劉笑凡，余 刃，王 石，王天舒，謝旭陽

基于HHT的電動(dòng)泵便攜式故障檢測裝置

劉笑凡，余 刃，王 石，王天舒，謝旭陽

（海軍工程大學(xué)核科學(xué)與技術(shù)學(xué)院，武漢 430033）

為了有效地檢測電動(dòng)泵運(yùn)行異常狀況，本文在振動(dòng)信號(hào)時(shí)域、頻域分析的基礎(chǔ)上，引入時(shí)頻分析方法Hilbert-Huang變換（Hilbert-Huang Transform, HHT），適當(dāng)選取對各種故障模式敏感的特征參數(shù)，構(gòu)成特征參數(shù)集。通過對電動(dòng)泵振動(dòng)信號(hào)各特征參數(shù)在不同故障模式下的表現(xiàn)進(jìn)行分析，實(shí)現(xiàn)對電動(dòng)泵運(yùn)行狀態(tài)和故障模式的判斷。采用某數(shù)據(jù)中心網(wǎng)站的電動(dòng)泵軸承故障數(shù)據(jù)作為樣本數(shù)據(jù)驗(yàn)證了方法的有效性。結(jié)果表明，通過引入HHT后的特征參數(shù)集，可以更有效地對數(shù)據(jù)中的四種運(yùn)行狀態(tài)進(jìn)行判斷?；谒岢龅奶卣鲄?shù)集和分析方法，開發(fā)了電動(dòng)泵便攜式故障檢測裝置。

振動(dòng)信號(hào) 時(shí)頻分析 HHT 故障診斷 電動(dòng)泵

0 引言

電動(dòng)泵作為船舶動(dòng)力裝置的重要輔助機(jī)械，對其安全運(yùn)行起著重要作用。在船舶動(dòng)力裝置中，由于運(yùn)行環(huán)境和安裝空間的限制，對一些電動(dòng)泵的監(jiān)測手段有限，難以及時(shí)檢測和發(fā)現(xiàn)其異常運(yùn)行狀態(tài)，從而錯(cuò)過最佳處理時(shí)間。

電動(dòng)泵運(yùn)轉(zhuǎn)時(shí)會(huì)產(chǎn)生振動(dòng)，當(dāng)出現(xiàn)異常的時(shí)候，其振動(dòng)信號(hào)必然也會(huì)出現(xiàn)異常，因而通過監(jiān)測電動(dòng)泵運(yùn)行的振動(dòng)信號(hào)判斷電動(dòng)泵運(yùn)行是否出現(xiàn)異常，是一種較為常用的監(jiān)測手段[1]。電動(dòng)泵振動(dòng)信號(hào)的特征提取和故障識(shí)別是故障診斷中的兩個(gè)重要部分。由于其振動(dòng)信號(hào)具有非線性和非平穩(wěn)性的特點(diǎn)，傳統(tǒng)的以傅里葉變換為基礎(chǔ)的方法難以取得較好的分析效果[2]。鑒于傳統(tǒng)方法的局限性，以及船舶動(dòng)力裝置的特殊性，本文提出基于HHT的核動(dòng)力裝置電動(dòng)泵故障診斷方法。希爾伯特-黃變換（Hilbert-Huang Transform, HHT），是由Norden E. Huang（黃鍔）等人與1998年提出的，并引入了Hilbert譜的概念和Hilbert譜分析的方法，在非線性、非平穩(wěn)信號(hào)的故障診斷中得到了廣泛引用[3,4]。

在進(jìn)行電動(dòng)泵運(yùn)行狀態(tài)判斷時(shí)，需要適當(dāng)選取若干能夠表征電動(dòng)泵運(yùn)行狀態(tài)的特征參數(shù)，構(gòu)成電動(dòng)泵狀態(tài)檢測和故障診斷的特征參數(shù)集。選取的特征參數(shù)集應(yīng)對各種故障運(yùn)行狀態(tài)具有足夠的敏感性，并應(yīng)保證通過分析其中各特征參數(shù)在不同運(yùn)行狀態(tài)（含正常和故障狀態(tài)）下的表現(xiàn)，能夠有效區(qū)分各種運(yùn)行狀態(tài)，從而達(dá)到異常運(yùn)行狀態(tài)監(jiān)測和故障診斷的目的。本文針對船舶動(dòng)力裝置電動(dòng)泵缺乏方便有效的故障檢測手段問題，研究了電動(dòng)泵振動(dòng)信號(hào)的HHT分析方法，提出了綜合時(shí)域、頻域和時(shí)頻域分析的特征參數(shù)集，并利用美國凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)中心網(wǎng)站的電動(dòng)泵軸承故障數(shù)據(jù)作為樣本數(shù)據(jù)，進(jìn)行運(yùn)行狀態(tài)分析和故障判定的實(shí)驗(yàn)驗(yàn)證。開發(fā)了便攜式電動(dòng)泵故障檢測裝置，實(shí)現(xiàn)對船舶動(dòng)力裝置中電動(dòng)泵運(yùn)行狀態(tài)的監(jiān)測。

1 基于HHT的振動(dòng)信號(hào)處理方法

不論是在完全時(shí)域或是完全頻域上處理非平穩(wěn)信號(hào)，都會(huì)造成信號(hào)局部信息的缺失。而對于電動(dòng)泵運(yùn)行狀態(tài)監(jiān)測，獲取其振動(dòng)信號(hào)的局部特性又是非常重要的，因而引入信號(hào)的時(shí)頻分析方法對振動(dòng)信號(hào)進(jìn)行處理。HHT就是一種信號(hào)的時(shí)頻分析方法。

HHT主要由兩部分組成：第一部分為經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition, EMD）；第二部分為對任意信號(hào)經(jīng)過EMD后得到的各本征模函數(shù)（Intrinsic Mode Function, IMF）進(jìn)行Hilbert變換，從而推導(dǎo)得出Hilbert時(shí)頻譜和Hilbert邊際譜。該方法與以傅里葉變換理論為基礎(chǔ)的時(shí)頻分析方法有較大不同，能很好地解釋以傅里葉變換為基礎(chǔ)的方法所不能解釋的現(xiàn)象。

1.1 經(jīng)驗(yàn)?zāi)B(tài)分解

EMD方法的基本思想是：利用采集到的時(shí)域信號(hào)上下包絡(luò)線的平均值確定瞬時(shí)平衡位置，進(jìn)而提取本征模函數(shù)（IMF）。IMF反映了信號(hào)中存在的不同特征的成分，由于電動(dòng)泵發(fā)生局部損傷故障時(shí)振動(dòng)信號(hào)表現(xiàn)出高頻調(diào)幅信號(hào)與低頻諧波相疊加的特征，可以推斷，EMD能夠分離出信號(hào)中反映損傷特征的高頻調(diào)幅信號(hào)，從而為故障診斷提供依據(jù)[3]。一個(gè)IMF必須滿足兩個(gè)條件：

1）函數(shù)在整個(gè)時(shí)間范圍內(nèi)，局部極值點(diǎn)和過零點(diǎn)的數(shù)目相等，或者最多相差一個(gè)；

2）任意時(shí)刻的局部最大值的包絡(luò)線（上包絡(luò)線）和局部最小值的包絡(luò)線（下包絡(luò)線）的平均值必須為0。

EMD方法必須基于以下假設(shè)條件：

1）數(shù)據(jù)至少有2兩個(gè)極值，一個(gè)極大值和一個(gè)極小值；

2）數(shù)據(jù)的局部時(shí)域特性是由極值點(diǎn)間的時(shí)間尺度唯一確定。

EMD的具體步驟如下[9]：

1）求出原始數(shù)據(jù)()的局部極大值和極小值，利用三次樣條插值連接，分別得到極大值包絡(luò)線x()和極小值包絡(luò)線x()；

2）對每個(gè)時(shí)刻局部極大值x()和極小值x()取平均，得到瞬時(shí)平均值()；

3）用原始數(shù)列()減去瞬時(shí)平均值得到一個(gè)去掉低頻的新數(shù)列()，即

4）檢查()是否滿足IMF的兩個(gè)條件，若滿足，則()為一個(gè)IMF；若不滿足，將()作為原始數(shù)列重復(fù)上述3個(gè)步驟，直到滿足兩個(gè)條件為止，這樣就得到了第一個(gè)IMF，記為c()。一般來說，c()代表了原始數(shù)列中的高頻部分，也稱c()為原始數(shù)列的一個(gè)IMF；

5）將原始數(shù)列減去c()得到一個(gè)去掉高頻組分的差值數(shù)列r()，對r()進(jìn)行上述平穩(wěn)化處理過程可以得到第2個(gè)IMF分量c()，如此重復(fù)下去直到最后一個(gè)序列r()不可再分解（為單調(diào)函數(shù)或常數(shù)）為止，此時(shí)r()代表原始數(shù)列的均值或趨勢。

最后，原始的數(shù)據(jù)序列即由這些IMF分量以及一個(gè)趨勢或均值表示：

1.2 對本征模函數(shù)做Hilbert變換

將IMF做快速傅里葉變換（FFT）可以得到振動(dòng)信號(hào)的Hilbert譜。

對IMF做Hilbert變換:

式中，

上式中定義的瞬時(shí)振幅和瞬時(shí)相位反映了信號(hào)的瞬時(shí)特性。在此基礎(chǔ)上定義的瞬時(shí)頻率為：

在概念上，瞬時(shí)頻率可以理解為一個(gè)標(biāo)準(zhǔn)正弦波在局部最佳逼近被分析信號(hào)的頻率值。在統(tǒng)計(jì)上它與傅里葉頻率是相容的，傅里葉頻率是全局量，而瞬時(shí)頻率是局部表述方式；傅里葉頻率是獨(dú)立的，而瞬時(shí)頻率是時(shí)間的函數(shù)。

由以上可以看出，對IMF所做的Hilbert變換得出的振幅和頻率都是時(shí)間的函數(shù)，那么將每個(gè)IMF的解析信號(hào)求和，即得到原始信號(hào)()的解析信號(hào)：

式中a表示瞬時(shí)頻率下的振幅，ω表示瞬時(shí)頻率。

稱上式為()的Hilbert譜，記為()。將其對時(shí)間進(jìn)行積分得到邊際譜：

將其平方對積分即得到瞬時(shí)能量譜，對時(shí)間積分即得到能量譜：

2 特征參數(shù)集的選取

將振動(dòng)信號(hào)轉(zhuǎn)換為頻域信號(hào)是判斷電動(dòng)泵運(yùn)行狀態(tài)的一種常用方法，這是因?yàn)殡妱?dòng)泵高速的周期性轉(zhuǎn)動(dòng)。當(dāng)出現(xiàn)故障時(shí)，其振動(dòng)信號(hào)的變化在頻域上的反映尤為明顯。除頻域分析以外，振動(dòng)信號(hào)的時(shí)域分析也能夠一定程度地反映電動(dòng)泵的運(yùn)行狀態(tài)。為了增加判斷的準(zhǔn)確性，本文綜合應(yīng)用了信號(hào)的時(shí)域、頻域和時(shí)頻域的分析結(jié)果，構(gòu)成判斷運(yùn)行狀態(tài)的特征參數(shù)。針對時(shí)域和頻域信號(hào)，主要選取了以下特征參數(shù)：

1）振動(dòng)烈度

振動(dòng)烈度通常用于表征振動(dòng)水平，一般使用機(jī)械設(shè)備測點(diǎn)振動(dòng)信號(hào)的均方根值表示。其計(jì)算公式如下：

其中表示所測信號(hào)的長度，()表示振動(dòng)速度。

2）峭度

峭度是無量綱參數(shù)，是描述某變量所有取值分布形態(tài)陡峭程度的統(tǒng)計(jì)量。它與電動(dòng)泵泵體的參數(shù)（如轉(zhuǎn)速、尺寸、載荷等）無關(guān)，但是對沖擊信號(hào)非常敏感。因而這種特點(diǎn)特別適用于表面損傷類故障、尤其是早期故障的監(jiān)測。

峭度的計(jì)算方法如下：

在實(shí)際應(yīng)用中，通常將峭度值做減3處理，使得正態(tài)分布的峭度為0。

3）頻譜

頻譜是判斷振動(dòng)信號(hào)是否運(yùn)行穩(wěn)定的重要參數(shù)，一旦電動(dòng)泵出現(xiàn)非常明顯的振動(dòng)異常，可以通過頻譜信號(hào)直接進(jìn)行判斷，同時(shí)也可通過頻譜信號(hào)中出現(xiàn)的倍頻信號(hào)對運(yùn)行狀態(tài)進(jìn)行判斷。頻譜信號(hào)是通過對采集到的振動(dòng)信號(hào)做快速傅里葉變換（FFT）得到的，其基本運(yùn)算方法如下：

上式中，()為時(shí)域信號(hào)，F()為時(shí)域信號(hào)經(jīng)過變換后得到的頻域信號(hào)。

4）功率譜

最終，本文選取了振動(dòng)信號(hào)的IMF分量、Hilbert邊際譜和能量譜、振動(dòng)烈度、峭度、頻譜、功率譜等參數(shù)構(gòu)成電動(dòng)泵狀態(tài)監(jiān)測的特征參數(shù)集。此特征參數(shù)集中的各參數(shù)在電動(dòng)泵的不同運(yùn)行狀態(tài)下會(huì)有不同的表現(xiàn)形式。將其作為判斷電動(dòng)泵運(yùn)行的依據(jù)，與已知的正?；蚬收线\(yùn)行狀態(tài)所對應(yīng)的特征參數(shù)集進(jìn)行對比，即可判斷電動(dòng)泵當(dāng)前的運(yùn)行狀態(tài)。

3 特征參數(shù)集對不同運(yùn)行狀態(tài)的敏感性分析

3.1 特征參數(shù)的計(jì)算

為驗(yàn)證所選取的特征參數(shù)集對電動(dòng)泵各類故障的敏感性，以及用其進(jìn)行故障判定的有效性，本文采用來自美國凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)中心網(wǎng)站的軸承正常和故障數(shù)據(jù)[10]進(jìn)行分析。該數(shù)據(jù)為1.47 kW 電機(jī)，轉(zhuǎn)速在1730-1797 rpm 范圍波動(dòng)下運(yùn)行時(shí)的振動(dòng)數(shù)據(jù)。其中，所選取的驅(qū)動(dòng)端軸承振動(dòng)數(shù)據(jù)的采樣頻率是48000 Hz，數(shù)據(jù)包括正常運(yùn)行、內(nèi)圈故障、滾珠故障、外圈故障等四種狀態(tài)滾動(dòng)軸承運(yùn)行的振動(dòng)信號(hào)，每組信號(hào)約記錄有48萬個(gè)數(shù)據(jù)。表1給出了振動(dòng)信號(hào)的時(shí)域和頻域特征參數(shù)計(jì)算結(jié)果，表2給出了振動(dòng)信號(hào)的時(shí)頻域特征信號(hào)計(jì)算結(jié)果，其中的Hilbert譜和對IMF做Hilbert變換的結(jié)果，是對經(jīng)驗(yàn)?zāi)B(tài)分解中得出的能夠有效表征電動(dòng)泵運(yùn)行狀態(tài)的IMF做譜分析和Hilbert變換得到的。

表1 振動(dòng)信號(hào)的時(shí)域、頻域分析結(jié)果

表2 振動(dòng)信號(hào)的時(shí)頻分析結(jié)果

3.2 利用特征參數(shù)集對電動(dòng)泵運(yùn)行狀態(tài)的分析

分析表1中的振動(dòng)信號(hào)時(shí)域、頻域參數(shù)計(jì)算結(jié)果，可以發(fā)現(xiàn)，正常狀態(tài)下的振動(dòng)烈度和功率譜中的最大功率較其他運(yùn)行狀態(tài)要小一個(gè)數(shù)量級(jí)左右。因而，通過振動(dòng)烈度和功率譜分析可以甄別電動(dòng)泵的正常運(yùn)行狀態(tài)和故障運(yùn)行狀態(tài)。但是僅僅通過這兩種特征參數(shù)不能有效區(qū)分三種故障狀態(tài)，所以需要綜合分析特征參數(shù)集的各特征參數(shù)，才能夠判斷電動(dòng)泵所處的運(yùn)行狀態(tài)。

分析表1中的各運(yùn)行狀態(tài)的峭度值，可以將滾珠故障和外圈故障與其他兩種運(yùn)行狀態(tài)區(qū)別開，但即使結(jié)合振動(dòng)烈度、頻譜、功率譜等參數(shù)也不能有效區(qū)分滾珠故障和外圈故障兩種狀態(tài)。分析表2 中IMF做Hilbert變換的結(jié)果，可以看出，引入HHT后，變換后的波形可以明顯地區(qū)分滾珠故障和外圈故障。而此時(shí)通過分析表2 中IMF的Hilbert頻譜，可看出內(nèi)圈故障狀態(tài)下頻域內(nèi)的最大振幅比正常狀態(tài)下的最大振幅高出約一個(gè)數(shù)量級(jí)，因而可以通過IMF的Hilbert頻譜區(qū)分正常運(yùn)行狀態(tài)與內(nèi)圈故障狀態(tài)。而經(jīng)過EMD后得到的IMF作為一種重要的中間量，也可以反映電動(dòng)泵的運(yùn)行狀態(tài)。通過上述分析可以得出，當(dāng)時(shí)域、頻域分析無法明確區(qū)分電動(dòng)泵的運(yùn)行狀態(tài)時(shí)，通過引入HHT可以更加精確地對電動(dòng)泵的各種運(yùn)行狀態(tài)進(jìn)行甄別。

綜上，振動(dòng)烈度、峭度、頻譜、功率譜、經(jīng)EMD得到的IMF、IMF的Hilbert頻譜以及IMF的Hilbert變換等是對上述四種狀態(tài)敏感的特征參數(shù)，可以有效地對電動(dòng)泵不同的運(yùn)行狀態(tài)進(jìn)行甄別。

4 便攜式故障診斷裝置的設(shè)計(jì)

在船舶航行中，為實(shí)現(xiàn)便捷地對動(dòng)力系統(tǒng)中主要電動(dòng)泵的運(yùn)行狀態(tài)進(jìn)行監(jiān)測，本文設(shè)計(jì)開發(fā)了便攜式電動(dòng)泵運(yùn)行狀態(tài)監(jiān)測裝置。該裝置的硬件結(jié)構(gòu)包括傳感器、數(shù)據(jù)采集裝置和平板計(jì)算機(jī)三個(gè)部分，其基本結(jié)構(gòu)如圖1所示，設(shè)備如圖2所示。在監(jiān)測過程中，將傳感器用磁鐵吸附在泵體上，采集電動(dòng)泵的振動(dòng)信號(hào)，故本裝置的應(yīng)用無需對原設(shè)備作任何改動(dòng)。本裝置采用加速度傳感器拾取振動(dòng)信號(hào)，通過NI-9234振動(dòng)信號(hào)采集模塊采集振動(dòng)信號(hào)數(shù)據(jù)，并采用NI-9181數(shù)據(jù)采集卡，通過以太網(wǎng)將振動(dòng)信號(hào)數(shù)據(jù)傳輸給平板計(jì)`算機(jī)。采用LABVIEW開發(fā)了振動(dòng)信號(hào)的采集與分析軟件，實(shí)現(xiàn)對振動(dòng)信號(hào)采集的啟?？刂疲Σ杉降恼駝?dòng)信號(hào)進(jìn)行時(shí)域、頻域和時(shí)頻特征參數(shù)的分析計(jì)算，從而得到前文所述的特征參數(shù)集，提供給使用人員。使用人員根據(jù)計(jì)算結(jié)果，結(jié)合其經(jīng)驗(yàn)，實(shí)現(xiàn)對電動(dòng)泵運(yùn)行狀態(tài)的分析判斷。

圖1 硬件總體結(jié)構(gòu)圖

5 結(jié)論

通過電動(dòng)泵運(yùn)行時(shí)產(chǎn)生的振動(dòng)信號(hào)來判斷電動(dòng)泵的運(yùn)行狀態(tài)，是電動(dòng)泵運(yùn)行狀態(tài)監(jiān)測的一種常用的手段。在狀態(tài)監(jiān)測中，僅通過振動(dòng)信號(hào)的時(shí)域和頻域分析法并不能對所有的運(yùn)行狀態(tài)進(jìn)行甄別。為此，本文引入了振動(dòng)信號(hào)的時(shí)頻分析法HHT，結(jié)合時(shí)域和頻域分析法，構(gòu)成了能夠有效判別電動(dòng)泵各種正常和故障運(yùn)行狀態(tài)的特征參數(shù)集。采用來自美國凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)中心網(wǎng)站的電動(dòng)泵軸承故障數(shù)據(jù)作為樣本數(shù)據(jù)，對利用所選特征參數(shù)集進(jìn)行各種運(yùn)行狀態(tài)甄別的有效性進(jìn)行了驗(yàn)證。在此基礎(chǔ)上設(shè)計(jì)了便攜式故障診斷裝置的設(shè)計(jì)，通過振動(dòng)信號(hào)的時(shí)域、頻域和時(shí)頻分析三種手段，實(shí)現(xiàn)了對船舶動(dòng)力裝置電動(dòng)泵運(yùn)行狀態(tài)的監(jiān)測。

圖2 加固型便攜式計(jì)算機(jī)

[1] 徐卓飛, 劉凱, 張海燕等. 基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂椭髟治龅臐L動(dòng)軸承故障診斷方法研究[J]. 振動(dòng)與沖擊, 2014, 33(23): 133-139.

[2] 許凡, 方彥軍, 張榮. 基于EEMD模糊熵的PCA-GG滾動(dòng)軸承聚類故障診斷[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2016, 22(11): 2631-2642.

[3] 高強(qiáng), 杜小山, 范虹等. 滾動(dòng)軸承故障的EMD診斷方法研究[J]. 振動(dòng)工程學(xué)報(bào), 2007, 20(1): 15-18.

[4] 熊衛(wèi)華, 趙光宙. 基于希爾伯特-黃變換的變壓器鐵心振動(dòng)特性分析[J]. 電工技術(shù)學(xué)報(bào), 2006, 21(8):9-13.

[5] 劉世金. Hilbert-Huang變換及其應(yīng)用研究[J]. 高師理科學(xué)刊, 2012, 32(4): 40-42.

[6] 鄒巖崑. 局域波分析的理論方法研究及應(yīng)用[D]. 大連理工大學(xué), 2004.

[7] 李博. 基于LabVIEW的HHT方法實(shí)現(xiàn)及在軸承故障診斷中的應(yīng)用研究[D]. 太原理工大學(xué), 2008.

[8] 高東璇. 基于BP神經(jīng)網(wǎng)絡(luò)的齒輪故障模式識(shí)別研究[D]. 長安大學(xué), 2010.

[9] 陳一賢. HHT方法分析[D]. 浙江大學(xué), 2007.

[10] csegroups.case.edu /bearingdatacenter /pages /48k-drive -end-bearing-fault-data

Portable Fault Detection Device for Electric Pumps Based on HHT

Liu Xiaofan, Yu Ren, Wang Shi, Wang Tianshu, Xie Xuyang

(Collage of Nuclear Energy Science and Engineering, Naval University of Engineering, Wuhan 430033, China)

TP206.3

A

1003-4862（2018）12-0012-06

2018-07-13

劉笑凡（1989-），男，研究生。研究方向：核動(dòng)力控制與運(yùn)行。E-mail: 1508969066@qq.com