本發(fā)明涉及一種基于毫米波雷達的旋轉機械故障檢測方法及系統(tǒng)，屬于雷達檢測領域。

背景技術：

1、旋轉機械在制造業(yè)中被廣泛采用，它由傳遞動力和扭矩的旋轉軸進行驅動。在長時間使用后，旋轉機械很可能會出現(xiàn)一系列故障，產生嚴重安全隱患。當旋轉機械出現(xiàn)異常時，細粒度的角速度信息會出現(xiàn)異常情況，因此通過監(jiān)測細粒度的角速度信息，可以判斷旋轉機械的健康情況。傳統(tǒng)的檢測方法按照傳感器主要可以分為三類，第一，光轉速計和編碼器，光轉速計通過轉盤上的光標記可以獲得轉盤旋轉一周的平均角速度，但無法獲得更細粒度的角速度信息，同時光編碼器需要部署特制的軸盤，軸盤上面密布透明和不透明的片段，以獲取更細粒度的角速度信息。第二，imu傳感器，其中有線陀螺儀可以連接到軸盤上進行角速度測量。第三，基于射頻信號的方法，主要利用rfid，wifi和毫米波信號對轉盤角速度進行感知和測量，但是rfid和wifi的檢測速度粒度和范圍都很差，最近利用毫米波信號進行角速度測量的工作只能獲得旋轉機械的平均速度?？偠灾?，以上傳統(tǒng)工作在實際過程中部署十分繁瑣，或者無法獲得細粒度的角速度信息。

技術實現(xiàn)思路

1、因此針對以上不足，本發(fā)明提出了基于毫米波雷達的旋轉機械故障檢測裝置，在部署簡單的條件下，通過測量裝置細粒度的角速度信息判斷旋轉裝置的異常情況，實現(xiàn)旋轉裝置故障的實時監(jiān)測。其技術方案為：

2、一種基于毫米波雷達的旋轉機械故障檢測方法，包括以下步驟：

3、s1.將毫米波雷達部署于旋轉裝置的一側，所述旋轉裝置上設有毫米波信號反射標簽；選取起始點，測得標記起始點相對毫米波雷達的距離和角度偏移；

4、s2.毫米波雷達的發(fā)射天線發(fā)送調頻連續(xù)波信號，信號傳播到反射器后由其反射返回到雷達的接收天線，發(fā)射信號和反射信號隨后經(jīng)混頻器得到中頻信號；

5、s3.信號預處理和相位提??；

6、s4.測量旋轉裝置的角速度和方向。

7、優(yōu)選的，步驟s2中，對于判斷旋轉裝置的轉盤的角速度方向，在標記旋轉一周過程中，通過判斷一對相鄰接收天線的相位差的變化模式來確定轉盤的轉動方向；在順時針轉動過程中，相鄰天線的相位差呈由正到負的正弦波形，而在逆時針的轉動過程中，相鄰天線的相位差的波形恰好與之相反。

8、優(yōu)選的，步驟s4中，包括轉盤距離檢測和靜態(tài)雜波濾除；

9、轉盤距離檢測步驟如下：

10、1)把接收到的信號劃分為固定時長窗口進行距離多普勒頻率檢測；

11、2)通過距離倉中信號的振幅大小，來區(qū)分轉盤和周圍靜態(tài)物體，

12、3)對于只有單個轉盤的情況，信號最大振幅的距離倉就是轉盤的位置；對于多個裝置轉盤放置在毫米波雷達周圍的情況，首先使用峰值檢測算法檢測出一組候選距離倉，而后只保留由于標簽轉動相位呈周期性變化的距離倉，以此將旋轉的轉盤和環(huán)境中其他靜態(tài)物體區(qū)分開來，實時監(jiān)測轉盤。

13、靜態(tài)雜波濾除步驟如下：

14、1)通過計算接收信號的復數(shù)均值，然后從信號中減去平均值來估計動態(tài)信號的中心，以消除靜態(tài)信號效應；

15、2)應用兩個濾波器來消除相位噪聲：hampel濾波器，用于去除相位異常值；savitzky-golay濾波器，在熱噪聲下平滑相位；最終提取信號的相位。

16、優(yōu)選的，步驟s4中，假設在標簽從a點開始旋轉一段時間后，標簽旋轉到達p點，此時相對a點的旋轉角度為θt，構建相位-角度模型如下：

17、

18、η＝(da+r)2+r2；

19、γ＝-2r·(da+r)；

20、轉盤標簽到軸心o的半徑為r；標簽距離雷達最近點a到雷達的距離為da；λ毫米波的波長；

21、要測得旋轉角度大小需要首先確定η和γ兩個常量參數(shù)，而后通過模型計算得到旋轉角度大小，確定轉盤角速度大小。

22、優(yōu)選的，步驟s4中，對于r的參數(shù)估計步驟如下：

23、1)選取四個幾何關鍵點：轉盤上標簽距離雷達最近點a；標簽距離雷達最遠點b；標簽軌跡圓與雷達得上正切點c；相對于c點的下正切點d；

24、2)已知在a點和b點處反射信號的相位分別為：

25、

26、因此a點和b點的相位差可以表示為：

27、整理可得

28、3)提取a點和b點之間的相位差：在相位序列上使用峰值檢測算法來提取每個信號窗口中的所有a和b相位值；計算每兩個相鄰的高峰和低峰之間的相位差；將所有相位差值的平均值取為δφb,a。

29、優(yōu)選的，步驟s4中，c點、d點和o點存在oc⊥rc,od⊥rd的關系，對于da的參數(shù)估計方法如下：在基于邊長關系的自估計方法中，在δocr中利用勾股定理，可得|rc|2＝|ro|2-|co|2，其中|ro|＝|ra|+|ao|＝da+r，|co|＝r，整理可得

30、提取a點和c點的相位，構造相位差與距離差的關系可得：

31、

32、由上述公式構造出等式：

33、

34、整理可得通過計算a點和c點位置的信號相位差δφc,a，估計出參數(shù)da的大小。

35、優(yōu)選的，步驟s4中，對于da的參數(shù)估計方法如下：

36、在基于角度關系的自估計的方法中，在δocr中利用∠cro與邊長的幾何關系構造出如下等式，設∠cro和∠dro分別為βc和βd，|βc|＝|βd|，

37、設c點和d點與毫米波雷達的夾角為αc和αd，由于∠crd＝|βc|+|βd|，∠crd＝|αc|+|αd|，因此有|βc|+|βd|＝|αc|+|αd|，即

38、對于αc和αd的大小均可以由毫米波雷達一對天線rx1和rx2的相位差測量獲得，有關系如下因此可得此時可以得到如下等式，令可得通過計算c點和d點出一堆天線的相位差可以準確估計出da參數(shù)大小。

39、優(yōu)選的，步驟s4中，轉速估計方法如下：

40、利用以下公式計算出一段時間t內的轉動角度θp(t)：

41、

42、在一段時間內對反射信號采樣n次，利用峰值檢測算法檢測出所有最小峰的信號相位，即全部a點處的相位，相鄰的兩個a點相位代表著轉盤轉動了一周；在每周內進行nr次采樣，可測得第i個采樣點的相位與a點處相位差δφp,a(i)＝φp(i)-φa；

43、通過相位-角度模型可以得到從a點到第i個采樣點之間的轉動角度θp(i)；

44、因此，δθp(i)＝|θp(i)-θp(i-ε)|，ε∈{1,2,…,nr}，最后計算得出該采樣點的轉動角速度通過調整不同ε的大小，可以控制該采樣點角速度的不同測量精度。

45、優(yōu)選的，步驟s4中，轉速方法檢測方法如下：通過峰值檢測算法檢測到b點處信號的相位，而后提取b點附近的相位差計算范圍：[bind-σ,bind+σ]，其中bind表示b點峰值相位的索引，默認σ為相鄰信號相位峰脊和峰谷之間采樣點數(shù)的四分之一；計算該范圍內的相位差變化斜率：如果該斜率為負則表示轉盤順時針旋轉，反之，則表示轉盤逆時針旋轉。

46、一種故障檢測系統(tǒng)，包括信號采集模塊、處理模塊和輸出模塊；

47、所述信號采集模塊：獲取毫米波雷達發(fā)射天線發(fā)送調頻連續(xù)波信號；

48、處理模塊：信號預處理，根據(jù)構建相位-角度模型進行相位提取；

49、輸出模塊：輸出角速度曲線及故障類型。

50、與現(xiàn)有技術相比，本技術有益效果如下：

51、本發(fā)明基于低成本的毫米波雷達實現(xiàn)旋轉裝置細粒度的角速度測量，現(xiàn)有的工作包括基于光轉速計和編碼器的方法，基于imu傳感器的方法和基于射頻信號的方法，這些方法都無法在簡單部署的前提下對裝置轉速進行細粒度測量。本發(fā)明一方面在實際工作部署中十分簡單便利，僅僅需要部署一個毫米波雷達和一個標記。另一方面本發(fā)明可以細粒度且精確地測量裝置的轉速并判斷旋轉方向，比現(xiàn)有工作在粒度上提高了16倍，在準確度上提高了7倍。適合在商用條件下精確地檢測旋轉裝置的故障。