張雄希

（武漢科技大學(xué) 信息科學(xué)與工程學(xué)院，湖北 武漢430081）

0 前言

現(xiàn)代工業(yè)生產(chǎn)幾乎都離不開電機(jī)，電機(jī)己經(jīng)是當(dāng)今生產(chǎn)活動和日常生活中最主要的原動力和驅(qū)動裝置。電機(jī)發(fā)生故障和停止運(yùn)行，會影響整個生產(chǎn)系統(tǒng)的正常工作，甚至?xí)＜叭松戆踩?，因此，對電機(jī)故障的診斷要求十分迫切。通過對電機(jī)常見故障的診斷和分析，可以及早發(fā)現(xiàn)故障和預(yù)防故障的進(jìn)一步惡化，同時，對電機(jī)故障定位、決策及維修都極為重要。

電機(jī)出現(xiàn)故障時，故障信號中往往含有大量的時變、短時突發(fā)性質(zhì)的成分，傳統(tǒng)的信號分析方法如Fourier、小波變換等不能有效地提取電機(jī)的故障特征，在此基礎(chǔ)上的改進(jìn)方法也不能完全滿足分析非線性、非平穩(wěn)過程的要求。尋找其它有效的信號處理方法成為電機(jī)故障診斷的迫切要求[1]。

1 經(jīng)驗?zāi)Ｊ椒纸獾陌j(luò)解調(diào)技術(shù)

經(jīng)驗?zāi)Ｊ椒纸?empirical mode decomposition,簡稱EMD)作為一種新的主成分分析法，可以根據(jù)被分析信號本身的特點(diǎn)，自適應(yīng)選擇頻帶，確定信號在不同頻段的分辨率，具有更準(zhǔn)確的譜結(jié)構(gòu)，可對信號的頻譜結(jié)構(gòu)作出精確的局部時頻分辨，比較適用于非線性、非平穩(wěn)的信號分析。電機(jī)的許多故障信息是以調(diào)制的形式存在于所監(jiān)測的電氣信號及振動信號之中，希爾伯特變換包絡(luò)解調(diào)方法有一定的局限性，即將不包括調(diào)制信息的兩時域相加信號也以其頻率之差作為解調(diào)信號而解出，使得在解調(diào)譜上出現(xiàn)無法分析或引起誤診斷的頻率成分。利用EMD方法良好的時頻分辨能力和它對信號的精確刻畫能力，結(jié)合希爾伯特包絡(luò)解調(diào)技術(shù)應(yīng)用于電機(jī)的故障診斷中，為電機(jī)故障診斷提供了新的解決手段和方法。

通常，電機(jī)故障特征頻率分量較低，如和其他故障耦合或在強(qiáng)大的背景噪聲中，很難發(fā)現(xiàn)和提取故障特征。經(jīng)驗?zāi)Ｊ椒纸庖罁?jù)信號的特征時間尺度分解任意信號，若干個本征模函數(shù)IMF1～I(xiàn)MFn分別反映信號中內(nèi)嵌的簡單振蕩模式，依次包含從高頻到低頻的信號頻率成分，頻帶寬度由信號本身的特點(diǎn)所決定，利用經(jīng)驗?zāi)Ｊ椒纸膺@一特性，能夠?qū)㈦姍C(jī)監(jiān)測信號中的各故障信息與背景噪聲進(jìn)行有效分離。

通過經(jīng)驗?zāi)Ｊ椒纸鈱?fù)雜信號分解為若干個本征模函數(shù)(IMF)，將分離出的各本征模分量與原始信號進(jìn)行相關(guān)分析，求得與各分量相對應(yīng)的相關(guān)系數(shù)，依據(jù)相關(guān)系數(shù)序列值及其極值點(diǎn)特征確定包含原始信號主要信息的主IMF。在提取的主IMF分量中，對各分量進(jìn)行希爾伯特包絡(luò)解調(diào)分析或一般頻譜分析，提取與故障相對應(yīng)的頻率特征[2]，從而有效地判斷電機(jī)故障類型。

2 電機(jī)故障診斷總體過程

以鼠籠式異步電機(jī)作為研究對象，依據(jù)現(xiàn)場采集到的電機(jī)故障信號，分別對電機(jī)起動和穩(wěn)定工作時的故障信號進(jìn)行分析。先對監(jiān)測信號作預(yù)處理如小波降噪等以提高信噪比，再利用EMD的自適應(yīng)分解特性分離振動信號中的各故障特征信息及噪聲，然后經(jīng)相關(guān)分析及EMD分解特征確定信號中代表故障特征信息主要分量，再對這些包含故障特征信息主要模式分量進(jìn)行包絡(luò)解調(diào)分析以提取故障特征信息，確定電機(jī)所發(fā)生的故障類別。整個故障信號處理流程先后順序為：小波降噪、EMD分解、提取主本征模分量、包絡(luò)檢波、提取故障特征。該方法利用經(jīng)驗?zāi)Ｊ椒纸鈦韺崿F(xiàn)故障信息的有效分離，從而提高了診斷信號的信噪比，可有效地克服傳統(tǒng)希爾伯特包絡(luò)解調(diào)技術(shù)的局限性。

3 總結(jié)

基于經(jīng)驗?zāi)Ｊ椒纸獾陌j(luò)解調(diào)診斷技術(shù)能夠更有效和直觀地描述電機(jī)非線性、非平穩(wěn)故障信號的特征。有效地克服傳統(tǒng)希爾伯特包絡(luò)解調(diào)技術(shù)中容易出現(xiàn)無法分析或引起頻率成分誤診斷的局限性，及時、準(zhǔn)確地地判斷電機(jī)故障類型。能有效解決因電機(jī)故障頻率分量較低，在和其他故障耦合或在強(qiáng)大的背景噪聲中，很難發(fā)現(xiàn)和提取故障特征等難題。

［1］劉振興，尹項根，張哲.基于 Hilbert模量頻譜分析的異步電動機(jī)轉(zhuǎn)子故障在線監(jiān)測與診斷方法[J].中國電機(jī)工程學(xué)報,2003，7.

［2］周粉利.基于 HHT 變換的電機(jī)故障診斷研究[D].武漢科技大學(xué)，2009，5.

［3］時獻(xiàn)江，張春喜，邵俊鵬.異步電機(jī)斷條故障診斷的細(xì)化包絡(luò)方法[J].電機(jī)與控制學(xué)報，2008(3).

［4］楊宇，于德介.經(jīng)驗?zāi)B(tài)分解(EMD)在滾動軸承故障診斷中的應(yīng)用[J].湖南大學(xué)學(xué)報，2003，30(5).

［5］沈標(biāo)正.電機(jī)故障診斷技術(shù)[M].北京：機(jī)械工業(yè)出版社，1996.