一种旋转机械的振动信号采集及故障实时监测系统及方法

摘要

本发明公开了一种旋转机械的振动信号采集及故障实时监测系统及方法，属于旋转机械故障监测技术领域；监测系统包括加速度传感器和采集器，以及与多个采集器通过基站通讯连接的上位机；加速度传感器采用ICP传感器并与采集器上设置的传感器接口对应连接；采集器内部的信号调理模块和AD转换模块将振动信号进行前期处理，信号实时处理模块对数字信号进行简易诊断并将故障信号传输给微处理器，微处理器将故障信号通过通信模块传输给上位机进行精密诊断。本发明系统通过采集器和上位机的配合实现简易诊断和精密诊断相结合的监测方法，将边缘计算和云计算的优点结合起来，可以在不影响监测效果的情况下大大减少数据上传量，减轻云端服务器数据存储负担。

说明书

技术领域

本发明涉及一种旋转机械的故障监测系统，具体涉及一种旋转机械的振动信号采集及故障实时监测系统及方法，属于旋转机械故障监测技术领域。

背景技术

随着自动化程度的提高，机械设备趋于复杂化，各设备之间的联系也越来越紧密。大型设备由许多的零部件组成，一个零件的失效将可能导致整个设备的故障，甚至导致整个生产线的瘫痪，设备故障导致的停产，会给企业带来巨大的经济损失，严重者还会导致重大安全事故。因此对于设备的故障诊断和状态监测具有重要的工程意义。

旋转机械的故障诊断一般采用设备的振动信号分析故障特征，数据采集常用的设备有数据采集卡和分布式数据采集设备：

1)数据采集卡适用于对单个设备的信号采集，使用时需要配合恒流适配器以及电脑使用，对于采集多个设备需要逐个采集，若被测设备较多，则使用费时费力；并且也不适合用于设备状态的监测。

2)分布式数据采集设备将采集到的数据上传到云端有一定延迟；然而机械设备大部分时间处于正常运转状态，采集到的信号大部分为设备正常状态信号，导致大量的正常状态信号占用了存储资源，增加了上位机的处理负担。

发明内容

本发明的目的是：克服现有技术中存在的数据采集监测多个设备时费时费力、效率低以及上传大量正常数据增加上位机处理负担的问题，提供一种旋转机械的振动信号采集及故障实时监测系统及方法，通过采集器和上位机的配合实现简易诊断和精密诊断相结合的监测方法，将边缘计算和云计算的优点结合起来，可以在不影响监测效果的情况下大大减少数据上传量，减轻云端服务器数据存储负担。

为实现上述目的，本发明采用了以下技术方案：一种旋转机械的振动信号采集及故障实时监测系统，包括布置在多个旋转设备采集节点处的加速度传感器和采集器，以及与多个采集器通过基站通讯连接的上位机；所述加速度传感器采用ICP传感器采集旋转设备上的振动信号，并与采集器上设置的传感器接口对应连接；所述采集器的内部包括电源模块、信号调理模块、AD转换模块、信号实时处理模块、微处理器、通信模块和SD卡；所述电源模块的输入端连接外部输入电源，输出端连接采集器内部的供电模块并连接ICP传感器提供恒流源；所述信号调理模块的输入端连接ICP传感器接收采集的振动信号，振动信号经调压、滤波后传输到AD转换模块；所述AD转换模块将振动信号由模拟信号转换成数字信号传输给信号实时处理模块；所述信号实时处理模块对数字信号进行简易诊断，并将判断出的故障信号传输给微处理器；所述微处理器将故障信号通过通信模块传输给上位机进行精密诊断，以及通过通信模块接收上位机发送的阈值和采集时间间隔的设定参数以及采集数据指令，并在网络通信中断和现场手动采集时将采集数据存储到SD卡。

所述信号实时处理模块的内部设置FIFO存储器和信号时域特征计算子模块；FIFO存储器对接收到的数字信号进行缓存并计算信号的相关时域特征，根据时域特征数值判断出大于设定阈值的故障信号。

所述信号实时处理模块内的阈值通过微处理器设定。

所述信号实时处理模块对数字信号进行的简易诊断过程中设置有定时采集模式，由微处理器控制采集时间间隔；信号实时处理模块通过定时采集模式为AD转换模块提供时钟信号，微处理器通过控制信号实时处理模块的分频信号来调节AD转换模块的采样频率。

所述信号实时处理模块采用FPGA芯片，所述微处理器的型号为STM32F103，所述通信模块的型号为NB-IoT模块。

利用上述监测系统的监测方法，包括以下步骤：

S0、将ICP传感器和采集器对应分布在多个待监测旋转设备的采集节点处，供电电源为24V直流电源，供电方式为电池供电或连接电源适配器；

S1、ICP传感器采集旋转设备的振动信号，并传输给对应连接的采集器；

S2、采集器内的信号调理模块将接收的振动信号通过衰减电路调整电压范围到0-2V，再通过低通滤波电路滤掉大于采样频率的频率成分，滤波后传输给AD转换模块；

S3、AD转换模块将接收的模拟信号转换成位宽为8的数字信号传输给信号实时处理模块进行简易诊断；

S4、信号实时处理模块通过FIFO存储器对接收到的数字信号进行缓存并计算信号的相关时域特征，相关时域特征包括峭度指标、脉冲指标和裕度指标，并将计算数据大于设定阈值的故障信号通过相应管脚输出高电平信号给微处理器；同时信号实时处理模块在定时采集模式时根据设置时间定时选通数据通道；

峭度指标、脉冲指标和裕度指标均为量纲为一的参数指标，计算公式为：

峭度指标：

脉冲指标：

裕度指标：

其中K为峭度指标，I为脉冲指标，L为裕度指标；X

S5、微处理器将接收的故障信号和定时采集的振动信号通过通信模块传输给上位机进行精密诊断；并在网络通信中断和现场手动采集时将采集数据存储到SD卡。

步骤S4中，计算出的峭度指标、脉冲指标和裕度指标中若有一指标大于设定阈值，则将采集信号送至精密诊断环节；若各指标都未超出设定阈值，则中断数据通道。

步骤S4中，阈值大小可根据具体设备及工况设置：安装时根据机械正常运转情况调试阈值，初步设定高于正常信号峰值平均值的1.5倍为故障信号，阈值设定可根据实际运行状况通过上位机远程调节。

本发明的有益效果是：

1)本发明系统的监测方法通过采集器和上位机的配合实现简易诊断和精密诊断的相结合，将边缘计算和云计算的优点结合起来，可以在不影响监测效果的情况下大大减少数据上传量，减轻云端服务器数据存储负担。

2)本发明系统中的采集器可直接安装在机械设备旁边，相比于数据采集卡具有体积小，采集方便的特点；且内部的信号实时处理模块采用FPGA芯片对信号的时域特征进行分析计算，使得采集设备的实时处理具有数据并行处理、低延时的特点，能够及时发现故障，并与云端分析结合实现高精确性，能够准确判断故障类型。

3)本发明系统中的采集器内置有定时采集模式，在需要采集数据时读取SD卡的数据或者通过云端发送采集数据命令；相比于常见的分布式数据采集设备，本设备可以对数据进行实时处理，将设备正常状态信号过滤掉，选择故障信号数据上传。

4)本发明系统中的通信模块采用NB-IoT模块相比于与其他传输方式具有信号强、低功耗、成本低、多连接的优点；与微处理器和上位机协同作业，提高了系统的通讯效率和信号稳定性。

附图说明

图1为本发明的系统整体结构示意图；

图2为图1中采集器的内部结构示意图；

图3为本发明系统方法的诊断流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的解释说明。

实施例：如图1-3所示，本发明所述的一种旋转机械的振动信号采集及故障实时监测系统，包括布置在多个旋转设备采集节点处的加速度传感器和采集器，以及与多个采集器通过基站通讯连接的上位机；加速度传感器采用ICP传感器采集旋转设备上的振动信号，并与采集器上设置的传感器接口对应连接；采集器的内部包括电源模块、信号调理模块、AD转换模块、信号实时处理模块、微处理器、通信模块和SD卡；电源模块的输入端连接外部输入电源，输出端连接采集器内部的供电模块并连接ICP传感器提供恒流源；信号调理模块的输入端连接ICP传感器接收采集的振动信号，振动信号经调压、滤波后传输到AD转换模块；AD转换模块将振动信号由模拟信号转换成数字信号传输给信号实时处理模块；信号实时处理模块对数字信号进行简易诊断，并将判断出的故障信号传输给微处理器；微处理器将故障信号通过通信模块传输给上位机进行精密诊断，以及通过通信模块接收上位机发送的阈值和采集时间间隔的设定参数以及采集数据指令，并在网络通信中断和现场手动采集时将采集数据存储到SD卡。

信号实时处理模块的内部设置FIFO存储器和信号时域特征计算子模块；FIFO存储器对接收到的数字信号进行缓存并计算信号的相关时域特征，根据时域特征数值判断出大于设定阈值的故障信号；信号实时处理模块内的阈值通过微处理器设定。

信号实时处理模块对数字信号进行的简易诊断过程中设置有定时采集模式，由微处理器控制采集时间间隔；信号实时处理模块通过定时采集模式为AD转换模块提供时钟信号，微处理器通过控制信号实时处理模块的分频信号来调节AD转换模块的采样频率。

信号实时处理模块采用FPGA芯片，微处理器的型号为STM32F103，通信模块的型号为NB-IoT模块。

利用一种旋转机械的振动信号采集及故障实时监测系统的监测方法，包括以下步骤：

S0、将ICP传感器和采集器对应分布在多个待监测旋转设备的采集节点处，供电电源为24V直流电源，供电方式为电池供电或连接电源适配器。

S1、ICP传感器采集旋转设备的振动信号，并传输给对应连接的采集器。

S2、采集器内的信号调理模块将接收的振动信号通过衰减电路调整电压范围到0-2V，再通过低通滤波电路滤掉大于采样频率的频率成分，滤波后传输给AD转换模块。

S3、AD转换模块将接收的模拟信号转换成位宽为8的数字信号传输给信号实时处理模块进行简易诊断。

S4、信号实时处理模块通过FIFO存储器对接收到的数字信号进行缓存并计算信号的相关时域特征，相关时域特征包括峭度指标、脉冲指标和裕度指标，并将计算数据大于设定阈值的故障信号通过相应管脚输出高电平信号给微处理器；同时信号实时处理模块在定时采集模式时根据设置时间定时选通数据通道。

峭度指标、脉冲指标和裕度指标均为量纲为一的参数指标，计算公式为：

峭度指标：

脉冲指标：

裕度指标：

其中K为峭度指标，I为脉冲指标，L为裕度指标；X

计算出的峭度指标、脉冲指标和裕度指标中若有一指标大于设定阈值，则将采集信号送至精密诊断环节；若各指标都未超出设定阈值，则中断数据通道。

S5、微处理器将接收的故障信号和定时采集的振动信号通过通信模块传输给上位机进行精密诊断；并在网络通信中断和现场手动采集时将采集数据存储到SD卡。

阈值大小可根据具体设备及工况设置：安装时根据机械正常运转情况调试阈值，初步设定高于正常信号峰值平均值的1.5倍为故障信号，阈值设定可根据实际运行状况通过上位机远程调节。

整个检测系统采用简易诊断和精密诊断相结合的方法，简易诊断判断是否有故障，精密诊断确定具体故障类型。输入采集信号先经过布置在采集节点简易诊断模块进行实时分析，再判断是否需要精密诊断。

采集信号常常伴有噪声干扰，为防止简易诊断的误判，特设置定时采集模式，定时采集模式可根据设置时间定时选通数据通道，时间间隔可设置为一天或者数天；经过简易诊断可有效过滤掉大部分正常工作信号，上传的信号再通过上位机进行精密诊断；精密诊断可对采集信号进行时域分析、频域分析、时频分析等专业分析，也可结合专家诊断经验对异常信号做出诊断。

本发明系统的监测方法通过采集器和上位机的配合实现简易诊断和精密诊断的相结合，将边缘计算和云计算的优点结合起来，可以在不影响监测效果的情况下大大减少数据上传量，减轻云端服务器数据存储负担。

以上仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。