滕 冠 吳 星

（柳州職業(yè)技術(shù)學(xué)院，廣西 柳州 545006）

高速機械設(shè)備故障檢測系統(tǒng)設(shè)計與實現(xiàn)

滕 冠 吳 星

（柳州職業(yè)技術(shù)學(xué)院，廣西 柳州 545006）

針對當(dāng)前高速機械設(shè)備運轉(zhuǎn)過程中出現(xiàn)故障難以檢測的問題，設(shè)計一種高向高速運轉(zhuǎn)的機械設(shè)備故障檢測方法，該方法綜合應(yīng)用信號采集、信號分析、小波變換和決策樹分類算法等技術(shù)，通過對調(diào)整運轉(zhuǎn)設(shè)備振動信號進行測量和分析, 提高機械設(shè)備故障檢測的精度和準確性。

故障檢測；信號采集；決策樹分類算法

目前高速運轉(zhuǎn)的機械設(shè)備在運行過程中，可能會存在一些潛在的故障風(fēng)險，而將這類高速運轉(zhuǎn)設(shè)備停機，再進行設(shè)備的故障檢測，雖然能夠發(fā)現(xiàn)設(shè)備中所存在的相當(dāng)一部分故障，但是這種檢測方法一方面會降低機械設(shè)備的使用效率。另一方面高速運轉(zhuǎn)設(shè)備在靜止?fàn)顟B(tài)所檢測到的故障類型，與在高速運行狀態(tài)下所表現(xiàn)的故障種類和類型有一定差別，尤其是一些潛在的故障風(fēng)險，在靜止?fàn)顟B(tài)下難以被檢測到，只有在設(shè)備在高速運轉(zhuǎn)的時候，才有可能表現(xiàn)出故障的特征。因此面向高速機械設(shè)備故障檢測的方法的一種有效的途徑是通過讓機械設(shè)備在高速運轉(zhuǎn)環(huán)境下進行故障的檢測。

當(dāng)前對機械設(shè)備高速運轉(zhuǎn)條件下進行故障檢測的途徑，主要是通過機械設(shè)備在高速運轉(zhuǎn)條件下所表現(xiàn)出來的振動、噪聲等外在特征進行分析，對這類物理信號進行提取和特征分析，進而對高速運轉(zhuǎn)的機械設(shè)備是否存在故障風(fēng)險進行判別。為了提高機械設(shè)備故障檢測的精度和準確性，需要對高速機械設(shè)備信號分析的方法和處理技術(shù)進行深入的研究，設(shè)計具有高分辨率的、易于實現(xiàn)的機械設(shè)備故障檢測方法。

1 系統(tǒng)組成結(jié)構(gòu)

本文所要設(shè)計的故障檢測系統(tǒng)目的是為高速運轉(zhuǎn)的機械設(shè)備提供一種精確有效的故障檢測方法，通過對機械振動信號的分析，能夠解決絕大多數(shù)在高速運轉(zhuǎn)過程會產(chǎn)生振動信號的機械設(shè)備故障檢測的應(yīng)用需求。該系統(tǒng)設(shè)計原理是通過對高速運轉(zhuǎn)設(shè)備運行過程中的振動信號進行采集，獲取調(diào)整運轉(zhuǎn)設(shè)備的振動信號特征，并將振動信號進行小波變換，提取振動信號中的特征。并通過設(shè)計專門的機械振動信號分類決策樹，實現(xiàn)對機械振動信號的分類輸出，從而解決對高速運轉(zhuǎn)的機械設(shè)備故障檢測的應(yīng)用需求。而且由于所輸出的振動信號進行了分類，因此一旦發(fā)現(xiàn)故障，不僅能夠判斷出高速運轉(zhuǎn)的機械設(shè)備是否存在故障，同時也能夠給出該設(shè)備存在的故障類型。

根據(jù)上述原理與要求，故障檢測方法系統(tǒng)組成結(jié)構(gòu)圖如圖 1所示，在對高速運轉(zhuǎn)的機械設(shè)備進行故障檢測時，首先通過部署在該機械設(shè)備上的多個傳感器采集機械設(shè)備的振動信號，為了提高機械設(shè)備振動信號采集的精度，所部署的傳感器采用了雙傳感器共同測量的信號采集方法。通過對同一位置、同一測試對象的振動信號用兩傳感器分別進行測量，提高傳感器采集的機械振動信號準確性。傳感器采集到的振動信號經(jīng)過數(shù)據(jù)融合之后，進行小波變換，通過水波變換能夠?qū)C械振動信號中不明顯的振動信號進行放大和分離，從而使得高速運轉(zhuǎn)的機械振動信號中所蘊含的一些故障特征信息，能夠被表露出來。之后應(yīng)用由故障特征庫訓(xùn)練得到的故障分類決策樹，對采樣得到的故障信號進行分類，判別出所采集到的故障振動信號中是否表明該機械存在某些故障。同時也根據(jù)預(yù)先設(shè)定的分類決策樹各判斷分支的現(xiàn)實含義，做出該機械具體存在哪一種的故障。

圖1　故障檢測方法系統(tǒng)組成結(jié)構(gòu)圖

2 關(guān)鍵技術(shù)實現(xiàn)

2.1故障信號的采集

種高速機械設(shè)備故障檢測系統(tǒng)由振動信號采集模塊、數(shù)據(jù)融合模塊、小波變化模塊、振動信號異常提取模塊、機械振動特征訓(xùn)練庫和基于C4.5分類決策樹的故障診斷和識別模塊等組成。其中，動信號采集模塊、數(shù)據(jù)融合模塊負責(zé)故障信號的采集，其余模塊負責(zé)故障信號的分析。數(shù)據(jù)采集的原理如圖2所示。

圖2　故障信號測量數(shù)據(jù)融合原理圖

圖 2的數(shù)據(jù)融合基于傳感器的振動信號采集模塊，利用振動信號傳感器，實現(xiàn)對機械振動信號的采集。其部署方式是在被測的機械設(shè)備上每個測量點部署兩個振動信號傳感器，實現(xiàn)對振動信號的采集。機械設(shè)備啟動后，只需處于正常的高速運轉(zhuǎn)狀態(tài)，通過部署在機械設(shè)備上的振動傳感器，采集機械設(shè)備在高速運轉(zhuǎn)過程中其振動的原始信號。對傳感器所采集到的機械高速運轉(zhuǎn)時的振動信號進行數(shù)據(jù)融合，即將每一處有兩個傳感器所采集到的振動信號進行求和取平均，得到該處相對穩(wěn)定的振動信號值。

2.2故障信號的分析

對高速機械故障的分析主要是對軸承外圈、內(nèi)圈、滾動體等各部件故障的特征頻率進行分析，這些故障信號測量數(shù)據(jù)包括外圈故障數(shù)據(jù)、內(nèi)圈故障數(shù)據(jù)、滾動體故障數(shù)據(jù)以及正常數(shù)據(jù)。本文提出的檢測系統(tǒng)主要分析方法是通過對各部分的故障數(shù)據(jù)進行多尺度二進離散小波分析,利用小波變換方式重構(gòu)各尺度的高頻部分的細節(jié)信號。對所得到的每一處振動信號數(shù)值進行小波變換，變換之后得到高速運轉(zhuǎn)機械振動信號的特征值。

對于故障檢測系統(tǒng)來說，數(shù)據(jù)去噪是關(guān)鍵，本設(shè)計結(jié)合haar小波分析算法優(yōu)勢，構(gòu)建去噪采用流程。通過小波分層對待分析的信號進行分層，通過小波變換得到不同層次的系數(shù)，調(diào)整量化參數(shù)，形成高頻系數(shù)集實現(xiàn)低頻系數(shù)重構(gòu)，從而達到去噪目的。振動信號小波變換，其在進行變換時，所使用的小波變換公式（1）如下所示：

2.3故障信號的診斷與識別

通過振動信號特征提取模塊，將小波變換的結(jié)果進行抽取，匯總得到機械調(diào)整運轉(zhuǎn)時的振動信號特征值。通過對這些振動信號進行收集匯總，形成機械高速運轉(zhuǎn)振動信號庫。利用這些運轉(zhuǎn)振動信號構(gòu)建C4.5分類決策樹，進行機械故障診斷與識別應(yīng)用，具體流程如圖3所示。

圖3　決策樹生成流程

C4.5是一系列用在機器學(xué)習(xí)和數(shù)據(jù)挖掘的分類問題中的算法。它的目標(biāo)是監(jiān)督學(xué)習(xí)：給一個數(shù)據(jù)集，其中的每一個元組都能用一組屬性值來描述，每一個元組屬于一個互斥的類別中的某一類。C4.5的目標(biāo)是通過學(xué)習(xí)，找到一個從屬性值到類別的映射關(guān)系，并且這個映射能用于對新的類別未知的實體進行分類。

從圖 3筆者可以知道整個故障的診斷與識別原理。比如提取一千組初始的機械高速運轉(zhuǎn)振動信號，以及機械處于不同種類故障時，其高速運轉(zhuǎn)振動信號，將所有振動信號的數(shù)值分別進行小波變換，并將所得到的結(jié)果進行C4.5分類決策樹的構(gòu)造。在完成C4.5分類決策樹的構(gòu)造之后，將每一次實際所采集到的機械高速運轉(zhuǎn)振動信號，經(jīng)小波變換得到振動信號的特征值，然后利用C4.5分類決策樹對所得到的振動信號特征值進行分類。由C4.5分類決策樹完成對給定的振動信號特征值進行分類識別，給出識別的結(jié)果。根據(jù)初始的 C4.5分類決策樹訓(xùn)練結(jié)果表，查表獲取C4.5分類決策樹每一種分類情況所對應(yīng)的高速機械運轉(zhuǎn)的狀態(tài)，以及該狀態(tài)所蘊含的具體故障類型。

3 總結(jié)

本文提出的機械故障診斷方法，該方法的核心原理是通過在機械調(diào)整運轉(zhuǎn)的狀態(tài)下，利用提前部署的信號采集傳感器獲得機械調(diào)整運轉(zhuǎn)的振動特征信號，通過對振動特征信號的分析與提取實現(xiàn)對調(diào)整運轉(zhuǎn)機械故障的診斷與識別。本文設(shè)計的高速運轉(zhuǎn)機械故障檢測方法，相對傳統(tǒng)的故障檢測方法具有以下幾個明顯的優(yōu)勢：

（1）通過對機械高速運轉(zhuǎn)過程中表現(xiàn)出來的振動信號進行分析，并實現(xiàn)故障的檢測，能夠?qū)崿F(xiàn)被檢測機械設(shè)備無需停機即實現(xiàn)故障的檢測，提高了故障檢測的效率。

（2）通過對機械的振動信號進行采集和小波變換，能夠有效的提取振動信號中所包含的故障信號特征，并能夠?qū)收闲盘柼卣鬟M行放大和分離，有助于對機械故障的識別和分類。

（3）在進行故障分類時通過預(yù)先設(shè)定的大量故障信號和數(shù)據(jù)進行訓(xùn)練，得到了基于C4.5分類決策樹的故障分類器。該分類決策器相對于簡單的手工分類，或者憑經(jīng)驗進行故障分類，具有較高的故障分類準確性和客觀性，既能夠保證故障檢測方法具有較高的精度，同時也能夠保證該檢測方法具有較強的通用性。

[1] 李凌均,張周鎖,何正嘉.基于支持向量機的機械設(shè)備狀態(tài)趨勢預(yù)測研究[J].西安交通大學(xué)學(xué)報,2004,38(3):230-233.

[2] 劉春梅.一種機械故障診斷方法:中國, CN103743585A[P]. 2014-04-23.

[3] 劉春梅.一種機械手精確控制系統(tǒng)及其方法:中國, CN103743477A [P].2014-04-23.

[4] 王紅軍,徐小力,張建民.故障狀態(tài)趨勢的SVM于是技術(shù)研究[J].機械科學(xué)與技術(shù),2006,25(4):379-381.

Design and implementation of fault detection system for high speed mechanical equipment

Aiming at the problem that the fault is difficult to detect in the operation process of the high speed mechanical equipment, a new method of mechanical equipment fault detection is designed, which is based on signal acquisition, signal analysis, wavelet transform and decision tree classification algorithm.

Fault detection; signal acquisition; decision tree classification algorithm

TH17

A

1008-1151(2015)09-0084-02

2015-08-12

廣西教育廳科研課題“基于自學(xué)習(xí)理論的機械故障診斷技術(shù)研究”（KY2015LX652）；廣西教育廳科研課題“高精度飛剪機研制與產(chǎn)業(yè)化”（KY2015LX635）。

滕冠（1973－），男，廣西陸川人，柳州職業(yè)技術(shù)學(xué)院講師，從事機電一體化方向研究；吳星（1980－），女，廣西柳州人，柳州職業(yè)技術(shù)學(xué)院講師，工學(xué)碩士，從事機電一體化研究。