黃 勇 鄧英媛

(1、四川海納恒太科技工程有限公司,四川 成都 610045 2、四川新財印務(wù)有限公司,四川 成都 610041)

印刷機在運行一段時間后,墨輥等零部件容易發(fā)生故障,進而導(dǎo)致印刷品色度不均勻、成品質(zhì)量差。由于墨輥位置比較隱蔽,給日常檢修帶來了較大的難度?；诼犛X模型的印刷機故障診斷,是利用傳感器采集墨輥運行時的聲音信號,然后經(jīng)過信號預(yù)處理、分類降噪、綜合分析之后,可以準(zhǔn)確地診斷是否存在故障,以及識別故障的具體類型,從而為開展印刷機的維修提供了參考。在印刷機結(jié)構(gòu)組成日益精密的背景下,推廣使用基于聽覺模型的故障診斷技術(shù)對保障印刷機可靠運行有積極幫助。

1 聽覺模型的構(gòu)建與驗證

1.1 選擇濾波器

對于采集到的原始數(shù)據(jù)首先利用矩形窗進行處理,可以得到相應(yīng)頻率段的聲音信號。再使用濾波器對這些聲音信號做進一步的濾波處理,其目的是縮小帶通頻率范圍,從而進一步提高故障診斷結(jié)果的精確性。因此,濾波器的選擇是否得當(dāng),將會直接影響到印刷機故障診斷結(jié)果的正確率。本文中主要使用了三種濾波器：第一種是ChebyshevII 原型濾波器,它可以適用于100-2000MHz的帶通頻率范圍,經(jīng)過該濾波器的處理后可以將原始聲音信號的頻率變得非常窄,通?？梢赃_到100Hz 以內(nèi)。第二種是帶通模擬濾波器,可以使用脈沖響應(yīng)不變法,對模擬信號做相應(yīng)的模擬離散化處理。第三種是IIR 數(shù)字濾波器,它可以適用于0-100Hz 的帶通頻率范圍,在最終的故障確診時利用該濾波器可以將帶通頻率的帶寬縮小至4Hz 以內(nèi),從而大幅度提高了診斷結(jié)果的正確率。本文所用3 種濾波器的選擇和設(shè)置如圖1 所示。

圖1 濾波器的設(shè)置流程圖

IIR 數(shù)字濾波器本質(zhì)上是一個具有雙極點的數(shù)字諧振器。其中,兩個極點的共軛極值為re±jω。r 表示濾波器的特性幅值,取值范圍為[0,1],當(dāng)頻率值為ω 時,濾波器的特性幅值最大,此時在當(dāng)前頻率下出現(xiàn)共振現(xiàn)象。

1.2 設(shè)計聽覺模型

適用于故障頻率識別的聽覺模型設(shè)計路線如圖2所示。

圖2 聽覺模型的設(shè)計流程圖

結(jié)合圖2,聽覺模型的設(shè)計要點如下：首先采集聲音信號測試點的數(shù)值,按照工況的不同又可分為兩種形式,即正常工況下的聲音信號以及故障工況下的聲音信號。使用矩形窗函數(shù)對所得的數(shù)據(jù)做降噪處理,然后將去噪后的聲音信號再做傅里葉變換,最終得到頻域范圍在[0,f]的聲音信號。然后再將該頻域范圍進行均分,得到n 個頻帶,把聲音信號依次通過1～n 號濾波器,計算濾波器的帶通頻率。其中,第n 號濾波器的帶通頻率可表示為：

(n-1)*(f/m)～n*(f/m)

在此基礎(chǔ)上,分別求得各個頻帶的倒頻譜系數(shù),并將其作為印刷機聲音信號的特征值。運用Fisher 比率法求得各個頻帶的故障貢獻率Fm,以及故障貢獻率最高的濾波器i,求解i 號濾波器的帶通頻率,即：

(i-1)*(f/m)～i*(f/m)

按照同樣的方法,再將(i-1)*(f/m)～i*(f/m)均分成p 個頻帶,并求出故障貢獻率最大的濾波器i1,以及其帶通頻率,即：

(i1-1)*f/mn～i1*f/min

以此類推,將頻帶不斷進行劃分,縮小其頻率范圍。一直到計算得到的頻率范圍≤設(shè)定的帶寬后,即可停止劃分,此時所得的故障診斷結(jié)果可以很好地滿足精度要求。

2 基于聽覺模型的印刷機故障診斷實驗

2.1 實驗方案設(shè)計

墨輥是印刷機的重要組成零件,而墨輥能否正常運行將直接影響印刷品的質(zhì)量,本次實驗以印刷機的墨輥作為研究對象,驗證基于聽覺模型的故障診斷表現(xiàn)。實驗的大體流程如下：首先利用傳感器采集印刷機墨輥運行時的聲音信號,然后利用濾波器、放大器等裝置,對聲音信號做濾波、放大、降噪等預(yù)處理。將處理后的聲音信號輸入到聽覺模型中,可以得到關(guān)于墨輥聲音信號各頻帶的特征值。在提取特征值的基礎(chǔ)上,使用支持向量機分析墨輥的運行工況,完成故障識別與分類。

本次實驗中使用到的設(shè)備為惠普DesignJet T650 型印刷機,1 套Lms Scadas 數(shù)據(jù)采集系統(tǒng),該系統(tǒng)的硬件部分包括多個傳感器,用于采集印刷機墨輥在4 種工況下的聲音信號,工況1 為正常狀態(tài),工況2 為墨輥滾動軸承內(nèi)圈故障、工況3 為墨輥滾動軸承外圈故障、工況4 為墨輥滾動軸承內(nèi)外圈混合故障。人為制造軸承故障,故障寬度為0.8mm,深度為0.5mm。該系統(tǒng)的軟件部分提供了數(shù)據(jù)預(yù)處理、數(shù)據(jù)集成、數(shù)據(jù)分析等多款工具,可以實現(xiàn)對前端反饋數(shù)據(jù)的快速、精確處理。

2.2 印刷機墨輥軸承聲音信號的特征值

2.2.1 聲音信號的采集與處理

實驗開始后,通過印刷機的控制面板將墨輥轉(zhuǎn)速調(diào)節(jié)至150r/min,分別采集墨輥4 種工況下的聲音信號。根據(jù)設(shè)備說明書可知,當(dāng)墨輥轉(zhuǎn)速達到120r/min 以上時,印刷機核心工作機構(gòu)的頻率≤500Hz。同時,根據(jù)采樣定理可知,只有實際采樣頻率達到或超過信號的最大頻率時,才能保證采樣真實反映原始信號。因此在本次實驗中將采樣頻率設(shè)定為600Hz。除此之外,在實際采集信號的過程中,還會受到不同程度的噪聲干擾。為降低噪聲干擾,在軟件處理中選擇了矩形窗函數(shù),基于該函數(shù)的去噪方法為：首先設(shè)定矩形窗函數(shù)的帶同頻率,其頻率范圍區(qū)間[0,500],把除噪后的聲音信號做時序分析,再將時域信息用快速傅里葉變換處理得到頻率信息。將0-500Hz 頻帶進行均分,得到5 個帶寬均為100Hz 的濾波器,并以此標(biāo)記序號為1#、2#、3#、4#、5#,分別得到5個濾波器在各個頻帶上的頻域信息。

2.2.2 基于聲音信號的聽覺模型參數(shù)設(shè)置

利用上文設(shè)計的聽覺模型從完成預(yù)處理的聲音信號中提取特征值,結(jié)果如表1 所示。

表1 印刷機正常狀態(tài)與故障狀態(tài)下濾波器的特征值

對表1 中的特征值,用Fisher 比率法進行處理,可以得到聲音信號通過每一組濾波器,各頻帶的故障貢獻率,繪制柱狀圖如圖3 所示。

圖3 1-5#濾波器通帶頻率故障貢獻率柱狀圖

根據(jù)圖3 可知,1# 濾波器的故障貢獻率達到了0.76,明顯超出另外4 臺濾波器。說明在印刷機墨輥處于故障狀態(tài)時,聲音信號的故障信息集中在1#濾波器,即頻率0-100Hz 之間。進一步地,將該頻帶再均勻劃分成5個帶寬為20Hz 的頻帶,仍然使用5 臺濾波器(記為6#、7#、8#、9#、10#)處理墨輥在正常工況和3 種故障工況下的聲音信號,求出各頻帶的頻域信息。按照相同的方法,計算通帶頻率故障貢獻率,結(jié)果發(fā)現(xiàn),聲音信號的故障信息集中在6#濾波器,即頻率0-20Hz 之間。按照上述方法進一步縮小濾波器的通帶頻率范圍,最終確定印刷機墨輥軸承故障頻率在4-8Hz 之間。

2.2.3 聲音信號特征值的提取

提取聲音信號的特征值,然后再使用支持向量機對印刷機墨輥進行狀態(tài)分類、故障識別,是實現(xiàn)故障診斷的關(guān)鍵。使印刷機在4種工況下分別運行200s,設(shè)定采樣時間為2s,每種工況下采集樣本數(shù)量為100 個,單個樣本中包含30000 個數(shù)據(jù)點。印刷機墨輥聲音信號的特征值提取方式為：將收集到的聲音信號輸入到聽覺模型中。在該模型中首選利用矩形窗函數(shù)縮小通帶頻率范圍,將其限定在濾波器分布密集的0-20Hz 以內(nèi)。然后再運用傅里葉變換得到該頻率范圍內(nèi)所有聲音信號的頻域信息。在頻譜分析的基礎(chǔ)上,獲得印刷機墨輥聲音信號的能量譜,對該能量譜做倒倒頻譜變換后得到倒頻譜信息。最后,利用各頻帶的倒頻譜系數(shù)作為聲音信號的特征值。

在提取特征值的基礎(chǔ)上,還要利用獲取的樣本數(shù)據(jù)進行聽覺模型的訓(xùn)練,從而進一步提高故障診斷結(jié)果的精度。模型訓(xùn)練方法為：確定一個包含20 個樣本的訓(xùn)練集,每個樣本的特征值是是15 維的向量值。用i 表示故障類型,其中i=0 表示正常工況,i=1、2、3分別表示3 種故障狀態(tài)。按照上文所述方法求解特征值,可以分別得到4 種工況下印刷機墨輥聲音信號訓(xùn)練集20 個樣本的特征值。在聽覺模型中引入一個調(diào)節(jié)系數(shù)(λ),通過改變λ 的大小,讓印刷機墨輥在正常工況下各個頻帶的特征值集中在10 左右,確保濾波器處特征值平穩(wěn)無沖擊。按照同樣的處理方式,分別使故障狀態(tài)1 的特征值集中在15 左右,故障狀態(tài)2 的特征值集中在20 左右,故障狀態(tài)3 的特征值集中在25 左右。

2.3 實驗結(jié)果分析

從實際應(yīng)用效果來看,支持向量機在樣本數(shù)量較少的非線性數(shù)據(jù)處理中具有處理速度快、分析結(jié)果精度高等一系列優(yōu)勢。支持向量機的工作原理如圖4 所示。

圖4 支持向量機的工作原理

結(jié)合圖4 可知,基于測試故障數(shù)據(jù)就那些聽覺模型訓(xùn)練,在支持向量機(SVM)參數(shù)調(diào)節(jié)、結(jié)果驗證、故障分類的基礎(chǔ)上,能夠準(zhǔn)確識別出印刷機墨輥的故障類型。在本次實驗中,每一種工況下共有100 個樣本,其中包括80 個測試組樣本,20 個訓(xùn)練組樣本。在80 個測試組樣本中,正常工況下的誤判數(shù)為9 個,故障診斷正確率為88.75%；內(nèi)圈故障下誤判數(shù)為18 個,故障診斷正確率為77.5%；外圈故障下誤判數(shù)為17 個,故障診斷正確率78.75%；內(nèi)外圈混合故障下誤判數(shù)為20,故障診斷正確率為75%。綜合來看,平均診斷正確率為80%。除此之外,還利用支持向量機對印刷機墨輥故障診斷結(jié)果進行了分類,具體結(jié)果如圖5 所示。

圖5 支持向量機對印刷機故障診斷的分類結(jié)果

結(jié)合圖5 可知,支持向量機對4 種故障的分類十分明顯,不僅可以準(zhǔn)確判別印刷機墨輥當(dāng)前運行下是否存在異常狀態(tài),而且還能根據(jù)異常狀態(tài)準(zhǔn)確診斷出具體的故障類型,為設(shè)備管理人員及時做好印刷機故障維修處理提供了必要的參考。

3 結(jié)論

印刷機墨輥的運行工況通過影響出墨均勻度,進而對印刷品的質(zhì)量產(chǎn)生了決定性的影響。同時墨輥也是印刷機零部件中故障發(fā)生率較高的部位之一,因此在印刷機使用過程中做好墨輥故障診斷尤為重要。由于墨輥在出現(xiàn)故障時多表現(xiàn)為異常響動,因此本文提出了一種基于聽覺模型的印刷機墨輥故障診斷技術(shù)。從實驗效果來看,基于聽覺模型的故障診斷系統(tǒng)可以在采集、處理、分析聲音信號的基礎(chǔ)上,通過提取特征值并用支持向量機診斷識別,精確地判斷印刷機墨輥故障,為設(shè)備管理人員及時了解問題所在,進而開展針對性的維修,保障印刷機的可靠運行。