基于小波变换的水泵设备故障诊断系统设计

2022-12-12蒋辉杨娟刘洋

中国科技纵横 2022年21期

蒋辉杨娟刘洋

（1.沈阳天眼智云信息科技有限公司，辽宁沈阳 110000；2.沈阳天眼智云智能技术研究院有限公司，辽宁沈阳 110000）

0.引言

在水泵故障诊断阶段，由于基础数据自身存在较大的噪声干扰，导致诊断效率相对较低[1]。为了解决这一问题，需要从两个方面入手：一方面是提高随设备数据采集阶段的精度；另一方面是强化对数据的降噪处理效果。水泵设备故障主要体现在振动方面，因此，从该角度展开对其故障诊断的研究是十分具有探索空间的[2]。受客观环境以及使用情况的影响，水泵设备故障大多是以逐步发展的方式存在的，因此，尽早实现对其的有效诊断对于提高设备的使用寿命具有重要价值[3]。

为此，本文提出基于小波变换的水泵设备故障诊断系统设计研究，分别从硬件环境构建和软件诊断方式两个角度进行设计，并通过试验测试分析验证了设计方法的可靠性。通过本文的研究，希望可以为相关实际检修工作的开展提供有价值的参考。

1.硬件设计

1.1 振动传感器

本文设计系统主要是利用小波变换技术对水泵设备故障进行诊断，因此，采集数据的可靠性直接影响诊断结果是否准确[4]。本文选择ZDHJZ-3500振动传感器作为系统的振动数据采集装置，振动传感器工作原理如图1所示。

图1 振动传感器工作原理图

ZDHJZ-3500自带显示模块，采用LCD显示，并设置汉字菜单，以此支持按键操作调节装置的参数设置，并且也可以显示装置的工作步数。采集单元具有对电池自动管理的功能，可以结合水泵设备的运行状态调节，包括耗电模式、充电模式以及待机模式[5]。ZDHJZ-3500还提供了RS232通讯接口，以此适应RTU.CDT通讯规约选择，可与电机自动化结构连接。ZDHJZ-3500自带的监控器可以实现电池电压、控母电压、控母电流、电池充放电电流、模块状态检测，且无需外接线和外接传感器。内置了振动测量单元和数字测量信号调理单元，通过无接触式传输，支持选择调节。输出信号结合实际情况，频率可调节范围为5kHz～15kHz，不同输出信号对应的数据采集精度包括0.5%、0.25%、0.1% 3个等级。对于工作环境的要求较低，当相对湿度不超过90%，温度在 -5℃～+45℃时均可实现稳定运行，且可闻噪音最大分贝不超过55dB，不会对环境造成影响[6]。

1.2 控制芯片

在对水泵设备故障诊断过程中，需要对采集到的数据进行分析，以此实现对其的判断，为此，本文选择具ARM Cortex-A5内核，主频为536MHz的ATSAMA5D3X系列处理器SDRAM-DDR2作为系统的控制芯片。SDRAMDDR2上集成了千兆网口，采用工业级器件完成结构组件，在200PIN DDR金手指接口的辅助下，可以稳定适用于各种现场环境之中。SDRAM-DDR2还完美支持Linux3.6.9和Android4.0.4，为设计系统的广泛应用提供了重要基础。其具体结构设置如图2所示。

如图2所示，SDRAM-DDR2的CPU单元搭载了Cortex-A5处理器，在32KB数据Cache和32KB指令Cache的支撑下，内存管理单元MMU可以充分满足片内SRAM和ROM的运行需求[7]。核心板硬件资源包括大小为256MB的Nand Flash和大小为256MB的DDR2，可以为系统功能的执行提供可靠保障。

图2 SDRAM-DDR2芯片结构构成

2.软件设计

遵循故障诊断流程进行系统软件设计，故障诊断流程如图3所示。

图3 故障诊断流程图

2.1 基于小波变换的水泵设备运行数据降噪

SDRAM-DDR2在接收到来自ZDHJZ-3500振动传感器采集的水泵设备运行数据信息后，首先对其进行降噪处理，降低后续故障诊断计算冗余，提高故障诊断效率。在具体的实施过程中，本文采用小波变换的方式对数据进行处理。

考虑到小波的基函数为有限长的小波基，SDRAMDDR2对水泵运行数据进行小波变换处理的方式可以表示为:

其中，F(a，t)表示小波变换处理后的水泵运行数据，a和t分别表示变换后小波基的长度和对应的时间标签，j表示ZDHJZ-3500振动传感器采集数据的监测点数量，xi表示ZDHJZ-3500采集到的水泵运行数据，E表示基函数。

从公式（1）中可以看出，本文利用小波变换对水泵设备变量参数的处理实际上是通过调节小波的窗宽度实现的，也就是对应小波基的长度。通过这样的方式对具有相同时间标签的数据进行比较，结合其发展情况就可以减少由于重复分析带来的大量冗余计算。

2.2 水泵设备故障诊断

在上述基础上，SDRAM-DDR2在完成对水泵设备数据的降噪处理后，以时间标签为基础，对比连续n个周期内水泵的运行状态，其具体的计算方式可以表示为：

其中，T表示振动传感器采集数据的周期，Δ表示数据变化程度。需要注意的是，当故障较为明显时，可以通过1个或几个周期内具有相同时间标签的数据对其作出诊断，但是当故障的作用程度较小时，需要适当增加数据分析的范围。

在此基础上，利用Δ值实现对水泵设备故障的诊断，其可以表示为：按照式（3）所示的方式，本文以5个周期为基准对水泵的状态进行分析，当T<5，且Δ=0时，需要增加分析周期至10，此时若仍存在Δ=0，则认为水泵无故障，当Δ≠0时，则认为水泵存在故障，当T<5，且Δ≠0时，则可直接判定其存在故障。

3.应用测试

3.1 测试环境

在测试阶段，本文将某国产加工的水泵设备作为试验对象，考虑到在水泵运行过程中，由于轴承之间存在磨损风险，因此其在装配、加工等阶段出现故障的主要作用方式为主轴转子出现不平衡，本文将振动传感器安装于水泵的主轴周围。在此基础上，对于不同程度不平衡故障的模拟，主要是通过调节添加在主轴转子螺栓的偏心质量实现的。为了更加深入地测试系统对水泵故障的诊断结果，共设置了5个故障。具体如表1所示。

表1 故障程度设置

按照表1的故障设置方法，在实验过程中，设置水泵的运转速度为5000r/min，对应采集卡的运行频率为 12800Hz。振动传感器在进行不同等级故障诊断时，分别采集 30 组数据作为诊断基础。

3.2 测试结果

按照上述的试验设置，利用本文设计系统以及文献[4]和文献[5]提出的方法同时进行故障诊断，3种方法对不同等级故障诊断的时间开销如表2所示。

表2 水泵故障诊断时间开销

从表2中可以看出，对比3种方法对不同程度水泵设备故障的诊断情况，其时间开销均随着故障等级的提高而逐渐增加，其中，文献[4]中的方法对特征较为明显的故障诊断时间虽然相对较短，但是当作用于主轴转子螺栓的偏心质量逐渐减小后，其时间开销出现了大幅上升；文献[5]方法与之相比表现出了更高的稳定性，但整体诊断效率仍存在一定的提升空间；对比之下，本文设计系统对不同程度水泵设备故障的诊断效率最为稳定，最短耗时仅为0.85s，最大耗时也不超过2.00s，仅为1.62s。测试结果表明本文设计系统可以实现对水泵设备故障的高效诊断，这是因为本文在提高采集数据可靠性的同时，通过对水泵运行数据进行小波变换处理，降低了在故障分析阶段的计算冗余，提高了诊断效率。