摘要:研究了获取管道振动噪声干扰特征的方法，介绍了基于加速度传感器的管道振动信号的采集.结合涡街流量信号和管道振动信号的频谱分析结果,指出了管道振动信号频率与涡街流量计信号的主要干扰分量频率直接相关.研究表明,可通过获取管道振动加速度信号特征,来间接获得涡街流量信号中主要噪声的频率特征.基于这一研究结论,以管道振动信号的特征信息为参考输人,验证了通过自适应滤波对涡街流量信号中振动噪声的滤波方法.
现今涡街流量计的使用越来越广泛，因其属于流体振动型流量计,故对振动干扰显得非常敏感.振动干扰是影响涡街测量的主要干扰之-“,国内外的学者和公司对涡街流量计抗振动问题进行了大量的研究21,其中以Rosemount公司的8800A'31和F+P公司的VT/VR型为代表[4].
本研究从获取管道振动噪声干扰特征的方法着手,分析得出了管道振动信号频率与涡街流量信号的主要干扰分量频率直接相关,研究了一种基于加速度传感器的管道振动信号采集和对应的自适应滤波方法.
1机械管道振动对涡街流量计信号的影响
表1是不同流体传感器对过程干扰的敏感性影响程度的统计[5].表中“++”表示高敏感(读数误差10%或更高),"+”表示敏感(读数误差1%),表示不敏感(读数误差小于1%)
从表1中可以得知,涡街流量测量中干扰影响大的成分为机械管道振动干扰和周期性的低频脉动干扰.
讨论了在加速度为1g,垂直振动频率为100Hz的振动于扰对涡街流量计信号输出的影响,如图1所示在没有流速的情况下,涡街传感器检测到管道振动,并错误判断100Hz是流量信号,因此错误地显示了120m'/h的流速.
2涡街流量信号与管道振动信号特征联系的试验分析
振动干扰是主要的干扰成分之一.若要将各信号成分特征一--进行分离,目前常用及成熟的方法就是频谱分析[78].在离线频谱分析中,可以依据人脑的判断来有效地区别振动噪声和涡街信号的频率、能量分布的不同.然而在实际工程应用中,若噪声能量大于信号能量，则在线的频谱分析虽然可以分辨出能量的峰值,但无法有效区分能量的峰值是信号的还是干扰的,因此可能会跟踪了错误的振动干扰噪声..
本研究对不同流速和泵频率组合下的涡街流量信号进行了数据采集和频谱分析,其中水泵采用格兰富AP12.40单级潜水泵,分别调节流速约0.209,0.403,0.611,0.797m/s.控制水流速的大小，在每一开度下,再分别设置水泵工作频率为25,30,35,40Hz,以输人不同的振动干扰信号,如图2所示.可见当流速小时噪声能量接近甚至大于实际信号能量,在线的频谱分析很难判断..
考虑到管道的振动是振动干扰直接的物理响应,当手触摸管道时,明显可以觉察到管道有规律地振颤.基于以上分析,结合振动测量知识，本研究认为可以尝试引人加速度传感器来采集管道振动的信号[910.
试验中,加速度传感器的选取较为重要.本研究加速度传感器试验选择了美国ADI公司的ADXL202,这是-种低成本、低功耗、功能完普的双轴加速度传感器,其测量范围为+2g.
本试验使用A/D数据采集卡,将ADXL202的模拟输出信号转换为数字信号送人PC机进行处理，基于Labwindows/cvi测控平台的PC机能够方便地实现数据采集.
试验工作状态:分别调节流速约为0,0.209,0.403,0.611,0.797m/s,控制水流速的大小，并在每--开度下,再分别设置水泵工作频率为25,30,35,40Hz.加速度传感器的模拟输出信号输人到PC机的A/D采集卡,采样频率1000Hz.对不同流速和泵频率组合下的管道振动信号进行数据采集和频谱分析.图3为所有组合下,采样得到的管道振动加速度信号的典型时域波形图.图中横坐标为采样的点数,共1024点;纵坐标为相对于Og标定值的差值，纵坐标基准值0对应了0g的标定值.图4所示为对应的管道振动信号的典型频谱图.
为了验证所采集振动信号是否具有重复性,本研究对每种工况下组合的管道振动信号分别进行了3次重复采样,每次1024点,采样频率1000Hz.表2是各次数据分析得到的频率值.
由表2的数据可以看出,管道振动的数据频谱分析得到的振动频率值重复性很高.
对表2的重复性数据计算平均值,并由平均值画出了流速、泵频率和管道振动频率的关系曲线,如图5所示.分析结果表明,不论试验装置工况如何,管道振动信号的频率和能量只与泵工作频率相关,泵频率越大，则振动信号的频率和能量越大.
3对管道振动自适应滤波的试验
通过以上分析可以得出结论,水泵工作引起的管道振动干扰直接耦合到了涡街输出信号中.试验数据显示,在各种流动状态下,涡街信号中迭加的千扰频率与管道加速度振动频率近乎于相等,且与试验用的水泵工作频率相近.
通过加速度传感器获得有效的管道振动频率后,可以将之等同为涡街流量信号中主要干扰信号的频率.本研究提出以管道振动信号的特征输人为参考信号,采用自适应小均方误差(LMS)数字滤波器方法,来对涡街流量信号振动干扰进行处理11.LMS滤波器输出为
式中，W为滤波器各系数组成的向量,X为监测值组成的向量.
LMS算法的基本思想是利用优化方法中的速下降法.根据推导,可得权系数的迭代公式为
式中,u为自适应系数,取值大小影响到收敛速度、估计值的方差和算法的稳定性.误差e;的迭代计算公式为
用式(2)更新权系数W(t+1),随着新数据不断输人,不断重复使用式(2)和式(3)进行迭代,使W逐渐趋近于W。.
设采集获得的涡街流量信号为原始信号,参考输人为采集获得的管道振动加速度信号,滤波器系统如图6所示.
由上述自适应滤波器的算法,可得到系数W;的计算值为
设定u值,通过式(4)~(6)的循环迭代,使W;逐渐趋近于W.
如前所述,u为控制LMS算法收敛速度和稳定性的系数,u值过大可能导致发散,过小又可能使收敛速度变慢.本研究通过大量的计算,不断修正和比较,使其接近佳值.通过试验计算,确定u=0.1.
图7为滤波后的信号频域图.从图中可以看出，主要的管道振动干扰已经被消除，滤波后的信号信噪比提高很多..
4结束语
本研究是在自有试验装置上对一部分涡街传感器进行试验的.尽管不同的管道振动有其特殊性,但管道振动问题也有一-定的普遍性.本研究通过基于加速度传感器的管道振动信号的采集和频谱分析,指出了管道振动信号频率与涡街流量信号的主要干扰分量频率直接相关.并采用自适应滤波方法,验证了对涡街流量计振动噪声滤波的有效性,为消除振动噪声提供了一种有效的途径值得注意的是,本研究主要针对解决以泵的干扰为主的管道振动噪声问题，对于解决其他有一定规律的管道振动噪声也有适用性.本研究中加速度传感器的安装位置至关重要,会影响振动信号的检测以及对涡街信号滤波处理的结果.
以上内容源于网络，如有侵权联系即删除!
