暖通空调小流量风机机械振动信号自适应采集研究

董宇毅

（咸阳职业技术学院 建筑工程学院，咸阳 712000）

暖通空调是应用到室内、汽车等多种环境的取暖设备，其风机状态关系到暖通空调整体运行情况。对暖通空调风机的机械振动信号实行数字化采集，以检测暖通空调运行状态具有重要意义[1-2]。

文献[3]首先通过傅里叶变换方法对振动信号频率信息和时域信息展开分析。其次，通过ESM 测量系统完成振动信号的采集。该方法存在振动信号采集时间慢的问题；文献[4]首先通过多次取包络分解提取振动信号的高低频谱信息。其次，通过待测目标振幅方法完成振动信号的采集。该方法存在采集振动信号内含有过多噪声的问题；文献[5]首先通过经验模态分解方法对振动信号时频域信息实行分析。其次，通过低频振动叠加完成振动信号采集。该方法存在振动信号采集精度不佳的问题。

为了解决上述方法中存在的问题，提出暖通空调小流量风机机械振动信号自适应采集方法。利用经验模态分解方法，获取信号时域和频域特征信息，为采样率的设计提供依据；自适应变采样算法用于完成当前风机振动信号的采集；数学形态滤波器用于去除脉冲噪声，提高信号采集精度。实验结果表明，该方法在暖通空调小流量风机机械振动信号的采集方面具有高精度和快速采集的优势。

1 基于经验模态分解方法获取信号时频域特征

时域分析可以展现振动信号随时间的变化情况，包括振动的瞬时频率，时间、频率、开关因子以及信号包络等特征。在本节中，通过经验模态分解方法获取暖通空调小流量风机机械振动信号的时频域特征信息，并对其展开分析，为振动信号的自适应采集提供依据[6-7]。在采集振动信号过程中，并不能保证暖通空调小流量风机处于正常运行状态，故需针对风机振动信号的非平稳性，设计信号的自适应采集方法[8]。

风机原始机械振动信号x（y）经过经验模态分解后的信号为c（y），具体公式表达如下：

式中：vk（y）表示振动信号的IMF 分量；tn（y）表示振动信号的余量。

将分解后的每个信号IMF 分量经Hilbert 变换，得到原始振动信号的时频特征。Hilbert 变换公式u（y）为

式中：a 表示柯西主值；υ 表示相位角。

通过将每个IMF 的时频特征综合起来，得到振动信号时频域特征如下：

式中：e 表示瞬时频率；t 表示时间；e0表示初始频率；mo表示开关因子；so表示信号包络。

2 基于自适应变采样算法完成风机振动信号采集

本节利用自适应变采样算法完成风机振动信号的采集[9]。暖通空调小流量风机受到干扰因素影响，在由正常运行状态转为异常状态时，存在计算频域特征值或时域有效值波动在临界阈值附近的情况，从而导致采样频率发生频繁变换的问题，不利于信号的采集，传统解决此问题的方法为数学统计法，效率不高，故提出一种基于累计和的突变检测策略。累计和突变检测原理如图1 所示。

图1 累计和突变检测原理Fig.1 Principle of cumulative and mutation detection

当频域特征值或时域有效值高于初始振动值l时，并不立刻判定此刻风机为异常状态，而是设定一个阈值j，对超标量实行累加处理，当超标量累加值超过设定阈值j 时，更改采样率。设定风机采样频率为w，则风机状态判定表达式为

式中：w′表示更改后的采样率。

用c1，c2，…，cn表示信号检测时序，累计突变检测Xn如下：

式中：n 表示时间；Xn-1表示上一次累加值。

在n 时刻检测的异常函数gj（Xn）公式表达如下：

为增强振动信号采样的自适应功能，将脉冲采样间隔增大，当风机存在运行故障时，将脉冲采样间隔减小。脉冲采样间隔Yβ的值可通过加性增加乘性减小方程实行调节，加性增加乘性减小公式表达如下：

式中：O 表示数据波动较小时的脉冲采样间隔增加算法；F 表示数据波动较大时的脉冲采样间隔减小算法；β、χ 分别表示加性增加参数值和乘性减小参数值；n 表示采样次数。

设定波动阈值μ，通过比较其与时域有效值的增量累计Xn和来判断信号的波动情况。当Xn≤μ时，表明数据波动小，风机设备运行平稳；当Xn＞μ时，表明数据波动大，风机设备可能存在异常。从而实现脉冲采样间隔的自适应调节。

经此自适应脉冲采样算法获取的信号数据库中存在低采样率和高采样率两种数据，需将低采样率数据在保证原始信号信息的情况下，通过插值法重构为高采样率数据，以保证风机机械振动信号采集的一致性[10]。

选择Sinc 插值法对低采样率数据实行恢复、插值[11]，即确定2 个采样值间函数的计算过程。用c 表示插值抽样后的信号数据，采集的风机振动信号表达如下：

式中：m 表示随机抽取的信号样本；mo表示原始数据序列编号；M 表示信号样本总数量；l 表示2 个原始数据序列编号差；Z 表示采样周期。

3 基于数学形态滤波器的振动信号脉冲干扰自适应去除

由于上一节采集的振动信号中存在脉冲噪声干扰，这会影响振动信号的采集精度。为了进一步提高信号采集精度，在信号采集现场，应用数学形态滤波器，以自适应滤除脉冲振动信号。这样一来，能够消除脉冲干扰，从而提高振动信号的采集精度[12-13]。

在信号采集过程中因引入传感器及其放大电路，而造成脉冲干扰、信号失真的问题。若不及时对其展开处理，将会影响信号采集效果。数学形态滤波器是一种基于信号几何特征，并使用设定的结构元素在信号中不断移动，以获取信号有用特征的非线性信号分析工具[14-15]。

结构元素的复杂度与其滤波信号的能力成正相关，结构元素越复杂，其形态滤波的效果越好，结构元素复杂度成正相关与滤波时间成负相关，因此，需合理选择结构元素。

定义风机原始信号为gn，其中，n 表示信号序号，设置一个信号数量小于等于风机振动信号所在集合信号数量的集合H=｛0，1，…，m，…，M-1｝，结构元素hm为此集合上的自适应离散函数。

与风机原始信号相比，关于结构元素的风机振动信号自适应膨胀公式表达如下：

式中：⊕表示膨胀运算符号。

风机振动信号关于结构元素的自适应腐蚀公式表达如下：

式中：Θ 表示腐蚀运算符号。

风机振动信号关于结构元素的开运算公式表达如下：

式中：◦表示开运算。

开运算能够消除风机原始振动信号的斑点与毛刺，抑制正脉冲噪声。

风机振动信号关于结构元素的闭运算公式表达如下：

式中：·表示闭运算。

闭运算可填补风机原始振动信号的裂缝和漏洞，抑制负脉冲噪声。

信号中的正脉冲噪声可通过开-闭运算去除，信号中的负脉冲噪声可通过闭-开运算去除。

开-闭变换Foc（gn）公式表达如下：

式中：Foc表示开-闭运算符号。

闭-开变换Fco（gn）公式表达如下：

式中：Fco表示闭-开运算符号。

采用开-闭与闭-开级联组成的形态滤波器，以同时去除信号中的正、负脉冲噪声，脉冲干扰自适应去除后的风机振动信号Un为

4 实验与分析

为了验证暖通空调小流量风机机械振动信号自适应采集研究有效性，对其完成如下测试。在Windows10、Intel core i7-4210H、8 GB 操作系统，编程环境为python3.7 的计算机上使用MATLAB 软件完成实验。选取YWF 系列的暖通空调风机作为实验对象，该风机的额定电压通常为220 V，额定电流在1.5 A。

利用IEPE 集成电子式压电加速度传感器中的ICP（integral constant pressure）型号的振动传感器采集风机的振动信号，设置采样频率为5 kHz，采样时间为30 s，滤波器的带宽设置为10 Hz～500 Hz。

（1）脉冲去除效果

获取信号采集现场的原始暖通空调小流量风机机械振动信号和经数学形态滤波器去除脉冲噪声的风机振动信号，如图2 所示。

图2 脉冲去除效果Fig.2 Pulse removal effect

分析图2 可知，信号采集现场的原始暖通空调小流量风机机械振动信号内含有诸多脉冲噪声，经所提方法的数学形态滤波器处理后的暖通空调小流量风机机械振动信号，脉冲噪声去除效果良好，表明所提方法基于数学形态滤波器去噪的有效性，并更利于暖通空调小流量风机振动信号的采集。

（2）所提方法的振动信号采集结果

利用所提方法提取一组正常状态下的风机振动信号和一组故障下的风机振动信号，如图3 和图4 所示。

图3 正常状态下风机振动信号采集结果Fig.3 Acquisition results of fan vibration signal under normal condition

图4 故障状态下风机振动信号采集结果Fig.4 Acquisition result of fan vibration signal fault condition

分析图3 和图4 可知，所提方法在在正常状态下和故障状态下，对风机振动信号采集结果均与原始风机振动信号一致，且能够有效滤除信号内含有的诸多脉冲噪声。由此可知，所提方法在正常状态下和故障状态下的风机振动信号采集效果佳、精度高。这是因为所提方法采用了自适应变采样算法来采集信号，通过调整采样率以匹配信号特征，保留了信号的准确性。同时，利用数学形态滤波器去除信号中的脉冲噪声，进一步提高了采集结果的精度。

（3）时间测试

采用所提方法采集信号的时间如表1 所示。

表1 所提方法的采集时间Tab.1 Collection time of proposed method

分析表1 可知，所提方法完成暖通空调小流量风机振动信号采集时间在4.02 ms～5.46 ms，表明所提方法的风机振动信号采集的效率更高。

通过上述实验可知，所提方法首先通过数学形态滤波器对采集现场的暖通空调小流量风机振动信号实行脉冲去噪处理；其次，通过自适应变采样算法完成风机振动信号的采集，提高了振动信号的采集性能，获得了更好的风机振动信号采集效果。

5 结语

对机械设备振动信号的采集一直是机械设备领域研究的重点问题，为了提高对暖通空调小流量风机振动信号的采集精度，因此，提出暖通空调小流量风机机械振动信号自适应采集研究。首先，分析暖通空调小流量风机机械振动信号时频域特征信息；其次，对采集现场的振动信号实行脉冲噪声去除处理；最后，完成风机振动信号的采集。实验结果表明，所提方法对脉冲噪声去除效果好，对风机振动信号采集精度高，且采集的时间短。该方法的研究解决了传统方法中存在的问题，具有重要现实应用意义。