基于ARM嵌入式的免耕播种机盘刀轴承故障诊断

张 枫，张晓民

(南阳理工学院 软件学院，河南 南阳 473000)

基于ARM嵌入式的免耕播种机盘刀轴承故障诊断

张 枫，张晓民

(南阳理工学院 软件学院，河南 南阳 473000)

圆盘破茬刀是免耕播种机的重要部件，其性能好坏直接决定播种机的作业效率，而其轴承是最易出现问题的部件，对其检修也比较麻烦。为此，提出了一种嵌入式的圆盘破茬刀的轴承实时故障诊断方法，以ARM的S3C2440为核心微处理器，外扩了以太网通信模块和数据采集模块等，采用Linux系统开发操作界面和驱动程序，使系统使用更加方便。最后，对该方法的可行性进行了验证，分别测试了有故障和无故障轴承的时域和频域特性。实验结果表明：该方法可以成功地实现振动音频信号的采集、存储、处理和初步的诊断功能，最终达到在线实时监测和故障诊断的目标，为免耕播种机的故障诊断及设计优化提供了重要的参考。

免耕播种机；嵌入式系统；微处理器；信号采集；ARM

0 引言

免耕播种机是现代化农业作业过程中使用的一种新型农田保护性耕种作业装置。在国外，一般农场的种植面积较大，播种机配备了大功率的拖拉机，以牵引的方式一次性完成破茬、松土、开沟、播种、施肥等多项作业。图1是美国的Great Plains3P606NT 型免耕播种机，采用悬挂方式进行作业，配套44kW的拖拉机牵引，行间距是19.05cm，配备了多个开沟器。

图1 3P606NT 型免耕播种机Fig.1 3P606NT type no tillage seeding machine

图2是我国的现代农装科技股份有限公司生产的2BMG-18型免耕施肥精少量播种机。该机型在作业时不需要进行耕翻土壤，可以直接完成播种作业，实现了完全免耕。免耕播种机的圆盘破茬刀是播种机最重要的部件之一，其性能的好坏直接影响作业的效率和质量，而对其故障的诊断主要是根据其轴承的性能来判断的。

图2 2BMG-18 免耕播种机Fig.2 2BMG-18 type no till seeding machine

农机的诊断传统的方法主要有4种，具体介绍如下：

1)振动诊断技术。在农机作业过程中，由于轴承、齿轮和叶片等农机零部件会产生各种振动，因此可以通过振动特征判断机械设备的故障。

2)油样分析诊断技术。农机作业的环境往往比较复杂，作业时风沙会进入农机的零部件中，且齿轮和轴承等磨损的磨屑也会影响机械的正常作业，因此可以通过油样的检测来判断农机的机械故障。

3)噪声监测诊断技术。在农机部件振动时会产生各种噪声，因此可以通过噪声的采集和分辨来判断农机的机械故障。

4)红外测温诊断技术。红外测温诊断技术是对农机作业过程中的摩擦温度进行红外线检测，并将异常温度作为机械故障诊断的依据。

以上是几种常用的故障诊断技术，随着智能技术的发展，农机机械复杂程度也越来越高，因此出现了以下两种新的机械故障诊断技术：

1)智能诊断技术。智能诊断技术主要是依据智能算法、计算数据库和先进的信息技术，利用仿生技术和遥感技术等，建立智能化的专家评价系统，并将经验和思想录入数据库，通过自学习和自适应来对实际情况进行分析，提高了分析效率和分析精度。

2)在线实时故障诊断系统。在实际故障诊断的过程中，由于缺乏实际的标准，很难做到检测的实时性，因此可以利用网络技术来建立一个在线的实时监测系统。该系统通过对工作状态的实时监测，在遇到装置异常时发出警报，以便及时地维修，既保证了作业的正常进行，又保护了机械作业装置免受更大的损坏。

1 免耕播种机故障诊断系统和算法设计

对于传统轴承故障诊断技术一般采用的是单片机和DSP作为数据采集和处理的核心，但在故障诊断过程中会受到芯片运算速度的限制，因此不能够并行处理多个任务。对于传统的故障诊断仪器，通常只是对轴承故障进行检测,然后将采集结果存储到存储器中，再将数据输送到电脑上进行输出处理，其实时性差。据此，本文将传统方法进行改进，并将其应用在了播种机故障诊断系统硬件中，架构如图3所示。

图3 播种机故障诊断系统硬件架构Fig.3 The hardware architecture of the seeding machine fault diagnosis system

本研究采用ARM作为嵌入式核心处理器，采用Linux开发操作系统，使诊断装置既具有较高的运算能力，又有很好的人机交互功能，同时具有多任务并行处理功能。

图4为嵌入式系统和以太网的接口原理图。其中，ARM的芯片S3C2440与DM9000利用3种形式和连接，包括数据线、控制线和地址线，DM9000与RJ45利用水晶头和以太网进行连接。

图4 ARM 嵌入式系统和以太网接口原理图Fig.4 Schematic diagram of ARM embedded system and Ethernet interface

圆盘破茬刀滚动轴承的故障可以利用音频信号特征来进行诊断，由音频信号的发生机理可知：信号具有短时的平稳性，在对信号进行分析时可以利用加窗的方法，从而得到较为理想的短时分析设计要求。短时能量分析是音频信号短时分析最常用的方法之一，由于信号的浊音和清音之间能量的差距较大，可以利用这种方法对清、浊音进行分析。假设采集信号函数为x(m)，可以将短时能量定义为

(1)

其中，N为窗长；n为轴承音频的某一信号帧；w(n-m)为实窗口函数序列；w为角频率；m为采样点。当使用矩形窗时，其函数表达式为

(2)

由式(2)能量函数可以得到播种机圆盘破茬刀轴承采集的音频信号的振幅特性，通过窗的大小可以有效地反映能量En的变化，因此在进行处理时不能让窗太小，否则得不到平滑的能量函数。对于圆盘破茬刀轴承音频信号的分析还可以通过频域分析来体现，频域分析主要通过傅立叶变换来实现。由于语音信号随着时间的变化而变化，而标准的傅立叶变化适用于周期及平稳随机信号，因此不能直接使用。但是，轴承音频信号在短时间内可以看作近似不变的，因而可以采用短时分析法。由于圆盘破茬刀轴承采集得到的信号是短时随机平稳信号，因此语音信号帧短时傅立叶变换可以定义成

(3)

令n-m=k′，则

(4)

于是可以得到

(5)

假定

(6)

则可以得到

(7)

由式(7)可以看出：短时傅立叶变换的变量是两个，其中包括n和ω。因此，该变换包含了一个时序为n的离散函数，还包含一个角频率为ω的连续函数。因此，根据离散函数的傅立叶逼近，令w=2πkN，则可以得到离散短时傅立叶变换为

(0≤k≤N-1)

(8)

通过圆盘破茬刀轴承音频信号的处理，可以得到其轴承故障的音频振幅特性，从而有助于快速诊断免耕播种机的故障，提高播种的作业效率。

2 基于音频信号特征的免耕播种机盘刀轴承故障诊断

免耕播种机圆盘破茬刀轴承在不同故障工况下，可通过采集模块采集到振动的音频信号，通过分析该信号的时域和频域波形来判断其机械故障，其中常见的故障工况主要有表1所列举的类型。

表1中，主要故障类型包括轴承温度过高、供油不足和各种机械损伤，为了测试故障时的波形特性曲线，选用正常轴承和存在故障的轴承分别测试，其测试场地如图5所示。

表1 常见轴承故障

图5 故障诊断测试场地Fig.5 The fault diagnosis test site

在测试过程中，柴油机的转速为800r/min时，行进的平均速度为1m/s，利用系统采集模块可以得到轴承音频信号原始数据，将数据利用数据处理系统进行处理，可以得到如图6所示的测试曲线。

图6 故障和无故障播种机时域检测对比曲线Fig.6 The contrast curve of time domain detection of

faultandnonfaultseedingmachine

由曲线结果可以明显地看出：存在故障的圆盘破茬刀轴承和无故障的检测曲线存在明显的不同。进一步进行频域分析，得到了如图7所示的结果曲线。

图7 故障敏感性频率响应曲线Fig.7 The frequency response curve of fault sensitivity

对故障音频信号进行频域分析发现：故障1在1 598Hz处的频率较为敏感，故障2在1 478Hz处的频率较为敏感，在这些敏感处对故障进行分析可以得到较好的诊断结果。在相同采样点情况下，对正常工况和故障工程下的音频信号特征进行提取，通过汇总得到了表2所示的统计结果。

表2 时域特征指标范围结果

由表2可以看出：在4个指标当中，在时域指标下不同工况的范围是有差异的。对于故障的评价，可以按照和正常状态的偏离程度来划分，本次划分的等级主要是3种，分别为良、中、差。划分结果如表3所示。

表3 故障等级划分表

由表3可以看出：利用轴承的数据特征可对轴承故障进行划分，将这些指标作为轴承故障诊断的时域和频域特征向量，对故障进行实时诊断，并实时输出，从而提高故障的诊断效率。

3 结论

本研究成功地将嵌入式ARM系统应用到了免耕播种机圆盘破茬刀的轴承故障诊断系统中，并分别测试了有故障和无故障轴承的时域和频域监测曲线，得到了两种主要故障的特性，为免耕播种机的故障诊断及设计和优化提供了数据参考。现代农业日新月异，对农业设备性能要求越来越高的同时，也带动了机械产品诊断技术的不断发展，今后的农业发展趋势将朝着智能化和综合化发展迈进，因此本研究还存在一些不足，今后有待于改进。例如，对于诊断系统的准确性和作业的效率，系统还没有完全建立专家评价系统，没有对故障类型进行统一规范，且现代农业技术人员计算机水平不高，因此开发的系统是否简单容易操作还有待于进一步考证。在今后的研究中会努力克服这些问题，以提高诊断系统的实用性和可靠性。

[1] 陈磊,韩捷,孙俊杰,等.基于ARM和CPLD的振动信号采集系统设计[J].机床与液压,2011,39(7):55-57.

[2] 张永肃,高宝成.基于Linux系统的汽车噪音故障诊断系统[J].嵌入式技术,2011,34(12):80-83.

[3] 徐伟,胡志忠,肖前贵,等.AD7490与AT91RM9200的SPI接口及其驱动程序的实现[J].计算机测量与控制,2009,17(10):2089-2091.

[4] 牛雨生.基于神经网络的刀具振动趋势预测研究[J].电脑知识与技术,2012,8(2):939-941.

[5] 方质彬,潘宏侠,曲景阳.基于嵌入式Linux的采煤机状态监测与故障诊断系统设计[J].煤矿机械,2013, 34 (11):265-268.

[6] 王醇涛,陆金铭.运用HHT边际谱的柴油机故障诊断[J].振动、测试与诊断,2010,30(4):465-468.

[7] 曹龙汉,武明亮,何俊强,等.基于DE-SVM的柴油机气门故障诊断方法及应用[J].仪器仪表学报,2011,32 (2):323-328.

[8] 胥伟,王亮,王军.基于DSP和ARM的远程视频监控系统的设计[J].高师理科学刊,2011,31(3):52-54.

[9] 杨代华,刘俊,张盼盼.基于ARM和DSP的运动控制平台设计及驱动程序开发[J].机床与液压,2010,38 (1):54-56.

[10] 王强龙,潘宏侠,任海峰.基于PSD的长管弯曲度测量系统设计[J].传感器与微系统,2013,32(1):108-111.

[11] 郭钢祥,潘宏侠,王强龙.基于PSD和ADS7825的长管弯曲度测量系统的设计[J].煤矿机械,2013,34(4):268-270.

[12] 程宏才,宋克柱,杨俊峰,等.大型地震数据采集系统中的实时监视系统设计[J].核电子学与探测技术,2012,32(7):814-817.

[13] 余建清,藏观建,谢世坤,等.旋转机械故障诊断中的信号处理技术综述[J].机床与液压,2011,39(24): 107-110.

[14] 吴斌,王敏捷,康晶,等.滚动轴承故障振动信号特征与诊断方法[J].大连理工大学学报,2013,53(1): 76-81.

[15] 黎丹,陈特放.机车轴承故障诊断中振动信号采集的研究[J].应用与设计,2009(1):35-39.

[16] 郭京蔷,吴勇.DSP和PC机的串行通信[J].计算机工程与设计,2014,25(3):475-477.

[17] 李学军.便携式位移加速度振动信号测试系统软硬件设计与实现[J].电子测量与仪器学报,2008,22(2):56-61.

[18] 高潮,田博今,郭永彩.基于DSP和ARM的自适应振动信号采集系统[J].计算机系统应用,2010,19(12):255-259.

[19] 朱攀,贺敬.机载数据采集器模拟信号采集模块故障分析[J].中国科技信息,2014(7):173-175.

[20] 陈科,张建庭,郑红梅,等.塔机信号采集与存储系统的设计与实现[J].电子测量与仪器学报,2014,28(8): 892-900.

[21] 刘建敏,李晓磊,乔新勇,等.基于EMD和STFT柴油机缸盖振动信号时频分析[J].噪声与振动控制, 2013,4(2):133-137.

[22] 王旭慧,江琦.小波分析在汽轮机振动故障诊断中的应用研究[J].电力学报,2014,29(1):80-83.

[23] 胡爱军.经验模态分解中的模态混叠问题[J].振动、测试与诊断,2011,31(14):429-434.

[24] 席有猷,郝建华,程乃平.一种Wigner-Ville分布交叉项剔除的新算法[J].河北科技大学学报,2012,6(33): 506-509.

[25] 郭玉刚.Wigner-Ville分布在非平稳信号分析中的应用[J].辽宁师专学报,2014,6(2):11-12.

[26] 邹红星,戴琼海,李衍达,等.不含交叉项且具有WVD聚集性的时频分布之不存在性[J].中国科学(E辑),2011,31(4):348-354.

[27] 关红彦,肖伟.抑制魏格纳分布交叉项干扰的自谱窗方法[J].信号处理,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

河南省农业科技自主创新资金项目(CX[16]60732)

张 枫(1982-),男，河南南阳人，讲师，硕士，(E-mail)gudengxia@gmail.com。

S223.2；TP274.2

A

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