嚴(yán)華 沈炎

摘 要：減速箱是港口起重機(jī)的重要運(yùn)行部件，其運(yùn)行狀態(tài)對(duì)港口起重機(jī)的安全性和可靠性有著重要影響。為了防止減速箱突發(fā)故障，在工程上通常采用定時(shí)維修的方式。但是，由于減速箱故障存在偶然性且壽命分布較為分散，在此情況下，定時(shí)維修的方式容易造成“過度維修”和“維修不足”。所以，需要視情維修來代替定時(shí)維修。而視情維修的核心就需要完善的狀態(tài)監(jiān)測(cè)技術(shù)和故障診斷算法。本文著力于故障診斷算法的研究，基于當(dāng)前處于研究熱點(diǎn)的信號(hào)處理方法和機(jī)器學(xué)習(xí)算法，從減速箱振動(dòng)加速度信號(hào)入手，從特征量選取方面對(duì)減速箱故障診斷開展研究。

關(guān)鍵詞：經(jīng)驗(yàn)?zāi)B(tài)分解;故障特征提取;港口起重機(jī);減速箱

1 研究背景

隨著全球一體化的進(jìn)程以及我國(guó)一帶一路倡議影響力的持續(xù)增強(qiáng)，港口航運(yùn)業(yè)呈現(xiàn)蓬勃發(fā)展的態(tài)勢(shì)。港航企業(yè)出于降低運(yùn)輸成本和提高作業(yè)效率的需要，船舶大型化和裝卸機(jī)械自動(dòng)化成為發(fā)展潮流。自1993年荷蘭鹿特丹港建成世界第一個(gè)自動(dòng)化集裝箱碼頭以來，到如今已有多個(gè)自動(dòng)化碼頭在國(guó)內(nèi)外相繼建成投產(chǎn)。而2017年底投產(chǎn)試運(yùn)營(yíng)的上海洋山港四期全自動(dòng)化碼頭更是以90%的自動(dòng)化率成為了名副其實(shí)的“無人港”。

隨著港口起重機(jī)的大型化、自動(dòng)化，其突發(fā)的故障會(huì)對(duì)港口運(yùn)營(yíng)及生產(chǎn)秩序造成嚴(yán)重的影響甚至是災(zāi)難性的后果。因?yàn)樽詣?dòng)化碼頭是集群調(diào)度配合的生產(chǎn)模式，單臺(tái)設(shè)備發(fā)生的故障都被放大，使其影響的范圍由單個(gè)泊位擴(kuò)大到堆場(chǎng)乃至整個(gè)轉(zhuǎn)運(yùn)流程，使港口的傳送鏈路產(chǎn)生混亂。因此，迫切地需要引入可靠性更高的檢測(cè)技術(shù)來對(duì)起重機(jī)的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，從而降低突發(fā)故障的發(fā)生率。

根據(jù)上海振華重工對(duì)港口起重機(jī)歷年故障類型和概率統(tǒng)計(jì)的結(jié)果，發(fā)現(xiàn)導(dǎo)致起重機(jī)突發(fā)停機(jī)的故障中，因結(jié)構(gòu)疲勞導(dǎo)致的開裂和變形等導(dǎo)致的約占15%，災(zāi)害和事故導(dǎo)致的約占30%，剩余的55%基本是由傳動(dòng)機(jī)構(gòu)故障導(dǎo)致的。著眼傳動(dòng)機(jī)構(gòu)的機(jī)械故障，依照故障類型統(tǒng)計(jì)：起升機(jī)構(gòu)作為主要做功的機(jī)構(gòu)，由于載荷大、動(dòng)作頻繁，其故障率占到了其中的46%;依照故障部件統(tǒng)計(jì)：軸承工作在較高轉(zhuǎn)速、大負(fù)荷且負(fù)荷方向和大小實(shí)時(shí)變化的惡劣工況下，導(dǎo)致軸承故障率占到總故障率近70%。

從測(cè)試和試驗(yàn)數(shù)據(jù)可以了解到：即使是采用同樣的設(shè)計(jì)和制造方法生產(chǎn)出的減速箱，在基本接近的使用環(huán)境和工況下，其使用壽命也無法通過簡(jiǎn)單的統(tǒng)計(jì)分析進(jìn)行預(yù)測(cè)。具體表現(xiàn)在即使是同一批次的減速箱，有的在超過設(shè)計(jì)年限后仍可穩(wěn)定良好的運(yùn)轉(zhuǎn)，而個(gè)別減速箱卻發(fā)生故障提前需要進(jìn)行大修。這表明減速箱使用壽命呈現(xiàn)一定的離散特性。在此情況下，可能出現(xiàn)好零件因?yàn)榈绞褂脮r(shí)限而被更換的浪費(fèi)現(xiàn)象，也可能出現(xiàn)壞零件因?yàn)槭褂脮r(shí)限未到而繼續(xù)使用的風(fēng)險(xiǎn)問題。

本課題以港口應(yīng)用廣泛的岸邊集裝箱起重機(jī)（簡(jiǎn)稱：岸橋）為主要樣本，研究其起升減速箱的故障特征，以及故障診斷算法技術(shù)。將定時(shí)維修改為視情維修，提前發(fā)現(xiàn)和診斷定位減速箱的故障，保障港口起重機(jī)安全、穩(wěn)定地運(yùn)行。同時(shí)有效地避免不必要的維修，節(jié)省維護(hù)保養(yǎng)經(jīng)費(fèi)。

2 經(jīng)驗(yàn)?zāi)B(tài)分解理論

經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition， EMD）方法在對(duì)信號(hào)進(jìn)行分解前不必提前確定用于分解的函數(shù)基，擁有優(yōu)良的自適配能力，非常適合對(duì)非線性的不穩(wěn)定信號(hào)進(jìn)行處理。EMD以信號(hào)時(shí)間范圍的不同，將復(fù)合雜亂的原始信號(hào)依次分解為多個(gè)固有模函數(shù)（Intrinsic Mode Function， IMF）。這些分解出來的函數(shù)之間以頻率高低排序，包含了原信號(hào)的實(shí)際有效信息。IMF各階函數(shù)的能量大小，直接反映了原信號(hào)在各個(gè)劃分頻段的能量分布，對(duì)信號(hào)特征的辨識(shí)有著重要作用。

2.1 EMD基本概念

傅里葉變換是用原信號(hào)的正余弦函數(shù)來計(jì)算頻率，這時(shí)的頻率反映了全部信號(hào)的特征。若將傅氏變換用于穩(wěn)定信號(hào)分析，能獲得較好的效果。但是對(duì)于不穩(wěn)定的信號(hào)，其頻率時(shí)刻處于變化的狀態(tài)，再用傅氏變換計(jì)算得到頻率，僅能反映信號(hào)被平均之后的特征，而忽略了更能反映特定時(shí)刻信號(hào)特點(diǎn)的瞬時(shí)特征。因此需要引入瞬時(shí)頻率ω，將其表示為時(shí)間的函數(shù)。

通過以上算式可計(jì)算出x（t）所包含的若干混疊分量瞬頻的疊加，仍然是對(duì)全局信號(hào)特征的體現(xiàn)。因此，EMD引入固有模函數(shù)概念。

2.2 EMD分解理論

從起重機(jī)等實(shí)際作業(yè)環(huán)境中獲取的原始信號(hào)總是若干個(gè)不同振動(dòng)源信號(hào)的疊加，因此需要采用EMD分解，取得原始信號(hào)的各階固有模函數(shù)IMF。分解步驟如下：

（1）找到原始信號(hào)的全部極值點(diǎn)。

（2）對(duì)找到的全部極值點(diǎn)進(jìn)行樣條擬合，生成上下包絡(luò)。

（3）統(tǒng)計(jì)上下包絡(luò)線的均值，再把所有和均值相等的分量從原信號(hào)中去除，從而形成全新的信號(hào)。若通過以上步驟得到的信號(hào)無法滿足IMF需要達(dá)到的條件，則反復(fù)執(zhí)行以上步驟到達(dá)到條件為止，即得到第1個(gè)IMF。為了保證得到的IMF分量保留關(guān)于振幅的信息，引入篩選停止機(jī)制。即對(duì)兩次相臨篩選得到的結(jié)果計(jì)算其標(biāo)準(zhǔn)差，如果標(biāo)差未超過預(yù)定值就停止篩選。

（4）用原始信號(hào)與IMF 1相減形成新信號(hào)。反復(fù)執(zhí)行上述步驟。當(dāng)最后剩下的分量比預(yù)定值小，或者已經(jīng)是單調(diào)函數(shù)時(shí)為止。這樣就得到了若干IMF分量與一個(gè)殘余分量。

2.3 EMD算法測(cè)試

為驗(yàn)證前述特征提取和選擇的算法，根據(jù)減速箱故障特性，構(gòu)造了基于式（5）的信號(hào)用于算法驗(yàn)證。圖1為仿真信號(hào)時(shí)域波形圖，此仿真信號(hào)中囊括了幅值調(diào)制信號(hào)、周期脈沖信號(hào)以及隨機(jī)高頻噪聲。

從圖1可以看到，幅值調(diào)制信號(hào)和噪聲已經(jīng)完全淹沒了周期脈沖信號(hào)，僅從時(shí)域波形中很難分析出沖擊周期等信息。所以，使用EMD分解的手段來從仿真信號(hào)的雜亂波形中獲得有價(jià)值的信息。圖2列出了由原始仿真信號(hào)經(jīng)EMD后得到的前四階IMF分量的波形圖。根據(jù)圖中所示波形，IMF1是以高頻噪聲為主要成分，IMF2呈現(xiàn)出幅值調(diào)制信號(hào)，而IMF3能夠較為清晰地顯示出原始仿真信號(hào)中的周期脈沖信號(hào)，可以直接計(jì)數(shù)到10個(gè)脈沖及其產(chǎn)生的時(shí)間。這就表明了EMD分解后得到的IMF分量能夠較好地表達(dá)信號(hào)的本質(zhì)特征，選用IMF分量作為特征進(jìn)行提取是恰當(dāng)?shù)摹?/p>

3 經(jīng)驗(yàn)?zāi)B(tài)分解特征提取

本文采用縮比減速箱故障試驗(yàn)臺(tái)來模擬減速箱振動(dòng)信號(hào)，通過預(yù)制故障來獲取減速箱的故障樣本，并結(jié)合減速箱的正常狀態(tài)信號(hào)形成一系列樣本集。

3.1 齒輪故障試驗(yàn)分析

試驗(yàn)中共用到8個(gè)振動(dòng)加速度傳感器，均安裝在減速箱各傳動(dòng)軸的軸承座表面。進(jìn)行齒輪點(diǎn)蝕故障采樣時(shí)，電機(jī)轉(zhuǎn)速設(shè)定為1200rpm;進(jìn)行齒輪斷齒故障采樣時(shí)，電機(jī)轉(zhuǎn)速降低到500rpm以保證安全。圖3為兩類故障的振動(dòng)信號(hào)各取2048點(diǎn)的時(shí)域波形圖和頻譜圖。

對(duì)上述兩種故障信號(hào)進(jìn)行EMD分解，計(jì)算得到其各自的IMF分量，并統(tǒng)計(jì)各階分量的能量分布，形成圖4。由圖4的能量分布圖清晰看出，兩組故障信號(hào)的IMF能量在第6階以后已經(jīng)趨近于0，因此本文選擇信號(hào)的IMF1～6階作為主要的特征量，并作出其對(duì)應(yīng)的圖譜，如圖5。

3.2 軸承故障試驗(yàn)分析

試驗(yàn)中共設(shè)置了軸承的外圈故障、內(nèi)圈故障、滾動(dòng)體故障三種主要的故障類型，電機(jī)轉(zhuǎn)速為1200rpm，由安裝在高速軸軸承座的傳感器進(jìn)行數(shù)據(jù)采樣。每種故障類型分別截取2048點(diǎn)的時(shí)域信號(hào)，分別進(jìn)行頻域計(jì)算和EMD分解后生成對(duì)應(yīng)的圖譜，如圖6。圖7則是各個(gè)故障類別下其各階IMF能量的分布情況。由上述圖譜亦可觀察到，在不同的故障類型下，軸承的振動(dòng)信號(hào)能量也是主要分布在前6階IMF分量中。

3.3 特征值的確定

由第二部分對(duì)EMD分解的原理和理論的介紹可知，對(duì)于減速箱中齒輪及軸承之類的不穩(wěn)定且非線性的信號(hào)，通過EMD分解能夠較好的提取信號(hào)中隱藏的周期信息，從而可以較為清晰地反映齒輪及軸承在故障處的非線性沖擊響應(yīng)，使故障的更多信息能夠被發(fā)掘出來。在此基礎(chǔ)上，本文將振動(dòng)信號(hào)的IMF能量矩作為表征減速箱故障的一類特征，能夠通過這類特征反映出減速箱運(yùn)轉(zhuǎn)過程中故障沖擊響應(yīng)帶來的能量變化。

又根據(jù)本節(jié)分別對(duì)齒輪故障和軸承故障IMF能量分布的對(duì)比，發(fā)現(xiàn)不同種類的故障，其IMF分量的能量主要分布在前6階，因此本文選取IMF（1～6）分量的能量矩作為故障特征。

參考文獻(xiàn)：

[1] 沈科宇， 嚴(yán)華. 基于融合特征支持向量機(jī)的港口起重機(jī)減速箱故障診斷[J].中國(guó)水運(yùn)，2020，05（20），100-103

[2] 尹蘋. 基于相關(guān)EEMD和階比跟蹤的變轉(zhuǎn)速滾動(dòng)軸承健康診斷方法[D].北京郵電大學(xué)， 2018

[3] 楊建華， 韓帥， 等. 強(qiáng)噪聲背景下滾動(dòng)軸承微弱故障特征信號(hào)的經(jīng)驗(yàn)?zāi)B(tài)分解[J]. 振動(dòng)工程學(xué)報(bào)， 2020，03（017），582-589.