CN103195727B

CN103195727B - 一种风机在线状态监测评估装置

Info

Publication number: CN103195727B
Application number: CN201310069498.2A
Authority: CN
Inventors: 岳有军; 王红君; 贺鹏
Original assignee: Tianjin University of Technology
Current assignee: Tianjin University of Technology
Priority date: 2013-03-05
Filing date: 2013-03-05
Publication date: 2016-01-06
Anticipated expiration: 2033-03-05
Also published as: CN103195727A

Abstract

本发明公开了<b>一种风机在线状态监测评估装置</b>，包括数据采集与运算模块、主控器模块和通讯接口模块。数据采集模块采集风机振动、温度、电压、电流、压力等参数信息，运用多小波方法将风机振动信号的分解，提取早期故障特征信号并采用基于云模型的状态性能评估算法进行性能评估；主控器模块对采集到的温度压力等信号进行判别与显示；装置配置多种通讯接口，可实现信息与工厂控制、生产制造执行***的数据交换。采用本发明，能准确评估风机性能状态，实现风机的合理维护。

Description

一种风机在线状态监测评估装置

技术领域

本发明涉及机电设备维护与故障诊断领域，特别是涉及一种风机在线状态监测评估装置。

背景技术

在冶金、电力等流程工业领域大量使用的风机是大型的回转设备之一，其运行状况直接关系到工厂的安全、经济运行，因此对风机的安全与经济性能的要求越来越严格。因此，实施对风机状态监测和故障诊断，对工厂设备***安全状况的提高都有重大意义。目前国内外学者对于风机故障诊断的方法和技术进行了深入的研究，提出了信号处理的故障诊断、基于数据驱动的故障诊断等方法。但研究早期故障诊断与状态性能评估的很少。

发明内容

本发明的目的是提供一种风机在线状态性能评估方法与装置，可以评估风机性能，有利于发现早期故障，使设备及时合理的得到预测维护。

本发明提供的风机在线状态监测评估装置，包括数据采集与运算模块、主控器模块和通讯接口模块（见附图1）；所述装置采用多CPU结构，其中主控器模块采用嵌入式***结构，具体为ARM芯片,数据采集与运算模块采用DSP芯片，该芯片作为ARM芯片的协处理器；主控器模块通过双端口RAM与数据采集与运算模块连接实现数据交换，主控器模块通过ARM芯片所具有的通讯接口与通讯接口模块连接。

1、主控器模块，采用ARM芯片,用于完成***数据采集通道配置、人机交互,并通过通讯接口模块传输采集数据和评估结果；所述的主控器模块包括一个ARM芯片，该ARM芯片分别连接双端口ARM、Flash存储器、SDRAM存储器、LCD显示器以及键盘。

所述主控器模块是以ARM为核心的嵌入式***（见附图2），***采用两片32MBSDRAM芯片HY57V561620BT-H，提供64MB的内存空间，***采用了NANDFlash芯片K9F1208UOM，***扩展800×600像素LCD显示器。***扩展16K双端口RAMIDT7006与数据采集与运算模块交换数据。

2、数据采集与运算模块，负责采集来自传感器的振动、温度、压力、电压和电流信号，并对上述信号进行预处理（对信号的预处理是指采用高密度离散小波变换算法即HD-DWT算法剔除不符合风机运行所可能产生数据的异常值，由数据采集与运算模块完成预处理）后，进行有效判断，将振动信号传输给基于多小波方法的振动特征信号提取与基于云模型的状态性能评估算法对风机状态进行综合评估，将温度、压力、电压、电流信号传输给主控器模块，进行判别与显示（其结构见附图6）；

所述的数据采集与运算模块包括一组信号采集传感器，分别用于采集振动、温度、压力、电压和电流信号，各传感器分别经过信号调理电路后与模拟多路开关的输入端连接，模拟多路开关的输出端连接DSP芯片。

所述的数据采集与运算模块（见附图3）是以DSP为核心的信号采集与运算处理***，模拟量采集模块根据***参数配置可采样16路模拟量，从现场振动、温度、压力、电压、电流传感器产生的信号，经过调理滤波、多路转换开关CD4053和模数转换器AD7656转换成数字信号采集到DSP，DSP分别外扩了一片256K的RAM和一片256K的铁定存储器FM31256。其中铁定存储器为I2C接口，因其非易失性用来存储参数设定值和评估模块计算结果和故障特征明显的振动信号数据，FM31256内部具有时钟伴侣功能同时为***提供实时时钟。***配置看门狗电路（CAT1161），其同时给ARM提供复位信号。***扩展16K双端口RAMIDT7006与主控模块交换数据。

3、通讯接口模块，用于实现信息与工厂控制层网络、生产制造执行***的数据交换；所述的通讯接口模块包括以太网接口模块和PROFIBUS现场总线通讯接口模块（见附图4），其中PROFIBUS总线通讯控制器采用PROFIBUS从站芯片SPC3，微处理器选用AT89C55单片机（见附图5）。

本发明的优点和积极效果：

可以评估风机性能，有利于发现早期故障，使设备及时合理的得到预测维护，应用前景广阔，并可以推广应用到其它机电设备。

附图说明

图1是本发明提供的一种风机在线状态监测评估装置结构示意图。

图2是本发明提供的一种风机在线状态监测评估装置的主控制器模块硬件结构示意图。

图3是一种风机在线状态监测评估装置的数据采集与运算模块硬件结构示意图。

图4为一种风机在线状态监测评估装置的以太网接口模块硬件结构示意图。

图5为一种风机在线状态监测评估装置的PROFIBUS总线接口模块硬件结构示意图。

图6是本发明提供的一种风机状态性能评估方法流程图。

图7是本发明提供的基于模糊专家规则的多参数状态性能评估算法模糊***网络模型。

具体实施方式

实施例1

一种风机在线状态监测评估装置，包括数据采集与运算模块、主控器模块、总线通讯接口模块。该装置采用多CPU结构（见附图1），ARM作为主控制器,完成***数据采集通道配置、人机交互,并通过以太网或现场总线传输采集数据和评估结果，DSP芯片作为ARM芯片的协处理器,负责采集自传感器的振动、温度、压力、电压、电流信号等多路信号及算法运算。

1、数据采集与运算模块（见附图3），是以TMS320F2812DSP为核心的信号采集与运算处理***，模拟量采集模块根据***参数配置可采样16路模拟量，从现场振动、温度、压力、电压、电流传感器产生的信号，经过调理滤波、多路转换开关CD4053和模数转换器AD7656转换成数字信号采集到DSP，DSP分别外扩了一片256K的RAM和一片256K的铁定存储器FM31256。其中铁定存储器为I2C接口，因其非易失性用来存储参数设定值和评估模块计算结果和故障特征明显的振动信号数据，FM31256内部具有时钟伴侣功能同时为***提供实时时钟。***配置看门狗电路（CAT1161），其同时给ARM提供复位信号。***扩展16K双端口RAMIDT7006与主控模块交换数据。

数据采集与运算模块软件采用C++语言开发，其软件实现以下功能：

1）定时数据采集与传输。

实现根据采集通道的控制参数配置定时数据采集，采集速度可选，采集到的振动信号传输给基于小波方法的振动特征信号提取算法程序，其他温度、压力、电压、电流数据通过双端口RAM传输给主控模块。

2）基于多小波方法的振动特征信号提取算法，首先采用多小波包对振动信号进行分解、降噪处理，多小波包采用GHM多小波，然后对处理后的信号进一步提取各频段的能量作为特征参数，将特征参数作为基于云模型的状态性能评估算法的输入计算评估结果。

考虑到噪声能量却分布于整个小波域内，本发明采用改进的阈值降噪方法，首先在设备投入使用的正常运行状态下进行信号采集并进行多行小波分解，测算各频段噪声强度，在此基础上进行软阈值降噪。

将降噪处理后的信号按照用户设定的频段，以各频段多小波包重构序列的各分量的平方和为能量，作为特征参数。

2、主控器模块(见附图2)，是以S3C2440AARM为核心的嵌入式***，***采用两片32MBSDRAM芯片HY57V561620BT-H，提供64MB的内存空间，***采用了NANDFlash芯片K9F1208UOM，***扩展800×600像素LCD显示器。***扩展16K双端口RAMIDT7006与数据采集与运算模块交换数据。

数据采集与运算模块采集来自传感器的振动、温度、压力、电压、电流信号，对上述信号进行预处理后，并进行有效判断，将信号传输给基于小波方法的振动特征信号提取程序处理后得到信号特征参数，将其通过双端口RAM传输给主控器模块，主控器模块软件选用WindowsCE操作***为开发环境，eVC编写应用程序，其软件实现以下功能：

1）基于云模型的状态性能评估

基于多小波方法的振动特征信号提取程序处理后得到信号特征参数作为基于云模型的状态性能评估算法是针对风机不平衡、不对中、转轴横向裂纹、支座松动、动静碰摩、间隙振动、气压脉动等故障分别采用综合云的算法建立评估模型，综合云算法如下：

\{\begin{matrix} E_{X} = \frac{E_{X 1} E_{n 1} A_{1} + E_{X 2} E_{n 2} A_{2} + \cdot \cdot \cdot + E_{Xn} E_{nn} A_{n}}{E_{n 1} A_{1} + E_{n 2} A_{2} + \cdot \cdot \cdot + E_{nn} A_{n}} \\ E_{n} = E_{n 1} A_{1} + E_{n 2} A_{2} + \cdot \cdot \cdot + E_{nn} A_{n} \\ H_{e} = \frac{H_{e 1} E_{n 1} A_{1} + H_{e 2} E_{n 2} A_{2} + \cdot \cdot \cdot + H_{2} n E_{nn} A_{n}}{E_{n 1} A_{1} + E_{n 2} A_{2} + \cdot \cdot \cdot + E_{nn} A_{n}} \end{matrix}

式中，A_i为单项因素的权重；(E_xi,E_ni,H_ei)为各特征参数的云模型数字特征值，本发明采用正态云模型；n为特征参数的个数，由用户设定。其中云模型是用语言值描述的某个定性概念与其数值表示之间的不确定性转换模型。以云模型表示自然语言中的基元--语言值，用云的数字特征——期望E_x，熵E_n和超熵H_e表示语言值的数学性质。因此，云模型通常用SC(E_x,E_n,H_e)表示。期望值E_x是云的重心位置，因而代表了模糊概念的信息中心值，是最能代表这个定性概念的值；熵E_n反映定性概念的不确定性，是定性概念模糊度的度量，熵越大，概念所接受的数值范围(E_x-3E_n，E_x+3E_n)也越大，则概念越模糊，随机性也越大；超熵H_e是熵的熵，即熵的不确定性度量，由熵的随机性和模糊性共同决定，它反映了云滴的离散程度，超熵的大小间接地反映了云滴厚度，超熵越大，云滴离散度越大，隶属度的随机性也越大。

将从振动信号提取的特征参数等效为语言变量T，即可以通过基云定义为T{T1(E_x1,E_n1,H_e1)),T2(E_x2,E_n2,H_e2)),…,Tn(E_xn,E_nn,H_en))}。各基云期望值、熵和超熵由专家根据具体设备给出。

最后由根据综合云(E_x,E_n,H_e)评判规则给出设备运行状态属于评价集V=(严重,异常,关注,较好,好)中的类型。评判规则由专家给出。

2）基于模糊专家规则的多参数状态性能评估。

是以风机电机温度、供电电压、电流、风压等参数作为基于模糊专家规则的状态性能评估算法的输入，判断风机性能，模糊规则可根据专家经验通过反向传播学习算法得到；

建立基于模糊专家规则的多参数状态性能评估算法，以温度、供电电压、电流、风压作为输入，这些参数模糊化后作为模糊变量的语气值为{高，中(正常)，低}={F₁，F₂，F₃}，输出为专家设定的风机性能评价值，其模糊化后的基本语气值为{严重,异常,关注,较好,好}={G₁，G₂，G₃，G₄，G₅}，模糊专家规则如下：

ifx₁isF₁andx₂isF₁andx₃isF₁andx₄isF₁thenyisG₂

ifx₁isF₂andx₂isF₁andx₃isF₁andx₄isF₁thenyisG₃

……

其中，x₁：电机温度，x₂：供电电压，x₃：电流，x₄：风压，y：风机性能。

模糊专家规则的输入、输出隶属度函数采用高斯型，模糊推理采用Sup-*合成运算，反模糊化采用重心反模糊化算法。

此时模糊***如附图7所示的前向网络模型表示。由专家确定一组典型风机性能数据样本，采用反向传播学习算法对网络进行训练，得到模糊规则。

3）综合比较算法，是将上述2个评估算法的计算结果进行综合比较，选择严重评价作为风机性能总体评价结果。综合比较算法是将上述2个评估算法的计算结果进行综合比较，选择严重评价作为风机性能总体评价结果。

4）人机交互功能程序

包括硬件数据采集通道配置参数设定、风机参数设定、通讯参数设定、用于根据采集的温度、压力、电压、电流评判是否超出阈值的专家规则设定、评估结果显示与报警提示等子程序。

5）评估结果及参数传输程序

装置在底层通讯协议上通过总线接口模块上传评估结果，其中用户可以选择通过以太网或PROFIBUS总线传输数据，在应用层上可以选择以用户设定协议或OPC接口实现数据传输。

3、通讯接口模块，包括以太网接口（见图4）和PROFIBUS总线接口（见图5），其中以太网接口电路主要由AX88180和88E1111芯片构成，AX88180与88E1111之间采用RGMII接口方式互连，负责数据传送底层协议的实现，其驱动程序为在WindowsCE操作***环境下集成的TCP/IP协议驱动程序。PROFIBUS总线通讯控制器采用PROFIBUS从站芯片SPC3，微处理器选用AT89C55单片机。其软件采用C51语言设计，实现PROFIBUS-DP协议规范所规定的从站功能，主要包括PROFIBUS-DP从站主程序、SPC3中断程序和串行通讯程序等部分。

Claims

1.一种风机在线状态监测评估装置，其特征在于该装置包括数据采集与运算模块、主控器模块和通讯接口模块；所述装置采用多CPU结构，其中主控器模块采用嵌入式***结构，具体为ARM芯片,数据采集与运算模块采用DSP芯片，该芯片作为ARM芯片的协处理器；主控器模块通过双端口RAM与数据采集与运算模块连接实现数据交换，主控器模块通过ARM芯片所具有的通讯接口与通讯接口模块连接；

主控器模块,用于完成***数据采集通道配置、人机交互,并通过通讯接口模块传输采集数据和评估结果；

数据采集与运算模块，负责采集来自传感器的振动、温度、压力、电压和电流信号，并对上述信号进行预处理后，进行有效判断，将振动信号传输给基于多小波方法的振动特征信号提取与基于云模型的状态性能评估算法对风机状态进行综合评估，将温度、压力、电压、电流信号传输给主控器模块，进行判别与显示；

通讯接口模块，用于实现信息与工厂控制层网络、生产制造执行***的数据交换。

2.根据权利要求1所述的装置，其特征在于所述的主控器模块包括一个ARM芯片，该ARM芯片分别连接双端口ARM、Flash存储器、SDRAM存储器、LCD显示器以及键盘。

3.根据权利要求1所述的装置，其特征在于所述的数据采集与运算模块包括一组信号采集传感器，分别用于采集振动、温度、压力、电压和电流信号，各传感器分别经过信号调理电路后与模拟多路开关的输入端连接，模拟多路开关的输出端连接DSP芯片。

4.根据权利要求1所述的装置，其特征在于所述的通讯接口模块包括以太网接口模块和PROFIBUS现场总线通讯接口模块。

5.根据权利要求1至4中任一项所述的装置，其特征在于所述的数据采集与运算模块对信号的预处理是指采用高密度离散小波变换算法即HD-DWT算法剔除不符合风机运行所可能产生数据的异常值，由数据采集与运算模块完成预处理。