基于HHT算法的機械故障分析系統(tǒng)

2012-06-11 01:00:34湯占軍

武漢工程大學學報 2012年1期

吳睿，萬舟，熊新，湯占軍

(昆明理工大學信息工程與自動化學院，云南昆明 650500)

0 引言

系統(tǒng)故障診斷主要是對系統(tǒng)運行狀態(tài)和異常情況作出判斷，并根據(jù)診斷結(jié)果尋求排除系統(tǒng)故障的依據(jù)，故障診斷技術(shù)的四個核心步驟是：信號采集、特征提取、模式識別和智能診斷，其中最難的步驟是采集故障信號和提取特征量.

機械設備在運行中的振動信號是反映其整體與變化規(guī)律的主要信號.因此，最時新的診斷方法是利用振動信號進行診斷.

在傳統(tǒng)的信號處理中傅立葉變換是最常用的方法.雖然基于傅立葉變換的信號廣泛應用于表述及分析離散時域信號領(lǐng)域，但是傅立葉變換只能從整體信號的時域表示得到其頻譜，也就意味著只能完全在時域或完全在頻域?qū)π盘柕年U述，因此不能全面的描述信號同時在頻域和時域中的變化，對信號的判斷有一定的缺陷[1].而且傅立葉變換只能描述線性平穩(wěn)信號的變換，而當旋轉(zhuǎn)機械發(fā)生故障時的振動信號大多為非線性非平穩(wěn)信號，其表示量(如功率譜等)也是時變函數(shù).對于這種情況，只了解信號在時域或頻域的瞬時特性是不夠的，還需要得到信號頻譜隨時間變化的情況.為此，時頻分析法就有了用武之地.

時頻分析法可以在同一時間內(nèi)提供振動信號的時域和頻域的聯(lián)合特征，主要反應出信號的局部特征，同時進行多尺度邊緣檢測，因此可對旋轉(zhuǎn)機械的非平穩(wěn)非線性故障例如動不平衡、不對中、動靜碰摩等傅立葉變換難以有效分析的非平穩(wěn)振動進行分析[2].時頻分析法已廣泛應用于旋轉(zhuǎn)機械的故障診斷中.

時頻分析即時頻聯(lián)合域分析的簡稱，其基本思想是設計時間和頻率的聯(lián)合函數(shù)，用它可以同時描述信號在時間和頻率的能量密度或強度分布.由于這種分析方法提供了時間域與頻率域的聯(lián)合分布信息，所以我們可以清楚地了解信號頻率隨時間變化的關(guān)系.

希爾伯特-黃變換(Hilbert-Huang Transform，以下簡稱：HHT)是由美籍華人黃鄂等人于1998年提出，作為一種新型的經(jīng)驗模態(tài)分解時頻分析法,其引入Hilbert譜的概念和Hilbert譜分析，這種對信號的處理方法可同時對信號的時域和頻域進行分析，并且信號處理過程具有自適應性，非常適合處理非線性非平穩(wěn)信號.因此，HHT變換在目前已知的機械故障診斷與非平穩(wěn)信號處理上有很大的優(yōu)越性.

本文主要研究基于LabVIEW平臺的一套機械故障診斷系統(tǒng)，選用了HHT算法對故障信號進行分解和分析.

1 新型時頻分析方法-HHT算法

HHT算法首先通過經(jīng)驗模態(tài)分解方法(Empirical Mode Decomposition，以下簡稱：EMD)對非平穩(wěn)信號進行有效分解并得到一系列固有模態(tài)函數(shù)(Intrinsic Mode Function，以下簡稱：IMF)，然后每一個固有模態(tài)函數(shù)再通過Hilbert變換得到其瞬時頻率和瞬時幅值，從而可得到Hilbert邊際譜，具體流程圖如圖1所示.這樣就有了對數(shù)據(jù)進行時頻分析的依據(jù)，并且從波形圖中清晰地看出時間與頻率的互相關(guān)系，從而合理的定義了瞬時頻率及其物理意義，初步建立了以瞬時頻率為基函數(shù)的新時頻分析法系統(tǒng)[3].其中，EMD是最重要、最具創(chuàng)新性的部分.

圖1 HHT算法流程圖Fig.1 HHT flow chart

2 HHT算法的實現(xiàn)

EMD方法在Matlab平臺實現(xiàn)較多，也有使用LabVIEW與Matlab結(jié)合實現(xiàn)的[4].本文針對LabVIEW工具箱中缺少EMD算法的問題，對LabVIEW進行二次開發(fā)，實現(xiàn)EMD的算法及HHT分析方法.

使用LabVIEW2010版，實現(xiàn)EMD程序(見圖2)和HT(Hilbert Tromsform,以下簡稱：HT)程序(見圖3).當信號進入程序時，首先進行三次樣本擬合構(gòu)造包絡線，求出上下包絡線；然后按IMF的取值條件之一——上下包絡線的均值為零，對所求的信號的包絡線進行判斷，之后再進行EMD程序，其目的是消除載波與平緩不在要求內(nèi)的幅值，本程序通過限定方差的大小在0.2～0.3之間來對所出信號進行篩選，其中，需要對剩余分量進行判斷，判斷標準為剩余分量已是單調(diào)函數(shù)，不可能再從中提取IMF分量，這樣所得到的IMF分量再進入希爾伯特變換程序中，本程序使用到快速Hilbert變換作為分析主體程序，最終得到Hilbert變換波形圖與Hilbert變換邊際譜.

圖2 EMD程序 Fig.2 EMD procedure

圖3 HT程序Fig.3 HT procedure

利用仿真信號5sin(4π40t)+3sin(2π30t)+2sin(3π4t)對程序進行檢驗.采樣數(shù)為1 000，采樣頻率為1 000 Hz，仿真信號波形圖見圖4.用HHT算法對仿真信號進行分析、分解得到3個IMF分量波形圖(見圖5).由圖可見，IMF分量1是從仿真信號中分解出來的高頻模態(tài)分量，對應了仿真信號公式中的第一個正弦函數(shù)部分；IMF分量2則是次高頻模態(tài)分量，對應仿真信號中的第二個正弦函數(shù)部分；IMF分量3為分解后得到的次模態(tài)分量，其頻率較低，幅度也很小，為仿真信號中第三個正弦函數(shù)部分.IMF分量4即為剩余分量，其值接近于0.由此可知，仿真信號得到了詳細的分解，程序具有可靠的信號分解和時頻處理能力.

圖4 仿真信號波形圖Fig.4 Simulation signal waveform

圖5 仿真信號IMF分量波形圖Fig.5 IMF components waveform of simulation signal

3 實驗驗證

采用能夠模擬旋轉(zhuǎn)機械故障的Bently模擬轉(zhuǎn)子試驗臺，仿真轉(zhuǎn)子的故障信號[5].信號采集卡采用NI公司生產(chǎn)的PCI-6251，此采集卡為16位，具有1 MS/s (多通道)和1.25 MS/s (單通道)兩種通道形式，同時包括16路模擬輸入、2路16位模擬輸出(2.8 MS/s)、24條數(shù)字I/O線、32位計數(shù)器以及70多個信號調(diào)理選項關(guān)聯(lián)DIO(8條時鐘線, 10 MHz)[6]；其中所使用的模擬和數(shù)字觸發(fā)NI-MCal校準技術(shù)和采用高精度M系列采集卡提高了測量精度、分辨率和敏感度.

壓電傳感器輸出的原始信號經(jīng)處理后的電壓信號波形圖見圖6，各個IMF分量的波形圖見圖7，第一階IMF分量和第二階IMF分量對應的邊際譜圖見圖8.

由圖6、圖7、圖8可看出，HHT算法將動平衡故障所產(chǎn)生信號的固有模態(tài)分量分解出來.第一階、第二階IMF分量幅度較大，信號很雜，尤其第一階IMF分量具有很明顯的調(diào)幅特征，從第一階IMF分量上更容易看出放大了的故障特征，證明高頻成分的存在是由轉(zhuǎn)子動不平衡造成.第三階IMF分量為基頻分量，第四階IMF為剩余分量，幅值接近于0.在邊際譜中看出，其幅值主要出現(xiàn)在頻率的0～250 Hz與1750～2000 Hz之間.因此，圖7、圖8反映出來的故障特征符合轉(zhuǎn)子動平衡的描述.

圖6 原始電壓信號波形圖 Fig.6 Original signal waveform

圖7 各個IMF分量波形圖 Fig.7 IMF components waveform

圖8 HHT邊際譜圖Fig.8 HHT marginal spectrum

4 結(jié) 語

在LabVIEW平臺下開發(fā)了“轉(zhuǎn)子動平衡故障診斷系統(tǒng)”.通過在Bently轉(zhuǎn)子實驗臺對轉(zhuǎn)子動平衡進行分析試驗,驗證該系統(tǒng)是成功的、可靠的.在LabVIEW平臺使用HHT算法能準確穩(wěn)定的讀取數(shù)據(jù)，并且可以通過對Hilbert譜的觀察看出是否出現(xiàn)機械故障問題，若能把實時監(jiān)測與數(shù)據(jù)儲存方面結(jié)合到本系統(tǒng)中，其實際應用性將得到更大的提高.

參考文獻：

[1] 譚宇碩.基于改進HHT方法的旋轉(zhuǎn)機械故障診斷的研究[D].保定：華北電力大學,2007．

[2] 周月琴.機械設備狀態(tài)檢測系統(tǒng)設計及其信號處理算法研究[D].南京：南京信息工程大學,2008．

[3] 李博.基于LabVIEW的HHT方法實現(xiàn)及在軸承故障診斷中的應用研究[D].太原：太原理工大學,2008．

[4] 王珍，郭方，江親瑜.EMD的LabVIEW實現(xiàn)及其在滾動軸承故障診斷中的應用[J].噪聲與振動控制,2009(4):54-57.

[5] 遲萬超，張方.基于LABVIEW的HHT法疲勞損傷時頻分析[J].研究與開發(fā),2011,30(7):34-38.