譚 逸,馬 波,2,張強(qiáng)升

(1.北京化工大學(xué) 機(jī)電工程學(xué)院,北京 100029;2.北京化工大學(xué) 高端機(jī)械裝備健康監(jiān)控與自愈化北京市重點(diǎn)實(shí)驗(yàn)室,北京 100029;3.生態(tài)環(huán)境部 核與輻射安全中心,北京 100082)

0 引 言

當(dāng)前,旋轉(zhuǎn)機(jī)械被廣泛應(yīng)用于核電、石化和航空航天等領(lǐng)域[1]。

旋轉(zhuǎn)機(jī)械在發(fā)生故障時(shí),由于振動(dòng)過(guò)大激勵(lì)出明顯的聲音,其中含有大量的故障信息[2]。通常,在旋轉(zhuǎn)機(jī)械表面布置多個(gè)振動(dòng)傳感器,監(jiān)測(cè)設(shè)備的運(yùn)行狀態(tài)。但是該方法不適用于對(duì)高溫、高壓以及高腐蝕的環(huán)境下運(yùn)行的設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)[3]。

聲信號(hào)監(jiān)測(cè)通常采用非接觸式測(cè)量方式,即通過(guò)聲陣采集旋轉(zhuǎn)機(jī)械的聲音信號(hào),利用聲源定位方法識(shí)別故障源的空間位置。該方法具有較高的監(jiān)測(cè)效率和良好的工程應(yīng)用價(jià)值。由于聲陣信號(hào)來(lái)源廣泛,且其中包含故障聲信號(hào)和其他干擾信號(hào),從中確定含有故障信息的頻率范圍,對(duì)于準(zhǔn)確識(shí)別故障源的位置具有重大意義。

目前,許多學(xué)者基于聲陣技術(shù)開(kāi)展了機(jī)械設(shè)備的聲源定位方法研究。常用的聲源定位方法主要包括如下3種:時(shí)延估計(jì)方法[4]、高分辨率譜估計(jì)方法[5]和波束形成方法[6],具體分述如下:

(1)時(shí)延估計(jì)方法。針對(duì)時(shí)延估計(jì)方法中時(shí)延計(jì)算不準(zhǔn)確的問(wèn)題,劉志強(qiáng)等人[7]通過(guò)提高采樣率降低時(shí)延值的誤差,對(duì)鍋爐爐管的泄漏位置進(jìn)行了定位。ZHANG X等人[8]構(gòu)建了Teager能量譜峰度指標(biāo),以此來(lái)選取含有故障信息的子帶,實(shí)現(xiàn)了對(duì)帶式輸送機(jī)的故障源定位;但對(duì)于多故障情況下定位,該方法存在精度不足的問(wèn)題。時(shí)延估計(jì)方法僅適用于單聲源定位,其魯棒性較低,且極易受噪聲干擾,導(dǎo)致其時(shí)延提取不準(zhǔn)確,造成定位方程組無(wú)解或定位偏差較大;

(2)高分辨率譜估計(jì)方法。采用高分辨率譜估計(jì)方法對(duì)非平穩(wěn)信號(hào)進(jìn)行定位分析時(shí),需預(yù)先知道聲源的數(shù)目。薛先嶺等人[9]通過(guò)頻域數(shù)據(jù)模型的短時(shí)功率譜聯(lián)合對(duì)角化特性,對(duì)聲源位置進(jìn)行了估計(jì);但該方法對(duì)于低信噪比環(huán)境存在使用上的局限性。張楠等人[10]將多重信號(hào)分類(lèi)方法應(yīng)用于機(jī)車(chē)驅(qū)動(dòng)系統(tǒng)的故障軸承定位,并分析了陣列結(jié)構(gòu)參數(shù)對(duì)定位精度的影響。高分辨率譜估計(jì)方法計(jì)算量較大,在聲源數(shù)目不確定,且識(shí)別效率要求高的應(yīng)用場(chǎng)景不適用;

(3)波束形成方法。波束形成方法具有計(jì)算速度快、定位精度高和識(shí)別聲源多的優(yōu)點(diǎn)。譚龍龍等人[11]34-35通過(guò)頻譜分析確定了聲源信號(hào)的中心頻率,利用常規(guī)波束形成方法識(shí)別了離心壓縮機(jī)的聲源位置;但該方法對(duì)旁瓣抑制能力不足,聲源分辨率較低。張自嘉等人[12]對(duì)多種波束形成方法開(kāi)展了仿真實(shí)驗(yàn)研究,分析得到了自適應(yīng)波束形成方法;該方法較常規(guī)波束形成具有更好的旁瓣抑制效果,但缺乏實(shí)際的實(shí)驗(yàn)驗(yàn)證。翟春平等人[13]將最小均方無(wú)失真響應(yīng)(minimum variance distortion response, MVDR)方法應(yīng)用于艦船的噪聲源識(shí)別領(lǐng)域,人為選取了不同頻段的信號(hào),并進(jìn)行了定位實(shí)驗(yàn)分析,實(shí)驗(yàn)結(jié)果表明：低頻段噪聲源的定位精度明顯低于高頻段噪聲源,證明了自適應(yīng)波束形成方法更適用于高頻段聲源定位;但該方法在水下復(fù)雜聲場(chǎng)環(huán)境下,對(duì)于振動(dòng)耦合的噪聲源識(shí)別精度較低。

基于波束形成原理開(kāi)展的聲源定位研究雖然已取得了一定的成果,但僅通過(guò)專(zhuān)家經(jīng)驗(yàn)人為選擇一定頻率范圍的聲陣信號(hào),存在漏失目標(biāo)聲源信號(hào)的可能性,導(dǎo)致其定位不準(zhǔn)確。

在信號(hào)傳遞過(guò)程中,旋轉(zhuǎn)機(jī)械故障信號(hào)往往會(huì)被自身固有頻率調(diào)制至高頻段,該頻帶信號(hào)具有明顯的周期性沖擊特性。波束形成方法具有高頻段定位精度高的特點(diǎn),選取調(diào)制后的敏感特征頻帶進(jìn)行定位計(jì)算,可以獲得較好的定位效果。

由于不同故障頻帶信號(hào)之間存在明顯的差異性,對(duì)于旋轉(zhuǎn)機(jī)械故障源定位所需的頻帶范圍難以固定,因此,針對(duì)不同的故障類(lèi)型選取含有故障信息的敏感特征頻帶進(jìn)行定位分析尤為重要。

Protrugram方法最早由BARSZCZ T等人[14]提出,用于識(shí)別信號(hào)中具有最大沖擊特性的頻帶,在故障診斷領(lǐng)域得到了廣泛應(yīng)用。代蕩蕩等人[15]提出了一種Protrugram與小波變換結(jié)合的方法,成功確定了局部放電的沖擊脈沖信號(hào)所在頻帶,再利用小波降噪實(shí)現(xiàn)了對(duì)多類(lèi)噪聲的有效抑制。WANG Z等人[16]提出了通過(guò)Protrugram方法提取譜峰度熵,并結(jié)合機(jī)器學(xué)習(xí)方法,實(shí)現(xiàn)了對(duì)機(jī)車(chē)轉(zhuǎn)向架故障的診斷。DU J等人[17]利用Protugram方法,提取了反映軸承內(nèi)外圈故障特征的敏感特征頻帶,并結(jié)合Lempel-Ziv指標(biāo),實(shí)現(xiàn)了對(duì)軸承故障的定量趨勢(shì)診斷。

上述研究表明:Protrugram方法對(duì)于信號(hào)中的沖擊成分敏感程度高,可以精準(zhǔn)地識(shí)別具有沖擊特性的頻帶。

綜上所述,基于旋轉(zhuǎn)機(jī)械的故障特性,筆者利用Protrugram方法選擇敏感特征頻帶,采用MVDR方法,對(duì)位于高頻段的敏感頻帶信號(hào)進(jìn)行定位分析;同時(shí)設(shè)計(jì)故障模擬實(shí)驗(yàn),以驗(yàn)證該方法的有效性。

1 理論基礎(chǔ)

1.1 Protrugram方法

Protrugram方法是一種固定帶寬迭代搜索最大峭度頻帶中心頻率的計(jì)算方法。該方法的基本原理如下:

(1)在全頻帶范圍[0,F]內(nèi)確定搜索的頻帶帶寬BW、頻帶中心頻率CF的范圍和迭代搜索步長(zhǎng)step。其中,中心頻率CF范圍滿足公式:

CF=[BW/2∶step∶F-BW/2]

(1)

帶寬BW的設(shè)定應(yīng)保證頻帶中含有所需信息,帶寬較窄會(huì)導(dǎo)致所需信息漏失,帶寬過(guò)寬會(huì)出現(xiàn)含有較多干擾信息。迭代搜索步長(zhǎng)step會(huì)影響搜索的頻帶精度和搜索時(shí)間,迭代搜索步長(zhǎng)step不得超過(guò)帶寬BW,以確保能覆蓋整個(gè)頻帶。step越小,搜索的頻帶精度越高,搜索時(shí)間越長(zhǎng);

(2)以BW/2為初始中心頻率,對(duì)該頻帶信號(hào)進(jìn)行帶通濾波處理后,計(jì)算其包絡(luò)譜峭度;

(3)迭代搜索頻帶中心頻率CF,改變頻帶范圍,重復(fù)(2)中步驟,直至完成全頻帶的迭代搜索;

(4)確定最大峭度對(duì)應(yīng)的頻帶中心頻率,由此確定具有最大沖擊特性的頻帶范圍。

1.2 MVDR方法

MVDR方法通過(guò)施加線性約束抑制其他方向波束輸出,而來(lái)自期望方向的波束輸出不變,對(duì)最終得到的聲源功率進(jìn)行峰值搜索,最大峰值對(duì)應(yīng)位置即為目標(biāo)聲源位置。

該方法可以有效抑制其他干擾聲源引起的旁瓣,得到的主瓣較窄,因此,其聲源識(shí)別精度高。

假設(shè)一個(gè)線性陣列中包含有M個(gè)麥克風(fēng)傳感器,xi(t)表示第i個(gè)麥克風(fēng)傳感器接收到的信號(hào),可將M個(gè)麥克風(fēng)接收到的信號(hào)用矩陣來(lái)表示:

X(t)=[x1(t),x2(t),…,xM(t)]=A(τ)S(t)+N(t)

(2)

式中:A(τ)—聲陣接收到的聲音信號(hào)的導(dǎo)向矢量矩陣;S(t)—聲陣接收到的聲源信號(hào)向量矩陣;N(t)—噪聲信號(hào)矩陣。

A(τ)的表達(dá)式為:

A(τ)=[1,e-j·2πfτ1,…,e-j·2πfτM-1]T

(3)

式中:f—信號(hào)的頻率;τi—麥克風(fēng)傳感器之間接收信號(hào)的時(shí)延,i=1,2,…,M-1。

對(duì)接收到的信號(hào)進(jìn)行加權(quán)求和輸出,其計(jì)算公式如下:

(4)

式中:w—權(quán)矢量;wH—權(quán)矢量的共軛轉(zhuǎn)置。

經(jīng)計(jì)算得到的聲音信號(hào)的互譜矩陣為:

(5)

MVDR方法通過(guò)最小能量準(zhǔn)則來(lái)設(shè)計(jì)加權(quán)向量,需滿足如下2個(gè)條件:

(6)

經(jīng)計(jì)算得到的聲源功率為:

(7)

2 方法提出

筆者提出一種基于敏感特征頻帶的旋轉(zhuǎn)機(jī)械故障定位方法，即首先通過(guò)Protrugram方法識(shí)別含有故障信息的頻帶范圍,然后利用MVDR方法對(duì)頻帶范圍信號(hào)進(jìn)行處理,最后識(shí)別出各聲源的位置。

該方法包括選擇敏感特征頻帶、計(jì)算聲場(chǎng)分布和定位故障源3個(gè)部分,其具體的流程圖如圖1所示。

圖1 方法流程圖

2.1 敏感特征頻帶選擇

對(duì)M個(gè)通道采集的聲音信號(hào)X={x1,x2,…,xM}進(jìn)行帶通濾波處理,濾波范圍為B=[CF-BW/2,CF+BW/2];計(jì)算濾波后信號(hào)的包絡(luò)譜峭度,調(diào)整大小,完成全頻帶范圍的迭代搜索,得到所有頻帶的包絡(luò)譜峭度KU={ku1(B),ku2(B),…kuM(B),}。

考慮到軸承故障特征中可能包含有邊頻帶信號(hào),為了確保獲得的敏感特征頻帶包含轉(zhuǎn)子系統(tǒng)的大部分故障特征,筆者根據(jù)工程經(jīng)驗(yàn),使得帶寬BW為軸承內(nèi)圈故障頻率的3～5倍(一般取掃描步長(zhǎng)的整數(shù)倍[18])。由于要分別對(duì)聲陣中各傳感器測(cè)得信號(hào)進(jìn)行處理,從中搜索最大沖擊特性的頻帶,具有較大計(jì)算工作量,為了兼顧搜索精度和搜索時(shí)間,筆者設(shè)定step為100 Hz。

筆者確定各通道信號(hào)最大包絡(luò)譜峭度對(duì)應(yīng)的頻帶范圍{B1,B2,…,BM}。

由于聲陣中各傳感器間距較小,從各通道信號(hào)中獲得最大包絡(luò)譜峭度對(duì)應(yīng)的頻帶范圍波動(dòng)不大,因此,筆者選取出現(xiàn)頻次最多的頻帶B*作為敏感特征頻帶,分別從各通道信號(hào)中提取出B*,即:

B*=BFremax{B1,B2,…,BM}

(8)

2.2 聲場(chǎng)分布計(jì)算

根據(jù)旋轉(zhuǎn)機(jī)械的結(jié)構(gòu)尺寸大小,確定聲場(chǎng)中掃描平面soundxy范圍,即:

soundxy={(x,y)|x∈(xmin,xmax),y∈(ymin,ymax)}

(9)

式中:(x,y)—掃描平面內(nèi)的坐標(biāo)soundxy;(xmin,xmax)—x方向的坐標(biāo)范圍;(ymin,ymax)—y方向的坐標(biāo)范圍。

為了獲得較高的掃描精度,筆者設(shè)定掃描步長(zhǎng)為0.01 m。

由于B*帶寬較大,直接利用其中心頻率求取導(dǎo)向矢量,容易造成較大的誤差,筆者將B*劃分為多個(gè)較窄的子帶,分別計(jì)算導(dǎo)向矢量,以降低此誤差。但子帶帶寬小,則其中包含的有用信息也較少。因此,筆者將B*均勻劃分為K個(gè)子帶,設(shè)定子帶寬度為100 Hz[19,20],即:

B*={Band1,Band2,…BandK}

(10)

對(duì)各子帶信號(hào)進(jìn)行離散傅里葉變換,得到頻域信號(hào)Y:

Y={Y1,Y2,Y}

(11)

基于式(3),筆者以Y中各子帶的中心頻率進(jìn)行相位補(bǔ)償計(jì)算,得到掃描點(diǎn)處的導(dǎo)向矢量矩陣A(τ);

基于式(5),筆者計(jì)算Y中各子帶信號(hào)的互譜矩陣R;

基于式(7),分別求得各子帶信號(hào)的聲源功率PMVDR(i)(i=1,2,…,K),最后將其進(jìn)行累加,得到該點(diǎn)的聲源功率Pxy:

(12)

根據(jù)上述方法,筆者對(duì)掃描平面內(nèi)各點(diǎn)的聲源功率進(jìn)行計(jì)算,并遍歷整個(gè)掃描平面,得到該平面的聲場(chǎng)分布圖。

2.3 故障源定位

在聲場(chǎng)分布圖中,根據(jù)圖中峰值大小搜索得到聲源最大功率對(duì)應(yīng)坐標(biāo)(xPmax,yPmax),該坐標(biāo)即為故障源位置:

(xPmax,yPmax)={(x,y)|P=(Pxy)max}

(13)

將聲場(chǎng)分布圖的坐標(biāo)系Soundxy與攝像頭監(jiān)控畫(huà)面的坐標(biāo)系Viewxy進(jìn)行疊加處理,得到故障源定位可視化圖H:

H=Viewxy+Soundxy=

(14)

式中:Vxy—攝像頭監(jiān)控畫(huà)面各點(diǎn)的像素;Pxy—聲場(chǎng)中各掃描點(diǎn)對(duì)應(yīng)的功率。

3 實(shí)驗(yàn)及結(jié)果分析

為了驗(yàn)證該方法(選擇敏感特征頻帶、計(jì)算聲場(chǎng)分布和定位故障源)的定位效果,筆者通過(guò)轉(zhuǎn)子故障模擬實(shí)驗(yàn)臺(tái)進(jìn)行故障的模擬實(shí)驗(yàn),并將所得結(jié)果與采用文獻(xiàn)[11]34-35所用方法得到的結(jié)果進(jìn)行對(duì)比。

3.1 故障模擬實(shí)驗(yàn)臺(tái)簡(jiǎn)介

轉(zhuǎn)子故障模擬實(shí)驗(yàn)臺(tái)包括電機(jī)、變速箱、轉(zhuǎn)軸、聯(lián)軸器、平衡盤(pán)和軸承座等部件,如圖2所示。

圖2 轉(zhuǎn)子故障模擬實(shí)驗(yàn)臺(tái)

實(shí)驗(yàn)中測(cè)得的實(shí)驗(yàn)臺(tái)上各部件中心位置的坐標(biāo)(x,y),如表1所示。

表1 實(shí)驗(yàn)臺(tái)各部件中心坐標(biāo)

3.2 實(shí)驗(yàn)設(shè)計(jì)

筆者設(shè)計(jì)3組不同故障類(lèi)型的實(shí)驗(yàn),驗(yàn)證該方法在不同故障情況下的定位效果。

具體實(shí)驗(yàn)條件如表2所示。

表2 實(shí)驗(yàn)組數(shù)表

實(shí)驗(yàn)的采樣參數(shù)如表3所示。

表3 采樣參數(shù)表

對(duì)于軸承類(lèi)故障而言,由于現(xiàn)場(chǎng)實(shí)際的故障軸承難以獲得,此處筆者依據(jù)實(shí)際條件下軸承內(nèi)外圈發(fā)生斷裂(或疲勞剝落)后,滾子與其表面接觸產(chǎn)生周期性沖擊信號(hào)的機(jī)理,通過(guò)在正常軸承內(nèi)外圈上,以線切割的方式加工1 mm×0.5 mm的凹槽,進(jìn)行故障模擬。

模擬故障部件如圖3所示。

圖3 模擬故障部件

為了模擬實(shí)際的應(yīng)用條件,筆者將聲陣放置在正對(duì)實(shí)驗(yàn)臺(tái)1 m的位置。

聲陣中包含16個(gè)PCB 130F20麥克風(fēng)傳感器并裝有攝像頭,如圖4所示。

圖4 矩形聲陣及攝像頭

聲陣中各傳感器坐標(biāo)(x,y)如表4所示。

表4 聲陣各傳感器坐標(biāo)

3.3 實(shí)驗(yàn)過(guò)程及結(jié)果分析

首先,利用Protrugram方法提取出敏感特征頻帶信號(hào);然后,通過(guò)MVDR方法對(duì)敏感特征頻帶信號(hào)進(jìn)行分析,計(jì)算聲場(chǎng)分布,做出聲場(chǎng)分布圖;最后,將攝像頭監(jiān)控畫(huà)面與聲場(chǎng)分布圖結(jié)合,從中識(shí)別最大聲源位置,定位故障源位置。

3.3.1 敏感特征頻帶選擇

根據(jù)實(shí)驗(yàn)條件,計(jì)算得到內(nèi)圈故障軸承特征頻率為156 Hz,設(shè)定帶寬BW為800 Hz,頻帶中心頻率CF范圍為400 Hz～9 600 Hz。

筆者分別做出不同故障條件信號(hào)的頻帶包絡(luò)譜峭度圖,如圖5所示。

圖5 不同故障條件頻帶包絡(luò)譜峭度圖

對(duì)圖5進(jìn)行分析,可以得到3種不同故障類(lèi)型的敏感特征頻帶,如表5所示。

表5 不同故障類(lèi)型的敏感特征頻帶范圍

從表5中可以看出:3種不同故障類(lèi)型的敏感特征頻帶存在一定偏差;

軸承外圈故障與軸承內(nèi)圈故障的頻帶偏差較小,可能是由于更換軸承后再進(jìn)行裝配過(guò)程中的配合發(fā)生變化,導(dǎo)致得到的敏感特征頻帶發(fā)生偏移;

不平衡故障與軸承類(lèi)故障的敏感特征頻帶存在較大偏差,原因在于平衡盤(pán)上裝配有不平衡塊,不平衡趨勢(shì)傳遞至聯(lián)軸器,激勵(lì)產(chǎn)生明顯噪聲,該不平衡故障信號(hào)被聯(lián)軸器的固有頻率調(diào)制[21]。

3.3.2 聲場(chǎng)分布計(jì)算

根據(jù)實(shí)驗(yàn)臺(tái)結(jié)構(gòu)尺寸,筆者計(jì)算該平面內(nèi)的聲場(chǎng)分布,設(shè)置掃描平面Soundxy范圍如下:

Soundxy={(x,y)|x∈[0,1.4 m],

y∈[-0.7 m,-0.4 m]}

(15)

為了便于觀察聲源的功率大小,筆者以三維形式展示3種不同故障類(lèi)型的聲場(chǎng)分布圖,如圖6所示。

圖6 不同故障條件聲場(chǎng)分布圖

由圖6可知:經(jīng)搜索得到3種不同故障條件下聲源最大功率對(duì)應(yīng)坐標(biāo),該坐標(biāo)即為估計(jì)出的故障源所在位置。

3.3.3 故障源定位

3種不同故障源定位結(jié)果,其坐標(biāo)如表6所示。

表6 3種不同故障條件的故障源定位結(jié)果

筆者做出3種不同故障條件的定位可視化圖,如圖7所示。

圖7 不同故障條件定位可視化圖

從圖7(a)中可以看出:軸承外圈故障條件下的聲場(chǎng)中存在3個(gè)聲源,分別位于變速箱、靠近實(shí)驗(yàn)臺(tái)底部和2#軸承座位置;最大功率聲源位置靠近故障軸承處,故障源定位結(jié)果符合實(shí)驗(yàn)條件;在變速箱處存在功率較小的聲源,是由于變速箱在正常運(yùn)行過(guò)程中齒輪間嚙合運(yùn)轉(zhuǎn)產(chǎn)生的聲音,與實(shí)際實(shí)驗(yàn)情況相符;在靠近實(shí)驗(yàn)臺(tái)底部存在聲源,可能是由于噪聲傳遞至實(shí)驗(yàn)臺(tái)底部發(fā)生反射或其他氣動(dòng)性噪聲;

從圖7(b)可以觀察到:軸承內(nèi)圈故障條件下的聲場(chǎng)中存在2個(gè)聲源,聲源最大功率位置對(duì)應(yīng)故障軸承處,說(shuō)明軸承發(fā)生故障,還存在由經(jīng)實(shí)驗(yàn)臺(tái)底部反射的噪聲或氣動(dòng)性噪聲;

從圖7(c)中可以觀察到:不平衡故障條件的聲場(chǎng)中存在1個(gè)明顯的聲源,該聲源中心位于靠近聯(lián)軸器位置,由此認(rèn)為聯(lián)軸器處存在故障。與軸承類(lèi)故障的聲源主瓣寬度相比,不平衡故障聲源主瓣寬度明顯更大,這是由于波束形成方法在低頻段定位分辨率較低。

當(dāng)轉(zhuǎn)軸發(fā)生不平衡時(shí),不平衡趨勢(shì)也會(huì)傳遞至1#軸承座和2#軸承座位置,激勵(lì)產(chǎn)生噪聲,為了輔助驗(yàn)證該定位方法的準(zhǔn)確性,結(jié)合軸承發(fā)生故障時(shí)敏感特征頻帶范圍在6 000 Hz～7 500 Hz內(nèi)波動(dòng)的特點(diǎn),筆者對(duì)不平衡故障條件6 000 Hz～7 500 Hz頻段的信號(hào)進(jìn)行定位計(jì)算,并做出其聲場(chǎng)分布圖及定位可視化圖,如圖8所示。

圖8 不平衡故障信號(hào)6 000 Hz～7 500 Hz定位結(jié)果圖

從圖8中可以觀察到:聲場(chǎng)中存在4個(gè)聲源,分別位于電機(jī)、變速箱、1#軸承座和2#軸承座位置,且變速箱和電機(jī)在正常運(yùn)行過(guò)程中存在噪聲,變速箱噪聲較大,電機(jī)噪聲較小,符合實(shí)際實(shí)驗(yàn)情況;

靠近兩軸承座位置存在聲源,說(shuō)明軸承座位置有故障,兩軸承座到平衡盤(pán)的距離相同,產(chǎn)生不平衡趨勢(shì)相近,因此,聲源功率大小相差不大。兩軸承座的聲源功率小于變速箱位置的聲源功率,可能是因?yàn)椴黄胶廒厔?shì)不明顯,導(dǎo)致在軸承座位置產(chǎn)生的激勵(lì)較小。

上述結(jié)果進(jìn)一步驗(yàn)證了定位方法的準(zhǔn)確性。但是對(duì)于不平衡故障而言,利用軸承故障敏感特征頻帶進(jìn)行定位分析,會(huì)導(dǎo)致識(shí)別結(jié)果中出現(xiàn)過(guò)多聲源,較難區(qū)分出主要故障源位置,容易和軸承類(lèi)故障混淆;而直接對(duì)沖擊更明顯的不平衡故障敏感特征頻帶進(jìn)行分析,則更易識(shí)別出不平衡故障位置。

3.4 方法對(duì)比分析

筆者對(duì)采用新方法和對(duì)比方法所獲得的定位結(jié)果進(jìn)行,如表7所示。

表7 故障源定位結(jié)果表

從表7中可以看出:筆者所提出方法得到的x方向和y方向誤差均不超過(guò)0.10 m;對(duì)比方法在x方向和y方向的定位誤差均大于0.15 m。

通過(guò)上述實(shí)驗(yàn)結(jié)果可知:筆者所提方法的定位誤差明顯小于對(duì)比方法,定位效果更好。

該方法依據(jù)旋轉(zhuǎn)機(jī)械的故障特性,準(zhǔn)確選取了含有故障信息,且位于高頻段的敏感特征頻帶,通過(guò)對(duì)該頻帶信號(hào)進(jìn)行定位分析,準(zhǔn)確識(shí)別出主要故障源位置,解決了僅依據(jù)專(zhuān)家經(jīng)驗(yàn)選取一定頻率范圍信號(hào),導(dǎo)致故障信息漏失、故障源定位誤差較大的問(wèn)題。同時(shí),該方法還能識(shí)別出故障特征頻率位于低頻段的故障源,以免直接對(duì)全頻帶信號(hào)進(jìn)行分析,帶來(lái)定位精度低,且干擾聲源多的問(wèn)題。

此外,該方法通過(guò)線性約束有效抑制了旁瓣干擾,構(gòu)建了更為清晰的聲場(chǎng),具有更好的故障源識(shí)別效果。

上述實(shí)驗(yàn)結(jié)果及分析表明:筆者所提方法合理利用了波束形成方法中,高頻段定位精度高的優(yōu)勢(shì),可以有效地識(shí)別故障源的位置,具有較高的定位精度。

4 結(jié)束語(yǔ)

在基于聲陣的旋轉(zhuǎn)機(jī)械故障監(jiān)測(cè)過(guò)程中,存在故障源定位不準(zhǔn)確的問(wèn)題,為此,筆者提出了一種基于敏感特征頻帶的旋轉(zhuǎn)機(jī)械故障源定位方法。

筆者首先采用Protrugram方法,提取了敏感特征頻帶信號(hào),然后利用MVDR方法計(jì)算了聲場(chǎng)分布,并確定了故障源位置,最后設(shè)計(jì)了故障模擬實(shí)驗(yàn),對(duì)該方法的可行性進(jìn)行了驗(yàn)證。

研究結(jié)論如下:

(1)選取旋轉(zhuǎn)機(jī)械故障聲信號(hào)中調(diào)制后的高頻敏感特征頻帶信號(hào)進(jìn)行了定位分析,對(duì)于故障特征頻率位于低頻段的故障源,該方法可以有效識(shí)別故障源位置,實(shí)現(xiàn)了故障源定位的可視化;

(2)針對(duì)旋轉(zhuǎn)機(jī)械故障特性,選取含有目標(biāo)信息的頻帶進(jìn)行了定位分析,對(duì)于其他類(lèi)型機(jī)械故障源定位具有一定的借鑒意義。

在后續(xù)研究中,筆者將在實(shí)際運(yùn)行工況下,驗(yàn)證所提出方法在泵、風(fēng)機(jī)等較為復(fù)雜結(jié)構(gòu)機(jī)械中的定位效果,并通過(guò)多組數(shù)據(jù)的定位分析,以此來(lái)排除由于環(huán)境和工況等因素所引起的短時(shí)隨機(jī)性異響干擾。