基于變分模態(tài)分解與優(yōu)化多核支持向量機(jī)的旋轉(zhuǎn)機(jī)械早期故障診斷方法研究

李明

【摘 要】旋轉(zhuǎn)機(jī)械作為現(xiàn)代化工業(yè)生產(chǎn)中必不可少的工程設(shè)備，被廣泛應(yīng)用于化工、石油、冶金、電力等關(guān)系國(guó)計(jì)民生的重要領(lǐng)域。一旦旋轉(zhuǎn)機(jī)械設(shè)備發(fā)生故障輕則致使整個(gè)系統(tǒng)癱瘓?jiān)斐删薮蠼?jīng)濟(jì)損失，重則產(chǎn)生人員傷亡。研究表明旋轉(zhuǎn)機(jī)械早期故障階段具有較長(zhǎng)的潛伏期，如果能在旋轉(zhuǎn)機(jī)械設(shè)備故障萌芽即將出現(xiàn)、剛剛出現(xiàn)或故障程度比較輕微時(shí)，準(zhǔn)確地預(yù)測(cè)故障可能發(fā)生的時(shí)間、部位以及故障類(lèi)別，并據(jù)此指導(dǎo)旋轉(zhuǎn)機(jī)械設(shè)備的保養(yǎng)和維修工作，將有利于對(duì)旋轉(zhuǎn)機(jī)械設(shè)備故障發(fā)展進(jìn)行有效控制，并保障其安全可靠地運(yùn)行。

【關(guān)鍵詞】變分模態(tài)分解；旋轉(zhuǎn)機(jī)械；故障診斷

引言

旋轉(zhuǎn)機(jī)械作為現(xiàn)代化工業(yè)生產(chǎn)中必不可少的工程設(shè)備，被廣泛應(yīng)用于化工、石油、冶金、電力等關(guān)系國(guó)計(jì)民生的重要領(lǐng)域。隨著設(shè)備高精度、高轉(zhuǎn)速、大承載的要求，旋轉(zhuǎn)機(jī)械設(shè)備大多具有結(jié)構(gòu)復(fù)雜化、體積大型化等特點(diǎn)。而且在實(shí)際運(yùn)行中，旋轉(zhuǎn)機(jī)械大多數(shù)時(shí)間都處于高速、高載、大溫差等復(fù)雜環(huán)境狀態(tài)下，其故障發(fā)生頻率遠(yuǎn)高于其它設(shè)備。旋轉(zhuǎn)機(jī)械又大多為設(shè)備關(guān)鍵部件，一旦發(fā)生故障輕則致使整個(gè)系統(tǒng)癱瘓并造成巨大經(jīng)濟(jì)損失，重則產(chǎn)生人員傷亡。近年來(lái)，國(guó)內(nèi)外發(fā)生了多起由旋轉(zhuǎn)設(shè)備故障引起的惡性事故，給國(guó)家經(jīng)濟(jì)帶來(lái)巨大損失并嚴(yán)重影響人們生產(chǎn)生活。大部分旋轉(zhuǎn)機(jī)械設(shè)備結(jié)構(gòu)復(fù)雜，不宜將機(jī)組拆開(kāi)逐一檢查，且故障發(fā)生往往是多種因素共同作用的結(jié)果，這些因素都增加了故障檢測(cè)和診斷的難度。事后維修和定期維修，對(duì)于簡(jiǎn)單旋轉(zhuǎn)機(jī)械設(shè)備具有一定的效果，但事后維修對(duì)于事故不具有規(guī)避性；而定期維修受隨機(jī)因素的影響易產(chǎn)生維修不足，設(shè)備易在預(yù)定維修前發(fā)生故障產(chǎn)生維修不足或容易在設(shè)備尚能正常工作時(shí)，提前維修造成過(guò)剩維修。

1基于模式識(shí)別的旋轉(zhuǎn)機(jī)械早期故障診斷現(xiàn)狀

機(jī)械故障診斷技術(shù)發(fā)展至今主要經(jīng)歷了三個(gè)階段：基于維修人員的經(jīng)驗(yàn)的推理決策來(lái)對(duì)機(jī)械設(shè)備故障排除和維修、基于現(xiàn)代信號(hào)處理的故障診斷、機(jī)械設(shè)備智能故障診斷。第一階段主要依靠維修人員聽(tīng)覺(jué)、視覺(jué)以及經(jīng)驗(yàn)進(jìn)行，對(duì)維修人員的專(zhuān)業(yè)素養(yǎng)要求低，只要會(huì)操作簡(jiǎn)單的儀表就可勝任；第二階段依托現(xiàn)代傳感器技術(shù)、動(dòng)態(tài)測(cè)試技術(shù)以及現(xiàn)代信號(hào)分析技術(shù)等，來(lái)對(duì)機(jī)械設(shè)備的結(jié)構(gòu)和故障機(jī)理進(jìn)行深入的研究，這也是目前故障診斷中應(yīng)用最廣泛的故障診斷方法，這一階段對(duì)維修人員的專(zhuān)業(yè)素養(yǎng)要求較高；而第三階段對(duì)旋轉(zhuǎn)機(jī)械的運(yùn)行狀態(tài)進(jìn)行高精度、自動(dòng)化的識(shí)別是旋轉(zhuǎn)機(jī)械故障診斷和狀態(tài)監(jiān)測(cè)追求的目標(biāo)。

傳統(tǒng)模式識(shí)別方法通過(guò)對(duì)比未知狀態(tài)與已知狀態(tài)之間的差異來(lái)確定故障，無(wú)法適應(yīng)旋轉(zhuǎn)機(jī)械早期小子樣故障過(guò)程的不規(guī)則性以及漸變性。利用MSVM小子樣條件下旋轉(zhuǎn)機(jī)械早期故障具有其獨(dú)特的優(yōu)勢(shì)，然而MSVM構(gòu)造種類(lèi)具有多樣性，不同的核函數(shù)構(gòu)造方法、不同參數(shù)選擇并非都會(huì)帶來(lái)最佳的模式識(shí)別效果，因此在旋轉(zhuǎn)機(jī)械早期小子樣故障MSVM辨識(shí)過(guò)程中，在核函數(shù)構(gòu)造、參數(shù)優(yōu)化選取等方面仍需進(jìn)一步研究。

2旋轉(zhuǎn)機(jī)械早期故障診斷存在的難點(diǎn)

旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)是其設(shè)備運(yùn)行狀態(tài)以及故障信息的載體，對(duì)旋轉(zhuǎn)機(jī)械的運(yùn)行狀態(tài)進(jìn)行長(zhǎng)期有效的監(jiān)測(cè)，并對(duì)狀態(tài)信息進(jìn)行準(zhǔn)確、可靠、有效地管理并加以利用，就能實(shí)現(xiàn)對(duì)旋轉(zhuǎn)機(jī)械早期故障診斷，提高旋轉(zhuǎn)機(jī)械運(yùn)行的可靠性以及經(jīng)濟(jì)效益。然而，旋轉(zhuǎn)機(jī)械早期振動(dòng)信號(hào)具有非線性噪聲強(qiáng)、故障特征微弱耦合非線性、故障信號(hào)非平穩(wěn)、故障信息不完備、故障樣本十分稀缺等特點(diǎn)，傳統(tǒng)的旋轉(zhuǎn)機(jī)械故障診斷方法難以解決旋轉(zhuǎn)機(jī)械早期故障診斷中的關(guān)鍵科學(xué)難題。真正要實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械早期故障診斷，還需要解決以下關(guān)鍵問(wèn)題：

2.1非線性強(qiáng)噪音下旋轉(zhuǎn)機(jī)械微弱振動(dòng)信號(hào)增強(qiáng)的問(wèn)題

旋轉(zhuǎn)機(jī)械故障發(fā)生時(shí)，裝備本身及各零部件的振動(dòng)信號(hào)十分復(fù)雜，各種故障因素相互耦合使得早期振動(dòng)信號(hào)具有噪聲大、強(qiáng)非線性等特點(diǎn)，導(dǎo)致故障沖擊信號(hào)幅值小、故障信息微弱，常規(guī)方法難以有效獲取旋轉(zhuǎn)機(jī)械早期故障信息。

2.2旋轉(zhuǎn)機(jī)械故障信號(hào)非線性、非平穩(wěn)特征提取難的問(wèn)題

旋轉(zhuǎn)機(jī)械早期振動(dòng)信號(hào)中蘊(yùn)含有其運(yùn)轉(zhuǎn)狀況的重要信息，可通過(guò)特征提取來(lái)進(jìn)行故障識(shí)別。然而，旋轉(zhuǎn)機(jī)械早期大多是復(fù)雜機(jī)電綜合控制系統(tǒng)，具有結(jié)構(gòu)復(fù)雜、運(yùn)行工況不穩(wěn)定、存在多部件耦合振動(dòng)、振動(dòng)干擾大等特點(diǎn)，使得采集到的振動(dòng)信號(hào)具有強(qiáng)烈非平穩(wěn)、非線性等特點(diǎn)，致使故障征兆不明顯，故障特征十分微弱難以提取。因此，需要解決旋轉(zhuǎn)機(jī)械早期故障信號(hào)非線性、非平穩(wěn)特征提取難的問(wèn)題。

2.3小子樣條件下旋轉(zhuǎn)機(jī)械故障診斷的問(wèn)題

相比典型的旋轉(zhuǎn)機(jī)械故障診斷，旋轉(zhuǎn)機(jī)械早期故障樣本獲取更加困難，致使其故障樣本十分稀缺，此外，旋轉(zhuǎn)機(jī)械運(yùn)行工況多變、機(jī)械結(jié)構(gòu)復(fù)雜，直接導(dǎo)致旋轉(zhuǎn)機(jī)械狀態(tài)特征表征不明確，故障特征值和故障的類(lèi)別無(wú)明確的映射關(guān)系。現(xiàn)有診斷方法識(shí)別精度過(guò)多依賴(lài)于對(duì)模型參數(shù)的選取，自適應(yīng)學(xué)習(xí)能力較弱，因此，需要研究參數(shù)優(yōu)化故障診斷模型來(lái)實(shí)現(xiàn)小子樣條件下的旋轉(zhuǎn)機(jī)械早期故障診斷。

3旋轉(zhuǎn)機(jī)械故障增強(qiáng)方法

傳感器測(cè)得的振動(dòng)信號(hào)往往是旋轉(zhuǎn)機(jī)械內(nèi)部零部件振動(dòng)信號(hào)經(jīng)過(guò)不同的傳遞路徑到達(dá)表面后，由不同信號(hào)源產(chǎn)生并疊加在一起的混合信號(hào)，信號(hào)之間相互干擾和相互耦合；此外，與蘊(yùn)含故障信息的振動(dòng)信號(hào)常被機(jī)械自身結(jié)構(gòu)振動(dòng)以及干擾噪聲所污染，使得故障信號(hào)大多十分微弱，直接利用傳感器測(cè)得信號(hào)進(jìn)行故障診斷難以保證故障識(shí)別能力。因而在實(shí)際應(yīng)用中，對(duì)旋轉(zhuǎn)機(jī)械微弱故障信號(hào)進(jìn)行增強(qiáng)就顯得尤為重要。

由于旋轉(zhuǎn)機(jī)械故障產(chǎn)生的振動(dòng)特征信號(hào)出現(xiàn)的時(shí)間和強(qiáng)度大小事先無(wú)法預(yù)估，常規(guī)的方法難以反映微弱故障增強(qiáng)方法的性能。共振解調(diào)作為精確診斷的有效手段之一，常被用于旋轉(zhuǎn)機(jī)械微弱故障增強(qiáng)中。共振解調(diào)通過(guò)對(duì)低頻沖擊所激起的高頻共振波進(jìn)行包絡(luò)檢波和低通濾波，把機(jī)械故障信息從高頻調(diào)制信號(hào)中解調(diào)出來(lái)，然后再判定故障的量值和類(lèi)型。旋轉(zhuǎn)機(jī)械設(shè)備正常工作時(shí)，其振動(dòng)幅值呈高斯分布且峭度約為 3，而當(dāng)旋轉(zhuǎn)機(jī)械出現(xiàn)故障，振動(dòng)信號(hào)中有沖擊成分時(shí)，其信號(hào)的幅值分布就會(huì)出現(xiàn)偏離正態(tài)分布，且峭度值也隨之增大。峭度值反映了信號(hào)偏離高斯分布程度的指標(biāo)，對(duì)故障信號(hào)中的沖擊成分特別敏感，因而峭度值常被用來(lái)評(píng)價(jià)微弱故障增強(qiáng)性能的指標(biāo)。以峭度值作為評(píng)價(jià)指標(biāo)，提出增強(qiáng)型濾波算法從復(fù)雜的背景噪聲中分離其噪聲信號(hào)，增強(qiáng)微弱故障沖擊信號(hào)成分；峭度對(duì)沖擊信號(hào)敏感，然而當(dāng)早期故障微弱時(shí)，峭度指標(biāo)易受噪聲干擾而難以無(wú)法反映故障信號(hào)中沖擊特性。

變分模態(tài)分解作為一種新的自適應(yīng)分解方法，其理論尚沒(méi)有完善，需要對(duì)其性能進(jìn)行分析研究；變分模態(tài)分解在旋轉(zhuǎn)機(jī)械早期故障診斷領(lǐng)域尚屬起步階段，需要充分挖掘其在早期故障診斷領(lǐng)域的潛力。多尺度樣本熵從不同時(shí)間尺度上對(duì)時(shí)間系列的復(fù)雜度進(jìn)行度量，具有較少依賴(lài)于時(shí)間序列長(zhǎng)度、抗噪聲以及抗干擾的能力較強(qiáng)等優(yōu)點(diǎn)，不同頻帶下多尺度樣本熵的差異信息可以反映不同運(yùn)行狀態(tài)下特征及其演化過(guò)程，具備旋轉(zhuǎn)機(jī)械早期故障多頻帶特征集構(gòu)建的潛力。

結(jié)束語(yǔ)

因此，變分模態(tài)分解作為一種自適應(yīng)信號(hào)處理新方法，在旋轉(zhuǎn)機(jī)械早期故障診斷中的應(yīng)用尚處于起步階段，還需對(duì)其理論部分研究做進(jìn)一步完善。

參考文獻(xiàn)：

[1]劉金朝，丁夏完，王成國(guó).自適應(yīng)共振解調(diào)法及其在滾動(dòng)軸承故障診斷中的應(yīng)用[J].振動(dòng)與沖擊，2007，26（1）：38-41.

[2]周智，朱永生，張優(yōu)云，朱川峰，王鵬.基于EEMD和共振解調(diào)的滾動(dòng)軸承自適應(yīng)故障診斷[J].振動(dòng)與沖擊，2013，32（2）：76-80.

[3]胡愛(ài)軍，馬萬(wàn)里，唐貴基.基于集成經(jīng)驗(yàn)?zāi)B(tài)分解和峭度準(zhǔn)則的滾動(dòng)軸承故障特征提取方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，32（11）：106-111.