Измерительная система для амплитудно-частотного анализа многокомпонентных колебательных процессов

Размещено на http://www.allbest.ru/

ИЗМЕРИТЕЛЬНАЯ СИСТЕМА ДЛЯ АМПЛИТУДНО-ЧАСТОТНОГО АНАЛИЗА МНОГОКОМПОНЕНТНЫХ КОЛЕБАТЕЛЬНЫХ ПРОЦЕССОВ Работа выполнена в рамках гранта РФФИ 10-08-00472-А.

В.Н. Якимов, О.В. ГорбачевВладимир Николаевич Якимов (д.т.н., доц.), профессор каф. информационных технологий.

измерительный вибрация цифровой алгоритм

Одной из важнейших задач эксплуатации различного рода механизмов, роторных машин, газоперекачивающих агрегатов, турбин гидроэлектростанций и т. д. является поддержание их непрерывной безаварийной работы. Остановка такого рода механизмов ведет к нарушению технологического процесса и связана с материальными затратами. Возникает задача диагностики состояния агрегата без его остановки. Одним из возможных методов такой диагностики является анализ многокомпонентных процессов вибрации (МПВ), параметры которых изменяются циклически во времени. При этом полезная информация будет распределена по отдельным узким полосам частот по сравнению с эквивалентной шириной спектра наблюдаемого МПВ. На практике в качестве модели таких процессов, как правило, рассматривают аддитивную смесь гармонических компонент и статистически независимого по отношению к ним широкополосного шума [1, 2], т. е.

, (1)

где и - коэффициенты гармонического ряда Фурье; - основная частота гармонических компонент; - общее число гармонических компонент.

Соотношение (1) в полярных координатах будет иметь вид

, (2)

где каждой -той гармонике с частотой соответствует амплитуда и начальная фаза , которые равны

, , . (3)

Исследование МПВ связано с оцениванием на дискретных частотах коэффициентов и ряда Фурье и вычислением оценок амплитудного и фазового спектров на фоне широкополосного шума , имеющего непрерывный спектр. Получившие широкое распространение классические цифровые методы вычисления спектральных оценок, как правило, требуют выполнения прямого преобразования Фурье многоразрядных отсчетов наблюдаемой реализации МПВ, что приводит к значительным затратам времени даже при выполнении быстрого преобразования Фурье [3].

В мировой практике для роторного оборудования апробированы и широко используются системы вибромониторинга и диагностики. В настоящие время предлагаемые на рынке традиционные стационарные и переносные системы, как отечественные, так и зарубежные (Bruel & Kjaer, Bently Nevada, Entek-IRD и др.), являются универсальными, что предоставляет больше удобств их производителям, расширяя рынки сбыта за счет приоритетного обслуживания оборудования массового производства. Однако существует специализированное оборудование повышенной сложности (например газоперекачивающие агрегаты, турбины гидроэлектростанций), обладающее индивидуальными особенностями, необходимость учета которых определяет необходимость создания специально адаптируемых для них программно-аппаратных средств диагностического обслуживания. Наиболее адекватным решением проблемы повышения быстродействия анализа МПВ является разработка быстродействующих цифровых процедур обработки МПВ с использованием принципиально новых подходов к цифровому представлению МПВ и построение на их основе рациональных по структуре и организации специализированных измерительных систем.

В [4] показано, что повысить быстродействие цифровых процедур позволяет знаковое аналого-стохастическое квантование. В [5] на основе данного вида квантования разработаны цифровые алгоритмы вычисления оценок коэффициентов Фурье, которые не требуют выполнения цифровых операций умножения, что обеспечивает повышение быстродействия амплитудно-частотного анализа МПВ. Эти оценки вычисляются следующим образом:

, (4)

, (5)

где - время анализа; - порог срабатывания знакового аналого-стохастического квантования; - отсчеты времени, соответствующие смене знака результата знакового аналого-стохастического квантования; - количество отсчетов результата знакового аналого-стохастического квантования.

Также на основе знакового аналого-стохастического квантования в [6] разработан алгоритм вычисления непосредственно оценки амплитудного спектра , определяемого соотношением (3).

Данные алгоритмы могут быть использованы для создания специализированной измерительной системы. При этом чтобы обеспечить гибкость ее функционирования, эти алгоритмы целесообразно реализовать как независимые модули. Кроме того, принимая во внимание необходимость проведения непрерывного мониторинга состояния диагностируемого оборудования, в процессе создания такой системы следует обеспечить:

- единство информационного пространства обработки данных измерений;

- управление распределенными вычислительными процессами;

- унификацию информационного обеспечения системы;

- оперативность выбора параметров проведения диагностики (времени анализа, предполагаемой максимальной частоты в спектре МПВ, порога срабатывания знакового аналого-стохастического квантования).

С учетом вышесказанного была разработана измерительная система для проведения амплитудно-частотного анализа многокомпонентных колебательных процессов. Можно отметить следующие особенности этой системы:

1) масштабируемость и универсальность архитектуры, что позволяет развивать систему в части расширения набора функциональных модулей и предоставляет возможность использования многопроцессорных ЭВМ;

2) настраиваемая модель взаимодействия модулей системы, что обеспечивает:

- возможность выбора данных по реализациям, по координатам;

- запуск из списка возможных процедур, реализующих набор различных алгоритмов и их модификаций для проведения подготовительных процедур, расчета оценок отдельных моментных характеристик МПВ, формирования отсчетов времени аналого-стохастического квантования и анализа данных измерений;

- использование специально разработанного под конкретный алгоритм пользовательского интерфейса управления параметрами анализа;

- использование различных вариантов представления результатов анализа;

3) возможности по обеспечению интеграции:

- совместимость системы со сторонними системами с целью получения исходных данных для анализа;

- поддержка web-сервисов на базе коммуникационных протоколов;

4) эргономичный пользовательский интерфейс, позволяющий представлять исходную информацию и результаты анализа в удобном графическом виде (графики, таблицы).

Структурная схема информационного обеспечения измерительной системы представлена на рис. 1 в виде диаграммы классов универсального языка моделирования UML [7].

Основу информационного обеспечения системы составляют семь классов:

1) MainForm - класс, представляющий собой главную форму системы, которая объединяет модули в единое, целое программное обеспечение системы;

2) BaseModel - базовый класс внутреннего представления исходных данных, объявляющий интерфейс по его взаимодействию с системой; предназначен для хранения в памяти ЭВМ цифровых отсчетов анализируемого МПВ, которые загружаются в систему через конкретные его реализации (загрузка из файла, считывание с датчика, загрузка из другой системы);

3) BaseModelPreparer - базовый класс подготовки данных к анализу; предназначен для проведения подготовительных процедур и обеспечивает расчет оценок отдельных моментных характеристик МПВ (среднего значения, дисперсии, среднеквадратического отклонения, коэффициента вариации) и формирование цифровых отсчетов знакового аналого-стохастического квантования МПВ;

4) BaseModelControl - базовый класс пользовательского интерфейса; предназначен для отображения оценок вероятностных характеристик МПВ;

Рис. 1. Структурная схема информационного обеспечения измерительной системы в виде диаграммы классов

5) BaseAnalyserControl - базовый класс пользовательского интерфейса управления параметрами проведения амплитудно-частотного анализа МПВ;

6) BaseAnalyser - базовый класс проведения и формирования результатов амплитудно-частотного анализа МПВ, на основе которого реализуется расчет оценок коэффициентов Фурье (4), (5);

7) MultiChart - модуль хранения и просмотра в табличной и графической формах результатов амплитудно-частотного анализа МПВ. Он состоит из двух компонентов: графический компонент, обеспечивающий отображение данных; панель управления графическим компонентом, которая дает возможность изменять отображаемые на графическом компоненте данные по осям абсцисс и ординат. Также на основе данного модуля реализуется возможность выгрузки данных в различные системы хранения, в частности в файлы Microsoft Office Excel.

Структурная схема измерительной системы для амплитудно-частотного анализа многокомпонентных колебательных процессов представлена на рис. 2.

Аппаратная часть системы состоит из двух основных блоков:

- знакового аналого-стохастического преобразователя (ЗАСП);

- блока вычисления спектральных оценок (БВСО) или ЭВМ.

Реализация анализируемого МПВ подается на вход ЗАСП, в котором она поступает на первый вход блока формирования знакового сигнала (БФЗС). В ЗАСП генератор вспомогательного случайного процесса (ГВСП) генерирует сигнал треугольной формы с заданной в зависимости от исследуемого сигнала частотой и амплитудой, который подается на второй вход БФЗС. В БФЗС происходит сравнение двух сигналов и определяются кванты времени превышения одного сигнала над другим. Далее сформированный знаковый сигнал в виде квантов времени подается на первый вход блока формирования цифровых отсчетов (БФЦО). Для формирования цифровых отсчетов на второй вход БФЦО подается сигнал в виде импульсов, формируемых в генераторе тактовых импульсов (ГТИ), с частотой, заданной в зависимости от исследуемого сигнала. В БФЦО определяется, сколько тактовых импульсов соответствует каждому кванту времени знакового сигнала. Таким образом, на выходе ЗАСП получаем сформированный сигнал в виде цифровых отсчетов. Далее полученные цифровые отсчеты подаются на вход БВСО. В БВСО происходит непосредственное выполнение процедур вычисления спектральных оценок исследуемого сигнала. БВСО может быть либо специализированным блоком, либо ЭВМ со специализированным программным обеспечением, в которых реализованы вышеуказанные процедуры. Полученные спектральные оценки подаются на устройства вывода (УВ) для их отображения.

Рис. 2. Схема структурная измерительной системы для амплитудно-частотного анализа многокомпонентных колебательных процессов

В процессе функционирования системы осуществляются:

- сбор и хранение информации мониторинга агрегатов;

- предварительная обработка полученных данных (среднего значения, расчета дисперсии, формирования отсчетов аналого-стохастического квантования);

- анализ загруженных в систему данных;

- представление данных пользователю в графическом и табличном виде.

Для иллюстрации работы системы и разработанных алгоритмов проведены экспериментальные исследования. В качестве исходных данных анализа использовалась модель реализации МПВ в виде аддитивной смеси гармонических компонент и широкополосного шума (1) и (2) и разработаны два специальных программных модуля: первый реализует представленную модель, второй имитирует аналого-стохастическое квантование данной модели.

На рисунке 3 показаны оценки амплитудного спектра, графическое представление которых обеспечивается с помощью модуля визуализации результатов обработки реализации случайного процесса.

Данный модуль позволяет установить постоянную составляющую сигнала, задать набор гармонических компонент (для каждой компоненты указать тип (синус или косинус) частоту, амплитуду в относительных единицах, начальную фазу), и для моделирования широкополосного шума задать закон распределения и его параметры (среднее значение, дисперсию или СКО).

Данный модуль позволяет установить постоянную составляющую сигнала, задать набор гармонических компонент (для каждой компоненты указать тип (синус или косинус), частоту, амплитуду в относительных единицах, начальную фазу) и для моделирования широкополосного шума задать закон распределения и его параметры (среднее значение, дисперсию или СКО).

В процессе эксперимента параметры гармонических компонент (значения частот и амплитуд) подбирались таким образом, чтобы получаемые спектры имели ряд особенностей, по которым можно судить об эффективности работы реализованных алгоритмов. В частности, модель реализации МПВ представляла собой смесь семи гармонических компонент и равномерно распределенного белого шума с нулевым математическим ожиданием и единичной дисперсией. В итоге анализа данной модели были получены оценки амплитудного спектра. Данные оценки отражены на верхнем графике рис. 3. Для наглядности на нижнем графике приведены нормированные значения данной оценки амплитудного спектра в децибелах. Из приведенных графиков нетрудно видеть, что значения оценок амплитуд всех гармонических компонент соответствуют заданным. При этом ложных линий в спектре нет. Спектральные линии четко разрешимы по частоте, и сильные гармонические компоненты не маскируют слабые. Особенно стоит обратить внимание на то, что даже при высоком уровне шума (дисперсия равна единице) гармоническая компонента с амплитудой 0,1 ясно различима на фоне шума. Из нижнего графика видно, что шум подавлен минимум на 30 дБ по сравнению с основными гармоническими компонентами анализируемой реализации МПВ.

Рис. 3. Графическое представление оценок амплитудного спектра

Подводя итог, следует отметить, что в результате проделанной работы была разработана специализированная измерительная система, обеспечивающая оперативность проведения амплитудно-частотного анализа МПВ. Данная система позволяет подключать различные модули источников анализируемых данных (реальный сигнал, записанный сигнал в память ЭВМ, модель случайного процесса), различные алгоритмы и их модификации для подготовки и проведения анализа данных. Повышение быстродействия амплитудно-частотного анализа позволит осуществлять постоянный мониторинг МПВ и обеспечит оперативность диагностики неисправностей агрегатов.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Васильев Ю.Н., Бесклетный М.Е., Игумцев Е.А. и др. Вибрационный контроль технического состояния газотурбинных, газоперекачивающих агрегатов. - М.: Недра, 1987. - 197 с.

2. Максимов В.П., Егоров И.В. Измерение, обработка и анализ быстропеременных процессов в машинах. - М.: Машиностроение, 1987. - 208 с.

3. Марпл-мл. С.Л. Цифровой спектральный анализ и его приложения: Пер. с англ. - М.: Мир, 1990. - 584 с.

4. Якимов В.Н. Математическое представление потоков дискретного знакового преобразования непрерывных сигналов // Вестник Самар. гос. техн. ун-та. Сер. Технические науки. - 2000. - Вып. 8. - С. 190-192.

5. Якимов В.Н. Цифровой гармонический анализ многокомпонентных случайных процессов // Измерительная техника. - 2006. - № 4. - С. 22-26.

6. Якимов В.Н., Горбачев О.В. Амплитудно-частотный анализ на основе первичного аналого-стохастического преобразования многокомпонентных колебательных процессов // Ашировские чтения: Сб. трудов Международной научно-практической конференции. Том II. - Самара: Самар. гос. техн. ун-т, 2010. - С. 94-99.

7. Фаулер М. Архитектура корпоративных программных приложений: Пер. с англ. - М.: Вильямс, 2006. - 544 с.

Размещено на Allbest.ru