,,,

(浙江工業(yè)大學(xué) 信息工程學(xué)院，杭州 310023)

0 引言

控制閥作為工業(yè)控制系統(tǒng)的重要和關(guān)鍵組成部件，工業(yè)過(guò)程控制的性能很大程度上受其影響。而氣動(dòng)調(diào)節(jié)閥作為其中的佼佼者，應(yīng)用最為普遍。薄膜氣動(dòng)控制閥的主要?jiǎng)恿涂刂圃醋杂诳諝鈮嚎s機(jī)提供給薄膜氣室的空氣。通過(guò)智能閥門(mén)定位器控制薄膜氣室的氣壓，從而推動(dòng)閥桿克服彈簧彈力和摩擦力上升或者下降；最終通過(guò)連接閥桿的閥芯來(lái)控制流經(jīng)閥體節(jié)流面介質(zhì)的流量大小。然而氣路漏氣的發(fā)生會(huì)導(dǎo)致控制閥直接失去動(dòng)力源，使閥桿不能精確的響應(yīng)設(shè)定信號(hào)，輕則影響產(chǎn)品性能工藝，重則造成設(shè)備和人員的損壞和傷亡[1]。所以及時(shí)診斷出控制閥運(yùn)行過(guò)程中的故障并且保證控制閥的正常平穩(wěn)運(yùn)行，成為科研工作者研究的重中之重。

氣密檢測(cè)是衡量許多工業(yè)品密封性能的重要手段[2],然而國(guó)內(nèi)對(duì)于氣密性檢測(cè)技術(shù)的研究相對(duì)落后，傳統(tǒng)上主要依靠人的主觀(guān)感官去判斷，不確定因素較大。目前國(guó)內(nèi)外較為常用的干式漏檢法為差壓漏檢法[3]，雖然應(yīng)用廣泛，但也存在很多問(wèn)題比如使用壽命和檢測(cè)精度等[4]，而基于信號(hào)處理分析的方法具有操作方便、精度高的優(yōu)點(diǎn)。

1998年美國(guó)國(guó)家宇航局Huang等人提出了一種新的信號(hào)分析理論希爾伯特-黃變換(Hilbert-Huang Transform簡(jiǎn)稱(chēng)HHT)[5]，它包括經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition簡(jiǎn)稱(chēng)EMD)和Hilbert變換(HT)兩個(gè)主要步驟。 HHT是一種有效分析各類(lèi)信號(hào)的時(shí)頻分析方法。基于信號(hào)的自適應(yīng)特性和局部特征，解決了傅里葉變換不能有效處理的非線(xiàn)性、非平穩(wěn)信號(hào)的難題。針對(duì)控制閥的相關(guān)信號(hào)的特征提取，有效刻畫(huà)了控制閥閥位響應(yīng)信號(hào)的相關(guān)特性。然而在HHT方法問(wèn)世之后Huang及以后的研究者多應(yīng)用于地震、聲學(xué)、地球物理學(xué)、海洋學(xué)、電機(jī)、齒輪、軸承等方面[6-8]。但是在氣動(dòng)控制閥診斷應(yīng)用領(lǐng)域的研究卻相對(duì)較少。

本研究將希爾伯特黃變換方法引入到氣動(dòng)控制閥氣室氣密性故障診斷研究中，模擬了氣室漏氣，采用EMD對(duì)閥位信號(hào)進(jìn)行分解，實(shí)現(xiàn)了對(duì)故障發(fā)生時(shí)刻的檢測(cè)，計(jì)算模態(tài)能量值，通過(guò)對(duì)比控制閥是否漏氣狀態(tài)下的模態(tài)能量值達(dá)到了對(duì)故障的強(qiáng)度識(shí)別。

1 希爾伯特-黃變換算法

希爾伯特-黃變換由兩個(gè)部分組成：首先是用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)方法分解已采集到的初始信號(hào)X(t),分解并提取原信號(hào)中固有IMF分量; 每個(gè)固有模態(tài)函數(shù)理論只含單一頻率的信號(hào)成份[8]。其次對(duì)于每個(gè)模態(tài)，作Hilbert變換，獲得其表征頻率、時(shí)間和幅值的希爾伯特譜H(ω,t)，通過(guò)對(duì)其積分獲得希爾伯特邊際譜h(ω)，從而得到信號(hào)分析處理的結(jié)果。該方法的簡(jiǎn)要流程如圖1所示。

圖1 Hilbert-Huang變換框圖

1.1 經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)

Huang[9]詳細(xì)的介紹了HHT的相關(guān)理論，該算法采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)解決了信號(hào)自適應(yīng)分解的難題。EMD將給定連續(xù)信號(hào)X(t)自適應(yīng)的分解為一個(gè)殘余項(xiàng)及多個(gè)固有模態(tài)函數(shù)。

圖2 EMD分解流程圖

通過(guò)如圖2所示的EMD分解流程框圖即可得到各個(gè)固有模態(tài)分量；信號(hào)分解提取模態(tài)如下式，等號(hào)左邊是原始信號(hào)X(t)，經(jīng)EMD分解得到等號(hào)右邊IMF分量的累加及剩余分量r(t)。即：

(1)

式中，n為信號(hào)分解所得IMF的個(gè)數(shù)，r(t)是此分解過(guò)程最終產(chǎn)生的剩余分量。

從圖2的EMD分解流程圖及(1)式可知第i個(gè)IMF與第i-1個(gè)相比有著較低的頻率分布。即IMF分量的頻率從高到低依次生成；不同的IMF代表著不同的時(shí)間尺度對(duì)應(yīng)的原始信號(hào)特征[10]。剩余分量r(t)代表著X(t)原始信號(hào)的整體趨勢(shì)，在諸如海洋、氣候等緩慢變化的信號(hào)中有著及其重要的利用價(jià)值。但是對(duì)于控制閥氣室漏氣造成的氣壓突變信號(hào)中，通常被去掉不用。

1.2 Hilbert變換(HT)

長(zhǎng)期以來(lái)，采用傅里葉變換處理從時(shí)域變換到頻率域上信號(hào)有著明顯的效果，但是針對(duì)非平穩(wěn)信號(hào)中存在的特殊頻率成分，傅里葉變換的結(jié)果是該頻率在此序列內(nèi)一直存在。而Hilbert變換可以將時(shí)域信號(hào)X(t)變換到相同域的信號(hào)y(t)。這一時(shí)頻分析方法被廣泛的應(yīng)用在許多實(shí)際信號(hào)的分析處理中。例如在聲納、雷達(dá)、地震信號(hào)、機(jī)械振動(dòng)信號(hào)的應(yīng)用中，驗(yàn)證了Hilbert變換在處理此類(lèi)特征信號(hào)方面的有效性和優(yōu)越性。

希爾伯特變換由德國(guó)數(shù)學(xué)家Hilbert提出來(lái)的，對(duì)于X(t)在區(qū)間(-∞，+∞)的實(shí)函數(shù)，其希爾伯特變換交換定義為：

(2)

(3)

其中:P為柯西主值，y(t)為給定信號(hào)序列X(t)的Hilbert變換，本質(zhì)上是將Hilbert變換定義為給定信號(hào)X(t)與時(shí)間倒數(shù)的卷積，它強(qiáng)調(diào)了X(t)的局部特性。作為現(xiàn)代信號(hào)處理準(zhǔn)則的基礎(chǔ)之一，由實(shí)信號(hào)向復(fù)信號(hào)進(jìn)行擴(kuò)展[11]。因此，z(t)可被定義為復(fù)解析信號(hào)：

z(t)=x(t)+iy(t)=a(t)ejθ(t)

(4)

式(4)能有效的確定相關(guān)變量，以上定義時(shí)頻表達(dá)式的基礎(chǔ)，且更適用于分析信號(hào)頻帶寬度與信號(hào)持續(xù)時(shí)間相乘足夠大的情況。

1.3 模態(tài)能量

模態(tài)能量法可以用來(lái)判斷各階模態(tài)頻率下，模態(tài)能量在系統(tǒng)各個(gè)自由度分布。從能量這一重要特征信號(hào)，研究控制閥及其相關(guān)附件的故障類(lèi)型特征。因此作為研究診斷控制閥薄膜氣室漏氣故障的重要方法。首先提取控制閥閥桿位置響應(yīng)信號(hào)的能量特征，然后構(gòu)建對(duì)應(yīng)的特征向量。經(jīng)驗(yàn)?zāi)B(tài)分解將原始信號(hào)分解成若干個(gè)不同頻段范圍的模態(tài)分量，當(dāng)出現(xiàn)漏氣相關(guān)故障時(shí)，不同頻率范圍的閥位響應(yīng)信號(hào)相較于不漏氣時(shí)會(huì)發(fā)生變化，從而引起相應(yīng)頻段內(nèi)的能量變化。因此[12]，分別提取不漏氣時(shí)信號(hào)與漏氣時(shí)信號(hào)對(duì)應(yīng)模態(tài)能量進(jìn)行對(duì)比,構(gòu)建閥位響應(yīng)信號(hào)的能量特征。由此定義控制閥閥位響應(yīng)信號(hào)能量為：

(5)

同時(shí)，待檢測(cè)信號(hào)與氣密性良好狀態(tài)下的閥位響應(yīng)信號(hào)的模態(tài)分量的能量比為：

(6)

式中,δ表示待測(cè)閥位響應(yīng)信號(hào)的能量特征，ej表示漏氣狀態(tài)下閥位響應(yīng)信號(hào)IMF分量的能量值；Ej表示正常狀態(tài)下的閥位響應(yīng)信號(hào)IMF分量能量值。

2 仿真分析

在控制閥故障診斷MATLAB/Simulink模型中進(jìn)行仿真分析,模擬膜頭穿孔導(dǎo)致的氣室氣密性故障，文獻(xiàn)給出了其數(shù)學(xué)表達(dá)式如下：式中Ps為氣室氣壓，fs為故障強(qiáng)度[13]。

Psf=Ps(1-0.5fs)fs∈(0,1)

(7)

為了更好模擬控制閥在實(shí)際工業(yè)生產(chǎn)中的狀態(tài)，保證能夠?qū)崿F(xiàn)在線(xiàn)應(yīng)用,本次選擇的隨機(jī)信號(hào)必須滿(mǎn)足控制閥實(shí)際工況，因此所用隨機(jī)信號(hào)其頻率設(shè)定不能超過(guò)待測(cè)閥的截止頻率(0.22 Hz)，時(shí)間在400 s以?xún)?nèi)。仿真所用的正弦設(shè)定信號(hào)均為：

y=50+20*sin(2*pi*0.05*t)+25*sin(2*pi*0.1*t)，t∈(0,400s)；

2.1 EMD經(jīng)驗(yàn)?zāi)B(tài)分解

2.1.1 正弦信號(hào)測(cè)試

故障發(fā)生時(shí)間：160 s

故障強(qiáng)度：0.1

圖4 EMD分解結(jié)果

2.1.2 隨機(jī)信號(hào)

故障發(fā)生時(shí)間：200 s

故障強(qiáng)度：0.2，如圖5～6所示。

圖5 隨機(jī)信號(hào)及閥位

圖6 EMD分解結(jié)果

2.2 Hilbert變換故障診斷

2.2.1 正弦信號(hào)測(cè)試

(1)故障類(lèi)型：無(wú)(正常狀態(tài))

故障強(qiáng)度：0，如圖7所示。

圖7 多正弦設(shè)定信號(hào)

對(duì)于上述信號(hào)，經(jīng)過(guò)模態(tài)分解后，前兩個(gè)模態(tài)的能量占比如圖8所示。

圖8 正弦信號(hào)正常狀態(tài)閥位模態(tài)

(2)故障類(lèi)型：氣室漏氣

故障強(qiáng)度：0.1(微弱)

故障開(kāi)始時(shí)間：160 s

圖9 氣室漏氣故障微弱狀態(tài)閥位模態(tài)

(3)故障類(lèi)型：氣室漏氣

故障強(qiáng)度：0.3(較弱)

故障開(kāi)始時(shí)間：60 s

圖10 氣室漏氣故障較弱狀態(tài)閥位模態(tài)

此設(shè)定信號(hào)下的前兩個(gè)模態(tài)能量占比之和與故障強(qiáng)度的趨勢(shì)如圖11所示。

圖11 模態(tài)一、二能量和占比與故障強(qiáng)度的趨勢(shì)圖

2.2.2 隨機(jī)信號(hào)測(cè)試

(1)正常狀態(tài)測(cè)試

故障強(qiáng)度：0，如圖12～13所示。

圖12 隨機(jī)信號(hào)

圖13 隨機(jī)信號(hào)正常狀態(tài)閥位模態(tài)

(2)故障測(cè)試

故障強(qiáng)度：0.1(微弱)，如圖14所示。

圖14 氣室漏氣故障弱狀態(tài)閥位模態(tài)

(3)故障測(cè)試

故障強(qiáng)度：0.3(較弱)，如圖15所示。

圖15 氣室漏氣故障較弱狀態(tài)閥位模態(tài)

該隨機(jī)信號(hào)下的前兩個(gè)模態(tài)能量占比和與故障強(qiáng)度的趨勢(shì)如圖16所示。

圖16 模態(tài)一、二能量和占比與故障強(qiáng)度的趨勢(shì)圖

從仿真結(jié)果可以看出，在Simulink搭建的控制閥故障診斷模型中,通過(guò)希爾伯特-黃變換的方法能夠有效分析各階模態(tài)及其能量占比特性，獲得了控制閥氣室氣密性故障、故障強(qiáng)度的診斷。

3 實(shí)驗(yàn)平臺(tái)與實(shí)驗(yàn)方案

3.1 實(shí)驗(yàn)平臺(tái)

3.1.1 硬件實(shí)驗(yàn)平臺(tái)介紹

搭建控制閥氣室氣密性故障檢測(cè)硬件實(shí)驗(yàn)平臺(tái)如圖17所示。

圖17 執(zhí)行器故障診斷系統(tǒng)實(shí)驗(yàn)平臺(tái)

其中1空氣壓縮機(jī)，2減壓閥，3穩(wěn)壓電源，4機(jī)箱和板卡的組合，5壓力傳感器，6薄膜氣動(dòng)控制閥，7智能閥門(mén)定位器，8三通閥和小型手閥， 9上位機(jī)及LabVIEW程序。

表1 實(shí)驗(yàn)用控制閥的出廠(chǎng)參數(shù)

3.1.2 LabVIEW軟件介紹

實(shí)驗(yàn)所用軟件由美國(guó)國(guó)家儀器(NI)公司研制，使用圖形化編輯語(yǔ)言G編寫(xiě)程序，實(shí)現(xiàn)了對(duì)控制閥設(shè)定信號(hào)的發(fā)送、數(shù)據(jù)采集、報(bào)表生成、數(shù)據(jù)存儲(chǔ)的功能，如下圖所示此VI項(xiàng)目主要實(shí)現(xiàn)了對(duì)控制閥設(shè)定信號(hào)SP,閥位響應(yīng)信號(hào)PV，氣室氣壓信號(hào)P2,氣源氣壓信號(hào)Ps，通過(guò)轉(zhuǎn)換將設(shè)定信號(hào)SP及閥位響應(yīng)信號(hào)歸一化至0—100的區(qū)間。LabVIEW程序由上位機(jī)操控實(shí)現(xiàn)對(duì)硬件平臺(tái)的有效控制。

圖18 LabVIEW程序框圖后面板

3.2 實(shí)驗(yàn)方案

實(shí)驗(yàn)?zāi)M氣動(dòng)調(diào)節(jié)閥常見(jiàn)的氣密性故障，例如接頭、氣管損壞或者螺栓松動(dòng)、薄膜穿孔等常見(jiàn)故障類(lèi)型。此故障發(fā)生時(shí)會(huì)引起薄膜氣室氣壓的瞬間波動(dòng)，進(jìn)而導(dǎo)致對(duì)對(duì)閥桿的振動(dòng)沖擊。最終引起高頻模塊振動(dòng)加劇，作為高頻成分的前兩個(gè)模態(tài)能量便會(huì)相應(yīng)的變多。

實(shí)驗(yàn)操作步驟如下：

1)首先，按照?qǐng)D17所示硬件實(shí)驗(yàn)平臺(tái)，連接電路和氣路，通過(guò)上位機(jī)LabVIEW程序經(jīng)NI板卡給智能閥門(mén)定位器發(fā)送不同的設(shè)定信號(hào)SP。

2)其次，在控制閥跟隨設(shè)定信號(hào)開(kāi)始正常動(dòng)作后，選定時(shí)刻將圖17第8個(gè)部件對(duì)應(yīng)的小型手閥旋開(kāi)一定圈數(shù)。來(lái)模擬薄膜氣動(dòng)調(diào)節(jié)閥的氣密性故障。

3)程序跟隨設(shè)定信號(hào)運(yùn)行完畢，此時(shí)將小型手閥旋緊恢復(fù)到實(shí)驗(yàn)最初的旋緊狀態(tài)。

4)循環(huán)前3個(gè)步驟，同時(shí)旋開(kāi)小型手閥至其他開(kāi)度，模擬薄膜氣動(dòng)調(diào)節(jié)閥氣密性故障的另一種強(qiáng)度。

5)處理數(shù)據(jù)，利用MATLAB工具將數(shù)據(jù)導(dǎo)入希爾伯特-黃變換的算法程序中，加入經(jīng)過(guò)EMD經(jīng)驗(yàn)?zāi)B(tài)分解，選出與閥位響應(yīng)信號(hào)系數(shù)最相近的6階模態(tài)用于作出模態(tài)能量圖的展示。

4 實(shí)體閥實(shí)驗(yàn)分析

為了驗(yàn)證該方法在實(shí)體閥工作中監(jiān)測(cè)性能的有效性，對(duì)控制閥設(shè)置了不同的閥位信號(hào)和故障強(qiáng)度，模擬了不同強(qiáng)度的氣室漏氣故障。所用隨機(jī)閥位設(shè)定信號(hào)均滿(mǎn)足頻率和時(shí)間如下,f∈(0,0.22 Hz),t∈(0,400 s)。 此次所用設(shè)定正弦信號(hào)為：y=50+10*sin(2*pi*0.02*t)

4.1 EMD分解故障檢測(cè)

4.1.1 正弦信號(hào)測(cè)試

故障程度:小型手閥松6圈，故障發(fā)生時(shí)刻:205秒，如圖19～20所示。

圖19 閥位響應(yīng)曲線(xiàn)

圖20 EMD分解結(jié)果

4.1.2 隨機(jī)信號(hào)測(cè)試

故障強(qiáng)度:小型手閥松4圈，故障發(fā)生時(shí)刻:230秒，如圖21～22所示。

圖21 閥位響應(yīng)曲線(xiàn)

圖22 EMD分解結(jié)果

以上幾組實(shí)驗(yàn)，在不同強(qiáng)度漏氣故障下，利用EMD對(duì)閥位響應(yīng)信號(hào)進(jìn)行分解，有效的檢測(cè)出了閥位異常點(diǎn)即獲得了漏氣故障發(fā)生所對(duì)應(yīng)的時(shí)刻,與我們的理論分析一致。實(shí)驗(yàn)采用工業(yè)生產(chǎn)中使用的正弦信號(hào)以及測(cè)試用的隨機(jī)信號(hào)來(lái)模擬控制閥在線(xiàn)實(shí)際工況，結(jié)果表明EMD分解都可較準(zhǔn)確的監(jiān)測(cè)出故障。驗(yàn)證了EMD方法的自適應(yīng)強(qiáng)的效果，即可較好的分析非穩(wěn)態(tài)信號(hào)，為實(shí)際應(yīng)用中控制閥故障診斷提供了可靠的理論和實(shí)驗(yàn)依據(jù), 為以后的工業(yè)應(yīng)用打好了基礎(chǔ)。

4.2 Hilbert變換故障診斷

4.2.1 正弦信號(hào)診斷

(1)故障類(lèi)型：無(wú)(正常狀態(tài))

故障強(qiáng)度：0，如圖23～24所示。

圖23 正弦閥位輸出信號(hào)

圖24 正弦信號(hào)正常狀態(tài)閥位模態(tài)

(2)故障類(lèi)型：氣室漏氣

故障強(qiáng)度：小型手閥開(kāi)度兩圈(微弱)，如圖25所示。

圖25 氣室漏氣故障微弱狀態(tài)閥位模態(tài)

(3)故障類(lèi)型：氣室漏氣

故障強(qiáng)度：小型手閥開(kāi)度四圈(較弱)，如圖26所示。

圖26 氣室漏氣故障較弱狀態(tài)閥位模態(tài)

此設(shè)定信號(hào)的氣室漏氣故障閥位模態(tài)一、二能量占比之和與故障強(qiáng)度的趨勢(shì)圖如圖27所示。

圖27 模態(tài)一、二能量和占比與故障強(qiáng)度的趨勢(shì)圖

4.2.2 隨機(jī)信號(hào)診斷

(1)故障類(lèi)型：無(wú)(正常狀態(tài))

故障強(qiáng)度：0，如圖28～29所示。

圖28 隨機(jī)信號(hào)

圖29 隨機(jī)信號(hào)正常狀態(tài)閥位模態(tài)

(2)故障類(lèi)型：氣室漏氣

故障強(qiáng)度：小型手閥開(kāi)度兩圈(微弱)，如圖30所示。

圖30 氣室漏氣故障弱狀態(tài)閥位模態(tài)

(3)故障類(lèi)型：氣室漏氣

故障強(qiáng)度：小型手閥開(kāi)度四圈(較弱)，如圖31所示。

圖31 氣室漏氣故障較弱狀態(tài)閥位模態(tài)

此設(shè)定信號(hào)的氣室漏氣故障閥位模態(tài)一、二能量占比之和與故障強(qiáng)度的趨勢(shì)圖如圖32所示。

圖32 模態(tài)一、二能量和占比與故障強(qiáng)度的趨勢(shì)圖

4.3 實(shí)驗(yàn)結(jié)果分析

利用MATLAB/Simulink故障仿真模型的仿真分析和實(shí)驗(yàn)室氣動(dòng)薄膜單座直通閥的實(shí)驗(yàn)結(jié)果，可得出：

1)在氣動(dòng)控制閥正常運(yùn)行狀態(tài)下，利用HHT方法對(duì)閥位響應(yīng)信號(hào)做EMD模態(tài)分解、Hilbert變換同時(shí)做出低階模態(tài)能量占比圖，據(jù)此可看出控制閥閥桿正常運(yùn)作時(shí)閥位響應(yīng)信號(hào)低階模態(tài)的能量占比較小，而當(dāng)控制閥出現(xiàn)漏氣等氣密性問(wèn)題時(shí)，低階模態(tài)特征頻帶信號(hào)的能量占比會(huì)隨之增大。

2)研究主要針對(duì)的是控制閥氣密性故障屬于微弱強(qiáng)度的狀態(tài)，屬控制閥故障診斷分類(lèi)的早期故障診斷方式。觀(guān)察不同閥位設(shè)定信號(hào)模態(tài)低階能量和占比與故障強(qiáng)度的趨勢(shì)圖，發(fā)現(xiàn)當(dāng)氣動(dòng)控制閥氣密性故障強(qiáng)度越大，即漏氣越嚴(yán)重時(shí)低階模態(tài)的能量占比和會(huì)變得越來(lái)越大。

3)仿真和實(shí)驗(yàn)結(jié)果復(fù)現(xiàn)驗(yàn)證了前文的理論分析；即：氣動(dòng)薄膜單座調(diào)節(jié)閥的氣密性故障對(duì)于薄膜氣室的造成的氣壓瞬間波動(dòng)從而對(duì)閥桿造成巨大的振動(dòng)沖擊，最終引起控制閥閥位響應(yīng)信號(hào)高頻部分的振動(dòng)加劇，低階模態(tài)的特征頻帶信號(hào)能量便會(huì)相應(yīng)的增多。

5 結(jié)論

本文基于希爾伯特黃變換進(jìn)行了薄膜氣動(dòng)控制閥氣密性故障的診斷研究，該方法通過(guò)對(duì)閥位相應(yīng)信號(hào)進(jìn)行分析，研究了各階模態(tài)及其能量占比特性，使氣動(dòng)控制閥氣密性故障診斷變得簡(jiǎn)潔易行，而且完整的實(shí)現(xiàn)了故障的在線(xiàn)的檢測(cè)、診斷和強(qiáng)度識(shí)別。此方法的有效性通過(guò)模型仿真和實(shí)體閥實(shí)驗(yàn)得到了檢驗(yàn)，可以把此方法推廣到氣動(dòng)執(zhí)行器其他故障的診斷上。