于良 陳曄

（浙江理工大學(xué)信息科學(xué)與工程學(xué)院 浙江省杭州市 310018）

隨著科學(xué)技術(shù)的發(fā)展，旋轉(zhuǎn)機(jī)械內(nèi)部結(jié)構(gòu)日趨復(fù)雜，發(fā)生故障的可能性和故障類型的復(fù)雜程度也在增加[1]。為了提高生產(chǎn)效率、保障設(shè)備的安全運(yùn)行，針對設(shè)備運(yùn)行狀態(tài)的實(shí)時監(jiān)測和故障診斷顯得尤為重要。在實(shí)際生產(chǎn)過程中，旋轉(zhuǎn)機(jī)械故障常常伴隨異常的振動和噪聲，如汽輪機(jī)、風(fēng)機(jī)和水輪機(jī)等的振動，依據(jù)采集到的振動信號對設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)測和故障診斷仍是目前旋轉(zhuǎn)機(jī)械設(shè)備日常維護(hù)和管理的主要手段[2]。

此外，由于部分旋轉(zhuǎn)機(jī)械設(shè)備服役時間較長，在其設(shè)計之初并未考慮加裝狀態(tài)監(jiān)測與故障診斷系統(tǒng)。而在現(xiàn)場施工完畢后光纜通訊線路已基本架設(shè)完成，重新鋪設(shè)線路造價高、難度大。而基于無線傳輸模式的物聯(lián)網(wǎng)架構(gòu)受客觀環(huán)境制約較小，其在通訊方式上更為靈活，具有更高的適應(yīng)能力[3]。

綜上所述，本文基于物聯(lián)網(wǎng)架構(gòu)采用無線網(wǎng)橋組網(wǎng)的方式實(shí)現(xiàn)網(wǎng)絡(luò)層的數(shù)據(jù)傳輸，感知層通過加速度傳感器獲取的振動信號及聲壓傳感器獲取的音頻信號監(jiān)測設(shè)備工作狀態(tài)，應(yīng)用層采用奇異值分解(Singular Value Decomposition, SVD)[4]改進(jìn)經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)[5]的方式實(shí)現(xiàn)了對故障信號的故障特征增強(qiáng)，最終基于LabVIEW 平臺開發(fā)了一套旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測與故障診斷實(shí)驗(yàn)教學(xué)平臺[6]。該平臺可供本科、研究生實(shí)驗(yàn)教學(xué)使用，有助于學(xué)生對相關(guān)知識的掌握，此外該平臺還提供了常見的旋轉(zhuǎn)機(jī)械設(shè)備故障公開數(shù)據(jù)集，可供學(xué)生后續(xù)開展故障識別、分類、預(yù)測等方面的科學(xué)研究。

1 實(shí)驗(yàn)教學(xué)平臺總體設(shè)計

實(shí)驗(yàn)教學(xué)平臺總體結(jié)構(gòu)如圖1 所示，該平臺主體由基于物聯(lián)網(wǎng)架構(gòu)的硬件部分和采用LabVIEW 平臺開發(fā)的軟件部分組成。物聯(lián)網(wǎng)架構(gòu)感知層的傳感器部分由電渦流傳感器、內(nèi)置IC 電路的加速度傳感器、聲壓傳感器構(gòu)成，并通過綜合數(shù)據(jù)采集控制模塊來采集旋轉(zhuǎn)機(jī)械設(shè)備對應(yīng)測點(diǎn)的狀態(tài)信息。

圖1：旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測與故障診斷實(shí)驗(yàn)教學(xué)平臺總體結(jié)構(gòu)圖

數(shù)據(jù)采集控制模塊采用北京方控公司的SK2011 系列多功能綜合數(shù)采模塊，可實(shí)現(xiàn)16 通道同步采樣，最高采樣頻率可達(dá)200 KSPS，其還可滿足多臺模塊之間、多個通道之間的數(shù)據(jù)同步采集，該特點(diǎn)使得該實(shí)驗(yàn)教學(xué)平臺未來應(yīng)用于現(xiàn)場多測點(diǎn)、多設(shè)備背景下的旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測與故障診斷成為可能。網(wǎng)絡(luò)層傳輸部分采用具有傳輸穩(wěn)定、通信距離遠(yuǎn)、吞吐容量大、抗干擾能力強(qiáng)等特點(diǎn)的神腦公司ENS500 系列無線網(wǎng)橋進(jìn)行搭建，其工作頻段為5.18～5.825GHz，最大傳輸速率為300Mbps，可實(shí)現(xiàn)大容量數(shù)據(jù)的快速傳輸。應(yīng)用層部分采用基于LabVIEW 的C/S 架構(gòu)進(jìn)行軟件設(shè)計，數(shù)據(jù)保存采用微軟關(guān)系型數(shù)據(jù)庫SQL Server，數(shù)據(jù)庫的引入為后續(xù)的數(shù)據(jù)維護(hù)與數(shù)據(jù)共享提供了便利條件。

2 SVD改進(jìn)EMD的故障特征增強(qiáng)方法

在線監(jiān)測部分為了實(shí)現(xiàn)實(shí)驗(yàn)教學(xué)平臺能夠快速判斷出旋轉(zhuǎn)機(jī)械設(shè)備的當(dāng)前運(yùn)行狀態(tài)，引入時域信號參數(shù)作為其運(yùn)行狀態(tài)的標(biāo)識。通過峰峰值、峭度值、均方根值、峭度指標(biāo)等特征參數(shù)實(shí)現(xiàn)對各測點(diǎn)狀態(tài)的實(shí)時在線監(jiān)測[7]，當(dāng)設(shè)備某個測點(diǎn)的振動測量時域特征參數(shù)超出設(shè)定閾值時，系統(tǒng)報警并保存異常數(shù)據(jù)。

在故障診斷部分，針對在線監(jiān)測過程中得到的異常數(shù)據(jù)，目前普遍采用EMD 方法提取信號的故障特征，該方法具有較高的自適應(yīng)性，針對于非線性、非平穩(wěn)時域信號的處理能力較強(qiáng)。其方法本質(zhì)是將待處理信號分解為若干個固有模態(tài)函數(shù)（Intrinsic Mode Fuction,IMF）及余項之和的形式。在應(yīng)用該方法實(shí)現(xiàn)故障特征提取時，為了避免EMD 方法中的端點(diǎn)效應(yīng)問題對分解結(jié)果的影響，采用鏡像延拓加余弦窗的方式實(shí)現(xiàn)對EMD 待處理信號的預(yù)處理[8]。

除此以外，在旋轉(zhuǎn)機(jī)械設(shè)備的故障早期，其故障信號通常比較微弱，而且信號中混有大量的背景噪聲，信噪比較低，很難準(zhǔn)確提取出信號的故障特征。而采用SVD 方法可以有效的將噪聲與信號分離，提高故障信號的信噪比，此外該方法還可有效消除高頻諧波對EMD分解結(jié)果的影響。文獻(xiàn)[4]中詳細(xì)闡述了SVD 降噪原理與重構(gòu)矩陣有效秩階數(shù)的選擇方法，根據(jù)其提出的方法構(gòu)造(N/2+1)×N/2 階的Hankel 矩陣，有效奇異值的個數(shù)選取采用差分譜單邊極大值準(zhǔn)則，通過信號重構(gòu)實(shí)現(xiàn)對故障信號的降噪。

綜上所述，本平臺采用基于SVD 改進(jìn)EMD 的方法進(jìn)行故障特征的提取[9]，其方法具體實(shí)現(xiàn)過程如圖2 中所示。SVD方法可以有效的將背景噪聲與故障信號分離，針對降噪后的信號采用EMD 方法對其進(jìn)行分解，通過對IMF 分量加和重構(gòu)的方式得到特征增強(qiáng)的故障信號，便于后續(xù)應(yīng)用頻譜分析手段判斷設(shè)備的故障類型。

圖2：SVD 改進(jìn)EMD 處理方法原理圖

3 實(shí)驗(yàn)教學(xué)平臺軟件部分的實(shí)現(xiàn)

旋轉(zhuǎn)機(jī)械監(jiān)測與故障診斷實(shí)驗(yàn)教學(xué)平臺采用基于C/S 結(jié)構(gòu)架構(gòu)進(jìn)行設(shè)計，以LabVIEW 為軟件開發(fā)平臺，數(shù)據(jù)存儲部分以局域網(wǎng)內(nèi)一臺安裝SQL Server 數(shù)據(jù)庫的固定IP 服務(wù)器作為振動信號的存儲終端，并借助ODBC 技術(shù)實(shí)現(xiàn)局域網(wǎng)內(nèi)的數(shù)據(jù)訪問功能，滿足各測點(diǎn)狀態(tài)數(shù)據(jù)、平臺相關(guān)設(shè)定參數(shù)的存儲與數(shù)據(jù)共享。

平臺軟件部分實(shí)現(xiàn)了機(jī)械故障綜合模擬平臺各個監(jiān)測點(diǎn)位的時域特征參數(shù)實(shí)時處理與顯示，根據(jù)閾值比較結(jié)果采用紅、黃、綠三種顏色來標(biāo)示對應(yīng)測點(diǎn)的運(yùn)行狀態(tài)。當(dāng)設(shè)備時域特征參數(shù)高于報警值時，系統(tǒng)以聲光警報的方式提示設(shè)備出現(xiàn)異常，同時將該異常信號的原始數(shù)據(jù)存儲于數(shù)據(jù)庫對應(yīng)的數(shù)據(jù)表中。針對異常數(shù)據(jù)，實(shí)驗(yàn)人員可通過平臺實(shí)現(xiàn)的SVD 改進(jìn)EMD 方法得到故障特征增強(qiáng)的信號，結(jié)合頻譜分析可實(shí)現(xiàn)對旋轉(zhuǎn)機(jī)械設(shè)備早期故障類型的綜合判斷。此外，實(shí)驗(yàn)教學(xué)平臺中還提供了趨勢分析、軸心軌跡圖等模塊，以實(shí)現(xiàn)對設(shè)備異常狀態(tài)的監(jiān)測與分析。

3.1 鍵相信號處理與轉(zhuǎn)速獲取

轉(zhuǎn)速測量作為獲取設(shè)備狀態(tài)信息的重要手段，可通過在被測轉(zhuǎn)軸上設(shè)置凸鍵或凹鍵進(jìn)行實(shí)現(xiàn)。當(dāng)鍵相槽轉(zhuǎn)到傳感器探頭對應(yīng)的位置時，探頭與被測面的距離瞬間改變，傳感器產(chǎn)生一個脈沖信號，轉(zhuǎn)軸每轉(zhuǎn)一周就會產(chǎn)生一個脈沖信號[10]。由于實(shí)際采集到的鍵相信號有一定寬度，如何精準(zhǔn)確定脈沖到達(dá)的時間點(diǎn)對于轉(zhuǎn)速測量尤為重要，平臺中轉(zhuǎn)速測量的實(shí)現(xiàn)采用過零點(diǎn)技術(shù)確定參考電平位置，將采集到的鑒相信號的均值確定為參考電平，并將歸一化后的鍵相信號上升沿所在位置確定為脈沖到達(dá)時刻位置。根據(jù)兩個脈沖上升沿位置對應(yīng)的時間間隔及脈沖個數(shù)即可實(shí)現(xiàn)針對旋轉(zhuǎn)機(jī)械設(shè)備的轉(zhuǎn)速測量。

3.2 聲音信號處理

傳統(tǒng)檢測手段通常需要依靠有經(jīng)驗(yàn)的運(yùn)行維護(hù)人員用一根聽音棒完成對設(shè)備狀態(tài)的判斷，而對于工作在復(fù)雜環(huán)境下的機(jī)械設(shè)備，維護(hù)人員因?yàn)槟承┛陀^因素?zé)o法通過聲音完成對設(shè)備狀態(tài)的判定，而通過布置在設(shè)備附近的聲壓傳感器可替代維護(hù)人員實(shí)現(xiàn)遠(yuǎn)程在線實(shí)時聽音。通過LabVIEW 中自帶的圖形與聲音功能集合中的相關(guān)模塊完成所采集到的聲音信號的還原與音量調(diào)節(jié)。實(shí)現(xiàn)了遠(yuǎn)程狀態(tài)下對旋轉(zhuǎn)機(jī)械設(shè)備的監(jiān)聽，其采集到的聲音信號也為本科生、研究生后續(xù)進(jìn)行基于音頻信號分析的故障識別算法研究提供了數(shù)據(jù)基礎(chǔ)。

3.3 數(shù)據(jù)存儲的實(shí)現(xiàn)

當(dāng)旋轉(zhuǎn)機(jī)械設(shè)備時域參數(shù)監(jiān)測異常發(fā)生時，系統(tǒng)將異常時間點(diǎn)后5min（可人為設(shè)定）的數(shù)據(jù)以電子表格文件的形式保存以完成數(shù)據(jù)的快速存儲，寫入的內(nèi)容包括數(shù)據(jù)的順序標(biāo)識、采樣時刻、信號采樣頻率以及信號的原始數(shù)據(jù)。如圖3 中所示，在電子表格文件轉(zhuǎn)存至數(shù)據(jù)庫操作中，利用ODBC 技術(shù)可實(shí)現(xiàn)對局域網(wǎng)內(nèi)任意一臺服務(wù)器的數(shù)據(jù)庫進(jìn)行訪問，通過格式化批量文件導(dǎo)入語句bulk insert 可實(shí)現(xiàn)文件數(shù)據(jù)的快速存儲。此外，針對未能及時入庫的數(shù)據(jù)文件，在設(shè)備處于空閑狀態(tài)時平臺可實(shí)現(xiàn)該部分?jǐn)?shù)據(jù)的二次入庫操作。由于數(shù)據(jù)在電子表格文件生成時采用了依次遞增的數(shù)據(jù)文件順序標(biāo)識，在數(shù)據(jù)讀取與分析時只需針對該字段進(jìn)行排序便可保證數(shù)據(jù)的連續(xù)性。

圖3：異常數(shù)據(jù)文件的快速存儲入庫實(shí)現(xiàn)框圖

4 實(shí)例對象驗(yàn)證分析

為了驗(yàn)證該實(shí)驗(yàn)教學(xué)平臺的有效性，采用N205 型的軸承外圈故障信號進(jìn)行驗(yàn)證，該軸承的滾子數(shù)為12，軸承節(jié)圓直徑為39mm，滾動體直徑為7.5mm，壓力角為0，信號采樣頻率為12.8KHz，轉(zhuǎn)速為1440r/min，取故障信號中的3000 個數(shù)據(jù)點(diǎn)進(jìn)行分析。根據(jù)軸承外圈故障特征頻率公式進(jìn)行計算可得其對應(yīng)的特征頻率為：

對于該軸承外圈故障數(shù)據(jù)，采用SVD 算法進(jìn)行降噪，根據(jù)單邊極大值法則進(jìn)行重構(gòu)奇異值的階數(shù)選擇，降噪后的信號通過EMD 方法進(jìn)行特征提取，由于軸承故障信號主要表現(xiàn)為沖擊信號，其主要故障頻率成分主要分布于前幾個IMF 分量中，本次采用IMF1 作為故障特征增強(qiáng)信號進(jìn)行頻譜分析。

圖4 為采用SVD-EMD 處理后的故障信號在實(shí)驗(yàn)教學(xué)平臺中進(jìn)行包絡(luò)譜分析的結(jié)果，從圖中可以明顯看出其中存在一個頻率為116.2Hz 的峰值，該峰值頻率與軸承外圈故障特征頻率相吻合。此外包絡(luò)譜分析結(jié)果中還存在對應(yīng)于軸承外圈故障特征的二倍頻231.4Hz、三倍頻350.86Hz、四倍頻466.06Hz 和五倍頻582.26Hz 的頻率成分，符合軸承外圈故障的特征，進(jìn)一步說明了該實(shí)驗(yàn)平臺在故障特征分析方面的準(zhǔn)確性和有效性。

圖4：N205 軸承外圈故障包絡(luò)譜分析結(jié)果圖

5 結(jié)束語

本文設(shè)計的旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測與故障診斷實(shí)驗(yàn)教學(xué)平臺充分利用了物聯(lián)網(wǎng)架構(gòu)的優(yōu)勢，通過搭建無線網(wǎng)橋的方式實(shí)現(xiàn)數(shù)據(jù)傳輸，節(jié)約成本并且克服了環(huán)境的制約；信號處理方面，結(jié)合時域指標(biāo)分析、SVD 改進(jìn)EMD 方法的故障特征分析、頻譜分析，實(shí)現(xiàn)了對于旋轉(zhuǎn)機(jī)械設(shè)備的狀態(tài)監(jiān)測與故障診斷，為設(shè)備安全、穩(wěn)定運(yùn)行提供了有力支持；在傳感器應(yīng)用方面，平臺采用聲音傳感器代替原有的聽音器，解決了部分設(shè)備受客觀條件制約而無法實(shí)現(xiàn)對設(shè)備的人工聽音診斷問題，同時也為后續(xù)開展聲音信號分析提供方便。此外，在學(xué)生培養(yǎng)方面，平臺為學(xué)生接觸了解故障診斷方法提供條件，并為其后續(xù)針對故障類型識別、分類及預(yù)測等方面的自主學(xué)習(xí)研究提供了堅實(shí)基礎(chǔ)，真正達(dá)到了培養(yǎng)人才的目的。