李如玉，項(xiàng) 偉，田立勇，于 寧

(1.沈陽(yáng)理工大學(xué) 創(chuàng)新創(chuàng)業(yè)中心，沈陽(yáng) 110159；2.遼寧工程技術(shù)大學(xué) 機(jī)械工程學(xué)院，遼寧 阜新 123000)

污泥回流泵受其惡劣的工作環(huán)境、長(zhǎng)時(shí)間連續(xù)運(yùn)行的工況影響，易產(chǎn)生螺栓松動(dòng)、泵體堵塞等故障。早期的故障很難用常規(guī)手段察覺(jué)并進(jìn)行及時(shí)有效的處理，最終造成電機(jī)燒損等問(wèn)題，并產(chǎn)生鏈?zhǔn)椒磻?yīng)，誘發(fā)其他生產(chǎn)問(wèn)題[1]。

目前旋轉(zhuǎn)機(jī)械故障信號(hào)處理的方法有很多。LIU X F等[2]使用經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)結(jié)合最小二乘支持向量機(jī)實(shí)現(xiàn)了滾動(dòng)軸承的故障診斷。魏永合等[3]利用局部均值分解結(jié)合優(yōu)化正交匹配追蹤算法的故障診斷方法，降低了噪聲對(duì)信號(hào)的干擾，成功提取到了滾動(dòng)軸承故障特征。程軍圣等[4]利用插值法對(duì)原始信號(hào)添加一定條件的白噪聲，并從中選擇最小正交性系數(shù)的結(jié)果進(jìn)行信號(hào)恢復(fù)和分析，有利于滾動(dòng)軸承的故障診斷。王志榮等[5]針對(duì)絲杠預(yù)緊力喪失造成的機(jī)床加工問(wèn)題，提出利用EMD與多尺度熵結(jié)合的方法，通過(guò)最小熵值提取特征信號(hào)進(jìn)行BP網(wǎng)絡(luò)訓(xùn)練，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法能夠提高故障診斷的準(zhǔn)確率。王新等[6]針對(duì)滾動(dòng)軸承中的非平穩(wěn)問(wèn)題，提出了變分模態(tài)分解與支持向量機(jī)相結(jié)合的方法，克服了EMD模態(tài)混迭的問(wèn)題，可以準(zhǔn)確地提取故障信號(hào)。柏林等[7]提出了固有時(shí)間尺度分解與獨(dú)立成分分析(Independent Component Analysis，ICA)[8]相結(jié)合的診斷方法，通過(guò)實(shí)驗(yàn)分析，得出該方法對(duì)于滾動(dòng)軸承故障的提取具有良好的價(jià)值。楊青等[9]提出了一種變分模態(tài)分解、模糊C均值及遞推最小二乘支持向量機(jī)(RLSSVM)相結(jié)合的故障診斷方法，并與常規(guī)的方法進(jìn)行了仿真實(shí)驗(yàn)對(duì)比，驗(yàn)證了所提出方法的有效性和優(yōu)越性。卞家磊等[10]針對(duì)ICA觀測(cè)源數(shù)少的問(wèn)題提出了局部均值分解與ICA相結(jié)合的方法，并通過(guò)軸承實(shí)驗(yàn)驗(yàn)證了該方法可以在一定程度上濾除噪聲干擾，解決ICA使用的問(wèn)題。鄭小霞等[11]針對(duì)滾動(dòng)軸承早期微弱故障信號(hào)提取的問(wèn)題，提出了變分模態(tài)分解和排列熵相結(jié)合的方法，有效提取故障特征成分。

監(jiān)測(cè)污泥回流泵的運(yùn)行狀態(tài)及進(jìn)行故障預(yù)警，可通過(guò)觀測(cè)其振動(dòng)信號(hào)特定范圍內(nèi)頻率的尖峰和變化情況來(lái)實(shí)現(xiàn)。因此，本文提出基于EMD和ICA的污泥回流泵故障診斷方法，將待分析的振動(dòng)信號(hào)通過(guò)EMD分解為多個(gè)本征模態(tài)函數(shù)，然后利用主成分分析確定其主要成分，最后結(jié)合ICA方法盲源分離特有的優(yōu)勢(shì)，實(shí)現(xiàn)回流泵運(yùn)行狀態(tài)監(jiān)測(cè)與故障診斷。

1 EMD分解

EMD算法是由美國(guó)學(xué)者Huang等[12]于1998年首次提出的，其主要思想是通過(guò)迭代不斷地把一個(gè)時(shí)間序列的信號(hào)分解為若干個(gè)不同尺度的本征模態(tài)函數(shù)(Intrinsic Mode Function，IMF)和一個(gè)殘余分量。

IMF滿足兩點(diǎn)要求：(1)極值點(diǎn)的個(gè)數(shù)與零點(diǎn)的個(gè)數(shù)相等或至多相差一個(gè)；(2)在任意一點(diǎn)，上、下包絡(luò)線的均值為0。

滿足以上兩個(gè)條件的IMF，其連續(xù)兩個(gè)過(guò)零點(diǎn)間只有一個(gè)極值點(diǎn)，即只包括一個(gè)基本模式的振蕩，沒(méi)有復(fù)雜的疊加波存在。

EMD算法的基本步驟如下：

(1)找出原始信號(hào)f(t)序列中的全部極大值點(diǎn)與極小值點(diǎn)，用三次樣條插值方法對(duì)極值點(diǎn)勾勒，分別得到上包絡(luò)線和下包絡(luò)線，再取其平均值，得到一個(gè)平均值函數(shù)m(t)。

(2)計(jì)算原始信號(hào)f(t)均值函數(shù)m(t)的差值，記為h1(t)。

(3)對(duì)步驟(2)獲取的差值h1(t)進(jìn)行判別，如滿足IMF分量的兩個(gè)條件，即為f(t)信號(hào)的第一個(gè)本征模態(tài)函數(shù)c1(t)；若不滿足，將差值h1(t)作為“原始信號(hào)”，反復(fù)執(zhí)行步驟(1)和(2)，直至滿足IMF兩個(gè)條件。

(4)將分量c1(t)從原始信號(hào)f(t)中分離出來(lái)，得到一個(gè)差值信號(hào)r1(t)。

(5)將r1(t)作為新的“原始信號(hào)”重復(fù)以上過(guò)程，直到rn(t)為一個(gè)單調(diào)函數(shù)或常數(shù)為止；最終信號(hào)f(t)被分解后得到若干個(gè)IMF分量cn(t)和殘余量r(t)，即

f(t)=∑cn(t)+r(t)

(1)

式中：cn(t)代表本征模態(tài)函數(shù)；r(t)為殘差。

2 ICA算法

ICA算法是一種建立在極少先驗(yàn)知識(shí)的條件下，能通過(guò)觀測(cè)信號(hào)估計(jì)出源信號(hào)的成熟的盲源分離技術(shù)，其一般的線性模型為

x(t)=A·s(t)

(2)

式中：x(t)為觀測(cè)矩陣；A為未知的滿秩矩陣，通常稱為混合矩陣；s(t)為源信號(hào)向量。

本文采用目前較為常用的FastICA算法，該算法簡(jiǎn)單，有較高的魯棒性和較好的分離效果。假設(shè)觀測(cè)矩陣x按照ICA的數(shù)據(jù)模型形成分布x=As，則在數(shù)據(jù)處理前，要先對(duì)觀測(cè)數(shù)據(jù)進(jìn)行中心化和白化處理，白化后的隨機(jī)變量表達(dá)式為

z=Vx=VAs

(3)

式中V是由數(shù)據(jù)協(xié)方差矩陣的特征值與特征向量組合成的線性變換。為估計(jì)出其中的一個(gè)獨(dú)立成分，可考慮對(duì)xi進(jìn)行如式(4)的線性組合。

(4)

式中：w為待確定的向量；qT=wT(VA)。將負(fù)熵統(tǒng)計(jì)特性與不動(dòng)點(diǎn)迭代的算法特性相結(jié)合，是基于負(fù)熵的快速不動(dòng)點(diǎn)迭代算法的最大特點(diǎn)，負(fù)熵的近似表達(dá)式為

J(wTz)∝[E{G(wTz)}-E{G(v)}]2

(5)

式中：G為非二次函數(shù)；v為零均值的單位方差；E為數(shù)學(xué)期望；J為目標(biāo)函數(shù)。通常情況下，wTz的近似負(fù)熵極大值與E{G(wTz)}的極值點(diǎn)相同；而在E{(wTz)2}=‖w‖2=1的約束條件下，E{G(wTz)}的極值取在式(6)的梯度為0的點(diǎn)處[13-14]。

E{zg(wTz)}+βw=0

(6)

(7)

每次迭代后需對(duì)w進(jìn)行標(biāo)準(zhǔn)化，為

(8)

3 污泥回流泵故障診斷流程

3.1 故障診斷流程

本文提出的基于EMD與ICA的污泥回流泵故障診斷具體步驟如圖1所示。

圖1 故障診斷流程圖

故障診斷方法的具體步驟可表述如下。

(1)用加速度傳感器采集特定部位的振動(dòng)信號(hào)；

(2)利用數(shù)據(jù)采集器中的A/D轉(zhuǎn)換模塊將采集到的模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)；

(3)將振動(dòng)信號(hào)使用EMD方法進(jìn)行分解，得到若干本征模態(tài)函數(shù)；

(4)對(duì)IMF分量進(jìn)行主成分分析，找出滿足貢獻(xiàn)累加值的分量用以重構(gòu)信號(hào)；

(5)將原始信號(hào)與重構(gòu)后的信號(hào)組成輸入矩陣并進(jìn)行FastICA處理；

(6)對(duì)得到的觀測(cè)數(shù)據(jù)進(jìn)行Hilbert變換求頻譜；

(7)通過(guò)分析頻譜特定頻率位置及變化情況，達(dá)到污泥回流泵故障診斷與分析的目的。

3.2 仿真信號(hào)驗(yàn)證分析

為驗(yàn)證本文所提出故障診斷方法的可行性與有效性，構(gòu)建如下仿真信號(hào)并進(jìn)行分析。其中，y(t)由頻率為80Hz的正弦信號(hào)和基頻為50Hz、調(diào)制頻率10Hz的調(diào)幅調(diào)頻信號(hào)疊加而成，向y(t)中添加信噪比為-20db的高斯白噪聲n(t)，得到含噪仿真信號(hào)s(t)。

(9)

設(shè)置采樣頻率1024Hz，取1024個(gè)數(shù)據(jù)點(diǎn)進(jìn)行研究，圖2給出了含噪仿真信號(hào)波形圖和頻譜圖，由于噪聲混入，調(diào)幅調(diào)頻信號(hào)的基頻80Hz、調(diào)制頻率成分以及正弦信號(hào)頻率基頻50Hz譜線在圖2中均無(wú)明顯的峰值，可見(jiàn)常規(guī)的頻譜分析已無(wú)法滿足含噪信號(hào)的特征提取。

圖2 含噪仿真信號(hào)的波形與頻譜

用EMD方法對(duì)含噪信號(hào)進(jìn)行分解后得到8個(gè)IMF分量，進(jìn)行主成分分析得到貢獻(xiàn)率，如表1所示。

表1 含噪仿真信號(hào)分量貢獻(xiàn)率 %

計(jì)算可知前四個(gè)主成分所占的貢獻(xiàn)率累加值為95.775%，故取前4個(gè)主成分進(jìn)行重構(gòu)，得到EMD與ICA處理后的仿真信號(hào)頻域曲線，如圖3所示。

圖3 EMD與ICA處理后的仿真信號(hào)頻域曲線圖

從圖3中可以看出，基頻50Hz、80Hz和調(diào)制頻率均已成功提取，本文方法的有效性得以驗(yàn)證。

4 實(shí)驗(yàn)分析

本文以常山制藥廠1號(hào)線路的污泥回流泵(電機(jī)型號(hào)為Y801-2)為研究對(duì)象，考慮到其實(shí)際工作環(huán)境、特有結(jié)構(gòu)及常見(jiàn)的故障類型，將加速度傳感器安裝在污泥回流泵的外殼上，如圖4所示位置。

圖4 加速度傳感器安裝實(shí)物圖

圖5為污泥回流泵故障診斷系統(tǒng)示意圖。按圖5所示依次連接污泥回流泵、傳感器、數(shù)據(jù)采集模塊、監(jiān)控計(jì)算機(jī)，并分別采集正常運(yùn)行與故障狀態(tài)時(shí)污泥回流泵對(duì)應(yīng)的振動(dòng)信號(hào)。采樣時(shí)污泥回流泵電機(jī)轉(zhuǎn)速為3000r/min，即工作頻率50Hz，采樣頻率為1000Hz，選擇1024個(gè)數(shù)據(jù)點(diǎn)進(jìn)行分析。

圖5 污泥回流泵故障診斷系統(tǒng)圖

回流泵正常信號(hào)頻譜圖如圖6所示。其中，只有48Hz處存在較為明顯的尖峰，與電機(jī)的工作頻率50Hz相對(duì)應(yīng)，峰值位置存在細(xì)微偏差，主要是由于噪聲影響。正常信號(hào)頻譜的其他位置未出現(xiàn)明顯峰值。

圖6 正常信號(hào)頻譜圖

根據(jù)機(jī)械振動(dòng)學(xué)理論知識(shí)，旋轉(zhuǎn)機(jī)械發(fā)生故障后的振動(dòng)信號(hào)幅值和概率分布相比于正常狀態(tài)將發(fā)生變化，同時(shí)信號(hào)頻譜中譜峰位置、頻率成分變化更加明顯。因此，通過(guò)分析實(shí)測(cè)振動(dòng)信號(hào)的頻譜變化來(lái)判定設(shè)備的運(yùn)行狀況具有一定的可行性。通過(guò)分析該廠數(shù)據(jù)庫(kù)中關(guān)于該線路污泥回流泵的歷史數(shù)據(jù)，得知回流泵螺栓松動(dòng)時(shí)信號(hào)的頻譜中電機(jī)轉(zhuǎn)頻諧波96Hz、145Hz處，以及軸承振動(dòng)頻率285Hz、380Hz附近的幅值會(huì)有大幅度的增長(zhǎng)趨勢(shì)。

因此，人為將污泥回流泵的兩根螺栓松動(dòng)，以近似模擬其松動(dòng)故障，在該狀態(tài)下測(cè)得振動(dòng)信號(hào)并作出故障信號(hào)頻譜圖，如圖7所示。

圖7 故障信號(hào)頻譜圖

通過(guò)對(duì)比圖6和圖7可知，圖7中只能在96.68Hz處觀測(cè)到明顯尖峰，而在145Hz、285Hz和380Hz附近峰值無(wú)明顯變化，則故障診斷初步認(rèn)定96.68Hz為故障頻率，根據(jù)該廠數(shù)據(jù)手冊(cè)判定為轉(zhuǎn)軸橫向裂紋故障。

對(duì)正常信號(hào)和故障信號(hào)分別進(jìn)行EMD分解，得出各自的IMF分量圖，如圖8、圖9所示。

圖8 污泥回流泵正常信號(hào)的IMF分量圖

圖9 污泥回流泵故障信號(hào)的IMF分量圖

對(duì)分解后IMF分量進(jìn)行主成分分析，正常信號(hào)的分量貢獻(xiàn)率如表2所示。

表2 正常信號(hào)分量貢獻(xiàn)率 %

選取貢獻(xiàn)累加值大于95%的分量進(jìn)行重構(gòu)。當(dāng)選取前三個(gè)主成分時(shí)，所得貢獻(xiàn)累加值為97.31%，所以選取前3個(gè)主成分進(jìn)行重構(gòu)，并與原始信號(hào)一起進(jìn)行ICA處理，將處理后的數(shù)據(jù)進(jìn)行Hilbert變換并進(jìn)行頻譜分析，得出最后的頻譜圖。故障信號(hào)的分量貢獻(xiàn)率如表3所示。

表3 故障信號(hào)分量貢獻(xiàn)率 %

當(dāng)選取前三個(gè)主成分時(shí)，所占的貢獻(xiàn)率累加值為97.632%，所以取前3個(gè)主成分進(jìn)行重構(gòu)。EMD與ICA處理后的正常信號(hào)與故障信號(hào)的頻譜圖如圖10所示。

圖10 EMD與ICA處理后的信號(hào)頻譜圖

通過(guò)圖10可以看出，在96.68Hz處存在明顯峰值的基礎(chǔ)上，通過(guò)處理后在142.6Hz、283.2Hz和380.9Hz處也出現(xiàn)明顯峰值，所以污泥回流泵的故障頻率為96.68Hz、142.6Hz、283.2Hz和380.9Hz，故可準(zhǔn)確判斷為螺栓松動(dòng)故障。

5 結(jié)論

提出了基于EMD與ICA的污泥回流泵故障診斷方法，并通過(guò)實(shí)踐應(yīng)用驗(yàn)證了提出方法的有效性和可行性，得出以下結(jié)論。

(1)用測(cè)得的信號(hào)直接做頻譜分析，故障信號(hào)頻譜圖與正常信號(hào)頻譜圖相比較，只能在96.68Hz處觀察到明顯的峰值，而在145Hz、285Hz和380Hz附近沒(méi)有明顯變化，則認(rèn)定為轉(zhuǎn)軸橫向裂紋故障，造成故障誤判。

(2)利用本文方法進(jìn)行處理，處理后的故障信號(hào)頻譜圖與正常信號(hào)頻譜圖相比較，可在96.68Hz、142.6Hz、283.2Hz和380.9Hz處觀測(cè)到明顯峰值，認(rèn)定為螺栓松動(dòng)故障。

實(shí)驗(yàn)結(jié)果表明，EMD與ICA相結(jié)合的方法能夠在一定程度上降低噪聲對(duì)信號(hào)的干擾，可有效提高故障診斷的準(zhǔn)確性，減少故障誤判。