技术领域
[0001] 本
发明涉及基于噪声分析的仪表故障在线诊断方法，属于工业过程控制领域。
背景技术
[0002] 随着工业控制技术的不断发展，工业设备和生产过程的自动化程度越来越复杂，安全生产事故频发，人们日趋认识到设备安全的重要性。系统设备在工作的过程当中，由于内部元器件会受到摩擦、
力、热等各种外部因素的影响将会遭致其运行轨迹具有不确定性。在现代化生产中，任何生产设备的故障都会导致严重的产品积压和失调，并给人类的生命和财产安全造成越来越大的威胁。
[0003] 仪表
传感器作为工业生产的控制领域设备信息获取的关键部分。通过查阅国智能维护系统中心的调查报告，在自动控制领域当中，有五分之二的设备误故障警告是由于系统中的传感器发生了故障产生的。最传统最基本最直接的传感器诊断方法就是采用人工定期检查传感器的方法。人工周期检查的时候，工业现场需要停止工作这会对工厂带来经济损失；另外，在两次周期检查之前，传感器就已经发生了故障，这将会存在安全隐患。
[0004] 采用噪声分析的诊断技术直接对系统振动产生的噪声数据进行分析不需要额外的成本，需要投入的资金少。另外还可以实时的检测系统运行过程发生的故障，只要故障产生我们就可以知道故障产生的原因，大大减少了传统的周期性故障诊断存在的安全隐患。
发明内容
[0005] 针对
现有技术中的上述问题，本发明提出一种基于噪声分析的仪表故障在线诊断方法，作为仪表重要组成部分，为仪表正常工作提供了重要保障，这对于提升生产效率和保障生产安全有重要意义。
[0006] 本发明解决其技术问题所采用的技术方案是：基于噪声分析的仪表故障在线诊断方法，包括以下步骤：
[0008] 对噪声信号进行数据滤波，去除高频噪声；
[0009] 对滤波后的噪声信号采用基于Welch法求取
功率谱；
[0010] 通过比较功率谱的截止
频率与设定频率的差值得到仪表故障的在线诊断结果。
[0011] 所述利用基于Welch法求取功率谱包括以下步骤：
[0012] (1)长度为N的噪声信号包括n个数据段xN(n)，将噪声信号分成L小段：每小段有M个数据，相邻的两个数据段重合一半；
[0013]
[0014] (2)对L个每小段添加汉明窗口函数d2(n)并进行傅里叶变换：
[0015]
[0016] 式中， 为第i数据段的傅里叶变换， 为第i数据段；i＝1…L；
[0017] d2(n)＝(1-α)-α*cos(2π*n/(M-1))
[0018] α为定值；
[0019]
[0020] (3)L段的功率谱平均值为：
[0021]
[0022] 该功率谱平均值作为最终的功率谱值。
[0023] 所述通过比较功率谱的截止频率与设定频率的差值得到仪表故障的在线诊断结果具体为：
[0024] 如果功率谱的截止频率与设定频率的差值超过
阈值，则判定该传感器故障；否则为无故障。
[0025] 本发明主要作用是在了嵌入式仪表系统的传感器实时故障在线诊断，传统的传感器故障诊断的方法多采用事后、离线、周期性的诊断方式。在两次周期性检查期间，传感器有可能就已经发生了故障，因此会带来严重的安全隐患。另外，在检查的过程中，工厂需要停止生产，这将会对工厂的经济效益产生严重影响。该方法针对传统的传感器故障，采用一种基于噪声分析求取系统响应时间特征值(截止频率)的方法，并通过实时在线比较响应时间的大小来检测传感器是否发生故障这对于提升生产效率和保障生产安全有重要意义。
[0026] 本发明具有以下有益效果及优点：
[0027] 1.实现
电路简单、
硬件成本低。基于噪声分析的仪表故障在线诊断方法的诊断电路结构简单，主要由传感器、采集电路、
微处理器组成，与仪表采集电路基本一致，不需要增加硬件，只需在传统仪表的微处理器增加基于噪声分析的故障诊断程序即可实现仪表故障在线诊断。
[0028] 2.实时性强。基于噪声分析的仪表故障在线诊断方法可以在线采集大量数据，并利用一种基于噪声分析求取系统响应时间特征值(截止频率)的方法，并通过实时在线比较响应时间的大小来检测传感器是否发生故障，具有较强的实时性。
附图说明
[0029] 图1是本发明的结构原理图；
[0031] 图3是本发明的基于噪声分析的仪表故障在线诊断方法工作
流程图。
具体实施方式
[0032] 下面结合
实施例对本发明做进一步的详细说明。
[0033] 如图1、2所示，本发明从功能上来说，首先利用采集电路，提取传感器数据中噪声信号(提取的方法是用采集到的实验数据减去该实验数据的平均值)。然后对获取的噪声数据进行低通滤波，滤除高频率段的信号。然后对滤波之后的实验数据利用Welch法求取功率谱估计，并根据其功率谱估计的截止频率与仪表正常工作的功率谱估计的截止频率相比，判断仪表工作状态。
[0034] 本发明涉及以下两项关键技术：
[0035] 1)仪表噪声分析技术。本发明描述的首先利用仪表采集电路，提取传感器数据中噪声信号。微处理器利对数据进行噪声分析技术获取传感器采集数据的功率谱估计曲线，计算其截止频率，并根据其功率谱估计的截止频率与仪表正常工作的功率谱估计的截止频率相比，判断仪表工作状态。
[0036] 2)仪表故障在线诊断技术。本发明描述的首先利用仪表采集电路，实时提取传感器数据中噪声信号，仪表的微处理器利用噪声分析技术对仪表进行在线诊断，对仪表进行实时诊断，有效地避免
压力传感器发生故障时进行错误采集，为仪表正常工作提供了有力保障，提高仪表的安全性与可靠性。
[0037] 基于噪声分析的仪表故障在线诊断方法，包括传感器、
数据采集电路和微处理器；其中，所述传感器与采集电路相连，采集电路与微处理器相连，微处理器利用采集电路将实时采集传感器数据。首先利用采集电路，提取传感器数据中噪声信号，然后利用巴特沃斯低通
滤波器对获取的噪声数据进行低通滤波，滤除高频率段的信号。对滤波之后的实验数据利用Welch法求取功率谱估计，并根据其功率谱估计的截止频率与仪表正常工作的功率谱估计的截止频率相比，判断仪表工作状态。
[0038] 如图3所示，本发明的具体步骤如下：
[0039] 第一步，提取噪声信号；
[0040] 微处理器利用采集电路在线采集传感器的制定时间段数据，然后求取该时间段数据的平均数，并利用采集数据减去平均数，获得传感器的噪声信号。
[0041] 第二步，噪声信号进行数据滤波，去除高频噪声；
[0042] 微处理器利用巴特沃斯
低通滤波器对获取的噪声数据进行低通滤波，滤除高频率段的信号。模拟的低通滤波器具有四个技术指标Ωp、Ωs、αp、αs，其中，Ωp、Ωs为
通带上限
角频率和
阻带下限角频率，αp、αs为通带允许的最大、最小衰减。具体设计低通滤波器过程如下：
[0043] (1)根据低通滤波器技术指标Ωp、Ωs、αp、αs确定滤波器的阶数；
[0044] (2)获取归一化极点,得出归一化传输函数；
[0045] (3)去除归一化特性，获得实际的滤波器传输函数。
[0046] 第三步，利用基于Welch法求出功率谱
密度曲线；
[0047] 微处理器利用基于Welch法求取率谱密度曲线。
[0048] 用Welch法求取功率谱密度具体过程如下：
[0049] (1)Welch法允许段与段之间的数据可以存在重合的现象，现在将N长的数据段xn(n)分成L小段，每段具有M个数据，当段与段之间的数据重合一半时，这时的段数[0050]
[0051] (2)将一个长序列变成有限长的短序列，其
频谱发生畸变，将会产生频谱
能量泄漏。采用添
加窗函数的方法可以减少频谱能量的泄漏，经常使用的窗口函数有矩形窗、三角窗、汉宁窗、汉明窗和布莱克曼窗。Welch法在计算每一段的功率谱估计时可以选择汉明窗口函数，记之为d2(n)。由矩形窗边瓣较大带来的谱失真将会在很大程度上得到减小。然后对每一加窗之后的小段进行傅里叶变换，得：
[0052]
[0053] 式中
[0054] d2(n)＝(1-α)-α×Cos(2π×n/(M-1))(一般情况下,α取0.46)
[0055]
[0056] 是归一化因子，使用它是为了保证所得到的谱渐进无偏估计。
[0057] (3)求功率谱的平均值，得：
[0058]
[0059] 在对每一小段求取傅里叶变换的过程中，根据N点序列x(n),其DFT变换对定义为[0060]
[0061]
[0062] 根据上式可以发现，在进行计算一个X(k)值时，除了需要进行N次复数乘法运算之外，好需要计算(N-1)次复数加法，因而如果要计算N个X(k)值，一共需N^2次复乘法和N(N-1)次复加法。
[0063] 第四步，根据功率谱密度曲线的截止频率，判断仪表工作状态；
[0064] 微处理器根据功率谱密度曲线求出其截止频率，与仪表正常工作的功率谱密度曲的截止频率进行比较。将截止频率比较的差值与设定的阈值进行比较，并根据比较结果判断仪表工作状态，若差值大于设定阈值，则说明仪表发生故障，并将相应的故障标志
位置一，进行报警，实现仪表在线诊断故障。
