屈關(guān)濤 徐志豪 祁俊陽

【摘?要】旋轉(zhuǎn)機(jī)械廣泛存在于大中型機(jī)械裝置中，如汽輪機(jī)、燃?xì)廨啓C(jī)、離心式及軸流式壓縮機(jī)、泵、水輪機(jī)、發(fā)電機(jī)和航空發(fā)動機(jī)等。大中型旋轉(zhuǎn)機(jī)械一般安裝有振動監(jiān)測保護(hù)和故障診斷系統(tǒng)，通常在旋轉(zhuǎn)機(jī)械關(guān)鍵點(diǎn)上安裝振動傳感器，采集關(guān)鍵點(diǎn)振動信息。通過對采集的數(shù)據(jù)進(jìn)行時(shí)域、頻域、時(shí)頻域、小波變換、自相關(guān)等分析，能夠?qū)πD(zhuǎn)機(jī)械進(jìn)行故障診斷。但是這種方法需要工程師有足夠的經(jīng)驗(yàn)，且因機(jī)組數(shù)量多，人工分析費(fèi)時(shí)費(fèi)力。

【關(guān)鍵詞】旋轉(zhuǎn)機(jī)械;故障診斷技術(shù);煉鋼設(shè)備

1旋轉(zhuǎn)機(jī)械故障的危害

鋼鐵企業(yè)在制造過程中非常頻繁地從事轉(zhuǎn)子葉片的工作，而鋼鐵生產(chǎn)活動則依賴于生產(chǎn)設(shè)備，該設(shè)備在制造過程中受到很大的磨損，因此容易受到機(jī)械故障的影響。為了實(shí)現(xiàn)更高的成本效益，部署的設(shè)備數(shù)量和利用率都在增加，但缺少適當(dāng)?shù)脑O(shè)備維修和修復(fù)，大多數(shù)設(shè)備不可維修，或者在出現(xiàn)故障后才可維修。此類維修可能對鋼鐵工業(yè)造成嚴(yán)重的經(jīng)濟(jì)損害，從而導(dǎo)致鋼鐵工業(yè)的正常生產(chǎn)活動。

2時(shí)域特征提取

旋轉(zhuǎn)機(jī)械在狀態(tài)發(fā)生改變時(shí)，時(shí)域參數(shù)能夠反映其狀態(tài)變化。當(dāng)旋轉(zhuǎn)機(jī)械發(fā)生故障時(shí)，可能出現(xiàn)沖擊，表現(xiàn)在時(shí)序圖中即是某些點(diǎn)遠(yuǎn)遠(yuǎn)超出其他點(diǎn)。常用的時(shí)域參數(shù)包括峰值、均值、方差、歪度、峭度、均方根值、波形指標(biāo)、脈沖指標(biāo)、峭度指標(biāo)、歪度指標(biāo)和裕度指標(biāo)。

對于一組信號xi，i=1，…，n。有量綱的幅值診斷參數(shù)值會隨著故障的增大而不同程度增大，且其中峭度對探測信號中含有脈沖的故障最敏感。有量綱幅值診斷參數(shù)值也會因工作條件（如負(fù)荷、轉(zhuǎn)速、記錄儀器的靈敏度等）的改變而改變，實(shí)際上很難加以區(qū)分。通常希望幅值診斷參數(shù)對故障足夠敏感，而對信號的幅值和頻率的變化不敏感，即與機(jī)器的工作條件關(guān)系不大，為此引入了不受工作狀況影響的無量綱幅值參數(shù)。

3基于EMD樣本熵?cái)?shù)據(jù)驅(qū)動的旋轉(zhuǎn)機(jī)械故障診斷研究

現(xiàn)代工業(yè)中的旋轉(zhuǎn)類機(jī)械設(shè)備普遍采用自動化、智能化的計(jì)算機(jī)控制系統(tǒng)，機(jī)械設(shè)備工作過程中的各種參數(shù)及運(yùn)行數(shù)據(jù)會被實(shí)時(shí)地采集并存儲于系統(tǒng)之中，這些基礎(chǔ)數(shù)據(jù)是分析和診斷故障的基礎(chǔ)，數(shù)據(jù)驅(qū)動算法在故障診斷中的應(yīng)用也是基于這些原始信號數(shù)據(jù)來實(shí)現(xiàn)的。由于旋轉(zhuǎn)類設(shè)備故障信號具有漸進(jìn)性和非平穩(wěn)性的特征，本文作者采用數(shù)據(jù)數(shù)據(jù)驅(qū)動算法中的EMD信號分析算法，在經(jīng)典EMD算法基礎(chǔ)上優(yōu)化處理，縮小閾值范圍及對原始含噪信號進(jìn)行預(yù)處理和降噪，并對提取出的旋轉(zhuǎn)設(shè)備故障信號特征分析，最終完成對旋轉(zhuǎn)機(jī)械設(shè)備故障類別和嚴(yán)重程度的診斷。

4旋轉(zhuǎn)機(jī)械故障診斷中的智能化技術(shù)

專家檢測系統(tǒng)，專家系統(tǒng)是將煉鋼設(shè)備運(yùn)行狀態(tài)的信息數(shù)據(jù)進(jìn)行匯總處理，以豐富全面的專業(yè)知識為基礎(chǔ)，建立起可靠的運(yùn)行數(shù)據(jù)庫。專家系統(tǒng)數(shù)據(jù)庫的建立主要是針對旋轉(zhuǎn)機(jī)械故障診斷，在故障發(fā)生時(shí)能夠?yàn)楣收显\斷提供可靠的數(shù)據(jù)信息，通過對照數(shù)據(jù)庫中的數(shù)據(jù)信息，判斷對方設(shè)備是否處于安全運(yùn)行的狀態(tài)。如果煉鋼設(shè)備出現(xiàn)異常運(yùn)行狀態(tài)，專家系統(tǒng)會采取停止設(shè)備運(yùn)行和切斷電源等方式來確保設(shè)備的安全穩(wěn)定運(yùn)行。

5故障信號多域量化特征提取

在對旋轉(zhuǎn)機(jī)械設(shè)備故障的檢測和診斷中，提取故障信號的特征是判斷設(shè)備故障程度與故障類別的關(guān)鍵，數(shù)據(jù)驅(qū)動算法可以利用對故障信號特征大數(shù)據(jù)的分析，準(zhǔn)確掌握旋轉(zhuǎn)機(jī)械設(shè)備的現(xiàn)行狀態(tài)，并做出準(zhǔn)確的判斷。基于數(shù)據(jù)驅(qū)動算法的故障診斷，更側(cè)重于從多個(gè)視角掌握信號的動態(tài)特征，即從時(shí)域和頻域2個(gè)方面提取故障信號的細(xì)節(jié)特征，其中時(shí)域分析主要研究故障信號波形的變化情況及振動幅值的變化情況，而頻率特征更側(cè)重于研究信號頻率和能量分布的變化情況。經(jīng)過信號的去噪預(yù)處理后，針對重構(gòu)后的旋轉(zhuǎn)機(jī)械故障信號序列^x（t）而言，提取的信號時(shí)域特征指標(biāo)包括標(biāo)準(zhǔn)差a1、偏斜度a2、峭度a3、均方根幅值a4。其中標(biāo)準(zhǔn)差指標(biāo)主要描述故障信號偏離中心的程度，表達(dá)式為

偏斜度特征變量主要描述旋轉(zhuǎn)機(jī)械設(shè)備故障信號的偏斜方向與偏斜程度，表達(dá)式為

峭度和均方根幅值特征指標(biāo)反映出了旋轉(zhuǎn)機(jī)械故障信號的分布特征，表達(dá)式為

旋轉(zhuǎn)機(jī)械故障信號的功率譜主要描述故障信號中的頻率成分，當(dāng)信號頻率和能量分布發(fā)生變化時(shí)，功率譜的重心位置會發(fā)生偏移，且功率的分布更為分散;而當(dāng)信號的頻率較為穩(wěn)定時(shí)，能量分布和功率譜的分布更為集中，依靠對信號頻域特征的識別，可以描述出旋轉(zhuǎn)故障信號的類別及嚴(yán)重程度。描述信號頻域特征的指標(biāo)包括重心頻率b1、均方頻率b2及頻率方差b3，其中指標(biāo)b1和b2描述故障功率譜的變化趨勢及重心位置變化，令τi（t）為信號的頻譜，gti為第i條頻譜線的頻率值，則：

頻率方差特征量b3描述了故障信號功率譜及能量的分布情況，其表達(dá)式為

當(dāng)旋轉(zhuǎn)機(jī)械設(shè)備發(fā)生故障時(shí)，信號的波形、頻譜和能量值都會出現(xiàn)明顯的變化，提取出故障信號的時(shí)頻域特征，利用小波包對包絡(luò)信號進(jìn)行分解（假定故障信號為3層信號），信號分解的樹狀圖如圖1所示。

經(jīng)過多層分解后故障信號的特征點(diǎn)更為明顯，可以根據(jù)故障信號特征與正常信號特征的差異區(qū)分信號的類別。系統(tǒng)去噪和特征分解后旋轉(zhuǎn)機(jī)械設(shè)備的信號系統(tǒng)仍處于一種無序狀態(tài)，因此引入樣本熵的概念，全面、準(zhǔn)確地描述出信號特征值集合復(fù)雜度與有序性，經(jīng)過對故障信號特征值的分類與決策，最終完成對旋轉(zhuǎn)機(jī)械故障的識別與判斷。

結(jié)束語

旋轉(zhuǎn)機(jī)械故障診斷技術(shù)在煉鋼設(shè)備中應(yīng)用，能夠提高煉鋼設(shè)備故障維護(hù)的效率，確保煉鋼設(shè)備的安全穩(wěn)定運(yùn)行，從而提高煉鋼企業(yè)的生產(chǎn)效率和質(zhì)量，通過將智能化自動化的故障診斷技術(shù)應(yīng)用到旋轉(zhuǎn)機(jī)械故障診斷中，能夠有效地推動故障診斷技術(shù)的發(fā)展。

參考文獻(xiàn)：

[1]吳靜然，丁恩杰，崔冉，劉建華.采用多尺度注意力機(jī)制的旋轉(zhuǎn)機(jī)械故障診斷方法[J].西安交通大學(xué)學(xué)報(bào)，2020，54（02）：51-58.

（作者單位：河南工學(xué)院機(jī)械工程學(xué)院）