陽 震，嚴?？?，路鵬程，陸翔宇

(武漢科技大學(xué)信息科學(xué)與工程學(xué)院，湖北武漢 430081)

0 引言

電機、水泵等大型旋轉(zhuǎn)設(shè)備廣泛應(yīng)用于冶金、采礦、電力等行業(yè)，它們以轉(zhuǎn)子及滾動軸承部件構(gòu)成設(shè)備核心，是旋轉(zhuǎn)機械的關(guān)鍵部分[1]。其長期工作在極其惡劣的環(huán)境中，且易受到現(xiàn)場各種復(fù)雜因素的影響，從而導(dǎo)致旋轉(zhuǎn)設(shè)備發(fā)生故障，影響生產(chǎn)效率以及造成經(jīng)濟財產(chǎn)的損失。因此，對電機、水泵運行狀態(tài)監(jiān)測以及故障數(shù)據(jù)處理非常關(guān)鍵。

近年來，科研工作者利用虛擬儀器LabVIEW軟件開發(fā)了一些機械故障診斷的系統(tǒng)。嚴展鴻等[2]利用LabVIEW軟件開發(fā)了一套大型轉(zhuǎn)子監(jiān)測與故障診斷系統(tǒng)，并結(jié)合轉(zhuǎn)子特性提供了一種小波包分解方案；喻洋洋等[3]結(jié)合小波分解、希爾伯特變換以及數(shù)學(xué)形態(tài)學(xué)分析算法，利用LabVIEW軟件開發(fā)了滾動軸承故障診斷系統(tǒng)，并利用旋轉(zhuǎn)機械故障實驗平臺驗證了該系統(tǒng)的適用性；于波等[4]依靠BP神經(jīng)網(wǎng)絡(luò)，基于LabVIEW軟件平臺對旋轉(zhuǎn)機械故障診斷進行了研究。

本文基于LabVIEW開發(fā)了針對大型旋轉(zhuǎn)設(shè)備的數(shù)據(jù)監(jiān)測與故障診斷系統(tǒng)，實現(xiàn)了旋轉(zhuǎn)設(shè)備的在線監(jiān)測、預(yù)警和實時診斷。通過模擬故障振動信號，首先對其進行EMD分解去除趨勢項，然后進行Hilbert包絡(luò)譜分析與Teager能量算子分析，該方法對于早期故障振動信號的信噪比提升具有顯著的作用。

1 監(jiān)測軟件總體設(shè)計

旋轉(zhuǎn)設(shè)備狀態(tài)監(jiān)測系統(tǒng)結(jié)構(gòu)如圖1所示。主要包括設(shè)備管理模塊、標準管理模塊、監(jiān)控視圖模塊、異常視圖模塊、趨勢分析模塊、振動分析模塊、維護檢修意見模塊等，其中趨勢分析模塊及振動分析模塊尤為重要，是監(jiān)測系統(tǒng)的核心功能模塊，是完成故障診斷與維護檢修意見的基礎(chǔ)。

旋轉(zhuǎn)設(shè)備狀態(tài)在線監(jiān)測系統(tǒng)界面如圖2所示。

1.1 標準管理模塊

標準管理模塊的功能是制定被監(jiān)測系統(tǒng)狀態(tài)的判定依據(jù)。該模塊可設(shè)定各測點的標準值，包括壓力指標、電流指標、溫度指標的異常上下限以及振動指標倍頻強度的超標閾值。通過該模塊設(shè)定的標準值，可以針對實時監(jiān)測數(shù)據(jù)進行異常報警。但是，對標準值范圍內(nèi)的數(shù)據(jù)存在的潛在異常難以發(fā)現(xiàn)，例如，漸進類故障的早期指標值盡管沒有超標，但是會出現(xiàn)遞增或遞減的趨勢，因此，為了更好地達到早期故障預(yù)測的目的，增加了動態(tài)趨勢的判異準則。該功能模塊的判異準則如下：

(1)當(dāng)連續(xù)有6個時刻的點遞增或遞減，該項指標可能出現(xiàn)異常，設(shè)備可能出現(xiàn)磨損，應(yīng)持續(xù)重點監(jiān)測，適當(dāng)時，可停機檢查；

(2)當(dāng)某一時刻點越過了標準閾值，則可判斷該項指標出現(xiàn)異常，應(yīng)將設(shè)備停止運行并檢修。

動態(tài)趨勢分析流程圖如圖3所示。

1.2 視圖顯示模塊

視圖顯示模塊包括監(jiān)控視圖與異常視圖，其中監(jiān)控視圖顯示所有測點的實時數(shù)據(jù)，異常視圖顯示報警測點的異常數(shù)據(jù)。

監(jiān)控視圖中，由于監(jiān)測測點數(shù)達到幾百個，更新頻率快，數(shù)據(jù)量比較大，因此，為保證顯示數(shù)據(jù)的時效性以及程序運行的效率，利用“數(shù)組子集”控件和“下拉列表”控件將數(shù)據(jù)分為N(N≥1)頁顯示，每頁只加載1 000行數(shù)據(jù)。該模塊還具備數(shù)據(jù)篩選功能，可以篩選出指定測點的所有監(jiān)測數(shù)據(jù)，便于測點的歷史數(shù)據(jù)分析。

異常視圖中，增加了對歷史數(shù)據(jù)的追溯功能，因為在出現(xiàn)異常后，操作人員往往需要對比前后運行的數(shù)據(jù)。該視圖中，可以直接跳轉(zhuǎn)至某一項異常指標的歷史數(shù)據(jù)，進而對該項指標進行趨勢分析或振動分析，同時，系統(tǒng)會針對具體的單個測點給出異常現(xiàn)象、異常原因以及維修意見指導(dǎo)操作人員進行維修。實際工作中，設(shè)備常出現(xiàn)的異常狀況以及維修處理意見如表1所示。

表1 設(shè)備異?，F(xiàn)象原因及維修意見表

1.3 趨勢分析模塊

趨勢分析模塊的功能是完成電機電流、排氣壓力和溫度、油溫以及軸承溫度等非振動項的變化趨勢分析，趨勢分析圖x軸表示時間，y軸表示幅值，并有垂直于y軸的兩條平行線分別是標準上限和標準下限。當(dāng)對某個設(shè)備的測量參數(shù)進行趨勢分析時，只需要從系統(tǒng)界面左側(cè)的設(shè)備下拉列表中拖曳出該項指標進趨勢分析圖即可。

1.4 振動分析模塊

在振動分析模塊中，主要參考時域圖、頻譜圖、均方根趨勢圖以及倍頻強度趨勢圖，結(jié)合一系列算法，從時域到頻域?qū)Σ杉恼駝有盘栠M行分析。當(dāng)電機軸承出現(xiàn)故障時，信號時域圖中將出現(xiàn)周期性的沖擊信號[5]，頻譜圖中與特征頻率相關(guān)的1倍頻、2倍頻、3倍頻等成分能量明顯上升，均方根值、倍頻強度呈現(xiàn)不斷增大的趨勢，一旦超過設(shè)定的閾值后，系統(tǒng)會進行預(yù)警，并給出診斷意見。當(dāng)需要對某一振動測點進行分析，只需從系統(tǒng)界面左側(cè)的設(shè)備下拉列表中拖曳出振動指標進振動分析圖即可。振動分析模塊程序流程圖如圖4所示。

2 系統(tǒng)算法分析

本系統(tǒng)對振動數(shù)據(jù)的分析主要包括時域分析和頻域分析。其中用到的算法有經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition，EMD)、Hilbert包絡(luò)譜和Teager能量算子等。

2.1 經(jīng)驗?zāi)B(tài)分解

由于實際采集的振動信號都是帶有噪聲的非平穩(wěn)信號，且振動信號的趨勢項一般都是變化緩慢的低頻成分[6]，因此可以根據(jù)EMD將各IMF分量由高頻到低頻逐次提取出來的特點，去除信號中的趨勢項。

EMD分解是由Nordene.Huang博士提出的一種處理非平穩(wěn)信號的方法，其依據(jù)自身的時間尺度特征來進行信號分解，無須預(yù)先設(shè)定任何基函數(shù)，將信號分解為有限個本征模態(tài)函數(shù)(intrinsic mode function，IMF)和一個余項。其中IMF分量必須滿足2個條件[7]：

(1)極值點個數(shù)和過零點個數(shù)相等或最多差1個；

(2)上下包絡(luò)的均值為0。

設(shè)某信號為s(t)，經(jīng)過EMD分解，信號s(t)被分解為n個IMF分量，即ci(t),i=1,2，…，n和一個余量rn(t)，即：

(1)

2.2 希爾伯特包絡(luò)譜

包絡(luò)譜分析對于旋轉(zhuǎn)設(shè)備早期故障和信噪比低的振動信號具有很強的識別能力[8]。當(dāng)設(shè)備出現(xiàn)早期故障時，故障信號并不突出，往往會附載在高頻振動信號上，使用希爾伯特包絡(luò)譜分析方法能有效彌補FFT頻譜分析方法的不足。

Hilbert變換[9]可以簡單定義為

(2)

設(shè)某信號x(t)=A(t)cos[ωt+θ(t)]，構(gòu)造解析信號：

z(t)=x(t)+jH[x(t)]

=A(t)cos[ω(t)+θ(t)]+jA(t)sin[ωt+θ(t)]

=A(t)ejωtejθ(t)

(3)

其中|H[x(t)]|=|A(t)ejθ(t)|=|A(t)|即為包絡(luò)信號。

Hilbert包絡(luò)譜是對包絡(luò)信號進行FFT變換后得到。當(dāng)電機軸承發(fā)生故障時，會激發(fā)一系列周期性沖擊信號，這些信號將與高頻固有振動發(fā)生調(diào)制。Hilbert包絡(luò)譜分析能夠有效地將這種低頻沖擊信號進行解調(diào)提取。

2.3 Teager能量算子

Teager能量算子(Teager energy operator，TEO)是由美國科學(xué)家H.M.Teager提出的一種簡單的信號分析算法，是非線性算子，能夠跟蹤信號的瞬時能量[10]。其簡單定義如下：

農(nóng)藥在噴施過程中的霧滴飄移是造成環(huán)境污染、農(nóng)藥流失和農(nóng)藥有效利用率低的重要原因。常規(guī)噴霧方式下，減小霧滴直徑可以提供良好的覆蓋率，卻增大了飄移；而粗霧滴降低飄移的同時，也降低了霧滴的附著率。風(fēng)助式噴霧是一種利用專用設(shè)施產(chǎn)生定向氣流輔助的噴霧方式，能夠在霧滴直徑較小的情況下提高霧滴在靶標上的沉積率，減少霧滴飄移。風(fēng)助式噴霧技術(shù)的應(yīng)用提高了農(nóng)藥的生物效果、拓寬了噴霧設(shè)備的應(yīng)用條件，有利于提高農(nóng)藥有效利用率，減少化學(xué)污染[1-3]。

設(shè)有任意信號x(t)，Teager能量算子記作ψ，則有：

(4)

對一個作無衰減自由振動的線性振子的振動位移x(t)=Acos(ωt+θ)，有：

ψ[x(t)]=ψ[Acos(ωt+θ)]=A2ω2

(5)

3 仿真信號分析

本系統(tǒng)振動分析是對旋轉(zhuǎn)設(shè)備中滾動軸承的振動信號進行的，可以將故障滾動軸承產(chǎn)生的沖擊振動信號模擬為

(6)

式中：s(t)為周期性沖擊信號；n(t)為高斯白噪聲；h(t)是阻尼指數(shù)正弦信號；A為沖擊信號的振幅；g為阻尼特征系數(shù)；fn為軸承的固有頻率。

在仿真信號中，取A=1，g=0.1，fn=500 Hz，采樣頻率fs=2 kHz，周期T=25 ms。實際測得的信號往往存在噪聲的干擾，故在信號中加入了高斯白噪聲，以達到仿真效果。

給出了無噪聲以及信噪比分別為1 dB和-5 dB的3組信號進行對比分析。對這3組信號進行EMD分解去除趨勢項后，分別繪制其功率譜、Hilbert包絡(luò)譜和Teager能量譜。軸承故障仿真信號時域波形圖如圖5所示，F(xiàn)FT頻譜圖如圖6所示，Hilbert包絡(luò)譜如圖7所示，Teager能量譜如圖8所示。

4 結(jié)束語

基于LabVIEW程序開發(fā)設(shè)計的大型旋轉(zhuǎn)設(shè)備在線監(jiān)測和故障診斷系統(tǒng)，可以實現(xiàn)對諸如電機及水泵等旋轉(zhuǎn)設(shè)備運行狀態(tài)參數(shù)的監(jiān)測、異常數(shù)據(jù)實時預(yù)警、波形分析和顯示、故障原因及維修處理意見等功能。利用Hilbert包絡(luò)譜、Teager能量算子、FFT分析對電機軸承振動信號進行振動分析，達到故障精密診斷的效果。經(jīng)過實際測試，該系統(tǒng)功能完善、界面友好、工作穩(wěn)定，可將其運用在冶金、電力、采礦等工程的設(shè)備監(jiān)測中。