信號特征提取方法在球磨機(jī)故障診斷中的應(yīng)用?

李名莉 焦欣欣

（河南工業(yè)職業(yè)技術(shù)學(xué)院機(jī)電自動化學(xué)院 南陽 473000）

1 引言

球磨機(jī)在金屬類選礦、煤礦化肥、水泥建筑、化學(xué)材料等工業(yè)制造領(lǐng)域中被廣泛的應(yīng)用，在工業(yè)生產(chǎn)中發(fā)揮著重要作用，此類大型機(jī)械設(shè)備每年的維修費用很高，在企業(yè)經(jīng)營費用中占有很大比重。對球磨機(jī)進(jìn)行故障診斷可減少企業(yè)成本，提高生產(chǎn)效率，延長使用壽命，創(chuàng)造更大的經(jīng)濟(jì)價值［1～3］。

球磨機(jī)運行現(xiàn)場的振動信號反映了球磨機(jī)的運行狀況，診斷球磨機(jī)存在的故障需對其振動信號進(jìn)行分析處理，找出它的內(nèi)在規(guī)律［4］。振動信號在故障情況下會摻雜噪聲發(fā)生奇變，與正常信號相比，頻率較高，由此，對信號故障檢測時只需對高頻分量提取特征分量進(jìn)行研究即可［5～6］。

2 特征向量的提取

球磨機(jī)的某個部件一旦出現(xiàn)故障，在這種情況下的振動信號和正常狀態(tài)下有很大不同。在故障狀態(tài)下正常信號易被抑制或增強(qiáng)，體現(xiàn)在信號的能量分布上，在正常狀況下，振動信號在相同頻帶上的能量呈均勻分布，而在故障下能量分布表現(xiàn)較為明顯，呈不均勻分布［7～12］。根據(jù)能量分布的特征可以很容易排查出球磨機(jī)是否出現(xiàn)了故障，如果頻帶上的能量變化較為明顯，我們可從中選擇合適的能量對其特征化，獲取球磨機(jī)故障下的特征向量，從中找出故障信息［13］。

連續(xù)小波變換相對于離散小波變換來說在分析信號的方法上更透徹更有說服力，本文選用連續(xù)小波變換對信號特征提取分析。連續(xù)小波變換可有效提取時頻域的特征信息，將信號波形以時間-幅度相關(guān)的形式直觀表現(xiàn)出來，利用其多分辨率的特點進(jìn)行多尺度分析，在時間—尺度域內(nèi)對信號作小波分解，提取出有用的特征信息［12～15］。在實際運用中，連續(xù)參數(shù)計算較難實現(xiàn)，為此本文小波基函數(shù)選擇與機(jī)械設(shè)備故障信號形狀極為相似且具有脈沖沖擊特征的正交Morlet 小波，尺度方向按a=2j，j=0，1，2，…，k 進(jìn)行離散，尺度因子與a 值選取有關(guān)［15］。

3 故障信號的特征提取分析

在現(xiàn)場采集信號使用的是2271A 型號的振動加速度傳感器，靈敏度11.5mv/mm/s，自振頻率10Hz，頻率響應(yīng)1Hz～4000Hz，用鋼制栓固定，現(xiàn)場采集到的信號見圖1，采樣點數(shù)1000，采樣頻率1000Hz。工礦現(xiàn)場采集到的信號噪聲摻雜，存在信號干擾，在對信號提取時需要進(jìn)行小波閾值去噪，去噪后的波形效果見圖2，去噪函數(shù)：

其中，α、β 為調(diào)節(jié)因子，-0.5 ≤α ≤0.5，β 為正數(shù)，去噪效果圖見圖2，信噪比為35.7166，均方誤差為0.0713。

圖1 振動信號波形圖

圖2 小波去噪后的信號

對圖2 用Morlet 正交小波基進(jìn)行5 層分解，生成兩信號，逼近信號和細(xì)節(jié)信號。細(xì)節(jié)信號反映了振動信號的細(xì)微變化，表征球磨機(jī)的故障信號，為高頻信號，在此只對細(xì)節(jié)信號分析研究，分解波形見圖3，d1～d5 分別表示第1，2，3，4，5 每一層的細(xì)節(jié)信號。

圖3 振動信號經(jīng)小波分解后的波形圖

觀察圖3可看出，5層細(xì)節(jié)信號d1～d5，d1、d2屬于高頻部分，基本看不出不連續(xù)點，表現(xiàn)不明顯，可推斷有突變信號。突變信號是研究的關(guān)鍵，含有豐富的高頻信息，接下來提取高頻信號的故障特征頻率，對d1進(jìn)行Hilbert包絡(luò)譜分析，波形見圖4。

圖4 Hilbert小波包絡(luò)譜

從小波包絡(luò)圖中明顯看到一系列峰值，其中振動烈度比較明顯的點有（60，52）、（130，95）、（180，40）、（310，54），在130Hz 處故障沖擊引起的衰減振動烈度很大，出現(xiàn)幅值的最大值。查證數(shù)據(jù)得，球磨機(jī)的減速機(jī)輸入軸的內(nèi)環(huán)發(fā)生故障的特征頻率在122Hz，振動烈度最大的頻率值130Hz 剛好與之相接近，由此可以判斷，故障出在球磨機(jī)的減速機(jī)輸入軸的軸承內(nèi)環(huán)上。

對現(xiàn)場采集的另一信號分析，對其采用相同去噪方法處理，去噪后的波形圖見圖5。

對圖5同樣進(jìn)行小波分解，分解5層不變，生成的細(xì)節(jié)信號見圖6。

分析圖6 可知，d1、d2 呈周期性分布，可以推斷出含有沖擊信號，這正好與齒輪在轉(zhuǎn)動過程中出現(xiàn)故障時信號呈周期性變化的現(xiàn)象相吻合，可猜測出是球磨機(jī)的某一個齒輪出現(xiàn)故障，但故障具體位置還不能判斷出，為此對細(xì)節(jié)信號d1 進(jìn)行包絡(luò)譜分析，分析圖見圖7。

圖5 去噪后的故障信號時域波形圖

圖6 振動信號經(jīng)小波分解后的波形圖

圖7 振動信號的包絡(luò)譜分析圖

在圖7 包絡(luò)譜分析圖中出現(xiàn)一系列峰值，可以看出振動烈度最大的點在（20，74），（38，19）和（60，10），由齒輪的故障特征頻率理論值可知，20、38、60為第1 級行星齒輪嚙合頻率及其倍頻。齒輪故障特征階次較為明顯，邊帶階數(shù)多，且譜線分散，與齒輪的故障特征頻率理論值對照，很明顯得出是減速機(jī)的太陽輪出現(xiàn)了故障。在工作現(xiàn)場經(jīng)過排查，發(fā)現(xiàn)是減速機(jī)的太陽輪出現(xiàn)了裂紋故障。

4 驗證分析

為驗證球磨機(jī)故障診斷算法是否有效，本文對球磨機(jī)運行現(xiàn)場提供的齒輪正常振動信號和斷齒運行狀態(tài)信號作連續(xù)小波變換提取特征向量，計算歐式距離給予證明，信號圖見圖8。

圖8 齒輪兩種狀態(tài)下的信號波形

提取齒輪在正常、裂紋、斷齒三種狀態(tài)量數(shù)據(jù)見表1。

從表1 看出，在相同狀態(tài)下不同向量間特征向量相差不大，而在不同狀態(tài)下的特征向量相差較大，但不是特別明顯。為了進(jìn)一步精細(xì)研究，在特征向量的數(shù)據(jù)下計算歐式距離，歐式距離公式為

式中，m 表示向量列數(shù)，Ni，k表示向量μi在尺度上的第k 個值，Nj，k表示向量μj在尺度上的第k 個值，不同狀態(tài)下的數(shù)據(jù)見表2。

通過歐氏距離的計算可以發(fā)現(xiàn)，齒輪在相同狀態(tài)下特征向量間的歐氏距離數(shù)值很接近，可見齒輪在相同狀態(tài)下歐氏距離具備相似性；而在不同狀態(tài)下同一頻段內(nèi)能量相差較大，歐式距離變化也越大，說明不同狀態(tài)不具相似性。由此可以證明本文對球磨機(jī)故障提取方法是有效可行的。

5 結(jié)語

小波分析在時、頻域識別能力強(qiáng)，算法簡單易操作，在大型機(jī)械設(shè)備故障診斷中占有很大優(yōu)勢。本文利用小波分析得到振動信號的總體及細(xì)節(jié)特征，提取出故障信號的有效成分，利用Hilbert 小波包絡(luò)譜分析獲得故障特征頻率，找出問題所在。在不同狀態(tài)下，對齒輪的運行信號運用能量譜提取特征向量，計算歐式距離，通過數(shù)據(jù)可很好區(qū)分出振動信號的運行特點和狀態(tài)，極具說服力，證明了方法的有效性。

表1 振動信號連續(xù)小波變換后提取的特征向量

表2 三種狀態(tài)下特征向量的歐式距離