劉英元，陳海峰，耿 直，朱成亮

(西安航天動(dòng)力試驗(yàn)技術(shù)研究所，陜西 西安 710100)

0 引言

在液體火箭發(fā)動(dòng)機(jī)試驗(yàn)中各種因素對(duì)故障診斷都會(huì)產(chǎn)生影響，這種影響會(huì)以振動(dòng)信號(hào)特征值的形式表現(xiàn)出來。

在對(duì)隨機(jī)振動(dòng)信號(hào)進(jìn)行時(shí)頻分析時(shí)，由于所測(cè)取的振動(dòng)信號(hào)不但包含故障信號(hào), 而且還包含其發(fā)動(dòng)機(jī)工作時(shí)的振動(dòng)信號(hào), 并且在早期的故障產(chǎn)生階段, 其故障特征信息很微弱, 信噪比很小, 有用的特征信號(hào)往往淹沒在發(fā)動(dòng)機(jī)其他部件運(yùn)行中引起的振動(dòng)信號(hào)和大量的隨機(jī)振動(dòng)信號(hào)中, 如何提取特征信號(hào)是進(jìn)行振動(dòng)信號(hào)故障診斷的重要問題。

1 故障診斷的數(shù)學(xué)模型

對(duì)于通常的發(fā)動(dòng)機(jī)故障診斷問題，在數(shù)學(xué)模型上可以將該發(fā)動(dòng)機(jī)作為一個(gè)整體系統(tǒng)，通過檢測(cè)反映系統(tǒng)異常工作狀態(tài)的信息來判定發(fā)動(dòng)機(jī)是否發(fā)生故障，這些信息可用如下的模型表示[1]：

Y=f(U,X,θ)

(1)

式中：Y為振動(dòng)信號(hào)；U為振源；X為振動(dòng)過程中的狀態(tài)量；θ為這一模型中的其余影響參數(shù)。

在上述機(jī)械故障診斷系統(tǒng)數(shù)學(xué)模型中，主要的模型有：

(ARMAI):A(q-1)y(t)=
B(q-1)u(t)+C(q-1)e(t)

(2)

(ARMA):A(q-1)y(t)=C(q-1)e(t)

(3)

(ARMAIP):A(q-1,P)y(t)=
B(q-1,P)u(t)+C(q-1,P)e(t)

(4)

(ARMAP):A(q-1,P)y(t)=
C(q-1,P)e(t)

(5)

(PLI):y(t)=C0+C1u(t)+C2u(t)+…

(6)

(PL):y(t)=C0+C1e(t)+C2e(t)+…

(7)

(NL):y(t)=NL(u(t))

(8)

式中：ARMAI為數(shù)據(jù)輸入模型；ARMA為時(shí)序模型；e(t)為不可測(cè)輸入量；q-1為單位滯后算子，這一模型包括了AR和MA模型；ARMAIP和ARMAP為非線性模型；PLI和PL為多項(xiàng)式模型；NL為神經(jīng)元網(wǎng)絡(luò)模型；u(t)為離散隨機(jī)過程。A，B和C多項(xiàng)式的每一個(gè)系數(shù)都是P的非線性函數(shù)，滿足：

A(q-1,P)=1+a1(P)q-1+
a2(P)q-2+…+an(P)q-n

(9)

對(duì)于機(jī)械發(fā)動(dòng)機(jī)的某一個(gè)子系統(tǒng)，每一個(gè)測(cè)量量或是每一組測(cè)量量都可用一個(gè)模型表示，因而一個(gè)系統(tǒng)可用如下的一組模型表示：

S={y1，u1，f1;y2,u2,f2;…；ym,um,fm}

(10)

因此，在整個(gè)故障診斷過程中，無非是從S出發(fā)，經(jīng)過特定的算法得出S的變化量C(特征向量)，該特征向量可表示為:

C={Δy1,Δe1,Δx1,Δθ1,…,Δym,Δem,Δxm,Δθm}

(11)

從C得出模型的輸出變化量Δy，不可測(cè)輸入變化量Δe,狀態(tài)變化Δx和參數(shù)變化量Δθ，這些變化反映了系統(tǒng)的故障信息，將這些變化量(即特征信息)經(jīng)過特定的算法進(jìn)行提取，則可得出故障的征兆信息。

2 特征提取方法

為了準(zhǔn)確有效地掌握發(fā)動(dòng)機(jī)的運(yùn)行狀態(tài)，必須首先取得準(zhǔn)確的診斷信息，從理論上說，任何運(yùn)行中的機(jī)械都會(huì)有振動(dòng)，機(jī)械的運(yùn)行需要能量，能量的轉(zhuǎn)化過程中就會(huì)有力發(fā)生，從而直接或間接地激起機(jī)械的某些部分振動(dòng)。只有機(jī)械的運(yùn)動(dòng)是穩(wěn)定的，或者其運(yùn)行變化僅在一定范圍之內(nèi)，那么機(jī)械的振動(dòng)也將是穩(wěn)定的，而且當(dāng)機(jī)械處于良好狀態(tài)時(shí)，其振動(dòng)頻譜具有某些顯著特征。當(dāng)機(jī)械發(fā)生故障時(shí)運(yùn)行狀態(tài)會(huì)有重要的變化，其振動(dòng)量和振動(dòng)頻譜也會(huì)發(fā)生明顯的變化。因此，測(cè)量和分析振動(dòng)信號(hào)的時(shí)域和頻域變化是機(jī)械故障診斷的基礎(chǔ)。時(shí)域分析是研究信號(hào)的形態(tài)隨時(shí)間變化的規(guī)律，抽取必要的特征量(如幅值、周期、局部的上升時(shí)間與下降時(shí)間等)作為對(duì)信號(hào)判斷與識(shí)別的依據(jù)；頻域分析則是研究信號(hào)的能量或功率隨時(shí)間變化的規(guī)律，從而為信號(hào)的進(jìn)一步處理提供依據(jù)和手段。

2.1 振幅的特征提取

在對(duì)振動(dòng)信號(hào)時(shí)域進(jìn)行參數(shù)選擇時(shí)，需要對(duì)振動(dòng)信號(hào)時(shí)域數(shù)據(jù)作進(jìn)一步處理后才能夠作為故障判斷的物理量，這是因?yàn)檎駝?dòng)測(cè)試中得到的數(shù)據(jù)在大多數(shù)情況下不是真實(shí)的振動(dòng)信號(hào)，或者說與真實(shí)的振動(dòng)信號(hào)之間存在一定的差別，所以未經(jīng)分析處理、修正，直接采用測(cè)試得到的振動(dòng)信號(hào)作為結(jié)果往往會(huì)產(chǎn)生誤差，有時(shí)甚至?xí)玫藉e(cuò)誤的結(jié)論。在對(duì)振動(dòng)信號(hào)進(jìn)行時(shí)域處理時(shí)，需要用到的一個(gè)物理量是有效值，其數(shù)學(xué)定義如下:

(12)

式中：T為某一時(shí)間段；x2(t)為某一振動(dòng)信號(hào)的數(shù)學(xué)描述。

從該式可以看出，有效值實(shí)際涉及的是一個(gè)振動(dòng)時(shí)間變化的歷程，它與振動(dòng)信號(hào)能量的含量有直接的關(guān)系。在時(shí)域中另一個(gè)重要指標(biāo)是振幅，它是發(fā)動(dòng)機(jī)振動(dòng)嚴(yán)重程度指標(biāo)，可以用加速度來表示。通過對(duì)振幅的提取，可以很容易地判斷發(fā)動(dòng)機(jī)的振動(dòng)狀斷以及發(fā)動(dòng)機(jī)是否在穩(wěn)定工作。對(duì)于特定型號(hào)的發(fā)動(dòng)機(jī)，當(dāng)發(fā)動(dòng)機(jī)正常運(yùn)行時(shí)都要求它的振幅穩(wěn)定在某個(gè)限定區(qū)間內(nèi)，振幅的任何變化都揭示了發(fā)動(dòng)機(jī)的狀態(tài)發(fā)生了改變。

2.2 功率譜特征提取

理論和實(shí)踐都表明，在發(fā)動(dòng)機(jī)發(fā)生故障前，高頻部分信息中就已經(jīng)出現(xiàn)故障的發(fā)展征兆，當(dāng)?shù)皖l信號(hào)出現(xiàn)異常時(shí)，則表明故障已經(jīng)發(fā)生。因此，一個(gè)信號(hào)的高頻成分對(duì)預(yù)示故障的發(fā)生有極其重要的作用，而低頻部分則表明了故障發(fā)生時(shí)的故障模式。因此，對(duì)于振動(dòng)信號(hào)的特征提取常常是以頻域?yàn)榛A(chǔ)進(jìn)行的。

當(dāng)系統(tǒng)發(fā)生故障時(shí)，其振動(dòng)信號(hào)的頻譜能量分布情況通常會(huì)有所改變，因此對(duì)振動(dòng)信號(hào)進(jìn)行頻譜分析是當(dāng)前常用的故障特征提取方法。在頻譜分析中，最常用的就是功率譜分析法，功率譜分析的故障特征提取原理為：不同的部件所發(fā)出的響應(yīng)能量譜的頻率范圍是不相同的。如果輸出信號(hào)能量的空間分布與正常系統(tǒng)輸出相比發(fā)生變化，就可以判別該頻帶所對(duì)應(yīng)的部件應(yīng)該處于異常的工作狀態(tài)。通常某些頻率成分明顯被抑制，該頻帶內(nèi)的信號(hào)能量減少，而有些成分被增強(qiáng)，該頻帶內(nèi)的能量增加，對(duì)能量譜密度或功率譜密度進(jìn)行分析計(jì)算，即可得出各種故障特征量。其具體的特征提取方法為：將振動(dòng)信號(hào)的頻率域劃分為N個(gè)頻帶，分別計(jì)算各頻帶能量。當(dāng)能量較大時(shí)，對(duì)應(yīng)的各頻帶能量值比較大，為了計(jì)算方便，需要將所有能量值進(jìn)行歸一化，歸一化公式為：

(13)

式中：ai為各頻帶的能量值；amax為ai中的最大值；amin為ai中的最小值。歸一化后的值可以作為故障診斷所需的特征值。

2.3 頻譜分析法

頻譜分析是機(jī)械振動(dòng)分析最常用的分析方法，每種特定型號(hào)的發(fā)動(dòng)機(jī)在其工作時(shí)的頻譜都具有一定特征，通過對(duì)這些特征的判斷就可以有效地對(duì)發(fā)動(dòng)機(jī)故障進(jìn)行診斷，在該方法中諧頻識(shí)別和邊頻識(shí)別是兩種最重要的方法。

2.3.1 諧頻識(shí)別

諧頻特征提取法是根據(jù)諧頻的間距判斷基頻，從頻譜圖中找出若干等間距的譜峰，通過對(duì)平均間距的確定從中找出高階諧頻上所隱藏的故障信息。應(yīng)當(dāng)注意幅值較高的譜峰并分析產(chǎn)生這些頻率分量的原因，它們對(duì)振動(dòng)的總量級(jí)貢獻(xiàn)較大。值得一提的是振動(dòng)頻譜中有些振動(dòng)分量雖然較大, 但不隨時(shí)間而變化, 對(duì)發(fā)動(dòng)機(jī)的正常運(yùn)行也不會(huì)構(gòu)成什么威脅。相反有一些幅值較小, 但增長(zhǎng)很快的頻率分量卻往往預(yù)示著故障的產(chǎn)生和發(fā)展, 應(yīng)該引起足夠的重視。特別地, 當(dāng)一些在原頻譜圖上并不存在或比較微弱的頻率分量突然出現(xiàn)并急劇增大時(shí), 極有可能在較短時(shí)間內(nèi)破壞發(fā)動(dòng)機(jī)的正常工作狀態(tài)。因此，在頻譜分析中不僅要注意各分量的絕對(duì)大小, 更應(yīng)當(dāng)注意各譜峰的發(fā)展變化趨勢(shì)。一般來講，當(dāng)發(fā)動(dòng)機(jī)出現(xiàn)故障時(shí)，在相應(yīng)的頻譜上會(huì)出現(xiàn)兩個(gè)特征：一是振動(dòng)幅值的上升，振動(dòng)幅值上升主要是指數(shù)個(gè)測(cè)量頻帶振動(dòng)總能量的上升，并包含其中某個(gè)單一頻率(特別是主突頻)的上升，同時(shí)要注意振動(dòng)值是否已達(dá)到和超出有關(guān)理論標(biāo)準(zhǔn)參考值或是多次試車統(tǒng)計(jì)出來的參考值；另一個(gè)特征是譜型的變化，即在頻譜上出現(xiàn)新的單一成分，或頻譜上出現(xiàn)新的頻帶峰群，以及這些新的頻率和頻帶峰群的幅值變化突然增大。根據(jù)以上振型變化，并結(jié)合以往若干次試車的歷史數(shù)據(jù)綜合分析對(duì)發(fā)動(dòng)機(jī)的故障特征做出判斷。

2.3.2 邊頻識(shí)別

邊頻是兩個(gè)故障信號(hào)調(diào)制的結(jié)果，其調(diào)制信號(hào)可能來源于發(fā)動(dòng)機(jī)不完全燃燒所造成的信號(hào)變化或由發(fā)動(dòng)機(jī)本身局部零件部件缺陷所引起的信號(hào)突變，邊頻在頻譜圖中的反應(yīng)是一個(gè)譜峰周圍連續(xù)出現(xiàn)兩個(gè)或兩個(gè)以上的突頻點(diǎn)，通過對(duì)邊頻間距的研究可以提取出發(fā)動(dòng)機(jī)故障信息。

2.4 突頻特征提取

振動(dòng)信號(hào)的頻域物理參數(shù)主要是頻率，對(duì)于液體火箭發(fā)動(dòng)機(jī)來說，振動(dòng)頻率與發(fā)動(dòng)機(jī)轉(zhuǎn)速有一定的倍數(shù)關(guān)系，發(fā)動(dòng)機(jī)實(shí)際工作中渦輪泵振動(dòng)主頻頻率與轉(zhuǎn)速成倍數(shù)關(guān)系：

f=N/60

(14)

式中：N為渦輪轉(zhuǎn)數(shù)；f為渦輪泵振動(dòng)主頻頻率。

用頻率來研究發(fā)動(dòng)機(jī)的工作狀態(tài)是一種簡(jiǎn)便、實(shí)用的特征提取方法。具體的特征提取方法為：每種型號(hào)的發(fā)動(dòng)機(jī)都有固定的振動(dòng)突頻，并且突頻與發(fā)動(dòng)機(jī)的主渦輪轉(zhuǎn)速有密切關(guān)系。通過對(duì)主渦輪轉(zhuǎn)速的計(jì)算可以得到該型號(hào)發(fā)動(dòng)機(jī)的主突頻點(diǎn)，當(dāng)發(fā)動(dòng)機(jī)本身出現(xiàn)故障時(shí)，這些主突頻點(diǎn)的位置和幅值會(huì)發(fā)生變化，通過在頻譜圖中找到有關(guān)的主突頻點(diǎn)也就找到了故障的部位。一般情況下發(fā)動(dòng)機(jī)的故障狀態(tài)部位會(huì)激起各階諧頻振動(dòng)的幅值，常以突頻信號(hào)幅值增大作為故障狀態(tài)的判據(jù)。圖1所示為突頻譜圖。

圖1 基頻譜圖Fig.1 Fundamental spectrum

2.5 狀態(tài)特征提取

振動(dòng)狀態(tài)特征數(shù)據(jù)是指通過FFT等相關(guān)信號(hào)處理手段，從振動(dòng)的時(shí)域信號(hào)中提取的相關(guān)數(shù)據(jù)，包括振動(dòng)信號(hào)的總振值、發(fā)動(dòng)機(jī)主頻以及各個(gè)倍頻的幅值和殘余量等。總振值是指振動(dòng)時(shí)域信號(hào)曲線的最大值，各個(gè)倍頻的幅值是通過FFT變換或其他信號(hào)處理算法將振動(dòng)信號(hào)的時(shí)域信號(hào)轉(zhuǎn)化為頻域信號(hào)即頻譜，然后在振動(dòng)信號(hào)的頻譜中提取感興趣的特定頻率點(diǎn)上的幅值。殘余量是指振動(dòng)信號(hào)的總極值減去已經(jīng)提取的各個(gè)倍頻上幅值后的殘余部分，用來反映除去各個(gè)特征頻率外其他頻率上振動(dòng)能量的大小。

2.6 小波特征提取法

信號(hào)分析的主要目的是尋找簡(jiǎn)單有效的信號(hào)變換方法，使信號(hào)所包含的重要特征能顯示出來。上述譜分析方法在噪聲的影響下振動(dòng)信號(hào)頻譜圖起伏加劇，譜峰難以辨認(rèn)。若信噪比較低，則振動(dòng)信號(hào)的一些頻譜特征將被噪聲所淹沒，嚴(yán)重影響譜估計(jì)的質(zhì)量與正確性。譜分析的分辨力和噪聲性能之間存在矛盾，在振動(dòng)信號(hào)受到強(qiáng)噪聲干擾的情況下，頻譜分析難以兼顧分辨力性能和方差性能。由于經(jīng)典譜分析法是建立在信號(hào)平穩(wěn)性的假設(shè)上，而振動(dòng)信號(hào)本質(zhì)上是非平穩(wěn)的，對(duì)于非平穩(wěn)的振動(dòng)信號(hào)的分析，使用譜分析法就會(huì)存在較大誤差。

小波分析具有可以將信號(hào)按任意時(shí)頻分辨率分解的特點(diǎn)[2]，將不同頻段的信號(hào)分解到相應(yīng)的頻段中，然后可根據(jù)需要將所需頻段內(nèi)的信號(hào)重構(gòu)，重構(gòu)的信號(hào)與原來的信號(hào)長(zhǎng)度一樣，最后對(duì)重構(gòu)的信號(hào)進(jìn)行特征提取。具體的特征提取方法為：首先根據(jù)振動(dòng)信號(hào)在各尺度(即各頻帶)上的小波譜具有不同的表現(xiàn)這一特點(diǎn)，對(duì)實(shí)際信號(hào)進(jìn)行小波分解,選擇小波并確定分解層次為N；然后對(duì)小波分解的高頻和低頻系數(shù)進(jìn)行門限閾值量化處理；最后，根據(jù)小波分解的第N層低頻和高頻系數(shù)和經(jīng)過量化后的1～N層系數(shù)進(jìn)行小波重構(gòu)，進(jìn)而確定振動(dòng)信號(hào)的特征信息。圖2所示為振動(dòng)信號(hào)小波分解圖。

圖2 振動(dòng)信號(hào)小波分解圖Fig.2 Wavelet decomposition of vibration signal

2.7 高階譜特征提取

從統(tǒng)計(jì)學(xué)的角度看, 對(duì)正態(tài)分布的隨機(jī)變量(矢量)用一階和二階統(tǒng)計(jì)量就可以完備地表示其統(tǒng)計(jì)特征。如對(duì)一個(gè)高斯分布的隨機(jī)矢量, 知道了其數(shù)學(xué)期望和協(xié)方差矩陣,就可以知道它的聯(lián)合概率密度函數(shù)。對(duì)一個(gè)高斯隨機(jī)過程, 知道了均值和自相關(guān)函數(shù)(或自協(xié)方差函數(shù)) , 就可以知道它的概率結(jié)構(gòu), 即知道它的整個(gè)統(tǒng)計(jì)特征。但是對(duì)不服從高斯分布的隨機(jī)變量(矢量) 或隨機(jī)過程, 一階和二階統(tǒng)計(jì)量不能完備地表示其統(tǒng)計(jì)特征?；蛘哒f信息沒有全部包含在一、二階統(tǒng)計(jì)量中, 更高階的統(tǒng)計(jì)量中也包含了大量有用的信息。高階統(tǒng)計(jì)量信號(hào)處理方法, 就是從非高斯信號(hào)的高階統(tǒng)計(jì)量中提取信號(hào)的有用信息, 特別是從一、二階統(tǒng)計(jì)量中無法提取的信息的方法。高階譜分析就是高階統(tǒng)計(jì)量信號(hào)處理方法當(dāng)中的一種重要方法，它是針對(duì)功率譜分析在實(shí)際應(yīng)用中暴露出來的種種不足而提出的。高階譜分析[3]從更高階概率結(jié)構(gòu)表征隨機(jī)信號(hào),彌補(bǔ)了2階統(tǒng)計(jì)量的缺陷,同時(shí),理論上高階譜能完全抑制高斯噪聲,具有很強(qiáng)的消噪能力,因而,用高階譜分析振動(dòng)信號(hào)更容易提取故障信息。

具體的特征提取過程為[4]：將獲得的振動(dòng)數(shù)據(jù)N分成K段，每段有M個(gè)數(shù)據(jù)，即N=KM，也可以重復(fù)分段，即相鄰數(shù)據(jù)段有一半重疊，這樣就有2N=KM；將每段數(shù)據(jù)中的均值變?yōu)榱?，然后?duì)K段數(shù)據(jù)依次計(jì)算DFT系數(shù)；根據(jù)DFT系數(shù)，計(jì)算其三重相關(guān)系數(shù)；根據(jù)求得的三重相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)平均，得到振動(dòng)信號(hào)的雙譜估計(jì)值。求取雙譜估計(jì)值中的最大值作為信號(hào)的特征提取值。

3 液體火箭發(fā)動(dòng)機(jī)故障診斷應(yīng)用

由于發(fā)動(dòng)機(jī)的振動(dòng)信號(hào)是典型的隨機(jī)信號(hào),在發(fā)動(dòng)機(jī)啟動(dòng)和關(guān)機(jī)階段具有局部沖擊信號(hào)的特點(diǎn)，同時(shí),由于發(fā)動(dòng)機(jī)會(huì)工作在不同的工況階段，使其又具有平穩(wěn)隨機(jī)信號(hào)的特點(diǎn)。為此，在進(jìn)行故障診斷算法選擇和設(shè)計(jì)時(shí)，必須考慮到振動(dòng)信號(hào)所具備的特點(diǎn)[5]。為了準(zhǔn)確有效地對(duì)振動(dòng)信號(hào)進(jìn)行故障識(shí)別，必須要經(jīng)過信號(hào)預(yù)處理、特征提取、狀態(tài)識(shí)別和診斷決策四個(gè)主要階段[6]。一個(gè)典型的液體火箭發(fā)動(dòng)機(jī)故障診斷實(shí)現(xiàn)原理如圖3所示[7]，其主要由振動(dòng)傳感器、信號(hào)調(diào)節(jié)器、數(shù)據(jù)采集系統(tǒng)、故障診斷模塊、以太網(wǎng)數(shù)據(jù)傳輸系統(tǒng)、監(jiān)控分析計(jì)算機(jī)、硬件擴(kuò)展箱、信號(hào)控制、視頻傳輸設(shè)備等組成。

圖3 發(fā)動(dòng)機(jī)故障診斷方案原理圖Fig.3 Schematic diagram of engine fault diagnosis scheme

在發(fā)動(dòng)機(jī)試車過程中，測(cè)量振動(dòng)傳感器將被測(cè)信號(hào)轉(zhuǎn)換成電信號(hào)，經(jīng)信號(hào)調(diào)節(jié)器調(diào)節(jié)后送到數(shù)據(jù)采集裝置，數(shù)據(jù)采集裝置采集試車數(shù)據(jù)的同時(shí)向監(jiān)控分析計(jì)算機(jī)通過以太網(wǎng)按不少于5 000 點(diǎn)/秒速率發(fā)送數(shù)據(jù)，參數(shù)是否超限由監(jiān)控分析計(jì)算機(jī)判定。監(jiān)控分析計(jì)算機(jī)中增加DIO板，將判定的結(jié)果通過DIO輸出端口實(shí)時(shí)送到硬件擴(kuò)展箱。硬件擴(kuò)展箱完成參數(shù)超限邏輯判斷、表決、聲光報(bào)警及給控制臺(tái)發(fā)送控制信號(hào)等任務(wù)。臺(tái)上控制計(jì)算機(jī)對(duì)硬件擴(kuò)展箱送過來的信號(hào)實(shí)時(shí)檢測(cè)，最終完成試車緊急控制。

圖3中整個(gè)系統(tǒng)的核心是故障診斷模塊，該模塊的核心就是信號(hào)的特征提取算法[8]。前文所介紹的振動(dòng)特征提取算法的共同點(diǎn)均是從頻域的角度進(jìn)行信號(hào)的特征提取。但每種算法在應(yīng)用場(chǎng)合上還有各自的應(yīng)用范圍和特點(diǎn)：振幅的特征提取優(yōu)點(diǎn)在于振幅包絡(luò)線設(shè)定方便、靈活簡(jiǎn)單，缺點(diǎn)在于包絡(luò)閾值的確定不能準(zhǔn)確實(shí)現(xiàn)，閾值設(shè)定寬了檢測(cè)準(zhǔn)確性差，設(shè)定窄了容易超量程引起誤報(bào)警；功率譜特征提取法優(yōu)點(diǎn)在于算法成熟，軟件實(shí)現(xiàn)較容易，缺點(diǎn)在于其頻率域N個(gè)頻帶的劃分與發(fā)動(dòng)機(jī)工作工況狀態(tài)有關(guān)，不易進(jìn)行實(shí)時(shí)準(zhǔn)確劃分；頻譜分析法的優(yōu)點(diǎn)在于僅針對(duì)頻譜中的特征點(diǎn)和特征段，范圍容易確定，缺點(diǎn)在于動(dòng)態(tài)實(shí)時(shí)準(zhǔn)確捕捉特征點(diǎn)和特征趨勢(shì)的變化不易實(shí)現(xiàn)；基頻特征提取法優(yōu)點(diǎn)在于以轉(zhuǎn)速基頻變化為主要監(jiān)測(cè)對(duì)象，實(shí)現(xiàn)容易，缺點(diǎn)在于該算法只能反映出與主渦輪有關(guān)的故障趨勢(shì)，發(fā)動(dòng)機(jī)其余部位故障反映不明顯；狀態(tài)特征提取法優(yōu)點(diǎn)在于基于FFT算法，算法成熟，實(shí)現(xiàn)簡(jiǎn)單，缺點(diǎn)在于振動(dòng)信號(hào)在算法實(shí)現(xiàn)過程中必須要滿足FFT變換的定義條件，對(duì)于發(fā)動(dòng)機(jī)啟動(dòng)段、關(guān)機(jī)段以及過渡段，該算法可信度不高；小波特征提取法優(yōu)點(diǎn)在于該算法適用于發(fā)動(dòng)機(jī)啟動(dòng)段、關(guān)機(jī)段以及過渡段實(shí)時(shí)分析[9]，缺點(diǎn)在于算法較復(fù)雜，軟件實(shí)現(xiàn)實(shí)時(shí)性不易保證，且算法實(shí)現(xiàn)準(zhǔn)確性與小波頻率的選擇有很大關(guān)系；高階譜特征提取法優(yōu)點(diǎn)在于彌補(bǔ)了功率譜分析的不足，缺點(diǎn)是算法復(fù)雜，由于算法實(shí)現(xiàn)過程中利用了FFT[10]，因此在算法實(shí)現(xiàn)過程中必須要滿足FFT變換的定義條件[11]，對(duì)于發(fā)動(dòng)機(jī)啟動(dòng)段、關(guān)機(jī)段以及過渡段，該算法可信度不高。

實(shí)際應(yīng)用中上述特征提取算法可以同時(shí)使用，取長(zhǎng)補(bǔ)短，如在發(fā)動(dòng)機(jī)啟動(dòng)段、關(guān)機(jī)段以及過渡段利用小波特征提取法進(jìn)行信號(hào)特征提取，在平穩(wěn)段利用功率譜特征提取法、諧頻、邊頻識(shí)別法、突頻特征提取法、狀態(tài)特征提取法以及高階譜特征提取法進(jìn)行信號(hào)特征提取[12]，只有這樣才能正確地提取到振動(dòng)信號(hào)中的故障信息。

4 結(jié)束語

振動(dòng)故障診斷系統(tǒng)的難點(diǎn)之一就在于對(duì)振動(dòng)信號(hào)中故障信號(hào)特征的提取，此環(huán)節(jié)也是最重要、最關(guān)鍵的環(huán)節(jié)。本文介紹的方法已經(jīng)應(yīng)用于多次熱試車的大振動(dòng)實(shí)時(shí)監(jiān)測(cè)過程中，其中的振幅特征提取、頻譜分析、狀態(tài)特征提取以及高階特征提取都取得了較好的應(yīng)用效果，對(duì)多次大振動(dòng)現(xiàn)象的發(fā)生和實(shí)時(shí)評(píng)估起到了關(guān)鍵的作用。