機械振動信號分析與故障警報課程設(shè)計報告書

1、 燕山大學(xué)課 程 設(shè) 計 說 明 書題目：機械振動信號分析與故障報警學(xué)院（系）： 電氣工程學(xué)院 年級專業(yè)： 10級儀表3班 電氣工程學(xué)院課程設(shè)計任務(wù)書課程名稱：“單片機原理與應(yīng)用數(shù)字信號處理”課程設(shè)計 院（系）：電氣工程學(xué)院 基層教學(xué)單位： 自動化儀表系學(xué)號1001030201學(xué)生（專業(yè)）班級自動化儀表3班設(shè)計題目機械振動信號分析與故障報警設(shè)計技術(shù)參數(shù)1、了解加速度傳感器工作原理。2、掌握單片機串口通信協(xié)議。3、連接硬件實驗線路，實現(xiàn)所要求的功能。4、基于Matlab信號處理工具箱實現(xiàn)功能5、完成設(shè)計，提交課程設(shè)計報告。設(shè)計要求1、利用加速度傳感器采集軸承正常與故障狀態(tài)下的振動信號，基于Mat

2、lab對振動信號進(jìn)行時域和頻域(包括FFT，功率譜，倒譜)分析，提取時域波形指標(biāo)如均值、峰峰值、峭度、偏度等。設(shè)計相應(yīng)的信號分析與顯示界面。2、基于振動信號分析結(jié)果，通過串口發(fā)送命令給單片機系統(tǒng)，根據(jù)振提取的特征指標(biāo)判斷軸承是否故障，若有故障驅(qū)動蜂鳴器報警。3、擴展：也控制相應(yīng)的數(shù)碼管或LED發(fā)光顯示相應(yīng)振動信號參數(shù)(幅度、頻率參數(shù)等)。工作量軟件編程與硬件調(diào)試相結(jié)合，繪制設(shè)計流程圖，編制相應(yīng)軟件界面，實現(xiàn)單片機控制與信號處理任務(wù)的綜合應(yīng)用參考資料1）微型計算機控制系統(tǒng) 賴壽宏，機械工業(yè)（教材）2）單片機與應(yīng)用大友，高等教育（教材）3）信號處理原理與應(yīng)用 平 等 機械工業(yè)（教材）4)Matla

3、b程序設(shè)計與其在信號處理中的應(yīng)用聶祥飛等 西南交通大學(xué)周次第一周第二周應(yīng)完成容熟悉偉福單片機編程環(huán)境，調(diào)試單片機各基本功能模塊；熟悉matlab信號處理工具箱，信號處理系統(tǒng)基本功能模塊學(xué)習(xí)和調(diào)試單片機系統(tǒng)與信號處理系統(tǒng)綜合進(jìn)行硬件調(diào)試，撰寫課程設(shè)計報告指導(dǎo)教師簽字基層教學(xué)單位主任簽字說明：1、此表一式四份，系、指導(dǎo)教師、學(xué)生各一份，報送院教務(wù)科一份。 2、學(xué)生那份任務(wù)書要求裝訂到課程設(shè)計報告前面。目錄第一章 摘要第二章 總體設(shè)計方案第三章 基本原理第四章 MATLAB界面設(shè)計第五章 各模塊設(shè)計與程序第六章 設(shè)計心得與總結(jié)參考文獻(xiàn)第一章 摘要機械振動信號分析是現(xiàn)代機械故障診斷的一個有效方法。在諸

4、多信號分析的手段中，小波分析與傅氏變換相結(jié)合的方法得到廣泛應(yīng)用。因為這種方法更適合于提取微弱機械振動的特征信號。但是與其他分析工具一樣，小波分析工具有自己的特點，如果不能正確使用，反而會影響對信號的正確分析。從本質(zhì)上說，小波分析是用小波函數(shù)與被被分析的信號函數(shù)做一系列的互相關(guān)運算，因此選用小波函數(shù)不當(dāng)會引起分析的誤差或誤判。第二章 總體設(shè)計方案對機械振動信號進(jìn)行采樣，把采樣的數(shù)據(jù)進(jìn)行時域和頻域上的分析，包括FFT，功率譜，倒譜分析。提取時域波形指標(biāo)如均值、峰峰值、峭度、偏度、脈沖因數(shù)等。以一種指標(biāo)為標(biāo)準(zhǔn)，分析振動信號產(chǎn)生的變化。本次課設(shè)利用matlab軟件，實現(xiàn)對機械振動信號時頻域的分析以與故

5、障的判斷。因為頻域分析特征值的提取較麻煩，這里我們用其中一種參數(shù)的計算量為標(biāo)準(zhǔn)來判斷是否發(fā)生故障。第三章 基本原理3.1小波變換 與Fourier變換相比，小波變換是空間（時間）和頻率的局部變換，因而能有效地從信號中提取信息。通過伸縮和平移等運算功能可對函數(shù)或信號進(jìn)行多尺度的細(xì)化分析，解決了Fourier變換不能解決的許多困難問題。小波變換聯(lián)系了應(yīng)用數(shù)學(xué)、物理學(xué)、計算機科學(xué)、信號與信息處理、圖像處理、地震勘探等多個學(xué)科。數(shù)學(xué)家認(rèn)為，小波分析是一個新的數(shù)學(xué)分支，它是泛函分析、Fourier分析、樣調(diào)分析、數(shù)值分析的完美結(jié)晶；信號和信息處理專家認(rèn)為，小波分析是時間尺度分析和多分辨分析的一種新技術(shù)，

6、它在信號分析、語音合成、圖像識別、計算機視覺、數(shù)據(jù)壓縮、地震勘探、大氣與海洋波分析等方面的研究都取得了有科學(xué)意義和應(yīng)用價值的成果。信號分析的主要目的是尋找一種簡單有效的信號變換方法，使信號所包含的重要信息能顯現(xiàn)出來。小波分析屬于信號時頻分析的一種，在小波分析出現(xiàn)之前，傅立葉變換是信號處理領(lǐng)域應(yīng)用最廣泛、效果最好的一種分析手段。傅立葉變換是時域到頻域互相轉(zhuǎn)化的工具，從物理意義上講，傅立葉變換的實質(zhì)是把這個波形分解成不同頻率的正弦波的疊加和。正是傅立葉變換的這種重要的物理意義，決定了傅立葉變換在信號分析和信號處理中的獨特地位。傅立葉變換用在兩個方向上都無限伸展的正弦曲線波作為正交基函數(shù)，把周期函數(shù)

7、展成傅立葉級數(shù)，把非周期函數(shù)展成傅立葉積分，利用傅立葉變換對函數(shù)作頻譜分析，反映了整個信號的時間頻譜特性，較好地揭示了平穩(wěn)信號的特征。小波變換是一種新的變換分析方法，它繼承和發(fā)展了短時傅立葉變換局部化的思想，同時又克服了窗口大小不隨頻率變化等缺點，能夠提供一個隨頻率改變的時間一頻率窗口，是進(jìn)行信號時頻分析和處理的理想工具。它的主要特點是通過變換能夠充分突出問題某些方面的特征，因此，小波變換在許多領(lǐng)域都得到了成功的應(yīng)用，特別是小波變換的離散數(shù)字算法已被廣泛用于許多問題的變換研究中。從此，小波變換越來越引起人們的重視，其應(yīng)用領(lǐng)域來越來越廣泛。3.2 傅里葉變換有限長序列可以通過離散傅里葉變換(DF

8、T)將其頻域也離散化成有限長序列.但其計算量太大,很難實時地處理問題,因此引出了快速傅里葉變換(FFT). 1965年，Cooley和Tukey提出了計算離散傅里葉變換（DFT）的快速算法，將DFT的運算量減少了幾個數(shù)量級。從此，對快速傅里葉變換（FFT）算法的研究便不斷深入，數(shù)字信號處理這門新興學(xué)科也隨FFT的出現(xiàn)和發(fā)展而迅速發(fā)展。根據(jù)對序列分解與選取方法的不同而產(chǎn)生了FFT的多種算法，基本算法是基DIT和基DIF。FFT在離散傅里葉反變換、線性卷積和線性相關(guān)等方面也有重要應(yīng)用?？焖俑凳献儞Q（FFT），是離散傅氏變換的快速算法，它是根據(jù)離散傅氏變換的奇、偶、虛、實等特性，對離散傅立葉變換的算

9、法進(jìn)行改進(jìn)獲得的。它對傅氏變換的理論并沒有新的發(fā)現(xiàn)，但是對于在計算機系統(tǒng)或者說數(shù)字系統(tǒng)中應(yīng)用離散傅立葉變換，可以說是進(jìn)了一大步。設(shè)x(n)為N項的復(fù)數(shù)序列，由DFT變換，任一X（m）的計算都需要N次復(fù)數(shù)乘法和N-1次復(fù)數(shù)加法，而一次復(fù)數(shù)乘法等于四次實數(shù)乘法和兩次實數(shù)加法，一次復(fù)數(shù)加法等于兩次實數(shù)加法，即使把一次復(fù)數(shù)乘法和一次復(fù)數(shù)加法定義成一次“運算”（四次實數(shù)乘法和四次實數(shù)加法），那么求出N項復(fù)數(shù)序列的X（m）,即N點DFT變換大約就需要N2次運算。當(dāng)N=1024點甚至更多的時候，需要N2=1048576次運算，在FFT中，利用WN的周期性和對稱性，把一個N項序列（設(shè)N=2k,k為正整數(shù)），分

10、為兩個N/2項的子序列，每個N/2點DFT變換需要（N/2）2次運算，再用N次運算把兩個N/2點的DFT變換組合成一個N點的DFT變換。這樣變換以后，總的運算次數(shù)就變成N+2（N/2）2=N+N2/2。繼續(xù)上面的例子，N=1024時，總的運算次數(shù)就變成了525312次，節(jié)省了大約50%的運算量。而如果我們將這種“一分為二”的思想不斷進(jìn)行下去，直到分成兩兩一組的DFT運算單元，那么N點的DFT變換就只需要Nlog2N次的運算，N在1024點時，運算量僅有10240次，是先前的直接算法的1%，點數(shù)越多，運算量的節(jié)約就越大，這就是FFT的優(yōu)越性。離散傅里葉變換X(k)可看成是z變換在單位圓上的等距離

11、采樣值。同樣，X(k)也可看作是序列傅氏變換的采樣，采樣間隔為N=2/N 。由此看出，離散傅里葉變換實質(zhì)上是其頻譜的離散頻域采樣，對頻率具有選擇性(k=2k/N)，在這些點上反映了信號的頻譜。 根據(jù)采樣定律，一個頻帶有限的信號，可以對它進(jìn)行時域采樣而不丟失任何信息，F(xiàn)FT變換則說明對于時間有限的信號(有限長序列)，也可以對其進(jìn)行頻域采樣，而不丟失任何信息。所以只要時間序列足夠長，采樣足夠密，頻域采樣也就可較好地反映信號的頻譜趨勢，所以FFT可以用以進(jìn)行連續(xù)信號的頻譜分析。第4章 MATLAB界面設(shè)計兩個畫圖按鈕簡化成了一個下拉菜單，坐標(biāo)圖一和二分別顯示時域和頻域波形，計算按鈕進(jìn)行計算并把數(shù)值放

12、到下面四個文本框中。判斷按鈕判斷是否故障并通過發(fā)送按鈕把特征值傳輸?shù)絾纹瑱C中。第5章 各模塊設(shè)計與程序1、 時域和頻域分析與畫圖%時域波形% figure(1);set(gcf,'CurrentAxes',handles.time);plot(xdata);xlabel('樣本序號 n/個');ylabel('電壓 V/v');%db10小波進(jìn)行4層分解%一維小波分解c,l=wavedec(xdata,4,'db10');%第一層細(xì)節(jié)信號的包絡(luò)譜y=hilbert(d1);ydata=abs(y);y=y-mean(y);nfft

13、=200;p=abs(fft(ydata,nfft);% figure(3);set(gcf,'CurrentAxes',handles.frequency);plot(0:nfft/2-1)/nfft*fs,p(1:nfft/2);xlabel('頻率 f/Hz');ylabel('功率譜 p/w')；故障信號的時域和頻域圖如下正常信號的時域和頻域圖如下可見其頻域有較大的差別2、 計算部分這里，我們調(diào)用matlab中已有的程序來計算需要得到的指標(biāo)，所編程序如下fs=10000;fid=fopen('bearingout.dat'

14、,'r');load Normal.matfid=fopen('Normal.mat');N=1000;xdata=fread(fid,N,'int16');xdata=fread(fid,N,'int16');fclose(fid);xdata=(xdata-mean(xdata)/std(xdata,1);A=mean(xdata); % 平均值set(handles.edit1,'string',num2str(A); B=max(xdata); % 最大值C=min(xdata); % 最小值D=B-C;

15、% 峰峰值set(handles.edit2,'string',num2str(D);E=kurtosis(xdata);%峭度set(handles.edit3,'string',num2str(E);F=skewness(xdata);%偏度;set(handles.edit4,'string',num2str(F);3、 判斷程序這里我們根據(jù)兩種不同信號偏度的不同來判斷是否有故障，定義偏度<=-0.05時為正常信號。global Fglobal Jglobal FF if (FF<=-0.05) J=0;else J=1;end

16、set(handles.edit6,'string',num2str(J)Matlab中本實驗所得數(shù)據(jù)計算界面如下：故障數(shù)據(jù)正常數(shù)據(jù):第6章 設(shè)計心得與總結(jié)剛開始設(shè)計時，因為對matlab的使用不是十分地了解，所以有很多的困難，覺得無從下手，經(jīng)過這么多天的學(xué)習(xí)以與查閱資料，已經(jīng)能初步完成一些簡單的語言編程，這使我感到非常有成就感，使我體會到了自主學(xué)習(xí)的樂趣。通過這次課程設(shè)計，我對數(shù)字信號處理與傅里葉變換的實際應(yīng)用有了深刻的理解，尤其加深了我對快速傅里葉變換的理解。在這次課程設(shè)計中，我還對小波變換在數(shù)字信號處理中的應(yīng)用有了一定的理解，在對信號的細(xì)節(jié)進(jìn)行分析時，小波變換是非常常見和

17、方便的一種方法?？傊?，經(jīng)過這次數(shù)字信號處理的課程設(shè)計，使我收獲頗多。不僅鞏固了理論知識，增強了自主學(xué)習(xí)能力，還學(xué)會了團(tuán)隊合作和互相幫助，使我受益良多。參考文獻(xiàn)1）微型計算機控制系統(tǒng) 賴壽宏，機械工業(yè)（教材）2）單片機與應(yīng)用大友，高等教育（教材）3）信號處理原理與應(yīng)用 平 等 機械工業(yè)（教材）4)Matlab程序設(shè)計與其在信號處理中的應(yīng)用聶祥飛等 西南交通大學(xué)附錄一 matlab總程序function varargout = keshe0628(varargin)gui_Singleton = 1;gui_State = struct('gui_Name', mfilename,

18、 . 'gui_Singleton', gui_Singleton, . 'gui_OpeningFcn', keshe0628_OpeningFcn, . 'gui_OutputFcn', keshe0628_OutputFcn, . 'gui_LayoutFcn', , . 'gui_Callback', );if nargin && ischar(varargin1) gui_State.gui_Callback = str2func(varargin1);endif nargout vara

19、rgout1:nargout = gui_mainfcn(gui_State, varargin:);else gui_mainfcn(gui_State, varargin:);endfunction keshe0628_OpeningFcn(hObject, eventdata, handles, varargin)handles.output = hObject;guidata(hObject, handles);function varargout = keshe0628_OutputFcn(hObject, eventdata, handles) function jisuan_Ca

20、llback(hObject, eventdata, handles)global xdataglobal Jglobal Fglobal FFA=mean(xdata); % 平均值set(handles.edit1,'string',num2str(A); B=max(xdata); % 最大值C=min(xdata); % 最小值D=B-C; % 峰峰值set(handles.edit2,'string',num2str(D);E=kurtosis(xdata);%峭度set(handles.edit3,'string',num2str(E

21、);F=skewness(xdata);%偏度;FF=Fset(handles.edit4,'string',num2str(F);function edit1_Callback(hObject, eventdata, handles)function edit1_CreateFcn(hObject, eventdata, handles)if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor') set(h

22、Object,'BackgroundColor','white');endfunction edit2_Callback(hObject, eventdata, handles)function edit2_CreateFcn(hObject, eventdata, handles)if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor') set(hObject,'Backgroun

23、dColor','white');endfunction edit3_Callback(hObject, eventdata, handles)function edit3_CreateFcn(hObject, eventdata, handles)if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor') set(hObject,'BackgroundColor','whit

24、e');endfunction edit4_Callback(hObject, eventdata, handles)function edit4_CreateFcn(hObject, eventdata, handles)if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor') set(hObject,'BackgroundColor','white');endfunction e

25、dit5_Callback(hObject, eventdata, handles)function edit5_CreateFcn(hObject, eventdata, handles)if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor') set(hObject,'BackgroundColor','white');endfunction pushbutton2_Callback(h

26、Object, eventdata, handles)global Fglobal Jglobal FFglobal ssss=serial('com1');ss.BaudRate=2400;ss.DataBits=8;ss.Parity='none'ss.StopBits=1;ss.TimeOut=60;ss.DataTerminalReady='off'ss.RequestToSend='off'ss.FlowControl='none'ss.InputBufferSize=1000;fopen(ss);fwr

27、ite(ss,J);fclose(ss);clear ssfunction pushbutton3_Callback(hObject, eventdata, handles)global Fglobal Jglobal FFif (FF<=-0.05) J=0;else J=1;endset(handles.edit6,'string',num2str(J)function edit6_Callback(hObject, eventdata, handles)function edit6_CreateFcn(hObject, eventdata, handles)if i

28、spc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor') set(hObject,'BackgroundColor','white');endfunction time_CreateFcn(hObject, eventdata, handles)function frequency_CreateFcn(hObject, eventdata, handles)function huatu1_Callb

29、ack(hObject, eventdata, handles)global xdataglobal Fglobal FFglobal Jfs=10000;load Abnormal.matfid=fopen('Abnormal.mat');N=1000;xdata=fread(fid,N,'int16');fclose(fid);xdata=(xdata-mean(xdata)/std(xdata,1);set(gcf,'CurrentAxes',handles.time);plot(xdata);xlabel('樣本序號 n/個

30、9;);ylabel('電壓 V/v');%db10小波進(jìn)行4層分解%一維小波分解c,l=wavedec(xdata,4,'db10');d4=wrcoef('d',c,l,'db10',4);d3=wrcoef('d',c,l,'db10',3);d2=wrcoef('d',c,l,'db10',2);d1=wrcoef('d',c,l,'db10',1);%第一層細(xì)節(jié)信號的包絡(luò)譜y=hilbert(d1);ydata=abs(y);y=y-mean(y);nfft=200;p=abs(fft(ydata,nfft);set(gcf,'CurrentAxes',handles.frequency);plot(0:nfft/2-1)/nfft*fs,p(1:nfft/2);xlabel('頻率 f/Hz');ylabel('功率譜 p/w');function huatu2_Callback(hObject, eventdata, handles)global xdatagloba