采用虛擬儀器技術構建了一套電機故障聲頻檢測系統(tǒng)。系統(tǒng)基于LabVIEW虛擬儀器軟件平臺，實現(xiàn)電機聲信號的實時采集、分析和后處理，達到檢測故障電機的目的。除了功率譜和1/3倍頻程分析，系統(tǒng)在LabVIEW平臺下，采用Matlab script節(jié)點方法完成小波變換，實現(xiàn)噪聲信號的特征向量提取。現(xiàn)場應用表明該系統(tǒng)效果良好。

　　1 虛擬儀器系統(tǒng)的構成

　　虛擬儀器是當今世界流行的一種儀器構成和檢測控制方案。虛擬儀器是一種開放式的、將計算機平臺與具有標準接口的硬件模塊以及開發(fā)測試軟件相結合的系統(tǒng)，具有通用性好和使用方便等特點。其典型的硬件結構為：傳感器一信號調理器一數據采集設備一計算機。電機故障聲測系統(tǒng)總體結構如圖1所示，由監(jiān)聽頭f傳聲器、放大和保護電路)、音頻卡和計算機組成[1]。

　　

　　圖1電機故障聲測系統(tǒng)結構示意圖

　　監(jiān)聽頭采用多個傳聲器拾取被測電機多點噪聲信號，將空氣振動信號轉換為電信號;音頻卡采用聲卡，實現(xiàn)噪聲電信號(模擬信號)與數字信號(WAV格式)的相互轉換;計算機記錄WAV格式數字信號，并對該波形進行處理，判斷有無故障發(fā)生。

　　2 電機故障聲測軟件系統(tǒng)

　　LabVIEW是虛擬儀器概念的首創(chuàng)者。該軟件平臺綜合了GPIB、VXL PXIRS-232 RS-485以及數據采集卡等硬件通信的全部功能，提供了大量的信號處理函數和信號分析工具，便于用戶高速、快捷地構建虛擬儀器測試系統(tǒng)。因此本系統(tǒng)軟件部分采用圖形化軟件LabVIEW。系統(tǒng)的軟件總體結構框圖如圖2所示。

　　

　　圖2 電機故障聲測系統(tǒng)軟件框圖

　　系統(tǒng)軟件完成的主要任務有：

　　(1)電機噪聲信號的顯示、記錄;

　　(2)信號分析(包括文件分析和實時分析)采用小波分析和頻域分析法，對非正常信號進行報警和故障顯示：

　　(3)文件的保存和打印;

　　(4)電機與傳感器參數設置。

　　2.1信號采集

　　本系統(tǒng)采用聲卡作為噪聲采集工具。從分辨率看，一般微機多媒體聲卡為16位，取樣頻率為44.1/48kHz。而主流中高檔聲卡大多具備96kHz/24 bit的取樣精度，有的甚至達到了32位，噪聲水平和總諧波失真等指標較高，超越了絕大多數模擬設備的指標，并且價格較便宜。因此系統(tǒng)采用聲卡是可行的。

　　LabVIEW提供了完備的聲卡控制模塊。本文選擇“Sound Input”模塊。該模塊含有多個函數，實現(xiàn)對聲卡的設置、開始、采集、停止和清內存的操作。圖3示出了一個通道的聲音采集程序框圖。系統(tǒng)中通道參數設置如下：輸入為單通道，16位采樣位數，44.1kHz采樣頻率;輸出為16位單通道。圖4示出了是某電磁故障電機的噪聲信號。

　　

　　圖3聲音采集程序框圖

　　

　　圖4某電磁故障電機噪聲信號

2.2信號分析

　　信號采集完畢后，程序自動進行處理和分析。采用頻域分析法得到噪聲信號的功率譜和1/3倍頻譜。便于測試人員觀察。圖4是圖3電機的功率譜。LabVIEW軟件可選購“聲音和振動”工具包，可方便地進行各種相關分析。圖5示出了某電磁故障電機噪聲功率譜。

　　

　　圖5某電磁故障電機噪聲功率譜

　　電機是一個非常復雜的機械系統(tǒng)，其噪聲信號中蘊涵著豐富的設備狀態(tài)信息。由于測得的聲音信息包含各種成份和干擾，屬于非平穩(wěn)信號，而傳統(tǒng)的建立在傅里葉變換基礎上的濾波方法在提高信噪比和空間分辨率兩項指標上存在矛盾，因此系統(tǒng)采用小波技術作為特征提取工具。采用的主要方法是：

　　(1)小波變換軟閾值消噪方法。在一維信號的消噪算法中，最關鍵的是閾值的選取和閾值的量化，采用軟閾值消噪方法可以更準確地提取信號特征。

　　(2)小波變換的任意尺度重構，可以按照選擇的尺度進行連續(xù)小波的重構，以提取信號特征。

　　在LabVIEW平臺下。可采用外掛的信號處理工具包實現(xiàn)小波變換，也可在LabVIEW中調用Matab即Matlab Script節(jié)點方式。Matlab Script節(jié)點使用戶既可將.m程序導入流程圖，又可在流程圖中根據Matlab程序的語法編輯M程序。通過這種方式，用戶可以在LabVIEW中使用Matlab強大的數值運算功能。

　　使用Matlab腳本節(jié)點時必須注意：①Matlab腳本節(jié)點只能用于Windows平臺;②機器上必須安裝Matlab才能使用Matlab腳本節(jié)點;③LabVIEW和Matlab結合應用時必須注意Matlab腳本節(jié)點內外數據類型的匹配，否則LabVIEW運行時將產生錯誤或錯誤的信息。

　　圖6示出了采集到的故障為后軸承刮的噪聲信號。采用Matlab中的函數，用軟閾值濾波算法對信號進行消噪，得到如圖7所示的消噪效果?？梢姡谝恍┩蛔兓蚣夥宀糠?，達到了很好的消噪效果。

　　

　　圖6某后軸承刮電機噪聲信號

　　

　　圖7某后軸承刮電機小波消噪后信號

　　確定電機故障特征值是故障診斷的關鍵之一。在各個頻段成份信號的能量中，綜合包含了豐富的故障信息，某些頻段能量蘊涵了某種故障特征。本文采用多分辨率分析法對噪聲信號進行小波分解，以各頻段的能量特征值為判據，逐步從低頻到高頻進行故障診斷。圖8示出了某軸承故障電機小波分解的第三層高頻系數。從圖8中可以清楚地觀測出發(fā)生故障的時刻，也可以清楚地捕捉到噪聲信號在不同頻段上的故障特征信息，進行特征提取。

　　

　　圖8某軸承故障電機小波分解系數