STM32基于三轴加速度传感器的滚动轴承故障诊断方法

【摘要】：针对振动分析在风力机状态检测和故障定位中的作用，设计了基于三轴加速度传感器的振动采集系统，并通过STM32实现模数转换。 针对信号采集过程中出现的频率混叠问题，设计了六阶巴特沃斯低通滤波器，并采用-Golay平滑算法对信号中掺杂的噪声进行去噪。 测试结果表明，所设计的滤波器能够有效滤除600Hz以上的信号和振动加速度误差。 可控制在0.5%以内； -Golay平滑算法可以有效消除信号中的噪声。

【关键词】：振动；风力发电机；；巴特沃斯；-Golay

风力发电机组是风能开发的主要设备。 风力发电机组结构复杂，运行环境恶劣，故障频发。 根据实践，风电机组常见故障主要集中在机械部件，如齿轮箱、低速轴、高速轴等。 和发电机等[1]。 机械振动包含丰富的信息，对故障响应快，易于测量。 因此，风力发电机组的当前状态检测和故障定位主要基于振动信号的分析。

针对滚动轴承振动信号的不规则性和复杂性，赵志宏[2]等人。 提出了一种基于小波包变换和样本熵的轴承故障诊断方法。 郑金德[3]等。 针对滚动轴承不同故障振动信号的不同复杂性特征。 等人提出了一种基于多尺度熵和支持向量机的滚动轴承故障诊断方法。 张树清等[4]等将局部均值分解近似熵与模糊C均值聚类方法相结合，将机械振动信号的局部均值分解后得到PF分量的近似熵。 作为特征向量输入到模糊C均值聚类分类器中，实现对不同类型机械故障的分类识别。 [5]等人通过采集变速箱加速过程中的数据，将小波谱熵应用于变速箱故障诊断。 对动态信号进行分析和实现，实现齿轮箱在不同转速工况下的动态过程故障诊断。 - 文献[6]等提出了奇异值分解与信息熵相结合的方法，解决异步电机转子导条断条和轴承故障的早期检测问题。 方法。

现有的研究主要集中在振动的数字信号处理上，对振动信号的采集关注较少。 然而采集到的信号的准确性对后期的信号分析有很大的影响，采样过程中出现的频率也是如此。 别名只能在采集过程中处理。 因此，本文设计了一种风力发电机振动采集系统，采用六阶巴特沃斯模拟低通滤波器处理传感器的模拟输出，并采用-Golay数据平滑算法进行信号去噪。

设计

振动采集系统的硬件结构如图1所示。采用三轴加速度传感器采集风力发电机的振动。 为了避免ADC过程中出现频率混叠现象，本文专门设计了低通滤波电路。 通过STM32 ADC模块采集模拟信号，STM32将采集到的数据转换为加速度值。 采集到的数字信号通常不可避免地混有噪声[7]，如电路板之间器件耦合产生的毛刺、信号采集过程中出现的周期性干扰，以及各种恶劣环境因素的影响。 这些干扰噪声的频率带宽比较大，对原始信号的影响也比较严重，因此需要对信号进行平滑处理以降低噪声。 目的。 最后将采集到的数据通过串口发送至上位机。

应用领域

本文选用三轴加速度传感器，可测量±3gn以内的加速度，工作电压范围宽，为1.8V~3.6V，并且能承受冲击[8]。 灵敏度与电压呈正相关。 当电压为2V时，其灵敏度与电压呈正相关。 灵敏度为195mV/gn，电压每增加0.1V，灵敏度也增加约10mV/gn。 ADXL 芯片中的每个输出端子都连接到一个 32kΩ 电阻。 如果在输出引脚连接适当的外部电容器，则可以形成简单的低通滤波器电路来控制输出带宽。 本文中，输出引脚 XOUT、YOUT 和 ZOUT 连接 0.01μF 电容，使输出带宽为 600Hz。 为了降低电源中的噪声，通常在端子上外接去耦电容，一般采用0.1μF的电容即可。 应用电路如图2所示。

巴特沃斯滤波器设计

等步长的离散采样过程中会出现混叠现象，这已经通过傅立叶分析在数学上得到证明。 当发生频率混叠时，原始信号会与原本不存在的信号和频率混合在一起，这直接导致对采集信号的干扰。 该滤波器在通带内具有最平坦的幅度响应，而在阻带内的频率衰减不够好。 这个缺点可以通过增加滤波器的阶数来弥补。 由于阶数 电路的复杂度也随着增加而增加，所以我们首先需要找到满足要求的最低阶数。 这可以通过方程（1）计算：

巴特沃斯低通滤波器有多种电路实现。 本文采用三个二阶无限增益多端反馈电路（简称MFB）级联来实现我们需要的六阶巴特沃斯低通滤波器。 二阶MFB低通滤波器电路如图3所示。

式中，K为增益，B、C为归一化系数。 对于六阶巴特沃斯滤波器，B和C的值如表1所示。

实际中，各种电阻值比较容易获得，因此设计时首先设定C1和C2的值，然后根据式（3）计算各个电阻值。 在电路中，如果所有电阻都乘以某个常数，同时电容除以这个常数，则滤波器的特性保持不变[9]。 根据这个特性，可以调整计算出的电阻和电容值。 最终计算得到的电阻和电容值如表2所示。因此，最终设计的六阶巴特沃斯低通滤波器电路如图4所示。

数据处理

01

数据转换

信号经过低通滤波器处理后，采集模拟信号。 它是一个基于32位微处理器核心的。 外围设备齐全，开发和调试非常方便[10]。 ADC为十二位逐次逼近模数转换器，最大转换速率为1MHz。 在信号采集中，采样率一般设置为目标频率的3～4倍。 本文将采样率设置为3 kHz。 同时，本文采用DMA方式进行数据传输，大大提高了效率。 对于STM32采集到的数字信号，需要两步才能将其转换为加速度值。 第一步将采集到的数据转换为电压，计算公式为：

02

-戈莱

平滑算法的应用——Golay平滑算法是一种利用最小二乘法在时域的滑动窗口内对数据进行线性拟合的方法。 它广泛应用于数据流平滑和去干燥[11]。 与其他同类平滑方法相比，Golay平滑可以消除采样信号中误差较大的数据点，同时保留相对最大值、最小值、宽度等分布特征，并尽量保证原始数据不失真[12]。

假设有一组数据x(i)，其中i=-k,...,0,...,k，即共有2k+1个连续点。 这组数据有一个n阶多项式（如式（6））拟合：

一旦k和n的值确定，然后将要拟合的2k+1个数据x(i)代入上式中，计算拟合多项式的系数。 然后将中间点的横坐标代入得到的拟合多项式中，就可以得到基于前后k个点的中间点的最佳拟合。

系统测试

01

滤波电路幅频特性测试

测试过程中，我们使用信号发生器产生的不同频率的正弦信号作为输入，并使用示波器观察输出信号相对于输入信号的幅频变化。 本实验测试了以下信号，间隔低于600Hz和高于900Hz的正弦信号。 以40Hz测试一次，频率在600Hz~900Hz之间，频率间隔为20Hz。 对得到的数据进行整理后，得到实际模拟滤波电路的幅频特性曲线，如图5所示。

从图5可以看出，最终设计的滤波器的特性基本满足本文的设计指标。 但其通带不够平坦，增益始终小于1。经分析，这主要是由于实际电阻电容值存在偏差。

02

数据准确性测试

本文通过测量静态加速度来测试数据的准确性。 实验中，X轴、Y轴、Z轴分别垂直于地面，然后将采集到的数据与标准垂直加速度（1gn）进行比较。 在实验中，由于无法使各轴完全准确地垂直于地面。 本文使用多次测量，然后去除最大值和最小值，然后对数据进行平均以最小化误差。 每组实验的测量次数为12次，每次测量结束后，对传感器进行重新校准。 利用上述方法，本文最终获得了10组数据，如表3所示。

从表3可以看出，采集的加速度精度较高，最大偏差值为1.，相对标准值误差为0.47%。 5.3 数据平滑效果测试——Golay平滑算法中较大的窗口可以获得更好的去噪效果，但随着窗口增大，计算量也会增加，因此需要在两者之间取得平衡。 较小的拟合阶数可以获得较好的去噪效果，而过大的拟​​合阶数会使曲线变得粗糙。 ｡本文中窗口设置为15，拟合阶数设置为4。图6(a)是原始振动信号，图6(b)是经过-Golay平滑后的振动信号。

通过比较可以看出，-Golay平滑算法可以消除信号中偏差较大的点，同时保留原始信号的纹理细节。 同时，一些研究表明-Golay平滑算法可以有效提高采集数据的准确性[13]。

综上所述

本文设计了一种基于三轴加速度传感器的风力发电机振动采集系统。 针对信号采集过程中的频率混叠和掺杂噪声，设计了6阶巴特沃斯低通滤波电路，并采用-Golay算法去除噪声。 从测试结果来看，本设计实现了振动信号的准确采集，为后期数据处理奠定了基础。

参考

[1] 楼海英. 风力发电机组振动检测与监测分析系统[D]. 北京交通大学，2008。

[2] 赵志红，杨绍璞． 基于小波包变换和样本熵的滚动轴承故障诊断[J]． 振动、测试与诊断，2012（32）：640-644。

[3] 郑进德，程俊生，胡思宇。 多尺度熵在转子故障诊断中的应用[J]． 振动、测试与诊断，2013（33）：294-297。

[4] R、W、T 等人。 非负载的亲与[J]． 和临，2014，46（1）：16-27。

[5] HH，Ohadi A. of 和 for in 故障速度[J]． ，2014，133：437-445。

[6] MH，Yepez EC，Perez AG 等。 新型转子棒与SVD[J]． ，2012（71）：589-593。

[7] 周金刚，彭东林，郑方艳，等。 基于时间网格的数控分度转台控制系统[J]． 电子器件，2015(5)：1138-1143。

[8] . [EB/OL]。 ？ 来自=.2011.6。

[9] 吴子玉. 无刷直流电机滤波器设计方法研究[J]. 电力传输，2015（45）：37-40。

[10] 赵晓峰，周静宇，王邦军，等。 STM32控制下基于GPS和GPRS的跟踪器[J]. 电子器件，2015（38）：156-159。

[11] 张一舟. 基于的红外图像非均匀带校正方法[J]. 中国光学，2015(1)：51-60。

[12]周增光。 基于质量权重的时间序列滤波方法[J]. 遥感技术与应用，2013（2）：232-239。

[13]周佳佳. 冲击载荷等短期载荷预测中的应用[J]． 电测与仪器仪表，2014，（14）：125-128。

关于作者

褚世凯（1990-），男，安徽六安人，硕士研究生，现就读于杭州电子科技大学新型电子器件及应用研究所，主要研究风力发电机振动采集与异常诊断及嵌入式应用， @；

秦惠斌（1961-），男，山东泰安人，博士，教授，博士生导师，现任杭州电子科技大学教授。 主要研究方向为新型电子器件开发与应用、抗电磁干扰技术等，qhb@｡