论文部分内容阅读
预测与健康管理系统(Prognostics and Health Management, PHM)是提高系统性能与完好率,减少维修人力与保障费用的关键技术。一个典型的PHM系统主要由传感数据采集、信息归纳处理、状态监测、健康评估、故障预测、保障决策六个部分组成。其中,传感数据采集系统担负着设备状态数据的采集、预处理和传输功能,其输出结果是后续系统判断和处理的依据,是整个PHM系统工作的基础,对故障诊断结果的正确与否起着非常重要的作用。本课题中的PHM数据采集处理系统是构成某型飞机分布式传感体系的重要组成部分,能适应多种类传感器信号的设备,可完成对传感数据的采集、预处理和压缩。系统处理的是非平稳信号,需要采用时频分析的方法。希尔伯特-黄变换是一种新的信号时频域分析方法,具有自适应的特点,被认为是对以傅立叶变换为基础的信号分析方法的一个重大突破。本文对希尔伯特-黄变换算法在PHM数据采集处理系统中的应用进行了深入研究,包括算法的基本原理,算法与其它时频分析方法的比较以及最终的DSP实现和优化过程。优化后的算法处理速度可达5120个数据点每秒。由于AD端采集的数据量大,而系统的传输带宽、存储空间有限。针对这一问题,本文在分析了常用的几种无损压缩算法后,采用了字典压缩算法对采集到的数据进行压缩。压缩过程中,压缩效率与压缩比是一对矛盾,因此算法在实现过程中采用了可变滑动窗口来兼顾两者,使整体压缩效果最优。结果表明,该算法有效去除了冗余数据并满足了系统的实时性要求。在DSP最高工作频率下,数据处理速率可达3MB/s,压缩比达32.4%。