基于Hilbert-Huang變換的離心泵故障診斷

胡澤，王曉杰，張智博，吳雨宸

( 西南石油大學(xué) 電氣信息學(xué)院，四川 成都 610500 )

0 引言

離心泵設(shè)備廣泛應(yīng)用在石化、電力、機(jī)械以及軍工部門的關(guān)鍵設(shè)備。因此，離心泵故障診斷的研究技術(shù)是非常重要的[1]。目前，利用振動(dòng)信號(hào)進(jìn)行故障診斷是應(yīng)用最廣泛的方法[2]。故障診斷一般分為三個(gè)步驟：首先是振動(dòng)信號(hào)的采集；然后是提取振動(dòng)信號(hào)的特征；最后是模式識(shí)別和故障診斷。其中最關(guān)鍵的是提取振動(dòng)信號(hào)的特征。離心泵的結(jié)構(gòu)復(fù)雜，激振源較多，且相互干擾，因此離心泵的振動(dòng)信號(hào)是一種非線性、非平穩(wěn)信號(hào)[3]。HHT具有較強(qiáng)的自適應(yīng)性，能直接反應(yīng)出信號(hào)的時(shí)頻本質(zhì)，對(duì)非線性、非平穩(wěn)信號(hào)具有很大的優(yōu)勢(shì)。Hilbert-Huang變換主要包含經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical mode decomposition，EMD)和希爾伯特變化(Hilbert transform，HT)兩部分[4-6]。對(duì)一個(gè)復(fù)雜的信號(hào)采用EMD分解，得到若干個(gè)固有模態(tài)函數(shù)(Intrinsic Mode Functions，IMF)，在用HT對(duì)每一個(gè)IMF分量進(jìn)行解調(diào)，得到由瞬時(shí)頻率，瞬時(shí)幅值和時(shí)間組成的希爾伯特譜，包含了原始信號(hào)所有的時(shí)頻信息。

本文利用HHT對(duì)離心泵的振動(dòng)信號(hào)提取特征，輸入到RBF(徑向基)神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別和故障診斷，可以使神經(jīng)網(wǎng)絡(luò)更好地進(jìn)行學(xué)習(xí)，提高診斷率。

1 原理及特征

1.1 HHT原理

HHT假設(shè)任意一個(gè)信號(hào)都有若干個(gè)IMF構(gòu)成[4-6]，其中IMF應(yīng)當(dāng)滿足以下面條件：

1）數(shù)據(jù)中的極值個(gè)數(shù)理論上必須與零點(diǎn)的個(gè)數(shù)相等或最多相差1個(gè)；

2）對(duì)于任意的一個(gè)點(diǎn)，由局部極小值確定的信號(hào)包絡(luò)和局部極大值確定的信號(hào)包絡(luò)的平均值為零。

HHT中描述信號(hào)的基本量為瞬時(shí)頻率(Instantaneous Frequenc，IF)，由于經(jīng)過(guò)EMD分解之后的IMF都是瞬時(shí)頻率有意義的、幅度或頻率受調(diào)制由高頻到低頻的時(shí)間序列，而IF通過(guò)IMF的HT獲得信號(hào)的解析形式z(t)為：

其中振幅函數(shù)ai(t)為：

相位函數(shù)θi(t)為：

對(duì)相位函數(shù)求導(dǎo)得到瞬時(shí)頻率fi(t)為：

1.2 特征提取算法

為獲取離心泵振動(dòng)信號(hào)的特征向量，做了以下的定義：

平均瞬時(shí)頻率Fi為：

經(jīng)過(guò)EMD分解后，各層IMF的平均能量Ei為：

各層的總平均能量E為：

其中：N—每層IMF的數(shù)據(jù)點(diǎn)數(shù)；

各層IMF的能量占比Mi為：

2 設(shè)備情況

2.1 離心泵組

本文選用的設(shè)備為嘉利特荏原泵業(yè)有限公司的一款離心泵。工作基本參數(shù)為：主機(jī)型號(hào)200×150（A）DCS5M；運(yùn)輸介質(zhì)為貧胺液；額定流量為200m3/h；額定揚(yáng)程為150m；額定轉(zhuǎn)速為2900r/min；額定功率為1120kW/h。數(shù)據(jù)采集中，采樣頻率設(shè)置為800Hz，采樣點(diǎn)數(shù)為1024點(diǎn)。離心泵結(jié)構(gòu)圖和傳感器測(cè)點(diǎn)位置如圖1，測(cè)點(diǎn)布置情況見(jiàn)表1。

表1 測(cè)點(diǎn)布置情況

采集正常、轉(zhuǎn)子不對(duì)中、轉(zhuǎn)子不平衡、基礎(chǔ)松動(dòng)和油膜渦動(dòng)及振蕩共5種情況的振動(dòng)位移信號(hào)，每種情況各40組，共200組振動(dòng)位移信號(hào)。

3 特征提取

由于有6個(gè)傳感器采集到的信號(hào)，而且不同情況所對(duì)應(yīng)的振動(dòng)方向不同，為了突出對(duì)比離心泵的振動(dòng)信號(hào)，現(xiàn)抽取離心泵在4種故障發(fā)生時(shí)故障端且該故障的主要振動(dòng)方向上所對(duì)應(yīng)的傳感器振動(dòng)位移信號(hào)。正常情況下，抽取驅(qū)動(dòng)端軸向傳感器，即3號(hào)傳感器的振動(dòng)位移信號(hào)。對(duì)以上提及到的信號(hào)數(shù)據(jù)進(jìn)行HHT變換處理。

以正常狀態(tài)和油膜渦動(dòng)故障為例，對(duì)一組振動(dòng)位移信號(hào)做HHT變換，結(jié)果如圖2和圖3所示。

表2為正常狀態(tài)振動(dòng)位移信號(hào)IMF的平均瞬時(shí)頻率和能量占比和各層IMF與原函數(shù)之間的相關(guān)系數(shù)。從表2和圖2可以看出，IMF4-IMF7包括余量與原函數(shù)相關(guān)系數(shù)很低，而且能量占比也很低，不能代表離心泵正常狀態(tài)時(shí)的振動(dòng)信號(hào)特征。由離心泵正常狀態(tài)時(shí)的平均瞬時(shí)頻率和hilbert譜可以看出IMF2對(duì)應(yīng)的51．52Hz，在1倍頻附近，同時(shí)IMF2的能量占比最大，與原函數(shù)之間的相關(guān)系數(shù)最高，表明當(dāng)離心泵處于正常狀態(tài)時(shí)，1倍頻起到主要作用。這符合離心泵正常運(yùn)行時(shí)的典型振動(dòng)信號(hào)[7]。

表2 正常狀態(tài)振動(dòng)位移信號(hào)IMF的平均瞬時(shí)頻率(Fi)和能量占比(Mi)

表3為油膜渦動(dòng)狀態(tài)振動(dòng)位移信號(hào)IMF的平均瞬時(shí)頻率和能量占比和各層IMF與原函數(shù)之間的相關(guān)系數(shù)。從表3和圖3可以看出，由于IMF4-IMF7包括余量與原函數(shù)相關(guān)系數(shù)很低，而且能量占比也很低，不能代表離心泵油膜振蕩狀態(tài)時(shí)的振動(dòng)信號(hào)特征。由離心泵油膜振蕩狀態(tài)時(shí)的平均瞬時(shí)頻率和hilbert譜可以看出IMF2對(duì)應(yīng)的49．18Hz，在1倍頻附近，同時(shí)IMF2的能量占比為51．43%，與原函數(shù)之間的相關(guān)系數(shù)為69．00%；IMF3對(duì)應(yīng)的24．17Hz，在0．42～0．48倍頻附近，同時(shí)IMF3的能量占比為46．45%，與原函數(shù)之間的相關(guān)系數(shù)為65．83%，表明當(dāng)離心泵處于油膜振蕩時(shí)，信號(hào)的能量主要在1倍頻和0．42～0．48倍頻處，這符合典型的半速渦動(dòng)振動(dòng)信號(hào)。這時(shí)，離心泵運(yùn)行狀態(tài)為油膜振蕩的典型振動(dòng)信號(hào)[7]。

表3 油膜渦動(dòng)狀態(tài)振動(dòng)位移信號(hào)IMF的平均瞬時(shí)頻率(Fi)和能量占比(Mi)

利用同樣的方法，對(duì)離心泵的不對(duì)中，不平衡，基礎(chǔ)松動(dòng)狀態(tài)下的振動(dòng)位移信號(hào)進(jìn)行處理，通過(guò)大量數(shù)據(jù)處理的結(jié)果如見(jiàn)表4和表5。

表4 離心泵各狀態(tài)振動(dòng)位移信號(hào)的IMF所對(duì)應(yīng)的能量占比(Mi)(%)

如表4所示，離心泵的振動(dòng)信號(hào)經(jīng)過(guò)HHT處理過(guò)后，絕大多數(shù)能量都在前三層，即IMF1-IMF3中，不同故障狀態(tài)對(duì)應(yīng)IMF層的能量占比也各不相同。IMF4-IMF7包括余量的能量占比很低，不能代表離心泵運(yùn)行狀態(tài)時(shí)的振動(dòng)信號(hào)特征。

表5 離心泵各狀態(tài)振動(dòng)位移信號(hào)的IMF所對(duì)應(yīng)的平均瞬時(shí)頻率Fi（Hz）

如表5所示，離心泵的振動(dòng)信號(hào)經(jīng)過(guò)HHT處理過(guò)后，各層IMF的平均瞬時(shí)頻率主要區(qū)分在于前3層，即IMF1～I(xiàn)MF3，而后續(xù)4層的平均瞬時(shí)頻率沒(méi)有特別明顯的區(qū)分度，所以離心泵的振動(dòng)信號(hào)經(jīng)過(guò)HHT處理后，各個(gè)狀態(tài)的前3層IMF分別對(duì)應(yīng)的能量分布和平均瞬時(shí)頻率分布是不同的，表明兩者與離心泵當(dāng)前所處的狀態(tài)相關(guān)。

對(duì)離心泵的振動(dòng)信號(hào)進(jìn)行HHT處理，首先求出前3層IMF各自的平均瞬時(shí)頻率并進(jìn)行歸一化處理，構(gòu)成3維平均瞬時(shí)頻率分布向量。然后求出前3層IMF各自的能量占比，構(gòu)成3維能量分布向量；將能量分布向量和平均瞬時(shí)頻率分布向量結(jié)合構(gòu)成6維的能－頻分布特征向量。由于是選擇6個(gè)傳感器同時(shí)輸入離心泵的振動(dòng)信號(hào)，所以構(gòu)成一個(gè)36維的能量和頻率分布特征向量。

4 識(shí)別結(jié)果

RBF神經(jīng)網(wǎng)絡(luò)在逼近能力、學(xué)習(xí)速度和分類能力等方面都由于BP神經(jīng)網(wǎng)絡(luò)[8-10]。因此，本文選用RBF神經(jīng)網(wǎng)絡(luò)作為離心泵振動(dòng)位移信號(hào)故障診斷的工具。首先選取5種狀態(tài)各30組特征向量作為訓(xùn)練樣本，輸入到RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對(duì)應(yīng)的狀態(tài)作為理想輸出，網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖4所示。

訓(xùn)練完成后，從訓(xùn)練樣本意外的數(shù)據(jù)中抽取10組特征向量進(jìn)行檢測(cè)網(wǎng)絡(luò)。測(cè)試結(jié)果如表6所示。

表6 RBF神經(jīng)網(wǎng)絡(luò)診斷結(jié)果

5 結(jié)語(yǔ)

HHT對(duì)處理離心泵的振動(dòng)信號(hào)具有很好的效果，經(jīng)過(guò)EMD分解后得的IMF代表著離心泵振動(dòng)信號(hào)各種信息。通過(guò)對(duì)各層IMF進(jìn)行分析，提取出離心泵各狀態(tài)振動(dòng)信號(hào)的能 -頻分布特征向量，該特征向量同離心泵所處狀態(tài)緊密相關(guān)，因此用該特征向量對(duì)離心泵的狀態(tài)進(jìn)行故障診斷是可行的；RBF神經(jīng)網(wǎng)絡(luò)的分類性能較好，能夠有效的進(jìn)行離心泵故障診斷。研究結(jié)果表明本方法用于離心泵故障診斷有較高效率，診斷正確率可達(dá)100%。