信號(hào)特征提取方法在球磨機(jī)故障診斷中的應(yīng)用?

李名莉 焦欣欣

（河南工業(yè)職業(yè)技術(shù)學(xué)院機(jī)電自動(dòng)化學(xué)院 南陽(yáng) 473000）

1 引言

球磨機(jī)在金屬類選礦、煤礦化肥、水泥建筑、化學(xué)材料等工業(yè)制造領(lǐng)域中被廣泛的應(yīng)用，在工業(yè)生產(chǎn)中發(fā)揮著重要作用，此類大型機(jī)械設(shè)備每年的維修費(fèi)用很高，在企業(yè)經(jīng)營(yíng)費(fèi)用中占有很大比重。對(duì)球磨機(jī)進(jìn)行故障診斷可減少企業(yè)成本，提高生產(chǎn)效率，延長(zhǎng)使用壽命，創(chuàng)造更大的經(jīng)濟(jì)價(jià)值［1～3］。

球磨機(jī)運(yùn)行現(xiàn)場(chǎng)的振動(dòng)信號(hào)反映了球磨機(jī)的運(yùn)行狀況，診斷球磨機(jī)存在的故障需對(duì)其振動(dòng)信號(hào)進(jìn)行分析處理，找出它的內(nèi)在規(guī)律［4］。振動(dòng)信號(hào)在故障情況下會(huì)摻雜噪聲發(fā)生奇變，與正常信號(hào)相比，頻率較高，由此，對(duì)信號(hào)故障檢測(cè)時(shí)只需對(duì)高頻分量提取特征分量進(jìn)行研究即可［5～6］。

2 特征向量的提取

球磨機(jī)的某個(gè)部件一旦出現(xiàn)故障，在這種情況下的振動(dòng)信號(hào)和正常狀態(tài)下有很大不同。在故障狀態(tài)下正常信號(hào)易被抑制或增強(qiáng)，體現(xiàn)在信號(hào)的能量分布上，在正常狀況下，振動(dòng)信號(hào)在相同頻帶上的能量呈均勻分布，而在故障下能量分布表現(xiàn)較為明顯，呈不均勻分布［7～12］。根據(jù)能量分布的特征可以很容易排查出球磨機(jī)是否出現(xiàn)了故障，如果頻帶上的能量變化較為明顯，我們可從中選擇合適的能量對(duì)其特征化，獲取球磨機(jī)故障下的特征向量，從中找出故障信息［13］。

連續(xù)小波變換相對(duì)于離散小波變換來(lái)說(shuō)在分析信號(hào)的方法上更透徹更有說(shuō)服力，本文選用連續(xù)小波變換對(duì)信號(hào)特征提取分析。連續(xù)小波變換可有效提取時(shí)頻域的特征信息，將信號(hào)波形以時(shí)間-幅度相關(guān)的形式直觀表現(xiàn)出來(lái)，利用其多分辨率的特點(diǎn)進(jìn)行多尺度分析，在時(shí)間—尺度域內(nèi)對(duì)信號(hào)作小波分解，提取出有用的特征信息［12～15］。在實(shí)際運(yùn)用中，連續(xù)參數(shù)計(jì)算較難實(shí)現(xiàn)，為此本文小波基函數(shù)選擇與機(jī)械設(shè)備故障信號(hào)形狀極為相似且具有脈沖沖擊特征的正交Morlet 小波，尺度方向按a=2j，j=0，1，2，…，k 進(jìn)行離散，尺度因子與a 值選取有關(guān)［15］。

3 故障信號(hào)的特征提取分析

在現(xiàn)場(chǎng)采集信號(hào)使用的是2271A 型號(hào)的振動(dòng)加速度傳感器，靈敏度11.5mv/mm/s，自振頻率10Hz，頻率響應(yīng)1Hz～4000Hz，用鋼制栓固定，現(xiàn)場(chǎng)采集到的信號(hào)見圖1，采樣點(diǎn)數(shù)1000，采樣頻率1000Hz。工礦現(xiàn)場(chǎng)采集到的信號(hào)噪聲摻雜，存在信號(hào)干擾，在對(duì)信號(hào)提取時(shí)需要進(jìn)行小波閾值去噪，去噪后的波形效果見圖2，去噪函數(shù)：

其中，α、β 為調(diào)節(jié)因子，-0.5 ≤α ≤0.5，β 為正數(shù)，去噪效果圖見圖2，信噪比為35.7166，均方誤差為0.0713。

圖1 振動(dòng)信號(hào)波形圖

圖2 小波去噪后的信號(hào)

對(duì)圖2 用Morlet 正交小波基進(jìn)行5 層分解，生成兩信號(hào)，逼近信號(hào)和細(xì)節(jié)信號(hào)。細(xì)節(jié)信號(hào)反映了振動(dòng)信號(hào)的細(xì)微變化，表征球磨機(jī)的故障信號(hào)，為高頻信號(hào)，在此只對(duì)細(xì)節(jié)信號(hào)分析研究，分解波形見圖3，d1～d5 分別表示第1，2，3，4，5 每一層的細(xì)節(jié)信號(hào)。

圖3 振動(dòng)信號(hào)經(jīng)小波分解后的波形圖

觀察圖3可看出，5層細(xì)節(jié)信號(hào)d1～d5，d1、d2屬于高頻部分，基本看不出不連續(xù)點(diǎn)，表現(xiàn)不明顯，可推斷有突變信號(hào)。突變信號(hào)是研究的關(guān)鍵，含有豐富的高頻信息，接下來(lái)提取高頻信號(hào)的故障特征頻率，對(duì)d1進(jìn)行Hilbert包絡(luò)譜分析，波形見圖4。

圖4 Hilbert小波包絡(luò)譜

從小波包絡(luò)圖中明顯看到一系列峰值，其中振動(dòng)烈度比較明顯的點(diǎn)有（60，52）、（130，95）、（180，40）、（310，54），在130Hz 處故障沖擊引起的衰減振動(dòng)烈度很大，出現(xiàn)幅值的最大值。查證數(shù)據(jù)得，球磨機(jī)的減速機(jī)輸入軸的內(nèi)環(huán)發(fā)生故障的特征頻率在122Hz，振動(dòng)烈度最大的頻率值130Hz 剛好與之相接近，由此可以判斷，故障出在球磨機(jī)的減速機(jī)輸入軸的軸承內(nèi)環(huán)上。

對(duì)現(xiàn)場(chǎng)采集的另一信號(hào)分析，對(duì)其采用相同去噪方法處理，去噪后的波形圖見圖5。

對(duì)圖5同樣進(jìn)行小波分解，分解5層不變，生成的細(xì)節(jié)信號(hào)見圖6。

分析圖6 可知，d1、d2 呈周期性分布，可以推斷出含有沖擊信號(hào)，這正好與齒輪在轉(zhuǎn)動(dòng)過程中出現(xiàn)故障時(shí)信號(hào)呈周期性變化的現(xiàn)象相吻合，可猜測(cè)出是球磨機(jī)的某一個(gè)齒輪出現(xiàn)故障，但故障具體位置還不能判斷出，為此對(duì)細(xì)節(jié)信號(hào)d1 進(jìn)行包絡(luò)譜分析，分析圖見圖7。

圖5 去噪后的故障信號(hào)時(shí)域波形圖

圖6 振動(dòng)信號(hào)經(jīng)小波分解后的波形圖

圖7 振動(dòng)信號(hào)的包絡(luò)譜分析圖

在圖7 包絡(luò)譜分析圖中出現(xiàn)一系列峰值，可以看出振動(dòng)烈度最大的點(diǎn)在（20，74），（38，19）和（60，10），由齒輪的故障特征頻率理論值可知，20、38、60為第1 級(jí)行星齒輪嚙合頻率及其倍頻。齒輪故障特征階次較為明顯，邊帶階數(shù)多，且譜線分散，與齒輪的故障特征頻率理論值對(duì)照，很明顯得出是減速機(jī)的太陽(yáng)輪出現(xiàn)了故障。在工作現(xiàn)場(chǎng)經(jīng)過排查，發(fā)現(xiàn)是減速機(jī)的太陽(yáng)輪出現(xiàn)了裂紋故障。

4 驗(yàn)證分析

為驗(yàn)證球磨機(jī)故障診斷算法是否有效，本文對(duì)球磨機(jī)運(yùn)行現(xiàn)場(chǎng)提供的齒輪正常振動(dòng)信號(hào)和斷齒運(yùn)行狀態(tài)信號(hào)作連續(xù)小波變換提取特征向量，計(jì)算歐式距離給予證明，信號(hào)圖見圖8。

圖8 齒輪兩種狀態(tài)下的信號(hào)波形

提取齒輪在正常、裂紋、斷齒三種狀態(tài)量數(shù)據(jù)見表1。

從表1 看出，在相同狀態(tài)下不同向量間特征向量相差不大，而在不同狀態(tài)下的特征向量相差較大，但不是特別明顯。為了進(jìn)一步精細(xì)研究，在特征向量的數(shù)據(jù)下計(jì)算歐式距離，歐式距離公式為

式中，m 表示向量列數(shù)，Ni，k表示向量μi在尺度上的第k 個(gè)值，Nj，k表示向量μj在尺度上的第k 個(gè)值，不同狀態(tài)下的數(shù)據(jù)見表2。

通過歐氏距離的計(jì)算可以發(fā)現(xiàn)，齒輪在相同狀態(tài)下特征向量間的歐氏距離數(shù)值很接近，可見齒輪在相同狀態(tài)下歐氏距離具備相似性；而在不同狀態(tài)下同一頻段內(nèi)能量相差較大，歐式距離變化也越大，說(shuō)明不同狀態(tài)不具相似性。由此可以證明本文對(duì)球磨機(jī)故障提取方法是有效可行的。

5 結(jié)語(yǔ)

小波分析在時(shí)、頻域識(shí)別能力強(qiáng)，算法簡(jiǎn)單易操作，在大型機(jī)械設(shè)備故障診斷中占有很大優(yōu)勢(shì)。本文利用小波分析得到振動(dòng)信號(hào)的總體及細(xì)節(jié)特征，提取出故障信號(hào)的有效成分，利用Hilbert 小波包絡(luò)譜分析獲得故障特征頻率，找出問題所在。在不同狀態(tài)下，對(duì)齒輪的運(yùn)行信號(hào)運(yùn)用能量譜提取特征向量，計(jì)算歐式距離，通過數(shù)據(jù)可很好區(qū)分出振動(dòng)信號(hào)的運(yùn)行特點(diǎn)和狀態(tài)，極具說(shuō)服力，證明了方法的有效性。

表1 振動(dòng)信號(hào)連續(xù)小波變換后提取的特征向量

表2 三種狀態(tài)下特征向量的歐式距離