基于包絡(luò)譜峭度的輸送皮帶托輥故障特征提取

摘要：目前火電廠中托輥故障監(jiān)測(cè)主要通過(guò)人工巡檢的方式進(jìn)行，工作強(qiáng)度大且環(huán)境惡劣。針對(duì)輸送皮帶機(jī)中托輥故障監(jiān)測(cè)問(wèn)題，提出了基于VMD與包絡(luò)譜峭度的輸送皮帶托輥故障聲音特征提取方法。首先對(duì)采集到的聲音信號(hào)進(jìn)行VMD濾波，將聲音信號(hào)分解成若干個(gè)IMF分量；對(duì)各個(gè)IMF分量分別計(jì)算包絡(luò)譜峭度，選取峭度最大的分量作為故障成分占比最多的分量；再對(duì)其進(jìn)行時(shí)域與包絡(luò)分析驗(yàn)證，提取出故障聲音特征。實(shí)驗(yàn)結(jié)果表明，所提方法能夠?qū)崿F(xiàn)輸送皮帶托輥故障聲音特征提取。

關(guān)鍵詞：輸送皮帶機(jī)；托輥故障；特征提?。籚MD；包絡(luò)譜峭度

中圖分類號(hào)：TH133.3" 文獻(xiàn)標(biāo)志碼：A" 文章編號(hào)：1671-0797（2023）07-0059-04

DOI：10.19514/j.cnki.cn32-1628/tm.2023.07.015

0" " 引言

輸送皮帶機(jī)具有操作簡(jiǎn)單、運(yùn)輸成本低、效率高等優(yōu)勢(shì)，在火電廠燃煤輸送系統(tǒng)中得到了廣泛應(yīng)用。但在機(jī)器運(yùn)行過(guò)程中經(jīng)常會(huì)出現(xiàn)一些故障，如托輥卡澀、托輥彎曲、皮帶跑偏、打滑等，多為托輥軸承失效所致，有必要對(duì)輸送皮帶機(jī)托輥故障進(jìn)行監(jiān)測(cè)與診斷，提高輸送皮帶機(jī)巡檢效率。

目前，輸送皮帶機(jī)托輥故障監(jiān)測(cè)主要集中在基于托輥振動(dòng)和聲音兩種方法。文獻(xiàn)[1]通過(guò)分析一維振動(dòng)信號(hào)實(shí)現(xiàn)對(duì)輸送皮帶機(jī)托輥的故障監(jiān)測(cè)，文獻(xiàn)[2]提出了一種基于二階瞬態(tài)提取變換的托輥軸承故障提取方法，文獻(xiàn)[3]采取了CEEMDAN、PCA等方法對(duì)托輥故障特征進(jìn)行提取，文獻(xiàn)[4]使用差分法與線性分類法對(duì)托輥故障進(jìn)行分級(jí)識(shí)別。而上述通過(guò)聲音信號(hào)檢測(cè)的方法均只對(duì)故障托輥的周期性沖擊信號(hào)進(jìn)行了分析，但在實(shí)際生產(chǎn)環(huán)境中，采集到的聲源信號(hào)還可能受到強(qiáng)背景噪聲與非周期性瞬態(tài)沖擊的影響。

針對(duì)以上分析，本文以封閉空間內(nèi)的輸送皮帶機(jī)托輥為研究對(duì)象，提出了一種基于VMD與包絡(luò)譜峭度的輸送皮帶托輥故障聲音特征提取方法。

1" " 變分模態(tài)分解（VMD）

變分模態(tài)分解（Variational Mode Decomposition，VMD）求解步驟如下[5]：

（1）Hilbert變換用于分析模態(tài)分量uk（t）并獲取解析信號(hào)及其相應(yīng)的單邊譜。

式中：δ（t）為脈沖函數(shù)。

（2）設(shè)定各模態(tài)分量的中心頻率為wk，為了將信號(hào)頻譜移動(dòng)到基帶，需要與指數(shù)信號(hào)e和wk構(gòu)造的函數(shù)相乘。

（3）構(gòu)建約束變分模型，計(jì)算各分量信號(hào)帶寬。

2" " 譜峭度

2.1" " 時(shí)域峭度

峭度是信號(hào)分析中最為常用的一種特征指標(biāo)，用來(lái)反映信號(hào)稀疏性，峭度值大小與運(yùn)行設(shè)備自身參數(shù)無(wú)關(guān)，其表達(dá)式為[6]：

式中：x為振動(dòng)信號(hào)；μ為振動(dòng)信號(hào)均值；σ為信號(hào)標(biāo)準(zhǔn)差。

當(dāng)托輥軸承發(fā)生故障時(shí)，峭度值大于3，且隨著故障的嚴(yán)重程度不斷升高。但是峭度指標(biāo)具有明顯的局限性，只能度量沖擊成分在故障信號(hào)中所占比例大小。在托輥運(yùn)轉(zhuǎn)過(guò)程中，托輥軸承表面磨損和缺陷在相互作用力的影響下產(chǎn)生的信號(hào)具有周期性，這也是軸承故障最明顯的特征，與外界干擾產(chǎn)生的偶然沖擊脈沖有所不同。

為了驗(yàn)證外界干擾對(duì)時(shí)域峭度的影響，本文采用軸承外圈故障模擬信號(hào)進(jìn)行分析，模擬信號(hào)的數(shù)學(xué)模型如式（5）所示，模型中包含周期性故障沖擊成分和干擾成分兩部分。

式中：A為振幅；ξ為阻尼比；f為特征頻率；f0為系統(tǒng)的固有頻率；n（t）為噪聲。

模擬信號(hào)為外圈故障信號(hào)，其參數(shù)分別為振幅A=2，f0=1 500 Hz，采樣頻率為8 192 Hz，采樣時(shí)間為1 s，f=25 Hz。在模擬信號(hào)中分別添加信噪比為-8 dB和-16 dB的噪聲，添加噪聲后的模擬信號(hào)的時(shí)域波形分別為x1（t）、x2（t），如圖1、圖2所示。

計(jì)算結(jié)果如表1所示。

根據(jù)時(shí)域峭度準(zhǔn)則，峭度值越大，含有的故障成分所占比例越高，添加有-8 dB信噪比的模擬信號(hào)經(jīng)過(guò)VMD分解后，IMF2分量的峭度值最高，同理模擬信號(hào)x2（t）中IMF3分量的峭度值最高，兩個(gè)模態(tài)分量時(shí)域圖如圖3、圖4所示。

結(jié)果表明，當(dāng)信噪比較高時(shí)，峭度能很好地識(shí)別周期故障脈沖的共振頻帶。為了進(jìn)一步驗(yàn)證峭度性能，使用式（6）模擬信號(hào)進(jìn)行分析。模擬信號(hào)由周期沖擊成分、非周期瞬態(tài)沖擊成分和噪聲成分組成，其中，周期故障沖擊成分的固有頻率設(shè)為1 500 Hz，非周期瞬態(tài)沖擊成分的固有頻率設(shè)為3 600 Hz。

其中，A1=3和A2=6分別為非周期瞬態(tài)沖擊成分的振幅，b1=260、b2=360、t1=0.18 s、t2=0.5 s和f1=f2=3 600 Hz分別為非周期瞬態(tài)沖擊成分的阻尼參數(shù)、時(shí)間參數(shù)和固有頻率。在外圈故障的原始模擬信號(hào)加上信噪比為-10 dB的噪聲干擾，圖5為模擬信號(hào)x（t）的時(shí)域波形。

x（t）各IMF的峭度值如表2所示，最大分量是IMF4，對(duì)應(yīng)的時(shí)域和包絡(luò)譜如圖6和圖7所示，在時(shí)域圖中可以發(fā)現(xiàn)模擬信號(hào)的非周期性瞬態(tài)沖擊成分，但是在頻域圖中無(wú)法獲取到軸承外圈故障特征頻率信息，說(shuō)明時(shí)域峭度指標(biāo)僅能衡量信號(hào)中的沖擊特征，在軸承故障特征提取過(guò)程中容易受到非周期性瞬態(tài)沖擊成分的干擾。

2.2" " 包絡(luò)譜峭度

包絡(luò)譜峭度是一種反映信號(hào)中的沖擊成分如何隨頻率變化的數(shù)學(xué)統(tǒng)計(jì)指標(biāo)，對(duì)周期沖擊信號(hào)十分敏感[7]。

托輥軸承故障的聲音信號(hào)具有明顯的周期性和沖擊性特征，時(shí)域峭度指標(biāo)僅對(duì)沖擊性特征敏感，當(dāng)聲音信號(hào)中具有非周期性瞬態(tài)沖擊成分時(shí)，容易受到影響。包絡(luò)譜峭度將峭度的計(jì)算過(guò)程延展到頻域范圍，可以利用故障信息的周期性特點(diǎn)，從而消除信號(hào)中偶然振動(dòng)沖擊成分所引入的干擾。

設(shè)時(shí)域信號(hào)為x（t），利用VMD將x（t）分解成若干個(gè)分量xi（t），則模態(tài)分量的解析信號(hào)為：

式中：i（t）為xi（t）的Hilbert變換，其中i=1，2，3，…。

因此該IMF分量的包絡(luò)信號(hào)為：

對(duì)應(yīng)的包絡(luò)信號(hào)頻譜為：

式中：m=0，1，…，N-1。

設(shè)軸承故障頻率為fr，當(dāng)軸承發(fā)生故障時(shí)，可以對(duì)含有故障成分的分量進(jìn)行包絡(luò)譜分析，觀察是否有故障頻率或其倍頻存在，因此在計(jì)算其譜峭度時(shí)，只計(jì)算[fr，4fr]以內(nèi)的譜線NUMu，信號(hào)包絡(luò)譜峭度為：

KES值越大，濾波后信號(hào)的周期性特征就越明顯。

對(duì)圖5中波形進(jìn)行VMD分解，如表3所示，峭度值最大為IMF2，對(duì)應(yīng)的時(shí)域和包絡(luò)波形如圖8和圖9所示，可以明顯發(fā)現(xiàn)軸承外圈故障的特征頻率信息，由此驗(yàn)證了包絡(luò)譜峭度分析對(duì)存在周期性故障沖擊成分的信號(hào)效果比較明顯。

3" " 基于實(shí)驗(yàn)數(shù)據(jù)的峭度對(duì)比分析

為進(jìn)一步驗(yàn)證包絡(luò)譜峭度在提取托輥故障周期性沖擊成分時(shí)的性能優(yōu)于時(shí)域峭度，在圖10所示皮帶輸送機(jī)中測(cè)試故障聲音信號(hào)，如圖11（a）和（b）所示，僅從圖中無(wú)法直接觀察到軸承故障特征信息。

利用VMD（分解層數(shù)為4，懲罰因子為5 000）對(duì)采集的聲音信號(hào)進(jìn)行分解，對(duì)分解得到的IMF分量分別計(jì)算時(shí)域峭度和包絡(luò)譜峭度，如表4所示，IMF4分量峭度值最大，其時(shí)域波形和包絡(luò)譜圖分別如圖12（a）和（b）所示，時(shí)域圖中的周期性故障沖擊成分不明顯，同時(shí)包絡(luò)譜中也無(wú)法觀察到故障特征頻率信息，表明在強(qiáng)背景噪聲的影響下，時(shí)域峭度在軸承故障特征提取過(guò)程中具有不穩(wěn)性。

對(duì)VMD分解后的各IMF分量分別進(jìn)行包絡(luò)譜峭度計(jì)算，計(jì)算結(jié)果如表5所示，其中IMF2分量的包絡(luò)譜峭度最大，該分量的時(shí)域圖和包絡(luò)譜圖分別如圖13（a）和（b）所示，在時(shí)域波形中可以清晰觀察到周期性沖擊成分，且從包絡(luò)譜圖中也可以發(fā)現(xiàn)明顯故障特征頻率（4.2 Hz）以及8.1 Hz的倍頻成分，表明包絡(luò)譜峭度具有很好的魯棒性，可以準(zhǔn)確識(shí)別托輥聲源信號(hào)中的周期性故障沖擊成分。

4" " 結(jié)論

本文以輸送皮帶機(jī)托輥故障的聲音信號(hào)為研究對(duì)象，提出了一種基于VMD與包絡(luò)譜峭度分析的輸送皮帶托輥故障聲音特征提取方法。通過(guò)以上研究，得出以下結(jié)論：

（1）輸送皮帶機(jī)托輥運(yùn)行環(huán)境嘈雜，傳感器采集的聲音信號(hào)中往往含有大量非周期性瞬態(tài)沖擊成分與噪聲，需要采用VMD與包絡(luò)譜峭度結(jié)合的方法提取出含有故障信息的分量。

（2）仿真分析和實(shí)驗(yàn)對(duì)比展示了包絡(luò)譜峭度指標(biāo)在應(yīng)對(duì)偶然沖擊方面和強(qiáng)背景噪聲時(shí)的優(yōu)越性。

[參考文獻(xiàn)]

[1] 陳維望，李軍霞，張偉.基于分支卷積神經(jīng)網(wǎng)絡(luò)的托輥軸承故障分級(jí)診斷研究[J].機(jī)電工程，2022，39（5）：596-603.

[2] 彭程程.基于二階瞬態(tài)提取變換的滾動(dòng)軸承故障特征提取方法研究[J].機(jī)電工程，2021，38（10）：1246-1252.

[3] 郝洪濤，蘇耀瑞，丁文捷，等.托輥非接觸式故障識(shí)別方法研究[J/OL].機(jī)械科學(xué)與技術(shù)：1-8.（2022-03-09）[2022-06-28].https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD67y4xD6PmEHDT-jW3T0gCgliAub_FMZLkh1pMFfjWKBlqIQiKJrKtTJamp;uniplatform=NZKPT.

[4] 毛坤鵬，貝紹軼.基于優(yōu)化VMD的滾動(dòng)軸承故障診斷方法[J].江蘇理工學(xué)院學(xué)報(bào)，2021，27（4）：76-84.

[5] 楊林順，楊明錦.基于音頻的皮帶機(jī)托輥故障診斷系統(tǒng)設(shè)計(jì)[J].儀表技術(shù)，2019（7）：18-21.

[6] 李翠省，廖英英，劉永強(qiáng).基于EEMD和參數(shù)自適應(yīng)VMD的高速列車輪對(duì)軸承故障診斷[J].振動(dòng)與沖擊，2022，41（1）：68-77.

[7] 馬增強(qiáng)，李亞超，阮婉瑩，等.基于變分模態(tài)分解和譜峭度法的滾動(dòng)軸承故障特征提取[J].電子測(cè)量與儀器學(xué)報(bào)，2017，31（11）：1782-1787.

收稿日期：2022-12-14

作者簡(jiǎn)介：劉春（1978—），男，河北吳橋人，工程師，從事火力發(fā)電廠燃料輸送技術(shù)研究與管理工作。