,,,

(浙江工業(yè)大學 信息工程學院，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)過程控制的性能很大程度上受其影響。而氣動調(diào)節(jié)閥作為其中的佼佼者，應用最為普遍。薄膜氣動控制閥的主要動力和控制源自于空氣壓縮機提供給薄膜氣室的空氣。通過智能閥門定位器控制薄膜氣室的氣壓，從而推動閥桿克服彈簧彈力和摩擦力上升或者下降；最終通過連接閥桿的閥芯來控制流經(jīng)閥體節(jié)流面介質(zhì)的流量大小。然而氣路漏氣的發(fā)生會導致控制閥直接失去動力源，使閥桿不能精確的響應設(shè)定信號，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]。所以及時診斷出控制閥運行過程中的故障并且保證控制閥的正常平穩(wěn)運行，成為科研工作者研究的重中之重。

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

1998年美國國家宇航局Huang等人提出了一種新的信號分析理論希爾伯特-黃變換(Hilbert-Huang Transform簡稱HHT)[5]，它包括經(jīng)驗模態(tài)分解(Empirical Mode Decomposition簡稱EMD)和Hilbert變換(HT)兩個主要步驟。 HHT是一種有效分析各類信號的時頻分析方法。基于信號的自適應特性和局部特征，解決了傅里葉變換不能有效處理的非線性、非平穩(wěn)信號的難題。針對控制閥的相關(guān)信號的特征提取，有效刻畫了控制閥閥位響應信號的相關(guān)特性。然而在HHT方法問世之后Huang及以后的研究者多應用于地震、聲學、地球物理學、海洋學、電機、齒輪、軸承等方面[6-8]。但是在氣動控制閥診斷應用領(lǐng)域的研究卻相對較少。

本研究將希爾伯特黃變換方法引入到氣動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對閥位信號進行分解，實現(xiàn)了對故障發(fā)生時刻的檢測，計算模態(tài)能量值，通過對比控制閥是否漏氣狀態(tài)下的模態(tài)能量值達到了對故障的強度識別。

1 希爾伯特-黃變換算法

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

圖1 Hilbert-Huang變換框圖

1.1 經(jīng)驗模態(tài)分解(EMD)

Huang[9]詳細的介紹了HHT的相關(guān)理論，該算法采用經(jīng)驗模態(tài)分解(EMD)解決了信號自適應分解的難題。EMD將給定連續(xù)信號X(t)自適應的分解為一個殘余項及多個固有模態(tài)函數(shù)。

圖2 EMD分解流程圖

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

(1)

式中，n為信號分解所得IMF的個數(shù)，r(t)是此分解過程最終產(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IMF與第i-1個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代表著不同的時間尺度對應的原始信號特征[10]。剩余分量r(t)代表著X(t)原始信號的整體趨勢，在諸如海洋、氣候等緩慢變化的信號中有著及其重要的利用價值。但是對于控制閥氣室漏氣造成的氣壓突變信號中，通常被去掉不用。

1.2 Hilbert變換(HT)

長期以來，采用傅里葉變換處理從時域變換到頻率域上信號有著明顯的效果，但是針對非平穩(wěn)信號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變換可以將時域信號X(t)變換到相同域的信號y(t)。這一時頻分析方法被廣泛的應用在許多實際信號的分析處理中。例如在聲納、雷達、地震信號、機械振動信號的應用中，驗證了Hilbert變換在處理此類特征信號方面的有效性和優(yōu)越性。

希爾伯特變換由德國數(shù)學家Hilbert提出來的，對于X(t)在區(qū)間(-∞，+∞)的實函數(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)為給定信號序列X(t)的Hilbert變換，本質(zhì)上是將Hilbert變換定義為給定信號X(t)與時間倒數(shù)的卷積，它強調(diào)了X(t)的局部特性。作為現(xiàn)代信號處理準則的基礎(chǔ)之一，由實信號向復信號進行擴展[11]。因此，z(t)可被定義為復解析信號：

z(t)=x(t)+iy(t)=a(t)ejθ(t)

(4)

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

1.3 模態(tài)能量

模態(tài)能量法可以用來判斷各階模態(tài)頻率下，模態(tài)能量在系統(tǒng)各個自由度分布。從能量這一重要特征信號，研究控制閥及其相關(guān)附件的故障類型特征。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信號的能量特征，然后構(gòu)建對應的特征向量。經(jīng)驗模態(tài)分解將原始信號分解成若干個不同頻段范圍的模態(tài)分量，當出現(xiàn)漏氣相關(guān)故障時，不同頻率范圍的閥位響應信號相較于不漏氣時會發(fā)生變化，從而引起相應頻段內(nèi)的能量變化。因此[12]，分別提取不漏氣時信號與漏氣時信號對應模態(tài)能量進行對比,構(gòu)建閥位響應信號的能量特征。由此定義控制閥閥位響應信號能量為：

(5)

同時，待檢測信號與氣密性良好狀態(tài)下的閥位響應信號的模態(tài)分量的能量比為：

(6)

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

2 仿真分析

在控制閥故障診斷MATLAB/Simulink模型中進行仿真分析,模擬膜頭穿孔導致的氣室氣密性故障，文獻給出了其數(shù)學表達式如下：式中Ps為氣室氣壓，fs為故障強度[13]。

Psf=Ps(1-0.5fs)fs∈(0,1)

(7)

為了更好模擬控制閥在實際工業(yè)生產(chǎn)中的狀態(tài)，保證能夠?qū)崿F(xiàn)在線應用,本次選擇的隨機信號必須滿足控制閥實際工況，因此所用隨機信號其頻率設(shè)定不能超過待測閥的截止頻率(0.22 Hz)，時間在400 s以內(nèi)。仿真所用的正弦設(shè)定信號均為：

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

2.1 EMD經(jīng)驗模態(tài)分解

2.1.1 正弦信號測試

故障發(fā)生時間：160 s

故障強度：0.1

圖4 EMD分解結(jié)果

2.1.2 隨機信號

故障發(fā)生時間：200 s

故障強度：0.2，如圖5～6所示。

圖5 隨機信號及閥位

圖6 EMD分解結(jié)果

2.2 Hilbert變換故障診斷

2.2.1 正弦信號測試

(1)故障類型：無(正常狀態(tài))

故障強度：0，如圖7所示。

圖7 多正弦設(shè)定信號

對于上述信號，經(jīng)過模態(tài)分解后，前兩個模態(tài)的能量占比如圖8所示。

圖8 正弦信號正常狀態(tài)閥位模態(tài)

(2)故障類型：氣室漏氣

故障強度：0.1(微弱)

故障開始時間：160 s

圖9 氣室漏氣故障微弱狀態(tài)閥位模態(tài)

(3)故障類型：氣室漏氣

故障強度：0.3(較弱)

故障開始時間：60 s

圖10 氣室漏氣故障較弱狀態(tài)閥位模態(tài)

此設(shè)定信號下的前兩個模態(tài)能量占比之和與故障強度的趨勢如圖11所示。

圖11 模態(tài)一、二能量和占比與故障強度的趨勢圖

2.2.2 隨機信號測試

(1)正常狀態(tài)測試

故障強度：0，如圖12～13所示。

圖12 隨機信號

圖13 隨機信號正常狀態(tài)閥位模態(tài)

(2)故障測試

故障強度：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)故障測試

故障強度：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)

該隨機信號下的前兩個模態(tài)能量占比和與故障強度的趨勢如圖16所示。

圖16 模態(tài)一、二能量和占比與故障強度的趨勢圖

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、故障強度的診斷。

3 實驗平臺與實驗方案

3.1 實驗平臺

3.1.1 硬件實驗平臺介紹

搭建控制閥氣室氣密性故障檢測硬件實驗平臺如圖17所示。

圖17 執(zhí)行器故障診斷系統(tǒng)實驗平臺

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

表1 實驗用控制閥的出廠參數(shù)

3.1.2 LabVIEW軟件介紹

實驗所用軟件由美國國家儀器(NI)公司研制，使用圖形化編輯語言G編寫程序，實現(xiàn)了對控制閥設(shè)定信號的發(fā)送、數(shù)據(jù)采集、報表生成、數(shù)據(jù)存儲的功能，如下圖所示此VI項目主要實現(xiàn)了對控制閥設(shè)定信號SP,閥位響應信號PV，氣室氣壓信號P2,氣源氣壓信號Ps，通過轉(zhuǎn)換將設(shè)定信號SP及閥位響應信號歸一化至0—100的區(qū)間。LabVIEW程序由上位機操控實現(xiàn)對硬件平臺的有效控制。

圖18 LabVIEW程序框圖后面板

3.2 實驗方案

實驗模擬氣動調(diào)節(jié)閥常見的氣密性故障，例如接頭、氣管損壞或者螺栓松動、薄膜穿孔等常見故障類型。此故障發(fā)生時會引起薄膜氣室氣壓的瞬間波動，進而導致對對閥桿的振動沖擊。最終引起高頻模塊振動加劇，作為高頻成分的前兩個模態(tài)能量便會相應的變多。

實驗操作步驟如下：

1)首先，按照圖17所示硬件實驗平臺，連接電路和氣路，通過上位機LabVIEW程序經(jīng)NI板卡給智能閥門定位器發(fā)送不同的設(shè)定信號SP。

2)其次，在控制閥跟隨設(shè)定信號開始正常動作后，選定時刻將圖17第8個部件對應的小型手閥旋開一定圈數(shù)。來模擬薄膜氣動調(diào)節(jié)閥的氣密性故障。

3)程序跟隨設(shè)定信號運行完畢，此時將小型手閥旋緊恢復到實驗最初的旋緊狀態(tài)。

4)循環(huán)前3個步驟，同時旋開小型手閥至其他開度，模擬薄膜氣動調(diào)節(jié)閥氣密性故障的另一種強度。

5)處理數(shù)據(jù)，利用MATLAB工具將數(shù)據(jù)導入希爾伯特-黃變換的算法程序中，加入經(jīng)過EMD經(jīng)驗模態(tài)分解，選出與閥位響應信號系數(shù)最相近的6階模態(tài)用于作出模態(tài)能量圖的展示。

4 實體閥實驗分析

為了驗證該方法在實體閥工作中監(jiān)測性能的有效性，對控制閥設(shè)置了不同的閥位信號和故障強度，模擬了不同強度的氣室漏氣故障。所用隨機閥位設(shè)定信號均滿足頻率和時間如下,f∈(0,0.22 Hz),t∈(0,400 s)。 此次所用設(shè)定正弦信號為：y=50+10*sin(2*pi*0.02*t)

4.1 EMD分解故障檢測

4.1.1 正弦信號測試

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

圖19 閥位響應曲線

圖20 EMD分解結(jié)果

4.1.2 隨機信號測試

故障強度:小型手閥松4圈，故障發(fā)生時刻:230秒，如圖21～22所示。

圖21 閥位響應曲線

圖22 EMD分解結(jié)果

以上幾組實驗，在不同強度漏氣故障下，利用EMD對閥位響應信號進行分解，有效的檢測出了閥位異常點即獲得了漏氣故障發(fā)生所對應的時刻,與我們的理論分析一致。實驗采用工業(yè)生產(chǎn)中使用的正弦信號以及測試用的隨機信號來模擬控制閥在線實際工況，結(jié)果表明EMD分解都可較準確的監(jiān)測出故障。驗證了EMD方法的自適應強的效果，即可較好的分析非穩(wěn)態(tài)信號，為實際應用中控制閥故障診斷提供了可靠的理論和實驗依據(jù), 為以后的工業(yè)應用打好了基礎(chǔ)。

4.2 Hilbert變換故障診斷

4.2.1 正弦信號診斷

(1)故障類型：無(正常狀態(tài))

故障強度：0，如圖23～24所示。

圖23 正弦閥位輸出信號

圖24 正弦信號正常狀態(tài)閥位模態(tài)

(2)故障類型：氣室漏氣

故障強度：小型手閥開度兩圈(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)故障類型：氣室漏氣

故障強度：小型手閥開度四圈(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)定信號的氣室漏氣故障閥位模態(tài)一、二能量占比之和與故障強度的趨勢圖如圖27所示。

圖27 模態(tài)一、二能量和占比與故障強度的趨勢圖

4.2.2 隨機信號診斷

(1)故障類型：無(正常狀態(tài))

故障強度：0，如圖28～29所示。

圖28 隨機信號

圖29 隨機信號正常狀態(tài)閥位模態(tài)

(2)故障類型：氣室漏氣

故障強度：小型手閥開度兩圈(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)故障類型：氣室漏氣

故障強度：小型手閥開度四圈(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)定信號的氣室漏氣故障閥位模態(tài)一、二能量占比之和與故障強度的趨勢圖如圖32所示。

圖32 模態(tài)一、二能量和占比與故障強度的趨勢圖

4.3 實驗結(jié)果分析

利用MATLAB/Simulink故障仿真模型的仿真分析和實驗室氣動薄膜單座直通閥的實驗結(jié)果，可得出：

1)在氣動控制閥正常運行狀態(tài)下，利用HHT方法對閥位響應信號做EMD模態(tài)分解、Hilbert變換同時做出低階模態(tài)能量占比圖，據(jù)此可看出控制閥閥桿正常運作時閥位響應信號低階模態(tài)的能量占比較小，而當控制閥出現(xiàn)漏氣等氣密性問題時，低階模態(tài)特征頻帶信號的能量占比會隨之增大。

2)研究主要針對的是控制閥氣密性故障屬于微弱強度的狀態(tài)，屬控制閥故障診斷分類的早期故障診斷方式。觀察不同閥位設(shè)定信號模態(tài)低階能量和占比與故障強度的趨勢圖，發(fā)現(xiàn)當氣動控制閥氣密性故障強度越大，即漏氣越嚴重時低階模態(tài)的能量占比和會變得越來越大。

3)仿真和實驗結(jié)果復現(xiàn)驗證了前文的理論分析；即：氣動薄膜單座調(diào)節(jié)閥的氣密性故障對于薄膜氣室的造成的氣壓瞬間波動從而對閥桿造成巨大的振動沖擊，最終引起控制閥閥位響應信號高頻部分的振動加劇，低階模態(tài)的特征頻帶信號能量便會相應的增多。

5 結(jié)論

本文基于希爾伯特黃變換進行了薄膜氣動控制閥氣密性故障的診斷研究，該方法通過對閥位相應信號進行分析，研究了各階模態(tài)及其能量占比特性，使氣動控制閥氣密性故障診斷變得簡潔易行，而且完整的實現(xiàn)了故障的在線的檢測、診斷和強度識別。此方法的有效性通過模型仿真和實體閥實驗得到了檢驗，可以把此方法推廣到氣動執(zhí)行器其他故障的診斷上。