使用LTspice分析基于状态的监测系统中的振动数据

本文介绍如何使用LTspice®分析基于状态的监测系统中振动数据的频率成分，以便对工业机械中的电机故障进行预警。本文介绍了如何从Microsoft Excel电子表格中获取X，Y和Z平面数据，并将其转换为LTspice可以应用傅里叶变换以生成振动数据的谐波含量图的格式。

介绍

数字技术的进步丝毫没有放缓的迹象，渗透到我们生活的方方面面。赋予机器智能远非奥威尔式的反乌托邦;相反，它可以提高工厂自动化的效率，因为自动反馈回路可以减少直接维护时间。

工业4.0描述了将大数据的优势带入工厂车间的概念。装有传感器的机器可以监控自己的性能并相互通信，使它们能够分担整体工作量，同时向后台提供重要的诊断信息，无论是在同一栋大楼还是在另一个大陆。

对ADI公司产品的快速调查显示，ADI公司致力于为工业物联网（IIOT）提供解决方案，即提供从传感器到云的可靠、高性能信号链组件。

工业自动化的一个领域是基于状态的监控（CbM），即仔细校准机器的标称运行特性，然后用本地传感器密切监控机器本身。偏离标称信号的条件表明机器需要维护。因此，配备状态监控系统的机器可以在实际需要时进行维修，而不是作为相对任意的维修计划的一部分。

确定电机健康状况的最佳方法是检查其振动特征。ADI公司的MEMS技术能够持续监测电机的振动特征，在将其特征与已知的无故障电机进行比较时，可以揭示电机的健康状况。事实上，每个电机故障都有其独特的谐波特征。通过查看振动模式的谐波含量，可以检测到轴承、内圈和外圈甚至变速箱齿中的故障。

分析LTspice中的振动数据

为了在LTspice中产生傅里叶分析数据，将三个ADXL1002加速度计连接到电机，如图1所示，分别测量左右、垂直和前后方向的振动——X、Y和Z。

图1.通道 X、Y 和 Z 分别测量了左右、垂直和前后方向的振动。

振动数据已下载并保存在Microsoft Excel电子表格中。数据以 500 kSPS 采样，因此一秒钟的振动数据会产生三列 Microsoft Excel 数据，每列 500，000 行长。X、Y 和 Z 数据的示例如图 2 所示。

图2.X、Y 和 Z 数据的提取。

现在可以检查这些数据的谐波含量，以确定电机的健康状况。傅里叶分析是从波形中提取分量频率成分的数学过程。纯正弦波的频谱内容仅包含一个频率，称为基波。如果正弦波失真，则会出现除基波之外的其他频率。通过分析电机振动模式的频率成分，可以确定其健康状况的准确诊断。

能够进行傅里叶分析的硬件和软件可能很昂贵，因此我们在这里展示了一种对MEMS数据执行傅里叶分析的方法，该方法基本上是免费的。

LTspice是一款功能强大且免费的电路仿真器，能够使用傅里叶分析绘制任何波形的频率成分，包括从基于状态的监控系统中的MEMS传感器获得的振动数据。

当数据采用图3所示格式时，LTspice可以生成傅里叶分析图，其中每个振动数据点与其相应的时间戳配对。

图3.时间和电压实例的格式。

使用Microsoft Excel将数据调整为这种格式相对容易。这是执行此操作的过程。

首先，将图 2 中的数据列分成 Excel 文件中的三个工作表，分别名为 X、Y 和 Z，如图 4 所示。

图4.创建了三个工作表，并将 X、Y 和 Z 数据复制到各自的工作表中。

在数据左侧插入一列 - 此列表示每个数据值的时间戳。

由于在一秒的时间跨度内采集了 500，000 个数据样本，因此每个数据点相隔 2 μs。因此，在新列的第一个单元格中，输入

2E-6

表示 2 μs 的第一个时间戳。

填写时间戳列其余部分的最简单方法是使用“系列”命令。在 Microsoft Excel 的“搜索”框中，键入“Series”以显示图 5 中所示的菜单选项。

从这里，选择填充系列或图案，然后选择系列...从下拉菜单中。

图5.如何在Microsoft Excel中填充许多单元格。

此时将显示如图 6 所示的对话框，其中选择了“列”和“线性”单选按钮。输入步长值 2E-6，停止值 1。

图6.使用线性扩展的数据集填充单元格。

单击“确定”填充左列数据时间戳，从 2 μs 递增到 1 秒。通过填写前几个值，然后将光标拖动到数据范围末尾的底部单元格，可以实现相同的效果，但对于 500，000 行数据，这将是一个很长的拖拽。

数据现在采用可由LTspice处理的格式，如图7所示。

图7.显示时间戳和相应数据示例的列。

如果数据集很大且采样间隔较短，则 Microsoft Excel 可能会将时间戳舍入到不适当的小数位数。如果是这种情况，请突出显示第一列，然后选择“设置单元格格式>格式”，如图 8 所示。

图8.重新设置单元格格式以删除任何舍入错误。

选择适当的小数位数，如图 9 所示。

图9.将时间戳分辨率增加到小数点后五位。

填充时间戳列并展开有效数字后，将每个工作表的两列复制到其自己的记事本或其他文本编辑器文件中，如图 10 所示。

图 10.包含时间和振动数据的文本文件。

您应该有三个文本文件，其中包含基于状态的监控系统中轴 X、Y 和 Z 轴的振动数据。

这些数据现在可以直接读取到LTspice中。

在LTspice中构建原理图，如图11所示。在此设计中，有六个电压源对应于X、Y和Z轴的故障和无故障数据。这样就可以对新电机的振动数据进行傅里叶分析，以便将其与可疑故障电机数据的傅里叶分析进行比较。这种方法的一大优点是，可以将新（无故障）电机的频率图叠加在可疑故障电机的频率图上，因此可以看到性能差异。

图 11.LTspice原理图显示了故障和非故障振动数据的电压输出。

LTspice 命令

.options plotwinsize=0 numdgt=15

删除LTspice中的默认压缩，有时会产生更清晰的结果。如果省略此行，模拟将运行得更快，但可能会产生不太准确的结果。

原理图完成后，右键单击每个电压源，选择“高级”按钮，选择“PWL File”单选按钮，然后输入包含振动数据的相应文本文件的文件名，如图12所示。这将创建一个分段线性电压源，由一系列电压及其相应的时间实例组成。如果这些文本文件与LTspice文件存储在同一目录中，您的生活将更轻松。

图 12.根据振动数据创建分段线性电压源。

然后，应使用以下命令将瞬态分析配置为在原始振动测试期间运行

.tran 1

运行模拟。仿真可能需要一些时间才能完成，具体取决于数据点和瞬态分析的长度。

故障和非故障电机的仿真结果如图13所示。该实验是在以 587.3 rpm 转速旋转的电机上进行的，该电机的轴承故障，外圈未对准，负载为 12 磅。这些图还显示了以相同速度旋转的无故障电机的振动模式。很明显，与无故障电机相比，故障电机的振动特征幅度明显更高。

图 13.故障和无故障电机的振动数据的时域结果。

突出显示“波形”窗口后，从菜单栏中选择“查看> FFT”。这将根据瞬态数据计算FFT。

查看图 2 中的数据，这些数字显示了大约 35，000 的大偏移量的微小变化。在LTspice中仿真时，这相当于35，000 V的直流失调电压，在此失调之上有一个交流波形。

在傅里叶图中，该失调电压表现为直流时的较大杂散，因此当LTspice自动缩放Y轴时，目标谐波缩放得太小。右键单击 X 轴以指定高于直流的频率范围，因此忽略直流失调电压——5 Hz 至 1 kHz 的范围就足够了。

右键单击 Y 轴并选择 Linear 单选按钮以查看谐波，如图 14 所示。

图 14.去除直流杂散的傅里叶图，并以线性刻度显示。

在绘图区域内单击鼠标右键可以添加额外的绘图窗格，从而可以将振动的频谱内容分成 X、Y 和 Z 图，如图 15 所示。

图 15.X、Y 和 Z 振动图被分离出来。

可以清楚地看到电机的 10 Hz 旋转频率，以及 60 Hz、142 Hz 和 172 Hz 时的显着谐波。分析电机内部的哪个组件引起了这些谐波超出了本文的范围，但毫无疑问，由于电机磨损，振动模式发生了变化。

结论

ADI公司的MEMS加速度计系列提供关键数据，以便及早检测电机故障，但这只是解决方案的一半。必须使用傅里叶分析仔细研究数据。不幸的是，能够执行傅里叶分析的设备或软件通常很昂贵。LTspice提供了一种免费途径来准确分析CbM数据，从而能够及早发现和诊断机器故障。

审核编辑：郭婷