譚 逸,馬 波,2,張強升

(1.北京化工大學(xué) 機電工程學(xué)院,北京 100029;2.北京化工大學(xué) 高端機械裝備健康監(jiān)控與自愈化北京市重點實驗室,北京 100029;3.生態(tài)環(huán)境部 核與輻射安全中心,北京 100082)

0 引 言

當(dāng)前,旋轉(zhuǎn)機械被廣泛應(yīng)用于核電、石化和航空航天等領(lǐng)域[1]。

旋轉(zhuǎn)機械在發(fā)生故障時,由于振動過大激勵出明顯的聲音,其中含有大量的故障信息[2]。通常,在旋轉(zhuǎn)機械表面布置多個振動傳感器,監(jiān)測設(shè)備的運行狀態(tài)。但是該方法不適用于對高溫、高壓以及高腐蝕的環(huán)境下運行的設(shè)備進行狀態(tài)監(jiān)測[3]。

聲信號監(jiān)測通常采用非接觸式測量方式,即通過聲陣采集旋轉(zhuǎn)機械的聲音信號,利用聲源定位方法識別故障源的空間位置。該方法具有較高的監(jiān)測效率和良好的工程應(yīng)用價值。由于聲陣信號來源廣泛,且其中包含故障聲信號和其他干擾信號,從中確定含有故障信息的頻率范圍,對于準確識別故障源的位置具有重大意義。

目前,許多學(xué)者基于聲陣技術(shù)開展了機械設(shè)備的聲源定位方法研究。常用的聲源定位方法主要包括如下3種:時延估計方法[4]、高分辨率譜估計方法[5]和波束形成方法[6],具體分述如下:

(1)時延估計方法。針對時延估計方法中時延計算不準確的問題,劉志強等人[7]通過提高采樣率降低時延值的誤差,對鍋爐爐管的泄漏位置進行了定位。ZHANG X等人[8]構(gòu)建了Teager能量譜峰度指標,以此來選取含有故障信息的子帶,實現(xiàn)了對帶式輸送機的故障源定位;但對于多故障情況下定位,該方法存在精度不足的問題。時延估計方法僅適用于單聲源定位,其魯棒性較低,且極易受噪聲干擾,導(dǎo)致其時延提取不準確,造成定位方程組無解或定位偏差較大;

(2)高分辨率譜估計方法。采用高分辨率譜估計方法對非平穩(wěn)信號進行定位分析時,需預(yù)先知道聲源的數(shù)目。薛先嶺等人[9]通過頻域數(shù)據(jù)模型的短時功率譜聯(lián)合對角化特性,對聲源位置進行了估計;但該方法對于低信噪比環(huán)境存在使用上的局限性。張楠等人[10]將多重信號分類方法應(yīng)用于機車驅(qū)動系統(tǒng)的故障軸承定位,并分析了陣列結(jié)構(gòu)參數(shù)對定位精度的影響。高分辨率譜估計方法計算量較大,在聲源數(shù)目不確定,且識別效率要求高的應(yīng)用場景不適用;

(3)波束形成方法。波束形成方法具有計算速度快、定位精度高和識別聲源多的優(yōu)點。譚龍龍等人[11]34-35通過頻譜分析確定了聲源信號的中心頻率,利用常規(guī)波束形成方法識別了離心壓縮機的聲源位置;但該方法對旁瓣抑制能力不足,聲源分辨率較低。張自嘉等人[12]對多種波束形成方法開展了仿真實驗研究,分析得到了自適應(yīng)波束形成方法;該方法較常規(guī)波束形成具有更好的旁瓣抑制效果,但缺乏實際的實驗驗證。翟春平等人[13]將最小均方無失真響應(yīng)(minimum variance distortion response, MVDR)方法應(yīng)用于艦船的噪聲源識別領(lǐng)域,人為選取了不同頻段的信號,并進行了定位實驗分析,實驗結(jié)果表明：低頻段噪聲源的定位精度明顯低于高頻段噪聲源,證明了自適應(yīng)波束形成方法更適用于高頻段聲源定位;但該方法在水下復(fù)雜聲場環(huán)境下,對于振動耦合的噪聲源識別精度較低。

基于波束形成原理開展的聲源定位研究雖然已取得了一定的成果,但僅通過專家經(jīng)驗人為選擇一定頻率范圍的聲陣信號,存在漏失目標聲源信號的可能性,導(dǎo)致其定位不準確。

在信號傳遞過程中,旋轉(zhuǎn)機械故障信號往往會被自身固有頻率調(diào)制至高頻段,該頻帶信號具有明顯的周期性沖擊特性。波束形成方法具有高頻段定位精度高的特點,選取調(diào)制后的敏感特征頻帶進行定位計算,可以獲得較好的定位效果。

由于不同故障頻帶信號之間存在明顯的差異性,對于旋轉(zhuǎn)機械故障源定位所需的頻帶范圍難以固定,因此,針對不同的故障類型選取含有故障信息的敏感特征頻帶進行定位分析尤為重要。

Protrugram方法最早由BARSZCZ T等人[14]提出,用于識別信號中具有最大沖擊特性的頻帶,在故障診斷領(lǐng)域得到了廣泛應(yīng)用。代蕩蕩等人[15]提出了一種Protrugram與小波變換結(jié)合的方法,成功確定了局部放電的沖擊脈沖信號所在頻帶,再利用小波降噪實現(xiàn)了對多類噪聲的有效抑制。WANG Z等人[16]提出了通過Protrugram方法提取譜峰度熵,并結(jié)合機器學(xué)習(xí)方法,實現(xiàn)了對機車轉(zhuǎn)向架故障的診斷。DU J等人[17]利用Protugram方法,提取了反映軸承內(nèi)外圈故障特征的敏感特征頻帶,并結(jié)合Lempel-Ziv指標,實現(xiàn)了對軸承故障的定量趨勢診斷。

上述研究表明:Protrugram方法對于信號中的沖擊成分敏感程度高,可以精準地識別具有沖擊特性的頻帶。

綜上所述,基于旋轉(zhuǎn)機械的故障特性,筆者利用Protrugram方法選擇敏感特征頻帶,采用MVDR方法,對位于高頻段的敏感頻帶信號進行定位分析;同時設(shè)計故障模擬實驗,以驗證該方法的有效性。

1 理論基礎(chǔ)

1.1 Protrugram方法

Protrugram方法是一種固定帶寬迭代搜索最大峭度頻帶中心頻率的計算方法。該方法的基本原理如下:

(1)在全頻帶范圍[0,F]內(nèi)確定搜索的頻帶帶寬BW、頻帶中心頻率CF的范圍和迭代搜索步長step。其中,中心頻率CF范圍滿足公式:

CF=[BW/2∶step∶F-BW/2]

(1)

帶寬BW的設(shè)定應(yīng)保證頻帶中含有所需信息,帶寬較窄會導(dǎo)致所需信息漏失,帶寬過寬會出現(xiàn)含有較多干擾信息。迭代搜索步長step會影響搜索的頻帶精度和搜索時間,迭代搜索步長step不得超過帶寬BW,以確保能覆蓋整個頻帶。step越小,搜索的頻帶精度越高,搜索時間越長;

(2)以BW/2為初始中心頻率,對該頻帶信號進行帶通濾波處理后,計算其包絡(luò)譜峭度;

(3)迭代搜索頻帶中心頻率CF,改變頻帶范圍,重復(fù)(2)中步驟,直至完成全頻帶的迭代搜索;

(4)確定最大峭度對應(yīng)的頻帶中心頻率,由此確定具有最大沖擊特性的頻帶范圍。

1.2 MVDR方法

MVDR方法通過施加線性約束抑制其他方向波束輸出,而來自期望方向的波束輸出不變,對最終得到的聲源功率進行峰值搜索,最大峰值對應(yīng)位置即為目標聲源位置。

該方法可以有效抑制其他干擾聲源引起的旁瓣,得到的主瓣較窄,因此,其聲源識別精度高。

假設(shè)一個線性陣列中包含有M個麥克風(fēng)傳感器,xi(t)表示第i個麥克風(fēng)傳感器接收到的信號,可將M個麥克風(fēng)接收到的信號用矩陣來表示:

X(t)=[x1(t),x2(t),…,xM(t)]=A(τ)S(t)+N(t)

(2)

式中:A(τ)—聲陣接收到的聲音信號的導(dǎo)向矢量矩陣;S(t)—聲陣接收到的聲源信號向量矩陣;N(t)—噪聲信號矩陣。

A(τ)的表達式為:

A(τ)=[1,e-j·2πfτ1,…,e-j·2πfτM-1]T

(3)

式中:f—信號的頻率;τi—麥克風(fēng)傳感器之間接收信號的時延,i=1,2,…,M-1。

對接收到的信號進行加權(quán)求和輸出,其計算公式如下:

(4)

式中:w—權(quán)矢量;wH—權(quán)矢量的共軛轉(zhuǎn)置。

經(jīng)計算得到的聲音信號的互譜矩陣為:

(5)

MVDR方法通過最小能量準則來設(shè)計加權(quán)向量,需滿足如下2個條件:

(6)

經(jīng)計算得到的聲源功率為:

(7)

2 方法提出

筆者提出一種基于敏感特征頻帶的旋轉(zhuǎn)機械故障定位方法，即首先通過Protrugram方法識別含有故障信息的頻帶范圍,然后利用MVDR方法對頻帶范圍信號進行處理,最后識別出各聲源的位置。

該方法包括選擇敏感特征頻帶、計算聲場分布和定位故障源3個部分,其具體的流程圖如圖1所示。

圖1 方法流程圖

2.1 敏感特征頻帶選擇

對M個通道采集的聲音信號X={x1,x2,…,xM}進行帶通濾波處理,濾波范圍為B=[CF-BW/2,CF+BW/2];計算濾波后信號的包絡(luò)譜峭度,調(diào)整大小,完成全頻帶范圍的迭代搜索,得到所有頻帶的包絡(luò)譜峭度KU={ku1(B),ku2(B),…kuM(B),}。

考慮到軸承故障特征中可能包含有邊頻帶信號,為了確保獲得的敏感特征頻帶包含轉(zhuǎn)子系統(tǒng)的大部分故障特征,筆者根據(jù)工程經(jīng)驗,使得帶寬BW為軸承內(nèi)圈故障頻率的3～5倍(一般取掃描步長的整數(shù)倍[18])。由于要分別對聲陣中各傳感器測得信號進行處理,從中搜索最大沖擊特性的頻帶,具有較大計算工作量,為了兼顧搜索精度和搜索時間,筆者設(shè)定step為100 Hz。

筆者確定各通道信號最大包絡(luò)譜峭度對應(yīng)的頻帶范圍{B1,B2,…,BM}。

由于聲陣中各傳感器間距較小,從各通道信號中獲得最大包絡(luò)譜峭度對應(yīng)的頻帶范圍波動不大,因此,筆者選取出現(xiàn)頻次最多的頻帶B*作為敏感特征頻帶,分別從各通道信號中提取出B*,即:

B*=BFremax{B1,B2,…,BM}

(8)

2.2 聲場分布計算

根據(jù)旋轉(zhuǎn)機械的結(jié)構(gòu)尺寸大小,確定聲場中掃描平面soundxy范圍,即:

soundxy={(x,y)|x∈(xmin,xmax),y∈(ymin,ymax)}

(9)

式中:(x,y)—掃描平面內(nèi)的坐標soundxy;(xmin,xmax)—x方向的坐標范圍;(ymin,ymax)—y方向的坐標范圍。

為了獲得較高的掃描精度,筆者設(shè)定掃描步長為0.01 m。

由于B*帶寬較大,直接利用其中心頻率求取導(dǎo)向矢量,容易造成較大的誤差,筆者將B*劃分為多個較窄的子帶,分別計算導(dǎo)向矢量,以降低此誤差。但子帶帶寬小,則其中包含的有用信息也較少。因此,筆者將B*均勻劃分為K個子帶,設(shè)定子帶寬度為100 Hz[19,20],即:

B*={Band1,Band2,…BandK}

(10)

對各子帶信號進行離散傅里葉變換,得到頻域信號Y:

Y={Y1,Y2,Y}

(11)

基于式(3),筆者以Y中各子帶的中心頻率進行相位補償計算,得到掃描點處的導(dǎo)向矢量矩陣A(τ);

基于式(5),筆者計算Y中各子帶信號的互譜矩陣R;

基于式(7),分別求得各子帶信號的聲源功率PMVDR(i)(i=1,2,…,K),最后將其進行累加,得到該點的聲源功率Pxy:

(12)

根據(jù)上述方法,筆者對掃描平面內(nèi)各點的聲源功率進行計算,并遍歷整個掃描平面,得到該平面的聲場分布圖。

2.3 故障源定位

在聲場分布圖中,根據(jù)圖中峰值大小搜索得到聲源最大功率對應(yīng)坐標(xPmax,yPmax),該坐標即為故障源位置:

(xPmax,yPmax)={(x,y)|P=(Pxy)max}

(13)

將聲場分布圖的坐標系Soundxy與攝像頭監(jiān)控畫面的坐標系Viewxy進行疊加處理,得到故障源定位可視化圖H:

H=Viewxy+Soundxy=

(14)

式中:Vxy—攝像頭監(jiān)控畫面各點的像素;Pxy—聲場中各掃描點對應(yīng)的功率。

3 實驗及結(jié)果分析

為了驗證該方法(選擇敏感特征頻帶、計算聲場分布和定位故障源)的定位效果,筆者通過轉(zhuǎn)子故障模擬實驗臺進行故障的模擬實驗,并將所得結(jié)果與采用文獻[11]34-35所用方法得到的結(jié)果進行對比。

3.1 故障模擬實驗臺簡介

轉(zhuǎn)子故障模擬實驗臺包括電機、變速箱、轉(zhuǎn)軸、聯(lián)軸器、平衡盤和軸承座等部件,如圖2所示。

圖2 轉(zhuǎn)子故障模擬實驗臺

實驗中測得的實驗臺上各部件中心位置的坐標(x,y),如表1所示。

表1 實驗臺各部件中心坐標

3.2 實驗設(shè)計

筆者設(shè)計3組不同故障類型的實驗,驗證該方法在不同故障情況下的定位效果。

具體實驗條件如表2所示。

表2 實驗組數(shù)表

實驗的采樣參數(shù)如表3所示。

表3 采樣參數(shù)表

對于軸承類故障而言,由于現(xiàn)場實際的故障軸承難以獲得,此處筆者依據(jù)實際條件下軸承內(nèi)外圈發(fā)生斷裂(或疲勞剝落)后,滾子與其表面接觸產(chǎn)生周期性沖擊信號的機理,通過在正常軸承內(nèi)外圈上,以線切割的方式加工1 mm×0.5 mm的凹槽,進行故障模擬。

模擬故障部件如圖3所示。

圖3 模擬故障部件

為了模擬實際的應(yīng)用條件,筆者將聲陣放置在正對實驗臺1 m的位置。

聲陣中包含16個PCB 130F20麥克風(fēng)傳感器并裝有攝像頭,如圖4所示。

圖4 矩形聲陣及攝像頭

聲陣中各傳感器坐標(x,y)如表4所示。

表4 聲陣各傳感器坐標

3.3 實驗過程及結(jié)果分析

首先,利用Protrugram方法提取出敏感特征頻帶信號;然后,通過MVDR方法對敏感特征頻帶信號進行分析,計算聲場分布,做出聲場分布圖;最后,將攝像頭監(jiān)控畫面與聲場分布圖結(jié)合,從中識別最大聲源位置,定位故障源位置。

3.3.1 敏感特征頻帶選擇

根據(jù)實驗條件,計算得到內(nèi)圈故障軸承特征頻率為156 Hz,設(shè)定帶寬BW為800 Hz,頻帶中心頻率CF范圍為400 Hz～9 600 Hz。

筆者分別做出不同故障條件信號的頻帶包絡(luò)譜峭度圖,如圖5所示。

圖5 不同故障條件頻帶包絡(luò)譜峭度圖

對圖5進行分析,可以得到3種不同故障類型的敏感特征頻帶,如表5所示。

表5 不同故障類型的敏感特征頻帶范圍

從表5中可以看出:3種不同故障類型的敏感特征頻帶存在一定偏差;

軸承外圈故障與軸承內(nèi)圈故障的頻帶偏差較小,可能是由于更換軸承后再進行裝配過程中的配合發(fā)生變化,導(dǎo)致得到的敏感特征頻帶發(fā)生偏移;

不平衡故障與軸承類故障的敏感特征頻帶存在較大偏差,原因在于平衡盤上裝配有不平衡塊,不平衡趨勢傳遞至聯(lián)軸器,激勵產(chǎn)生明顯噪聲,該不平衡故障信號被聯(lián)軸器的固有頻率調(diào)制[21]。

3.3.2 聲場分布計算

根據(jù)實驗臺結(jié)構(gòu)尺寸,筆者計算該平面內(nèi)的聲場分布,設(shè)置掃描平面Soundxy范圍如下:

Soundxy={(x,y)|x∈[0,1.4 m],

y∈[-0.7 m,-0.4 m]}

(15)

為了便于觀察聲源的功率大小,筆者以三維形式展示3種不同故障類型的聲場分布圖,如圖6所示。

圖6 不同故障條件聲場分布圖

由圖6可知:經(jīng)搜索得到3種不同故障條件下聲源最大功率對應(yīng)坐標,該坐標即為估計出的故障源所在位置。

3.3.3 故障源定位

3種不同故障源定位結(jié)果,其坐標如表6所示。

表6 3種不同故障條件的故障源定位結(jié)果

筆者做出3種不同故障條件的定位可視化圖,如圖7所示。

圖7 不同故障條件定位可視化圖

從圖7(a)中可以看出:軸承外圈故障條件下的聲場中存在3個聲源,分別位于變速箱、靠近實驗臺底部和2#軸承座位置;最大功率聲源位置靠近故障軸承處,故障源定位結(jié)果符合實驗條件;在變速箱處存在功率較小的聲源,是由于變速箱在正常運行過程中齒輪間嚙合運轉(zhuǎn)產(chǎn)生的聲音,與實際實驗情況相符;在靠近實驗臺底部存在聲源,可能是由于噪聲傳遞至實驗臺底部發(fā)生反射或其他氣動性噪聲;

從圖7(b)可以觀察到:軸承內(nèi)圈故障條件下的聲場中存在2個聲源,聲源最大功率位置對應(yīng)故障軸承處,說明軸承發(fā)生故障,還存在由經(jīng)實驗臺底部反射的噪聲或氣動性噪聲;

從圖7(c)中可以觀察到:不平衡故障條件的聲場中存在1個明顯的聲源,該聲源中心位于靠近聯(lián)軸器位置,由此認為聯(lián)軸器處存在故障。與軸承類故障的聲源主瓣寬度相比,不平衡故障聲源主瓣寬度明顯更大,這是由于波束形成方法在低頻段定位分辨率較低。

當(dāng)轉(zhuǎn)軸發(fā)生不平衡時,不平衡趨勢也會傳遞至1#軸承座和2#軸承座位置,激勵產(chǎn)生噪聲,為了輔助驗證該定位方法的準確性,結(jié)合軸承發(fā)生故障時敏感特征頻帶范圍在6 000 Hz～7 500 Hz內(nèi)波動的特點,筆者對不平衡故障條件6 000 Hz～7 500 Hz頻段的信號進行定位計算,并做出其聲場分布圖及定位可視化圖,如圖8所示。

圖8 不平衡故障信號6 000 Hz～7 500 Hz定位結(jié)果圖

從圖8中可以觀察到:聲場中存在4個聲源,分別位于電機、變速箱、1#軸承座和2#軸承座位置,且變速箱和電機在正常運行過程中存在噪聲,變速箱噪聲較大,電機噪聲較小,符合實際實驗情況;

靠近兩軸承座位置存在聲源,說明軸承座位置有故障,兩軸承座到平衡盤的距離相同,產(chǎn)生不平衡趨勢相近,因此,聲源功率大小相差不大。兩軸承座的聲源功率小于變速箱位置的聲源功率,可能是因為不平衡趨勢不明顯,導(dǎo)致在軸承座位置產(chǎn)生的激勵較小。

上述結(jié)果進一步驗證了定位方法的準確性。但是對于不平衡故障而言,利用軸承故障敏感特征頻帶進行定位分析,會導(dǎo)致識別結(jié)果中出現(xiàn)過多聲源,較難區(qū)分出主要故障源位置,容易和軸承類故障混淆;而直接對沖擊更明顯的不平衡故障敏感特征頻帶進行分析,則更易識別出不平衡故障位置。

3.4 方法對比分析

筆者對采用新方法和對比方法所獲得的定位結(jié)果進行,如表7所示。

表7 故障源定位結(jié)果表

從表7中可以看出:筆者所提出方法得到的x方向和y方向誤差均不超過0.10 m;對比方法在x方向和y方向的定位誤差均大于0.15 m。

通過上述實驗結(jié)果可知:筆者所提方法的定位誤差明顯小于對比方法,定位效果更好。

該方法依據(jù)旋轉(zhuǎn)機械的故障特性,準確選取了含有故障信息,且位于高頻段的敏感特征頻帶,通過對該頻帶信號進行定位分析,準確識別出主要故障源位置,解決了僅依據(jù)專家經(jīng)驗選取一定頻率范圍信號,導(dǎo)致故障信息漏失、故障源定位誤差較大的問題。同時,該方法還能識別出故障特征頻率位于低頻段的故障源,以免直接對全頻帶信號進行分析,帶來定位精度低,且干擾聲源多的問題。

此外,該方法通過線性約束有效抑制了旁瓣干擾,構(gòu)建了更為清晰的聲場,具有更好的故障源識別效果。

上述實驗結(jié)果及分析表明:筆者所提方法合理利用了波束形成方法中,高頻段定位精度高的優(yōu)勢,可以有效地識別故障源的位置,具有較高的定位精度。

4 結(jié)束語

在基于聲陣的旋轉(zhuǎn)機械故障監(jiān)測過程中,存在故障源定位不準確的問題,為此,筆者提出了一種基于敏感特征頻帶的旋轉(zhuǎn)機械故障源定位方法。

筆者首先采用Protrugram方法,提取了敏感特征頻帶信號,然后利用MVDR方法計算了聲場分布,并確定了故障源位置,最后設(shè)計了故障模擬實驗,對該方法的可行性進行了驗證。

研究結(jié)論如下:

(1)選取旋轉(zhuǎn)機械故障聲信號中調(diào)制后的高頻敏感特征頻帶信號進行了定位分析,對于故障特征頻率位于低頻段的故障源,該方法可以有效識別故障源位置,實現(xiàn)了故障源定位的可視化;

(2)針對旋轉(zhuǎn)機械故障特性,選取含有目標信息的頻帶進行了定位分析,對于其他類型機械故障源定位具有一定的借鑒意義。

在后續(xù)研究中,筆者將在實際運行工況下,驗證所提出方法在泵、風(fēng)機等較為復(fù)雜結(jié)構(gòu)機械中的定位效果,并通過多組數(shù)據(jù)的定位分析,以此來排除由于環(huán)境和工況等因素所引起的短時隨機性異響干擾。