梁志兵

（五礦鈹業(yè)股份有限公司，湖南 衡陽 421513）

在大生產(chǎn)技術逐漸發(fā)展的過程中，流水線型的生產(chǎn)方式逐漸產(chǎn)生，使得機械設備自身的技術水平要求以及其復雜程度逐漸提升，進而導致機械設備的故障問題對其生產(chǎn)的影響力度逐漸增加。冶金機械設備是冶金工業(yè)領域中，各種用于冶煉、鑄錠、包裝、運輸?shù)脑O備統(tǒng)稱。大多數(shù)冶金機械設備出現(xiàn)故障時，均表現(xiàn)出明顯的振動現(xiàn)象，若不對設備進行及時的維護和處理，將會造成振動危及設備的正常運行，嚴重者甚至會造成機毀人亡的事件發(fā)生[1]。進行對冶金機械設備的故障診斷和振動幅度檢測，其主要目的是為了預防并減少設備發(fā)生故障的可能，從而利用最小的維修成本，確保冶金機械設備的安全運行，進而為冶金企業(yè)帶來更大的經(jīng)濟效益和社會效益[2]。當前傳統(tǒng)冶金機械設備的故障診斷系統(tǒng)涉及到大量的人為操作，通過人工檢查、查找故障位置、分析故障原因、人工搶修的流程完成，因此設備恢復正常運行的時間與故障診斷人員的個人經(jīng)驗有著一定程度上的聯(lián)系。由于當前冶金行業(yè)的發(fā)展十分迅速，因此傳統(tǒng)故障診斷方法已經(jīng)無法滿足其功能多樣化的需要，因此研究學者逐漸將研究重點轉移到對具備可靠性的冶金機械設備故障診斷系統(tǒng)方向上。對此，本文結合小波包分析方法，提出一種全新的冶金機械設備故障診斷系統(tǒng)。

1 基于小波包分析的冶金機械設備故障診斷硬件設計

1.1 高集成傳感器與執(zhí)行器選型

傳統(tǒng)冶金機械設備故障診斷系統(tǒng)的運行數(shù)據(jù)采集通常采用一般性能的傳感器完成，但這種傳感器只能針對某一固定參數(shù)變量進行采集。因此，針對冶金機械設備各類參數(shù)信息采集時需要多個傳感器的共同使用，并且各個傳感器產(chǎn)生的誤差會造成最終獲取的參數(shù)變量誤差較大[3]。因此，本文系統(tǒng)中的傳感器選用型號為SJS-53254的高集成傳感器。該型號傳感器的電源電壓為24VDC；最大電流為20mA；動作溫度在-45°C～110°C范圍內；輸出信號為4～20mA或0～10mA。SJS-53254型號傳感器能夠使在較高的溫度下進行長期穩(wěn)定的工作，并且能夠充分適應冶金機械設備復雜的運行環(huán)境。

執(zhí)行器選用與上述型號高集成傳感器同一生產(chǎn)企業(yè)生產(chǎn)的SJD-15464型號執(zhí)行器。該型號執(zhí)行器可在380～660 380 ±10%V的供電電源，環(huán)境溫度為-40～70 ℃，相對濕度： ≤90%（25℃）的環(huán)境下工作。該型號執(zhí)行器的電機為短時工作制，額定運行時間為15分鐘。傳感器與執(zhí)行器的芯體和外殼之間均采用激光冷焊工藝，可將二者完全熔為一體，確保傳感器與執(zhí)行器能夠在高溫狀態(tài)下能安全使用。在執(zhí)行器的壓力芯片體與放大電器之間，利用聚四氟乙烯材料制成的墊片進行隔熱，并加裝散熱裝置，內部引線孔填充高效隔熱材料硅酸鋁，有效地防止了熱傳導，保證放大轉換電路部分在允許溫度下工作。

1.2 故障異常診斷芯片選擇

在本文冶金機械設備故障診斷系統(tǒng)中加入ISJ4520KS型號的故障異常診斷芯片，該芯片安裝風格為SMD/SMT，靜態(tài)電流為50 μA，最小輸入電壓為2.7 V，最大輸入電壓為15V，Pd-功率耗散0.904 W，產(chǎn)品類型為LDO Voltage Regulators。這該型號的芯片具有記錄并診斷機械設備運行數(shù)據(jù)傳輸過程中是否存在故障異常的功能，在該芯片自身的數(shù)據(jù)庫當中記錄著數(shù)十種機械設備故障類型[4]。利用ISJ4520KS型號故障異常診斷芯片中特有的特征改進算法對異常信號進行檢測，對不同故障位置分別進行分析，并將異常數(shù)據(jù)信息進行存儲，為后續(xù)診斷軟件提供數(shù)據(jù)支撐。

2 基于小波包分析的冶金機械設備故障診斷軟件設計

2.1 冶金機械設備運行數(shù)據(jù)采集

在對冶金機械設備故障進行診斷前，首先應當對冶金機械設備在運行過程中的數(shù)據(jù)進行采集。利用LonWorks技術，對設備運行數(shù)據(jù)采集，將采集結點設置在晶振、電源、神經(jīng)元芯片、I/O調理、收發(fā)器以及外部與其相互連接的多個位置。利用Lon Works總線技術中的LonTalk通信協(xié)議對開放式的互聯(lián)參考模型進行定義，從而實現(xiàn)對冶金機械設備中各個運行環(huán)節(jié)的互聯(lián)操作[5]。本文針對數(shù)據(jù)的通訊傳輸，采用面向對象的方法設計，對各項運行參數(shù)進行設定，實現(xiàn)各個設備之間復雜的網(wǎng)絡通訊。同時，在對冶金機械設備的運行數(shù)據(jù)采集時，應當堅持長期、不間斷的檢測，從而在故障發(fā)生時刻記錄系統(tǒng)故障的具體時間，并確定故障位置及具體故障類型、故障原因。由于本文中的數(shù)據(jù)采集是針對冶金機械設備的，通常情況下，冶金機械設備種類較多，因此需要盡可能地多設立監(jiān)測點。通過本文上述多個傳感器和執(zhí)行器等硬件對數(shù)據(jù)獲取后，利用Lon Works技術將所有數(shù)據(jù)集成。完成對冶金機械設備運行數(shù)據(jù)的采集后，還需要將數(shù)據(jù)中的故障異常信號進行采集，方便后續(xù)對其進行小波包分析。

2.2 基于小波包分析的故障異常信號變換

通常情況下，大多數(shù)冶金機械設備在運行過程中產(chǎn)生的數(shù)據(jù)信號都是不稀疏的，因此還需要通過小波包分析的方式將故障異常信號轉化為稀疏信號的形式表示。具體的變換方式為，將故障異常信號投影到小波包基函數(shù)張成的空間當中完成映射，將該空間看作中心頻率不同但帶寬相同的濾波器，按照如下公式進行映射：

公式（1）中，p表示為映射前冶金機械設備運行過程中產(chǎn)生的數(shù)據(jù)信號；c i表示為在稀疏矩陣當中的某一映射系數(shù)；t表示為第i個變換信號；表示為稀疏矩陣，t=[t1,t2,t3,…，tn] ；C表示為稀疏信號集合，C=[c1,c2,c3,…，cn]T，在C集合當中只包含n個較小值以及非零數(shù)。若在信號p的權重系數(shù)C中只有較少量的大系數(shù)或只有很多小系數(shù)時，則認為原始設備運行數(shù)據(jù)中的信號p可用稀疏表示，即設備故障異常信號。與此同時，獲取到的信號p與結合C均可看作是同一個故障異常信號在時域和t域中的等價表達。若采集到的原始信號無法利用小波包基函數(shù)稀疏方式表達時，則認為該信號為冶金機械設備正常運行信號，并且表示設備在此時并未出現(xiàn)故障問題，可將該信號排除。

在完成對故障異常信號小波包分析變換后，本文將此作為基礎，對異常信號的重構問題進行設計，在對故障問題進行診斷的過程中構建一個觀測矩陣，則觀測矩陣與測量值之間存在如下關系：

公式（2）中，u表示為信號t在觀測矩陣當中的實際測量值；η表示為構建的觀測矩陣。公式（2）整體表示為原始數(shù)據(jù)信號t在觀測矩陣η上的線性映射。觀測矩陣的選取在整個小波包分析中可直接影響對信號變換的精準度。因此本文設置一個128×1維度的全零診斷矩陣，再在該矩陣當中的128行以內，隨機選擇其中20個不同的位置，并將其數(shù)值替換為1或-1，構成一個完成的原始異常信號矩陣，則得到如圖1所示的異常信號顯示效果圖。圖

圖1 異常信號顯示效果

通過對圖1中矩陣行數(shù)與數(shù)值之間的對應關系進行分析，并利用高斯隨機矩陣對冶金機械設備的原始數(shù)據(jù)信息t進行采樣，由本文上述公式可得出觀測的異常觀測信號，其維度為64×1。通過小波包分析反向映射，將需要進行異常診斷的信號重構成原始的數(shù)據(jù)信號。由圖1可知重構后的信號維度和數(shù)據(jù)量得到了明顯的減少，降低故障診斷方法的檢測任務量，最終得到重構異常信號與原始異常信號也更吻合。

2.3 異常信號對應故障類型分類

將利用小波包分析變換的故障異常信號進行處理和分析，從而對冶金機械設備運行出現(xiàn)故障時產(chǎn)生的異常信號進行判別，并診斷出具體的設備故障類型。假設需要對x個冶金機械設備的故障類型進行歸類和劃分，設定每一個故障類型的樣本內維度為z，則由此可構成一個z×1的矩陣D。同時假設第m個故障類型的訓練樣本個數(shù)為Vm，其中m的取值為m=1,2,3，…，i，則此時訓練樣本的矩陣可用如下公式表示：

公式（3）中，J表示為第m個故障類型的訓練樣本矩陣；zm,vm表示為第z個故障類型第V個訓練樣本。在不了解待測冶金機械設備信號訓練樣本故障類型的前提下，還需要建立更加完善的訓練樣本矩陣J，從而將多個不同故障類型的所有樣本相互拼接。若待診斷的冶金機械設備的分類故障檢測樣本屬于某一類故障類型，則該樣本可以通過某個故障訓練的樣本結合，呈線性表示出來[8]。當給定一個系統(tǒng)故障檢測信號時，該樣本所屬的故障類別是未知的，則需要首先確定其在樣本集中的哪種故障類型。從而將完善的矩陣通過線性表示為待分類的故障類型。異常信號對應故障類型分類具體操作為：首先，利用訓練樣本構建樣本集合矩陣；其次，輸入檢測樣本，求解出最小化范數(shù)問題；再次計算其殘差；最后，輸入冶金機械設備具體故障類型。

3 系統(tǒng)測試

3.1 測試準備

選擇某冶金企業(yè)作為本文系統(tǒng)測試的實驗環(huán)境，對本文提出的基于小波包分析的冶金機械設備故障診斷系統(tǒng)在實際應用過程中進行有效性論證。將本文系統(tǒng)與傳統(tǒng)診斷系統(tǒng)在相同實驗環(huán)境下，對相同實驗對象進行故障診斷。為保證系統(tǒng)測試結果的公正性，兩種故障診斷系統(tǒng)的監(jiān)測數(shù)據(jù)來自于冶金企業(yè)機械設備運行數(shù)據(jù)庫，并將其進行簡化，選擇其中5個數(shù)據(jù)采集點，分別用于測量5臺冶金機械設備。對設備依次進行編號為Q1、Q2、Q3、Q4、Q5，將5臺冶金機械設備組成一個工廠冶金機械設備組，并在每個觀測點上獲取10個觀測值。用于進行故障診斷識別的設備狀態(tài)共分為3種，分別為正常工作狀態(tài)A1，故障狀態(tài)A2和故障狀態(tài)A3。分別利用兩種診斷系統(tǒng)對實驗對象進行診斷，完成對系統(tǒng)測試。

3.2 測試結果與分析

按照上述測試準備完成測試，并將測試結果進行記錄，為更加清晰地對本文系統(tǒng)與傳統(tǒng)系統(tǒng)對冶金機械設備故障診斷的應用效果，分析兩種診斷系統(tǒng)所獲故障診斷幅值數(shù)據(jù)，通過比較故障診斷幅值的差異，判斷性能更好的系統(tǒng)。表1為兩種診斷系統(tǒng)的故障診斷幅值對比表。

表1 兩種診斷系統(tǒng)的故障診斷幅值對比表（單位：db）

故障診斷幅值越大，則說明診斷系統(tǒng)對設備故障信息的處理能力越強，診斷和故障分類更準確。通過表1中的數(shù)據(jù)可以看出，兩種系統(tǒng)同時對正常運行的設備進行診斷時，二者的幅值相差不大，但針對后兩種存在故障問題的設備進行診斷時，明顯本文系統(tǒng)幅值高于傳統(tǒng)系統(tǒng)幅值。因此，通過測試診斷結果可以充分證明，經(jīng)過小波包分析的融合，故障診斷系統(tǒng)能夠更加有效地用于對冶金機械設備的故障診斷當中，不僅可以有效提高對故障問題的診斷效率，同時能夠保證診斷結果的魯棒性。

4 結束語

本文在對冶金機械設備常見故障機理及故障診斷技術深入分析的基礎上，結合小波包分析，提出一種全新的冶金機械設備故障診斷系統(tǒng)，經(jīng)過系統(tǒng)在現(xiàn)場機械設備真實故障數(shù)據(jù)的測試后得出，該系統(tǒng)的應用效果較好，具有更加實用的應用前景。