一種基于解調(diào)技術(shù)的電機(jī)故障診斷方法

張雄希

（武漢科技大學(xué) 信息科學(xué)與工程學(xué)院，湖北 武漢430081）

0 前言

現(xiàn)代工業(yè)生產(chǎn)幾乎都離不開(kāi)電機(jī)，電機(jī)己經(jīng)是當(dāng)今生產(chǎn)活動(dòng)和日常生活中最主要的原動(dòng)力和驅(qū)動(dòng)裝置。電機(jī)發(fā)生故障和停止運(yùn)行，會(huì)影響整個(gè)生產(chǎn)系統(tǒng)的正常工作，甚至?xí)＜叭松戆踩?，因此，?duì)電機(jī)故障的診斷要求十分迫切。通過(guò)對(duì)電機(jī)常見(jiàn)故障的診斷和分析，可以及早發(fā)現(xiàn)故障和預(yù)防故障的進(jìn)一步惡化，同時(shí)，對(duì)電機(jī)故障定位、決策及維修都極為重要。

電機(jī)出現(xiàn)故障時(shí)，故障信號(hào)中往往含有大量的時(shí)變、短時(shí)突發(fā)性質(zhì)的成分，傳統(tǒng)的信號(hào)分析方法如Fourier、小波變換等不能有效地提取電機(jī)的故障特征，在此基礎(chǔ)上的改進(jìn)方法也不能完全滿足分析非線性、非平穩(wěn)過(guò)程的要求。尋找其它有效的信號(hào)處理方法成為電機(jī)故障診斷的迫切要求[1]。

1 經(jīng)驗(yàn)?zāi)Ｊ椒纸獾陌j(luò)解調(diào)技術(shù)

經(jīng)驗(yàn)?zāi)Ｊ椒纸?empirical mode decomposition,簡(jiǎn)稱EMD)作為一種新的主成分分析法，可以根據(jù)被分析信號(hào)本身的特點(diǎn)，自適應(yīng)選擇頻帶，確定信號(hào)在不同頻段的分辨率，具有更準(zhǔn)確的譜結(jié)構(gòu)，可對(duì)信號(hào)的頻譜結(jié)構(gòu)作出精確的局部時(shí)頻分辨，比較適用于非線性、非平穩(wěn)的信號(hào)分析。電機(jī)的許多故障信息是以調(diào)制的形式存在于所監(jiān)測(cè)的電氣信號(hào)及振動(dòng)信號(hào)之中，希爾伯特變換包絡(luò)解調(diào)方法有一定的局限性，即將不包括調(diào)制信息的兩時(shí)域相加信號(hào)也以其頻率之差作為解調(diào)信號(hào)而解出，使得在解調(diào)譜上出現(xiàn)無(wú)法分析或引起誤診斷的頻率成分。利用EMD方法良好的時(shí)頻分辨能力和它對(duì)信號(hào)的精確刻畫(huà)能力，結(jié)合希爾伯特包絡(luò)解調(diào)技術(shù)應(yīng)用于電機(jī)的故障診斷中，為電機(jī)故障診斷提供了新的解決手段和方法。

通常，電機(jī)故障特征頻率分量較低，如和其他故障耦合或在強(qiáng)大的背景噪聲中，很難發(fā)現(xiàn)和提取故障特征。經(jīng)驗(yàn)?zāi)Ｊ椒纸庖罁?jù)信號(hào)的特征時(shí)間尺度分解任意信號(hào)，若干個(gè)本征模函數(shù)IMF1～I(xiàn)MFn分別反映信號(hào)中內(nèi)嵌的簡(jiǎn)單振蕩模式，依次包含從高頻到低頻的信號(hào)頻率成分，頻帶寬度由信號(hào)本身的特點(diǎn)所決定，利用經(jīng)驗(yàn)?zāi)Ｊ椒纸膺@一特性，能夠?qū)㈦姍C(jī)監(jiān)測(cè)信號(hào)中的各故障信息與背景噪聲進(jìn)行有效分離。

通過(guò)經(jīng)驗(yàn)?zāi)Ｊ椒纸鈱?fù)雜信號(hào)分解為若干個(gè)本征模函數(shù)(IMF)，將分離出的各本征模分量與原始信號(hào)進(jìn)行相關(guān)分析，求得與各分量相對(duì)應(yīng)的相關(guān)系數(shù)，依據(jù)相關(guān)系數(shù)序列值及其極值點(diǎn)特征確定包含原始信號(hào)主要信息的主IMF。在提取的主IMF分量中，對(duì)各分量進(jìn)行希爾伯特包絡(luò)解調(diào)分析或一般頻譜分析，提取與故障相對(duì)應(yīng)的頻率特征[2]，從而有效地判斷電機(jī)故障類型。

2 電機(jī)故障診斷總體過(guò)程

以鼠籠式異步電機(jī)作為研究對(duì)象，依據(jù)現(xiàn)場(chǎng)采集到的電機(jī)故障信號(hào)，分別對(duì)電機(jī)起動(dòng)和穩(wěn)定工作時(shí)的故障信號(hào)進(jìn)行分析。先對(duì)監(jiān)測(cè)信號(hào)作預(yù)處理如小波降噪等以提高信噪比，再利用EMD的自適應(yīng)分解特性分離振動(dòng)信號(hào)中的各故障特征信息及噪聲，然后經(jīng)相關(guān)分析及EMD分解特征確定信號(hào)中代表故障特征信息主要分量，再對(duì)這些包含故障特征信息主要模式分量進(jìn)行包絡(luò)解調(diào)分析以提取故障特征信息，確定電機(jī)所發(fā)生的故障類別。整個(gè)故障信號(hào)處理流程先后順序?yàn)椋盒〔ń翟?、EMD分解、提取主本征模分量、包絡(luò)檢波、提取故障特征。該方法利用經(jīng)驗(yàn)?zāi)Ｊ椒纸鈦?lái)實(shí)現(xiàn)故障信息的有效分離，從而提高了診斷信號(hào)的信噪比，可有效地克服傳統(tǒng)希爾伯特包絡(luò)解調(diào)技術(shù)的局限性。

3 總結(jié)

基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾陌j(luò)解調(diào)診斷技術(shù)能夠更有效和直觀地描述電機(jī)非線性、非平穩(wěn)故障信號(hào)的特征。有效地克服傳統(tǒng)希爾伯特包絡(luò)解調(diào)技術(shù)中容易出現(xiàn)無(wú)法分析或引起頻率成分誤診斷的局限性，及時(shí)、準(zhǔn)確地地判斷電機(jī)故障類型。能有效解決因電機(jī)故障頻率分量較低，在和其他故障耦合或在強(qiáng)大的背景噪聲中，很難發(fā)現(xiàn)和提取故障特征等難題。

［1］劉振興，尹項(xiàng)根，張哲.基于 Hilbert模量頻譜分析的異步電動(dòng)機(jī)轉(zhuǎn)子故障在線監(jiān)測(cè)與診斷方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2003，7.

［2］周粉利.基于 HHT 變換的電機(jī)故障診斷研究[D].武漢科技大學(xué)，2009，5.

［3］時(shí)獻(xiàn)江，張春喜，邵俊鵬.異步電機(jī)斷條故障診斷的細(xì)化包絡(luò)方法[J].電機(jī)與控制學(xué)報(bào)，2008(3).

［4］楊宇，于德介.經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)在滾動(dòng)軸承故障診斷中的應(yīng)用[J].湖南大學(xué)學(xué)報(bào)，2003，30(5).

［5］沈標(biāo)正.電機(jī)故障診斷技術(shù)[M].北京：機(jī)械工業(yè)出版社，1996.