基于FPGA和STM32的机械故障监测系统

马洋洋，陈 宏

(郑州大学机械与动力工程学院，河南郑州 450001)

0 引言

设备运行过程中传递出的各种物理量信号，如振动、温度、转速、油液成分等能够反映出设备的运行状态。通过对设备状态信号的监测，能够判断出设备是在正常运行还是处于故障状态。针对不同类型的设备，需要监测不同的物理量信号指标，机械设备包含着许多旋转部件，如电机、齿轮、轴承等是易发生故障的部分，对于这些旋转部件，分析设备的振动信号更为直接有效。对机械设备的故障监测能够及时发现设备的故障，避免损失进一步扩大，因此设计一套机械设备故障监测系统至关重要。

文献[1]采用以太网传输数据，需要与电脑有线连接，配合电脑软件LabVIEW完成数据采集。在实际应用中布线繁琐，使用不方便；文献[2]使用三轴加速度计采集设备的振动信号，并通过LoRa网络传输至服务器。LoRa传输数据时需要组网将数据发送到网关，使用不方便。文献[3]以高速模数转换芯片AD9481和高速数据缓存芯片IDT72V263为核心，设计了小型化的高速数据采集电路模块，但该方案只能将采集数据储存到缓存芯片，缓存芯片集成在电路板上，读取数据还需要添加外部设备，使用不方便。针对以上采集设备存在的不足，本文设计了符合机械设备故障监测需求的振动信号监测系统。

1 整体方案设计

系统整体结构如图1所示，系统整体基于FPGA+STM32架构组成，FPGA具有内部时延小、可并行处理数据以及可编程特性[4]，可以使采集系统处理高速信号，能够满足采样时序控制需求[5]，STM32芯片控制能力强，两者结合可以更好地处理采集数据。传感器采用压电型加速度传感器，结合前端的模拟信号处理电路能够将传感器的模拟信号转换为数字信号，最后使用NB-IoT模块将数据上传到云端。如果网络通信故障无法上传数据，则将数据保存到本地SD卡中。

图1 系统整体框图

该监测系统可安装在被监测设备旁边，通过采集设备的振动信号可以诊断设备的运行状态。监测系统的安装和数据传输途径如图2所示，监测设备将设备的监测数据通过NB-IoT通信技术传输到附近运营商基站，基站将数据传输到云端数据库，然后移动端从云端获取采集数据。NB-IoT通信采用SIM7020C模组，NB-IoT是一种低功耗广域网技术,具有覆盖范围广、海量连接、低功耗的优点[6-7]。

图2 数据传输途径

2 模拟电路设计

2.1 传感器

传感器采用601A11压电加速度传感器,该传感器输出为模拟电压信号，正常使用时需要恒流源供电。在无外部信号输入时，传感器输出8～12 V范围内的恒定电压，当有加速度作用于传感器时，传感器输出在静态工作电压基础上加载±5 V的动态电压。可以通过对动态电压的读取获得加速度数值。

2.2 电源电路

整个系统由外部总电源供电，内部设计有各种电源转换模块，整体的电源结构如图3所示。整个系统外部供电为24 V、1 A的电源适配器供电。24 V总电源由TPS5430芯片生成±12 V恒压源，由LM334芯片生成恒流源。±12 V电压经过LM7805和LM7905生成±5 V电压。±5 V电压再分别经过ASM1117-3.3、ASM1117-2.5和ASM1117-1.2芯片生成3.3 V、2.5 V和1.2 V电压。

图3 电源结构

恒流源为传感器提供工作电源，根据LM334具体配置计算得恒流源电流为2.7 mA，符合传感器工作电流要求。±12 V电压源为模数转换器和部分集成运算放大器提供工作电源。±5 V电压源为模数转换器、集成运算放大器和滤波芯片提供工作电源。FPGA芯片正常工作需要3.3 V、2.5 V、和1.8 V电源供电，STM32单片机正常工作需要3.3 V电源供电。

2.3 隔直滤波电路

传感器输出电压信号为加载在偏置电压上的交流电压信号，在后续处理中只需要其中的交流电压信号，因此需要过滤掉其中的直流电压信号，滤波器选择一阶高通有源滤波器。

2.4 抗混叠滤波电路

由采样定理可知，采样频率要大于采集信号中最高频率的2倍。如果不满足采样定理，采集的信号就会发生信号混叠。为保证采集信号的准确性，需要将大于1/2采样频率模拟信号成分过滤掉。滤波芯片采用低通滤波芯片LTC1563，LTC1563可用外部电阻配置滤波芯片的截止频率，根据电路具体配置计算截止频率约为213 kHz。

2.5 模数转换电路

A/D转换芯片采用具有16位输出精度的逐次逼近型模数转换器AD7610。本系统设计时采用±5 V电压输入，16位并行数字输出模式。图4为AD7610并行读取数据的时序图。从CNVST引脚电平下降沿开始，数据开始转换，经过t10时间后新数据转换完成，并行数据输出接口输出新数据。

图4 并行数据读取时序

3 FPGA数字系统设计

3.1 FPGA整体结构

FPGA采用EP4CE10F17C8芯片。FPGA具有低延迟、可并行化的特性，可实现FPGA缓存数据和对时域指标的实时计算。

FPGA的主要内部结构如图5所示，FPGA芯片实现的主要功能有数据缓存、时域指标计算和为模数转换器提供采样时钟。由单片机发送的控制信号控制PLL分频所输出的采样时钟，采样时钟为模数转换器提供时钟基准，控制采样频率。时域特征实时计算模块对采集数据进行计算，并将监测指标发送给单片机，如果计算值超过设定阈值将发送命令到数据缓存模块。收到命令后，FPGA的数据缓存模块将模数转换器输出的16 bit并行数字数据临时存储，等待单片机读取数据。

图5 FPGA内部结构

3.2 数据缓存模块

数据缓存模块结构如图6所示，模数转换器输出数字信号连接到FPGA芯片，使用FIFO缓存器将采集数据临时保存。收到采集信号时通过写控制模块将采集数据写入FIFO缓存器，缓存2 048个采样点，采集完成输出存满信号，等待读取。收到读取信号时，通过FIFO读控制模块将FIFO中数据读出，并通过SPI接口传给单片机，SPI传输协议有主机和从机之分，这里将FPGA配置成从机，便于单片机采集控制。

图6 数据缓存模块结构

3.3 时域特征实时计算模块

实时处理模块是通过对采集信号的时域特征计算，对机械设备的状态进行初步诊断，具体计算的指标为信号的峭度指标、裕度指标和脉冲指标，在设备故障初期这些指标往往有增大的趋势。具体计算见式(1)～式(3)：

(1)

(2)

(3)

时域特征实时计算模块的结构如图7所示，FPGA接收到模数转换器缓存的数据，将2 048个采样点保存到RAM模块中。然后进入根据峭度指标、裕度指标和脉冲指标公式设计的数字计算电路，将计算结果与设置的阈值指标相比较，若大于设置阈值指标则发出控制信号到数据缓存模块。

图7 时域特征实时计算模块结构

4 单片机系统设计

单片机采用的是Cortex-M3内核的STM32F103ZET6芯片，该芯片基于ARM Cortex-M3内核，具有低功耗、控制能力强和丰富的外设资源等优点[8-9]。

4.1 SPI接口连接

单片机和FPGA芯片通过SPI接口通信，其连接如图8所示。SPI通信有主机和从机之分，将FPGA设置为从机，将STM32设置为主机读取数据。CS为片选信号，通信前主机需要将此引脚拉低，当CS拉低时说明从机被选中。SCK为SPI通信的时钟信号，为信号传输提供时钟参考。MISO为数据传输引脚，对于主机是信号输入引脚，对于从机为信号输出引脚。MOSI也是数据传输引脚，对于主机是信号输出引脚，对于从机为信号输入引脚。

图8 SPI接口连接

4.2 单片机程序流程

单片机的内部程序流程如图9所示，单片机上电，开始初始化配置各接口的模式和参数。通过FPGA芯片发送的信号判断数据是否缓存完成，若有缓存完成标志则读取数据，若无缓存完成标志，判断是否达到定时采集时间，若达到定时时间则向FPGA发送采集信号，若未达到定时时间则进行下一次循环。获得FPGA缓存的数据之后，将数据进行处理，由16 bit数据转换成加速度数据。接下来判断NB-IoT的通信是否正常，若通信正常则将数据通过NB-IoT模块发送到云端，若通信发生故障，则将数据保存到SD卡。

图9 单片机程序流程图

5 实验测试

5.1 数字系统验证

使用Modelsim软件对FPGA的时域处理模块进行仿真验证，取0～65 535范围内的数据模拟A/D转换后的16 bit数字数据输入，验证结果如图10所示。data为输入数据，峭度指标kurtosis、脉冲指标impulse和裕度指标margin为输出信号，数据输出正常说明该数字系统工作正常。

图10 Modelsim仿真结果

5.2 SPI数据传输测试

测试FPGA与STM32F103的通信是否正常，使用SignalTap II在线逻辑分析仪对FPGA的SPI接口波形进行采样，采样波形如图11所示。由图11可知，输入信号引脚的波形与数据接收寄存器rdata数据一致，输出信号引脚的波形与数据发送寄存器tdata数据一致，说明FPGA和单片机的SPI接口通信正常。

图11 SignalTap II采样波形

5.3 数据采集结果

用单片机控制NB-IoT物联网模块将采集数据发送到云端，以ONENET为云端接收平台。上传的数据有采集的加速度数据acc和监测设备的状态信息state，如图12所示。

图12 上传数据类型

每个数据可以展开显示具体数值，图13为采集的加速度数据。可以查看历史发送数据，也可以将数据以Excel文件格式导出，对数据进行进一步的分析。

图13 上传的加速度数据

6 结束语

本文设计了一种机械设备状态监测系统，该系统对采集的机械设备振动信号进行实时处理，当时域特征指标超出阈值时，将采集数据传输到云端。即实现了对机械设备的实时监测，又减少了数据上传量。而且该系统具有安装方便、适用范围广、可扩展能力强等优点。