CC BY
8УДК 004.942
Информационные технологии
Кислицын Михаил Юрьевич, студент кафедры ИУК4 "Программное обеспечение ЭВМ, информационные технологии", Калужский филиал МГТУ им. Н.Э. Баумана Белов Юрий Сергеевич, к.ф.-м.н., доцент кафедры ИУК4 "Программное обеспечение ЭВМ, информационные технологии", Калужский филиал МГТУ им. Н.Э. Баумана
АНАЛИЗ ШУМОВЫХ СИГНАЛОВ ЭНЕРГОУСТАНОК С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ВЕЙВЛЕТ - ПРЕОБРАЗОВАНИЯ
Аннотация: В описываемом исследовании производится разработка и тестирование программы, предназначенной для анализа записи сигналов шума и зависимости амплитуды сигналов от времени. Целью анализа является построение зависимостей амплитуды и фазы от частоты сигнала, а также базовый анализ состояния системы. Использование же скейлограмм, построенных с помощью вейвлет-анализа, вместо привычных АЧХ и ФЧХ, но и позволяющих намного точнее и нагляднее оценить сигнал благодаря визуальному представлению и видимой градацией. Перечисляются применяемые при выполнении работы этапы и порядок их выполнения. Приводится пример анализа состояния энергоустановки; по результатам делаются выводы о возможных перспективах применения разработанной методики.
Ключевые слова: вибрационный анализ, амплитудно-частотная характеристика, фазочастотная характеристика, быстрое преобразование Фурье, вейвлет-анализ, шум.
Annotation: In the described study, a program is being developed and tested for analyzing the recording of noise signals and the dependence of the amplitude of
the signals on time. The purpose of the analysis is to build dependences of the amplitude and phase on the frequency of the signal, as well as a basic analysis of the state of the system. The use of scalograms constructed using wavelet analysis, instead of the usual frequency response and frequency response, but also allowing a much more accurate and clearer assessment of the signal due to visual representation and visible gradation. The stages used in the execution of the work and the order of their execution are listed. An example of the analysis of the state of the power plant is given; conclusions are drawn based on the results about the possible prospects for the application of the developed methodology.
Keywords: vibration analysis, amplitude-frequency response, phase-frequency response, fast Fourier transform, wavelet analysis, noise.
Введение
Методы вейвлет-анализа [1], всевозможных сигналов обретают всё более свободное использование во всевозможных сферах науки для анализа данных волновых сигналов. Кроме того, вейвлет-преобразование применяется на сжатии (увеличения частотности потока) информации в сегодняшних системах связи [2], хотя исходная функция в представленной статье детально не рассматривается.
В последнее время стали актуальны базовые технологии, помогающие многим специалистам использовать вейвлет-анализ в своих исследованиях. Например, для одного из самых основных языков программирования, языка Python,[3] уже написаны библиотеки и функции, дающие возможность с достаточно легким кодом использовать самые широкие возможности анализа.
Вейвлет-преобразование сильно походит ранее рассмотренное разложение на периодические функции с помощью быстрого преобразования Фурье [4]; отличие заключается в том, что в таком случае оно исполняется по другим базовым функциям, что делает данный способ более совершенным. Наиболее заметно это при разборе нестационарных или динамических (с зависимостью от времени) сигналов [5], анализ которых методом Фурье даёт
ошибочные результаты. главным признаком вейвлета является помечаемая для естественных объектов и процессов фрактальность (подобие в разных масштабах пространства и времени) [6], поскольку всё используемое семейство вейвлетов выходит из так называемого «материнского» вейвлета путём масштабирования и изменения его положения.
Алгоритм программы
Рассмотрим алгоритм программы, в которой применяются подключаемые библиотеки функций, и при помощи которой можно проверить и наглядно отобразить изменение частотного и фазового спектров нестационарного сигнал, например, звукового, представленного в виде файла формата wave form (расширение wav). Программа включает в себя следующие этапы:
1. Подключение библиотек Scipy и Numpy [7] для научных вычислений, использованной во многих программах автора: групп команд io.wavfile (например, для чтения звуковых wav-файлов) и fit для реализации быстрого преобразования Фурье [4]). Импорт библиотек Numpy и scaleogram [8] для работы с массивами, а также библиотеки Matplotlib [10] для вывода результатов анализа и представления их в виде графических изображений.
2. Задание верхней границы частоты, до которой будет осуществляться анализ спектра сигнала. Создание начальных и конечных переменных частотного диапазона анализа. Чтение анализируемого wav-файла и отображения его спектра частот.
3. Создание и заполнение массива данных путём выполнения быстрого преобразования Фурье (выполнения спектрального анализа сигнала). В этом случае, хотя мы и получаем спектр сигнала, он как правило будет «растянут» на всю ширину заданного в п. 2 диапазона, так как сигнал является динамическим, то есть его спектр изменяется с течением времени. Для устранения этого недостатка необходимо использовать вычисление фазы спектра (фазовой характеристики) и так называемой скалограммы.
4. Построение графиков характеристик сигнала с использованием метода быстрого преобразования Фурье. Вначале выводится зависимость амплитуды
сигнала от номера сэмпла (дискретного его отсчёта) - амплитудно-частотная характеристика АЧХ. Затем по заполненному в п. 3 массиву создаётся график анализа спектра, показывающий границы присутствующих в спектре динамического сигнала частот. Так как этот график оказывается малоинформативным, с помощью функции Numpy unwrap дополнительно осуществляется так называемое «развёртывание фазы» [12], которое позволяет изобразить изменение по частотам фазового спектра сигнала (фазово-частотную характеристику ФЧХ). Дополнительно был реализован п. 5 с целью построения так называемой скалограммы.
5. Скалограмма - график, наглядно показывающий в двухмерном виде одновременно и АЧХ и ФЧХ зависимости. По горизонтальной оси, так же, как и на АЧХ, откладывается номер сэмпла, а по вертикальной оси - период сигнала в соответствующий момент времени. При этом обозначается амплитуда сигнала. Таким образом, очень наглядным оказывается график зависимости периода и амплитуды сигнала во времени.
Результаты
В результате измерений шумов работы газотурбинной установки был получен звуковой файл, в дальнейшем обработанный с помощью написанной программы. Результаты описанного выше анализа методом быстрого преобразования Фурье (п. 1 -4 программы) представлены на рис. 1.
Рис. 1. Результаты анализа методом быстрого преобразования Фурье.
Отдельные графики рис. 1 были описаны выше, при рассмотрении кода программы.
Далее, на рис. 2, изображён результат вейвлет-анализа звукового сигнала в виде скалограммы.
Рис. 2. Скалограмма энергоустановки.
Для эффективного мониторинга технического состояния применим
контроль спектрального анализа составляющих виброскорости. На рис. 3 представлен результат для различных степеней износа установки:
Рис. 3. - Частоты для различных степеней износа установки
Хорошее состояние характеризуется низким уровнем преобладающей составляющей оборотной частоты вала и наличием большого числа гармоник.
Начальная неуравновешенность появления гармоник оборотной частоты с преобладанием первой гармоники наиболее благоприятное время для проведения балансировки, регулировки, затяжки резьбовых соединений.
Средний уровень повреждений - появляются многочисленные гармоники с преобладанием полуторных гармоник, свидетельствующие о наличии зазоров между сопрягаемыми деталями.
Значительные повреждения приводят к значительному преобладанию первой гармоники — необходим срочный ремонт.
Заключение
Приведённое исследование позволяет сделать вывод, что вейвлет-анализ с использованием графических моделей - скалограмм, позволяет получить точную вибродиагностическую информацию для мониторинга состояния энергоустановки. Программный метод анализа позволяет применять такую
технологию без особых затрат почти в любой сфере исследований.
Библиографический список:
1. Антамошкин, О.А. Программная инженерия. Теория и практика [Электронный ресурс] / О.А. Антамошкин; Министерство образования и науки Российской Федерации, Сибирский Федеральный университет. - Красноярск: Сибирский федеральный университет, 2012. - 247 с.: ил., табл., схем. -URL: http://biblioclub.ru/index.php?page=book&id=36, (дата обращения: 21.04.2022).
2. Галас В.П. Автоматизация проектирования систем и средств управления [Электронный ресурс]: учебник/ Галас В.П.— Владимир: Владимирский государственный университет им. А.Г. и Н.Г. Столетовых, 2015. — 255 c.— Режим доступа: http://www.iprbookshop.ru/57362, (дата обращения: 21.04.2022).
3. Ехлаков, Ю.П. Введение в программную инженерию [Электронный ресурс] / Ю.П. Ехлаков; Министерство образования и науки Российской Федерации, Томский Государственный Университет Систем Управления и Радиоэлектроники (ТУСУР). - Томск: Томский государственный университет систем управления и радиоэлектроники, 2011. - 148 с.: табл., схем. -URL: http://biblioclub.ru/index.php?page=book&id=201, (дата обращения: 21.04.2022).
4. Липаев, В. В. Программная инженерия сложных программных продуктов [Электронный ресурс]: учебное пособие / В. В. Липаев. — М.: Пресс, 2014. — 309 c.— URL: http://www.iprbkshop.rU/2.html, (дата обращения: 21.04.2022).
5. Липаев В.В. Документирование сложных программных комплексов [Электронный ресурс]: электронное дополнение к учебному пособию «Программная инженерия сложных заказных программных продуктов» (для бакалавров) / Липаев В.В.— Саратов: Вузовское образование, 2015. — 115 c.— Режим доступа: http://www.iprbookshop.ru/27294, (дата обращения: 21.04.2022).
6. Липаев В.В. Сертификация программных средств [Электронный ресурс]: учебник/ Липаев В.В. — М.: СИНТЕГ, 2010. — 338 c.— Режим
доступа: http://www.iprbookshop.ru/27299, (дата обращения: 21.04.2022).
