基于振動可視化分析的機械故障診斷方法

譚宇碩?孫博?薛力峰?韓瀚?趙劍偉

摘要：基于振動可視化的機械故障診斷理論提出了相對繁瑣的一種診斷系統故障的方式，如果碰到十分復雜的機械設備，在接收其振動信號時，我們便可以通過振動可視化技術逐步改善檢測手段獲取到的振動訊息，同時將設備的重要測點在頻率跟時間上的變化給充分體現出來，并將此視為診斷系統是否出現故障的前提和根據。大致流程為：首先，從性能一般的零部件入手，據此鉆研可視化技術是否可行;其次，把分析多個通道的振動信號最終結果視為輸入量，并運用在診斷系統故障的過程中。經過這一系列流程下來，最終結果顯示是這樣的：運用基于振動可視化技術來分析診斷機械故障能夠大大減少確定故障源的時間跟過程，且可以有效提高匹配故障模式的準確率。

關鍵詞：振動可視化;分析;機械故障;診斷方法

準確捕獲機械設備具體信息情況是我們提取故障特征的首要前提，而在工業生產中，采集和分析振動信號是比較常見的一種診斷機械故障方式。隨著當代社會中機械設備越來越成熟和復雜，診斷故障和振動監測的方式也變得相對復雜起來。一旦機械系統發生故障，那么一個或多個故障源就需要將這一故障信息傳遞到多處地方;而一個元部件發生問題后，整體的機械設備系統也都將面臨難以正常運轉的局勢。但設備的故障源通常是多個的，這意味著失效程度會各不相同;當機械設備出現某種故障后，通常情況下其他模式故障也會隨之出現，故障不同，出現的振動信息也是不同的，這樣一來在測量信號時，難免就會將多個振源信號的投影也都一并測量到，這對我們準確獲取到故障源是十分不利的。為了完整捕獲到機械設備相關的振動信息，所有振動敏感區的設備系統都需要展開監測，這也就意味著在獲取振動數據的方式上，我們有必要進一步改善跟豐富。

一、振動可視化分析

振動可視化分析其宗旨就是要針對整體機械的振動工作展開ODS動態處理，將有限的個點受迫振動視為輸入量，根據模仿系統振動分析進而明確研究對象具體形狀，其優勢就是在還沒有明確好輸入量的同時還能對系統進行定量或定性振動分析。不同于模態分析，ODS僅反映在未知的工況下系統針對特殊頻率作出的響應情況，并根據可視化振動分析進一步確定出故障源，通過判斷振動信息傳播路徑來更好的探究各個子系統間的關聯性。

從工程上來看，存在于機械設備中的動載荷通常是很難測量的，ODS動態處理憑振動系統當中某點響應替換激振向量。跟實驗模態分析比起來，ODS分析的最終結果是跟隨激勵的改變而出現變化的，這不但跟設備系統自身性能有關，還跟外部激勵緊密相關，而這也就決定了ODS動態處理可以將不同工況下所有測點頻率都捕獲到，甚至還能跟外界激勵相互對應起來。

二、故障診斷

無論是哪種系統，都具備子系統相關性跟整體性，以系統理論為基礎的系統級故障診斷僅對大型系統內多個元部件是否出現故障的狀態加以檢測，由于系統不斷地發展，變得愈加復雜，與之相對應的診斷模型跟算法也都接連被提了出來。在研究目標的基礎上選取不一樣的模型，如對于那些相對復雜的機械設備系統，就要選擇Malek模型。

三、設計試驗方案

本文選用振動測試儀來對故障模擬試驗臺展開振動實測跟模擬研究，再通過此試驗臺模擬各種旋轉機出現的典型故障，包括軸系和軸承等等，再把振動可視化系統故障診斷法運用其中。

試驗步驟

1.針對試驗臺設置典型故障，將軸系不平衡跟滾動軸承內圈這2個故障作為事例進行探究。

2.創建測試方案仔細且全面的測試振動信號，并將此作為分析源對多個通道的故障信號展開模擬，針對其有效性展開分析。

3.將模擬振動信號跟實測振動信號作為基本對系統展開可視化對比并加以分析，能幫助我們得到系統整個工作具體的形態。

4.系統振動分析，故障診斷跟對比預設故障分析。

（二）振動監測點

具體可以設置3個振動監測點，其方向分別是軸向、水平徑向以及垂直徑向;而ODS的模擬分析點是3個監測點另外兩個方向，包含6個測點。

（三）分析試驗結果

對比模擬跟實測振動信號的實時圖，以實測信號為基本，模擬出100個節點振動信號。其中左邊的是試驗臺振動可視化，右邊的是模擬測點信號跟實測信號之間的對比。從故障特征跟振動強度當中我們可以充分看到故障部件與振動監測點之間的距離。

將3個振動信號輸入其中，通過可視化技術便可模擬分析出9組振動信號，本文主要就其中的1個振動信號跟1個模擬振動信號作為舉例，展開相應的說明。

在距離故障部件端比較遠的地方，也就是接近電機端支撐座的地方，其模擬信號跟實際測試得到的信號相差并不是很大，且信號成分跟振動幅值也都很相似，并沒有十分明顯的沖突特征。而在故障源所在地，也就是自由端軸承處，我們發現不管是實測信號也好，通過ODS分析模擬得到的信號也罷，都有十分明顯的沖擊特征，而且二者之間的吻合度也超高。

通過通道振動信號，我們可知軸承內環的倍率成分跟特征頻率都相對明顯，而且其振動的強度都遠遠超過了標準值，因此我們可以進一步確定出故障源跟故障模式：

BPFO = （ 1 /2）n|N0 - Ni|[1+ （d /D） co sO]

其中，d代表的是滾動體直徑;D代表的是滾動軸承的均直徑;O代表的是徑向的接觸角;n代表的是滾動體的數目;No代表的是軸承外環角速度;Ni代表的是軸承內環角速度，將軸承具體參數代入其中，變能得到：

BPFO = （ 1 /2）* 12* |0 - 900 /60|[1+（ 2 /14） ] = 103 Hz

分析軸承內環的特征頻率52Hz，103 Hz， 以及205 Hz， 310 Hz處的振動幅值，不同的實測信號跟ODS模擬分析信號其軸承內環的特征頻率倍頻成分十分突出，尤其水平徑向上的振動沖擊最為顯著;而3X處，也就是距離電機端支座測點的地方，其振幅明顯比其他2個測點要小一些，這表明隨著結構系統衰減，故障特征也會相應的衰減，進一步說明了診斷方式跟測試是十分有效的。

四、結束語

總而言之，準確捕獲到振動信息是對故障進行正確診斷、實現機械振動測試的有效前提跟重中之重。當設備系統出現故障的時候，把振動可視化技術全面的應用在其中，能夠將比較復雜的系統其故障源的測試以及確定故障模式這一難題都落實到實處，通過可視化振動測試這一技術，我們可以將有限個振動監測點的信息看做是輸入量，進而取得多通道的模擬振動信號，以此進行結果比對跟分析，并根據此作為診斷機械系統故障的有效依據，進而實現對系統故障源進行智能識別與辨認。通過典型故障模式的試驗研究，充分表明了研究具有一定的可行性。

參考文獻：

[1] 李仲興，陳震宇，薛紅濤，殷蘇群，江洪. 基于DBNs的輪轂電機機械故障在線診斷方法[J]. 振動.測試與診斷，2020，40（04）：643-649+818-819.

[2] 顏云華，金煒東. 基于多傳感器信息融合的列車轉向架機械故障診斷方法[J]. 計算機應用與軟件，2020，37（08）：48-51.

[3] 胡靜. 建筑工程施工中防滲漏施工技術分析[J]. 科學技術創新，2019，（22）：89-90.

[4] 胡柯軍，賀俊. 建筑工程施工中防滲漏施工技術分析[J]. 住宅與房地產，2019，（22）：182.

[5] 羅鵬. 基于深度學習理論的旋轉機械故障診斷方法[D].湖南大學，2018.

作者簡介：

譚宇碩（1982-），男，漢族，河北石家莊人，碩士學位，講師，研究方向：機械故障診斷、工礦自動化。

基金項目：2019年度石家莊郵電職業技術學院科研項目 項目編號：（YB2019049）

作者單位：石家莊郵電職業技術學院