唐貴基，孫軍科，，王曉龍，伍小林，周福成，崔彥亭，吳 韜，胥佳瑞

（1. 華北電力大學(xué) 機(jī)械工程系 河北省電力機(jī)械裝備健康維護(hù)與失效預(yù)防重點(diǎn)實(shí)驗(yàn)室，河北 保定 071003；2. 中國(guó)大唐集團(tuán)科學(xué)技術(shù)研究院有限公司 火力發(fā)電技術(shù)研究院，北京 100040）

0 引言

我國(guó)電力工業(yè)發(fā)展迅速，根據(jù)中國(guó)電力企業(yè)聯(lián)合會(huì)發(fā)布的《2019—2020年度全國(guó)電力供需形勢(shì)分析預(yù)測(cè)報(bào)告》［1］統(tǒng)計(jì)結(jié)果，2019年全年全社會(huì)的用電量為7.23×1012kW·h，相比上年增長(zhǎng)了4.5%。截至2019年底，全國(guó)全口徑發(fā)電裝機(jī)容量為2.01×109kW，其中火電裝機(jī)容量為1.19×109kW，水電裝機(jī)容量為3.6×108kW，核電裝機(jī)容量為4.874×107kW，并網(wǎng)風(fēng)電裝機(jī)容量為2.1×108kW，并網(wǎng)太陽(yáng)能發(fā)電裝機(jī)容量為2.0×108kW，占比分別為59.2%、17.9%、2.4%、10.4%、9.9%，由此可見(jiàn)在未來(lái)一段時(shí)間內(nèi)，火力發(fā)電仍將占據(jù)我國(guó)電力供應(yīng)的主導(dǎo)地位。汽輪發(fā)電機(jī)組、風(fēng)機(jī)、給水泵等旋轉(zhuǎn)機(jī)械作為火力發(fā)電廠的主要設(shè)備對(duì)電力生產(chǎn)的重要性不言而喻，其轉(zhuǎn)子更是重中之重，轉(zhuǎn)子承受蒸汽對(duì)工作葉片的回轉(zhuǎn)力并作為重要的負(fù)載和傳動(dòng)結(jié)構(gòu)，它的運(yùn)行狀態(tài)將直接影響整個(gè)發(fā)電系統(tǒng)，因此，對(duì)轉(zhuǎn)子進(jìn)行故障診斷具有重要的現(xiàn)實(shí)意義與經(jīng)濟(jì)價(jià)值［2］。

常見(jiàn)的轉(zhuǎn)子故障類(lèi)型包括動(dòng)靜碰摩、油膜渦動(dòng)、油膜振蕩、裂紋、不平衡、不對(duì)中等［3-4］。大量研究表明轉(zhuǎn)子故障振動(dòng)信號(hào)通常為非平穩(wěn)多分量耦合信號(hào)［5-7］，由于時(shí)頻分析方法能同時(shí)提供振動(dòng)信號(hào)的時(shí)域和頻域信息，因而在轉(zhuǎn)子故障診斷領(lǐng)域中得到了廣泛的應(yīng)用，探究行之有效的時(shí)頻分析方法成為國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)。希爾伯特-黃變換HHT（Hilbert-Huang Transform）是近年來(lái)信號(hào)處理領(lǐng)域常用的時(shí)頻分析方法之一，它由經(jīng)驗(yàn)?zāi)B(tài)分解EMD（Empirical Mode Decomposition）和希爾伯特變換HT（Hilbert Transform）兩部分組成［8-9］。文獻(xiàn)［10］利用HHT 清晰地表征了橫向裂紋轉(zhuǎn)子的扭振所形成的相位調(diào)制現(xiàn)象，為轉(zhuǎn)子裂紋故障的預(yù)測(cè)和診斷提供了有效的方法。文獻(xiàn)［11］基于HHT 的思想和Teager 能量算子在一定程度上改善了HT 存在的端點(diǎn)效應(yīng)，提出了Teager-Huang 時(shí)頻分析方法用于轉(zhuǎn)子碰摩故障診斷，但所使用的信號(hào)分解方法為EMD，其存在模態(tài)混疊、包絡(luò)擬合時(shí)易出現(xiàn)端點(diǎn)效應(yīng)等問(wèn)題，從而影響分析效果［12］。文獻(xiàn)［13］針對(duì)局部特征尺度分解LCD（Local Characteristic-scale Decomposition）方法的分解精度不足這一缺陷，提出了基于分段多項(xiàng)式的局部特征尺度分解PPLCD（Piecewise Polynomial based Local Characteristic-scale Decomposition）方法，并成功應(yīng)用于轉(zhuǎn)子碰摩故障診斷。文獻(xiàn)［14］針對(duì)轉(zhuǎn)子疲勞裂紋、動(dòng)靜碰摩和轉(zhuǎn)子-軸承系統(tǒng)不平衡3 類(lèi)故障振動(dòng)信號(hào)特征提出了基于局部均值分解LMD（Local Mean Decomposition）的時(shí)頻分析方法。文獻(xiàn)［15］將互相垂直方向上的振動(dòng)信號(hào)組成復(fù)數(shù)信號(hào)，利用復(fù)局部均值分解CLMD（Complex Local Mean Decomposition）對(duì)合成復(fù)數(shù)信號(hào)進(jìn)行自適應(yīng)分解，實(shí)驗(yàn)結(jié)果表明該方法可準(zhǔn)確診斷滾動(dòng)軸承微弱故障和復(fù)合故障。EMD、LCD 和LMD 方法的基本原理均是基于極值點(diǎn)擬合的遞歸分離方法，當(dāng)待分解的信號(hào)中存在噪聲、間斷信號(hào)等異常事件干擾時(shí)，其分解所得的本征模態(tài)函數(shù)IMF（Intrinsic Mode Function）分量波形易發(fā)生畸變，從而出現(xiàn)模態(tài)混疊現(xiàn)象，如何避免或解決模態(tài)混疊現(xiàn)象是目前信號(hào)處理領(lǐng)域的一個(gè)重要研究方向。

P. Bonizzi 等人［16］于2014 年提出了一種以奇異譜分析為基礎(chǔ)的信號(hào)分析處理方法——奇異譜分解（SSD）方法。SSD 方法不同于EMD 方法通過(guò)極值點(diǎn)擬合實(shí)現(xiàn)信號(hào)分量的提取，其核心思想是通過(guò)奇異值分解從頻帶的劃分和篩選角度去實(shí)現(xiàn)特定信號(hào)分量的重構(gòu)，此重構(gòu)方式使得SSD 能較好地抑制偽分量的產(chǎn)生和模態(tài)混疊現(xiàn)象的出現(xiàn)，表現(xiàn)出了較好的魯棒性。但該方法以迭代殘余分量與原始信號(hào)的能量比作為迭代停止條件，不具有穩(wěn)定性，且針對(duì)轉(zhuǎn)子類(lèi)振動(dòng)信號(hào)，該方法在分解過(guò)程中的殘余分量與原始信號(hào)的能量比不易控制。若能量比閾值設(shè)置過(guò)大，則易導(dǎo)致信號(hào)分解不充分，出現(xiàn)欠分解的現(xiàn)象，掩蓋包含故障特征信息的分量成分；若能量比閾值設(shè)置過(guò)小，則可能會(huì)出現(xiàn)過(guò)分解的現(xiàn)象，產(chǎn)生過(guò)多的虛假分量，導(dǎo)致計(jì)算效率低，且會(huì)給后續(xù)分析帶來(lái)極大的不便。針對(duì)該缺陷，本文提出了融合互信息判據(jù)和能量比的循環(huán)迭代協(xié)同控制策略，對(duì)SSD 方法進(jìn)行改進(jìn)，并與Teager能量算子解調(diào)算法相結(jié)合，提出了基于改進(jìn)SSD-Teager時(shí)頻分析的轉(zhuǎn)子故障診斷方法，并應(yīng)用仿真信號(hào)和現(xiàn)場(chǎng)實(shí)測(cè)信號(hào)對(duì)該方法的有效性及優(yōu)越性進(jìn)行驗(yàn)證。

1 基于改進(jìn)SSD-Teager時(shí)頻分析的轉(zhuǎn)子故障診斷方法

1.1 SSD方法基本原理

SSD 方法通過(guò)迭代循環(huán)可將非線(xiàn)性非平穩(wěn)信號(hào)分解為按由高頻到低頻順序排列的奇異譜分量SSC（Singular Spectrum Component），具體分解步驟如下［16］。

矩陣X左側(cè)區(qū)域的3行3列部分為軌跡矩陣，將X的右下角3個(gè)元素移至矩陣左上角位置，從而得到式（2）所示的新矩陣。

新矩陣中各對(duì)角線(xiàn)元素相同且數(shù)量相等，其中矩陣左側(cè)區(qū)域?yàn)樗鶚?gòu)建的新軌跡矩陣Y，該構(gòu)造方式增強(qiáng)了原始信號(hào)中的振蕩成分，并使得迭代后殘余分量的能量呈現(xiàn)遞減規(guī)律。

2）自適應(yīng)選擇嵌入維數(shù)M。

首先由式（3）計(jì)算第j次迭代運(yùn)算時(shí)的殘余分量υj(n)：

然后再估計(jì)功率譜密度最大峰值處對(duì)應(yīng)的頻率fmax。在第1 次迭代過(guò)程中，若fmax/fs（fs為采樣頻率）小于給定閾值，則可將殘余分量視為一個(gè)大趨勢(shì)項(xiàng)，此時(shí)設(shè)定嵌入維數(shù)M=N/3；否則，在j ＞1 的情況下，嵌入維數(shù)M=1.2fs/fmax。

3）重構(gòu)第j個(gè)SSC。若在第1 次迭代過(guò)程中就檢測(cè)到大趨勢(shì)項(xiàng)，則計(jì)算矩陣X1=σ1u1vT1（其中，σ1為所構(gòu)造的第1 個(gè)高斯函數(shù)的帶寬，u1為高斯函數(shù)的譜模型擬合的功率譜密度輪廓，v1為第1 次迭代運(yùn)算時(shí)的殘余分量），對(duì)X1進(jìn)行對(duì)角平均得到分量序列時(shí)間尺度g()1(n)；否則執(zhí)行下一次j ＞1 時(shí)的循環(huán)，使用左特征向量在頻譜[fmax-Δf，fmax+Δf]（Δf為殘余項(xiàng)功率譜密度中主峰的半帶寬）范圍內(nèi)具有突出主頻率的所有特征組和對(duì)選取模態(tài)分量的主峰能量貢獻(xiàn)最大的一個(gè)特征組，創(chuàng)建子集Ij={i1，i2，…，ip}（is（s=1，2，…，p）為所提取的特征組，p為所有特征組的數(shù)量），然后通過(guò)矩陣XIj=Xi1+Xi2+…+Xip的對(duì)角平均來(lái)獲得相應(yīng)的SSC。

4）迭代停止條件。在分解過(guò)程中得到分量序列時(shí)間尺度g(j)(n)的同時(shí)會(huì)產(chǎn)生一個(gè)殘余信號(hào)分量υ(j+1)(n)=υ(j)(n)-g(j)(n)，由式（4）計(jì)算殘余分量與原始信號(hào)的歸一化均方值誤差λ(j)NMSE。

式中：m為SSD得到的SSC數(shù)量。

1.2 改進(jìn)SSD方法

由SSD 方法原理可知，處理信號(hào)時(shí)其迭代停止條件能量比閾值λth需預(yù)先設(shè)定，該值設(shè)定合理與否將直接影響分解效果以及SSC 數(shù)量，然而受不同設(shè)備、不同工況的影響，λth值通常難以準(zhǔn)確設(shè)定。針對(duì)這一問(wèn)題，本文提出一種融合互信息MI（Mutual Information）判據(jù)和能量比的循環(huán)迭代協(xié)同控制策略，對(duì)SSD 的信號(hào)處理過(guò)程進(jìn)行改進(jìn)。該策略的核心思想是通過(guò)互信息計(jì)算結(jié)果甄別SSD 過(guò)程是否產(chǎn)生虛假分量，從而實(shí)現(xiàn)循環(huán)迭代過(guò)程的有效控制，同時(shí)為避免由于無(wú)法滿(mǎn)足互信息判定閾值下限而陷入無(wú)限死循環(huán)，利用能量比指標(biāo)作為輔助控制條件來(lái)強(qiáng)制結(jié)束迭代過(guò)程。

互信息引申于信息論中熵的概念，用于判斷2個(gè)隨機(jī)變量A與B之間的相關(guān)性，能夠定量地表示二者的相互依賴(lài)程度，比相關(guān)系數(shù)和互相關(guān)函數(shù)法更能表征不同變量間的相關(guān)程度［17］，互信息表達(dá)式為：

對(duì)互信息進(jìn)行歸一化處理后，將其用于判斷分解殘余分量與原始信號(hào)的相關(guān)性，當(dāng)最小歸一化互信息值低于設(shè)定閾值時(shí)，認(rèn)為殘余分量不再蘊(yùn)含故障特征信息，原始信號(hào)已被充分分解，從而結(jié)束整個(gè)運(yùn)算過(guò)程，即可根據(jù)實(shí)際分析信號(hào)自適應(yīng)地控制SSD 方法的迭代過(guò)程。參考相關(guān)文獻(xiàn)［17-19］中的閾值設(shè)定范圍，并通過(guò)多組不同類(lèi)型仿真信號(hào)進(jìn)行分析驗(yàn)證，綜合對(duì)比發(fā)現(xiàn)，當(dāng)互信息判定閾值為0.05時(shí)，改進(jìn)SSD 方法普適性最佳，因此本文中設(shè)置互信息判定閾值為0.05?；诨バ畔⑴袚?jù)和能量比協(xié)同控制策略的改進(jìn)SSD 方法流程圖見(jiàn)附錄A 圖A1，具體實(shí)現(xiàn)步驟如下：

1）初始化i=1，設(shè)置SSD 方法的迭代停止條件能量比閾值=0.1，搜索范圍從0.1 開(kāi)始至0.001 結(jié)束，搜索步長(zhǎng)為0.001；

2）設(shè)定第i次迭代分解的輸入信號(hào)xi(t)，加載原始振動(dòng)信號(hào)x(t)，x1(t)=x(t)，通過(guò)自適應(yīng)選擇嵌入維數(shù)M構(gòu)造新矩陣X，進(jìn)而獲取新軌跡矩陣Y，對(duì)Y進(jìn)行SSD 重組，將信號(hào)xi(t)分解為mi個(gè)SSC（j=1，2，…，mi）和1個(gè)殘余分量ri(t)；

6）結(jié)束整個(gè)循環(huán)輸出結(jié)果，得到n個(gè)SSC。

1.3 改進(jìn)SSD-Teager時(shí)頻分析方法

Teager 能量算子是一種非線(xiàn)性算子，其通過(guò)對(duì)振動(dòng)信號(hào)的瞬時(shí)值及其微分進(jìn)行非線(xiàn)性組合放大信號(hào)的瞬時(shí)能量成分，從而增強(qiáng)信號(hào)的沖擊特征，適用于檢測(cè)信號(hào)中的沖擊成分，且Teager 能量算子的包絡(luò)解調(diào)效果相比HT 具有更高的時(shí)間分辨率［20-21］?；诖耍疚膶eager能量算子與改進(jìn)SSD方法相結(jié)合，提出了一種基于改進(jìn)SSD-Teager時(shí)頻分析方法。

對(duì)于連續(xù)時(shí)間信號(hào)x(t)，Teager 能量算子ψ的定義為［22］：

離散信號(hào)x(n)的Teager 能量算子ψ[x(n)]定義為：

由式（9）可知，任一時(shí)刻Teager能量算子的計(jì)算僅需連續(xù)3 個(gè)樣本數(shù)據(jù)即可，計(jì)算量較小且計(jì)算效率高。

利用Teager 能量算子進(jìn)行解調(diào)計(jì)算，通過(guò)式（10）、（11）可以分別得到信號(hào)x(t)的瞬時(shí)頻率、瞬時(shí)幅值。

由式（10）和式（11）可了解信號(hào)的時(shí)頻分布信息，有利于信號(hào)特征的準(zhǔn)確辨識(shí)，因此本文將改進(jìn)SSD 方法與Teager 能量算子解調(diào)算法相結(jié)合，利用改進(jìn)SSD 方法對(duì)多分量信號(hào)進(jìn)行處理，自適應(yīng)得到若干個(gè)SSC 后，分別計(jì)算各SSC 的瞬時(shí)幅值和瞬時(shí)頻率，并將所有SSC 的時(shí)頻分布特征進(jìn)行集合匯總，繪制得到多分量信號(hào)的Teager 時(shí)頻譜，從而獲得其完整的時(shí)頻分布特征信息。

1.4 故障診斷流程

改進(jìn)SSD-Teager 時(shí)頻分析方法用于轉(zhuǎn)子故障診斷時(shí)的具體流程為：

1）利用改進(jìn)SSD 方法對(duì)傳感器采集的引風(fēng)機(jī)轉(zhuǎn)子故障振動(dòng)信號(hào)進(jìn)行分解處理，得到一系列按由高頻到低頻順序排列的SSC；

2）利用Teager 能量算子解調(diào)求解每個(gè)SSC 的瞬時(shí)幅值和瞬時(shí)頻率，得到各個(gè)分量的時(shí)頻表示；

3）將所有SSC 的時(shí)頻分布進(jìn)行匯總，得到對(duì)應(yīng)的時(shí)頻圖，并根據(jù)所得信號(hào)的整體時(shí)頻特征判斷轉(zhuǎn)子故障狀態(tài)。

2 仿真信號(hào)分析

為驗(yàn)證本文所提方法的分解效果和時(shí)頻分析能力，構(gòu)造一含有隨機(jī)噪聲的多分量信號(hào)x(t)，該信號(hào)由1個(gè)低頻諧波分量x1(t)、2個(gè)頻率成分不同的調(diào)頻信號(hào)x2(t)和x3(t)以及隨機(jī)噪聲x4(t)疊加而成，具體表達(dá)式為：

式中：t∈[0，0.25]s；分析點(diǎn)數(shù)N=1024；randn(1，N)表示生成1 行N列服從均值為0、方差為1 的正態(tài)分布的隨機(jī)數(shù)；length(t)為時(shí)間t內(nèi)的數(shù)據(jù)長(zhǎng)度。合成信號(hào)x(t)及各分量信號(hào)的時(shí)域波形如圖1 所示，信號(hào)采樣頻率fs=4096 Hz。

圖2 是利用本文所提改進(jìn)SSD 方法對(duì)仿真信號(hào)x(t)進(jìn)行分析后所得分解結(jié)果，共得到3 個(gè)SSC。由圖可見(jiàn)，SSC1、SSC2、SSC3分別對(duì)應(yīng)x3(t)、x2(t)、x1(t)這3 個(gè)信號(hào)分量，可見(jiàn)本文所提改進(jìn)SSD 方法能準(zhǔn)確地將信號(hào)分量按照由高頻到低頻的順序排列，同時(shí)能自適應(yīng)地將隨機(jī)噪聲信號(hào)分量x4(t)視為殘余分量不納入分解結(jié)果中。對(duì)改進(jìn)SSD 方法所得分量進(jìn)行Teager能量算子解調(diào)得到的時(shí)頻分布圖見(jiàn)附錄A 圖A2，由圖可清晰地看出各分量頻率成分以及頻率調(diào)制現(xiàn)象。

同時(shí)為了證明本文所提改進(jìn)SSD方法的優(yōu)越性，將SSD方法和HHT方法與其進(jìn)行對(duì)比。

對(duì)仿真信號(hào)直接進(jìn)行SSD，所得結(jié)果如圖3 所示。由圖可見(jiàn)，對(duì)仿真信號(hào)直接進(jìn)行SSD 共得到5個(gè)SSC，這說(shuō)明SSD 方法出現(xiàn)了過(guò)分解的現(xiàn)象，產(chǎn)生了冗余分量，而本文所提改進(jìn)SSD方法準(zhǔn)確分解出3個(gè)有效SSC，自適應(yīng)剔除添加的隨機(jī)噪聲成分，且未分解出多余分量。對(duì)SSD 方法分解所得分量進(jìn)行Teager 能量算子解調(diào)，得到的二維時(shí)頻分布圖如附錄A 圖A3所示。從圖中的箭頭指示可以看出，過(guò)分解現(xiàn)象的存在致使圖中出現(xiàn)了干擾頻率成分，對(duì)比圖A2 可以發(fā)現(xiàn)原始SSD-Teager 時(shí)頻分析方法的分析效果較本文所提改進(jìn)SSD-Teager 時(shí)頻分析方法差。

圖3 仿真信號(hào)的SSD結(jié)果Fig.3 SSD result of simulated signal

利用HHT 方法對(duì)仿真信號(hào)進(jìn)行處理，仿真信號(hào)經(jīng)EMD 處理后共得到7 個(gè)IMF，如圖4 所示。通過(guò)分 析 發(fā) 現(xiàn)IMF2、IMF3和IMF4這3 個(gè) 分 量 分 別 對(duì) 應(yīng)x3(t)、x2(t)和x1(t)，但如圖中虛線(xiàn)標(biāo)記所示，IMF2—IMF4均出現(xiàn)了較大程度的模態(tài)混疊和幅值失真現(xiàn)象，IMF1、IMF5、IMF6和IMF7的存在表明出現(xiàn)了過(guò)分解現(xiàn)象。附錄A 圖A4 為對(duì)應(yīng)的2 維時(shí)頻分布圖，由圖可見(jiàn)由于EMD 方法的不足致使最終的時(shí)頻分析結(jié)果較差。

圖4 仿真信號(hào)的EMD結(jié)果Fig.4 EMD result of simulated signal

3 工程案例分析

某電廠4 號(hào)機(jī)組配有2 臺(tái)由成都風(fēng)機(jī)廠生產(chǎn)制造的雙級(jí)動(dòng)葉可調(diào)軸流式引風(fēng)機(jī)，該引風(fēng)機(jī)型號(hào)為HU27050-22，主要由進(jìn)氣室、集流室、導(dǎo)葉、擴(kuò)散器、動(dòng)葉調(diào)節(jié)驅(qū)動(dòng)裝置、伺服驅(qū)動(dòng)裝置等部件組成，引風(fēng)機(jī)水平布置，垂直進(jìn)氣、水平出氣。引風(fēng)機(jī)驅(qū)動(dòng)裝置為湘潭電機(jī)廠制造的YXKS1000-8 型電機(jī)，其額定功率為6 900 kW，額定轉(zhuǎn)速為745 r／min。

電機(jī)-引風(fēng)機(jī)軸系結(jié)構(gòu)示意簡(jiǎn)圖如圖5 所示，其軸系共有1、2 號(hào)2 個(gè)單軸承用于支撐電機(jī)轉(zhuǎn)子和1個(gè)3號(hào)組合軸承用于支撐引風(fēng)機(jī)轉(zhuǎn)子，2段軸系通過(guò)靠背輪由螺栓緊固。鍵相探頭布置在電機(jī)側(cè)靠背輪處，電機(jī)側(cè)傳感器布置在電機(jī)驅(qū)動(dòng)端2 號(hào)軸承蓋的水平和垂直方向上用于測(cè)量相應(yīng)方向上的電機(jī)振動(dòng)；引風(fēng)機(jī)側(cè)傳感器布置在3 號(hào)軸承組前軸承位置，同樣用于測(cè)量水平、垂直方向上的電機(jī)振動(dòng)。本次振動(dòng)測(cè)量所使用的傳感器均在有效期內(nèi)，并在使用前均校驗(yàn)合格，振動(dòng)數(shù)據(jù)由合肥偉博測(cè)控科技有限公司生產(chǎn)的Vib900A 多通道現(xiàn)場(chǎng)振動(dòng)信號(hào)采集系統(tǒng)采集。根據(jù)機(jī)組的歷次啟停機(jī)振動(dòng)數(shù)據(jù)分析，在機(jī)組升降速過(guò)程中存在振動(dòng)異常情況，采集時(shí)電機(jī)轉(zhuǎn)速為480 r／min，采樣頻率設(shè)置為1 024 Hz，分析點(diǎn)數(shù)為2048。

圖5 軸系結(jié)構(gòu)示意簡(jiǎn)圖Fig.5 Simplified diagram of shafting structure

圖6 為引風(fēng)機(jī)側(cè)水平、垂直方向上振動(dòng)信號(hào)的時(shí)域波形圖和頻譜圖，圖7 為兩方向振動(dòng)信號(hào)合成的軸心軌跡圖。由圖可見(jiàn)，振動(dòng)信號(hào)時(shí)域波形規(guī)律性明顯，呈現(xiàn)出基頻和二倍頻成分疊加的“M”形波形，頻譜圖中存在基頻和二倍頻成分，軸心軌跡大致呈雙環(huán)橢圓狀，初步懷疑軸系存在不對(duì)中故障。

圖6 原始振動(dòng)信號(hào)的時(shí)域波形和頻譜圖Fig.6 Time-domain waveforms and spectra of original vibration signals

圖7 軸心軌跡圖Fig.7 Diagram of axis orbit

為進(jìn)一步確定該引風(fēng)機(jī)轉(zhuǎn)子故障類(lèi)型，利用本文所提方法進(jìn)行進(jìn)一步分析。垂直方向振動(dòng)信號(hào)的改進(jìn)SSD 結(jié)果如圖8 所示，由圖可見(jiàn)改進(jìn)SSD 方法共得到4 個(gè)SSC。通過(guò)Teager 能量算子解調(diào)方法計(jì)算各個(gè)SSC的瞬時(shí)幅值及瞬時(shí)頻率，匯總后得到的3維時(shí)頻分布圖如附錄A 圖A5 所示。4 個(gè)SSC 的瞬時(shí)頻率分別為8、16、24、40 Hz，即分別對(duì)應(yīng)基頻、二倍頻、三倍頻以及五倍頻分量，并且二倍頻分量為主要分量，結(jié)合軸心軌跡呈雙環(huán)橢圓以及二倍頻能量明顯超過(guò)基頻能量等特征［23］可充分說(shuō)明該引風(fēng)機(jī)轉(zhuǎn)子出現(xiàn)了不對(duì)中故障。

圖8 實(shí)測(cè)信號(hào)的改進(jìn)SSD結(jié)果Fig.8 Improved SSD result of measured signal

圖9 為直接利用SSD 處理原始振動(dòng)信號(hào)得到的分解結(jié)果，雖然也準(zhǔn)確提取出了基頻和二倍分量，但高頻諧波分量（三倍頻、五倍頻分量）卻沒(méi)有被分解提取出來(lái)，出現(xiàn)了欠分解情況。通過(guò)Teager 能量算子解調(diào)計(jì)算2 個(gè)SSC 的瞬時(shí)幅值及瞬時(shí)頻率，并匯總后得到3 維時(shí)頻分布圖如附錄A 圖A6 所示。2 個(gè)SSC 的瞬時(shí)頻率分別為8 Hz 和16 Hz，即分別對(duì)應(yīng)基頻和二倍頻成分，可見(jiàn)由于SSD 方法出現(xiàn)欠分解現(xiàn)象導(dǎo)致最終的時(shí)頻分析效果較本文所提方法差。為進(jìn)一步證明本文方法的優(yōu)越性，將HHT 方法與本文方法進(jìn)行對(duì)比分析。原始振動(dòng)信號(hào)經(jīng)EMD 處理所得結(jié)果如圖10 所示。由圖可見(jiàn)，EMD 共得到6 個(gè)IMF，其中IMF2對(duì)應(yīng)工頻成分，IMF1分量對(duì)應(yīng)二倍頻成分；由虛線(xiàn)標(biāo)記處可以看出包含主要故障特征信號(hào)的2 個(gè)IMF 分量均出現(xiàn)了模態(tài)混疊和幅值失真現(xiàn)象。附錄A 圖A7 為對(duì)應(yīng)的3 維時(shí)頻圖，由圖可見(jiàn)，各IMF 分量頻率調(diào)制現(xiàn)象明顯，頻率成分雜亂無(wú)章無(wú)法準(zhǔn)確識(shí)別具體頻率信息，HHT 方法的時(shí)頻分析效果明顯較本文方法差。

圖9 實(shí)測(cè)信號(hào)的SSD結(jié)果Fig.9 SSD result of measured signal

圖10 實(shí)測(cè)信號(hào)的EMD結(jié)果Fig.10 EMD result of measured signal

4 結(jié)論

本文結(jié)合SSD 方法和Teager 能量算子解調(diào)各自的優(yōu)點(diǎn)，提出了一種改進(jìn)SSD-Teager 時(shí)頻分析的引風(fēng)機(jī)轉(zhuǎn)子故障診斷方法。針對(duì)SSD 方法以能量比作為迭代停止條件導(dǎo)致魯棒性欠佳的缺點(diǎn)，本文融合互信息判據(jù)對(duì)循環(huán)迭代過(guò)程進(jìn)行協(xié)同控制，從而自動(dòng)確定SSC 數(shù)量，實(shí)現(xiàn)信號(hào)自適應(yīng)處理過(guò)程。利用改進(jìn)SSD 方法對(duì)原始振動(dòng)信號(hào)進(jìn)行自適應(yīng)分解得到一系列SSC，再融合Teager 能量算子解調(diào)求取各分量的瞬時(shí)振幅和瞬時(shí)頻率信息，最后根據(jù)時(shí)頻特征判別故障類(lèi)型。將改進(jìn)SSD-Teager時(shí)頻分析方法應(yīng)用于現(xiàn)場(chǎng)實(shí)測(cè)引風(fēng)機(jī)轉(zhuǎn)子不對(duì)中故障振動(dòng)信號(hào)分析，最終準(zhǔn)確地識(shí)別出轉(zhuǎn)子故障狀態(tài)，并且與傳統(tǒng)HHT 方法相比優(yōu)勢(shì)明顯。綜上所述本文方法具有一定工程實(shí)際應(yīng)用價(jià)值，可為類(lèi)似旋轉(zhuǎn)機(jī)械故障損傷判定提供參考借鑒。

附錄見(jiàn)本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。