高速機(jī)械設(shè)備故障檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

滕 冠 吳 星

（柳州職業(yè)技術(shù)學(xué)院，廣西 柳州 545006）

高速機(jī)械設(shè)備故障檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

滕 冠 吳 星

（柳州職業(yè)技術(shù)學(xué)院，廣西 柳州 545006）

針對(duì)當(dāng)前高速機(jī)械設(shè)備運(yùn)轉(zhuǎn)過程中出現(xiàn)故障難以檢測的問題，設(shè)計(jì)一種高向高速運(yùn)轉(zhuǎn)的機(jī)械設(shè)備故障檢測方法，該方法綜合應(yīng)用信號(hào)采集、信號(hào)分析、小波變換和決策樹分類算法等技術(shù)，通過對(duì)調(diào)整運(yùn)轉(zhuǎn)設(shè)備振動(dòng)信號(hào)進(jìn)行測量和分析, 提高機(jī)械設(shè)備故障檢測的精度和準(zhǔn)確性。

故障檢測；信號(hào)采集；決策樹分類算法

目前高速運(yùn)轉(zhuǎn)的機(jī)械設(shè)備在運(yùn)行過程中，可能會(huì)存在一些潛在的故障風(fēng)險(xiǎn)，而將這類高速運(yùn)轉(zhuǎn)設(shè)備停機(jī)，再進(jìn)行設(shè)備的故障檢測，雖然能夠發(fā)現(xiàn)設(shè)備中所存在的相當(dāng)一部分故障，但是這種檢測方法一方面會(huì)降低機(jī)械設(shè)備的使用效率。另一方面高速運(yùn)轉(zhuǎn)設(shè)備在靜止?fàn)顟B(tài)所檢測到的故障類型，與在高速運(yùn)行狀態(tài)下所表現(xiàn)的故障種類和類型有一定差別，尤其是一些潛在的故障風(fēng)險(xiǎn)，在靜止?fàn)顟B(tài)下難以被檢測到，只有在設(shè)備在高速運(yùn)轉(zhuǎn)的時(shí)候，才有可能表現(xiàn)出故障的特征。因此面向高速機(jī)械設(shè)備故障檢測的方法的一種有效的途徑是通過讓機(jī)械設(shè)備在高速運(yùn)轉(zhuǎn)環(huán)境下進(jìn)行故障的檢測。

當(dāng)前對(duì)機(jī)械設(shè)備高速運(yùn)轉(zhuǎn)條件下進(jìn)行故障檢測的途徑，主要是通過機(jī)械設(shè)備在高速運(yùn)轉(zhuǎn)條件下所表現(xiàn)出來的振動(dòng)、噪聲等外在特征進(jìn)行分析，對(duì)這類物理信號(hào)進(jìn)行提取和特征分析，進(jìn)而對(duì)高速運(yùn)轉(zhuǎn)的機(jī)械設(shè)備是否存在故障風(fēng)險(xiǎn)進(jìn)行判別。為了提高機(jī)械設(shè)備故障檢測的精度和準(zhǔn)確性，需要對(duì)高速機(jī)械設(shè)備信號(hào)分析的方法和處理技術(shù)進(jìn)行深入的研究，設(shè)計(jì)具有高分辨率的、易于實(shí)現(xiàn)的機(jī)械設(shè)備故障檢測方法。

1 系統(tǒng)組成結(jié)構(gòu)

本文所要設(shè)計(jì)的故障檢測系統(tǒng)目的是為高速運(yùn)轉(zhuǎn)的機(jī)械設(shè)備提供一種精確有效的故障檢測方法，通過對(duì)機(jī)械振動(dòng)信號(hào)的分析，能夠解決絕大多數(shù)在高速運(yùn)轉(zhuǎn)過程會(huì)產(chǎn)生振動(dòng)信號(hào)的機(jī)械設(shè)備故障檢測的應(yīng)用需求。該系統(tǒng)設(shè)計(jì)原理是通過對(duì)高速運(yùn)轉(zhuǎn)設(shè)備運(yùn)行過程中的振動(dòng)信號(hào)進(jìn)行采集，獲取調(diào)整運(yùn)轉(zhuǎn)設(shè)備的振動(dòng)信號(hào)特征，并將振動(dòng)信號(hào)進(jìn)行小波變換，提取振動(dòng)信號(hào)中的特征。并通過設(shè)計(jì)專門的機(jī)械振動(dòng)信號(hào)分類決策樹，實(shí)現(xiàn)對(duì)機(jī)械振動(dòng)信號(hào)的分類輸出，從而解決對(duì)高速運(yùn)轉(zhuǎn)的機(jī)械設(shè)備故障檢測的應(yīng)用需求。而且由于所輸出的振動(dòng)信號(hào)進(jìn)行了分類，因此一旦發(fā)現(xiàn)故障，不僅能夠判斷出高速運(yùn)轉(zhuǎn)的機(jī)械設(shè)備是否存在故障，同時(shí)也能夠給出該設(shè)備存在的故障類型。

根據(jù)上述原理與要求，故障檢測方法系統(tǒng)組成結(jié)構(gòu)圖如圖 1所示，在對(duì)高速運(yùn)轉(zhuǎn)的機(jī)械設(shè)備進(jìn)行故障檢測時(shí)，首先通過部署在該機(jī)械設(shè)備上的多個(gè)傳感器采集機(jī)械設(shè)備的振動(dòng)信號(hào)，為了提高機(jī)械設(shè)備振動(dòng)信號(hào)采集的精度，所部署的傳感器采用了雙傳感器共同測量的信號(hào)采集方法。通過對(duì)同一位置、同一測試對(duì)象的振動(dòng)信號(hào)用兩傳感器分別進(jìn)行測量，提高傳感器采集的機(jī)械振動(dòng)信號(hào)準(zhǔn)確性。傳感器采集到的振動(dòng)信號(hào)經(jīng)過數(shù)據(jù)融合之后，進(jìn)行小波變換，通過水波變換能夠?qū)C(jī)械振動(dòng)信號(hào)中不明顯的振動(dòng)信號(hào)進(jìn)行放大和分離，從而使得高速運(yùn)轉(zhuǎn)的機(jī)械振動(dòng)信號(hào)中所蘊(yùn)含的一些故障特征信息，能夠被表露出來。之后應(yīng)用由故障特征庫訓(xùn)練得到的故障分類決策樹，對(duì)采樣得到的故障信號(hào)進(jìn)行分類，判別出所采集到的故障振動(dòng)信號(hào)中是否表明該機(jī)械存在某些故障。同時(shí)也根據(jù)預(yù)先設(shè)定的分類決策樹各判斷分支的現(xiàn)實(shí)含義，做出該機(jī)械具體存在哪一種的故障。

圖1　故障檢測方法系統(tǒng)組成結(jié)構(gòu)圖

2 關(guān)鍵技術(shù)實(shí)現(xiàn)

2.1故障信號(hào)的采集

種高速機(jī)械設(shè)備故障檢測系統(tǒng)由振動(dòng)信號(hào)采集模塊、數(shù)據(jù)融合模塊、小波變化模塊、振動(dòng)信號(hào)異常提取模塊、機(jī)械振動(dòng)特征訓(xùn)練庫和基于C4.5分類決策樹的故障診斷和識(shí)別模塊等組成。其中，動(dòng)信號(hào)采集模塊、數(shù)據(jù)融合模塊負(fù)責(zé)故障信號(hào)的采集，其余模塊負(fù)責(zé)故障信號(hào)的分析。數(shù)據(jù)采集的原理如圖2所示。

圖2　故障信號(hào)測量數(shù)據(jù)融合原理圖

圖 2的數(shù)據(jù)融合基于傳感器的振動(dòng)信號(hào)采集模塊，利用振動(dòng)信號(hào)傳感器，實(shí)現(xiàn)對(duì)機(jī)械振動(dòng)信號(hào)的采集。其部署方式是在被測的機(jī)械設(shè)備上每個(gè)測量點(diǎn)部署兩個(gè)振動(dòng)信號(hào)傳感器，實(shí)現(xiàn)對(duì)振動(dòng)信號(hào)的采集。機(jī)械設(shè)備啟動(dòng)后，只需處于正常的高速運(yùn)轉(zhuǎn)狀態(tài)，通過部署在機(jī)械設(shè)備上的振動(dòng)傳感器，采集機(jī)械設(shè)備在高速運(yùn)轉(zhuǎn)過程中其振動(dòng)的原始信號(hào)。對(duì)傳感器所采集到的機(jī)械高速運(yùn)轉(zhuǎn)時(shí)的振動(dòng)信號(hào)進(jìn)行數(shù)據(jù)融合，即將每一處有兩個(gè)傳感器所采集到的振動(dòng)信號(hào)進(jìn)行求和取平均，得到該處相對(duì)穩(wěn)定的振動(dòng)信號(hào)值。

2.2故障信號(hào)的分析

對(duì)高速機(jī)械故障的分析主要是對(duì)軸承外圈、內(nèi)圈、滾動(dòng)體等各部件故障的特征頻率進(jìn)行分析，這些故障信號(hào)測量數(shù)據(jù)包括外圈故障數(shù)據(jù)、內(nèi)圈故障數(shù)據(jù)、滾動(dòng)體故障數(shù)據(jù)以及正常數(shù)據(jù)。本文提出的檢測系統(tǒng)主要分析方法是通過對(duì)各部分的故障數(shù)據(jù)進(jìn)行多尺度二進(jìn)離散小波分析,利用小波變換方式重構(gòu)各尺度的高頻部分的細(xì)節(jié)信號(hào)。對(duì)所得到的每一處振動(dòng)信號(hào)數(shù)值進(jìn)行小波變換，變換之后得到高速運(yùn)轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的特征值。

對(duì)于故障檢測系統(tǒng)來說，數(shù)據(jù)去噪是關(guān)鍵，本設(shè)計(jì)結(jié)合haar小波分析算法優(yōu)勢，構(gòu)建去噪采用流程。通過小波分層對(duì)待分析的信號(hào)進(jìn)行分層，通過小波變換得到不同層次的系數(shù)，調(diào)整量化參數(shù)，形成高頻系數(shù)集實(shí)現(xiàn)低頻系數(shù)重構(gòu)，從而達(dá)到去噪目的。振動(dòng)信號(hào)小波變換，其在進(jìn)行變換時(shí)，所使用的小波變換公式（1）如下所示：

2.3故障信號(hào)的診斷與識(shí)別

通過振動(dòng)信號(hào)特征提取模塊，將小波變換的結(jié)果進(jìn)行抽取，匯總得到機(jī)械調(diào)整運(yùn)轉(zhuǎn)時(shí)的振動(dòng)信號(hào)特征值。通過對(duì)這些振動(dòng)信號(hào)進(jìn)行收集匯總，形成機(jī)械高速運(yùn)轉(zhuǎn)振動(dòng)信號(hào)庫。利用這些運(yùn)轉(zhuǎn)振動(dòng)信號(hào)構(gòu)建C4.5分類決策樹，進(jìn)行機(jī)械故障診斷與識(shí)別應(yīng)用，具體流程如圖3所示。

圖3　決策樹生成流程

C4.5是一系列用在機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的分類問題中的算法。它的目標(biāo)是監(jiān)督學(xué)習(xí)：給一個(gè)數(shù)據(jù)集，其中的每一個(gè)元組都能用一組屬性值來描述，每一個(gè)元組屬于一個(gè)互斥的類別中的某一類。C4.5的目標(biāo)是通過學(xué)習(xí)，找到一個(gè)從屬性值到類別的映射關(guān)系，并且這個(gè)映射能用于對(duì)新的類別未知的實(shí)體進(jìn)行分類。

從圖 3筆者可以知道整個(gè)故障的診斷與識(shí)別原理。比如提取一千組初始的機(jī)械高速運(yùn)轉(zhuǎn)振動(dòng)信號(hào)，以及機(jī)械處于不同種類故障時(shí)，其高速運(yùn)轉(zhuǎn)振動(dòng)信號(hào)，將所有振動(dòng)信號(hào)的數(shù)值分別進(jìn)行小波變換，并將所得到的結(jié)果進(jìn)行C4.5分類決策樹的構(gòu)造。在完成C4.5分類決策樹的構(gòu)造之后，將每一次實(shí)際所采集到的機(jī)械高速運(yùn)轉(zhuǎn)振動(dòng)信號(hào)，經(jīng)小波變換得到振動(dòng)信號(hào)的特征值，然后利用C4.5分類決策樹對(duì)所得到的振動(dòng)信號(hào)特征值進(jìn)行分類。由C4.5分類決策樹完成對(duì)給定的振動(dòng)信號(hào)特征值進(jìn)行分類識(shí)別，給出識(shí)別的結(jié)果。根據(jù)初始的 C4.5分類決策樹訓(xùn)練結(jié)果表，查表獲取C4.5分類決策樹每一種分類情況所對(duì)應(yīng)的高速機(jī)械運(yùn)轉(zhuǎn)的狀態(tài)，以及該狀態(tài)所蘊(yùn)含的具體故障類型。

3 總結(jié)

本文提出的機(jī)械故障診斷方法，該方法的核心原理是通過在機(jī)械調(diào)整運(yùn)轉(zhuǎn)的狀態(tài)下，利用提前部署的信號(hào)采集傳感器獲得機(jī)械調(diào)整運(yùn)轉(zhuǎn)的振動(dòng)特征信號(hào)，通過對(duì)振動(dòng)特征信號(hào)的分析與提取實(shí)現(xiàn)對(duì)調(diào)整運(yùn)轉(zhuǎn)機(jī)械故障的診斷與識(shí)別。本文設(shè)計(jì)的高速運(yùn)轉(zhuǎn)機(jī)械故障檢測方法，相對(duì)傳統(tǒng)的故障檢測方法具有以下幾個(gè)明顯的優(yōu)勢：

（1）通過對(duì)機(jī)械高速運(yùn)轉(zhuǎn)過程中表現(xiàn)出來的振動(dòng)信號(hào)進(jìn)行分析，并實(shí)現(xiàn)故障的檢測，能夠?qū)崿F(xiàn)被檢測機(jī)械設(shè)備無需停機(jī)即實(shí)現(xiàn)故障的檢測，提高了故障檢測的效率。

（2）通過對(duì)機(jī)械的振動(dòng)信號(hào)進(jìn)行采集和小波變換，能夠有效的提取振動(dòng)信號(hào)中所包含的故障信號(hào)特征，并能夠?qū)收闲盘?hào)特征進(jìn)行放大和分離，有助于對(duì)機(jī)械故障的識(shí)別和分類。

（3）在進(jìn)行故障分類時(shí)通過預(yù)先設(shè)定的大量故障信號(hào)和數(shù)據(jù)進(jìn)行訓(xùn)練，得到了基于C4.5分類決策樹的故障分類器。該分類決策器相對(duì)于簡單的手工分類，或者憑經(jīng)驗(yàn)進(jìn)行故障分類，具有較高的故障分類準(zhǔn)確性和客觀性，既能夠保證故障檢測方法具有較高的精度，同時(shí)也能夠保證該檢測方法具有較強(qiáng)的通用性。

[1] 李凌均,張周鎖,何正嘉.基于支持向量機(jī)的機(jī)械設(shè)備狀態(tài)趨勢預(yù)測研究[J].西安交通大學(xué)學(xué)報(bào),2004,38(3):230-233.

[2] 劉春梅.一種機(jī)械故障診斷方法:中國, CN103743585A[P]. 2014-04-23.

[3] 劉春梅.一種機(jī)械手精確控制系統(tǒng)及其方法:中國, CN103743477A [P].2014-04-23.

[4] 王紅軍,徐小力,張建民.故障狀態(tài)趨勢的SVM于是技術(shù)研究[J].機(jī)械科學(xué)與技術(shù),2006,25(4):379-381.

Design and implementation of fault detection system for high speed mechanical equipment

Aiming at the problem that the fault is difficult to detect in the operation process of the high speed mechanical equipment, a new method of mechanical equipment fault detection is designed, which is based on signal acquisition, signal analysis, wavelet transform and decision tree classification algorithm.

Fault detection; signal acquisition; decision tree classification algorithm

TH17

A

1008-1151(2015)09-0084-02

2015-08-12

廣西教育廳科研課題“基于自學(xué)習(xí)理論的機(jī)械故障診斷技術(shù)研究”（KY2015LX652）；廣西教育廳科研課題“高精度飛剪機(jī)研制與產(chǎn)業(yè)化”（KY2015LX635）。

滕冠（1973－），男，廣西陸川人，柳州職業(yè)技術(shù)學(xué)院講師，從事機(jī)電一體化方向研究；吳星（1980－），女，廣西柳州人，柳州職業(yè)技術(shù)學(xué)院講師，工學(xué)碩士，從事機(jī)電一體化研究。