基于ARM嵌入式的免耕播種機(jī)盤刀軸承故障診斷

張 楓，張曉民

(南陽理工學(xué)院 軟件學(xué)院，河南 南陽 473000)

基于ARM嵌入式的免耕播種機(jī)盤刀軸承故障診斷

張 楓，張曉民

(南陽理工學(xué)院 軟件學(xué)院，河南 南陽 473000)

圓盤破茬刀是免耕播種機(jī)的重要部件，其性能好壞直接決定播種機(jī)的作業(yè)效率，而其軸承是最易出現(xiàn)問題的部件，對(duì)其檢修也比較麻煩。為此，提出了一種嵌入式的圓盤破茬刀的軸承實(shí)時(shí)故障診斷方法，以ARM的S3C2440為核心微處理器，外擴(kuò)了以太網(wǎng)通信模塊和數(shù)據(jù)采集模塊等，采用Linux系統(tǒng)開發(fā)操作界面和驅(qū)動(dòng)程序，使系統(tǒng)使用更加方便。最后，對(duì)該方法的可行性進(jìn)行了驗(yàn)證，分別測(cè)試了有故障和無故障軸承的時(shí)域和頻域特性。實(shí)驗(yàn)結(jié)果表明：該方法可以成功地實(shí)現(xiàn)振動(dòng)音頻信號(hào)的采集、存儲(chǔ)、處理和初步的診斷功能，最終達(dá)到在線實(shí)時(shí)監(jiān)測(cè)和故障診斷的目標(biāo)，為免耕播種機(jī)的故障診斷及設(shè)計(jì)優(yōu)化提供了重要的參考。

免耕播種機(jī)；嵌入式系統(tǒng)；微處理器；信號(hào)采集；ARM

0 引言

免耕播種機(jī)是現(xiàn)代化農(nóng)業(yè)作業(yè)過程中使用的一種新型農(nóng)田保護(hù)性耕種作業(yè)裝置。在國(guó)外，一般農(nóng)場(chǎng)的種植面積較大，播種機(jī)配備了大功率的拖拉機(jī)，以牽引的方式一次性完成破茬、松土、開溝、播種、施肥等多項(xiàng)作業(yè)。圖1是美國(guó)的Great Plains3P606NT 型免耕播種機(jī)，采用懸掛方式進(jìn)行作業(yè)，配套44kW的拖拉機(jī)牽引，行間距是19.05cm，配備了多個(gè)開溝器。

圖1 3P606NT 型免耕播種機(jī)Fig.1 3P606NT type no tillage seeding machine

圖2是我國(guó)的現(xiàn)代農(nóng)裝科技股份有限公司生產(chǎn)的2BMG-18型免耕施肥精少量播種機(jī)。該機(jī)型在作業(yè)時(shí)不需要進(jìn)行耕翻土壤，可以直接完成播種作業(yè)，實(shí)現(xiàn)了完全免耕。免耕播種機(jī)的圓盤破茬刀是播種機(jī)最重要的部件之一，其性能的好壞直接影響作業(yè)的效率和質(zhì)量，而對(duì)其故障的診斷主要是根據(jù)其軸承的性能來判斷的。

圖2 2BMG-18 免耕播種機(jī)Fig.2 2BMG-18 type no till seeding machine

農(nóng)機(jī)的診斷傳統(tǒng)的方法主要有4種，具體介紹如下：

1)振動(dòng)診斷技術(shù)。在農(nóng)機(jī)作業(yè)過程中，由于軸承、齒輪和葉片等農(nóng)機(jī)零部件會(huì)產(chǎn)生各種振動(dòng)，因此可以通過振動(dòng)特征判斷機(jī)械設(shè)備的故障。

2)油樣分析診斷技術(shù)。農(nóng)機(jī)作業(yè)的環(huán)境往往比較復(fù)雜，作業(yè)時(shí)風(fēng)沙會(huì)進(jìn)入農(nóng)機(jī)的零部件中，且齒輪和軸承等磨損的磨屑也會(huì)影響機(jī)械的正常作業(yè)，因此可以通過油樣的檢測(cè)來判斷農(nóng)機(jī)的機(jī)械故障。

3)噪聲監(jiān)測(cè)診斷技術(shù)。在農(nóng)機(jī)部件振動(dòng)時(shí)會(huì)產(chǎn)生各種噪聲，因此可以通過噪聲的采集和分辨來判斷農(nóng)機(jī)的機(jī)械故障。

4)紅外測(cè)溫診斷技術(shù)。紅外測(cè)溫診斷技術(shù)是對(duì)農(nóng)機(jī)作業(yè)過程中的摩擦溫度進(jìn)行紅外線檢測(cè)，并將異常溫度作為機(jī)械故障診斷的依據(jù)。

以上是幾種常用的故障診斷技術(shù)，隨著智能技術(shù)的發(fā)展，農(nóng)機(jī)機(jī)械復(fù)雜程度也越來越高，因此出現(xiàn)了以下兩種新的機(jī)械故障診斷技術(shù)：

1)智能診斷技術(shù)。智能診斷技術(shù)主要是依據(jù)智能算法、計(jì)算數(shù)據(jù)庫和先進(jìn)的信息技術(shù)，利用仿生技術(shù)和遙感技術(shù)等，建立智能化的專家評(píng)價(jià)系統(tǒng)，并將經(jīng)驗(yàn)和思想錄入數(shù)據(jù)庫，通過自學(xué)習(xí)和自適應(yīng)來對(duì)實(shí)際情況進(jìn)行分析，提高了分析效率和分析精度。

2)在線實(shí)時(shí)故障診斷系統(tǒng)。在實(shí)際故障診斷的過程中，由于缺乏實(shí)際的標(biāo)準(zhǔn)，很難做到檢測(cè)的實(shí)時(shí)性，因此可以利用網(wǎng)絡(luò)技術(shù)來建立一個(gè)在線的實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。該系統(tǒng)通過對(duì)工作狀態(tài)的實(shí)時(shí)監(jiān)測(cè)，在遇到裝置異常時(shí)發(fā)出警報(bào)，以便及時(shí)地維修，既保證了作業(yè)的正常進(jìn)行，又保護(hù)了機(jī)械作業(yè)裝置免受更大的損壞。

1 免耕播種機(jī)故障診斷系統(tǒng)和算法設(shè)計(jì)

對(duì)于傳統(tǒng)軸承故障診斷技術(shù)一般采用的是單片機(jī)和DSP作為數(shù)據(jù)采集和處理的核心，但在故障診斷過程中會(huì)受到芯片運(yùn)算速度的限制，因此不能夠并行處理多個(gè)任務(wù)。對(duì)于傳統(tǒng)的故障診斷儀器，通常只是對(duì)軸承故障進(jìn)行檢測(cè),然后將采集結(jié)果存儲(chǔ)到存儲(chǔ)器中，再將數(shù)據(jù)輸送到電腦上進(jìn)行輸出處理，其實(shí)時(shí)性差。據(jù)此，本文將傳統(tǒng)方法進(jìn)行改進(jìn)，并將其應(yīng)用在了播種機(jī)故障診斷系統(tǒng)硬件中，架構(gòu)如圖3所示。

圖3 播種機(jī)故障診斷系統(tǒng)硬件架構(gòu)Fig.3 The hardware architecture of the seeding machine fault diagnosis system

本研究采用ARM作為嵌入式核心處理器，采用Linux開發(fā)操作系統(tǒng)，使診斷裝置既具有較高的運(yùn)算能力，又有很好的人機(jī)交互功能，同時(shí)具有多任務(wù)并行處理功能。

圖4為嵌入式系統(tǒng)和以太網(wǎng)的接口原理圖。其中，ARM的芯片S3C2440與DM9000利用3種形式和連接，包括數(shù)據(jù)線、控制線和地址線，DM9000與RJ45利用水晶頭和以太網(wǎng)進(jìn)行連接。

圖4 ARM 嵌入式系統(tǒng)和以太網(wǎng)接口原理圖Fig.4 Schematic diagram of ARM embedded system and Ethernet interface

圓盤破茬刀滾動(dòng)軸承的故障可以利用音頻信號(hào)特征來進(jìn)行診斷，由音頻信號(hào)的發(fā)生機(jī)理可知：信號(hào)具有短時(shí)的平穩(wěn)性，在對(duì)信號(hào)進(jìn)行分析時(shí)可以利用加窗的方法，從而得到較為理想的短時(shí)分析設(shè)計(jì)要求。短時(shí)能量分析是音頻信號(hào)短時(shí)分析最常用的方法之一，由于信號(hào)的濁音和清音之間能量的差距較大，可以利用這種方法對(duì)清、濁音進(jìn)行分析。假設(shè)采集信號(hào)函數(shù)為x(m)，可以將短時(shí)能量定義為

(1)

其中，N為窗長(zhǎng)；n為軸承音頻的某一信號(hào)幀；w(n-m)為實(shí)窗口函數(shù)序列；w為角頻率；m為采樣點(diǎn)。當(dāng)使用矩形窗時(shí)，其函數(shù)表達(dá)式為

(2)

由式(2)能量函數(shù)可以得到播種機(jī)圓盤破茬刀軸承采集的音頻信號(hào)的振幅特性，通過窗的大小可以有效地反映能量En的變化，因此在進(jìn)行處理時(shí)不能讓窗太小，否則得不到平滑的能量函數(shù)。對(duì)于圓盤破茬刀軸承音頻信號(hào)的分析還可以通過頻域分析來體現(xiàn)，頻域分析主要通過傅立葉變換來實(shí)現(xiàn)。由于語音信號(hào)隨著時(shí)間的變化而變化，而標(biāo)準(zhǔn)的傅立葉變化適用于周期及平穩(wěn)隨機(jī)信號(hào)，因此不能直接使用。但是，軸承音頻信號(hào)在短時(shí)間內(nèi)可以看作近似不變的，因而可以采用短時(shí)分析法。由于圓盤破茬刀軸承采集得到的信號(hào)是短時(shí)隨機(jī)平穩(wěn)信號(hào)，因此語音信號(hào)幀短時(shí)傅立葉變換可以定義成

(3)

令n-m=k′，則

(4)

于是可以得到

(5)

假定

(6)

則可以得到

(7)

由式(7)可以看出：短時(shí)傅立葉變換的變量是兩個(gè)，其中包括n和ω。因此，該變換包含了一個(gè)時(shí)序?yàn)閚的離散函數(shù)，還包含一個(gè)角頻率為ω的連續(xù)函數(shù)。因此，根據(jù)離散函數(shù)的傅立葉逼近，令w=2πkN，則可以得到離散短時(shí)傅立葉變換為

(0≤k≤N-1)

(8)

通過圓盤破茬刀軸承音頻信號(hào)的處理，可以得到其軸承故障的音頻振幅特性，從而有助于快速診斷免耕播種機(jī)的故障，提高播種的作業(yè)效率。

2 基于音頻信號(hào)特征的免耕播種機(jī)盤刀軸承故障診斷

免耕播種機(jī)圓盤破茬刀軸承在不同故障工況下，可通過采集模塊采集到振動(dòng)的音頻信號(hào)，通過分析該信號(hào)的時(shí)域和頻域波形來判斷其機(jī)械故障，其中常見的故障工況主要有表1所列舉的類型。

表1中，主要故障類型包括軸承溫度過高、供油不足和各種機(jī)械損傷，為了測(cè)試故障時(shí)的波形特性曲線，選用正常軸承和存在故障的軸承分別測(cè)試，其測(cè)試場(chǎng)地如圖5所示。

表1 常見軸承故障

圖5 故障診斷測(cè)試場(chǎng)地Fig.5 The fault diagnosis test site

在測(cè)試過程中，柴油機(jī)的轉(zhuǎn)速為800r/min時(shí)，行進(jìn)的平均速度為1m/s，利用系統(tǒng)采集模塊可以得到軸承音頻信號(hào)原始數(shù)據(jù)，將數(shù)據(jù)利用數(shù)據(jù)處理系統(tǒng)進(jìn)行處理，可以得到如圖6所示的測(cè)試曲線。

圖6 故障和無故障播種機(jī)時(shí)域檢測(cè)對(duì)比曲線Fig.6 The contrast curve of time domain detection of

faultandnonfaultseedingmachine

由曲線結(jié)果可以明顯地看出：存在故障的圓盤破茬刀軸承和無故障的檢測(cè)曲線存在明顯的不同。進(jìn)一步進(jìn)行頻域分析，得到了如圖7所示的結(jié)果曲線。

圖7 故障敏感性頻率響應(yīng)曲線Fig.7 The frequency response curve of fault sensitivity

對(duì)故障音頻信號(hào)進(jìn)行頻域分析發(fā)現(xiàn)：故障1在1 598Hz處的頻率較為敏感，故障2在1 478Hz處的頻率較為敏感，在這些敏感處對(duì)故障進(jìn)行分析可以得到較好的診斷結(jié)果。在相同采樣點(diǎn)情況下，對(duì)正常工況和故障工程下的音頻信號(hào)特征進(jìn)行提取，通過匯總得到了表2所示的統(tǒng)計(jì)結(jié)果。

表2 時(shí)域特征指標(biāo)范圍結(jié)果

由表2可以看出：在4個(gè)指標(biāo)當(dāng)中，在時(shí)域指標(biāo)下不同工況的范圍是有差異的。對(duì)于故障的評(píng)價(jià)，可以按照和正常狀態(tài)的偏離程度來劃分，本次劃分的等級(jí)主要是3種，分別為良、中、差。劃分結(jié)果如表3所示。

表3 故障等級(jí)劃分表

由表3可以看出：利用軸承的數(shù)據(jù)特征可對(duì)軸承故障進(jìn)行劃分，將這些指標(biāo)作為軸承故障診斷的時(shí)域和頻域特征向量，對(duì)故障進(jìn)行實(shí)時(shí)診斷，并實(shí)時(shí)輸出，從而提高故障的診斷效率。

3 結(jié)論

本研究成功地將嵌入式ARM系統(tǒng)應(yīng)用到了免耕播種機(jī)圓盤破茬刀的軸承故障診斷系統(tǒng)中，并分別測(cè)試了有故障和無故障軸承的時(shí)域和頻域監(jiān)測(cè)曲線，得到了兩種主要故障的特性，為免耕播種機(jī)的故障診斷及設(shè)計(jì)和優(yōu)化提供了數(shù)據(jù)參考?，F(xiàn)代農(nóng)業(yè)日新月異，對(duì)農(nóng)業(yè)設(shè)備性能要求越來越高的同時(shí)，也帶動(dòng)了機(jī)械產(chǎn)品診斷技術(shù)的不斷發(fā)展，今后的農(nóng)業(yè)發(fā)展趨勢(shì)將朝著智能化和綜合化發(fā)展邁進(jìn)，因此本研究還存在一些不足，今后有待于改進(jìn)。例如，對(duì)于診斷系統(tǒng)的準(zhǔn)確性和作業(yè)的效率，系統(tǒng)還沒有完全建立專家評(píng)價(jià)系統(tǒng)，沒有對(duì)故障類型進(jìn)行統(tǒng)一規(guī)范，且現(xiàn)代農(nóng)業(yè)技術(shù)人員計(jì)算機(jī)水平不高，因此開發(fā)的系統(tǒng)是否簡(jiǎn)單容易操作還有待于進(jìn)一步考證。在今后的研究中會(huì)努力克服這些問題，以提高診斷系統(tǒng)的實(shí)用性和可靠性。

[1] 陳磊,韓捷,孫俊杰,等.基于ARM和CPLD的振動(dòng)信號(hào)采集系統(tǒng)設(shè)計(jì)[J].機(jī)床與液壓,2011,39(7):55-57.

[2] 張永肅,高寶成.基于Linux系統(tǒng)的汽車噪音故障診斷系統(tǒng)[J].嵌入式技術(shù),2011,34(12):80-83.

[3] 徐偉,胡志忠,肖前貴,等.AD7490與AT91RM9200的SPI接口及其驅(qū)動(dòng)程序的實(shí)現(xiàn)[J].計(jì)算機(jī)測(cè)量與控制,2009,17(10):2089-2091.

[4] 牛雨生.基于神經(jīng)網(wǎng)絡(luò)的刀具振動(dòng)趨勢(shì)預(yù)測(cè)研究[J].電腦知識(shí)與技術(shù),2012,8(2):939-941.

[5] 方質(zhì)彬,潘宏俠,曲景陽.基于嵌入式Linux的采煤機(jī)狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)設(shè)計(jì)[J].煤礦機(jī)械,2013, 34 (11):265-268.

[6] 王醇濤,陸金銘.運(yùn)用HHT邊際譜的柴油機(jī)故障診斷[J].振動(dòng)、測(cè)試與診斷,2010,30(4):465-468.

[7] 曹龍漢,武明亮,何俊強(qiáng),等.基于DE-SVM的柴油機(jī)氣門故障診斷方法及應(yīng)用[J].儀器儀表學(xué)報(bào),2011,32 (2):323-328.

[8] 胥偉,王亮,王軍.基于DSP和ARM的遠(yuǎn)程視頻監(jiān)控系統(tǒng)的設(shè)計(jì)[J].高師理科學(xué)刊,2011,31(3):52-54.

[9] 楊代華,劉俊,張盼盼.基于ARM和DSP的運(yùn)動(dòng)控制平臺(tái)設(shè)計(jì)及驅(qū)動(dòng)程序開發(fā)[J].機(jī)床與液壓,2010,38 (1):54-56.

[10] 王強(qiáng)龍,潘宏俠,任海峰.基于PSD的長(zhǎng)管彎曲度測(cè)量系統(tǒng)設(shè)計(jì)[J].傳感器與微系統(tǒng),2013,32(1):108-111.

[11] 郭鋼祥,潘宏俠,王強(qiáng)龍.基于PSD和ADS7825的長(zhǎng)管彎曲度測(cè)量系統(tǒng)的設(shè)計(jì)[J].煤礦機(jī)械,2013,34(4):268-270.

[12] 程宏才,宋克柱,楊俊峰,等.大型地震數(shù)據(jù)采集系統(tǒng)中的實(shí)時(shí)監(jiān)視系統(tǒng)設(shè)計(jì)[J].核電子學(xué)與探測(cè)技術(shù),2012,32(7):814-817.

[13] 余建清,藏觀建,謝世坤,等.旋轉(zhuǎn)機(jī)械故障診斷中的信號(hào)處理技術(shù)綜述[J].機(jī)床與液壓,2011,39(24): 107-110.

[14] 吳斌,王敏捷,康晶,等.滾動(dòng)軸承故障振動(dòng)信號(hào)特征與診斷方法[J].大連理工大學(xué)學(xué)報(bào),2013,53(1): 76-81.

[15] 黎丹,陳特放.機(jī)車軸承故障診斷中振動(dòng)信號(hào)采集的研究[J].應(yīng)用與設(shè)計(jì),2009(1):35-39.

[16] 郭京薔,吳勇.DSP和PC機(jī)的串行通信[J].計(jì)算機(jī)工程與設(shè)計(jì),2014,25(3):475-477.

[17] 李學(xué)軍.便攜式位移加速度振動(dòng)信號(hào)測(cè)試系統(tǒng)軟硬件設(shè)計(jì)與實(shí)現(xiàn)[J].電子測(cè)量與儀器學(xué)報(bào),2008,22(2):56-61.

[18] 高潮,田博今,郭永彩.基于DSP和ARM的自適應(yīng)振動(dòng)信號(hào)采集系統(tǒng)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2010,19(12):255-259.

[19] 朱攀,賀敬.機(jī)載數(shù)據(jù)采集器模擬信號(hào)采集模塊故障分析[J].中國(guó)科技信息,2014(7):173-175.

[20] 陳科,張建庭,鄭紅梅,等.塔機(jī)信號(hào)采集與存儲(chǔ)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電子測(cè)量與儀器學(xué)報(bào),2014,28(8): 892-900.

[21] 劉建敏,李曉磊,喬新勇,等.基于EMD和STFT柴油機(jī)缸蓋振動(dòng)信號(hào)時(shí)頻分析[J].噪聲與振動(dòng)控制, 2013,4(2):133-137.

[22] 王旭慧,江琦.小波分析在汽輪機(jī)振動(dòng)故障診斷中的應(yīng)用研究[J].電力學(xué)報(bào),2014,29(1):80-83.

[23] 胡愛軍.經(jīng)驗(yàn)?zāi)B(tài)分解中的模態(tài)混疊問題[J].振動(dòng)、測(cè)試與診斷,2011,31(14):429-434.

[24] 席有猷,郝建華,程乃平.一種Wigner-Ville分布交叉項(xiàng)剔除的新算法[J].河北科技大學(xué)學(xué)報(bào),2012,6(33): 506-509.

[25] 郭玉剛.Wigner-Ville分布在非平穩(wěn)信號(hào)分析中的應(yīng)用[J].遼寧師專學(xué)報(bào),2014,6(2):11-12.

[26] 鄒紅星,戴瓊海,李衍達(dá),等.不含交叉項(xiàng)且具有WVD聚集性的時(shí)頻分布之不存在性[J].中國(guó)科學(xué)(E輯),2011,31(4):348-354.

[27] 關(guān)紅彥,肖偉.抑制魏格納分布交叉項(xiàng)干擾的自譜窗方法[J].信號(hào)處理,213,19(3):215-218.

Fault Diagnosis of Disc Knife Bearing of no Tillage Seeding Machine Based on Embedded ARM

Zhang Feng, Zhang Xiaomin

(School of software, Nanyang Institute of Technology, Nanyang 473000, China)

The disc cutting knife is an important part of no tillage seeding machine,whose performance directly determines the operating efficiency of the seeding machine, and whose bearing is the most easy to have the problem of parts, and its maintenance is also more trouble. Accordingly, it proposed an embedded disc broken stubble cutter bearing real-time fault diagnosis method, to arm S3C2440 as the core microprocessor, the expansion of the Ethernet communication module and data acquisition module, the Linux system development operation interface and driver, to make the system more convenient to use. Finally the feasibility of the method was validated by test failure and no bearing fault in time domain and frequency domain characteristics. According to the experimental results, the method can successfully realize the audio frequency vibration signal collection, storage, processing and preliminary diagnosis function, and ultimately achieve on line monitoring and fault diagnosis of the target, which provides important reference data for no tillage sowing machine fault diagnosis and design optimization.

no tillage seeding machine; embedded system; microprocessor; signal acquisition; ARM

2016-08-12

河南省農(nóng)業(yè)科技自主創(chuàng)新資金項(xiàng)目(CX[16]60732)

張 楓(1982-),男，河南南陽人，講師，碩士，(E-mail)gudengxia@gmail.com。

S223.2；TP274.2

A

1003-188X(2017)12-0058-05