| 标题 | 基于DSP的嵌入式电子信号故障检测技术 |
| 范文 | 刘刚 曹文 摘 要： 针对传统电子信号故障检测技术存在检测通道采样数据精度低、数据完整度差，信号故障检测能力差的缺陷，提出基于DSP嵌入式电子信号故障检测技术。采用TMS320C1X定点DSP芯片结合FPGA构建双CPU结构DSP+FPGA，用于采集电子信号，实现多通道信号的快速完整采集；将采集到的电子信号通过嵌入式数据转换模块实现模/数变换处理，利用AD7656模/数转换芯片将信号转换为数据格式，再利用小波算法实现故障数据的检测，设计数据分离模块将故障数据与正常数据分离处理，实现电子信号故障检测。实验结果表明，所提方法获取的通道采样数据精度高，信号故障检测能力强。 关键词： DSP； 嵌入式电子信号； 数据采集； 采样频率； 信号检测； 小波算法 中图分类号： TN99?34； TP274+.4 文献标识码： A 文章编号： 1004?373X（2018）16?0176?03 Abstract： In allusion to the defects of low precision of detection channel sampling data， poor data integrity， and poor signal fault detection capability existing in the traditional electronic signal fault detection technology， an embedded electronic signal fault detection technology based on DSP is proposed. The double CPU structure of DSP+FPGA is constructed by adopting the fixed?point DSP chip TMS320C1X and combining with the FPGA， so as to collect electronic signals and realize the rapid and complete acquisition of multi?channel signals. The A/D conversion processing is realized for the collected electronic signals in the embedded data conversion module. The AD7656 A/D conversion chip is used to convert signals into the data format. The wavelet algorithm is used to realize fault data detection. The data separation module is designed to separate fault data from normal data， and realize fault detection of electronic signals. The experimental results show that the proposed method can obtain high?precision channel sampling data， and has a strong signal fault detection capability. Keywords： DSP； embedded electronic signal； data acquisition； sampling frequency； signal detection； wavelet algorithm 信号检测技术在电子技术领域和通信领域中应用广泛。信号检测技术中的数据采集、测量功能和初始信号传感功能推进了电子技术的发展，信号故障提取功能推进了通信技术的进步。因此寻求一种有效的电子信号检测技术成为了相关领域的重点研究课题[1]。针对传统基于空间复用的电子信号故障检测技术存在检测通道采样数据精度低、信号故障检测能力差的缺陷，提出基于DSP嵌入式电子信号故障检测技术。所提方法获取的测试通道采样数据精度高，在变更采样率、选择通道方面具有方便性，且能够提供个性化的数据运算处理定制服务。对于信号故障检测能够获取精准的信号故障发生时间与结束时间[2]，基于DSP嵌入式电子信号故障检测技术与同等技术相比存在众多优势。1 基于DSP的嵌入式电子信号检测技术 1.1 设计方案及主要构成 基于DSP的嵌入式电子信号故障检测系统主要由信号采集模块、模/数转换模块和数据分离模块组成。 数据采集模块是由TMS320C1X定点DSP芯片结合FPGA构建的DSP+FPGA双CPU结构，建立两个通道对电子信号进行检测采集，实现快速完整的多通道电子信号采集；数据转换模块采用AD7656模/数转换芯片对采集到的电子信号数据进行模/数变换处理，以实现电子信号数据格式的统一；利用小波算法实现故障数据的检测；数据分离模块主要是通过DSP控制电路对转换的电子信号数据中的故障信号分离出来，实现电子信号故障处理。 1.2 数据采集模块设计 传统电子信号故障检测方法的数据采集仅基于FPGA进行操作，检测范围小，电子信号完整度差，且时效性不高。本文设计的嵌入式电子信号采集方法，将DSP和FPGA两种方法进行融合，在数据采集模块中，采用了双端口RAM器件CY7C028，利用TMS320C1X定点DSP芯片结合FPGA构建双CPU结构DSP+FPGA，用于采集电子信号，实现多通道信号的快速完整采集[3]。数据采集模块如图1所示。 1.3 数据转换模块设计 由于不同采集通道采集的电子信号形式不同，需要对其进行转换[4]，以保证数据分离模块能够对其进行处理。本文采用模/数转换芯片AD7656，其具备处理高达4.5 MHz的输入频率，能够快速对采集的电子信号进行转换处理[5]；该芯片存在可以调节的数据处理范围，主要因为其内部含有2.5 V的基准电压与基准缓冲器[6]，因此数据转换模块能够将不同信号采集通道采集的样本信号进行转换。图2详细描述了AD7656芯片的电路图。 1.4 基于小波算法的电子信号故障检测 数据转换模型将不同采集通道采集的电子信号数据进行格式转换统一后，利用小波算法对其进行故障检测。传统方法一般采用补零法对程序及数据进行故障检测与分离，但由于补零法是在输入列的末端实施补零，容易造成输入序列界限的间断。本文将小波算法应用于电子信号故障检测中，在C5000 DSP芯片中进行小波算法编程。该芯片应用的哈佛结构具备分离程序与数据的功能，配备专属硬件乘法器以及汇编指令集。该结构通过累加操作、重复操作、循环寻址等功能适应小波算法的运行[7]。小波算法的有效运转依赖于上述资源的强大功能[8]。采用小波算法实现电子信号故障的检测，具体内容如图3所示。 1.5 数据分离模块设计 利用数据分离模块将检测出的故障信号分离出来，并传输至主机，使工作人员能够及时发现故障[9?10]。基于DSP的嵌入式电子信号故障检测系统中，数据分离模块结构图如图4所示。2 实验分析 2.1 采样精度实验 2.1.1 实验设置 通过实验验证本文方法在获取采样通道数据精度方面存在优势。设置不同的检测板配备8个AD7656芯片，所以每个采样板都可以在统一时间内获取到48个通道的采样数据。具体实验环境为：采用5 V的模拟信号采集范围；使用深度为50的采样通道；100 kHz PGA的采样频率上限。图5对实现现场进行了详细的描述。 发送命令的十六进制参数进行中：前2个数据表示控制指令的数据头；采样频率的指令代码用第3个数据描述；该板块的ID数据信息用第4个数据描述；第5个参数表示采样频率的参数设置，且1～100 kHz的采样频率对应0×01～0×64；接着16个数据表示采样通道的工作状态，处于工作状态时用高电平表示，反之，用低电平表示。 2.1.2 实验结果分析 实验采取24个采样通道在同一时间段内对相同的±5 V的正弦波实施加载操作，将本文方法获取的采样数据制成图形，详细内容如图6a）所示。分析该图可得，本文方法获取的通道采样数据内容能够精确到小数点4位数甚至更多，表明本文方法对于信号采样的一致性相当高。采用本文方法对误差率5%的电磁感应线圈的电压实施测试实验，图6b）为获取的实验波形图，从中可以看出，本文方法获取的结果与信号初始的误差率基本一致。 2.2 检测故障信号实验 实验为验证本文方法在信号故障检测以及故障时间点的判断方面存在优势，采用本文方法基于C54x汇编语言进行信号检测实验。图7给出本文方法的8次信号故障检测结果。图7中的原始信号分别包含了一个正常信号和一个故障信号。在同一时间节点上对这些信号实施故障操作，采用本文方法实施信号故障检测并进行处理研究。3 结 论 本文提出的基于DSP嵌入式电子信号检测技术获取的测试通道采样数据精度高，在变更采样率、选择通道方面灵活便捷，且能够提供个性化的数据运算处理定制服务，对于信号故障检测能够获取精准的信号故障发生時间与结束时间。参考文献 [1] 何军.一种嵌入式电机控制系统[J].舰船科学技术，2015，37（2）：152?155. HE Jun. Research on the ocean ambient noise prediction based on neural net [J]. Ship science and technology， 2015， 37（2）： 152?155. [2] 方志红.基于BWDSP100的高性能FFT实现[J].雷达科学与技术，2016，14（5）：487?492. FANG Zhihong. A high?performance implementation of FFT on BWDSP100 [J]. Radar science and technology， 2016， 14（5）： 487?492. [3] 龚智贞，贾克斌，孙中华，等.宽带环境下Morse信号自动检测[J].信号处理，2017，33（8）：1097?1103. GONG Zhizhen， JIA Kebin， SUN Zhonghua， et al. Automatic detection of Morse signals in wide band environment [J]. Journal of signal processing， 2017， 33（8）： 1097?1103. [4] 郭丽强，陈发堂.一种基于多核嵌入式系统的TD?LTE同步校正方法[J].电子技术应用，2014，40（4）：70?72. GUO Liqiang， CHEN Fatang. Approach of synchronization correction in TD?LTE based on multicore embedded system [J]. Application of electronic technique， 2014， 40（4）： 70?72. [5] 徐嘉隽，蔡辉腾，金星，等.大容量气枪震源长江定点激发信号检测[J].中国地震，2016，32（2）：379?389. XU Jiajun， CAI Huiteng， JIN Xing， et al. Signal detection of large volume air?gun source excitation in the fixed field of the Yangtse River [J]. Earthquake research in China， 2016， 32（2）： 379?389. [6] LI N J， WENG C F， WANG W J， et al. The people number estimation based on the embedded DSP system with surveillance camera [C]// Proceedings of International Conference on System Science and Engineering. Budapest： IEEE， 2013： 57?61. [7] WANG L， GUO N， JIN C， et al. Coherent BOTDA using phase?and polarization?diversity heterodyne detection and embedded digital signal processing [J]. IEEE sensors journal， 2017， 17（12）： 3728?3734. [8] 吴斌，叶东，张鑫，等.非合作目标姿态测量的嵌入式算法[J].光学精密工程，2016，24（11）：2804?2813. WU Bin， YE Dong， ZHANG Xin， et al. Embedded algorithm for relative pose measurement between non?cooperative targets [J]. Optics and precision engineering， 2016， 24（11）： 2804?2813. [9] BAHRI N， GRANDPIERRE T， AYED M A， et al. Embedded real?time H264/AVC high definition video encoder on TI′s keystone multicore DSP [J]. Journal of signal processing systems， 2017， 86（1）： 67?84. [10] 李田英，刘胜珍.嵌入式实时软件在计算机软件设计中的应用[J].电子设计工程，2017，25（8）：178?182. LI Tianying， LIU Shengzhen. The application of embedded real?time software in the computer software design [J]. Electronic design engineering， 2017， 25（8）： 178?182. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。