机械故障模拟及诊断平台论文.doc

江苏大学 毕业设计论文
摘 要

论文从故障诊断的历史发展和现状讲起，概括阐述了故障诊断的基本原理和主要方法，简单介绍了机械故障模拟及诊断平台，具体的描述了机械故障模拟及诊断平台配套软件系统（特别是软件系统中数据分析部分）的功能、结构、开发平台以及软件系统实现中的关键技术。并利用软件系统对一组采样数据进行分析演示，对数据分析部分软件的操作使用和软件的工作流程做了简单介绍，最终得到了该采样数据的分析结果，得出了实验的结论。

关键词：机械故障诊断平台、软件系统、数据分析
Abstract

From the history developping and the present condition of the diagmostic malfunction , this thesis generally expatiate the basic principle and the main methods , simply introduce the terrace of diagnostic mechanical malfunction , concretely describe the function, construction , development terrace of the soft system(especially the data analysis part of software system ) concerting with the diagnostic mechanical malfunction ,and the key technique of the software system，and make analysis and demonstrate by useing software system for a group of collecting data, make a simple introduction about the software usage and workflow, and finally come to conclusion by analyzing the results of collecting data.

Keywords: the terrace of diagnostic mechanical malfunction, software system, data analysis
第一章　概　论
第一节　国内外关于机械故障诊断技术的研究概况
故障诊断是通过掌握设备现在运行中或基本不拆卸的情况下的状态量，判断有关异常、故障的原因和预测对将来的影响，从而找出必要的对策的技术。它是一门综合性技术，涉及传感及测试技术、电子信号识别处理计算机技术以及人工智能、专家系统等多门基础学科，是对基础理论的综合应用。
故障诊断技术起源于美国，60年代初由于航天、竣工方面的需求发展起来的，以后逐步推广到核能设备、动力设备和其他一些大型设备中，诸如流体机械（如发动机、气轮机、压缩机和水轮机等）、加工机械（如金属切削机床、压力加工机床）、电气机械和运输机械，以及压力容器、管道系统等。1967年在美国宇航局和海军研究所的倡导和组织下，成立了美国机械预防小组（MFPG），开始有计划有组织对诊断技术分专题进行研究。此后很多学术机构如美国机械工程学会（ASME），政府部门如国家标准局（NBS）以及一些高等院校和企业公司都参与或进行了与本专业有关的诊断技术。美国的一些公司，如Bently，HP,Scientic Atalanta等，他们的诊断产品代表了当今诊断技术的在最高水平。其他的一些国家，诊断技术也各有特色，如英国在摩擦诊断技术方面，丹麦在振声诊断方面，日本在诊断技术应用方面都各有优势。
我国的设备诊断研究工作起步于80年代初期，较欧、美、日等国晚10-20年。70年代后期到80年代中期，由于我国生产和交通的高速发展，加之一些设备陈旧以及设备诊断技术还没有普及，重大事故经常发生，给国家和社会造成了巨大的损失。当时有关技术人员认识到设备诊断技术的重要性和急迫性，指出设备故障诊断技术关乎国民经济的发展。此后国家对诊断技术的发展和应用非常重视，把机械设备的故障诊断技术列为85和95计划中的重点开发项目。经过有关技术人员的10多年的努力，大大缩短了在这一领域和国际先进水平的差距，许多科研开发成果已给我过带来了很大的经济效益和社会效益。如西安大学的“大型旋转机械计算机状态检测与故障诊断系统”，哈尔滨工业大学的“机组振动微机检测和故障诊断系统”，东北大学的“轧钢机检测和故障诊断系统”和“风机工作状态检测诊断系统”等。而近十多年来，随着电子技术、现代检测技术和信号处理技术的迅速发展，加之各种学科的相互渗透，相互交叉和相互促进，从而逐渐使之发展为一个完整的学科体系。它涉及到数学、物理、化学、电子技术、传感技术及信号处理、模式识别与人工智能等学科和技术。尤其是信号分析方法得到迅速发展，并在设备故障诊断中发挥巨大作用。
随着人工智能技术特别是专家系统技术的不断发展和完善，人们开始将人工智能和专家系统应用到故障检测领域。在采用先进的传感器技术和信号处理技术的基础上研制设备诊断专家系统，将现代科学的优势同诊断领域专家的丰富经验与思维方式结合起来，已成为设备诊断技术发展的主要方向。80年代中期，随着常识推理和模糊理论基于功能的推论向多知识表示、多推理及多层次综合型转化。80年代人工神经网络兴起后，人们开始研制基于人工神经网络的专家系统，并成为机械智能诊断的新的方向，应用前景十分广阔。近年来，我国部分高等院校、科研院所及大型企业都加强了现代诊断工程技术饿研究，特别是西安交大在“小波分析”，华中科大在“神经网络”，北京化工大学在“远程诊断”以及江苏大学和三重大学在“GA诊断”都处于国际先进水平。
第二节　机械故障诊断研究的意义
机械故障的发生对社会发展，经济的运转，人民的幸福和安全所带来的危害不言而喻。它关系到各行业运作，比如机械制造、航天、远洋、军事、农业生产、科研、探险等。机械故障的研究有助于我们早期发现故障，在线检测机械运作，确定故障原因等。这些都是保证生产进行的最有效的方法。我们取机械行业，并且选取典型不见——轴承为例进行说明。滚动轴承是机械设备中应用最为广泛的旋转部件之一，也是机械设备中最易损坏的部件之一，其运作状态是否良好直接影响整台机器起的性能。矿山设备尤其是采矿运输设备，由于滚动轴承早期故障导致设备故障的例子很多，就旋转机械而言，现场故障中有7%是因为滚动轴承故障的异常，导致机械损坏造成的。比如列车掣肘在早期一场没有被及时发现继续运行的话，由于高速和重载很容易引起滚珠的粉碎性破坏，很快使掣肘产生巨热而断裂，造成重大事故。再如钢铁厂在轧钢时，轧辊的转速和负载都是变化的，目前国内外还没有有效的轧辊轴承故障诊断方法，因此在工作时轴承异常不能及时地被发现。国内某钢铁厂由于轴承的破坏造成轧钢生产线一系列设备的损坏，其损失达数亿元，因此，对记录工作状态的监视机器故障诊断技术的研究工作越来越受到人们的重视，成为保证生产良好的重要措施。
第三节　项目涉及的总体思路
本项目主要研制一种可以以机械平台来模拟各种设备不同的运行状态，通过对设备不同状态的信号进行数据采集，并可以对采集到的数据进行各种诊断分析的智能机械故障诊断平台，从而来满足机械故障诊断理论研究和教学上的需要。它主要由机械平台、数据采集系统、数据分析系统组成。它主要思路是通过对同种型号正常设备和异常设备分别进行数据采集，对采集到的数据进行对比分析，比较正常设备和异常设备各方面的区别，从而对故障诊断理论进行进一步的研究和学习。
本项目研发流程如图1-1：
在江苏大学骆志高老师和三重大学陈鹏老师研究的基础上，该项目经过大量的调研、理论分析、数值计算、机械设计制造、软件的开发、系统的组装调试及实测诊断分析等环节。形成了一套完整、全新的机械故障测试系统——“智能型多功能机械故障平台”。

数据采集
（加速度信号和速度信号）

滤波处理
（滤掉噪声信号）

信号处理
（包络线处理）

固有频率计算
（计算设备的固有频率）

诊断推论

用户根据可行性分析图和
固有频率判断
设备是否存在故障

图1-1 项目流程图

第二章 故障诊断的基本理论和方法
第一节 故障诊断的基本原理
设备故障诊断的基本原理是：异常设备在每次运转到破损、产生故障的部位时，就会发生一个周期性的冲击波，不同类型的故障、不同的故障部位、不同的故障严重程度，产生的冲击波的频率、大小也会有所区别，如果使用高精度的传感器对设备多个运转周期进行信号采集，通过对采集到的波形处理，就可以通过观察设备固定频率上是否存在冲击波，即可判断设备是否存在故障，以及故障的大致位置。
第二节 故障诊断基本方法
故障诊断技术发展至今,已提出了大量的方法。按照国际故障诊断权威,德国的Pm Frank教授的观点，所有的故障诊断方法可以划分成基于知识的方法、基于解析模型的方法、基于信号处理的方法三种。当可以建立比较准确的被控过程的数学模型时，基于解析模型的方法是首选的方法。现在已经证明了基于观测器的状态估计方法与等价空间方法是等价的。参数估计方法更易于故障的定位与故障幅值的估计。当可以得到被控过程的输入输出信号,但很难建立被控对象的解析数学模型时,可采用基于信号处理的方法。其中,小波变换方法是近年来发展起来的一种很有前途的方法。当很难建立被控对象的定量数学模型时，可采用基于知识的方法。
由于流程工业的复杂性和大规模性,造成了对这类对象建立精确的数学模型变得异常困难。因此，那些需要精确数学模型的故障诊断方法就很难在这类对象上得到推广应用。而基于知识的方法由于不需要对象的精确数学模型，因此更适用于流程工业的故障诊断。现在主要介绍几种比较经典的故障诊断判断方法。
2．2．1 频谱分析判断法
随着机械设备向着复杂、精密等方向的发展，机械设备的状态分析与故障诊断的必要性日趋突出，频谱分析技术推动了现代机械设备故障诊断学的发展。目前，频谱分析故障诊断工作进展主要体现在以下两个方面：一方面理论工作者对机械设备的振动机理做了越来越深入的研究。为更好地运用频谱分析技术提供了理论基础；另一方面，随着以小波分析技术为代表的现代频谱分析技术的不断发展，为机械故障诊断提供了广阔的前景。
1965年，美国人库利与图基提出了FFT算法，为平稳信号处理提供快速、有效的工具。由于FFT的数据处理格式方便、灵活、硬件化容易，迄今为止，全球商品化的动态分析仪大多以其为核心进行信号处理，借助于FFT算法实现的信号处理有：自相干、常相干、偏相干、倒谱、三阶谱、相关谱、细化谱，以及做多通道分析时的互相关、互谱、相干分析、传递函数等，以上方法能够为故障诊断提供十分有用的特征信息，在故障诊断中把故障的FFT谱分析与时域分析相结合，容易突出故障特征。1984年，R.B.Randall进行了机械设备的谱趋势分析。同年，R.F.Bosmans利用谱分析开展旋转机械的早期潜在故障检查与诊断。1989年，I.Iman提出Histogram分析技术，将正常运行状态下的转子振动时域波形与故障状态下转子振动时域波形相减，然后求出FFT谱，用以反映故障引起的转子振动信息。1989年，西安交通大学的屈梁生、李宵将同源ANC技术结合FFT谱分析应用于轴承、齿轮的故障诊断，使噪声干扰减少、故障特征频率更易于辩识。
2．2．2 状态模型辩识诊断法
近年，许多学者提出新的故障诊断方法，其应用在线系统辩识技术来实时地为系统建立数学模型，当系统中存在故障时，系统的输入、输出关系就会改变，这些变化反映在数学模型中。因此，当系统的数学模型的参数变化较大时，系统就有可能存在故障。在应用系统辨识的诊断方法时，首先要在系统正常运行时建立一个正常状态的数学模型，并采用Kalman滤波器的原理递推地估计出系统状态模型参数，然后在系统运行中实时地辨识系统的参数，以求出系统参数的变化，并建立其协方差矩阵和参数估计值组成的检验量，从而进行假设检验。系统辨识诊断方法的优点是在线跟踪参数的变化，故障检测快而准，诊断的实时性强；确定是对非先行系统与时变系统，由于参数辨识有一定困难，所以应用受到一定的限制。
2．2．3 随即模型参数估计诊断法
对任何系统进行过程的状态检测，只需要提取反映系统当前时刻的总体平均势态信息的参数和当前时刻瞬时状态信息变化率参数，就可以对系统运行状态作出合理的表征。表征系统总体平均势态的信息，主要是信号的能量、信息 、散度、方差、散布矩阵、相关矩阵、信号所建时序模型的参数和残差以及它们的有效组合等，定义为E（k），E（k）反映系统运行状态相对初始设定状态的偏离程度。这种偏离越大，E（k）也越大，超出一定范围，则认为系统当前状态已不属于初始设定的系统状态。如果系统运行状态平稳，E（k）也相对稳定，变化不大。因此，对缓变性状态或故障一直存在的过程，在E（k）的值大小上能客观地反映，而对冲击性、阶跃性的随即故障的起始点则反映迟钝且相对滞后。
现代谱分析技术多采用时间序列的自回归模型（AR）或自回归滑动平均模型（ARMA）进行谱分析，六十年代中期以后，现代谱分析逐渐引起人们重视，七十年代以来有了迅速的发展，开发了诸如基于最大熵准则，最小均方准则，最大似然准则和最小交叉互准则等大量算法。现代谱的特定是不存在频谱泄露，频谱定位准，但存在计算速度慢等缺陷。
2．2．4 灰色模型关联分析诊断法
现代机械设备实质上就是一个复杂系统，也可以视为一个灰色系统，其中征兆、病症等诸因素之间没有确定的映射关系和明确的作用原理，因此，在理论上把灰色理论的概念和方法引入到故障诊断领域，利用已知的故障特征量去判别机械系统的状态并对未来发展趋势作出预报和决策。
灰色理论是研究机械系统的振动特征与对应故障特征之间的相关性，以反映系统内部的联系，定量地描述系统内部特征与故障特征的发生与发展之间的关系。
1998年，靳晓雄等在灰色理论的基础上提出了诊断柴油机故障的灰色优劣关联度法，并用语6E390柴油机的工况评价和故障诊断。
2．2．5 统计诊断法
在故障诊断中，系统的不同状态就有 的模式，所谓故障诊断即为模式识别。模式识别与分类关系密切，从某种意义上可以说，模式识别就是把系统的状态分为若干类，并有一定的判别给定的状态应属于哪一类。按统计检验方法不同，可分为：①x2检验法；②序贯比检验；③广义似然比检验法（GLR）。为降低误判的概率，利用该方法进行故障诊断时往往需要较大样本。
2．2．6 模糊诊断法
模糊诊断利用隶属度概念描述故障与征兆。由于模糊性引起的不确定关系，该方法利用经验和模糊统计诊断矩阵，再根据模糊逻辑合成算法进行模糊综合评判。基于模糊数据的可能性理论同主观Bayes方法，E.Shortliffe和B.Buchanan的确定性理论和Dempster的证据理论构成专家系统不确定性推理的基本理论。
模糊诊断是一种颇有前途的诊断方法，其有两个显著的特点：
① 它采用多因素诊断，并模拟人类的思维方法。
② 隶属函数的确定具有一定的难度，其精确度的高低取决于统计资料的准确性和丰富程度以及专家的实际经验。
2．2．7 专家系统诊断法
在运用人工智能（Artificial Intelligence,AI）技术解决工程实际问题的过程中，人们逐渐认识到，就智能行为本身而言，只强调形式推理是不够的，基础还在于知识。人类的智能活动即是以处理知识为核心，因此，要使计算机象人类专家一样解决问题，就必须为计算机提供专家所具有的那些专门知识和技能，从而导致了“知识工程”（KE-Knowledge Engineering）的出现。
专家系统萌芽于60年代，70年代主要在美国大学的研究所内迅速地发展起来，进入80年代开始波及产业界，目前，在各领域中，针对各类问题，正在积极地开发相关专家系统，因此，到90年代初期，应用事例不断增多，实用化程度日益提高。
专家系统的目标是获取和使用人类专家的启发性知识，传统程序的目标是实现一组算法。因此专家系统有许多不同于传统程序的特点。其中最基本的区别在于专家系统以知识处理为对象，而传统程序是以数据为处理对象，因此，专家系统注重知识表示和推理方法，而传统程序则强调数据结构和算法，如果传统程序的结构和算法可表示成：数据结构+算法=程序；那么专家系统的结构为：知识+推理=专家系统。
2．2．8人工神经网络
神经网络的研究已有近40年的历史，1957年，Rosebblatt首次引进了感知机概念（Perceptron），它由阀值性神经元组成，试图模拟动物和人脑的感知和学习能力；1962年，Widrow提出了自适应线形元件（Adaline），它是由连续取值的线形网络，主要用于自适应系统；在经理了60年代末期至70年代末期的一段低谷后，于1982年，物理学家Hopfield提出了HNN模型，从而有力地推动了神经网络的研究；此后，出现了神经网络研究热潮，欧、美及日本等发达国家将神经网络理论广泛应用于计算机科学、电子学控制学、信息科学、机械设备故障诊断等领域，我国学者将神经网络理论应用于机械设备故障诊断作了大量而有意义的研究和实践。
迄今为止，人工神经网络大致已有近60种计算方法很适合于处理并行信息。常用的有13种。其采用并行分布式计算方法很适合于处理并行信息。
人工神经网络的特点是：
① 并行结构与并行处理方式。神经网络具有类似人脑的功能，不仅在结构上是并行的，而且处理问题方式也是并行的，克服了传统的智能诊断系统存在的无穷递归、组合爆炸及匹配冲突等问题。它特别使用于快速处理大量的并行信息。
② 具有高度的自适应性。系统在知识表示和组织、求解与实施等方面可根据环境自我调节、完善。
③ 具有强大的自学习能力。它克服了传统的确定性理论、Bayes理论、证据理论及模糊诊断理论在应用上的局限性，系统可根据环境提供的大量信息，自动联想、记忆及聚类等方面的自组织学习，也可在导师的指导下学习特定的任务，从而达到自我完善。
④ 具有很强的容错性。
⑤ 人工神经网络也存在着许多局限性，主要是学习过程是一个很艰苦的过程，网络学习没有一个确定的模式，一般根据经验来选择。在脱机训练过程中，它的训练时间很长，为了得到理想的效果，要经过多次实验，才能确定一个理想网络拓扑结构。神经网络与专家系统相对比，不能清晰地结实推理过程。它的知识分布于系统内部，没有明确的物理意义，并不能直接利用规则。
神经网络专家系统的目标是利用神经网络的学习功能、大规模并行处理功能、连续时间非线形动力学和全局集体作用实现知识获取自动化；克服“组合爆炸”和“推理复杂性”及“无穷递归”等困难，实现并行联想和自实行推理；提高专家系统的智能水平，实时处理能力。它模拟了人的形象思维，是一种非逻辑、非语言、非局域、非线形知识信息处理方法，与传统AI和专家系统的关系不是简单取代而是互为补充的辨证同意的关系。未来的故障诊断系统、智能机知识两者的结合，专家系统和知识过程也必将沿着该方向发展，它的发展和应用会给AI等科学带来巨大的推进。
2．2．9小波分析的发展及其在机械故障诊断中的应用
小波分析的思想来源于伸缩与平移方法。小波分析方法的提出，可以追溯到1910年Haar提出的小“波”归法正交基及1938年Littlewood，Palley和Stein对Fourie级数建立的L-P理论，即按二进制频率成分分组Fourier变换的相位变化本质上不影响函数的形状及大小。
纵观数学的发展历史，小波的起源有着与众不同的特殊经理。尽管，本实际30年代以前进行了许多关于小波的研究工作，但由于当时的研究工作十分零散，因此没有形成较完善的理论体系。其后，Calderon于1975年采用其早年发现的再生公式给出抛物型控件上HI的原子分解，这个公式后来成了许多函数分解的出发点，它的离散形式已接近小波展开，只是还无法得到组成一个正交系的结论。1981年Stromberg对Haar系进行了改进，证明了小波函数的存在性，1982年Battle在构造量子场论中使用了类似Calderon再生公式的展开。值得注意的是，1984年法国地球物理学家Morlet在分析地震波的局部性质时，发现传统的Fourier变换难以达到要求，因此他引入小波概念于信号分析中对信号进行分解。随后，物理学家Grossman对Morlet的这种信号按一个确定函数的伸缩，平移系展开的可行性进行了研究，这无疑为小波分析的形成奠定了基础。
小波发展的高峰期始于1986年，但是Meyer创造性的创造出了具有一定衰减性的光滑函数Ψ，其二进制伸缩与评议构成了L2（R）的规范正交基继Meyer提出小波变换之后 ，Lemarie各Battle又分别独立地给出了具有指数衰减的小波函数。1987年，Mailat巧妙地将计算机视觉领域内的多尺度分析的思想引入到小波分析中，小波函数的构造及信号按小波变换的分解及重构，从而成功地统一了在此之前的Stromberg、Meyer、Lemarie和Battle提出的具体小波函数的构造，研究了小波变换的离散化情形，并将相应的算法——先进称之为Mallat算法有效地应用于图象分解与重构。与此同时，Daubechies构造了具有有限自集的正交小波基。这样，小波分析的系统理论初步建立，1988年，Areodo及Grasseau等人将小波变换运用与混沌动力学及分形理论以研究湍流及分形生长想象。1990年崔锦泰和王建忠构造基于样条函数的所谓单正交小波函数，并讨论了具有最好局部化性质的多尺度分析的生成函数及相应的小波函数。也是1990年Beykin，Coifman等将小波变换应用于算子理论，1991年，Jaffard及Laurencot将小波变换应用于偏微分方程数值解，而Wickerhanser等将Mailat算法进一步深化，得到了小波包算法。其后，秦前清将小波变换作为研究分型理论的工具。1992年刘军将小波变换运用于分形地貌制图预处理并取得了令人满意的效果。1993年，华中理工大学吴波等从设备诊断领域特征信号模式识别的应用角度，探讨了基于小波变换的特征提取与识别方法，探讨了基于小波变换模量极大点的特征抽取及基于模量极大点的幅值沿尺度s演变的特征提炼方法，并构建了全局的相似性度量。1997年西安交通大学的屈梁生等从工程应用的角度提出了对于小波分析的理解，给出了小波函数之间的关系和信号分解的小波变换。利用小波包算法分析了滚动轴承及齿轮箱的机械故障。同年，赵纪元等对自适应小波（Adaptive Waveles），并应用遗传基因算法(Genetic Algorithms,简称Gas)实现了振动信号的广义自适应小波分析，并应用广义自适应小波分析对内燃机进行了故障诊断。1998年，向阳利用小波变换的滤波性能去除通道效应后，对发动机缸内压力信号进行了重构及分析；王江萍等从往复机械故障进行诊断领域中特征信号处理的应用角度，探讨了利用小波多辩分析与信息熵相结合，对往复机械故障诊断识别的方法。1999年，王丽丽等利用包络分析结合小波变换抽取强背景噪声下滚动轴承振动信号中的故障信息，对滚动轴承早期故障进行诊断，徐智利采用小波分析技术通过柴油机的振动信号对柴油机轴承进行了故障诊断。
2．2．10 智能诊断法
基于知识的方法也称为智能的方法，由于专家系统在知识获取成为进一步发展的瓶颈，人工神经网络虽然具有十分理想的学习功能，但由于缺乏供网络训练的典型故障样本，也在实用化的道路上举步为难。查新成果表明，研究基于遗传基因算法和智能体的大型设备状态监及故障诊断系统是解决存在的问题的有效方法，我们的研究将在智能化设备状态监测和故障诊断方面，达到国际先进水平，填补国内空白。
第三节 故障诊断的基本流程
经日本三重大学教授陈鹏多年的研究，得出了下面一套行之有效的故障诊断理论和操作流程。
首先，采集数据，并对采样数据进行调理。
因为在采集到的信号中存在许多噪声信号，所以接着对采集到的数据通过快速傅立叶变换进行带通滤波处理，把噪声信号从采集信号中滤除。
然后再对经过滤波处理的信号进行包络线处理，把可能存在的故障信号放大，从原有的数据中突现出来。
再进行一次重采样处理，绘制重采样分析图。
通过设备的基本参数（如轴承的转子数、转子直径，齿轮的齿数等）计算设备的固有频率。
最后看重采样分析图上设备的固有频率及其倍频上是否存在尖峰，如果存在则证明设备存在相应的故障。基本流程图如图2-1。

数据采集、调理

滤波处理
滤去信号中的噪声

包络线处理

通过设备的基本参数计算
设备的固有频率

重采样分析，绘制重采样分析图

通过设备的基本参数计算
设备的固有频率

图2-1 故障诊断基本流程图
第三章 智能型多功能故障诊断平台的软件系统
第一节 软件系统的需求分析
3．1．1机械故障模拟及诊断平台介绍：
机械故障模拟及诊断平台是在江苏大学骆志高老师和三重大学陈鹏老师研究的基础上，主要面对科研和教学使用的完整的机械故障测试系统。它能模拟轴承和齿轮的各种故障。它的主要设计思路是对一个好的设备和一个坏的设备分别采集数据。然后利用平台的软件系统对不同数据进行对比、分析。通过比较来发现坏的设备的故障所在。平台的具体设计方案图如图3-1：
机械模拟平台

加速度传感器

调理器

数据采集仪

数据处理

软件分析

图3-1 诊断平台设计具体方案
其主要工作步骤为：
1） 模拟机械平台的目的是为了实现轴承主要形式的运转，比如，轴承在不同载荷下的运转；以及正常轴承与故障轴承实现相同工作情况的运转，这样便于对比。
2） 压电式传感器是通过与机械装置的接触，实现信号的采集。但是，由传感器产生的信号是非数字的模拟的电荷信号。
3） 电源放大器是在一定的频率下，将传感器的信号进行放大，。以便于数据采集仪的采集。但是有电源放大器产生的信号还是模拟的电流信号。
4） 数据采集仪是一个8通道的模拟信号与数字信号相互转化的采集仪。其具有直接在线采集。其具有直接在线采集和非在线采集两种模式，本文采用直接在线模式采集。并且将转化后的数字信号传送到计算机中，其采用的是国际规范USB接口。
5） 软件分析是指用机械故障诊断平台配套的软件系统，对从数据采集仪中接受的信号进行处理，分析并且得到相关分析结论。
综合所有对比，分析，得到轴承的故障所在。
3．1．2 软件系统的功能：
机械故障诊断平台配套软件系统要实现的基本功能是由用户控制对设备不同运转状态进行数据采集，将采集的数据以数据文件的形式保存；用户可以对保存的数据文件进行读取并进一步分析，比较设备正常运行状态与异常状态的区别。其具体功能如下：
1）、控制数据的采集。由用户控制对指定设备进行原始数据采集。采集来的数据保存为数据文件的格式。
2）、对原始数据的分析。用户可以自己选择对某个设备采集到的原始数据进行时域分析，频域分析、包络线分析、轴心轨迹分析和精密诊断分析。
3）、基本图形和特征参数的显示。将用户分析的结果以图形的方式显示出来。让用户通过对图形和特征参数的观察和分析，对设备进行故障诊断。主要需要显示的图形包括：
．时域图　．时域概率密度图　．频谱图　．频谱概率密度图　
．包络线图　．轴心轨迹图　．滤波图　．可行性分析图
4）、实现对正常设备和故障设备的比较。用户可以选择对同种型号设备不同时间采集的数据进行分析，即可对分析得到的图形和特征参数进行比较直观的比较。
5）、计算不同设备的固有频率。通过用户对设备参数的输入进行计算。得出设备不同故障的固有频率并显示出来。
第二节 软件系统的概要设计
3．2．1 软件系统数据文件格式设计：
为方便用户对软件系统的使用，在本软件中，用户不需要记住设备对应哪个数据文件。只需要对设备号进行选择，然后再选择该设备采样的时间即可。这样就很大程度减小了软件操作的复杂度。为了实现这样的功能，我们设计下面的数据文件系统与之相对应：
1）、建立引导文件。引导文件存放采样数据的一些参数信息，在软件启动时首先读取引导文件，将引导文件中内容按固定格式读入系统，使用时即可根据用户选择找到对应的数据文件。在数据采集结束后也要对引导文件进行写入。引导文件的具体格式设计为：
typedef struct profile
{
char bearno[14]; //设备类型
char catchtime[20]; //采样时间
char filename[20]; //对应的数据文件名
int datacount; //数据文件中数据长度
int catchlen; //数据采样采样的时长
char iserror[66]; //设备是否有故障。
}profile;
其中设备类型、数据采样的时长和设备是否有故障需要用户自己来进行选择和输入。引导文件存放在软件系统的\profile\profile.txt。
2）、由于采集信息基本全部存放在引导文件中，数据文件格式就比较简单，只需要存放采集到的原始数据。只需要注意在采集时与引导文件中的数据文件名对应起来就可以了。数据文件全部存放在软件系统的\data\目录下。
3．2．2 软件系统模块设计：
按功能分解，软件系统应分成三大模块：数据采集控制模块、数据分析模块和基本参数计算模块。
．数据采集控制模块要控制数据按用户要求的采集频率、采集时长对用户指定的通道进行数据采集，并完成引导文件和数据文件的写入。
．数据分析模块要完成原始数据的分析，正常设备数据和异常设备数据的对比。它又可以分为演示模块和故障诊断模块。
1）、演示模块主要用于教学演示，它可以根据采集到的原始数据显示其对应的时域图、频谱图和包络线图、轴心轨迹图以及时域特征参数和频谱特征参数，并且可以实现同型号两个设备相应图形和特征参数的对比，相应的演示模块又可以分成时域显示模块（显示时域图和时域特征参数）、频谱显示模块（显示频谱图和频谱特征参数）和包络线显示模块（按用户选择的截取频率显示对应数据的包络线）、轴心轨迹显示模块（绘制用户指定设备和指定时间的轴心轨迹图，让用户可以根据图形直观的判断设备是否存在轴不对中故障）。
2）、故障诊断模块是对用户选择的设备进行精密诊断，它将采集的数据经过滤波处理和可行性分析，最终让用户可以得到比较清晰的诊断结果，它同样可以实现同型号两个设备的对比。故障诊断模块又可以分成滤波处理模块（让用户对原始数据进行滤波处理，将原始数据中的噪声去掉）和可行性分析模块（对滤波处理的结果进行可行性分析，绘制可行性分析图，让用户可以根据图形对照设备的固有频率判断设备是否存在故障和故障类型）。
．基本参数计算模块主要计算滚动轴承固有频率，滑动轴承固有频率和齿轮的固有频率，让用户可以根据输入的轴承或齿轮的基本参数得到它们的固有频率，在可行性分析图中对照设备固有频率即可判断设备是否存在故障和故障的类型。它又可以分成滚动轴承固有频率计算模块（计算滚动轴承的固有频率）、滑动轴承固有频率计算模块（计算滑动轴承的固有频率）和齿轮固有频率计算模块（计算齿轮的固有频率）。
软件系统的结构图如图3-2。
第三节 软件系统的开发平台
由于本软件系统经常要涉及较大规模的数据运算，为提高运算速率，本软件使用c++编程语言，visual c++6.0集成开发环境开发。
C++作为一种面向对象的编程语言，具有稳定性好、直接控制底层资源工作，可靠性高，运算速度快的特点，常用来编写对系统稳定性要求较高，经常涉及大规模数据运算的工程软件系统的开发。
本软件以visual c++的MFC基本类库为开发平台，MFC是visual c++对win32 API函数的封装，它很大程度上减少了开发windows程序的复杂度。

智能型故障诊断平台软件系统

基本参数计算模块
数据分析模块
数据采集模块

频率计算模块齿轮固有
频率计算模块滑动轴承固有
频率计算模块滚动轴承固有

模块
故障诊断分析
演示模块

可行性分析模块
滤波分析模块
轴心轨迹显示模块
包络线显示模块
频谱显示模块
时域显示模块

图3-2 软件系统结构图

第四节 软件系统的系统实现
为了方便用户的操作，我又对软件的功能做了进一步的改进：用户可以直接对同一组数据进行连续的一系列操作，依次为时域分析、频谱分析、包络线分析、精密诊断（包括滤波处理、包络线处理、重采样处理和可行性分析），用户可以从头开始，也可以从中间任意一个环节开始进行后面的一系列操作，由于用户经常需要对同一组数据进行多项操作，这样就使用户避免了每次都要重复的选择数据文件，减少了用户操作软件的复杂度。对应软件系统的功能，我对软件系统进行了如下设计：
（1）、为时域分析、频谱分析、包络线分析、精密诊断的滤波处理，包络线处理和重采样处理、轴心轨迹分析每一个子功能建立一个视图类，在用户需要对数据进行某项分析时，都可以打开一个新的窗口，用户只需要在窗口上进行简单的可视化的操作，就可以得到分析的结果。具体实现打开新窗口如下：

CDocTemplate* pSelectedTemplate; //定义文档模板类对象
CZdpt3Doc* pDoc;
CView* pView;
POSITION pos=GetFirstDocTemplatePosition(); //获取第一个文档模板////对象位置
while(pos!=NULL)
{
pSelectedTemplate=(CDocTemplate*)GetNextDocTemplate(pos);
pDoc=(CZdpt3Doc*)pSelectedTemplate->GetDocString(strDocName, CDocTemplate::docName);
if(strDocName==strTarget)
{ pDoc=(CZdpt3Doc*)pSelectedTemplate->OpenDocumentFile (NULL);
} //逐个进行文档匹配。判断究竟打开哪个文档模板对应的视图
}
（2）、为了实现用户的一系列连续操作的需求，我建立了一个标准c++的类用来存放原始数据和在用户操作过程中所需要的中间数据（如快速傅立叶变换的结果数据、滤波处理的结果数据等等）以及在用户操作过程中需要用到的函数（如读取数据文件函数、快速傅立叶变换函数、滤波处理函数等等），因为这些函数都是直接对对象里面的数据进行操作，所以我对原有的函数进行了修改，将函数改为直接从对象固定数据段里读取数据，结果数据也直接写入对象里响应的数据段，这样就将函数带的参数减少到最小，大大方便了函数的调用；另外，用户通过类中定义的函数来对类中的数据进行访问和控制，也体现了面向对象语言的数据的封装性。共有数据类中主要包含的基本函数有：

int opendatafile(int openno, int flag); //读取数据文件
int maxandmin(int datanum,double* data,double *max,double* min);
//计算最小值和最大值
int floattoint(double x); //四舍五入法对浮点数取整