身份证：62262819831212XXXX
摘要：在对机械设备振动加以检测的时候，需要先了解设备的运行状态，进而确保设备的安全高效运行。振动检测需要对相关的数据信息进行计算从而得到具体状态参数，然而目前的数据采集方法精度较低，误差明显。基于此，本文对机械设备振动信息采样定位的检测原理与方法加以介绍，进而做出有效的仿真分析。
关键词：机械设备；振动信息；采样；定位
引言：振动作为重要信息给机械设备状态与故障的检测提供了重要的依据，为避免振动给生产带来更严重的损失，及时进行机械设备的检测、加强对设备维护和保养十分具有必要性。机械设备振动十分复杂，因此其中的影响因素也是多样化的。传统的振动检测方法较为单一，因此提升检测数据的准确程度迫在眉睫。
1.机械设备振动信息采样定位的检测原理
机械设备振动信息采样定位检测方法的主要原理显示用过MCU主控制器对机械设备的振动信息进行采集，再将利用振动传感器收集来的信息借助以太网的分析中心进行全面的解析和优化，从而得出振动位移的有效结果。同时假设利用模拟方式进行数据采样，则通过A/D转化促进机械设备振动信号收集的实现，进而将数据通过参考电压加以转换，得出模拟电压值v，该数值与加速度成正比，最后再完成加速度值的转换[1]。通过以上分析可以得出：
.png)
（1）
如果用数字方式实现数据采样，那么就采取SPI总线对相应的寄存器进行读取，在借助加速度传感器的数值转换手册有效完成加速度值的数据转换。在完成数据转换之后，应将卡尔曼滤波方法引入整个计算过程当中，进而利用过程、测量模型完成状态估计与数据滤波。这两种模式可以用关系式（2）关系式（3）进行表示。
.png)
（2）
.png)
（3）
在以上的关系式中x(k)、w(k)、A(k)、z(k)、c(k)、v(k)分别表示的为待估计变量、过程噪声、过程矩阵、振动传感器所采集到的数据、测量矩阵以及测量噪声。结合待估计变量的时间变化规律，由A(k)向x(k)有效推测出x(k+1)，同时参考不同的领用领域建立有所区别的方差模型，对采集到的所有数据进行迭代计算，从而促进数据滤波的实现。
根据以下的关系式（4），可以准确得出数据滤波后的加速度ai，借助二次积分运算实现对振动位移s的计算。
.png)
（4）
其中，n表示数据的数量，△t表示时间间隔，综上所述就是振动信息采样的定位原理，有效利用该原理可以完成对机械设备振动信息的采样定位检测。
2.机械设备振动信息采样定位的检测方法
2.1数据采样
嵌入式数据采集系统由多个组成部分构成，其中包括MEMS振动传感器、包含UART、SPI、PIT、DMA、A/D的MCU主控制器、RS485总线接口单元以及以太网物理接口单元等等，进而有效通过以上的构成单元实现对模拟量和数字量的采样。在此过程中，利用A/D模拟加速度传感器可以完成8位至24位的数据采样精度转换[2]。由SPI总线完成对数字加速度传感器的数据采集的设置以及加速度传感器寄存器的有效读取。数字加速度传感器的设置流程为第一步获取设备ID，第二步设置数据格式控制，第三步设置数据速率，第四步设置上电特性，第五步设置X、Y、Z轴的偏移设置，最后一步完成对X、Y、Z轴数据的定时读取。通过以上步骤的实现，进而有效完成机械设备振动数据的采样。
2.2数据滤波处理
在进行数据滤波处理处理的过程中，采用卡尔曼滤波的方法，把信号过程视为白噪声作用下的线性系统输出，进而将最小均方误差当作估计的最佳准则。建立信号和噪声的状态空间模型，将输入与输出间的关系以状态方程的形式描绘出来，进而有效从估计值和观测值中得出最优值。该算法的计算过程主要有两种，一种是时间更新方程，而另一种是状态更新方程。在以下的关系式中，关系式（5）-（6）表示时间更新方程，而关系式（7）-（9）表示状态更新方程。
.png)
（5）
.png)
（6）
.png)
（7）
.png)
（8）
.png)
（9）
在以上的关系式中，A的值表示过程矩阵，k表示时间，也就是说k时间内的过程矩阵为A（k）。同理，用C表示测量矩阵，则k时间内的测量矩阵为C（k），过程噪声方差为Q，k时间内的过程噪声方差为Q（k），测量噪声方差为R，k时间内的测量噪声方差为R（k），状态估计方差为P，k时间内的测量噪声方差为P（k）。而在上述关系式（5）、（6）、（7）、（8）、（9）中，分别对预测状态量、预测均方误差、卡尔曼增益、状态估计以及估计均方误差进行表示。
将MEMS振动传感器所采集的相应加速度值看作为X、Y、Z三个轴的三维数据，并对其进行分别处理，最后在对数据进行合成与处理，进而完成对上述关系式（5）-（9）的简化与完善。
将卡尔曼滤波的方法引入数据模型的计算中，进而可以有效的得出预测值的噪声协方差Q以及测量值的噪声协方差R，在对这两个值确认以后，就可以确定采集的原始数据为电压值，并通过参考MEMS加速度传感器说明手册对其进行加速度值z［i］的进一步转换。在对噪声协方差Q进行取值时，可以根据以下的关系式，计算出相邻两个数据之间差值绝对值的和，再计算出和的平均数，进而在对据进行卡尔曼滤波时，噪声协方差Q就是相邻两个数据的差值绝对值与平均数差值的平方。进而可以得出关系式（10）：
.png)
（10）
在关系式（10）中，N表示采集数据长度，在对测量值的噪声协方差进行取值的过程中，相应的取值方法和噪声协方差保持一致。
3.针对机械设备振动信息采样定位检测的仿真分析
为了进一步对以上方法的有效性与准确性加以验证，需要在Python仿真环境下建立模拟机械设备振动的仿真平台，将各类数据放入其中进行对比实验。将本文提出的方法与传统的机械设备振动检测方法进行对比，从而对二者在机械设备振动检验精确度上的区别加以评价。通过对比实验，得出两组数据不同的滤波效果，并对不同振动频率以及振幅下不同的振动信号处理结果加以分析。在观测相应的运动曲线后可以得出本文所介绍的方法滤波效果更加明显，从而可以去除更多的噪声信号。通过仿真对比试验可以进一步得出本文提出方法的优势，将MCU主控器采集的振动数据完成卡尔曼滤波处理，可以大大提升数据检测的精准程度，而且数据的精准度同振动幅度成正比，进而有效提升了对机械设备振动信号的诊断成效。
结论：综上所述，新型机械设备振动信息采样定位检测方法的提出可以有效解决传统检测过程中误差率大、精度低等问题。在该方法的实践过程中，先对加速度数据位移计算的误差因素加以分析，在采用卡尔曼滤波算法进行数据滤波，进而有效求出振动位移。这种方法可以有效去除噪声影响，提升信号检测的准确性。
参考文献：
[1]杨帆,张文娟,孙剑伟,王哲.通过振动信号判断机械设备故障方法研究[J].粘接,2020,42(04):171-175.
[2]吉毅,王娟.基于激光传感器的机械设备振动信号检测系统[J].激光杂志,2020,41(02):186-189.