基于Android的旋轉(zhuǎn)設(shè)備在線監(jiān)測系統(tǒng)設(shè)計(jì)

豆鵬亮，嚴(yán)保康，陽 震，盧 燊

（武漢科技大學(xué) 信息科學(xué)與工程學(xué)院，武漢430081）

電機(jī)、水泵等大型動力旋轉(zhuǎn)設(shè)備廣泛應(yīng)用于冶金行業(yè)、石油化工行業(yè)、煤炭行業(yè)等領(lǐng)域[1]。隨著工業(yè)生產(chǎn)規(guī)模的逐步增大，這些設(shè)備的結(jié)構(gòu)越來越復(fù)雜，并不斷朝著大容量、大規(guī)模方向發(fā)展[2]。對這類大型旋轉(zhuǎn)設(shè)備運(yùn)行時的狀態(tài)進(jìn)行監(jiān)控對企業(yè)穩(wěn)定生產(chǎn)非常重要，而傳統(tǒng)的人工巡檢具有不可靠性與間斷性，且數(shù)據(jù)不具備追溯性，難以及時發(fā)現(xiàn)異常并進(jìn)行精確診斷，容易導(dǎo)致停產(chǎn)，并對企業(yè)造成人力以及物力的損失[3-4]。因此，針對設(shè)備的狀態(tài)監(jiān)測，常用的方法就是開發(fā)相應(yīng)的電腦端實(shí)時監(jiān)測系統(tǒng)，這樣，用戶可以在電腦上查看各測點(diǎn)的狀態(tài)信息和歷史數(shù)據(jù)。

為了更加便于移動辦公，隨時都可以遠(yuǎn)程查看設(shè)備狀態(tài)，本文基于Android 平臺，開發(fā)了一款在線監(jiān)測和故障診斷APP。該APP 主要實(shí)現(xiàn)關(guān)鍵設(shè)備的狀態(tài)監(jiān)測、數(shù)據(jù)監(jiān)控和故障診斷等功能，對數(shù)據(jù)的采集、預(yù)處理、特征提取和故障診斷等復(fù)雜的處理過程都是在服務(wù)器端完成。

1 監(jiān)測系統(tǒng)的總體設(shè)計(jì)

旋轉(zhuǎn)設(shè)備在線監(jiān)測系統(tǒng)主要包含服務(wù)器端和手機(jī)終端兩部分，其中服務(wù)器端包含數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊、故障診斷模塊、數(shù)據(jù)傳輸模塊；手機(jī)終端包含用戶管理模塊、數(shù)據(jù)傳輸模塊、設(shè)備狀態(tài)監(jiān)控模塊、設(shè)備數(shù)據(jù)監(jiān)測模塊和預(yù)警及故障分析模塊等。旋轉(zhuǎn)設(shè)備在線監(jiān)測系統(tǒng)的結(jié)構(gòu)如圖1所示。

圖1 旋轉(zhuǎn)設(shè)備在線監(jiān)測系統(tǒng)結(jié)構(gòu)示意圖Fig.1 Schematic diagram of structure of online monitoring system for rotating equipment

服務(wù)器端的主要模塊功能為：①服務(wù)器端的數(shù)據(jù)采集模塊主要功能是采集并存儲待監(jiān)測設(shè)備各測點(diǎn)的實(shí)時數(shù)據(jù)，非振動數(shù)據(jù)，例如溫度、壓力等指標(biāo)，對采樣頻率要求不高，可直接通過PLC 采集數(shù)據(jù)；振動數(shù)據(jù)對采樣頻率要求很高，需要通過數(shù)據(jù)采集卡進(jìn)行高頻率采樣；②服務(wù)器端的數(shù)據(jù)分析模塊主要功能是對采集數(shù)據(jù)進(jìn)行預(yù)處理、SPC 判異、特征提取等處理，預(yù)處理主要是去掉異常的無用信號，SPC 判異是判斷數(shù)據(jù)是否已經(jīng)超出正常值或者有異常變化的趨勢，特征提取是提取出振動信號中能表征故障特征的成分；③服務(wù)器端的故障診斷模塊主要功能是對已經(jīng)出現(xiàn)異常的信號進(jìn)行異常原因的解析，并針對相應(yīng)的測點(diǎn)給出合理的維修建議；④服務(wù)器端的數(shù)據(jù)傳輸模塊主要功能是與手機(jī)端通訊，響應(yīng)手機(jī)端的請求指令，并將分析的結(jié)果傳送到手機(jī)端。

手機(jī)端的主要模塊功能為：①手機(jī)終端的用戶管理模塊主要功能是對用戶的權(quán)限進(jìn)行管理，普通用戶只能訪問和查看數(shù)據(jù)，而高級用戶則可以修改異常閾值等信息；②手機(jī)終端的數(shù)據(jù)傳輸模塊主要功能是與服務(wù)器端通訊，發(fā)送請求指令到服務(wù)器端，并接收服務(wù)器端傳送的數(shù)據(jù)分析結(jié)果；③手機(jī)終端的設(shè)備狀態(tài)監(jiān)控模塊主要功能是直接展示各設(shè)備的運(yùn)行狀態(tài)，可以快速發(fā)現(xiàn)異常設(shè)備；④手機(jī)終端的設(shè)備數(shù)據(jù)監(jiān)測模塊主要功能是展示各測點(diǎn)的性能指標(biāo)值，方便數(shù)據(jù)的回溯；⑤手機(jī)終端的預(yù)警及故障分析模塊主要功能是展示異常測點(diǎn)的報(bào)警信息、故障產(chǎn)生原因及有效的維修建議。旋轉(zhuǎn)設(shè)備在線監(jiān)測系統(tǒng)手機(jī)端的主要界面如圖2所示。

圖2 旋轉(zhuǎn)設(shè)備在線監(jiān)測系統(tǒng)手機(jī)端的主要界面Fig.2 Main interface of mobile phone of online monitoring system for rotating equipment

1.1 數(shù)據(jù)傳輸模塊

在數(shù)據(jù)傳輸模塊中，由于要利用Internet 進(jìn)行手機(jī)終端和服務(wù)器的網(wǎng)絡(luò)通信，手機(jī)終端向服務(wù)器端發(fā)送請求指令，服務(wù)器端則根據(jù)請求指令向手機(jī)終端傳輸相應(yīng)的已分析的文件。Java 有一套適用于網(wǎng)絡(luò)的API，通過應(yīng)用Java 良好的Internet 網(wǎng)絡(luò)程序設(shè)計(jì)功能，通過調(diào)用相應(yīng)的類和接口，可以很便捷的進(jìn)行對網(wǎng)絡(luò)功能進(jìn)行編程，具體實(shí)現(xiàn)過程是在手機(jī)終端使用Socket 類，建立向指定服務(wù)器IP 和端口的套接字，手機(jī)終端Socket 發(fā)起連接請求，服務(wù)器端的一直處于監(jiān)聽狀態(tài)下的ServerSocket 在收到客戶端發(fā)起的請求后，在確定IP 地址和端口地址無誤后，服務(wù)器和客戶端將建立長連接。在建立連接后，通過Java 提供的輸入輸出流（Outputstream，Inputstraem） 中的Write 和read 方法實(shí)現(xiàn)客戶端和服務(wù)端的文件傳輸。服務(wù)器端主要根據(jù)相應(yīng)的指令向手機(jī)終端傳輸狀態(tài)文件，監(jiān)控?cái)?shù)據(jù)文件和異常診斷文件。

1.2 設(shè)備狀態(tài)監(jiān)控模塊

該模塊主要是監(jiān)測并顯示設(shè)備的總體狀態(tài)，每臺設(shè)備包含多個非振動測點(diǎn)和振動測點(diǎn)，例如電機(jī)前軸溫度、電機(jī)后軸溫度、進(jìn)口油溫、電機(jī)轉(zhuǎn)子振動等，這些測點(diǎn)的監(jiān)測數(shù)據(jù)都能反映設(shè)備的運(yùn)行狀態(tài)，任一測點(diǎn)數(shù)據(jù)的異常則該設(shè)備都會顯示報(bào)警狀態(tài)。設(shè)備狀態(tài)判斷流程如圖3所示。

圖3 設(shè)備狀態(tài)判斷流程Fig.3 Equipment status judgment flow chart

1.3 設(shè)備數(shù)據(jù)分析及故障診斷模塊

設(shè)備采集的數(shù)據(jù)是分析設(shè)備狀態(tài)的依據(jù)，本系統(tǒng)主要對數(shù)據(jù)進(jìn)行趨勢分析、特征提取和故障診斷等操作。

其中趨勢分析主要功能是判斷數(shù)據(jù)是否超出標(biāo)準(zhǔn)閾值或者數(shù)據(jù)是否有潛在的上升或下降的趨勢。具體的操作分為兩部分，一部分是根據(jù)現(xiàn)場工藝設(shè)置標(biāo)準(zhǔn)閾值，對超出閾值的測點(diǎn)進(jìn)行報(bào)警；另一部分是根據(jù)統(tǒng)計(jì)過程控制（statistical process control，SPC）判異準(zhǔn)則進(jìn)行預(yù)警，SPC 八大判異準(zhǔn)則分別為：①1 個點(diǎn)落在A 區(qū)以外；②連續(xù)9 個點(diǎn)落在中心線同一側(cè)；③連續(xù)6 個點(diǎn)遞增或遞減；④連續(xù)14 個點(diǎn)交互著一升一降；⑤連續(xù)3 個點(diǎn)中有2 個點(diǎn)落在中心線同一側(cè)的B 區(qū)以外；⑥連續(xù)5 個點(diǎn)中有4 個點(diǎn)落在中心線同一側(cè)的C 區(qū)以外；⑦連續(xù)15 個點(diǎn)落在中心線兩側(cè)的C 區(qū)以內(nèi)；⑧連續(xù)8 個點(diǎn)落在中心線兩側(cè)，但無一個點(diǎn)在C 區(qū)中。其中，A 區(qū)、B 區(qū)和C 區(qū)分別指的標(biāo)準(zhǔn)差的1 倍范圍、2 倍范圍和3 倍范圍區(qū)域。通過SPC 判異準(zhǔn)則，可以在數(shù)據(jù)未超出標(biāo)準(zhǔn)閾值的情況下，提前發(fā)現(xiàn)數(shù)據(jù)的潛在異常現(xiàn)象，能對設(shè)備的異常進(jìn)行早期預(yù)警。

1.4 預(yù)警及故障分析模塊

該模塊主要是針對各測點(diǎn)的異常數(shù)據(jù)進(jìn)行進(jìn)一步的分析，包括數(shù)據(jù)異常類型、異常原因和維修處理意見。其中數(shù)據(jù)異常類型包含兩種：①數(shù)據(jù)超出報(bào)警閾值；②數(shù)據(jù)未超出報(bào)警閾值，但是符合SPC八大判異準(zhǔn)則中的一種。異常原因是結(jié)合數(shù)據(jù)異常類型和設(shè)備機(jī)理給出的可能出現(xiàn)的故障原因。維修處理意見是結(jié)合故障原因給出的合理的具有實(shí)施性的維修意見。部分測點(diǎn)異常分析情況如表1所示。

表1 部分測點(diǎn)異常情況分析Tab.1 Abnormal analysis of some measuring points

2 軸承振動數(shù)據(jù)分析

軸承出現(xiàn)故障時，其振動信號通常會出現(xiàn)周期性的振動信號，并且，不同類型的故障類型，其特征頻率不一樣。通過檢測這些信號的特征頻率可以及時地發(fā)現(xiàn)軸承的早期故障，避免軸承出現(xiàn)卡死等嚴(yán)重生產(chǎn)事故。本系統(tǒng)中主要通過Hilbert 包絡(luò)譜、數(shù)學(xué)形態(tài)梯度濾波、快速稀疏分解3 種方法對振動信號進(jìn)行特征提取和故障診斷。

2.1 Hilbert 包絡(luò)譜方法

傳統(tǒng)的傅里葉變換可以對連續(xù)的周期信號進(jìn)行準(zhǔn)確分析，但是在分析具有局部特征的周期信號時只能通過頻譜能量的分布變化來進(jìn)行初步判斷，很難具體得到有效的故障特征頻率。采用Hilbert 包絡(luò)譜可以直觀地得到局部沖擊信號的包絡(luò)，更加便于分析和計(jì)算故障特征頻率。

假設(shè)有一個實(shí)值函數(shù)s（t），其Hilbert 變換記作或H［s（t）］，解析信號記作：

不難證明，對于具有局部沖擊特征的信號sp（t）：

其Hilbert 變換為

解析信號的模為

因此，通過Hilbert 變換后可以對局部沖擊信號進(jìn)行解調(diào)，提取其包絡(luò)值，再通過傅里葉變換，即可在頻域直觀的呈現(xiàn)出故障特征頻率信息[5]。

2.2 數(shù)學(xué)形態(tài)梯度濾波方法

對于具有多個頻率成分的復(fù)雜振動信號，直接采用Hiblert 包絡(luò)譜無法實(shí)現(xiàn)調(diào)制頻率解調(diào)的目的，因此需要將復(fù)雜的信號分解成一個個的單一成分，即傳統(tǒng)的經(jīng)驗(yàn)?zāi)B(tài)分解方法（empirical mode decomposition，EMD）。在該系統(tǒng)中，為了減少數(shù)據(jù)的計(jì)算量，增強(qiáng)算法的實(shí)時性，采用數(shù)學(xué)形態(tài)梯度濾波的方法分析復(fù)雜的信號。

數(shù)學(xué)形態(tài)學(xué)是在積分幾何的基礎(chǔ)上創(chuàng)立的。它是從集合的角度分析信號，算法簡單，易于實(shí)現(xiàn)。針對振動信號，通常采用灰度數(shù)學(xué)形態(tài)學(xué)，其中基本算子膨脹和腐蝕的定義分別為

式中：f（x）為輸入函數(shù)；g（x）為結(jié)構(gòu)函數(shù)；Df和Dg分別為f（x）和g（x）在Rn上的定義域；sup 和inf 分別為集合的上確界和下確界[6]。

在對振動信號分析時，膨脹運(yùn)算可以保留信號的正脈沖，抑制信號的負(fù)脈沖；腐蝕運(yùn)算可以保留信號的負(fù)脈沖，抑制信號的正脈沖。為了更好的提取振動信號中的正負(fù)脈沖信號，本系統(tǒng)采用形態(tài)膨脹-腐蝕梯度算子[7]。同時，由于結(jié)構(gòu)函數(shù)在小尺度下對細(xì)節(jié)信號保留效果好，但受噪聲影響大；在大尺度下噪聲抑制效果好，但細(xì)節(jié)信號保留效果差。因此，本系統(tǒng)采用直線型結(jié)構(gòu)元素的自適應(yīng)多尺度形態(tài)膨脹-腐蝕梯度算法。其定義為

式中：k為結(jié)構(gòu)函數(shù)的尺度；wk為各尺度信號的權(quán)重。

這樣，根據(jù)不同設(shè)備振動沖擊信號的持續(xù)時間長度即可大致確定尺度的變化范圍，從而獲得最佳提取效果的故障信息。

3 仿真與實(shí)驗(yàn)

機(jī)械設(shè)備振動信號大致可以分為兩大類，一種是諧波信號，另一種是具有局部特征的沖擊信號。前者直接用傅里葉變換即可在頻域進(jìn)行分析；后者則需要經(jīng)過一些處理才能更好地得到頻域信息。

根據(jù)機(jī)械振動的機(jī)理，沖擊信號的數(shù)學(xué)模型可以表示為

式中：u，s，w，φ 分別為沖擊信號的位移因子、尺度因子、頻率因子和相位因子。

周期性沖擊信號的頻域分析結(jié)果如圖4所示。圖4（a）中的仿真信號的調(diào)制頻率為200 Hz，周期為5 Hz，從圖4（a）中的FFT 變換結(jié)果，可以看出頻譜中200 Hz 附近區(qū)域的能量有所上升，但是無法直觀的看到5 Hz 的周期頻率；圖4（b）中的Hilbert包絡(luò)信號則將每個沖擊成分的包絡(luò)成分解調(diào)出來了，并且其FFT 變換也能直觀的看到5 Hz 的周期頻率及其倍頻成分。

圖4 周期性沖擊信號的頻域分析結(jié)果Fig.4 Frequency domain analysis results of periodic shock signals

因此，采用Hilbert 包絡(luò)譜可以直觀的提取出沖擊類故障中的故障特征頻率信息。而針對復(fù)合故障，需要進(jìn)行EMD 分解，再分析其Hilbert 包絡(luò)譜信息，而EMD 分解過程中的分解層數(shù)、迭代終止條件等因素均會影響實(shí)際應(yīng)用的效果。

為了驗(yàn)證數(shù)學(xué)形態(tài)梯度濾波方法的有效性，將對復(fù)合故障信號分別采用數(shù)學(xué)形態(tài)梯度濾波、Hilbert 包絡(luò)譜進(jìn)行對比分析。

假設(shè)仿真信號是由頻率分別為16 Hz 和50 Hz 的正弦波成分、周期頻率為5 Hz 及調(diào)制頻率為200 Hz的沖擊成分、高斯白噪聲組成。仿真信號的頻域?qū)Ρ冉Y(jié)果如圖5所示。

圖5 仿真信號的頻域?qū)Ρ冉Y(jié)果Fig.5 Frequency domain comparison results of simulated signals

圖5（a）中可以看出，時域信號中難以發(fā)現(xiàn)故障沖擊成分，頻譜中只能體現(xiàn)出16 Hz 和50 Hz 的低頻成分；圖5（b）中由于沒有進(jìn)行EMD 分解，其Hilbert包絡(luò)譜中存在34 Hz 的低頻差頻成分，且幅值較大，掩蓋了故障沖擊成分的頻率；圖5（c）中的時域波形可以看出沖擊成分得到大幅度提升，噪聲及低頻成分被抑制，且其頻譜中可以明顯看到故障沖擊成分的周期5 Hz 及其倍頻成分。

4 結(jié)語

基于Android 開發(fā)的旋轉(zhuǎn)設(shè)備在線監(jiān)測系統(tǒng)，實(shí)現(xiàn)了潛在故障預(yù)警及故障的分析診斷功能，手機(jī)端可以直接查看設(shè)備的監(jiān)控狀態(tài)及報(bào)警信息。針對故障振動信號分析的Hilbert 包絡(luò)譜和數(shù)學(xué)形態(tài)梯度濾波方法可快速提取信號中的沖擊成分及故障特征頻率，對故障的綜合分析具有顯著的作用。