摘要： 噪聲檢測是電機出廠檢測的一個重要項目，本文采用虛擬儀器技術構建了一套電機故障聲頻檢測系統。系統基于LabVIEW虛擬儀器軟件平臺，實現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。除了功率譜和三分之一倍頻程分析，系統在LabVIEW平臺下，采用MATLAB Script節點方法完成小波變換，實現噪聲信號的特征向量提取。現場應用表明該系統效果良好。 關鍵詞：電機，虛擬儀器，故障檢測 Abstract：It is important to do acoustic detecting for motor leaving factory. This paper introduces an acoustic detecting system of motor faults based on visual instruments. This system can detect, analyze and process acoustic signal with National Instrument’s graphic programming language, LabVIEW. Besides the power spectrum and 1/3 octave analysis, system performs wavelet transform to get acoustic signal eigenvector by using MATLAB Script method under LabVIEW. And the system has been supplied successfully. Keywords：motor，Virtual Instrument，fault detecting 　　 1．引言 　　 為了確保產品的高質量，每臺電機出廠前都要進行參數檢測，在規模化生產的今天，電機檢測線是目前大部分電機生產廠家采用的出廠檢測方式。噪聲檢測是其中一個測試項目。通常的方法是讓檢測線經過消音室，富有經驗的工人在室內用人耳聽辨別故障電機。這種方式對操作人員要求高，缺乏客觀性，不能保證質量的穩定性。而且檢測速度慢，勞動強度大。嚴重影響了電機出廠試驗的速度與準確率。因此電機廠家迫切需要改造現有的噪聲出廠檢測技術。 　　 目前廣泛采用的方法有振動診斷技術和聲頻診斷技術，但振動診斷技術是接觸式測量，需克服測試線線體振動的影響，設備結構復雜，速度慢；而聲頻診斷技術為非接觸式測量，設備簡單、速度快。因此，我們研制基于美國NI公司軟件平臺Labview的電機故障聲測系統。 　　 2．虛擬儀器系統的構成 　　 虛擬儀器是當今世界最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，把計算機平臺與具有標準接口的硬件模塊以及開發測試軟件結合起來的系統，具有通用性好，使用方便等特點。其典型的硬件結構為：傳感器信號調理器數據采集設備計算機。電機故障聲測系統總體結構如圖1所示，由監聽頭（傳聲器、放大和保護電路）、音頻卡和計算機組成[1]。 監聽頭采用多個麥克風，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，判斷有無故障發生。 　　 3．電機故障聲測軟件系統 　　 LabVIEW是虛擬儀器概念的首創者，該軟件平臺綜合了諸如GPIB、VXI、PXI、RS-232、RS-485以及數據采集卡等硬件通訊的全部功能，提供了大量的信號處理函數和信號分析工具，使用戶構建虛擬儀器測試系統高速、快捷。因此軟件部分采用圖形化軟件LabVIEW。系統的軟件總體結構框圖如圖2所示，系統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、頻域分析方法。對非正常信號進行報警，故障顯示； 3） 文件的保存和打印； 3.1信號采集 　　 本系統采用聲卡作為噪聲采集工具。從分辨率看，一般電腦多媒體聲卡為16位，取樣頻率為44.1/48kHz，而主流中高檔聲卡大多具備了96kHz/24bit的取樣精度，有的甚至達到了32位，噪聲水平、總諧波失真等指標較高，超越了絕大多數模擬設備的指標，并且價格較為便宜。因此系統采用聲卡是可行的。 Labview提供了完備的聲卡控制模塊，本文選擇的是“Sound Input”模塊，該模塊含有多個函數，實現對聲卡的設置、開始、采集、停止和清內存的操作。圖3是一個通道的聲音采集程序框圖。系統中通道的參數設置如下：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是某一電磁故障電機的噪聲信號。 3.2信號分析 　　 信號采集完畢后程序會自動地進行程序的處理和分析。一為頻域分析方法，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。 電動機是一個非常復雜的機械系統，它的噪聲信號中蘊涵著豐富的設備狀態信息。由于測得的聲音信息包含有各種成分和干擾，屬于非平穩信號，而傳統的建立在傅立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小波的重構，以提取信號特征。 　　 在LabVIEW平臺下，可采用外掛的Signal Processing Tools工具包實現小波變換，也可在LabVIEW中調用MATALB，即MATLAB Script節點方式。MATLAB Script節點使得用戶既可以將.m程序導入到流程圖中，又可以在流程圖中根據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腳本節點時有幾點必須注意：1）MATLAB腳本節點只能用于Windows平臺；2）機器上必須安裝有MATLAB才能使用MATLAB腳本節點；3） LabVIEW和MATLAB結合應用時必須注意MATLAB腳本節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是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，得到圖7所示的消噪效果，可見在一些突變或尖峰部分，達到了很好的消噪效果。 確定電機故障特征值是故障診斷關鍵之一，在各個頻段成分信號的能量中，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方法，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是某軸承故障電機小波分解的第三層高頻系數。從圖中可以清楚地觀測出發生故障的時刻，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。 4．結論 　　 （1） 應用虛擬儀器技術實現電機故障聲測系統，系統硬件架構簡單，適應性強。 （2） 采用LabVIEW軟件平臺開發效率高。 （3） 應用小波分析非平穩信號處理技術實現故障特征提取，實際應用證明該方法的有效性。 （4） MATLAB Script節點方式具有強大的數值運算功能，但執行速度會有損失。 　　 參考文獻 　　 1．沈標正，電機故障診斷技術，北京：機械工業出版社，1996 2．雷振山，LabVIEW 7 Express 實用技術教程，中國鐵道出版社，2004 3．莫慧芳，基于LabVIEW的小波神經網絡在電機聲頻故障診斷中的應用，碩士論文，2005