嚴(yán) 斌，林星星，田文靜，譚 熠，莊 焰

（1.廈門煙草工業(yè)有限責(zé)任公司，廈門 361026；2.清華大學(xué) 工程物理系，北京 100084；3.碩橙（廈門）科技有限公司，廈門 361000）

0 引言

隨著現(xiàn)代工業(yè)的產(chǎn)生和發(fā)展，機(jī)械設(shè)備的自動(dòng)化程度越來(lái)越高，這極大程度地提高了工業(yè)生產(chǎn)的效率。企業(yè)的設(shè)備是企業(yè)進(jìn)行生產(chǎn)和盈利的最基本保障[1]。但是，由于設(shè)備往往處于高溫、高壓等惡劣的工作環(huán)境，在幾乎不間斷的運(yùn)轉(zhuǎn)工作中很可能出現(xiàn)老化、磨損甚至導(dǎo)致直接無(wú)法工作等問(wèn)題[2]，這給工廠帶來(lái)了很大的經(jīng)濟(jì)損失。對(duì)此，許多學(xué)者進(jìn)行了故障診斷與預(yù)測(cè)方面的研究，通過(guò)采集機(jī)械設(shè)備運(yùn)行過(guò)程中的各種信號(hào)對(duì)設(shè)備運(yùn)行狀態(tài)和健康水平進(jìn)行評(píng)估。常用的性能參數(shù)有振動(dòng)、溫度、流量、壓力等。資深的領(lǐng)域?qū)＜彝ㄟ^(guò)分析這些參數(shù)，挖掘故障發(fā)生的原因，從而進(jìn)行故障診斷和預(yù)測(cè)[3]。但是，這種故障診斷方法的人工成本很高，也難以保證24小時(shí)不間斷進(jìn)行，效率較低。通過(guò)建立故障分析模型和故障數(shù)據(jù)庫(kù)，對(duì)信號(hào)進(jìn)行收集與高效分析以實(shí)現(xiàn)設(shè)備的自動(dòng)監(jiān)控與故障診斷，能夠有效彌補(bǔ)人工故障診斷的這些缺點(diǎn)。

噪聲是大多數(shù)機(jī)械設(shè)備運(yùn)行時(shí)的產(chǎn)物，蘊(yùn)含著設(shè)備運(yùn)轉(zhuǎn)過(guò)程中與機(jī)械狀態(tài)有關(guān)的豐富信息。它的以下優(yōu)點(diǎn)使其非常適合作為診斷分析的切入點(diǎn)。首先，噪聲的空氣傳播和衍射特性使其非常便于采集，甚至能夠檢測(cè)設(shè)備內(nèi)部部件的狀態(tài)；其次，設(shè)備的摩擦、剪切等動(dòng)作對(duì)應(yīng)的噪聲都有非常鮮明的特點(diǎn)，能反映設(shè)備動(dòng)作和相關(guān)部件的特征信息，易于發(fā)現(xiàn)早期故障[4]；第三，噪聲傳感器可以是非接觸式安裝的，既減少了不同介質(zhì)之間信息傳遞的大幅功率損失[5]，又避免了對(duì)設(shè)備工作進(jìn)行干擾，符合工業(yè)數(shù)據(jù)分析的需求；第四，聲音測(cè)試技術(shù)已在工業(yè)領(lǐng)域有了廣泛的研究，相關(guān)數(shù)據(jù)分析技術(shù)頗為成熟[6]?？梢姡迷肼曅盘?hào)對(duì)機(jī)械設(shè)備進(jìn)行狀態(tài)分析有著得天獨(dú)厚的優(yōu)勢(shì)。近年來(lái)，基于噪聲信號(hào)的故障診斷技術(shù)成為一個(gè)研究熱點(diǎn)。但是，由于工廠環(huán)境頗為復(fù)雜，一個(gè)設(shè)備的噪聲往往會(huì)被周圍設(shè)備的噪聲干擾，故障特征信號(hào)可能被淹沒(méi)在背景噪聲中，并且，由于設(shè)備在不斷復(fù)雜化和集中化發(fā)展，運(yùn)行過(guò)程中的信號(hào)具有非線性特性，多頻率成分疊加，甚至出現(xiàn)連續(xù)譜分布[7]。因此對(duì)于原始信號(hào)的特征提取尤為重要，這也是研究的難點(diǎn)所在[8]。本文通過(guò)收集并分析包裝機(jī)內(nèi)框紙切割傳動(dòng)聯(lián)軸器的噪聲信號(hào)，對(duì)其進(jìn)行特征提取及分析，實(shí)現(xiàn)對(duì)該設(shè)備進(jìn)行狀態(tài)識(shí)別和健康度分析，并用實(shí)際案例證明其用于工業(yè)故障診斷的有效性。

1 應(yīng)用場(chǎng)景

本文主要介紹噪聲在某卷煙廠流水線硬盒包裝機(jī)的內(nèi)框紙切割部件的應(yīng)用?，F(xiàn)場(chǎng)圖如圖1所示，圖中圓圈標(biāo)記即采集噪聲的麥克風(fēng)的安裝位置。噪聲數(shù)據(jù)通過(guò)無(wú)線網(wǎng)絡(luò)傳輸至云端服務(wù)器以供調(diào)用[9]。由于原始信號(hào)采樣率為48000Hz，直接傳輸原始音頻波形信號(hào)所需的存儲(chǔ)空間、分析用時(shí)和流量費(fèi)用都過(guò)于高昂，所以，本方法將噪聲提取為24Hz的特征信號(hào)。麥克風(fēng)錄制到的噪聲來(lái)源主要為內(nèi)框紙切割部件的傳動(dòng)聯(lián)軸器，并摻雜有來(lái)自附近其余部件的噪聲與背景噪聲。本文將通過(guò)分析這些噪聲，實(shí)現(xiàn)對(duì)內(nèi)框紙切割部件的工作狀態(tài)監(jiān)控及故障診斷。

圖1 麥克風(fēng)布置位置

2 研究方法

本研究使用的方法主要包括了特征量的計(jì)算、設(shè)備工作狀態(tài)辨別、實(shí)時(shí)運(yùn)轉(zhuǎn)健康度分析等三個(gè)部分，最終通過(guò)分析設(shè)備運(yùn)轉(zhuǎn)的噪聲，實(shí)現(xiàn)設(shè)備停機(jī)與工作狀態(tài)的辨別，以及工作狀態(tài)下的故障診斷。每個(gè)步驟的具體實(shí)現(xiàn)方式如下。

2.1 特征量的計(jì)算

頻譜分析是設(shè)備故障診斷應(yīng)用中常見的信號(hào)處理方法之一，故障的發(fā)生、發(fā)展往往會(huì)引起信號(hào)頻率結(jié)構(gòu)的變化[10]。此部分工作在麥克風(fēng)端的小型處理器上進(jìn)行，可以大幅度減少傳輸數(shù)據(jù)需要的成本。由于麥克風(fēng)直接錄制到的聲音內(nèi)摻雜有較多來(lái)自較遠(yuǎn)部件的噪聲及環(huán)境本底噪聲，需要對(duì)原始信號(hào)（記為S）首先進(jìn)行濾波。對(duì)生產(chǎn)過(guò)程中的聲音進(jìn)行頻譜分析的結(jié)果如圖2所示，在2000Hz以下頻段，存在較為明顯的特征譜線，而2000Hz以上頻段，白噪聲占據(jù)了音頻的絕大部分。因此使用低通濾波器對(duì)2000Hz以上頻段的噪聲濾波，去掉高頻部分的白噪聲，提高有效信號(hào)占比。

圖2 原始噪聲信號(hào)頻譜

對(duì)濾波后的信號(hào)（記為S*），使用式(1)計(jì)算聲波攜帶的功率，式中E表示當(dāng)前時(shí)間點(diǎn)的聲波功率，由于需要將48000Hz的聲音信號(hào)轉(zhuǎn)化成24Hz的聲波功率特征值，每一時(shí)間點(diǎn)的聲波功率將由2000個(gè)采樣點(diǎn)的原始信號(hào)計(jì)算得出，S*（n）表示第n個(gè)采樣點(diǎn)的聲信號(hào)幅值。最終計(jì)算出的功率E來(lái)源主要為環(huán)境本底噪聲和部件運(yùn)轉(zhuǎn)噪聲，如果設(shè)備內(nèi)出現(xiàn)松動(dòng)類故障，通常表現(xiàn)為噪聲功率偏離正常值，或出現(xiàn)震蕩現(xiàn)象。因此分析聲波攜帶的功率，即可實(shí)現(xiàn)對(duì)松動(dòng)類故障的檢測(cè)。

但環(huán)境本底噪聲在不同的時(shí)間存在一定的差異。這一差異通常以一天為周期變化，可能與廠房?jī)?nèi)在一天不同時(shí)間段安排了不同的工作有關(guān)。這種差異會(huì)干擾基于聲波功率的故障檢測(cè)。本研究中使用了如下步驟去除環(huán)境本底噪聲：

1）分析濾波后聲信號(hào)的頻譜，對(duì)頻譜進(jìn)行峰值的提取。

2）將峰值部分進(jìn)行傅里葉逆變換，將逆變換得到的信號(hào)從濾波后的信號(hào)扣除。

3）使用式(1)計(jì)算扣除峰值部分后的信號(hào)所攜帶的功率，作為環(huán)境本底噪聲的功率。

4）將一天以10分鐘為步長(zhǎng)分為144段，對(duì)每一段使用上述方法計(jì)算該時(shí)間段的本底噪聲，對(duì)每個(gè)時(shí)間段，使用2周的噪聲信號(hào)，分別計(jì)算14天中這一時(shí)間段的本底噪聲功率，求其平均值。

5）求出廠房?jī)?nèi)14天中所有時(shí)間的噪聲功率的平均值，用4）中計(jì)算的每一時(shí)間段的平均值減去這一總平均值，得到每個(gè)時(shí)間段的功率平均值偏差。

6）對(duì)每一時(shí)間段，用濾波后的聲信號(hào)S*減去該時(shí)間段的功率平均值偏差，即可得到與內(nèi)框紙切割部件運(yùn)轉(zhuǎn)直接相關(guān)的噪聲功率信號(hào)。

通過(guò)上述方法計(jì)算得到的噪聲功率信號(hào)的示例圖如圖3所示，本底信號(hào)扣除后，設(shè)備運(yùn)轉(zhuǎn)狀態(tài)下的噪聲功率表現(xiàn)為穩(wěn)定范圍內(nèi)震蕩的信號(hào)，以一天為周期波動(dòng)的成分被消除。

圖3 扣除本底前后的噪聲功率對(duì)比

此外，上述步驟的前5步，會(huì)在實(shí)際應(yīng)用中每隔一段時(shí)間重復(fù)執(zhí)行，使用新的噪聲信號(hào)對(duì)參數(shù)進(jìn)行更新。

2.2 設(shè)備工作狀態(tài)辨別

本研究旨在對(duì)設(shè)備進(jìn)行故障診斷，監(jiān)測(cè)程序只需對(duì)運(yùn)轉(zhuǎn)狀態(tài)下的噪聲進(jìn)行分析，因此需要首先實(shí)現(xiàn)設(shè)備狀態(tài)的檢測(cè)，自動(dòng)區(qū)分設(shè)備的運(yùn)轉(zhuǎn)與停機(jī)狀態(tài)。從圖3中不難發(fā)現(xiàn)，內(nèi)框紙切割部件的工作模式為單一動(dòng)作反復(fù)執(zhí)行的模式，其運(yùn)轉(zhuǎn)狀態(tài)與停止?fàn)顟B(tài)所對(duì)應(yīng)的噪聲功率信號(hào)幅值較為固定，通過(guò)簡(jiǎn)單的閾值判別法即可實(shí)現(xiàn)工作狀態(tài)的識(shí)別。為準(zhǔn)確確定臨界閾值，本研究中使用2周期間的噪聲功率信號(hào)，作出其幅值的分布直方圖，如圖4所示。圖中左側(cè)較低的峰是設(shè)備停止?fàn)顟B(tài)的噪聲功率分布，而右側(cè)較高的峰為設(shè)備運(yùn)行狀態(tài)下的噪聲功率分布，容易看出二者的臨界閾值應(yīng)當(dāng)設(shè)置為1.25×1010。

圖4 內(nèi)框紙切割部件的噪聲功率分布直方圖

2.3 實(shí)時(shí)運(yùn)轉(zhuǎn)健康度分析

本研究使用穩(wěn)定性健康度與趨勢(shì)健康度2種監(jiān)測(cè)指標(biāo)反映內(nèi)框紙切割部件的運(yùn)轉(zhuǎn)健康度，監(jiān)測(cè)的原理是，在正常運(yùn)轉(zhuǎn)并排除了一些偶然因素的干擾時(shí)，機(jī)械設(shè)備反復(fù)執(zhí)行同樣生產(chǎn)活動(dòng)時(shí)應(yīng)當(dāng)發(fā)出穩(wěn)定的噪聲，從而對(duì)應(yīng)一個(gè)穩(wěn)定的噪聲特征值曲線。也就是說(shuō)，生產(chǎn)期間噪聲特征值的分布直方圖應(yīng)當(dāng)表現(xiàn)為一個(gè)極端陡峭的峰，而在環(huán)境帶來(lái)的偶然因素的影響下，這個(gè)峰會(huì)被一定程度地展寬，變成一個(gè)類似正態(tài)分布的形式。而故障的出現(xiàn)，則表現(xiàn)為這個(gè)正態(tài)分布峰的變化，下面為了實(shí)時(shí)且定量地描述這種變化的幅度，分別設(shè)計(jì)了兩種實(shí)時(shí)指標(biāo)的計(jì)算方法，命名為趨勢(shì)性健康度和穩(wěn)定性健康度。

2.3.1 趨勢(shì)性健康度

趨勢(shì)性健康度度量噪聲特征值的整體分布是否出現(xiàn)了偏離，圖5為運(yùn)轉(zhuǎn)狀態(tài)下的噪聲功率的分布直方圖。由圖5可知，運(yùn)轉(zhuǎn)期間噪聲功率應(yīng)位于2.16×1010附近，對(duì)每一時(shí)刻的噪聲功率，使用式(2)計(jì)算其健康度，式中HR（HealthRate）表示健康度，P（|S*-S*mid|>|S*（t）-S*mid|)表示按圖2所示S*的分布，任一時(shí)刻噪聲功率S*與分布中心S*mid的差值大于當(dāng)前時(shí)刻噪聲功率S*（t）與分布中心S*mid的差值的概率。實(shí)時(shí)噪聲功率偏離分布中心一定距離內(nèi)，分?jǐn)?shù)保持100不變，當(dāng)偏差超過(guò)由P（|S*-S*mid|>|S*（t）-S*mid|）=0.1確定的閾值后，距離分布中心越遠(yuǎn)，健康度分?jǐn)?shù)越低。這種計(jì)算健康度的方式通過(guò)統(tǒng)計(jì)原理，可以從單個(gè)點(diǎn)的值中對(duì)特征值的分布是否發(fā)生了偏離給出一個(gè)估計(jì)。分?jǐn)?shù)過(guò)低則代表了特征值的分布大概率發(fā)生了偏離，設(shè)備很可能出現(xiàn)了異常。

圖5 運(yùn)轉(zhuǎn)狀態(tài)下的噪聲功率的分布直方圖

2.3.2 穩(wěn)定性健康度

趨勢(shì)性健康度具備很強(qiáng)的實(shí)時(shí)評(píng)估能力，但是由于僅利用了單個(gè)數(shù)據(jù)點(diǎn)的信息，其計(jì)算出的分?jǐn)?shù)穩(wěn)定性比較差，因此計(jì)算的參數(shù)選取得非常保守。而穩(wěn)定性健康度則通過(guò)對(duì)過(guò)去較長(zhǎng)一段時(shí)間內(nèi)數(shù)據(jù)分布的觀察，分析設(shè)備運(yùn)轉(zhuǎn)期間的噪聲功率是否出現(xiàn)較大的波動(dòng)。其計(jì)算方法如式(3)所示。式中HR（t）表示健康度分?jǐn)?shù)，std（S*normal）表示人工選取的參考時(shí)間段的噪聲功率標(biāo)準(zhǔn)差，std（S*（t））表示t時(shí)刻前100s內(nèi)的噪聲功率標(biāo)準(zhǔn)差。從式中可以看出，本指標(biāo)主要反映特征值分布函數(shù)是否出現(xiàn)較大幅度的展寬，而分布函數(shù)的收窄通常不會(huì)與設(shè)備異常有關(guān)，分布峰位置的移動(dòng)則會(huì)在趨勢(shì)性健康度中有明顯體現(xiàn)，所以本指標(biāo)與趨勢(shì)性健康度相結(jié)合，即可較好地監(jiān)控并預(yù)測(cè)設(shè)備的故障。

本研究通過(guò)這兩種指標(biāo)對(duì)卷煙機(jī)內(nèi)框紙切割部件進(jìn)行實(shí)時(shí)監(jiān)測(cè)，在實(shí)際案例中捕捉到了設(shè)備故障的發(fā)生。在實(shí)際使用中，分?jǐn)?shù)計(jì)算的參數(shù)會(huì)定時(shí)使用最近一段時(shí)間內(nèi)的特征值分布直方圖進(jìn)行更新，因此對(duì)于一些生產(chǎn)環(huán)境的變化造成的信號(hào)整體的變化，也可以迅速實(shí)現(xiàn)自適應(yīng)，這一點(diǎn)在下一部分展示的案例中同樣有體現(xiàn)。

3 應(yīng)用效果

在卷煙機(jī)內(nèi)框紙切割部件正常運(yùn)轉(zhuǎn)期間，穩(wěn)定性健康度通常表現(xiàn)為穩(wěn)定95分以上的分?jǐn)?shù)，趨勢(shì)性健康度在75～100分之間波動(dòng)。但在監(jiān)測(cè)一段時(shí)間后，從穩(wěn)定性健康度曲線上看到圖6所示的突然下降。

圖6 5月～8月的信號(hào)的噪聲功率（上），健康度曲線（中，下）

經(jīng)現(xiàn)場(chǎng)檢修確認(rèn)，這段健康度曲線的下降對(duì)應(yīng)了內(nèi)框紙切割部件聯(lián)軸器的損壞。經(jīng)一段時(shí)間檢修后，流水線恢復(fù)正常運(yùn)轉(zhuǎn)，健康度回升。但一個(gè)多月后，穩(wěn)定性健康度曲線再次出現(xiàn)下降跡象，只是幅度稍小。反映出該部件仍然存在未完全修復(fù)的問(wèn)題。后續(xù)對(duì)部件進(jìn)行全面深入的檢修發(fā)現(xiàn)，部件內(nèi)部存在未緊固的螺栓，將其完全修復(fù)后，健康度曲線再次回到正常水平。從本次案例可以看出，依靠噪聲功率實(shí)現(xiàn)部件運(yùn)轉(zhuǎn)健康度的監(jiān)測(cè)，能夠及時(shí)發(fā)現(xiàn)設(shè)備故障，并且本方法對(duì)設(shè)備內(nèi)部細(xì)微的問(wèn)題也具備較好的敏感度，是設(shè)備故障監(jiān)測(cè)的可靠手段。

4 結(jié)語(yǔ)

本研究使用麥克風(fēng)錄制某卷煙廠流水線中內(nèi)框紙切割部件運(yùn)轉(zhuǎn)噪聲，通過(guò)對(duì)噪聲功率的監(jiān)測(cè)，評(píng)估該部件健康度指標(biāo)，在實(shí)際案例中實(shí)現(xiàn)了對(duì)部件故障的及時(shí)診斷。并且方法對(duì)細(xì)節(jié)問(wèn)題 反應(yīng)敏感，準(zhǔn)確發(fā)現(xiàn)了修復(fù)過(guò)程中遺漏的螺栓問(wèn)題，成功分析找到被人工檢查所忽視的問(wèn)題，掃除了設(shè)備后續(xù)運(yùn)行的隱患，證明其用于工業(yè)故障診斷的有效性。由于依賴噪聲進(jìn)行診斷具備部署便捷、容易在不同場(chǎng)景下通用等優(yōu)點(diǎn)，這一方法有望成為一種優(yōu)異的煙草設(shè)備故障診斷方法。