基于LabVIEW的电机故障声测系统 - 全文

 

　　采用虚拟仪器技术构建了一套电机故障声频检测系统。系统基于LabVIEW虚拟仪器软件平台，实现电机声信号的实时采集、分析和后处理，达到检测故障电机的目的。除了功率谱和1/3倍频程分析，系统在LabVIEW平台下，采用Matlab script节点方法完成小波变换，实现噪声信号的特征向量提取。现场应用表明该系统效果良好。

　　1 虚拟仪器系统的构成

　　虚拟仪器是当今世界流行的一种仪器构成和检测控制方案。虚拟仪器是一种开放式的、将计算机平台与具有标准接口的硬件模块以及开发测试软件相结合的系统，具有通用性好和使用方便等特点。其典型的硬件结构为：传感器一信号调理器一数据采集设备一计算机。电机故障声测系统总体结构如图1所示，由监听头f传声器、放大和保护电路)、音频卡和计算机组成[1]。

　　

 

　　图1电机故障声测系统结构示意图

　　监听头采用多个传声器拾取被测电机多点噪声信号，将空气振动信号转换为电信号;音频卡采用声卡，实现噪声电信号(模拟信号)与数字信号(WAV格式)的相互转换;计算机记录WAV格式数字信号，并对该波形进行处理，判断有无故障发生。

　　2 电机故障声测软件系统

　　LabVIEW是虚拟仪器概念的首创者。该软件平台综合了GPIB、VXL PXIRS-232 RS-485以及数据采集卡等硬件通信的全部功能，提供了大量的信号处理函数和信号分析工具，便于用户高速、快捷地构建虚拟仪器测试系统。因此本系统软件部分采用图形化软件LabVIEW。系统的软件总体结构框图如图2所示。

　　

 

　　图2 电机故障声测系统软件框图

　　系统软件完成的主要任务有：

　　(1)电机噪声信号的显示、记录;

　　(2)信号分析(包括文件分析和实时分析)采用小波分析和频域分析法，对非正常信号进行报警和故障显示：

　　(3)文件的保存和打印;

　　(4)电机与传感器参数设置。

　　2.1信号采集

　　本系统采用声卡作为噪声采集工具。从分辨率看，一般微机多媒体声卡为16位，取样频率为44.1/48kHz。而主流中高档声卡大多具备96kHz/24 bit的取样精度，有的甚至达到了32位，噪声水平和总谐波失真等指标较高，超越了绝大多数模拟设备的指标，并且价格较便宜。因此系统采用声卡是可行的。

　　LabVIEW提供了完备的声卡控制模块。本文选择“Sound Input”模块。该模块含有多个函数，实现对声卡的设置、开始、采集、停止和清内存的操作。图3示出了一个通道的声音采集程序框图。系统中通道参数设置如下：输入为单通道，16位采样位数，44.1kHz采样频率;输出为16位单通道。图4示出了是某电磁故障电机的噪声信号。

　　

 

　　图3声音采集程序框图

　　

 

　　图4某电磁故障电机噪声信号

　　2.2信号分析

　　信号采集完毕后，程序自动进行处理和分析。采用频域分析法得到噪声信号的功率谱和1/3倍频谱。便于测试人员观察。图4是图3电机的功率谱。LabVIEW软件可选购“声音和振动”工具包，可方便地进行各种相关分析。图5示出了某电磁故障电机噪声功率谱。

　　

 

　　图5某电磁故障电机噪声功率谱

　　电机是一个非常复杂的机械系统，其噪声信号中蕴涵着丰富的设备状态信息。由于测得的声音信息包含各种成份和干扰，属于非平稳信号，而传统的建立在傅里叶变换基础上的滤波方法在提高信噪比和空间分辨率两项指标上存在矛盾，因此系统采用小波技术作为特征提取工具。采用的主要方法是：

　　(1)小波变换软阈值消噪方法。在一维信号的消噪算法中，最关键的是阈值的选取和阈值的量化，采用软阈值消噪方法可以更准确地提取信号特征。

　　(2)小波变换的任意尺度重构，可以按照选择的尺度进行连续小波的重构，以提取信号特征。

　　在LabVIEW平台下。可采用外挂的信号处理工具包实现小波变换，也可在LabVIEW中调用Matab即Matlab Script节点方式。Matlab Script节点使用户既可将.m程序导入流程图，又可在流程图中根据Matlab程序的语法编辑M程序。通过这种方式，用户可以在LabVIEW中使用Matlab强大的数值运算功能。

　　使用Matlab脚本节点时必须注意：①Matlab脚本节点只能用于Windows平台;②机器上必须安装Matlab才能使用Matlab脚本节点;③LabVIEW和Matlab结合应用时必须注意Matlab脚本节点内外数据类型的匹配，否则LabVIEW运行时将产生错误或错误的信息。

　　图6示出了采集到的故障为后轴承刮的噪声信号。采用Matlab中的函数，用软阈值滤波算法对信号进行消噪，得到如图7所示的消噪效果。可见，在一些突变或尖峰部分，达到了很好的消噪效果。

　　

 

　　图6某后轴承刮电机噪声信号

　　

 

　　图7某后轴承刮电机小波消噪后信号

　　确定电机故障特征值是故障诊断的关键之一。在各个频段成份信号的能量中，综合包含了丰富的故障信息，某些频段能量蕴涵了某种故障特征。本文采用多分辨率分析法对噪声信号进行小波分解，以各频段的能量特征值为判据，逐步从低频到高频进行故障诊断。图8示出了某轴承故障电机小波分解的第三层高频系数。从图8中可以清楚地观测出发生故障的时刻，也可以清楚地捕捉到噪声信号在不同频段上的故障特征信息，进行特征提取。

　　

 

　　图8某轴承故障电机小波分解系数