航天電子設(shè)備多余物自動檢測系統(tǒng)設(shè)計

許 沖，翁藝航，朱 駿，周起華，袁 靜

（1.上海理工大學(xué)機械工程學(xué)院，上海 200093；2.上海航天電子通訊設(shè)備研究所；3.上海無線電設(shè)備研究所，上海 201109）

0 引言

復(fù)雜精密的航天電子設(shè)備具有大量的元器件和節(jié)點，在生產(chǎn)過程中難免會引入與產(chǎn)品規(guī)定狀態(tài)不符的多余物［1］，如螺釘、金屬屑、焊渣、導(dǎo)線皮等。這些多余物可能會吸附或嵌入在航天設(shè)備中，在失重或劇烈沖擊振動的工況下，多余物極易從相對靜止變成游離活動狀態(tài)，可能引發(fā)航天設(shè)備出現(xiàn)電路系統(tǒng)短路、機械機構(gòu)運動卡頓、液壓管道堵塞等故障［2］，甚至導(dǎo)致嚴重的航天事故，造成巨大的經(jīng)濟損失［3-5］。因此，航天設(shè)備離廠前必須進行多余物檢測，以降低產(chǎn)品質(zhì)量隱患，增強可靠性［6］。

微粒碰撞噪聲檢測是一種常用的多余物檢測方法［7］，分為回轉(zhuǎn)式檢測和隨機振動檢測，主要包括信號采集、特征提取與診斷識別等步驟，其中多余物特征提取是最關(guān)鍵的一步。但檢測中采集到的動態(tài)信號是多種響應(yīng)的綜合，加之背景噪聲、可動部件振動以及其他激勵源的干擾，多余物特征信號特別微弱，難以進行有效識別。為此，李超［8］采用卡爾曼濾波抑制白噪聲以增強多余物信號，但信號物理模型建立和閾值估計存在困難；Wang 等［9］針對微小多余物采用隨機共振提高檢出率，但較寬的振動頻率帶來的非線性、非平穩(wěn)特征給后續(xù)多余物特征提取帶來了困難；郜雷陣等［10］在三門限脈沖提取原理上設(shè)計兩級門限脈沖方法以提高多余物脈沖信號完整度，但無法摒除人聲等窄頻寬脈沖干擾。

為此，本文采用一種兼具自適應(yīng)分解和降噪的集成噪聲重構(gòu)經(jīng)驗?zāi)Ｊ椒纸猓‥nsemble Noise-reconstructed Empir?ical Mode Decomposition，ENEMD）方法以精確提取多余物非線性和非平穩(wěn)性脈沖特征，利用測試信號固有噪聲以達到降噪效果，突出微弱特征，再分別對各階IMF 使用峭度指標判斷多余物的存在性，隨后以LabVIEW 為開發(fā)平臺，與MATLAB 混合編程，實現(xiàn)檢測結(jié)果可視化，并與已有回轉(zhuǎn)式多余物檢測設(shè)備相整合，形成一套多余物自動檢測系統(tǒng)。

1 系統(tǒng)總體設(shè)計

本文設(shè)計的多余物自動檢測系統(tǒng)主要包含回轉(zhuǎn)機械裝置、信號采集模塊以及工控機，如圖1 所示。其中，回轉(zhuǎn)機械裝置通過正反旋轉(zhuǎn)方式激活航天機電設(shè)備中的多余物，使之變?yōu)橛坞x狀態(tài)，進而與設(shè)備內(nèi)壁發(fā)生碰撞產(chǎn)生聲音與振動信號；信號采集模塊依次由聲音傳感器、NI 數(shù)據(jù)采集卡、信號調(diào)理電路構(gòu)成，對聲音信號進行收集與處理，并傳遞給工控機；工控機通過專門的檢測算法分析采集信號以判斷多余物是否存在。在轉(zhuǎn)動形式上，該系統(tǒng)有軸向（內(nèi)框轉(zhuǎn)動）和徑向（外框轉(zhuǎn)動）兩種轉(zhuǎn)動可供選擇，在最大程度上激活多余物。

Fig.1 Structure of the remainder detection system圖1 多余物檢測系統(tǒng)結(jié)構(gòu)

2 多余物檢測方法

航天設(shè)備通常結(jié)構(gòu)復(fù)雜、材料各異，在回轉(zhuǎn)試驗中多余物微粒會隨機與內(nèi)腔發(fā)生碰撞，加之試驗環(huán)境復(fù)雜，因此由各種因素耦合形成的多余物試驗采集信號成分多樣，是一種非線性、非平穩(wěn)性信號［11］。然而，其中有用的多余物特征信號往往被噪聲淹沒，不能進行有效識別。為此，本文采用了一種可適用于非線性、非平穩(wěn)過程，集自適應(yīng)分解、智能濾波與自動降噪于一體的集成噪聲重構(gòu)經(jīng)驗?zāi)Ｊ椒纸夥椒ǎ?2］。該方法利用多余物信號中的固有噪聲成分代替總體平均經(jīng)驗?zāi)Ｊ椒纸夥椒ǎ‥nsemble Empirical Mode Decomposition，EEMD）中人為添加的白噪聲［13］，以改善模態(tài)混淆現(xiàn)象，并且在總體平均過程中，固有噪聲成分會互相抵消從而達到降噪效果。因此，在分解后的本征模式分量（Intrinsic Mode Function，IMF）中，微弱的多余物特征會得到增強，可為判斷多余物是否存在提供準確依據(jù)。

2.1 方法具體描述

設(shè)多余物試驗采集信號為x(t)，多余物特征信號為s(t)，噪聲信號為n(t)，該算法具體步驟如下：

（1）利用閾值處理估計原信號x(t)中的固有噪聲成分［14］：

①對x(t) 執(zhí)行 EMD 分解得到 IMF 分量和余項并采用基于各分量中位數(shù)的信號能量公式計算各IMF 實際能量

②假設(shè)c1(t)為白噪聲，則其白噪聲能量

③根據(jù)式（2）計算各IMF 在置信區(qū)間95%和99%時的白噪聲能量和

式中，當(dāng)置信區(qū)間為95%時，β=0.719，ρ=2.449；當(dāng)置信區(qū)間為99%時，β=0.719ρ=1.919。

④當(dāng)k≥2 時，將各IMF 實際能量{Ek} 分別與對應(yīng)理論計算能量進 行 比 較。若則將ck(t)選為可能含噪IMF；否則，ck(t)就認為是多余物特征分量，本文取α=1。將所有選取的可能含噪IMF 組成一個新的集合{cl(t),l=1,…}。

⑤與傳統(tǒng)閾值降噪不同，本文基于相鄰系數(shù)降噪原理對cl(t)提純噪聲分量，表示為：

其中，Tml為極大極小閾值，其降噪效果優(yōu)于線性降噪［17］。

（4）重復(fù)步驟（2）和步驟（3）r次直到滿足預(yù)先設(shè)定的誤差允許值ε。

（5）將步驟（3）中得到的所有組IMF 分量和余項進行累加平均計算，輸出平均IMF 分量和平均殘差分量

對于多余物試驗信號而言，多余物脈沖一般在時域上呈現(xiàn)單邊振蕩衰減特性［18］，其典型波形如圖2 所示，屬于信號中的高頻部分。在EMD 分解中，信號中的高頻部分一般存在于低階IMF 中［11］，包含較多的有用信息，為此本文選擇前4 階IMF 進行多余物特征分析。在常用統(tǒng)計指標中，峭度指標對脈沖特征比較敏感，因此在每一階IMF 中設(shè)定不同閾值，當(dāng)峭度指標大于設(shè)定閾值時，則認為試驗信號中存在多余物分量。

Fig.2 Typical waveform of the remainder signal圖2 典型多余物信號波形

2.2 仿真對比分析

本文采用一組含噪脈沖仿真信號比較本文方法與EEMD 對微弱特征的提取效果，仿真信號表達式如下：

其中，s(t)為單邊振蕩衰減信號，用來表示多余物特征；λn(t)是高斯白噪聲，標準差λ反映噪聲強弱，以改變信號的信噪比。設(shè)信號x(t)的采樣頻率為5 120Hz，長度為5 120。兩種方法需要提前設(shè)定的參數(shù)為：在本文方法中，允許誤差ε=0.005；在EEMD 中，令所添加噪聲的幅值為信號x(t)標準差的0.1 倍，集成個數(shù)設(shè)為50。

本文需要提取微弱特征，信號處于強噪聲環(huán)境，因而令λ=0.25，此時信號x(t)的信噪比為-12.229 2，其波形及其各組成分量波形如圖3 所示。圖4 和圖5 顯示了采用這兩種方法所獲得的前4 階IMF 分量，可以看出：①沖擊特征都在第3 階IMF 中較為明顯，但本方法c3的峭度值大于EEMD 的結(jié)果；②EEMD 其余3 階IMF 的幅值普遍都大于本文方法的分解結(jié)果。可見，針對此類處于強噪聲背景下的多余物試驗信號，采用本文方法可以達到良好的降噪效果，微弱多余物沖擊特征會得到增強，同時與EEMD 一樣，其具有改善模式混淆的作用。

Fig.3 Noisy impulse signal and their components圖3 含噪脈沖信號及其各分量

Fig.4 Deposition results of the proposed method圖4 本文方法分解結(jié)果

Fig.5 Deposition results of EEMD圖5 EEMD 分解結(jié)果

3 系統(tǒng)軟件設(shè)計及驗證

3.1 檢測系統(tǒng)設(shè)計

工控機上的多余物檢測系統(tǒng)以LabVIEW 為開發(fā)平臺進行編寫，包含數(shù)據(jù)讀取、檢測算法、結(jié)果顯示3 個模塊。其中，上述的多余物檢測算法是先在MATLAB 中完成程序編寫，并編譯成動態(tài)鏈接庫COM 組件供LabVIEW 調(diào)用［19-20］。前面板顯示分析結(jié)果，包括多余物試驗采集信號、前4 階IMF 及其峭度指標，以及檢測判斷結(jié)果，如圖6 所示。

Fig.6 Front panel of the remainder detection system圖6 多余物檢測系統(tǒng)前面板

當(dāng)多余物試驗信號經(jīng)采集模塊傳輸?shù)缴衔粰C之后，先觀察多余物試驗信號原始波形圖。若觀察到明顯無規(guī)律的脈沖衰減特征，則說明被檢航天設(shè)備中存在質(zhì)量較大的多余物；反之，則被檢設(shè)備可能不存在多余物或存在微小質(zhì)量的多余物。因而，需要采用本文的集成噪聲重構(gòu)經(jīng)驗?zāi)Ｊ椒纸夥椒▽υ囼炐盘栕鬟M一步處理。若存在微小質(zhì)量的多余物，則前4 階IMF 中會出現(xiàn)振蕩衰減特征，并計算和顯示各階IMF 的峭度指標，再與設(shè)定閾值進行比較之后，指示燈會顯示紅色，直觀地表明存在多余物；若不存在多余物，指示燈會顯示綠色。其中，在多次對實際含多余物試驗信號進行分析后，該檢測系統(tǒng)中各階IMF 峭度閾值分別設(shè)為25、20、15、10。檢測系統(tǒng)后面板程序框圖如圖7所示。

Fig.7 Back panel of the remainder detection system圖7 多余物檢測系統(tǒng)后面板

3.2 系統(tǒng)驗證分析

為進一步驗證本文多余物檢測方法的有效性和多余物檢測系統(tǒng)的可行性，分別將兩段已知結(jié)果的無多余物和有多余物試驗信號輸入到該檢測系統(tǒng)中進行分析，其中采樣頻率為6 000Hz，誤差允許值設(shè)為0.02。圖8 和圖9 顯示的是這兩段信號的檢測結(jié)果，兩段試驗信號的原始波形中均未出現(xiàn)明顯的振蕩衰減脈沖特征，再經(jīng)本文的ENEMD方法處理后，含有多余物試驗信號的前4 階IMF 中沖擊特征比較突出，峭度指標也均大于設(shè)定閾值，而無多余物試驗信號的分析結(jié)果正好相反。可見，對于被強背景噪聲淹沒的多余物試驗采集信號，在采用本系統(tǒng)進行分析檢測后，可以準確濾除大量背景噪聲，突出多余物脈沖特征，有效區(qū)分有無多余物的情況。

Fig.8 Analysis results of the none-remainders testing signal圖8 無多余物試驗信號分析結(jié)果

Fig.9 Analysis results of the existed-remainders testing signal圖9 有多余物試驗信號分析結(jié)果

4 結(jié)語

基于一種雙軸回轉(zhuǎn)式多余物微粒碰撞噪聲檢測試驗臺，本文以LabVIEW 為開發(fā)平臺設(shè)計了一套多余物自動檢測系統(tǒng)，能直觀、準確地顯示多余物判別結(jié)果。其中，由于多余物試驗信號處于低信噪比，且具有脈沖特性，在與EEMD 進行比較分析后，集成噪聲重構(gòu)經(jīng)驗?zāi)Ｊ椒纸獠粌H可以實現(xiàn)信號的自適應(yīng)分解，還利用自身固有噪聲達到降噪效果，進而實現(xiàn)了多余物微弱特征的精確提取。實際試驗數(shù)據(jù)驗證結(jié)果表明，該系統(tǒng)可在一定程度上自動判斷出設(shè)備中多余物的有無情況。實際設(shè)備中檢測出來的多余物具有多樣性，且材質(zhì)大小不一，后續(xù)將通過尋找多余物敏感時頻域特征，并與深度學(xué)習(xí)算法融合，實現(xiàn)多余物具體材質(zhì)智能識別。