基于加速度传感器的电机振动测量

基于加速度传感器的电机振动测量摘要电机是现代生产中的重要电气设备，从大型的工业电机到小型的家用电器，电机都是随处可见的，电机的故障会对生产造成重大影响，因此需要监测电机的运行状态。为监测电机的运行状态，本文通过加速度传感器来测量电机振动的大小，并通过微控制器对电机加速度信号进行采集，并将它传输给电脑；利用电脑软件对采集的加速度信号进行频域积分得到速度信号，再与电机振动判断标准进行比照分析,从而判断电机运行状态,确定修复时机，为电机提供检修依据。关键词：加速度；振动测量；信号处理；故障分析MeasurethevibrationofmotorbasedontheaccelerationsensorAbstractTheelectricmotorisonesortofthemostimportantelectricequipmentsinmodemmanufacturing．Fromlargeindustrialmotorstosmallappliances,electricmotorsareeverywhere.Itsfailurewouldproduceasignificantimpactonthemotor,therefore,weneedtomonitortheoperatingstatusofthemotor.Inthispaper,inordertomonitorthemotorrunning,sizeofthemotorvibrationismeasuredbytheaccelerationsensor,andusesthemicrocontrollertocollectthemotoraccelerationsignalandtransferittothecomputer.Theaccelerationfrequency-domainsignalisintegratedintothespeedsignalinthecomputer,andthenthespeedsignaliscomparedwiththemotorvibrationcriteria,toprovidethebasisforthemaintenanceofmotor.Wecandeterminethetimingofrepair.Keywords:Accelerationsensor,VibrationMeasurement,SignalProcessing,FailureAnalysis目录第1章绪论11.1引言11.2电机振动特性11.2.1振动参数21.2.2振动标准3第2章电机振动测量装置设计62.1采集模块介绍62.1.1MMA8452加速度传感器72.1.2控制器NXPARMLPC111482.1.3电源模块82.2接口转换模块设计92.2.1TTL信号转485信号92.2.2RS-485信号转RS-232信号10RS-232转USB信号10第3章振动信号采集123.1信号的采集123.1.1读取数据模块133.1.2信号发送18第4章振动信号处理204.1振动加速度信号与速度信号之间的转换204.2信号转换的实现214.3实际测量结果24结论27致谢28参考文献29附录A译文30附录B外文原文38附录C程序代码46第1章绪论1.1引言随着科学技术的开展，电机已经成为我们生活中不可缺少的一局部，从大型的工业电机到小型的家用电器，电机都是随处可见的，因此电机是否正常工作对我们日常生活的好坏有很大影响。电机振动主要由电枢不平衡、电磁力、轴承磨损、转轴弯曲和安装不良使电机与负载机械的轴心线不对中或倾斜等原因引起的。电机振动大小必须要满足国家的电机振动标准,否那么会造成很严重的后果。现在,电机振动标准主要是用振动速度的有效值来衡量。测试和诊断电机振动好坏的根底是采集和处理电机的振动信号，因此我们在测量时必须要有一个电机振动测量、处理和诊断的系统。电机振动测试通常是用加速度传感器记录加速度信号。然后再用傅里叶变换来进行频谱分析。在过去的几十年里，小波分析、时频联合分析、独立分量分析等信号处理的新方法有了很大的开展，为电机振动的深入研究提供了条件。在故障诊断中取得了出色的效果。1.2电机振动特性电机振动是因为电磁，能量转换，机械振动等物理因素引起的。电机产生振动的原因包括[1]：1．电磁力：电磁力作用在定子和转子之间的空隙中，它的力波在气隙中是旋转的或者是脉动的，力的大小和电磁负荷、电机有效局部的结构和计算参数有关。由电磁力产生的振动大小与作为振荡系统的定子特性有很大的关系，大多数电机的电磁振动都在100—4000Hz频率范围内；2．轴承：轴承产生的振动和轴承本身的制造质量、轴承配合面的加工精度、固定轴承位置的轴承盖相对电机机座的锁紧面加工精度等有关：3．转子的机械不平衡：转子的不平衡能产生显著的振动，特别是3000rpm和更高转速的高速电机中非常明显[2]。振动参数振动有三个根本参数，分别是振幅、频率和相位。其中振幅可用位移、速度和加速度来表示。在测量过程中我们一般在振动频率小于10Hz时测量位移，当频率在10Hz到1kHz时测量速度，而当振动频率大于1kHz时测量加速度[3]。电机振动一般是中频振动，所以在测量时要得到振动的速度信号。我们也可以用频率分析仪测量振动频率，用示波器显示振动相位。电机振动是运动的一种，所以它的加速度、速度、位移三者之间的关系和运动一样，三者都是微积分的关系：(1.2-1)(1.2-2)式中：以d(t)为振动位移，v(t)为振动速度，a(t)为振动加速度。在物理意义上，位移表达了振动质点相对参考点的瞬时位置；速度是单位时间内的位移，反映振动质点运动的快慢程度；加速度是速度的变化率，反映速度变化的快慢。但是它们之间是有着很紧密的联系，例我们假设瞬时位移为：那么：(1.2-3)(1.2-4)推导可得：(1.2-5)(1.2-6)式中分别为振动的位移、速度、加速度。从上面的式子我们可以看出：当振动加速度一定时，速度和振动频率成反比，位移和振动频率的平方成反比；当振动的位移一定时，速度和振动的频率成正比，加速度和振动频率的平方成正比。所以位移对低频振动比拟敏感，加速度对高频比拟敏感，而速度参量对频率的敏感度在位移和加速度之间。所以我们在对高频故障〔如滚动轴承、齿轮箱故障等〕或高速设备进行测量时，应选加速度为参考量；在对低频故障〔如不平衡、不对中等〕或低速设备测量时，应选位移为参考量；而在进行振动的总体状态测量时，都是选速度为参考量。正是由于这样，国际ISO-2372振动烈度标准是以振动的速度为参考量的。我们在测量振动是要将我们测得的物理量变为速度参量。振动标准国际上流行的标准很多，但是一般较集中在振幅〔位移〕、速度和加速度上。其建立的理论依据为美国齿轮制造协会〔AGMA〕提出的机械〔滚动轴承〕发生振动时的预防损伤曲线。见图1-1。图1-1由图可见，频域在10Hz以下，位移是恒定的，所以通常把位移作为振动标准进行比拟；当振动的频域在10Hz--1KHz时，速度是恒定不变的，所以把速度作为判断振动好坏的依据；而在1KHz以上高频域时，加速度是一定的，以加速度作为判定标准[4]。前人的研究已经理论证明[4]，电机振动部件的疲劳与振动的速度成正比，振动所产生的能量与振动速度的平方成正比，能量传递的结果造成磨损和其它缺陷，一因此在振动判断标准中，无论从疲劳损伤还是磨损等缺陷来说，以速度标准最为适宜。对于低频振动，主要考虑位移破坏，这种破坏的实质是疲劳强度破坏，而不是能量破坏；对于1KHz以上的高频域，主要考虑冲击和共振破坏。1.振幅〔位移〕标准如图1-2振动位移〔um〕ISO10816140以上DD14011390C71C57B45B3729A22A图1-2振动位移标准有大型旋转机械的振幅标准、电厂用汽轮机振幅标准、化工部颁发的局部设备标准、局部引进日本设备的振幅标准、大型机组相对位移标准和金属切削机床位移标准。在金属切削机床位移标准中，普通车床位移标准为5.00-25.4μm；平面磨床位移标准为1.27-5.0μm；外国磨床位移标准为0.76-5.0μm。2.速度标准[4]此标准是国际化组织在德国标准VDI2056和英国标准BS4675的根底上制定的,见表1-3。表1-3速度标准振动强度ISO2372ISO3945范围速度有效值(MM/s)I级Ⅱ级Ⅲ级Ⅳ级刚性根底柔性根底0.280.28AAAA优优0.450.450.710.711.121.121.81.8B2.82.8CB4.54.5CBB良7.17.1DC可良11.211.2DC1818D不可可2828不可4545D71注：〔1〕I型为小型电机〔小于15KW的电动机〕；II型为中型电机〔15KW-75KW的电动机等〕；III型为大型原动机〔硬根底〕；IV型为大型原动机〔弹性根底〕。〔2〕A、B、C、D为振动级别，A级好，B级满意，C级不满意，D级不允许。测量速度RMS应在轴承壳的三个正交方向上。第2章电机振动测量装置设计本次设计的装置是一个将微控制器与PC机联合在一起的信号处理装置，它从整体上分为三个局部：采集模块、接口电路转换模块和PC机处理模块如图2-1。采集模块采集模块接口转换模块PC机处理模块图2-1装置结构图采集模块负责对信号进行采集；接口转换模块负责将采集的信号传输给PC机，同时负责将PC机的控制指令传递给采集模块；PC机处理模块负责对接收到的信号进行处理。2.1采集模块介绍本模块设计包括：传感器局部，用来采集振动的加速度信号；控制局部，用来初步处理数据并将数据进行接发收；信号传输局部，将传感器采集的信号传输给控制器；电源局部，为整个装置提供电源。当控制器接收到计算机接受信号指令后，通过I2C〔Inter－IntegratedCircuit〕通信向加速度传感器发送一个读取信号命令，加速度传感器接收到命令后将数据传给控制器[5]。如图2-2。加速度传感器加速度传感器微控制器I2C通信电源模块程序烧写模块仿真调试接口模块图2-2采集模块结构图2.1.1MMA8452加速度传感器本装置选用MMA8452Q加速度传感器作为传感器模块的核心。MMA8452Q加速度传感器是一款具有12位分辨率的智能低功耗、三轴、电容式加速度传感器。这款加速度传感器具有丰富嵌入式功能，通过I2C进行数据交换，带有灵活的可编程性，可以配置两个中断引脚。MMA8452Q可以实时输出高通滤波数据和非滤波数据。它的供电电压：1.95V至3.6V接口电压，输出数据速率(ODR)范围：1.56Hz至800Hz噪声：99μg/√Hz，拥有12位和8位数字输出I2C〔Inter－IntegratedCircuit〕数字输出接口〔在上拉电阻为4.7kΩ时，最高频率可达2.25MHz〕适用于6个中断来源的2个可编程中断引脚3个运动检测嵌入式通道-自由落体或运动检测：1通道-脉冲检测：2通道–晃动检测：3通道带有设定滞后补偿的方向〔横向/纵向〕检测。适用于冲击和振动检测[6]。当加速度传感器接收到控制器的读取信号的请求后，如果加速度传感器在工作状态，且I2C信道空，即没有数据传输，那么加速度传感器将X轴，Y轴，Z轴的数据传给控制器。控制器NXPARMLPC1114随着嵌入式系统的开展，ARM〔AcornRISCMachine〕的使用已经变得越来越普遍。ARM处理器本身是32位设计，但也配备16位指令集。一般来讲比等价32位代码节省达35%，却能保存32位系统的所有优势。LPC1100L运行速度高达50MHz，因此LPC1100L系列ARM能够每秒执行4500多万条指令。LPC1100L不仅能执行根本的控制任务，而且能进行复杂运算，其功耗也非常低，仅需不到10mA的电流。LPC1114是一个基于ARMCortex-M0内核的超低功耗三十二位处理器。主频高达50MHz内部集成32Kflash存储器，8K数据RAM。片上外设有I2C，UART,SPI,通用定时器，ADC,以及高达42个通用I/O

。具有可编程看门狗定时器。本装置将LPC1114的15号引脚和16号引脚分别设置为I2C的串行时钟〔SCL〕引脚和串行数据〔SDA〕引脚，用于和MMA8452加速度传感器进行数据交换。将LPC1114的46引脚和47引脚设置为芯片串口通信〔UART〕的RXD和TXD,并将它们分别与SP3485的1号〔RO〕和4号(DI)引脚相连〔SP3485是3.3V供电的RS-485收发器〕。2.1.3电源模块本装置使用的控制器是LPC1114，它需要3.3V供电电源，而在用RS-485传输信号时需要12V的电源，因此本设计需要采用12V电源为主电源，然后将12V电源转换成3.3V电源为LPC1114供电。首先将12V电源通过低电压电压转换器CS51411转换成5V电源。再将5V电源通过电压转换器CAT6219转换成3.3V。在转换过程中，我们没有将12V电源直接转换成3.3V电源，因为如果通过CS51411直接将12V转换成3.3V电源后，它的输出量3.3V会出现很大的波动，最大值超过了芯片的最大承受能力，会损坏芯片，因此本设计采用通过两次转换将12V电源转换成3.3V电源。2.2接口转换模块设计微控制器lpc1114通过UART输出的信号是第二代是晶体管TTL〔TransistorTransistorLogic〕信号，其电压规定输出高电平大于2.4V为逻辑“1〞，输出低电平小于0.4V为逻辑“0〞。计算机无法直接接收TTL信号，所以必须将信号转换成计算机能接收的信号，如图2-3。TTL信号TTL信号485信号232信号USB信号图2-3信号转换过程2.2.1TTL信号转485信号RS485采用差分信号负逻辑，＋2V～＋6V表示“0〞，-6V～-2V表示“1〞。很多情况下，连接RS-485通信链路时只是简单地用一对双绞线将各个接口的“A〞、“B〞端连接起来。RS485电路是一种双向通信电路如图2-4.控制器输出的信号通过RS-485收发器的DI引脚进入，经过转换后变成一组差分信号，分别从RS-485收发器A引脚和B引脚输出。同理，当一组485差分信号通过A、B引脚进入RS-485收发器后，经过转换变为TTL信号再通过RO引脚和RXD引脚进入LPC1114控制器。图2-4485接口电路2.2.2RS-485信号转RS-232信号由于PC机默认的只带有RS232接口，通过RS232/RS485转换电路将PC机串口RS232信号转换成RS485信号，如图2-5。图2-5485转232过程RS-232转USB信号由于电脑技术的开展，许多人开始改用笔记本电脑，而在笔记本电脑上很少会有RS232接口，都是使用USB接口，因此要将RS-232信号通过USB/RS232转换器转换成USB信号。振动信号采集电机的振动信号和电机的电流电压一样是模拟量，由于离散时间信号〔或数字信号〕的处理更方便、灵活、成熟，在实际中，我们首先将连续信号转换成相应离散信号，经过加工处理后再将离散信号复原成连续信号。3.1信号的采集根据本设计的设计要求和设计好的硬件结构，其采集信号的软件的工作步骤如下：1.首先对系统进行初始化；2.判断微控制器器lpc1114是否接收到来自PC机的读取传感器数据的指令；3.如果收到指令，控制器对传感器发出一个读取指令，传感器接收到指令后将X轴、Y轴和Z轴的数据传给控制器；4.如果没有收到指令，控制器继续等待PC机的指令；5.LPC1114通过UART串口通信将数据传出。采集信号软件工作的流程图如下：初始化初始化是否收到PC指令开始读取MMA8452加速度传感器的数据YNUART发送信号图3-1采集信号工作流程图3.1.1读取数据模块MMA8452是一个三轴的加速度传感器，它会将加速度分解到一个它自身空间直角坐标系中〔X轴、Y轴、Z轴〕如图3-2，图3-2MMA8452三轴图传感器测出的数据是一个12位数据，而传感器的存储器单元只能存储8位，所以一轴的加速度要用2个单元来存储。在MMA8452传感器中有6个存储器，分别对应存储X轴的高8位、低8位，Y轴的高8位、低8位和Z轴的高8位、低8位，且每个存储器都有对应的地址，如表3-3。启动后，加速度传感器会将加速度值时时的存储在对应存储器中。图3-3存储器表格当控制器接收到PC机的读取命令后，控制器通过I2C的“I2C_ReadNByte〔〕〞函数〔从有子地址器件的任意地址开始读取N个数据〕利用for循环读取传感器中的6个存储器中的数据，并将数据存储在控制器的RAM中。在读取数据后，将X轴的高8位数据左移8位，再加上X轴的低8位，得到一个16位数，在X轴的第8位中，只有前4位数据有意义，后4位为0，所以再将这个数右移4位，得到一个12位数，这个数据就是X轴的加速度值。同理可以得到Y轴和Z轴的数据。为了尽量确保数据的准确性，采用测量5次求平均的均值滤波法，流程图如下：开始判断是否测量5次开始判断是否测量5次nx=0;ny=0;nz=0;传感器是否工作读取传感器的6个存储器数据nx=(aucReg[1]*0x100+aucReg[2]);ny=(aucReg[3]*0x100+aucReg[4]);nz=(aucReg[5]*0x100+aucReg[6])；右移4位得12位数据nx/=0x10;ny/=0x10;nz/=0x10; YNNY5次求和iX+=nx;iY+=ny;iZ+=nz;求平均nx=(iX/5);ny=(iY/5);nz=(iZ/5);结束图3-4数据采集流程图由于MMA8452加速度传感器可以测出自身加速度，所以当芯片上电时就会立刻测出一个自身的重力加速度G〔g=9.8m/s2〕，这个值对设计要测的振动加速度是不需要的，且在将加速度变为速度时会产生影响，所以要将这个值去除。过程如下：开始开始测出振动开始之前的三轴数据：nX,nY,nZ测出开始振动后的三轴数据：iX,iY,iZsX=iX-nx;sY=iY-ny;sZ=iZ-nz;结束图3-5消除自身重力加速度流程图根据力的合成与分解，任意一个加速度都可以被分解到一个空间直角坐标系的X,Y,Z轴上。在测量时，测出的加速度含有重力加速度，因此要在测量前测出其自身的加速度在X,Y,Z轴上的分量，再将测出的振动加速度减去自身的加速度，就得出要测的振动加速度。程序代码：iX=0; iY=0; iZ=0; ucI=5;//取5组数据 while(ucI) { if((MMA845x_RegRead(STATUS_00_REG)&0x08)) //判断传感器是否工作 { sX=0; sY=0; sZ=0; ucI--; for(ucJ=0;ucJ<7;ucJ++) { aucReg[ucJ]=MMA845x_RegRead(ucJ); 读取X,Y,Z轴数据 } sX=(aucReg[1]*0x100+aucReg[2]); sY=(aucReg[3]*0x100+aucReg[4]); sZ=(aucReg[5]*0x100+aucReg[6]); sX/=0x10; sY/=0x10; sZ/=0x10; iX+=sX; iY+=sY; iZ+=sZ; } }//while(ucI)//做均值滤波 sX=(iX/5)-nx;sY=(iY/5)-ny; sZ=(iZ/5)-nz;3.1.2信号发送发送时，数据被写入发送FIFO。如果UART被使能，那么会按照预先设置好的参数〔波特率、数据位、停止位、校验位等〕开始发送数据，一直到发送FIFO中没有数据。一旦向发送FIFO写数据〔如果FIFO未空〕，UART的忙标志位BUSY就有效，并且在发送数据期间一直保持有效。BUSY位仅在发送FIFO为空，且已从移位存放器发送最后一个字符，包括停止位时才变无效。即UART不再使能，它也可以指示忙状态。开始开始初始化:将1.6和1.7引脚设置为RXD/TXD;设置波特率；清空FIFO;线控制存放器;FIFO是否为空将数据写入FIFOFIFO使能，可以发送发送数据发送数据NY图3-6发送数据流程图第4章振动信号处理将加速度振动信号转换为速度或位移信号是振动测量的重要过程。加速度与速度和位移是积分的关系，所以只要对加速度信号进行积分就能求得振动的位移和速度信号[7]。4.1振动加速度信号与速度信号之间的转换在振动测试中采集到的振动加速度信号，由于外界原因，在测试中得的加速度信号含有直流分量和干扰噪声信号，即当加速度为0时，传感器的输出并不一定为0，而是一个非零的输出，测量值:[8]式中:为加速度传感器的测量值，为实际加速度值，为传感器测量误差，，C为常量。假设速度信号v(t)为0，对其积分，可得:(4.1-1)积分后的速度信号包含干扰噪声信号、零点漂移产生的一次项Ct和常数项D，如果不能去除这些误差，可能使得到的结果完全失真。因此我们需要对干扰噪声信号、零点漂移产生的线性趋势项Ct进行处理，方法是频域滤波后再积分。根据傅里叶变换积分特性，假设那么有，因此频域积分的根本原理就是首先将需要积分的信号进行傅里叶变换，然后将变换后的频域信号乘以[9]。过程如图4-1。开始开始对信号进行FFT变换分别取出变换后的实部与虚部除以对应的角频率将实部与虚部对换后组成新的频域信号对新的频域信号进行滤波对滤波后的信号进行IFFT变换。结束图4-1频域积分流程图4.2信号转换的实现本设计是将加速度信号导入电脑，利用MATLAB工具对信号进行处理。1.将测得的加速度信号保存到电脑中。MATLAB具有强大的数据处理功能，能够读取多种文件格式中的数据，用Excel文件保存信号数据不仅能够对进行信号处理，而且便于对数据进行统计[10]。2.将Excel文件中的数据导入MATLAB中，但是导入后，数据和在Excel中的一样是N*1的一列数据，在对其进行计算时比拟麻烦，因此将列向量转换成行向量。3.在MATLAB中对数据进行快速傅里叶变换。sf=500;%采样频率n=length(Sheet1);%数据长t=0:1/sf:(n-1)/sf;nfft=2^nextpow2(n);x=Sheet1';%变成行向量y=fft(x,nfft);%进行FFT变换Z=abs(y);图4-2加速度信号频域幅度谱4．对加速度的频域信号进行积分得速度频谱，因为加速度频谱与速度的频谱相差，所以它们的实部与虚部是要相互对调的，比不是只是在数值上相差[11]。df=sf/nfft;ni=round(fmin/df+1);na=round(fmax/df+1);dw=2*pi*df;w1=0:dw:2*pi*0.5*sf;w2=-2*pi*(0.5*sf-df):dw:-dw;w=[w1,w2];a=zeros(1,nfft);a(2:nfft-1)=y(2:nfft-1)./w(2:nfft-1);a1=imag(a);a2=real(a);y=a1-a2*i;%将积分后的信号的实部与虚部对换a=zeros(1,nfft);a(ni:na)=y(ni:na);a(nfft-na+1:nfft-ni+1)=y(nfft-na+1:nfft-ni+1);图4-3速度信号频域幅度谱5．将得到的速度频谱进行傅里叶逆变换，得到速度的时域谱。y=ifft(a,nfft);y=real(y(1:n));图4-4速度信号时域幅度谱6.将速度信号以Excel文件格式保存，在Excel中求出速度数据的均方根。并将得出的值与振动的速度标准比照，判断其好坏。4.3实际测量结果由于条件原因，未能找到单独的电机对其进行测量，我们最终决定对洗衣机各个工作模式的电机运转情况进行测量。1.洗衣机在漂洗时的运转状况：图4-5漂洗时的电机加速度信号漂洗时的电机加速度信号图表达了一个电机由启动到正常运转的过程。由图可知，洗衣机的电机的振动加速度从启动到正常运转是逐渐变大，最后在一恒定范围内波动的。信号的平衡值为-10m/s2，说明信号有直流分量，及自身的加速度。图4-6漂洗时的电机速度信号漂洗时的电机速度信号图是对漂洗时的电机加速度信号进行频域积分后得到的。由图可知振动的速度值没有超过0.27mm/s，根据ISO2372振动标准可以知道其电机振动没有故障。2.洗衣机在脱水时的运转状况：图4-7脱水时的电机振动加速度信号图4-7是脱水时的电机振动加速度信号图，该图已将信号的直流分量及自身的加速度值去除。图4-8脱水时的电机振动速度信号图4-8是脱水时的电机振动速度信号图，从图中可以看出它的速度在-0.02——+0.02mm/s之间，小于0.2mm/s，所以在这一阶段电机的振动也没有故障。结论本次设计是利用加速度传感器测量出电机的振动加速度，再将信号传输给计算机，利用MATLAB软件对加速度信号进行处理，得出速度信号，最后将速度值与振动标准进行比照，判断振动是否正常。由于设备原因我们没能到三星等大型厂线去测量振动信号，只是对洗衣机的小电机进行了测量，所以数据有单一性。且由于时间原因没能将信号的处理局部集成到ARM控制器中。在后期的制作中我们会将在计算机中处理的过程参加到微控制器中，使其可以对信号进行时时处理。未来我们会将它制作成产品，并将它连到物联网中，进行数据监控，防止厂线电机的损坏。致谢非常感谢欧扬老师、李锡清工程师在我大学的最后学习阶段——毕业设计阶段给自己的指导，从最初的定题，到资料收集，到写作、修改，到论文定稿，他们倾注了大量的心血，严格把关，循循善诱，给了我耐心的指导和无私的帮助。为了指导我们的毕业论文，他们放弃了自己的休息时间，特别是李锡清工程师，不仅在他工作时抽出时间为我们解答我们的问题，还教给我们很多我们在课堂上没有学到的东西，如：如何焊接贴皮器件，如何购置元器件，如何画PCB板图，如何调试电路板等等。他们的这种无私奉献的精神令我钦佩，在此我向他们表示我诚挚的谢意。同时，感谢所有任课老师和所有同学在这四年来给自己的指导和帮助，是他们教会了我专业知识，教会了我如何学习，教会了我如何做人。正是由于他们，我才能在各方面取得显著的进步，在此向他们表示我由衷的谢意，并祝所有的老师培养出越来越多的优秀人才，桃李满天下！参考文献[1]苏国伟.电动机常见故障分析与维护[J].中国新技术新产品，2023年[2]冯明辰，李同全.电动机的振动类型及特征分析[J].防爆电机，2007(6)[3]车一凡.直流电机振动监测及故障特征分析[J].仪器仪表学报，2023(6)[4]赵华.振动监测方法在工程机械状态监测与故障诊断中的应用[J].工程机械与维修，2002(8)[5]邱扩伟，谢扩军.基于DSP的风力发电机振动检测系统研究[J].仪器仪表用户，2023(1)[6]李翠，李效民，钟美芳.压电式加速度传感器的智能应用[J].实验室研究与探索，2023〔10〕[7]高洪滨，欧阳光耀，朱石坚，赵建华.弹性支撑下柴油机的冲击响应分析[J].内燃机工程,2023〔3〕[8]方新磊，郝伟，陈宏.基于频域滤波的加速度信号处理[J].仪表技术与传感器，2023〔4〕[9]张昊，赵荣祥，杨欢.基于加速度传感器的转子偏心负载实时定位[J].机电工程，2007〔12〕[10]郑慧仙，徐东红.一起离心泵电机轴承故障诊断案例[J].石油和化工设备，2023〔16〕[11]陈培永，王彤.动态加速度信号的时频域积分方法[J].江苏航空，2023增刊[12]苏国伟.电动机常见故障分析与维护[J].中国新技术新产品，2023附录A译文基于振动传感器信号的自定义多小波的行星齿轮箱故障检测摘要行星齿轮箱是复杂的动态响应，因为特殊的齿轮，所以比固定轴齿轮系更难以发觉振动信号。随着多样化的先进方法的开发，这个具有挑战性的任务已经得到解决，可以减少或防止非方案故障和灾难性事故的发生。能否利用多小波去噪使故障特征明显的显示出来，这取决于功能别离，阈值去噪。然而，标准并固定的多小波不适合精确的故障检测，因为它们通常是独立的测量信号。为了克服这个缺点，构建基于冗余对称吊装方案定制多小波的方法，提出了本文。这是一种新的指标，结合峭度和熵，选择最正确的多小波，因为峰度是锋利的冲动和熵敏是有效的，定期的冲动。改良后的相邻系数法引入到多小波消噪。从测量船舶卫星通信天线的行星齿轮箱的振动信号是根据不同的电机转速抓获。实验结果说明，该方法能准确地检测出在行星齿轮箱中两个相邻的牙齿早期点蚀故障。关键词：行星齿轮箱;故障检测;振动传感器的信号;定制多小波;冗余对称吊装方案;改善邻近系数1引言准确的对行星齿轮箱进行故障检测是很重要的，它能减少非方案停机的时间，并防止灾难性事故[1]的发生。作为关键部件，行星齿轮箱已广泛应用于汽车，航空航天，重工业应用，如直升机，风力涡轮机和采矿设备，因为他们有很大的传动比，强劲的承载能力和传动效率高的优点[2]。然而，因为长期的工作行星齿轮箱难免会产生在复杂和苛刻的问题，如沉重的负荷，疲劳，腐蚀和高温下运行的各种故障。如图1所示，初级行星齿轮组[3]由一太阳齿轮，一内部或环形齿轮和位于围绕太阳齿轮几个相同的行星齿轮。行星齿轮由共同的刚性结构，通过行星轴承称为行星齿轮架保持。在图1中，内啮合齿轮被固定时，太阳齿轮绕它自己的中心旋转时，行星齿轮绕着自己的中心和围绕太阳齿轮的中心。图1一个根本的行星齿轮的原理设置有三个行星齿轮。用一个特殊的齿轮传动结构。行星齿轮箱是复杂动态响应，这比固定轴的齿轮系更难以检测[4]。这是因为多个行星齿轮产生类似的振动，这些类似的振动具有不同的网格划分阶段[5,6]。研究人员发现，从齿轮啮合点的复合振动传递路径的加速度传感器可能会通过耗散，干扰和共振效应[7]破坏或削弱齿轮故障的振动响应。此外，大量的工作说明，大局部发生在齿轮啮合频率的各个边带的振动能量及其谐波[8]和所造成的转矩或负载的非线性传输路径的影响将减弱隐藏在振动信号故障[5]。这些复杂的动态响应增加行星齿轮箱故障检测的难度。截至目前，研究人员已经提出了基于检测行星齿轮箱故障先进的信号处理技术的一些有趣的方法。布朗特和Keller[5]开发的行星架的方法和行星别离的方法来检测疲劳裂纹的行星传动的行星架，这是在美国军队的UH-60黑鹰直升机的主传动齿轮的一个组成局部。Barszcz和兰德尔[9]应用频谱的峰度〔SK〕技术来检测一个齿裂缝中的风力涡轮机的行星齿轮。巴特尔穆斯和Zimroz[10,11]引入了负载易感性概念下的时间变工况行星齿轮箱的状态监测。据指出，该加速度信号包络说明在恶劣的条件变速箱比处于良好状态的更深幅度调制。哈米德和香港[12]深刻探讨不同的技术，方法和算法来监测风力涡轮机的性能，让他们远离引起的突发灾难性故障。林雷和香港[4]提出了专门设计的故障检测和行星齿轮箱的诊断两种诊断参数。这两个参数是根均经滤波的信号〔疲劳风险管理系统〕的平方和的未知信号和正常信号〔NSDS〕之间的差异谱的正振幅的归一化总和。林雷和林[13]介绍了一种基于多传感器信息融合的点蚀破坏与行星齿轮箱不同的层次进行分类的方法。综上所述，研究行星齿轮箱故障诊断只集中在状态监测和故障分类。研究早期故障的薄弱功能检测是罕见的，这些弱势特征总是沉浸在由设备和周围环境产生的噪音。这是尽早检测微弱故障显著特点，那就是要求具有高可靠性，高精度，高效率先进的分析方法复杂和具有挑战性的任务。多小波的新兴概念变换〔MWT〕，它采用向量值尺度和小波函数，是小波理论的重要开展。多小波同时具有的正交性，对称性，紧支集优异的性能和高消失矩[14,15]。自1994年以来，Geronimo的哈丁-Massopust〔GHM〕多小波[16,17]，翠连〔CL〕的多小波[18]和埃尔米特多小波[19]已经提出，并先后在理论获得了相当的关注小波的研究团体和在应用程序中。哈德姆和Rezaee[20]采用GHM多小波检测齿轮系统故障。元和他[21]提出了多小波滑动窗口去噪检测热轧带钢精轧机的齿轮箱故障特征。虽然这些方法表现出自己的比标量小波的优势。然而，所选择的标准和固定多小波通常是不适合那些对特定应用[22]。为了克服标准或固定MWTS的局限性，整合多小波与提升方案〔LS〕是一个令人兴奋的动力来构建定制的多小波具有所需性能。LS，由Sweldens[23,24]提出，是一个功能强大的工具来构造双正交小波。它提供了极大的灵活性和自由，预测运营商和运营商更新的设计，构建自适应小波。王字[25]提出了多小波定制通过对称吊装方案源于埃尔米特样条曲线。元和他[26]提出了一种结合自定义的多小波与滑动窗口去噪，这是一种有效的和有希望的工具，用于齿轮故障检测。这是一个具有挑战性的任务，以检测早期故障，它们总是沉浸在受周围环境或设备产生的噪声严重的弱势特征。多小波去噪起着尽可能的消除噪声​​重要作用。其效果主要取决于别离功能通过使用多小波和阈值去噪。冗余多小波具有时间不变性[27]，并提供丰富的信息特征检测周期的脉冲。对称性是其防止在MWT的相位误差的另一重要属性。为了确保时间多小波的不变和对称性，方法整合对称提升方案和冗余多小波，提出构建定制的多小波。然后是一个关键问题是如何评价所得到的多小波，并选择最优的那些具体应用。峭度和熵的商建议选择最优多小波由于峭度是早期故障和熵的锋利敏感的冲动是有效的中度或严重故障的周期性冲击。此外，基于相邻系数的相关性，改良的邻近系数〔INC〕[28]是通过消除从分解的信号的噪声。在本文中，提出了行星齿轮箱的故障检测它集成了定制的多小波和INC的方法。实验结果说明，该方法是有效的和有希望的，以检测这些微弱的脉冲功能。本文的其余局部安排如下：多小波和对称吊装方案的理论第2节简要介绍了第3节中，冗余对称的提升方案，提出构建定制多小波和改良的邻近系数引入到多小波消噪。在第4节的实验结果进行。结论总结在第5节。2冗余对称吊装方案及改良的周边系数2.1改善周边系数去噪蔡和西尔弗曼[33]提出了一种阈值规那么结合邻近系数〔NC〕。陈[34]介绍了这一方法引入多小波消噪，已在图像去噪和机械故障诊断取得了神奇的效果。传统的数控程序选择相邻窗升恒定大小=3在每一级小波分解后。然而，这种方法是不够准确，因为相邻的窗口的大小是不变的，但系数的依赖性是变体在不同的高度。王先生提出的改善邻近系数去噪研究的小波系数的依赖性[28]的规律后，为解决不断邻里的问题。结合邻近系数的计算公式为公式〔18〕：其中，j是小波分解的水平，相邻窗的长度是2N+1，N0是一个常数，但应根据功能的信号的持续时间和小波滤波器的支持选定。该INC算法示于图4，很明显，该方法结合了更多的系数在低的水平，而在较高的水平少的系数。INC的阈值如公式〔19〕：其中的λj=2lognj，α是由邻居的长度来确定该阈值的一个调整系数，n是测量的信号的长度。阈值成为术语逐术语软阈值N=0时，同时它成为常规相邻系数，当N=1。该方法使用自定义多小波和改良的周边系数在本文中，多余的对称吊装方案应用于构建定制的多小波与特定信号的特定属性。然后式〔13〕的提升系数必须欠定的，以确保有在这些方程中的自由参数。一般为固定消失矩p时，更多的功能被用于起重，时间越长支撑所获得的多小波的是。和更多的功能意味着提升一个更大的自由。然而，更长的支持将减少多小波的本地化。因此，权衡具有消失矩和用来做升降功能编号之间进行选择。我们从埃尔米特样条[19]构建新的多小波起点为原始比例功能。在动态信号，脉冲始终缺陷部件的故障征兆及Hermite样条小波是非常相似的脉冲分量。多尺度函数和埃尔米特样条小波小波函数如图5所示。还有更多，因为埃尔米特花键的简单波形的自由和灵活性，构造新的多小波与规定的性能。所提出的方法可以作为一种有效的和有前途的工具行星齿轮故障检测。有NF=〔P'-P〕-等级〔MB〕的自由参数，这些都为对称冗余提升方案至关重要。定制的多小波构造是由自由参数的优化执行。峰度是广泛用于故障检测功能，因为它是锋利的变体的结构，如脉冲敏感。该信号中的冲动较大，较大的峰度[35]。此外，它是一个无量纲参数，它是独立于信号的振幅。峰度的定义如公式〔20〕：其中，xi是信号x的第i个点，x为x的平均值，n是x的信号长度，σ是x的标准偏差。x的来回时刻使之增加的Kp分子迅速而分母增加缓慢，当早期故障的发生。因此，峰度是早期故障少冲动敏感，但下降时的冲动是因为故障加重了。更冲动的意思是明显的周期性。因此，峰度无法准确描绘出的周期性冲击脉冲检测的真实信号的趋势。在动态的响应信号时，机械故障往往表现为可以通过振动信号的包络的频谱​​来检测周期性冲击特性。因此，包络谱熵被选择作为评价指标，以获取自定义的多小波。多小波熵Enmwt的计算方法是：根据信息理论，最不确定的概率分布具有最大熵值，熵值反映了概率分布的均匀性。所以Enmwt提供了有关包络谱的明确程度的信息。络谱熵值越小Enmwt，越鲜明的周期性特征的影响将是。我们的目标是找到的包络谱熵Enmwt的最小值来寻找最优多小波。为了提高峭度的限制，所提出的方法选择柯，峭度和熵的商，作为提升方案的性能测量和优化提升系数与遗传算法来最大化细节系数KE：遗传算法〔GAS〕是基于自然选择的想法。的主要优点是其灵活性和健壮性作为自适应全局搜索方法。气体处理高度非线性问题和非可微函数，以及函数与多个局部最优解。他们在本质上并行实现。因此，它们被用作优化的自由参数的工具。根据我们的实验经验，GA参数设置如下：算术交叉和非均匀变异算通过，该参数的范围选择为[-3,3]，除了0，人口规模设置为50，迭代到30的数，交叉的，以0.6的概率和变异，以0.05的概率。图6显示了使用自定义的多小波所提出的方法的流程图和改善邻近系数〔INC〕。的步骤如下：〔1〕进行预处理的方法的一个流的输入信号转换成多个数据流。〔2〕多个数据流是通过使用定制的多小波分解。〔3〕应用INC收缩小波系数。〔4〕阈值处理小波系数被重建。〔5〕被执行后处理方法，将多个数据流转换为一个数据流。去噪结果，获得检测故障的功能。附录B外文原文CustomizedMultiwaveletsforPlanetaryGearboxFaultDetectionBasedonVibrationSensorSignalsHailiangSun1,YanyangZi1,*,ZhengjiaHe1,JingYuan1,2,XiaodongWang1,3andLueChen4Abstract:Planetarygearboxesexhibitcomplicateddynamicresponseswhicharemoredifficulttodetectinvibrationsignalsthanfixed-axisgeartrainsbecauseofthespecialgeartransmissionstructures.Diverseadvancedmethodshavebeendevelopedforthischallengingtasktoreduceoravoidunscheduledbreakdownandcatastrophicaccidents.Itisfeasibletomakefaultfeaturesdistinctbyusingmultiwaveletdenoisingwhichdependsonthefeatureseparationandthethresholddenoising.However,standardandfixedmultiwaveletsarenotsuitableforaccuratefaultfeaturedetectionsbecausetheyareusuallyindependentofthemeasuredsignals.Toovercomethisdrawback,amethodtoconstructcustomizedmultiwaveletsbasedontheredundantsymmetricliftingschemeisproposedinthispaper.Anovelindicatorwhichcombineskurtosisandentropyisappliedtoselecttheoptimalmultiwavelets,becausekurtosisissensitivetosharpimpulsesandentropyiseffectiveforperiodicimpulses.Theimprovedneighboringcoefficientsmethodisintroducedintomultiwaveletdenoising.Thevibrationsignalsofaplanetarygearboxfromasatellitecommunicationantennaonameasurementshiparecapturedundervariousmotorspeeds.Theresultsshowtheproposedmethodcouldaccuratelydetecttheincipientpittingfaultsontwoneighboringteethintheplanetarygearbox.Keywords:planetarygearbox;faultdetection;vibrationsensorsignals;customizedmultiwavelets;redundantsymmetricliftingschemes;improvedneighboringcoefficients1.IntroductionAccuratefaultdetectionofplanetarygearboxesisimportanttoreduceunscheduledmachinedowntimeandavoidcatastrophicaccidents[1].Askeycomponents,planetarygearboxeshavebeenwidelyusedinautomotive,aerospaceandheavyindustryapplicationssuchashelicopters,windturbinesandminingmachinesbecausetheyhavetheadvantagesoflargetransmissionratios,strongload-bearingcapacityandhightransmissionefficiency[2].However,planetarygearboxesinevitablygeneratevariousfaultsbecauseoflongtermrunningundercomplexandsevereconditionssuchasheavyload,fatigue,corrosionandelevatedtemperature.AsshowninFigure1,anelementaryplanetarygearset[3]iscomposedofasungear,aninternalorringgearandseveralidenticalplanetgearslocatedaroundthesungear.Theplanetgearsareheldbyacommonrigidstructure,calledplanetcarrierthroughplanetbearings.InFigure1,theringgearisfixed,thesungearrotatesarounditsowncenter,theplanetgearsrotatearoundtheirowncentersandrevolvearoundthecenterofthesungear.Schematicofanelementaryplanetarygearsethavingthreeplanetgears.Withaspecialgeartransmissionstructure,planetarygearboxesexhibitcomplicateddynamicresponseswhicharemoredifficulttodetectthanfixed-axisgeartrains[4].Itisbecausemultipleplanetgearsproducesimilarvibrationsandthesesimilarvibrationswithdifferentmeshingphasescouplewitheachother[5,6].Researchershavefoundthatcompoundvibrationtransmissionpathsfromthegearmeshpointstotheaccelerationsensorsmaydeteriorateorattenuatevibrationresponsesofgearfaultsthroughdissipation,interferenceandresonanceeffects[7].Besides,abundantworkindicatesthatmostofthevibrationenergyoccursatvarioussidebandsofthegearmeshingfrequencyanditsharmonics[8]andnonlineartransmissionpatheffectscausedbythetorquesorloadswouldweakenthefaultfeatureshiddeninvibrationsignals[5].Thesecomplicateddynamicresponsesincreasethedifficultyofplanetarygearboxfaultdetectionandreducetheeffectivenessoffaultdiagnosismethodsforfixed-axisgearboxeswhenappliedtoplanetarygearboxes.Uptonow,researchershaveproposedafewinterestingmethodsbasedonadvancedsignalprocessingtechniquesfordetectingplanetarygearboxfaults.BluntandKeller[5]developedtheplanetcarriermethodandplanetseparationmethodtodetectafatiguecrackinaplanetcarrierofanepicyclictransmission,whichwasacomponentofthemaintransmissiongearsintheUSArmy’sUH-60ABlackHawkhelicopters.BarszczandRandall[9]appliedthespectralkurtosis(SK)techniquetodetectatoothcrackintheplanetarygearofawindturbine.BartelmusandZimroz[10,11]introducedtheloadsusceptibilityconceptfortheconditionmonitoringofplanetarygearboxesundertime-variableoperatingconditions.Itwasstatedthattheaccelerationsignalenvelopesshoweddeeperamplitudemodulationforthegearboxinbadconditionthanthatingoodcondition.HameedandHong[12]profoundlyrevieweddifferenttechniques,methodsandalgorithmsdevelopedtomonitortheperformancesofwindturbinestokeepthemawayfromcatastrophicconditionscausedbysuddenbreakdowns.LeiandKong[4]proposedtwodiagnosticparametersspeciallydesignedforfaultdetectionanddiagnosisofplanetarygearboxes.Thetwoparametersaretherootmeansquareofthefilteredsignal(FRMS)andthenormalizedsummationofpositiveamplitudesofthedifferencespectrumbetweentheunknownsignalandthehealthysignal(NSDS).LeiandLin[13]introducedamethodbasedonmultisensorinformationfusiontoclassifythepittingdamageswithdifferentlevelsinaplanetarygearbox.Insummary,researchesonplanetarygearboxfaultdiagnosishaveonlyfocusedontheconditionmonitoringandfaultclassifications.Studiesonweakfeaturedetectionsofincipientfaultsarerareandtheseweakfeaturesarealwaysimmersedinnoisesgeneratedbytheequipmentandthesurroundingenvironment.Itissignificanttodetectweakfaultfeaturesasearlyaspossible,whichisacomplicatedandchallengingtaskthatrequestsadvancedanalyticalmethodswithhighreliability,highaccuracyandhighefficiency.Theemergingnotionofmultiwavelettransform(MWT),whichusesvector-valuedscalingandwaveletfunctions,isanimportantdevelopmentofthewavelettheory.Multiwaveletspossessexcellentpropertiesoforthogonality,symmetry,compactsupportandhighvanishingmomentssimultaneously[14,15].Since1994,Geronimo-Hardin-Massopust(GHM)multiwavelet[16,17],Chui-Lian(CL)multiwavelet[18]andHermitemultiwavelet[19]havebeenproposedsuccessivelyandreceivedconsiderableattentionfromwaveletresearchcommunitiesbothintheoryandinapplications.KhademandRezaee[20]appliedGHMmultiwavelettodetectthegearingsystemfaults.YuanandHe[21]proposedmultiwaveletslidingwindowdenoisingtodetectthegearboxfaultfeaturesofthehotstripfinishingmills.Althoughthesemethodsshowedtheiradvantagesoverscalarwavelets,priorresearchesalwaysselectedmothermultiwaveletsfromalibraryofpreviouslydesignedmultiwavelets.However,thechosenstandardandfixedmultiwaveletswereusuallynotthesuitableonesforspecifiedapplications[22].ToovercomethelimitationsofstandardorfixedMWTs,integratingmultiwaveletswithliftingschemes(LS)isanexcitingmotivationtoconstructcustomizedmultiwaveletswithdesiredproperties.LS,introducedbySweldens[23,24],isapowerfultooltoconstructbiorthogonalwavelets.Itprovidesagreatdealofflexibilityandfreedomtoconstructadaptivewaveletsbythedesignofpredictionoperatorsandupdateoperators.WangandZi[25]proposedthecustomizedmultiwaveletsoriginatedfromHermitesplinesviasymmetricliftingschemes.YuanandHe[26]proposedamethodincorporatingcustomizedmultiwaveletwithslidingwindowdenoising,whichwasaneffectiveandpromisingtoolforgearfaultdetection.Itisachallengingtasktodetectweakfeaturesofincipientfaults,whicharealwaysimmersedinheavynoisesgeneratedbythesurroundingenvironmentortheequipment.Multiwaveletdenoisingplaysanimportantroleineliminatingnoiseasmuchaspossible.Itseffectmainlydependsonthefeatureseparationbyusingmultiwaveletsandthethresholddenoising.Aredundantmultiwaveletpossessesthetimeinvariantproperty[27]andprovidesabundantinformationforfeaturedetectionofperiodicalimpulses.SymmetryisanotherimportantpropertywhichavoidsthephaseerrorinMWT.Toensurethetimeinvariantandsymmetrypropertyofmultiwavelets,amethodintegratingthesymmetricliftingschemeandredundantmultiwaveletisproposedtoconstructcustomizedmultiwavelets.Thenacriticalproblemishowtoevaluatetheobtainedmultiwaveletsandtoselecttheoptimalonesforspecificapplications.Thequotientofkurtosisandentropyisproposedtoselecttheoptimalmultiwaveletsbecausekurtosisissensitivetosharpimpulsesofincipientfaultsandentropyiseffectiveforperiodicimpulsesofmoderateorseverefaults.Furthermore,basedonthecorrelationofneighboringcoefficients,theimprovedneighboringcoefficients(INC)[28]isadoptedtoeliminatenoisesfromthedecomposedsignals.Inthispaper,amethodwhichincorporatesthecustomizedmultiwaveletsandINCisproposedforfaultdetectionsofplanetarygearboxes.Theexperimentalresultsshowthattheproposedmethodiseffectiveandpromisingtodetecttheseweakimpulsefeatures.Therestofthepaperisorganizedasfollows:ThetheoryofmultiwaveletsandthesymmetricliftingschemesarebrieflyintroducedinSection2.InSection3,theredundantsymmetricliftingschemeisproposedtoconstructcustomizedmultiwaveletsandtheimprovedneighboringcoefficientsisintroducedintomultiwaveletsdenoising.InSection4experimentalresultsareperformed.TheconclusionsaresummarizedinSection5.3.RedundantSymmetricLiftingSchemesandtheImprovedNeighboringCoefficients3.1.ImprovedNeighboringCoefficientsDenoisingCaiandSilverman[33]proposedathresholdruleincorporatingneighbouringcoefficients(NC).Chen[34]introducedthismethodintomultiwaveletdenoising,whichhasachievedawonderfuleffectinimagedenoisingandmechanicalfaultdiagnosis.TheconventionalNCprocedurechoseaconstantsizeofneighboringwindowl=3ateachlevelafterwaveletdecomposition.However,thismethodisnotaccurateenoughbecausethesizeofneighboringwindowisinvariantbutthedependencesofcoefficientsarevariantatdifferentlevels.Wangpresentedtheimprovedneighboringcoefficientsdenoisingafterstudyingtheregularityofwaveletcoefficientsdependency[28],toresolvetheproblemofconstantneighborhood.TheformulaofincorporatingneighboringcoefficientsisasEquation(18):wherejisthelevelofm