基于ZigBee的机泵无线监测智能单元研究毕业论文.doc

第一章 绪论1. 第一章 绪论1.1 课题背景及意义随着现代工业和科学技术的发展以及自动化程度的不断提高，机械设备本身技术水平和复杂度也得到大幅提高，生产系统中各设备之间的联系也越来越紧密，导致设备故障对生产的影响显著增加。已有研究成果证实，技术过程与工程系统中很多与过程异常变化或系统故障有关的问题以及可转化成为这类问题的事件，都可以在过程监控理论研究框架下得到解决1。因此，过程故障检测及其相关技术的研究，在现代化生产过程中有着深刻的价值和意义。当前的在线诊断系统多依靠传统的传感器、工业以太网等局域网实现数据的分布式采集和传输，系统的安装实施受现场条件的限制，而且信息检测点不易更改和扩充。人工定时巡检的方式又过多地依靠人的操作准确性，对于恶劣和危险的环境，特别是在危险化学品生产系统中难以推广应用2。而应用无线传输技术可以解决这一难题，实现特殊地区特别是高危险区域的设备在线监测与诊断，减少或避免设备故障和安全事故的发生。将无线传感器网络技术应用于设备状态监测的无线传输过程，可以有效的摆脱工业现场的条件限制和环境威胁，并为状态监测和故障诊断提供准确的诊断数据。1.2 机泵状态监测系统的发展与现状机泵是石油化工生产建设上应用最广泛的机械设备。近些年来，随着机械工业的迅速发展，现代化的机械设备正朝着大型化、重载化、轻型化和高度自动化等方向发展。由于复杂度的提高，使得设备在结构、强度、可靠性，以及材料、工艺等方面出现问题的可能性随之提高，设备损坏事件也时有发生。状态监测技术可以提高大型旋转机械的安全性，减少突发性事故，避免重大经济损失。大型旋转机械的状态监测技术研究已成为国家重点攻关项目。从50年代起，各种类型的传感器和测振仪相继出现，并开始应用于科学研究和实际工程中。之后的几十年，随着数字电路、计算机技术以及数字信号处理技术的发展，进一步推动了振动检测技术在机械设备上的应用。70年代到80年代，许多发达国家渐渐开始对机械设备的状态监测与故障诊断技术进行研究。80年代国内一些高校和科研单位开始进行机械设备状态监测与故障诊断技术的理论研究和小范围工程实际应用研究3。并且在冶金、化工、机械、交通、电力及核工业等部门取得了一批卓有成效的成果，如哈尔滨工业大学研制的微计算机化旋转机械状态监测故障诊断装置“MMMD-III”、哈尔滨电工仪表所等单位联合研制的“200MW汽轮发电机组状态监测/分析及故障诊断系统2HX-10”等，目前全国已有数十个单位开展设备故障诊断技术的研究工作，各行业都很重视在关键设备上装备故障诊断系统，特别是具有智能化功能的故障诊断专家系统，并已经成功开发了20种以上的机组故障诊断系统。目前，国内外比较典型的状态监测方式主要有三种4：离线定期监测：测试人员定期到现场利用传感器对各测点进行测量，并记录信号，在专用的计算机上进行数据处理和分析。在线检测离线分析：在设备上多个测点安装传感器，由现场微处理器进行各测点的数据采集和处理，然后在主机上由专业人员进行分析和判断。自动在线监测：该方式不仅实现了自动在线监测设备工作状态，及时进行故障预警的功能，而且可以在线进行数据处理和分析判断。 以上三种方式，离线定期监测的系统最简单，但是测试流程繁琐，需专人进行测试，且无法及时避免突发性故障。在线检测离线分析方式应用最广，较之前者省去了现场的人力，并能及时报警，但数据的分析和判断仍然需要专业技术人员的参与。自动在线监测是目前最先进的，不需要人为更换测点，不需要专门的测试人员，也不需要专业技术人员参与分析和判断，能够根据专家经验和有关准则进行智能化的分析和判断。但是软硬件的研制工作量大。1.3 论文研究的主要内容本课题研究基于ZigBee的无线传感网络组建和优化技术，研制包括传感器、数据采集、数据处理和特征提取识别以及数据传输多功能集于一体的无线传感网络单元。并将该无线传感器网络应用于机泵状态监测系统，以提供有效的现场数据，保障工业现场的生产活动能够高效、安全的进行。1.4 论文研究的难点与创新点本课题对传统的状态监测系统做了改进与创新，构建振动信号的无线传感网络，实现振动信号的数据采集和无线传输，论文的主要难点及创新点如下：（1）通信方案本课题将基于ZigBee协议的无线传感器网络应用于机泵故障诊断及在线监测的数据采集。同时，采用WiFi技术将ZigBee网络与以太网连接到一起，从而实现现场数据与服务器之间的通信。采用无线传输方式来构建相应的无线传感器环境监测网络，能够较好地解决人工及有线方式的缺点。由于ZigBee网络具有自适应和自组织的能力，可形成相应的无线传输网络。因此，对于大面积数据采集及传输应用的现场监测，它的优势相当明显。（2）传感器设计在石油、化工等过程测量与自动化控制系统中，可能出现潜在的爆炸性环境，因此在本课题的设计中传感器选择本安型，以防止爆炸的发生。振动信号是旋转机械故障诊断中非常重要的参量，可以及时有效的监测机泵的运行状态。因此，本课题对振动传感器采用双传感器的设计，不仅扩大了加速度的测量范围，也保证了加速度范围较低时能有更好的精确度。（3）数据分析处理以往的状态监测系统通常将现场采集的数据全部传输到服务器，进行实时的显示和分析。本系统利用基于ARM和FPGA的现场数据采集处理模块，进行数据分析和处理，提取信号的特征参数，并对设备的状态进行简易识别，然后依据状态采取双工传输方式，设备正常时传输特征参数，设备可能出现异常时才传输波形数据，降低了ZigBee网络的传输负载和能耗，提高了系统的传输效率。1.5 论文的结构安排本文共分5个章节，各章节的内容安排如下：第一章简述本文的研究背景，介绍了机泵状态监测系统的历史、现状和技术发展趋势。并概括了本课题的主要研究内容，相对传统的状态监测系统有哪些改进和创新。第二章构建了基于无线传感器网络的机泵状态监测系统，并阐述了课题研究中采用的关键技术基于ZigBee协议的无线传感器网络，并探讨了ZigBee和WiFi的干扰与共存。第三章详细介绍了无线传感器网络节点的设计，全面而详尽的描述了各个模块的设计理念和实现方式。第四章结合实际应用，分析和验证了基于ZigBee的机泵状态监测系统在实际运行中的效率。第五章对全文进行总结，并对后续应开展的研究工作给出了几点建议。第二章 系统结构及主要技术2. 第二章 系统结构及主要技术2.1 系统结构概述无线监测系统主要由客户端、现场服务器，以及现场的数据采集处理模块和无线通信系统等部分组成。数据采集处理模块负责采集传感器的电压信号，并对其进行分析处理，提取有效的特征值。无线通信系统由ZigBee无线传感器网络和WiFi无线网络共同组成，其中前者用于各节点与协调器之间的数据传输，后者用于协调器与有线网络之间的数据传输。现场服务器负责存储和管理现场数据，响应客户端的请求，完成数据采集和分析处理等工作。无线监测系统结构图如图21 所示。现场服务器客户端3客户端4客户端1客户端2Router内部以太网外部以太网传感器数据采集处理模块传感器数据采集处理模块传感器传感器数据采集处理模块数据采集处理模块WiFiZigBee收发模块ZigBee收发模块ZigBee收发模块ZigBee收发模块ZigBee中心节点无线监测智能单元无线监测智能单元无线监测智能单元无线监测智能单元图21 无线监测系统结构图Fig 21 Structure of wireless monitor system本课题主要研究无线监测智能单元的设计实现，并组建振动信号的无线传感网络。无线传感网络节点由传感器、数据采集处理模块和ZigBee收发模块组成，在ZigBee中心节点（即协调器）的组织下构成无线传感器网络。所有节点的数据最终汇聚到中心节点，通过WiFi网络传递给现场服务器。现场服务器也可以通过中心节点，向各个节点发送指令。多个传感器网络可同时存在，每个ZigBee中心节点负责一个网络，网络间互不干涉5。2.2 无线传感器网络技术2.2.1 无线传感器网络概述第一代传感器网络可以追溯到上世纪70年代，它是由传统传感器采用点对点传输并连接传感控制器而构成。随着相关学科的不断发展和进步，逐渐形成了具备信息综合和处理的能力的第二代传感器网络。而从上世纪末开始，现场总线技术开始应用于智能化传感器网络，大量多功能传感器被运用，并通过无线技术进行连接，无线传感器网络逐渐形成6。无线传感器网络是新一代的传感器网络，具有非常广泛的应用前景，其发展和应用，将会给人类的生活和生产的各个领域带来深远影响7。美国的技术评论杂志在论述未来新兴十大技术时，将无线传感器网络列为第一项未来新兴技术，商业周刊预测的未来四大新技术中，无线传感器网络也被列入其中。可以预计，无线传感器网络的广泛应用是一种必然趋势，它的出现将会给人类社会带来极大的变革。虽然由于技术、成本等方面的制约，导致无线传感器网络还无法大规模商业应用，但是近些年来，随着微处理器体积越来越小，计算成本越来越低，已经有为数不少的无线传感器网络投入使用。目前无线传感器网络的应用主要集中在环境的监测和保护、医疗护理、军事等领域。无线传感器网络还被应用于其他一些领域。比如一些危险的工业环境，如井矿、核电厂等，工作人员可以通过它来实施安全监测8。它可以大幅降低检查设备的成本，并且由于可以提前发现问题，因此能够缩短停机时间，提高效率，并延长设备的使用时间。尽管无线传感器技术目前仍处于初步应用阶段，但已经表现出了巨大的应用价值，相信随着相关技术的发展和推进，必将发挥更大的应用价值。2.2.2 基于ZigBee协议的无线传感器网络ZigBee技术是一种面向自动化和无线控制的低速率、低功耗、低价格的无线网络方案。在ZigBee方案被提出一段时间后，IEEE 802.15.4工作组也开始了一种低速率无线通信标准的制定工作。最终ZigBee联盟和IEEE 802.15.4工作组决定合作共同制定一种通信协议标准，该协议标准被命名为“ZigBee”。ZigBee支持mesh型网络拓扑结构，网络规模可以比蓝牙设备大得多。ZigBee无线设备工作在公共频段上（全球2.4GHz，美国915MHz，欧洲868MHz），传输距离为1075m，具体数值取决于射频环境以及特定应用条件下的输出功耗。ZigBee的通信速率在2.4GHz时为250kbps，在915MHz时为40kbps，在868MHz时为20kbps。IEEE 802.15.4主要制定协议中的物理层和MAC层；ZigBee联盟则制定协议中的网络层和应用层，主要负责实现组网、安全服务等功能以及一系列无线家庭、建筑等解决方案，负责提供兼容性认证，市场运作以及协议的发展延伸。从而保证消费者从不同供应商处买到的ZigBee设备可以一起工作。完整的ZigBee协议栈自上而下由应用层、应用汇聚层、网络层、数据链路层和物理层组成9，如表 21所示：表 21 ZigBee协议栈组成Table 21 Structure of ZigBee protocol应用层应用汇聚层网络层数据链路层LLCMAC物理层应用层定义了各种类型的应用业务，是协议栈的最上层用户。应用汇聚层负责把不同的应用映射到ZigBee网络层上，包括安全与鉴权、多个业务数据流的汇聚、设备发现和业务发现。网络层的功能包括拓扑管理、MAC管理、路由管理和安全管理。数据链路层又可分为逻辑链路控制子层（LLC）和介质访问控制子层（MAC）。IEEE 802.15.4的LLC子层与IEEE 802.2的相同，其功能包括传输可靠性保障、数据包的分段与重组、数据包的顺序传输。IEEE 802.15.4 MAC子层通过SSCS（Service-Specific Convergence Sublayer）协议能支持多种LLC标准，其功能包括设备间无线链路的建立、维护和拆除，确认模式的帧传送与接收，信道接入控制、帧校验、预留时隙管理和广播信息管理。物理层采用DSSS（Direct Sequence Spread Spectrum，直接序列扩频）技术，定义了三种流量等级：当频率采用2.4GHz时，使用16信道，能够提供250kbps的传输速率；采用915MHz时，使用10信道，能够提供40kbps的传输速率；当采用868MHz时，使用单信道，能够提供20kbps的传输速率。ZigBee网络的拓扑主要有星状、网状和混合状，如图 22 所示。全功能器件精简功能器件PAN协调器星型拓扑网状拓扑簇树型拓扑图 22 ZigBee网络拓扑结构Fig 22 ZigBee network topology星型拓扑具有组网简单、成本低和电池使用寿命长的优点；但网络覆盖范围有限，可靠性不及网状拓扑结构，一旦中心节点发生故障，所有与之相连的网络节点的通信将中断。网状拓扑具有可靠性高、覆盖范围大的优点；缺点是电池使用寿命短、管理复杂。混合状拓扑综合了以上两种拓扑的特点，这种组网通常会使ZigBee网络更加灵活、高效、可靠。2.2.3 ZigBee和WiFi的干扰与共存本课题采用了WiFi技术作为多个共存的ZigBee网络与现场服务器之间的接入手段，既免去了繁琐的布线工作，也保证了足够的带宽。但是由于ZigBee和WiFi都主要工作在2.4 GHz的ISM 频段，它们之间势必会产生相互干扰，如何解决这一问题，使得这两种无线技术能够共存，对本课题的研究至关重要。IEEE802.15.4把Zigbee的2.4 GHz ISM频段划分为16个带宽为2 MHz的信道，如图 23所示。图 23 ZigBee信道在2.4GHz频段上的分布Fig 23 ZigBee channel distribution in the 2.4GHz frequency bandIEEE 802.11b/g工作在2.42.4835GHz频段，这些频段被分为11或13个信道，具体情况根据不同国家或地区的法规有所不同。在美国，FCC 法规仅允许信道1到11被使用。在欧洲113被允许用在802.11b操作中（1、5、9和13经常被配置）。在日本，所有的14信道被允许用在802.11b操作中。在表 22 中列出了IEEE 802.11b/g在不同国家或地区的信道ID和中心频率。表 22 WiFi信道分布Table 22 WiFi channel distribution信道标识符频率（单位：MHz）国家或地区美国EMEA日本世界其它地区124122241732422424275243262437724428244792452102457112462122467-132472-142484-无重叠的信道最多只有3 个，如图 24所示。假定WiFi系统工作在任一信道，则Zigbee和其信道频率重叠的概率为1/4。当Zigbee 和WiFi 同时使用相同频段通信时，会产生带内有色噪声干扰，导致传输分组冲突10。图 24 WiFi信道在2.4GHz上的分布（无重叠）Fig 24 WiFi channel distribution in the 2.4GHz frequency band（no overlap）在无线局域网中，选择未被其它设备占用的信道是避免干扰的最佳方法11。在设备工作时，可以对ISM 频段进行扫描，根据具体的判断标准动态选择最佳的传输信道，避免占用同一信道，减小干扰。在信道资源足够的前提下，也可以为ZigBee设备和WiFi设备固定的选择互不重叠的信道。显然，此种方法更加便捷且易于实现。以欧洲的情况为例，若WiFi选择信道13，则ZigBee的16个信道中的前12个都是不与之重叠的。因此，在同一区域内还可以有12个信道互不重合的ZigBee网络同时存在，这对于一般的应用已经足够了。2.3 本章小结本章首先介绍了基于ZigBee技术的机泵状态监测系统的整体结构，然后对该系统开发中涉及到的关键技术无线传感器网络技术进行了概述，并结合本系统的特点和使用需求探讨了ZigBee与WiFi相互间的干扰与共存问题，为第三章中详细论述本系统的设计和实现打下了坚实的基础。第三章 无线监测单元设计3. 第三章 无线监测单元设计无线监测单元在整个无线监测系统中的作用为采集和处理现场数据，提取特征参数，进行故障简易识别，并将波形数据或特征数据通过无线方式传输给现场服务器。无线监测单元的结构如图 31所示，主要由传感器、信号调理电路、A/D转换、FPGA模块（包括数据缓冲FIFO和采样控制模块）、ARM处理器模块（包含信号处理及特征提取等功能）以及ZigBee无线模块等部分组成。其中虚线部分指的是串口转WiFi设备Secure iWiFi，它通过无线AP实现ZigBee协调器与现场服务器的通信。该部分仅存在于作为ZigBee协调器的无线监测单元内。ZigBee协调器不进行数据的采集和处理工作，只负责组织和维护ZigBee网络，向各节点转发服务器的采集指令，并接收各节点的数据转发至服务器。因此作为ZigBee协调器的无线监测单元只需要实线框内的部分即可完成工作。机泵键相信号振动信号A/D预处理信号调理FPGAARMZigBeeWiFiFIFO采样控制信号处理及特征提取图 31 无线监测单元结构图Fig 31 Structure of wireless monitor unit3.1 振动传感器设计在石油、化工等过程测量与自动化控制系统中，可能出现潜在的爆炸性环境，因此在设计中传感器应符合本质安全的标准，并通过电缆连接到防爆箱（靠近机泵），以防止爆炸的发生。此外，振动传感器采用双芯片进行设计，以达到较大的测量范围和较高的测量精度。3.1.1 本安防爆技术在许多涉及易燃材料的工业领域中，任何泄漏或溢出都有可能导致爆炸的发生。为了保护厂房和工作人员的安全，必须采取谨慎的措施来防止气体引爆。这些区域通常被称作“危险区域”。本质安全的原理是有意地限制危险区域电路的电能，使任何可能产生的电路火花或热点都变得极弱小而不至于引爆气体12。它是通过在安全区域和危险区域之间的线路中安插一个能量限制接口来实现的。这个能量限制接口可根据需要向任何一个方向导电，但限制在故障情况下能传到危险区域的电压和电流的强度。它可以集成在安全区域的设备中，也可以根据需要单独使用。如图 32所示，该传感器必须和正确安装的阻挡带一起使用。从传感器到能量限制接口的信号必须使用标准的CB102 或CB103电缆（最长200英尺）来传导13。标准电缆，包括集成电缆和连接双针传感器的电缆，都是带有聚亚安酯外套的双绞屏蔽电缆。信号是通过阻挡带（例如位于非危险的测量设备的数据采集器或接线盒）传输后便于后期处理。传感器必须通过有接地的结构合理接地。通常通过螺钉将传感器安装到设备表面，保证传感器金属面直接接触设备的金属表面，从而正确接地。图 32 本质安全控制图Fig 32 Intrinsic safety control drawing3.1.2 传感器原理对于加速度传感器而言，在输出电压范围固定的情况下（13-25v），加速度测量范围与测量精度是相互制约的，为了保证加速度传感器具有很大测量范围的同时，仍然有很高的测量精度，本文采用双传感器的设计，能够根据被测信号的范围选取相应的传感器信号。加速度传感器选用ADI公司的iMEMS系列产品ADXL105和ADXL78。其中，ADXL105的测量范围是5g，分辨率250mV/g，10KHz带宽14；ADXL78的测量范围有35g、50g和70g，本课题选用35g的型号22279，分辨率55mV/g，400Hz带宽15。在加速度未超出5g时，选用ADXL105进行测量，可以分辨出2mg的加速度；当加速度超出5g时，改用ADXL78进行测量，以达到更大的测量范围。这两款芯片均为电容式力平衡加速度计，应用MEMS（Micro-Electro-Mechanical System）技术在硅片上用特殊的加工方法制造而成。下面对ADXL105的工作原理进行简要介绍，ADXL78与之类似，故不再赘述。如图 33所示，CS1和CS2是两个差动电容，由两个固定的外侧极板和一个可移动的中间极板构成，电容值随中间极板的位置而改变16。当没有加速度作用时，中间极板的位置刚好在差动电容的正中间，两侧电容CS1和CS2相等，在分压器的输出电压为零，表示加速度为0g。当有轴向加速度作用时，中间极板发生位移，如图 34所示。此时电容比率发生改变，在中心梁上产生一个输出信号，该信号随加速度增长而增长。加速度方向利用相位解调技术确定。图 33 ADXL105加速度传感器静止状态简化示意图Fig 33 Simplified diagram of stationary accelerometer ADXL105图 34 ADXL105受到加速度作用的示意图Fig 34 Diagram of accelerometer ADXL105 applied acceleration当加速度计的轴向受到重力加速度作用时，输出电压会随之变化。ADXL105和ADXL78在处于不同方向时的静态输出电压如图 35和图 36所示：图 35 ADXL105对重力的响应Fig 35 ADXL105 response due to Gravity 图 36 ADXL78(22279)对重力的响应Fig 36 ADXL78 (22279) response due to Gravity3.1.3 硬件设计这两款芯片均采用5V电源供电，硬件电路都十分简单，如图 37所示。ADXL105有两个电源引脚，13和14脚。这两个引脚应直接相连，并在Vdd与COM之间连接0.22F的去耦电容以降低电源噪声。COM引脚4和7应直接相连，并由7脚接地。Aout为加速度传感器的电压输出，UCAout为内部运放的输出，配合外部电阻R1和R2可以得到不同的增益。图 37 ADXL105的应用电路Fig 37 Application circuit of ADXL105如图 38所示，较之ADXL105的外部电路，ADXL78显得更为简单，只需在电源和地之间连接0.1F的去耦电容即可从Xout得到加速度计的电压输出。其内部包含了一个400Hz的贝塞尔低通滤波器，从而将信号频率限定在400Hz以内。图 38 ADXL78应用电路Fig 38 Application circuit of ADXL78振动传感器板实物和接口定义分别如图 39和图 310所示：图 39 振动传感器板Fig 39 Vibration sensor board图 310 振动传感器板接口定义Fig 310 Interface definition of vibration sensor boardUCAout为ADXL105的加速度输出信号，测量范围5g，分辨率250mV/g；Xout为ADXL78的加速度输出信号，测量范围是35g，分辨率55mV/g。处理器默认采用UCAout的输出信号，以保证较高的分辨率。若实际测得的交流电压信号范围超出1.25V，即加速度值超出5g时，改用ADXL78的信号输出Xout重新测量，以满足较大的测量范围。振动信号采样的流程图如图 311所示。开始启用UCAout采样采样值 5gNY启用Xout采样关闭UCAout采样采样结束图 311 振动信号采样流程图Fig 311 Flow chart of vibration signal sampling3.1.4 传感器校正在实际使用时，加速度计的0g偏差及灵敏度的初值都需要进行直流校正。加速度较小时，重力加速度的影响较稳定，可以获取准确的参考值。将芯片水平放置在地表面上，此时加速度为0g，读取的输出值即为加速度为0g时的输出电压。将加速度计旋转90，加速度为1g，读取输出值。再旋转180，加速度为-1g，再次读取输出值。则采用式（3-1）便可得到比较准确的灵敏度。灵敏度=（1g读数-（-1g读数）/ 2 V/g式（3-1）这样做的优点在于轴上信号与角度余弦值成正比，因而加速度计未对齐带来的误差不是很大17。例如，当方向偏差为5时，测量结果只会产生0.4%的误差。3.2 键相测量键相测量可以确定出振动信号的相位角和轴承转速，用于轴的动平衡分析以及设备的故障分析与诊断等方面。旋转机械中相位的定义是指基频(以转子转速为频率)信号对于转轴上某一确定相位标志之间的相位差。这里的确定标记在工程上通常是键相槽位置。对于所有旋转机械而言，都需要监测旋转机械轴的转速，转速是衡量机器正常运转的一个重要指标18。同时，为了实现振动信号的整周期采样，转速测量也是不可或缺的。3.2.1 测量原理旋转机械振动测试中，一般是通过在旋转机械的轴上开一凹槽或凸槽，然后装上信号传感器，如图 312所示，便可以测得原始键相信号。键相信号是一个脉冲信号，通过它的测量便可实现对转速的测量。检测键相槽位置所使用的传感器一般是电涡流传感器。图 312 键相测量原理Fig 312 Key phase measurement diagram键相槽可以采用凹槽或者凸槽，当这个键相槽转动到传感器探头安装位置时，由于探头与被测面间距突变，传感器会产生一个脉冲信号，旋转机械的转轴每转一周，就会产生一个脉冲信号，在一定时间内，通过对脉冲信号的计数，可以计算出转轴的转速，也可以通过计算连续两个键相信号之间的时间间隔来计算出转速。通常大型旋转机械转轴的转速范围在30转/分18000转/分之间，即连续两个脉冲信号之间的时间间隔为3.3ms2s之间。键相槽的尺寸要足够大，以使产生的脉冲信号峰值不小于5V（AP1670标准不小于7V）。一般若采用5、8探头，键相槽宽度应大于7.6mm，深度或高度大于1.5mm（推荐采用2.5mm以上），长度应大于10.2mm19。键相槽应平行于轴心线，其长度应尽量长，以保证当转轴发生轴向串动时，探头还能对着凹槽或凸槽。当机组各部分有不同的转速产生时，需要有多套键相传感器对其进行监测，从而为机组的各部分提供有效的键相信号。3.2.2 预处理电路键相传感器产生的信号是不规则的脉冲信号，而且电平高于FPGA或处理器的电平，是无法被正常识别的。因此，需要对脉冲信号进行预处理，使其成为较为规则的方波信号。预处理电路如图 313所示。主要由输入电压调节、光电隔离、信号整形三部分组成。若键相传感器产生的是正向脉冲，则信号端与KEY+相连，GND与KEY-相连；反之，则相反。光耦输入端与输出端信号实现完全隔离20。图 313 键相信号预处理电路Fig 313 Key phase pretreatment circuit电位器、电阻、构成了分压调节电路。二极管对光耦起到反向保护作用。通过调节电位器，可以使光耦在输入电压时截止，在时导通，如图 314所示。经过整形后得到如图 315所示的规则方波信号。图 314 光耦的输出信号Fig 314 Output signal of optocoupler图 315 预处理电路输出信号Fig 315 Output signal of pretreatment circuit经过预处理之后的脉冲信号变成了+3.3V的规则方波信号，与FPGA或处理器相连，便可完成脉冲计数和周期测量，进而实现振动相位检测和轴承转速的测量，以及对设备故障的进一步诊断和分析。3.3 振动信号采样振动传感器产生模拟的电压信号，要成为处理器可识别的数字信号还需要经过信号调理和A/D转换。另外，振动信号的高速采集造成数据量十分庞大，为了缓解处理器的压力，在A/D转换器与处理器之间增加数据缓冲FIFO也是必要的选择。数据缓冲FIFO的实现以及对A/D转换器的控制均可由FPGA来完成，这些部分共同组成了振动信号采样控制模块。3.3.1 信号调理电路由于A/D转换器只能接收一定范围的模拟信号，而传感器把非电物理量变换成电信号后，并不一定在这一范围内。因此，传感器输出的信号有时还必须经放大、滤波、线性化补偿、隔离、保护等措施后，才能送A/D转换器。这一系列的信号操作便称为信号调理，用于对传感器输出的电压信号进行调整，使信号适合作为A/D转换器的输入21。由于本课题选用的振动传感器芯片ADXL105和ADXL78的输出电压范围均在0 5V之间，适合作为A/D转换器的输入信号。因此，该模块中只对原始电压信号进行了滤波处理。滤波电路主要分为两部分，分别为高通滤波电路和低通滤波电路，它们共同组成了带通滤波电路。振动传感器输出的电压信号是叠加在一直流电压上的交流小信号。在经过高通滤波电路之后，直流分量以及截止频率以下的分量便被滤除。如图 316所示，为了便于对不同特点的信号进行滤波，该滤波电路提供了3路不同截止频率的输出。这三路输出信号分别接至逻辑开关的输入端，根据A0A1的值决定哪路信号选通。图 316 高通滤波电路Fig 316 High-pass filter circuit经过逻辑开关的电压信号被再次接入到低通滤波电路，如图 317所示。同样，低通滤波电路也利用逻辑开关提供了多达8种截止频率，以便于根据信号的不同特点进行滤波处理。图 317 低通滤波电路Fig 317 Low-pass fiter circuit在经过以上的滤波电路之后，振动传感器的电压信号已去除直流分量和噪声信号，其电压范围变成-2.5V +2.5V。3.3.2 A/D转换电路本课题利用FPGA控制2个8路模拟开关ADG608选通16路模拟电压信号，作为A/D转换器的输入信号。ADG608的真值表如表 31 所示。表 31 ADG608真值表Table 31 Truth table of ADG608A2A1A0EN选通开关X00001111X00110011X01010101011111111无12345678利用两片ADG608组成的16路模拟开关如图 318所示。图 318 由2片ADG608组成的16路模拟开关Fig 318 16 Analog Switch constructed by 2 chips of ADG608当CS线为低电平时，通过4位地址线便可以选通开关1 16，其真值表如表 32所示。表 32 16路模拟开关的真值表Table 32 Truth table of 16 Analog Switch/CSA3A2A1A0选通000000000000000010000000011111111X0000111100001111X0011001100110011X0101010101010101X12345678910111213141516浮空A/D转换器选用AD9240，其分辨率为14位，采样速率高达10MSPS。片内集成高性能、 低噪声的采样保持放大器（SHA）和输出缓冲器，可选择内部或外部基准电压源。AD9240采用带有数字输出误差校正的多级差动流水线结构，在宽温度环境下工作不会丢码。其工作时序图如图 319所示：图 319 时序图Fig 319 Timing diagramAD9240在每个时钟周期都可以进行采样，但需要3个时钟周期完成整个转换的处理过程，数据输出比采样时刻晚3个时钟周期。高速高分辨率的 A/D对输入采样时钟的质量要求很高。的值不能小于100nS，而和不能小于45nS。在采样频率为10MSPS时，AD9240的输入时钟需满足占空比45%55%的条件。模拟开关的输出接至AD9240，在FPGA的控制下便可以实现多路模拟信号的采集。由于滤波电路已将直流分量滤除，故此处为交流耦合输入，电路如图 320所示：图 320 交流耦合输入Fig 320 AC-Coupled inputAD9240的输入模拟信号幅度由VREF管脚的电压决定，满量程输入幅度为2*VREF。AD9240有一个片内基准源，通过不同的管脚连接可选择基准为1V或2.5V。如果SENCE管脚与REFCOM管脚相连，VREF电压为2.5V。如果SENCE管脚与VREF管脚相连，VREF电压为1V。AD9240也可以采用外部基准源作为参考电平，具体连接不再赘述。AD9240的数字输出在整个输入范围内采用正逻辑的自然二进制编码，标志位OTR表示测量数据是否溢出有效范围。如表 33所示。表 33 输出数据格式Table 33 Output data format输入电压（V）状态（V）数字输出OTRVINA-VINBVINA-VINBVINA-VINBVINA-VINBVINA-VINB -VREF= -VREF= 0= +VREF - 1 LSB +VREF00 0000 0000 000000 0000 0000 000010 0000 0000 000011 1111 1111 111111 1111 1111 1111100013.3.3 数据缓冲FIFO振动信号的高速采集使A/D转换器输出的数据流量十分巨大，为了缓解处理器的压力，需要在A/D转换器与处理器之间增加数据缓冲FIFO22。将AD9240的14位并行输出与FIFO的输入相连，数据从FIFO输出后经过并行和串行的转换再与处理器的SPI串行接口相连。如图 321所示：AD9240FIFOD0D13串行转换D0D13SPIMCU图 321 数据缓冲Fig 321 Data buffer数据缓冲FIFO以及并行到串行的转换都可以由FPGA完成，本课题中选用了Xilinx公司Spartan 3E系列的XC3S100E芯片。XC3S100E是一款高性能低价格的可编程逻辑器件（FPGA），具有丰富的逻辑单元和存储单元，其内部的Block Ram可以配置为大小不同的各种类型存储器，如单口RAM、双口RAM和同步FIFO，其中FIFO更适合作为采样数据高速写入的存储器。FIFO具有两套数据线而无地址线，可在其一端写操作而在另一端进行读操作，数据在其中顺序移动23。外部时钟源直接输入到FPGA，经DCM分频后作为FIFO和ADC的时钟源。采用 FIFO构成高速A/D采样缓存时，由于转换速度比较快，对时序配置要求非常严格，如果两者时序关系配合不当， 就会发生数据存储出错或者掉数。本课题设计的FPGA核心板包括XC3S100E、AD9240等主要器件，以及时钟、电源、调试相关的电路和器件。实物图如图 322所示：图 322 FPGA核心板Fig 322 FPGA core board3.4 信号处理与特征提取识别基于ZigBee协议的无线传感器网络具有低数据速率的特点，因此为了减小网络负担，提高系统效率，应尽量避免较大规模的数据传输。本课题设计的无线监测单元增加了信号处理及特征提取功能，提供特征数据传输和波形数据传输两种传输模式。提取有效的特征数据进行发送，可以使数据量相对原始波形信号大幅减少，降低网络负载和能耗，从而保障系统的高效运行。3.4.1 信号滤波处理在采集原始振动信号的过程中，由于会产生摩擦信号、机械噪声、环境噪声等共同叠加的检测信号，如何从检测到的信号中将真正有用的表征不同类型缺陷的声发射信号提取出来是至关重要的。因此，首先要对信号进行滤波处理，尽量还原最真实的原始信号。数字滤波是通过数学运算从所采集的离散信号中选取人们所感兴趣的部分的处理方法。用软件实现数字滤波的优点是系统函数具有可变化性，仅依赖于算法结构，并易于获得较理想的滤波性能，得到想要的滤波效果。数字滤波的时域方法是对信号离散数据进行差分方程数学运算来达到滤波目的。经典数字滤波器实现方法主要有两种：一种是IIR数字滤波器，称为无限长冲激响应滤波器；另一种是FIR滤波器，称为有现场冲激响应滤波器24。本课题中滤波器的设计主要以IIR数字滤波器为主。IIR数字滤波器的设计通常借助于模拟滤波器的原型，再将滤波器转换成数字滤波器。常用的模拟低通滤波器的原型产生函数有巴特沃斯滤波器原型、切比雪夫滤波器原型、椭圆滤波器原型等。滤波处理往往以滤除噪声为基本应用，而在处理振动信号时，由于故障信号一般属于高频信号，因此，可以采用高通滤波的方式将故障信号提取出来，直接对故障信号进行分析。巴特沃斯滤波器的特点是具有通带内最平坦的幅度特性，而且随着频率升高呈单调递减。因此，利用巴特沃斯滤波器这个特性就能较理想的提取出高频故障信号。巴特沃斯滤波器的特征函数为：式（3-2）式中，N为滤波器的阶数；为通带宽度。图 323为巴特沃斯的幅频响应曲线。图 324为故障信号进过巴特沃斯高通滤波器的前后对比图。图 323 巴特沃斯幅频响应Fig 323 Butterworth frequency response图 324 信号输入输出前后对比Fig 324 Comparation of input and output signals3.4.2 特征参数提取对振动信号直接进行时域分析是状态监测和故障诊断最简单和最直接的方法，特别是当信号中含有简谐信号、周期信号和短脉冲信号时，这种分析方法更加有效。对于一个有损伤的轴承，当滚动体接触点进入缺陷区时，就会发生机械冲击，冲击脉冲幅度与损伤的程度成正比25。由于冲击力的变动幅度很大，并带有很大的随机噪声，因此，对冲击波形的幅度用波形特征参数来表示，能有效地反映轴承的故障状态，这是故障监测中常用的方法。下面给出滚动轴承常用的几种故障波形特征参数的计算公式及相关介绍：1）峰值：式（3-3）2）有效值：式（3-4）3）峰值因数：式（3-5）4）峭度：式（3-6）5）峭度指标：式（3-7）6）峰态因数：，其中为标准偏差式（3-8）7）裕度因数：，其中式（3-9）8）脉冲因数：，其中式（3-10）式中，系统中某个特征点的振动响应信号；采样时间；的概率密度函数。峰值大小可用来反映轴承某一局部故障点的冲击力大小。冲击力越大，峰值越高，因此检测由裂纹、剥落等原因所造成的冲击性振动，峰值可以明显地反映出故障状态。有效值反映信号的能量大小，特别适用于具有随机振动性质的轴承测量。轴承制造精度越低或磨损程度越大，则值越高，但对于表面脱落或局部损伤产生的冲击脉冲振动波形变化并不明显。峰值因数能反映出波形的尖峰度。它是一个相对值，不受振动信号绝对值大小的影响，也不受轴承尺寸和转速的影响。正常轴承振动波形的峰值因数约为4-5，而当存在局部缺陷引起的振动的波形的峰值因数往往超过10。缺陷越大，峰值因数也就越大，因此测量很方便。峭度值对大幅度的信号最敏感，当大幅度的信号出现的概率增加，峭度值将迅速增大，因此，测量峭度值对含有脉冲的故障信号非常有效。轴承正常时的振动信号的峭度值一般在3左右，当峭度值超过4，则说明轴承存在一定程度的损伤。峭度指标是一个无量纲的参数，只能反映进展中的故障。峭度指标对早期的故障有较高的敏感性，当故障达到一定程度后，在整个频带范围内都是同样水平的尖峰值，的平均增长幅度相差不大，因此轴承在良好状态和严重损伤状态下的峭度指标几乎是一样的。建议在故障刚出现时参考。常用的波形特征参数方法在实际应用中都具有一定的诊断能力，但同时也存在一些不足。实际系统中测得的滚动轴承振动信号多为非平稳、非线性的，且当局部故障规模较小时，故障信息易被背景噪声淹没。而基于经验模态分解（empirical mode decomposition, EMD）的波形特征参数分析法经试验证明可有效地分辨和识别滚动轴承的不同工作状态和故障类型26。EMD分析法基于两个假设27：1）任何复杂的数据或信号都是由具有不同特征时间尺度的简单本征模态函数（intrinsic mode function, IMF）组成；2）任何两个本征模态函数之间是相互独立的，一个信号可以包含许多个本征模态函数，如果各模态之间相互重叠，便形成复合信号。其中，本征模态函数是基于信号局部特征自适应得到的，表征数据的内在波动模式，体现信号真实固有