对目标进行重定位。在OTB-2015和Temple color 128数据集上的实验结果表明,本文所提CARDCF算法相较与所对比的主流跟踪算法在遮挡等复杂干扰情形下具有更好的跟踪性能和鲁棒性。(3)为了实现改进算法在实际跟踪场景中应用,在基于树莓派的嵌入式系统上实现对改进的长时目标跟踪算法进行移植。通过树莓派硬件平台,搭建Qt、Open CV开发环境,实现对目标图像的采集和目标跟踪任务,实验结果表明,改进算法在嵌入式环境下对目标进行跟踪时具备较强的鲁棒性和实时性。

关键词： 振动   信号分析仪   嵌入式系统   阶次分析   动平衡  

摘要： 在当今社会,机械设备广泛应用于各行各业的工业生产当中。设备在工况下一旦发生故障就会造成非常严重的后果,轻则使企业的生产计划终止,造成大量的经济亏损;重则导致重大的人身安全事故,从而严重威胁人民群众的生命和财产安全。为了及时掌握和监测机械设备的运行状况以避免各种事故的发生,研究与开发针对机械设备的振动监测仪器及系统是十分有必要的。随着嵌入式、人工智能、信号处理等信息技术的不断突破,振动监测仪器和系统也变得越来越便携化、高速化、智能化。因此,研究与开发针对机械设备的振动信号分析仪具有十分重要的现实意义。本文从机械设备振动监测的功能需求出发,开发了一套基于超高性能ARM(Advanced RISC Machines)的振动信号分析仪。主要完成的工作和成果有以下几方面:(1)数字电路方面,主要进行了主控芯片、模数转换器、LCD触摸屏以及数据储存模块等部分的选型工作。(2)模拟电路方面,分别完成了传感器接口电路、转速信号调理电路、振动信号调理电路以及电源管理模块等部分的设计工作。(3)软件方面,首先搭建了 UCOSⅢ、emWIN与FATFS相结合的底层驱动,研究与开发了转速信号的捕获、振动信号的多模式采集、FIR数字滤波器、时域分析、频谱分析、频响测试等基本功能。(4)为了增强分析仪的可用性,研究与开发了红外测温、阶次分析、单面动平衡、双面动平衡以及可视化的系统数据储存与管理等扩展功能。(5)最后在实验室环境下对仪器进行了各项性能测试试验,得到了振动信号采集与分析的各项结果,验证了本分析仪能够实现预期的各项功能并达到了相应的设计要求。