基于EMD 與神經(jīng)網(wǎng)絡(luò)的船舶機(jī)械設(shè)備軸承故障診斷方法

王飛躍

（海洋石油工程股份有限公司，天津 300461）

0 引言

船舶機(jī)械設(shè)備軸承是關(guān)鍵部件，用于支撐和傳遞扭矩。然而，惡劣的工作環(huán)境易導(dǎo)致軸承磨損、腐蝕和疲勞等故障。軸承的健康狀況對(duì)設(shè)備性能和安全至關(guān)重要，因此準(zhǔn)確診斷至關(guān)重要[1-2]。傳統(tǒng)的故障診斷方法采用文獻(xiàn)[3]提出的方法原理，通過(guò)提取特征、建立模型進(jìn)行故障診斷。然而，隨著設(shè)備復(fù)雜度和工作環(huán)境的變化，傳統(tǒng)方法面臨準(zhǔn)確性、魯棒性不足的問(wèn)題[4]。提出基于EMD(Empirical Mode Decomposition)與神經(jīng)網(wǎng)絡(luò)的船舶機(jī)械設(shè)備軸承故障診斷方法，EMD 能提取信號(hào)局部特征，神經(jīng)網(wǎng)絡(luò)則建立復(fù)雜映射關(guān)系，以彌補(bǔ)傳統(tǒng)方法不足[5]。

1 船舶機(jī)械設(shè)備軸承故障診斷方法設(shè)計(jì)

1.1 軸承振動(dòng)信號(hào)采集與預(yù)處理

在開展船舶機(jī)械設(shè)備軸承故障診斷前，需采集軸承振動(dòng)信號(hào)，并對(duì)其作出預(yù)處理，為后續(xù)故障診斷提供有力數(shù)據(jù)支持。

選擇軸承附近的代表位置，安裝合適的加速度傳感器，并與數(shù)據(jù)采集設(shè)備連接，確保信號(hào)傳輸不受干擾。根據(jù)設(shè)備特性和診斷需求，設(shè)定采樣參數(shù)，實(shí)時(shí)監(jiān)測(cè)信號(hào)質(zhì)量。為消除差異，進(jìn)行標(biāo)準(zhǔn)預(yù)處理，算式為：

其中，y為歸一化之后的振動(dòng)信號(hào)數(shù)據(jù)；x為歸一化之前的振動(dòng)信號(hào)數(shù)據(jù)；xmax、xmin分別為這一組振動(dòng)信號(hào)數(shù)據(jù)中的最大值與最小值。

1.2 基于EMD 構(gòu)建軸承故障特征向量

軸承振動(dòng)信號(hào)采集與預(yù)處理完畢后，利用EMD方法原理，對(duì)上述預(yù)處理后的軸承振動(dòng)信號(hào)作出多維度分解，進(jìn)而構(gòu)建軸承故障特征向量。

由于任意一個(gè)船舶機(jī)械設(shè)備軸承振動(dòng)信號(hào)都由若干個(gè)彼此之間不存在關(guān)聯(lián)、相互獨(dú)立的IMF(Intrinsic Mode Function)分量所組成的，分量之間相互干涉與耦合。首先，利用EMD 方法，將復(fù)雜的振動(dòng)信號(hào)分解為一系列（IMF）分量和一個(gè)殘余分量之和的形式，提取信號(hào)中的局部特征和動(dòng)態(tài)信息，公式如下：

其中，x（t）為軸承振動(dòng)信號(hào)；ci（t）為振動(dòng)信號(hào)本征模態(tài)分量；r（t）為振動(dòng)信號(hào)殘余分量。其次，從原始振動(dòng)信號(hào)x（t）中找出所有的局部極值點(diǎn)，使用樣條函數(shù)，將局部極大值連接起來(lái)，得出上包絡(luò)線。以同樣的方式，連接局部極小值點(diǎn)，構(gòu)成下包絡(luò)線。求出上包絡(luò)線與下包絡(luò)線的均值，將其記為m1，得出原始振動(dòng)信號(hào)與包絡(luò)均值之間的差值，公式如下：

若h1滿足船舶機(jī)械設(shè)備軸承振動(dòng)信號(hào)IMF 分量的兩個(gè)必要條件，則認(rèn)為h1是振動(dòng)信號(hào)的第一個(gè)IMF 分量，若不滿足任一條件，則將其作為原始信號(hào)，重復(fù)上述EMD 振動(dòng)信號(hào)分解步驟。并計(jì)算IMF 分量與原始振動(dòng)信號(hào)之間的相關(guān)系，表達(dá)式為：

其中，x（k）、y（k）均為IMF 分量。計(jì)算二者之間的相關(guān)系數(shù)，對(duì)各個(gè)IMF 分量的相關(guān)系數(shù)進(jìn)行排序，取相關(guān)系數(shù)排名靠前的IMF 分量，提取與軸承故障相關(guān)的特征值。

1.3 基于神經(jīng)網(wǎng)絡(luò)的軸承故障診斷

測(cè)量軸承的振動(dòng)和噪聲，來(lái)判斷其運(yùn)行狀態(tài)。正常運(yùn)轉(zhuǎn)的軸承通常不會(huì)產(chǎn)生顯著的聲音或振動(dòng)。其次，建立特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，如圖1 所示。

圖1 特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型

從圖1 可以看出，模型輸入到當(dāng)前隱藏層的包括兩個(gè)部分，分別為當(dāng)前的輸入與來(lái)自上一層的輸出。在這一階段，模型當(dāng)前層的狀態(tài)還會(huì)有效地傳遞給下一層。圖中，Xt為t時(shí)刻的故障特征輸入，st為t時(shí)刻的隱藏層狀態(tài)，yt為t時(shí)刻的輸出，對(duì)應(yīng)公式分別如下：

其中，f（·）為非線性激活函數(shù)；W、U、V均為故障特征向量權(quán)重。使用提取到的特征和對(duì)應(yīng)的標(biāo)簽數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使模型能學(xué)習(xí)到故障與特征之間映射關(guān)系。

2 實(shí)驗(yàn)分析

通過(guò)實(shí)驗(yàn)將詳細(xì)評(píng)估該方法在船舶機(jī)械設(shè)備軸承故障診斷中的性能，與其他傳統(tǒng)故障診斷方法比較，以凸顯優(yōu)勢(shì)。

2.1 實(shí)驗(yàn)準(zhǔn)備

首先，根據(jù)船舶機(jī)械設(shè)備軸承故障診斷方法的運(yùn)行需求，對(duì)實(shí)驗(yàn)的環(huán)境配置進(jìn)行設(shè)計(jì)，見(jiàn)表1。

表1 軸承故障診斷實(shí)驗(yàn)環(huán)境配置

按照表1，對(duì)軸承故障診斷實(shí)驗(yàn)環(huán)境配置進(jìn)行設(shè)計(jì)。其次，利用尺寸為2 m × 2 m × 2 m 的船舶機(jī)械設(shè)備試驗(yàn)臺(tái)，模擬船舶機(jī)械設(shè)備的工作環(huán)境，并進(jìn)行軸承故障模擬。構(gòu)建船舶機(jī)械設(shè)備軸承故障試驗(yàn)平臺(tái)如圖2 所示。并設(shè)置實(shí)驗(yàn)所用的滾動(dòng)軸承參數(shù)，相關(guān)設(shè)定見(jiàn)表2。

表2 船舶機(jī)械設(shè)備軸承參數(shù)設(shè)定

圖2 船舶機(jī)械設(shè)備軸承故障試驗(yàn)平臺(tái)

選擇10 個(gè)正常運(yùn)行的船舶機(jī)械設(shè)備軸承為測(cè)試對(duì)象，各采集100 組的振動(dòng)信號(hào)，共計(jì)1000 組正常振動(dòng)信號(hào)作為船舶機(jī)械設(shè)備軸承正常狀態(tài)數(shù)據(jù)集。模擬1000 組不同類型和程度的軸承故障，每種類型故障各200 組，采集相應(yīng)的振動(dòng)信號(hào)，作為船舶機(jī)械設(shè)備軸承故障狀態(tài)數(shù)據(jù)集。正常信號(hào)與故障信號(hào)對(duì)比見(jiàn)圖3 所示。

圖3 正常信號(hào)與故障信號(hào)對(duì)比

對(duì)于軸承故障數(shù)據(jù)，需標(biāo)注具體故障類型和程度，為后續(xù)的模型訓(xùn)練提供標(biāo)簽。對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，提高模型的訓(xùn)練效果和準(zhǔn)確性。在1000 組故障振動(dòng)信號(hào)中隨機(jī)選擇80%數(shù)據(jù)作為測(cè)試集，20%數(shù)據(jù)作為驗(yàn)證集。

2.2 結(jié)果分析

為確保本次軸承故障診斷實(shí)驗(yàn)結(jié)果具有較高說(shuō)服力和對(duì)比性，設(shè)置實(shí)驗(yàn)組和對(duì)照組。其中，實(shí)驗(yàn)組采用所提出的軸承故障診斷方法，對(duì)照組分別為文獻(xiàn)[3]、文獻(xiàn)[5]提出的診斷方法。利用MATLAB 模擬分析軟件，分別模擬三種方法的故障診斷全過(guò)程，統(tǒng)計(jì)診斷結(jié)果，對(duì)比三種方法應(yīng)用后，船舶機(jī)械設(shè)備軸承故障錯(cuò)誤診斷個(gè)數(shù)，得出軸承故障診斷的準(zhǔn)確度，結(jié)果見(jiàn)表3。

表3 軸承故障診斷對(duì)比結(jié)果

通過(guò)表3 看出，本研究提出的軸承故障診斷方法應(yīng)用后，軸承故障錯(cuò)誤診斷數(shù)量少于另外兩個(gè)對(duì)照組，診斷準(zhǔn)確度均達(dá)98%以上，說(shuō)明該方法在軸承故障診斷方面有更高的性能。

3 結(jié)語(yǔ)

基于EMD 與神經(jīng)網(wǎng)絡(luò)的船舶機(jī)械設(shè)備軸承故障診斷方法，將經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）與神經(jīng)網(wǎng)絡(luò)相結(jié)合，為船舶機(jī)械設(shè)備軸承故障診斷提供一種有效的方法。實(shí)驗(yàn)結(jié)果表明，該方法的軸承故障診斷準(zhǔn)確度達(dá)到了98%以上，性能效果優(yōu)勢(shì)顯著。在未來(lái)的研究中，需要進(jìn)一步改進(jìn)和完善該方法，為提高船舶機(jī)械設(shè)備的運(yùn)行效率和安全性、促進(jìn)船舶工業(yè)的發(fā)展作出更大的貢獻(xiàn)。