基于小波包分解的能量特征提取在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究

于 波 徐雪嬌 鄭 聽

(東北石油大學(xué)電子科學(xué)學(xué)院，黑龍江 大慶 163318)

基于小波包分解的能量特征提取在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究

于 波 徐雪嬌 鄭 聽

(東北石油大學(xué)電子科學(xué)學(xué)院，黑龍江 大慶 163318)

針對旋轉(zhuǎn)機(jī)械的故障診斷問題，結(jié)合LabVIEW和Matlab兩種軟件的優(yōu)點(diǎn),設(shè)計了旋轉(zhuǎn)機(jī)械振動測試系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了振動信號的讀取、分析與存儲，利用小波包函數(shù)對振動信號進(jìn)行分解，求出各頻段的能量值，并把能量值作為故障信息的特征向量進(jìn)行特征提取，進(jìn)而有效地進(jìn)行故障信息的模式識別。

故障診斷 旋轉(zhuǎn)機(jī)械 小波包分析 特征提取

大型旋轉(zhuǎn)機(jī)械是石油化工等重要工業(yè)領(lǐng)域中關(guān)鍵的動力設(shè)備，如今在更多的領(lǐng)域都有著廣泛的應(yīng)用。轉(zhuǎn)子系統(tǒng)和軸承是大型旋轉(zhuǎn)機(jī)械中極為關(guān)鍵的兩個部件，由于轉(zhuǎn)子系統(tǒng)和軸承長時間處于高速運(yùn)轉(zhuǎn)和高負(fù)荷運(yùn)行的狀態(tài)，所以極易出現(xiàn)機(jī)械故障[1，2]。振動信號含有豐富的旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)信息，但在實(shí)測振動數(shù)據(jù)分析過程中仍然會遇到許多問題[3]。筆者主要介紹自行研發(fā)的旋轉(zhuǎn)機(jī)械振動監(jiān)測系統(tǒng)，該系統(tǒng)不僅可以對振動信號進(jìn)行頻譜分析，而且利用小波包分解對振動信號進(jìn)行特征提取，彌補(bǔ)了頻譜分析對非線性振動信號故障特征提取的不足，并且通過小波包分解后各頻帶的不同能量值，利用模式識別方法對不同的故障類型進(jìn)行模式識別，進(jìn)而可以確定旋轉(zhuǎn)機(jī)械的各種故障類型。

1 基于小波包的故障特征提取①

1.1 小波包變換

小波包變換是在多分辨率分析基礎(chǔ)上構(gòu)成的一種更為精細(xì)的正交分解方法，它在全頻帶內(nèi)對信號進(jìn)行多層次的頻帶劃分[4]。小波包分析是小波分析的一種延伸，它可以將頻帶進(jìn)行多層次劃分，對高頻部分進(jìn)行進(jìn)一步分解，將原信號的頻率范圍平均分為2i個大小相等的頻段，如果分解層數(shù)足夠多，就可以使頻率差距較小且頻率較低的頻率分別落在不同的頻段內(nèi)，進(jìn)而可以更精確地分析信號，解決了小波分析在高頻部分分辨率低的缺陷。小波包變換建立在小波變換的基礎(chǔ)上，其定義為[5，6]：

其中，φn表示原信號序列，h0(k)和h1(k)分別表示長度為2N的低通濾波器和高通濾波器。每進(jìn)行一次分解得到的低頻和高頻兩個序列都要再進(jìn)行分解，每分解一次，各頻段的數(shù)據(jù)量減半。

小波包的分解算法為：

小波包重構(gòu)算法為：

1.2小波包分析特征提取

在旋轉(zhuǎn)機(jī)械出現(xiàn)故障的情況下，振動信號在某個頻段內(nèi)的能量減少，從而使得其他頻段內(nèi)的信號能量增加，可知各個頻段內(nèi)的信號能量包含了大量的故障信息，因此,可以建立振動信號各頻段的能量信息與故障信息之間的映射關(guān)系，進(jìn)而識別故障類型。

首先，對振動信號進(jìn)行小波包分解：

wpt=wpdec(data,3,′db1′,′shannon′)

以上程序為小波包分解提取的第3層從低頻到高頻8個頻率成分的信號特征。data表示原振動信號，3代表分解的層數(shù)，db1表示分解信號時所采用的小波函數(shù)，shannon表示所采用的熵標(biāo)準(zhǔn)。

其次，對三層小波包分解系數(shù)進(jìn)行重構(gòu)：

s130=wprcoef(wpt,[3,0])

s131=wprcoef(wpt,[3,1])

s132=wprcoef(wpt,[3,2])

s133=wprcoef(wpt,[3,3])

s134=wprcoef(wpt,[3,4])

s135=wprcoef(wpt,[3,5])

s136=wprcoef(wpt,[3,6])

s137=wprcoef(wpt,[3,7])

wpt表示被重構(gòu)的信號，[3,0]表示所重構(gòu)的節(jié)點(diǎn)。

最后，求信號各頻帶的能量和，即總能量，并且構(gòu)造特征向量：

e=wenergy(wpt);

E=zeros(1,length(e));

for i=1:2^3

E(i)=sum(abs(wprcoef(wpt,[3,i-1])).^2);

end

E_total=sum(E);

for i=1:2^3

E(i)=E(i)/E_total;

end

其中，E_total表示各頻帶信號的總能量，E[i]表示歸一化的特征向量。

2 系統(tǒng)設(shè)計與實(shí)驗

利用LabVIEW虛擬儀器設(shè)計一個旋轉(zhuǎn)機(jī)械振動測試系統(tǒng)來實(shí)現(xiàn)振動信號的采集、分析與處理,振動測試系統(tǒng)流程如圖1所示。

圖1 振動測試系統(tǒng)流程

系統(tǒng)以計算機(jī)作為硬件基礎(chǔ)，以LabVIEW和Matlab兩種編程軟件作為軟件開發(fā)平臺[7]。

2.1數(shù)據(jù)的采集、分析與處理

LabVIEW中提供了一系列使用Windows底層函數(shù)編寫的與聲卡有關(guān)的函數(shù)，利用這些函數(shù)可以方便地采用LabVIEW構(gòu)建基于聲卡的虛擬儀器。聲卡采集到的振動信號伴有很多噪聲干擾，在進(jìn)行頻譜分析之前必須濾除干擾信號。振動測試系統(tǒng)利用橢圓濾波器來濾除干擾信號。

頻域分析是以輸入信號的頻率為變量，在頻率域里研究系統(tǒng)的結(jié)構(gòu)參數(shù)與性能的關(guān)系，揭示信號內(nèi)在的頻率特性和信號時間特性與其頻率特性之間的密切關(guān)系，經(jīng)過快速傅里葉變換后，進(jìn)行頻譜分析。快速傅里葉變換是離散傅里葉變換的快速算法。

2.2小波包分解

在LabVIEW中調(diào)用Matlab節(jié)點(diǎn)來實(shí)現(xiàn)上述小波包三層分解程序，節(jié)點(diǎn)調(diào)用程序如圖2所示，s130～s137分別顯示8個頻段的頻譜圖，能量1～8分別表示求出的8個頻段的能量值。

圖2 小波包函數(shù)在LabVIEW中的節(jié)點(diǎn)調(diào)用程序

2.3系統(tǒng)總體設(shè)計的實(shí)現(xiàn)

將各個功能模塊有效地組合到一起就構(gòu)成了振動測試系統(tǒng)的基本程序框圖。通過測試數(shù)據(jù)來調(diào)試程序，使程序更加完善。完成程序的設(shè)計之后對前面板進(jìn)行排版美化，前面板如圖3所示。

圖3 振動測試系統(tǒng)前面板

2.4實(shí)驗結(jié)果分析

實(shí)驗中分別檢測了3種故障：轉(zhuǎn)子不平衡、動靜碰磨和油膜渦動。將3種故障的振動信號通過LabVIEW平臺上的振動測試系統(tǒng)讀取出來并觀察其頻譜特征，再通過LabVIEW調(diào)用Matlab中的小波包分析函數(shù)，分別對這3種故障的振動信號進(jìn)行三層小波包分解，將信號平分成由低到高的8個子頻帶，求出各頻帶信號的總能量，構(gòu)造特征向量，經(jīng)過歸一化處理后得到能量直方圖。

轉(zhuǎn)子不平衡主要是由于轉(zhuǎn)子的結(jié)構(gòu)設(shè)計不合理、機(jī)械工作時間過長而造成的磨損腐蝕，其頻譜圖如圖4所示，主要表現(xiàn)為一倍頻振幅大，出現(xiàn)較小的高次諧波，整個頻譜圖呈“縱樹狀”。對此振動信號進(jìn)行特征提取后，轉(zhuǎn)子不平衡的8個頻段的能量直方圖如圖5所示。

圖4 轉(zhuǎn)子不平衡頻譜圖

圖5 轉(zhuǎn)子不平衡能量直方圖

動靜碰磨的頻譜圖如圖6所示，主要表現(xiàn)為振動信號既有一倍頻、二倍頻、三倍頻、四倍頻成分，又有大于五倍頻的高頻成分。對此振動信號進(jìn)行特征提取后，動靜碰磨的8個頻段的能量直方圖如圖7所示。

圖6 動靜碰磨頻譜圖

圖7 動靜碰磨能量直方圖

油膜渦動的頻譜圖如圖8所示，主要表現(xiàn)為振動的最大頻率出現(xiàn)在基頻二分之一左右的頻率上。對此振動信號進(jìn)行特征提取后，油膜渦動的8個頻段的能量直方圖如圖9所示。

圖8 油膜渦動頻譜圖

圖9 油膜渦動能量直方圖

由于信號經(jīng)小波包變換后的能量與原信號能量是等價的，并且旋轉(zhuǎn)機(jī)械不同故障狀態(tài)下的振動信號具有較大的差異，對應(yīng)小波包分解后各頻帶的能量也不相同，所以根據(jù)上述實(shí)驗得到的不同故障信號8個頻帶的能量值可以作為故障診斷的特征向量，將故障特征作為支持向量機(jī)的輸入向量，進(jìn)而對大量的故障信息進(jìn)行故障識別。

3 結(jié)束語

結(jié)合小波包能量特征提取的思想，以LabVIEW作為開發(fā)平臺，設(shè)計了旋轉(zhuǎn)機(jī)械振動測試系統(tǒng)，并且利用LabVIEW對Matlab節(jié)點(diǎn)調(diào)用的功能，在程序中直接調(diào)用Matlab中的小波包分解函數(shù)，通過小波包分解后的不同子頻帶的能量特征來診斷旋轉(zhuǎn)機(jī)械的不同故障類型。該系統(tǒng)的創(chuàng)新之處是將虛擬儀器的思想與旋轉(zhuǎn)機(jī)械故障診斷相結(jié)合，在旋轉(zhuǎn)機(jī)械振動測試系統(tǒng)中，實(shí)現(xiàn)振動信號的采集、分析與處理，觀察振動信號的時域波形和頻譜圖，并且能夠得到故障信號各頻段的能量特征，將小波包分析與能量特征提取在虛擬儀器的平臺上很好地結(jié)合起來，為故障模式識別提供了有效的方法，更有利于對現(xiàn)場數(shù)據(jù)進(jìn)行故障診斷。

[1] 費(fèi)成巍,白光忱,李曉穎.基于過程功率譜熵SVM的轉(zhuǎn)子振動故障診斷方法[J].推進(jìn)技術(shù)，2012, 33(2): 293～298.

[2] 陳虹微.旋轉(zhuǎn)機(jī)械振動特征及診斷方法[J].噪聲與振動控制, 2009, 29(1): 134～136.

[3] 趙海峰,楊國斌.基于振動信號的深溝球軸承滾動體故障診斷研究[J].化工機(jī)械，2014,41(3):291～295.

[4] 陳季云,李娟.基于小波包-支持向量機(jī)的滾動軸承故障診斷[J].化工自動化及儀表，2010,37(9):50～52.

[5] 藏玉萍,張德江,王維正.小波分層閾值降噪法及其在發(fā)動機(jī)振動信號分析中的應(yīng)用[J].振動與沖擊, 2009, 28(8): 57～60.

[6] Yuan L F, He Y G, Huang J Y, et al. A New Neural-network-based Fault Diagnosis Approach for Analog Circuits by Using Kurtosis and Entropy as a Preprocessor[J].IEEE Transactions on Instrumentation and Measurement,2010,59(3):586～595.

[7] 盛兆順,尹琦嶺.設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)及應(yīng)用[M].北京:化學(xué)工業(yè)出版社,2003.

(Continued from Page 1055)

AbstractThe new thermal conductivity detector(TCD) was adopted in the experiment where the clean air, high-purity air and high-purity nitrogen were dissolved in the transformer oil to test on-line monitoring device.The results show that, the high-purity nitrogen is ideal carrier gas and in areas where high-purity nitrogen can be obtained easily, it has lower cost and higher practicability.

Keywordstransformer, gases dissolved in transformer oil, on-line monitoring, applicable carrier gas, TCD

ApplicationResearchonWaveletPacket-basedEnergyFeatureExtractionforFaultDiagnosisofRotatingMachinery

YU Bo, XU Xue-jiao, ZHENG Ting

(CollegeofElectronicScience,NortheastPetroleumUniversity,Daqing163318,China)

Aiming at the fault diagnosis of rotating machinery, having advantages of LabVIEW and Matlab considered to design a testing system for the rotating machinery was implemented.This system can realize the reading, analysis and storage of vibration signals; and it can make use of wavelet packet function to decompose the vibration signals and obtain the energy value of every frequency band and then have these energy values taken as features vector of fault information to extract their energy feature.This system can implement mode recognition of fault information.

fault diagnosis, rotating machinery, wavelet packets analysis, feature extraction

TH165+.3

A

1000-3932(2016)10-1056-04

2016-08-12(修改稿)