Zusammenfassung: Die Geräuscherkennung ist ein wichtiger Bestandteil der Motorenfertigung. Dieser Artikel stellt ein akustisches Fehlererkennungssystem für Motoren vor, das auf visuellen Instrumenten basiert. Das System, das auf der LabVIEW-Softwareplattform für virtuelle Instrumente beruht, ermöglicht die Echtzeit-Erfassung, -Analyse und -Nachbearbeitung von Motorgeräuschsignalen zur Erkennung fehlerhafter Motoren. Neben der Analyse des Leistungsspektrums und des Terzbandes verwendet das System MATLAB-Script -Knotenmethoden innerhalb von LabVIEW zur Wavelet-Transformation und zur Extraktion des Eigenvektors des Geräuschsignals . Die praktische Anwendung demonstriert die Effektivität des Systems. Schlüsselwörter: Motor, virtuelles Instrument, Fehlererkennung 1. Einleitung Um eine hohe Produktqualität zu gewährleisten, wird jeder Motor vor Verlassen des Werks einer Parameterprüfung unterzogen. In der heutigen Massenproduktion sind Motorprüflinien die Standardmethode für Werksprüfungen, die von den meisten Motorenherstellern eingesetzt wird. Die Geräuschprüfung ist einer der Prüfpunkte. Üblicherweise wird die Prüflinie durch eine reflexionsarme Kammer geführt, wo erfahrene Mitarbeiter mithilfe ihres Gehörs fehlerhafte Motoren identifizieren. Diese Methode erfordert hochqualifizierte Bediener, ist nicht objektiv und kann keine gleichbleibende Qualität gewährleisten. Darüber hinaus ist die Testgeschwindigkeit gering und arbeitsintensiv, was die Geschwindigkeit und Genauigkeit der Motorenprüfung im Werk erheblich beeinträchtigt. Daher müssen Motorenhersteller ihre bestehende Technologie zur Geräuschprüfung im Werk dringend modernisieren. Zu den gängigen Methoden zählen derzeit die Vibrations- und die Audiodiagnostik. Die Vibrationsdiagnostik ist jedoch eine Kontaktmessung, die den Einfluss von Vibrationen der Testleitung kompensieren muss, was zu komplexen Gerätestrukturen und geringer Geschwindigkeit führt. Die Audiodiagnostik hingegen ist eine berührungslose Messung mit einfacher Ausrüstung und hoher Geschwindigkeit. Daher haben wir ein akustisches Testsystem für Motorenfehler auf Basis der LabVIEW-Softwareplattform von National Instruments (NI) entwickelt. 2. Zusammensetzung des virtuellen Instrumentensystems Virtuelle Instrumente sind derzeit weltweit das beliebteste System zur Konfiguration und Steuerung von Instrumenten und Tests. Virtuelle Instrumente sind ein offenes System, das eine Computerplattform mit Hardwaremodulen mit Standardschnittstellen sowie Entwicklungs- und Testsoftware kombiniert. Sie zeichnen sich durch hohe Vielseitigkeit und Benutzerfreundlichkeit aus. Ihre typische Hardwarestruktur ist: Sensor → Signalaufbereiter → Datenerfassungsgerät → Computer. Die Gesamtstruktur des akustischen Prüfsystems für Motorfehler ist in Abbildung 1 dargestellt. Es besteht aus einem Messkopf (Mikrofon, Verstärkungs- und Schutzschaltung), einer Soundkarte und einem Computer [1]. Der Messkopf erfasst mit mehreren Mikrofonen die Geräuschsignale des Prüflings an verschiedenen Punkten und wandelt das Luftschwingungssignal in ein elektrisches Signal um. Die Soundkarte wandelt die elektrischen Geräuschsignale (analoge Signale) in digitale Signale (WAV-Format) um. Der Computer zeichnet das digitale Signal im WAV-Format auf und analysiert die Wellenform, um festzustellen, ob ein Fehler vorliegt. 3. Das Softwaresystem für die akustische Motorfehlerprüfung basiert auf LabVIEW, dem Begründer des Konzepts virtueller Instrumente. Diese Softwareplattform integriert alle Funktionen der Hardware-Kommunikation (GPIB, VXI, PXI, RS-232, RS-485 und Datenerfassungskarten) und bietet zahlreiche Signalverarbeitungsfunktionen und -analysewerkzeuge. Dadurch können Anwender schnell und einfach virtuelle Prüfsysteme erstellen. Die Software basiert daher auf der grafischen Benutzeroberfläche LabVIEW. Das Gesamtstrukturdiagramm der Systemsoftware ist in Abbildung 2 dargestellt. Die Hauptaufgaben der Systemsoftware sind: 1) Anzeige und Aufzeichnung von Motorgeräuschsignalen; 2) Signalanalyse, einschließlich Datei- und Echtzeitanalyse. Dabei kommen Wavelet- und Frequenzbereichsanalyseverfahren zum Einsatz. Bei anormalen Signalen werden Alarme ausgegeben und Fehler angezeigt; 3) Speichern und Drucken von Dateien; 3.1 Signalerfassung: Dieses System verwendet eine Soundkarte zur Geräuscherfassung. Gängige Multimedia-Soundkarten für Computer arbeiten mit einer Auflösung von 16 Bit und einer Abtastfrequenz von 44,1/48 kHz, während die meisten gängigen Soundkarten der Mittel- und Oberklasse eine Abtastgenauigkeit von 96 kHz/24 Bit aufweisen, einige sogar bis zu 32 Bit. Der Rauschpegel, die Klirrfaktorverzerrung und andere Kennzahlen sind höher und übertreffen die Werte der meisten analogen Geräte, bei gleichzeitig vergleichsweise niedrigem Preis. Daher ist der Einsatz einer Soundkarte im System sinnvoll. LabVIEW bietet ein vollständiges Soundkarten-Steuerungsmodul. In diesem Beitrag wird das Modul „Sound Input“ verwendet, das verschiedene Funktionen zur Konfiguration, zum Starten, Erfassen, Stoppen und Löschen des Speichers der Soundkarte bietet. Abbildung 3 zeigt das Flussdiagramm eines Kanal-Sound-Erfassungsprogramms. Die Kanalparameter im System sind wie folgt eingestellt: Eingang: Einzelkanal, 16-Bit-Abtastbits, 44,1 kHz Abtastfrequenz; Ausgang: 16-Bit-Einzelkanal. Abbildung 4 zeigt das Rauschsignal eines Motors mit elektromagnetischem Fehler. 3.2 Signalanalyse Nach der Signalerfassung verarbeitet und analysiert das Programm das Signal automatisch. Eine Methode ist die Frequenzbereichsanalyse, die das Leistungsspektrum und das 1/3-Spektrum des Rauschsignals ermittelt und dem Anwender eine einfache Beobachtung ermöglicht. Abbildung 4 zeigt das Leistungsspektrum des Motors aus Abbildung 3. Mit dem LabVIEW-Toolkit „Sound and Vibration“ lassen sich verschiedene zugehörige Analysen durchführen. Der Motor ist ein sehr komplexes mechanisches System, dessen Rauschsignal umfangreiche Informationen über den Anlagenzustand enthält. Da die gemessenen Schallinformationen verschiedene Komponenten und Störungen enthalten, handelt es sich um ein nichtstationäres Signal. Die traditionelle Filtermethode basierend auf der Fourier-Transformation birgt einen Widerspruch zwischen der Verbesserung des Signal-Rausch-Verhältnisses und der räumlichen Auflösung. Daher nutzt das System die Wavelet-Technologie zur Merkmalsextraktion. Die wichtigsten Methoden sind: (1) Wavelet-Transformations-Soft-Thresholding-Verfahren. Der kritischste Aspekt des eindimensionalen Signalentrauschungsalgorithmus ist die Wahl und Quantisierung des Schwellenwerts. Das Soft-Thresholding-Verfahren ermöglicht eine präzisere Extraktion von Signalmerkmalen. (2) Rekonstruktion beliebiger Skalen mittels Wavelet-Transformation: Durch die Rekonstruktion kontinuierlicher Wavelets entsprechend der gewählten Skala können Signalmerkmale extrahiert werden. Unter LabVIEW lässt sich die Wavelet-Transformation mithilfe des externen Signalverarbeitungs-Toolkits oder durch Aufruf von MATLAB in LabVIEW (MATLAB-Skript-Knoten) implementieren. Der MATLAB-Skript-Knoten ermöglicht das Importieren von .m-Programmen in das Ablaufdiagramm und die Bearbeitung von M-Programmen im Ablaufdiagramm gemäß der MATLAB-Syntax. Dadurch können Benutzer die leistungsstarken numerischen Berechnungsfunktionen von MATLAB in LabVIEW nutzen. Bei der Verwendung von MATLAB-Skriptknoten sind einige Punkte zu beachten: 1) MATLAB-Skriptknoten sind nur unter Windows nutzbar. 2) MATLAB muss auf dem Rechner installiert sein, um MATLAB-Skriptknoten verwenden zu können. 3) Bei der gemeinsamen Verwendung von LabVIEW und MATLAB muss auf die Übereinstimmung der Datentypen innerhalb und außerhalb des MATLAB-Skriptknotens geachtet werden, da LabVIEW sonst während der Laufzeit Fehler oder Fehlermeldungen ausgibt. Abbildung 6 zeigt das durch den Fehler des schleifenden hinteren Lagers verursachte Rauschsignal. Das Signal wurde mithilfe des Soft-Threshold-Filteralgorithmus in MATLAB entrauscht. Das Ergebnis der Rauschunterdrückung ist in Abbildung 7 dargestellt. Es zeigt sich, dass bei abrupten Änderungen oder Spitzenwerten eine gute Rauschunterdrückung erzielt wird. Die Bestimmung der charakteristischen Werte von Motorfehlern ist ein Schlüsselaspekt der Fehlerdiagnose. Die Energie der Signalkomponenten in jedem Frequenzband enthält zahlreiche Fehlerinformationen, und die Energie bestimmter Frequenzbänder birgt spezifische Fehlermerkmale. Diese Arbeit verwendet eine Multiresolutionsanalyse zur Wavelet-Zerlegung des Rauschsignals und nutzt die Energiecharakteristikwerte jedes Frequenzbandes als Kriterium zur schrittweisen Fehlerdiagnose von niedrigen zu hohen Frequenzen. Abbildung 8 zeigt die Hochfrequenzkoeffizienten der dritten Ebene der Wavelet-Zerlegung eines Lagerfehlermotors. Aus der Abbildung lässt sich der Zeitpunkt des Fehlers deutlich erkennen, und die Fehlercharakteristik des Rauschsignals in verschiedenen Frequenzbändern kann zur Merkmalsextraktion klar erfasst werden. 4. Schlussfolgerung (1) Die Anwendung der virtuellen Instrumententechnologie zur Realisierung des akustischen Messsystems für Motorfehler zeichnet sich durch eine einfache Hardwarearchitektur und hohe Anpassungsfähigkeit aus. (2) Die LabVIEW-Softwareplattform bietet eine hohe Entwicklungseffizienz. (3) Die Anwendung der Wavelet-Analyse zur Verarbeitung nichtstationärer Signale zur Extraktion von Fehlermerkmalen hat die Effektivität der Methode in praktischen Anwendungen bewiesen. (4) Der MATLAB-Skriptknotenmodus bietet leistungsstarke numerische Berechnungsfunktionen, geht jedoch mit einer geringeren Ausführungsgeschwindigkeit einher. Referenzen 1. Shen Biaozheng, Motorfehlerdiagnosetechnologie, Peking: Maschinenbauverlag, 1996 2. Lei Zhenshan, *Praktisches technisches Tutorial zu LabVIEW 7 Express*, China Railway Publishing House, 2004. Mo Huifang, *Anwendung eines Wavelet-Neuronalnetzes basierend auf LabVIEW in der Motor-Audiofehlerdiagnose*, Masterarbeit, 2005.