車銑加工中心隨機共振故障診斷技術(shù)研究

劉美娜 都宏普

（中國航發(fā)沈陽黎明航空發(fā)動機有限公司，遼寧 沈陽 110043）

隨著宏觀經(jīng)濟的快速發(fā)展，我國機械加工制造行業(yè)也取得了長足的進(jìn)步。目前，我國是世界上機械制造行業(yè)門類最齊全的國家[1]。在機械加工制造行業(yè)不斷發(fā)展的過程中，我國的機械加工設(shè)備自動化水平不斷提高，從手動為主逐步發(fā)展到半自動、全自動階段，已經(jīng)形成了大規(guī)模數(shù)控加工中心的產(chǎn)業(yè)化應(yīng)用[2]。在各類自動化機械制造設(shè)備中，車銑加工中心占有非常重要的地位，是完成大量成型加工的核心設(shè)備，可以提高制造行業(yè)的生產(chǎn)效率和加工質(zhì)量[3]。車銑加工中心是復(fù)雜的自動化加工系統(tǒng)，包括機械單元、電氣單元以及控制單元等不同類別的組件，其基本元件構(gòu)成和動態(tài)性能都十分復(fù)雜。這些基本條件也導(dǎo)致在其出現(xiàn)故障后，對其故障原因進(jìn)行分析和查找的工作變得十分困難。該文以規(guī)律變化勢能函數(shù)為分析手段、以車銑加工中心的隨機共振故障為研究對象進(jìn)行故障診斷的方法研究和試驗研究。

1 規(guī)律變化的勢能函數(shù)

車銑加工中心作為機械加工制造行業(yè)的核心設(shè)備，其工作業(yè)務(wù)量繁重且工作環(huán)境的現(xiàn)場條件極為復(fù)雜。這就導(dǎo)致其發(fā)生故障的誘因較多，并且不易被發(fā)現(xiàn)。尤其是車銑加工中心都具有較好的封閉性，出現(xiàn)故障后也很難在第一時間運用人工經(jīng)驗發(fā)現(xiàn)問題。車銑加工中心最容易產(chǎn)生故障的組件是旋轉(zhuǎn)部件，旋轉(zhuǎn)部件經(jīng)常會因隨機共振而產(chǎn)生運動偏差。這種偏差輕則導(dǎo)致機械加工精度下降，重則導(dǎo)致整個加工中心故障甚至無法工作。因此，對車銑加工中心進(jìn)行故障診斷尤其是旋轉(zhuǎn)部件的隨機共振故障診斷，對車銑加工中心的正常工作具有十分重要的意義。該文使用一種規(guī)律變化的勢能函數(shù)進(jìn)行隨機共振的故障診斷。

運用規(guī)律變化勢能函數(shù)完成故障診斷的方法的原理如下：1） 利用函數(shù)規(guī)律變化過程中的穩(wěn)態(tài)結(jié)構(gòu)。2） 利用函數(shù)自身的抗粒子運動飽和屬性。結(jié)合這2個方面的性能可以實現(xiàn)頻率移動的尺度變換，有效識別十分微弱的隨機共振特征，并且不會輕易出現(xiàn)飽和現(xiàn)象，即共振特征持續(xù)增加也不會導(dǎo)致故障診斷失效。

在車銑加工中心系統(tǒng)中，隨機噪聲和規(guī)律變化的信號間會形成隨機共振，其數(shù)學(xué)描述如公式（1）所示。

式中：x為信號；t為時間；A為車銑加工中心系統(tǒng)內(nèi)有規(guī)律變化的信號的強度；ω為車銑加工中心系統(tǒng)內(nèi)有規(guī)律變化的信號的角頻率；η為隨時間變化的呈現(xiàn)高斯分布的白噪聲；U（x）為雙勢阱函數(shù)。

雙勢阱函數(shù)U（x）有規(guī)律變化的數(shù)學(xué)形式如公式（2）所示。式中：α為雙勢阱函數(shù)的勢壘高度，α為正實數(shù)；β為雙勢阱函數(shù)的勢壘寬度，β為正實數(shù)。

α、β共同決定了規(guī)律變化的勢能函數(shù)中可能包括的穩(wěn)態(tài)的個數(shù)，這是導(dǎo)致車銑加工中心旋轉(zhuǎn)部件可能發(fā)生隨機共振的重要因素。

車銑加工中心通常在復(fù)雜、封閉的環(huán)境下工作，極易導(dǎo)致旋轉(zhuǎn)部件產(chǎn)生運動偏差，甚至出現(xiàn)故障。而且強烈的運行環(huán)境噪聲導(dǎo)致出現(xiàn)難以提取故障特征的問題，尤其早期故障診斷更是非常困難。因此，車銑加工中心的旋轉(zhuǎn)機械部件故障診斷已成為一個熱點問題。針對難以提取機械設(shè)備早期故障特征的問題，該文提出了一種周期勢函數(shù)增強隨機共振的機械故障特征提取方法，該方法利用周期勢函數(shù)的無限穩(wěn)態(tài)結(jié)構(gòu)和抗粒子運動飽和特性，并整合頻移尺度變換，能夠克服經(jīng)典雙穩(wěn)態(tài)隨機共振方法的飽和問題，有利于車銑加工中心設(shè)備旋轉(zhuǎn)部件早期故障微弱特征的增強和提取。通過仿真和電機軸承試驗分別使用該文提出的方法、經(jīng)典雙穩(wěn)態(tài)隨機共振方法和集成經(jīng)驗?zāi)Ｊ椒纸夥椒ㄟM(jìn)行故障特征提取，結(jié)果表明，該文提出的方法優(yōu)于集成經(jīng)驗?zāi)Ｊ椒纸夥椒ǎ冶冉?jīng)典雙穩(wěn)態(tài)隨機共振方法有更好的增強效果，能夠增強和提取微弱故障特征，實現(xiàn)對車銑加工中心電機軸承進(jìn)行故障診斷的功能。一方面，由于采集的機械振動信號不僅包括故障特征信息，而且該特征信息受機械設(shè)備轉(zhuǎn)速的調(diào)制，從而將故障特征信息搬遷至高頻共振頻帶；另一方面，由于噪聲的洛倫茲能量分布特點，過阻尼隨機共振方法通常可以等效為低通濾波器，且其響應(yīng)譜頻帶成指數(shù)衰減結(jié)構(gòu)，非常有限。因此，需要將采集的振動信號中的故障特征信息釋放至低頻區(qū)域，才能使隨機共振的濾波行為發(fā)揮優(yōu)勢，該文采用希爾伯特解調(diào)技術(shù)釋放被調(diào)制的故障特征，獲取機械設(shè)備振動信號的包絡(luò)。

2 隨機共振的故障診斷

該文選取的規(guī)律變化的勢能函數(shù)在結(jié)構(gòu)上具有比較突出的特點，其主體部分是多穩(wěn)態(tài)的結(jié)構(gòu)，這種多穩(wěn)態(tài)結(jié)構(gòu)可以診斷車銑加工中心旋轉(zhuǎn)部件可能出現(xiàn)的隨機共振，并且可以有效抵抗故障診斷過程中的飽和問題。基于規(guī)律變化勢能函數(shù)的隨機共振故障診斷一般分為3個步驟，即信號預(yù)處理、最優(yōu)解查找和故障特征提取。

第一步，信號預(yù)處理。要對從車銑加工中心采集的信號進(jìn)行預(yù)處理，分離故障信號和正常信號，為后續(xù)的故障診斷做好準(zhǔn)備。之所以要進(jìn)行這種分離處理是因為從車銑加工中心采集的信號不僅包括隨機共振的故障信號，而且也包括車銑系統(tǒng)加工過程中正常的機械振動信號。該方法的處理原則是基于車銑加工中心主軸轉(zhuǎn)速對復(fù)合信號進(jìn)行調(diào)制，調(diào)制后隨機共振信號會變化到高頻區(qū)域。同時，根據(jù)洛侖茲能量曲線的分布規(guī)律，可以通過衰減結(jié)構(gòu)的低通濾波進(jìn)行處理，使正常的低頻機械振動信號通過，截流隨機共振的故障信號。這種預(yù)處理充分結(jié)合了頻率分布、頻率移動尺度的變化，被稱為希爾伯特頻率調(diào)制預(yù)處理。

第二步，最優(yōu)解查找。根據(jù)公式（2），設(shè)定參數(shù)α在0~10變化，設(shè)定參數(shù)β也在0~10變化。運用遺傳算法的處理操作對整個車銑系統(tǒng)振動狀態(tài)進(jìn)行初始化，形成遺傳算法的第一代進(jìn)化種群，設(shè)定種群規(guī)模為40，經(jīng)過25代遺傳進(jìn)化就可以得到最優(yōu)解，數(shù)學(xué)形式如公式（3）所示。

式中：SNR為信噪比；Ad為隨機共振對應(yīng)的故障頻率的整體強度；Ai為隨機共振對應(yīng)的故障頻率譜中第i根譜線的強度；N為響應(yīng)信號的個數(shù)。

第三步，故障特征提取。根據(jù)第一步和第二步的處理，可以找到參數(shù)α和參數(shù)β的最優(yōu)解，這2個參數(shù)共同描述了隨機共振故障系統(tǒng)，通過進(jìn)一步取整操作就可以得到最小的包絡(luò)信號。根據(jù)周期變化和頻率移動的位置差異就可以從規(guī)律變化的勢能函數(shù)中提取包括隨機共振的故障特征。

3 仿真試驗和試驗結(jié)果分析

為了驗證該文提出的基于規(guī)律變化勢能函數(shù)對車銑加工中心旋轉(zhuǎn)部件隨機共振故障診斷的有效性，接下來進(jìn)行仿真實驗。在仿真試驗過程中，將軸承作為隨機共振故障診斷的試驗對象。因為軸承是車銑加工中心系統(tǒng)中重要的旋轉(zhuǎn)部件，所以選擇軸承，同時發(fā)揮了關(guān)鍵的支撐作用。在車銑加工中心的加工過程中，軸承承受的壓力大、扭矩強，這也使軸承出現(xiàn)磨損、點蝕等故障的頻率更高。軸承部件一旦出現(xiàn)問題，就有可能導(dǎo)致機械加工精度下降，嚴(yán)重時會導(dǎo)致整個車銑加工中心癱瘓，無法正常工作。

軸承部件出現(xiàn)故障的同時，還會發(fā)生隨機振動，在該文故障診斷和故障提取的過程中，會在希爾伯特調(diào)制的作用下形成不斷衰減的沖擊信號，并且伴隨大量的機械加工噪聲。仿真試驗及其相應(yīng)結(jié)果如圖1所示。

圖1 軸承部件故障診斷的仿真試驗

圖1（a）展示了車銑加工中心系統(tǒng)中1個軸承出現(xiàn)故障時形成的沖擊信號，這個沖擊信號的采樣頻率為10 kHz，采樣周期間隔為1 s。從圖1（a）可以看出，車銑加工中心系統(tǒng)內(nèi)的整個軸承出現(xiàn)了故障，故障隨著發(fā)生的沖擊有規(guī)律地變化，每隔0.02 s就會產(chǎn)生1次沖擊，根據(jù)這個時間間隔可以計算軸承故障發(fā)生的頻率為50 Hz。從圖1（b）的這個信號中還可以看出，這種沖擊信號不僅是故障信號，而且還包括車銑加工中心加工過程中正常的機械振動，同時還摻雜環(huán)境噪聲。圖1（c）和圖1（d）分別描述了軸承發(fā)生故障時產(chǎn)生復(fù)合信號的頻率譜和對應(yīng)的包絡(luò)譜，從圖1（c）和圖1（d）還可以發(fā)現(xiàn)，無法在頻率普和包絡(luò)譜中準(zhǔn)確地發(fā)現(xiàn)已經(jīng)確定的50 Hz位置處的故障信號，極有可能因故障持續(xù)而導(dǎo)致車銑加工系統(tǒng)故障甚至停機。

因此，進(jìn)一步使用該文提出的基于規(guī)律變化勢能函數(shù)的故障診斷方法對軸承故障進(jìn)行檢測，結(jié)果如圖2所示。

圖2 該文提出的方法完成的故障診斷結(jié)果

圖2展示了2組波形以及對應(yīng)的故障診斷結(jié)果。圖2（b）是頻率域上的故障診斷結(jié)果，為了更清晰地展示故障診斷的準(zhǔn)確性，頻率分布范圍設(shè)定為0 Hz~10 000 Hz。使用該文提出的規(guī)律變化的勢能函數(shù)進(jìn)行故障特征提取后，在頻率為50 Hz的位置上出現(xiàn)了明顯的檢測結(jié)果，證明了該文提出的方法的有效性。圖2（d）是頻率域上的故障診斷結(jié)果，為了更清晰地展示故障診斷的準(zhǔn)確性，頻率分布范圍設(shè)定為0 Hz~1 000 Hz。使用該文提出的規(guī)律變化的勢能函數(shù)進(jìn)行故障特征提取后，在頻率為50 Hz的位置上出現(xiàn)了明顯的檢測結(jié)果，證明了該文提出的方法的有效性。

多信號集成情況下該文方法的故障診斷結(jié)果如圖3所示。

由圖3可知，頻譜信號一共涉及5個軸承，這5個軸承形成的集成信號給常規(guī)的故障診斷造成了很大的困難。使用該文提出的規(guī)律變化的勢能函數(shù)進(jìn)行故障診斷后，前4個軸承的頻譜曲線都表明它們工作正常，但第5個軸承在50 Hz的位置出現(xiàn)了明顯的頻率躍遷，有效檢測出了該軸承存在的故障，證明了該文提出的方法的有效性。

圖3 多信號集成情況下該文方法的故障診斷結(jié)果

4 結(jié)語

在機械加工制造行業(yè)，車銑加工中心系統(tǒng)十分重要。因此，需要采取有效的方法對其進(jìn)行故障診斷，以確保其保持穩(wěn)定、可靠的工作狀態(tài)。該文提出了一種基于規(guī)律變化勢能函數(shù)的故障診斷方法，結(jié)合頻率分布和頻率移動尺度變化對復(fù)合信號進(jìn)行希爾伯特預(yù)處理，采用遺傳算法進(jìn)行故障最優(yōu)解查找，最后根據(jù)信號周期變化和頻率移動的位置準(zhǔn)確提取故障特征。對車銑加工中心旋轉(zhuǎn)部件軸承進(jìn)行仿真試驗，試驗結(jié)果表明，對波形變化和多信號集成來說，該文提出的方法都可以有效地對車銑加工中心內(nèi)的隨機共振故障進(jìn)行檢測。