劉 明

（鄭州工業(yè)應(yīng)用技術(shù)學(xué)院 信息工程學(xué)院，新鄭 451100）

0 引言

在目前的制造行業(yè)中，旋轉(zhuǎn)機(jī)械的使用越來越多，在電力傳輸、石油化工、航空航天、水利工程等行業(yè)中都有使用[1]。旋轉(zhuǎn)機(jī)械以獲得的驅(qū)動(dòng)力為基礎(chǔ)，通過自身旋轉(zhuǎn)完成工業(yè)生產(chǎn)工作。因此旋轉(zhuǎn)機(jī)械的工作狀態(tài)對(duì)生產(chǎn)質(zhì)量有著決定性的影響，隨著工作時(shí)間的持續(xù)增加，旋轉(zhuǎn)機(jī)械不可避免的會(huì)出現(xiàn)異常狀態(tài)甚至出現(xiàn)故障[2]。其中，最容易被監(jiān)測(cè)到的旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)，通過振動(dòng)信號(hào)即可完成旋轉(zhuǎn)機(jī)械狀態(tài)的監(jiān)測(cè)，從而提高旋轉(zhuǎn)機(jī)械運(yùn)行的穩(wěn)定性。

針對(duì)上述問題，部分學(xué)者提出了解決辦法。文獻(xiàn)[3]根據(jù)BP-LSTM對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的監(jiān)測(cè)進(jìn)行研究，將振動(dòng)信號(hào)數(shù)據(jù)劃分為統(tǒng)一長(zhǎng)度的數(shù)據(jù)，并構(gòu)建BP-LSTM網(wǎng)絡(luò)模型，將振動(dòng)信號(hào)輸入到模型中，模型的輸出結(jié)果即為旋轉(zhuǎn)信號(hào)振動(dòng)信號(hào)監(jiān)測(cè)結(jié)果。文獻(xiàn)[4]采用同步提取變化的方式對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)進(jìn)行監(jiān)測(cè)分析，結(jié)合小波變換、短時(shí)傅里葉變換以及同步擠壓變換和同步提取變換四種方法，提取旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的時(shí)頻分量，根據(jù)時(shí)頻分析結(jié)果完成旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的監(jiān)測(cè)。

由于上述系統(tǒng)在設(shè)計(jì)時(shí)難以對(duì)機(jī)械運(yùn)行產(chǎn)生多種信號(hào)進(jìn)行有效劃分，導(dǎo)致旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的監(jiān)測(cè)精度不足，因此，本文研究基于HOG-SVM算法的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)方法。

1 系統(tǒng)硬件

1.1 整體框架

在設(shè)計(jì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)時(shí)，為了確保監(jiān)測(cè)系統(tǒng)能夠安全正常運(yùn)行，系統(tǒng)的硬件設(shè)計(jì)就尤為重要。旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)的整體框架如圖1所示。

圖1 系統(tǒng)整體框架結(jié)構(gòu)

分析圖1可知，旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)由可視化、信號(hào)預(yù)處理、信號(hào)分析、能量供應(yīng)以及存儲(chǔ)幾大模塊組成。整個(gè)系統(tǒng)將微處理器作為監(jiān)測(cè)核心，旋轉(zhuǎn)機(jī)械運(yùn)行時(shí)，振動(dòng)傳感器收集信號(hào)數(shù)據(jù)，經(jīng)過處理分析完成信號(hào)模式轉(zhuǎn)換，通過微處理器存儲(chǔ)至系統(tǒng)的數(shù)據(jù)庫中。電源模塊負(fù)責(zé)整個(gè)監(jiān)測(cè)系統(tǒng)的動(dòng)力供應(yīng)，儲(chǔ)存模塊負(fù)責(zé)數(shù)據(jù)儲(chǔ)存，通信模塊負(fù)責(zé)上位機(jī)、下位機(jī)與系統(tǒng)主控、旋轉(zhuǎn)設(shè)備之間的通信，可視化模塊主要負(fù)責(zé)系統(tǒng)數(shù)據(jù)的可視化顯示。

1.2 功能模塊

由于旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)各個(gè)模塊之間互相關(guān)聯(lián)，所以在開展系統(tǒng)模塊設(shè)計(jì)前，需要確定旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)中各模塊關(guān)系。系統(tǒng)模塊關(guān)系圖如圖2所示。

圖2 旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)模塊關(guān)系圖

基于圖2所示的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)模塊關(guān)系圖，開展系統(tǒng)功能模塊的設(shè)計(jì)。

1.2.1 電源模塊

監(jiān)測(cè)系統(tǒng)電源模塊采用24V開關(guān)電源，外接電源濾波器以及瞬態(tài)抑制二極管，引入MC33063線性穩(wěn)壓器，從而為整個(gè)監(jiān)測(cè)系統(tǒng)提供動(dòng)力保障。供電過程中，為了規(guī)避電路中各項(xiàng)數(shù)據(jù)的干擾，可采用單獨(dú)供電的方式，保障系統(tǒng)穩(wěn)定運(yùn)行。

1.2.2 存儲(chǔ)模塊

在設(shè)計(jì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)的存儲(chǔ)模塊時(shí)，首先需要確定存儲(chǔ)器的各項(xiàng)參數(shù)，以確定儲(chǔ)存器的儲(chǔ)存性能。存儲(chǔ)模塊選用24C256存儲(chǔ)芯片作為核心，該芯片不僅具備數(shù)據(jù)的雙向傳輸功能，還能夠多次修正并對(duì)數(shù)據(jù)長(zhǎng)期保存。數(shù)據(jù)存儲(chǔ)流程如圖3所示。

圖3 數(shù)據(jù)存儲(chǔ)流程

1.2.3 振動(dòng)信號(hào)處理模塊

振動(dòng)信號(hào)處理模塊主要包括振動(dòng)信號(hào)預(yù)處理以及信號(hào)轉(zhuǎn)換兩個(gè)部分。由于旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)主要就是依據(jù)旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)分析結(jié)果，判定機(jī)械是否出現(xiàn)故障，從而確保旋轉(zhuǎn)機(jī)械正常運(yùn)行，所以該模塊是監(jiān)測(cè)系統(tǒng)設(shè)計(jì)的重要環(huán)節(jié)。

振動(dòng)信號(hào)預(yù)處理模塊主要通過模擬電路多路開關(guān)篩選機(jī)械采集信號(hào)，基于處理結(jié)果完成信號(hào)的增益放大以及去噪處理。振動(dòng)信號(hào)處理流程如圖4所示。

圖4 振動(dòng)信號(hào)處理流程

由于采集的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)中夾雜著大量的噪聲信號(hào)，從而導(dǎo)致真實(shí)振動(dòng)信號(hào)的表現(xiàn)較為微弱，所以需要信號(hào)增益放電器對(duì)采集的有效信號(hào)開展增益處理，并使用低通濾波器對(duì)增益結(jié)果實(shí)施去噪，保證振動(dòng)信號(hào)的提取精度。

信號(hào)轉(zhuǎn)換模塊主要負(fù)責(zé)將現(xiàn)場(chǎng)采集的旋轉(zhuǎn)機(jī)械信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并完成輸出，在選擇A/D轉(zhuǎn)換器時(shí)，需要選取分辨精度高、轉(zhuǎn)換速率大的轉(zhuǎn)換器。

在該模塊中，由于旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)信息較為龐雜，所以需要采用HOG-SVM算法提取振動(dòng)信號(hào)特征，從而輔助該模塊完成振動(dòng)信號(hào)的處理，旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)的效果。

2 系統(tǒng)軟件

在系統(tǒng)軟件部分，聯(lián)合HOG與SVM算法，提取旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)并進(jìn)行分類監(jiān)測(cè)。

2.1 HOG特征提取

方向梯度直方圖（HOG）描述振動(dòng)信號(hào)時(shí)頻譜圖梯度信息，其中時(shí)頻譜圖邊緣的梯度較強(qiáng)，為了提高HOG的提取精度，對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的時(shí)頻譜圖進(jìn)行灰度化以及歸一化處理，計(jì)算公式為：

式(1)中，I(x,y)表示時(shí)頻譜圖的灰度像素，G(·)表示灰度化處理函數(shù)。

為了對(duì)頻譜圖像中的像素梯度與方向，采用一階模板梯度算子進(jìn)行卷積運(yùn)算處理。梯度與方向的計(jì)算公式為：

式中，θ(x,y)、m(x,y)分別表示像素點(diǎn)的梯度方向與幅值。

將旋轉(zhuǎn)機(jī)械振動(dòng)時(shí)頻圖譜劃分為M×N大小的像素塊（block），依據(jù)像素塊block將其劃分為a×a的正方形單元（cell），結(jié)合上述計(jì)算的梯度方向?qū)ell內(nèi)的像素進(jìn)行加權(quán)投影。完成投影處理后，為了減少干擾因素對(duì)HOG特征提取的影響，以像素塊（block）為單位對(duì)時(shí)頻譜圖的梯度進(jìn)行正則化處理：

式(4)中，xn表示block向量，η表示常數(shù)。

完成正則化處理后，聯(lián)結(jié)全部的像素塊（block）則完成旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的HOG特征。

2.2 振動(dòng)信號(hào)分類監(jiān)測(cè)

以上述提取的HOG特征提取結(jié)果為基礎(chǔ)，采用支持向量機(jī)SVM完成旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分類監(jiān)測(cè)。

支持向量機(jī)是以統(tǒng)計(jì)學(xué)理論為基礎(chǔ)的分配方法，以線性分類器為基礎(chǔ)，能夠有效解決復(fù)雜分類模型的分類問題[5]。

提取的HOG特征數(shù)據(jù)中一般會(huì)存在部分噪聲點(diǎn)，容易導(dǎo)致分類監(jiān)測(cè)的精度下降，因此通過SVM構(gòu)建振動(dòng)信號(hào)分類超平面。

首先，構(gòu)建SVM分類的目標(biāo)函數(shù)：

式(5)中，w表示超平面權(quán)重，C表示懲罰參數(shù)，ξi表示松弛變量。

根據(jù)SVM的分類機(jī)制，將式(5)所示的目標(biāo)函數(shù)轉(zhuǎn)化為凸優(yōu)化問題，表達(dá)式為：

式(6)所示的凸優(yōu)化函數(shù)的對(duì)偶表達(dá)式為：

對(duì)式(7)所示的二次優(yōu)化問題進(jìn)行求解，得到最優(yōu)解：

根據(jù)式(8)所示的最優(yōu)解結(jié)果，構(gòu)建分類超平面的權(quán)重w：

當(dāng)最優(yōu)解分量α*j滿足0≤α*j≤C，則可以對(duì)SVM分類超平面的偏置量進(jìn)行計(jì)算：

根據(jù)上述計(jì)算結(jié)果，構(gòu)建SVM分類最優(yōu)超平面：

在最優(yōu)分類超平面的支持下，構(gòu)建旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分類監(jiān)測(cè)的決策函數(shù)：

通過上述運(yùn)算，結(jié)合HOG特征提取與SVM分類，完成旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的有效監(jiān)測(cè)。算法實(shí)現(xiàn)代碼如下：

圖5 算法代碼

3 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證所提出的基于HOG-SVM的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)應(yīng)用效果，進(jìn)行對(duì)比驗(yàn)證實(shí)驗(yàn)。為了提高實(shí)驗(yàn)結(jié)果的可靠性，選擇會(huì)產(chǎn)生明顯振動(dòng)的水輪機(jī)旋轉(zhuǎn)實(shí)驗(yàn)，水輪機(jī)旋轉(zhuǎn)過程中產(chǎn)生的振動(dòng)包括超速振動(dòng)信號(hào)、負(fù)荷振動(dòng)信號(hào)以及額定滿負(fù)荷振動(dòng)信號(hào)，可以滿足此次實(shí)驗(yàn)對(duì)于振動(dòng)信號(hào)監(jiān)測(cè)的要求。本實(shí)驗(yàn)的核心控制板——S3C2430開發(fā)板，PC機(jī)通過TI仿真器XDS510將軟件算法下載到系統(tǒng)的核心芯片。接收裝置如圖6所示。水輪機(jī)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)測(cè)試現(xiàn)場(chǎng)7所示。

圖6 信號(hào)接收裝置

將信號(hào)接收裝置布置在輪轂上能夠有效地避免旋轉(zhuǎn)機(jī)械故障信號(hào)傳遞的問題，由于接收裝置一同下水工作，因此只能采用電池充電的方法使其持續(xù)工作。

圖7 測(cè)試現(xiàn)場(chǎng)

水輪機(jī)旋轉(zhuǎn)機(jī)械的相關(guān)參數(shù)如表1所示。

表1 水輪機(jī)參數(shù)

3.1 振動(dòng)信號(hào)特征提取效果

由于水輪機(jī)旋轉(zhuǎn)機(jī)械在工作過程中容易受到干擾信號(hào)的影響，導(dǎo)致振動(dòng)信號(hào)的精度降低，因此為了提高振動(dòng)信號(hào)的監(jiān)測(cè)效果，此次研究過程中提取了振動(dòng)信號(hào)的HOG特征。為了驗(yàn)證所設(shè)計(jì)系統(tǒng)在振動(dòng)信號(hào)特征提取方面的性能，進(jìn)行三種方法的振動(dòng)信號(hào)特征提取誤差對(duì)比實(shí)驗(yàn)。測(cè)試結(jié)果如圖8所示。

圖8 振動(dòng)信號(hào)特征提取結(jié)果

從圖8所示的特征提取結(jié)果中可以看出，當(dāng)存在多種旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)下，所設(shè)計(jì)系統(tǒng)能夠有效提取振動(dòng)信號(hào)特征，三種對(duì)比系統(tǒng)中，所設(shè)計(jì)系統(tǒng)的振動(dòng)信號(hào)提取誤差最小，最高不超過0.01。反觀兩種對(duì)比系統(tǒng)，二者的特征提取誤差不僅波動(dòng)幅度大，且誤差明顯處于較高水平，最高達(dá)到0.019。因此，說明所設(shè)計(jì)系統(tǒng)能夠有效提取旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)，為實(shí)現(xiàn)高精度的振動(dòng)信號(hào)監(jiān)測(cè)奠定基礎(chǔ)。

3.2 振動(dòng)信號(hào)監(jiān)測(cè)效果

上述實(shí)驗(yàn)驗(yàn)證所設(shè)計(jì)系統(tǒng)具有較低的振動(dòng)信號(hào)特征提取，在此部分中針對(duì)不同系統(tǒng)的振動(dòng)信號(hào)監(jiān)測(cè)效果進(jìn)行分析。旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)結(jié)果如圖9所示。

圖9 振動(dòng)信號(hào)監(jiān)測(cè)結(jié)果

觀察圖9所示旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)結(jié)果可以看出，在相同的實(shí)驗(yàn)環(huán)境與數(shù)據(jù)下，文獻(xiàn)[3]與文獻(xiàn)[4]系統(tǒng)的監(jiān)測(cè)結(jié)果與實(shí)際結(jié)果之間存在明顯的差距，圖9(b)與圖9(c)中，兩條曲線之間存在明顯的不重合問題。而從圖9(a)中可以看出，雖然所設(shè)計(jì)系統(tǒng)的振動(dòng)信號(hào)監(jiān)測(cè)結(jié)果與實(shí)際結(jié)果之間存在些許不重合問題，但整體曲線基本重合。因此說明所設(shè)計(jì)系統(tǒng)的振動(dòng)信號(hào)監(jiān)測(cè)結(jié)果與實(shí)際結(jié)果基本一致。

4 結(jié)語

隨著旋轉(zhuǎn)機(jī)械使用范圍的增加，對(duì)其實(shí)施必要的振動(dòng)信號(hào)監(jiān)測(cè)是尤為重要的。一旦旋轉(zhuǎn)機(jī)械發(fā)生異常振動(dòng)，則需要對(duì)機(jī)械狀態(tài)進(jìn)行分析，避免加重旋轉(zhuǎn)機(jī)械的工作負(fù)擔(dān)，從而影響機(jī)械的工作性能。針對(duì)傳統(tǒng)機(jī)械故障監(jiān)測(cè)系統(tǒng)中存在的問題，提出基于HOG-SVM算法的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)系統(tǒng)，并通過實(shí)驗(yàn)驗(yàn)證了系統(tǒng)的監(jiān)測(cè)性能，相較于現(xiàn)有系統(tǒng)，所設(shè)計(jì)系統(tǒng)的振動(dòng)監(jiān)測(cè)結(jié)果更加貼近實(shí)際結(jié)果。在今后的研究工作中，會(huì)針對(duì)系統(tǒng)的信號(hào)監(jiān)測(cè)硬件進(jìn)行進(jìn)一步的完善。