0 引　言

对船舶轴承信号监测的意义在于通过获取的实时轴承信号分析轴承的运行状态，避免轴承可能存在的运行风险，从而显著提高船舶的安全性和可靠性。这种系统有助于减少意外停机时间，优化维护计划，降低长期运营成本，并提高整体的运行效率。同时，它还有助于减少因轴承故障导致的能源浪费和环境污染，促进可持续发展。

船舶轴承信号监测系统需要结合传感器技术、信号处理和故障诊断算法等，系统中不仅需要对信号进行采集，同时还需要对信号特征进行提取和学习，不同轴承在不同工况下的振动信号有着明显不同的特点，获取船舶轴承在正常工况下、异常时的特征信号也是监测系统的重要功能之一。

国内外学者对船舶操控系统中的信号监测研究较多，张楠^[1]提出一种使用嵌入薄膜压力传感器来监测水润滑轴承状态的方法，标定了传感器参数，并开发一套自感知无线监测系统，使用集成化环形电路板实现旋转工况下的水膜压力测试，并通过实验数据与仿真结果的对比验证其有效性。余培文等^[2]指出，对船舶滚动轴承进行状态监测对于保障船舶的可靠性与安全性极为重要。通过部署多种传感器设备，结合神经网络算法对收集到的大量数据进行智能分析，可以有效地评估轴承的当前状态。王延之等^[3]将边缘计算应用到船舶轴系智能监测系统中，其原理是通过传感器网络实时收集船舶轴系关键部件的状态信息，使用边缘计算对这些状态信息进行处理，实现对轴系状态的监测和使用寿命的预测。利用云计算和人工智能算法对诊断模型进行持续的训练和更新，然后将更新后的模型部署到边缘层，从而不断提升诊断模型预测的准确率。以上这些研究成果表明，对船舶轴承信号的监测不仅需要对硬件和软件进行设计，同时还需要对监测的数据进行处理，获取船舶轴承信号的规律特征，才能实现对轴承工作状态的准确预测。

本文提出一种基于数据采集卡的轴承信号监测系统，系统在硬件设计上小型化，可以实现对轴承各类信号的采集，同时建立基于深度学习的轴承信号分析系统，最终完成船舶轴承信号的智能化监测。

1 硬件设计 1.1 硬件系统框架

船舶轴承信号监测系统的功能是及时发现轴承潜在的故障，从而保障船舶的安全航行。通过硬件组件的协同工作，监测系统能够提供关于轴承健康状况的详细信息，为维护和维修提供决策支持^[4]。船舶轴承信号监测系统的硬件框架结构如图1所示。

1）加速度传感器。加速度传感器是监测系统的核心，负责实时采集轴承的运行状态数据，如温度、压力、振动和噪声等信号。这些传感器通常安装在轴承附近，能够直接感应到轴承的运行状况，并将模拟信号转换成数字信号，以便后续处理。

2）信号调理电路。在某些情况下，传感器采集的信号需要进行预处理，如放大、滤波或隔离等，以提高信号的质量。信号调理电路是用来执行这些任务，确保传输给数据采集卡的信号干净且准确。

3）数据采集卡。数据采集卡负责接收来自传感器的模拟或数字信号，并将其转换成计算机可以处理的数字信号。它通常具备高速的数据采集能力和高精度的模数转换器，以确保数据的准确性和实时性。

4）上位机。上位机通常是指搭载监测软件的计算机系统，它负责接收数据采集卡传输的数据，并进行进一步的处理和分析。上位机通常配备有强大的数据处理能力和友好的用户界面，以便于操作人员监控和分析轴承的状态。

5）箱体。箱体是硬件框架的物理载体，它包含了上述所有组件，并提供了必要的保护和环境适应性。箱体设计需要考虑防振、防腐蚀、防水以及散热等功能，以确保系统在恶劣的海洋环境中稳定运行。

6）通信接口。通信接口是连接各个硬件组件的桥梁，包括传感器与数据采集卡之间的接口、数据采集卡与上位机之间的接口等。这些接口需要稳定可靠，以保证数据传输的连续性和准确性。

1.2 轴承传感器安装结构设计

船舶轴承信号监测的基本原理涉及到使用各种传感器来捕获轴承的运行状态，特别是加速度传感器，船舶振动信号是轴承信号监测系统中需要重点关注的内容，因而通过分析船舶轴承加速度信号来评估轴承的健康状况^[5]。图2为轴承信号采集结构图。

1）接触式加速度传感器。这些传感器直接安装在轴承附近，用于测量轴承的振动加速度。它们通常对振动信号进行实时监测，以便于分析轴承的动态性能。

2）径向振动外圈。轴承的外圈振动是轴承故障的直接指标。通过监测这种振动，可以识别轴承是否出现磨损、损坏或其他异常情况。

3）推力器和推力器头部。推力器用于对轴承施加力量，而推力器头部则可以安装传感器来监测这种力量。这些数据有助于了解轴承在实际运行中承受的负荷。

4）主轴。主轴的旋转是轴承监测的另一个重要方面。通过监测主轴的转速和振动，可以评估轴承的运行状况。

5）球轴承。球轴承的振动信号可以提供关于轴承内部状况的信息，如滚动体的磨损或损坏。

由于在监测时，船舶轴承一直处于工作状态，因而船舶轴承传感器的安装就需要特别注意，传感器应安装在能准确反映轴承工作状态的位置，同时避免安装在受到高温、腐蚀性气体影响的地方^[6]。本文选择Piezotronics 8711-01-080压电传感器，输出信号为0～5 V电压，监测温度范围为−55～125℃，量程为±80 g，因而完全满足船舶轴承加速度信号的测量需求。

2 船舶轴承信号监测系统软件及实验 2.1 轴承信号测试实验

以某型号船舶轴承为例，对船舶轴承不同状态下的信号进行监测，得到如图3所示结果，其中图3(a)为正常振动信号，图3(b)和图3(c)为异常信号。

可以发现，异常轴承信号分为2种，一种是信号中有异常的突变，即突然在某一个时刻出现异常振动，另外一种是轴承正振动信号中出现明显地特征变化。对异常突变的监测非常简单，只需要在监测系统中设定判定条件即可，对第2种情况则需要提取轴承异常振动信号特征，并和正常振动信号特征进行对比。

2.2 基于深度学习的轴承信号处理

为了对异常振动信号进行监测，本文提出基于深度学习的轴承信号处理方法，其基本流程如图4所示。在该处理流程中，通过监督学习从标记的船舶轴承振动信号的训练数据中学习，这意味着每个训练示例都包括输入数据和相应的输出标签。而强化学习则通过和外部环境进行交互，通过不断探索最佳分类结果，将监督学习和强化学习同时应用到船舶轴承信号监测和分类中，使得建立的模型最终实现一个目标，即学习出一个映射规则，使其能够根据输入数据预测输出标签。

1）预处理层

船舶轴承振动信号数据首先通过预处理步骤，包括去噪、归一化、采样率转换等，以确保数据质量。在预处理层中还需要完成信号的特征提取，如卷积层（Convolutional Layer）用于提取信号中的局部特征。卷积层可以捕捉到信号的时频特征，图5为轴承振动信号的特征提取，分析了轴承信号的自相关性，并分析信号的功率谱强度，为后续的分析提供基础。

2）编码器

编码器部分可以由多个卷积层和池化层（Pooling Layer）组成，用于进一步提取和抽象信号的特征。池化层有助于降低特征的空间维度，同时保持重要的信号特征。每个卷积层后可以加入残差连接和归一化步骤，以提高训练的稳定性和性能。

3）自注意力层

在特征提取之后，可以使用自注意力机制来进一步分析信号的全局特征。这有助于模型理解信号中的长距离依赖关系。自注意力机制是实现异常信号判别的重要步骤，它允许模型在序列的不同部分之间动态地分配不同的注意力权重。这种机制特别有用，因为它可以识别序列中与当前预测最相关的部分，即使这些部分在时间上相隔很远。自注意力机制只考虑当前时间点之前的信息，而不依赖于未来的信息。这对于船舶轴承信号的监测和预测都必要。

4）输出层

在输出层需要完成信号的解码、分类以及最终输出。解码器部分可以由多个反卷积层（Deconvolutional Layer）或上采样层（Up-sampling Layer）组成，用于将编码器提取的高级特征映射回原始信号的维度，以便进行更细致的特征分析。

在解码器的最后，会有一个全连接层（Fully Connected Layer），用于将提取的特征映射到特定的类别上。这一层的输出通常通过Softmax函数进行归一化，以进行分类任务。最终的输出层为一个Softmax层，用于输出船舶轴承振动信号的判别结果。模型中损失函数的选择取决于具体的任务，如交叉熵损失用于分类任务，均方误差损失用于回归任务，使用反向传播和梯度下降等优化算法更新模型参数。

3 结　语

船舶轴承是船舶机械系统中的重要组成部分，获取轴承的实时状态对保障船舶安全航行具有非常重要的意义。本文提出一种基于数据采集卡的船舶轴承信号监测系统，并重点设计了轴承传感器的安装结构。对轴承信号进行测试，分析了轴承异常振动信号的类型和基本特征，在此基础上提出了基于深度学习的轴承信号处理方法，分析了信号处理流程。使用本文提出的船舶轴承信号监测系统，不仅可以实现对轴承信号特征的有效提取，同时还可以实现对异常振动信号的判别。