船用電機(jī)智能故障診斷與健康管理技術(shù)

楊 靈，湯 成，鄧建華

（1.招商局郵輪制造有限公司，江蘇南通 226116；2.江蘇科技大學(xué)，江蘇鎮(zhèn)江 2121003；3.上海中車漢格船舶與海洋工程有限公司，上海 200082）

0 引言

21世紀(jì)以來(lái)，對(duì)船舶電機(jī)管理的自動(dòng)化要求也越來(lái)越高，其中，故障預(yù)測(cè)與健康管理成為研究的關(guān)鍵問題?，F(xiàn)代船舶上的電機(jī)種類各異，位置分散，起動(dòng)方式多樣。船用電機(jī)智能故障診斷與健康管理技術(shù)研究在船舶電力系統(tǒng)和輔機(jī)裝置等系統(tǒng)中起著相當(dāng)重要的作用。船用電機(jī)智能故障診斷與健康管理技術(shù)順應(yīng)了當(dāng)今船舶網(wǎng)絡(luò)化、信息化、智能化的發(fā)展趨勢(shì)[1]，應(yīng)用各種信號(hào)分析與處理技術(shù)對(duì)取得的電機(jī)參數(shù)進(jìn)行分析，在此基礎(chǔ)上提取出對(duì)特故障敏感的特征信息，在電機(jī)出現(xiàn)小型故障時(shí)發(fā)現(xiàn)并準(zhǔn)確定位故障，避免最終災(zāi)難性故障的發(fā)生。

針對(duì)船用電機(jī)智能故障診斷與健康管理技術(shù)的問題，國(guó)內(nèi)外學(xué)者進(jìn)行了深入研究。其中，特征提取和特征集的選擇直接影響到分類器的性能，從而影響到故障診斷的準(zhǔn)確性、有效性和效率。特征集的選擇在分類中扮演著重要的角色[2]。筆者以中小型船（自主豪華游輪）用電機(jī)為研究對(duì)象，對(duì)于船用電機(jī)智能故障診斷與健康管理技術(shù)進(jìn)行分析，并對(duì)該監(jiān)測(cè)系統(tǒng)的電機(jī)故障辨識(shí)方法進(jìn)行研究，最終通過對(duì)電機(jī)故障類別及表征參數(shù)的歸納總結(jié)，設(shè)計(jì)智能電機(jī)在線監(jiān)測(cè)系統(tǒng)方案。

1 信號(hào)的采集

振動(dòng)信號(hào)采集是利用振動(dòng)信號(hào)進(jìn)行電機(jī)故障診斷的基礎(chǔ)，必須選擇一款適合進(jìn)行數(shù)據(jù)特征提取、篩選的，精度較高的振動(dòng)傳感器。常見的振動(dòng)傳感器包括速度振動(dòng)傳感器、加速度振動(dòng)傳感器和渦流振動(dòng)傳感器，見表1。

表1 振動(dòng)傳感器分類及特點(diǎn)

對(duì)于電機(jī)振動(dòng)信號(hào)的采集，采用加速度傳感器測(cè)量三相異步電動(dòng)機(jī)，具有速度快、精度高、兼容性佳、針對(duì)性強(qiáng)的獨(dú)特優(yōu)勢(shì)，可以實(shí)時(shí)監(jiān)測(cè)不同頻率下振動(dòng)信號(hào)的信號(hào)振幅。

在試驗(yàn)環(huán)境搭建時(shí)，將試驗(yàn)所用的三相低壓異步電動(dòng)機(jī)用螺柱進(jìn)行固定，在風(fēng)機(jī)軸承正上方安裝壓電式加速度振動(dòng)傳感器，安裝方式采用膠粘劑粘接加磁鐵轉(zhuǎn)換吸盤連接雙重固定的方式，以保證安裝牢固，不會(huì)掉落或影響安裝剛度。試驗(yàn)平臺(tái)選用傳感器的參數(shù)如表2所示。

表2 振動(dòng)傳感器參數(shù)表

2 信號(hào)特征的提取

經(jīng)過壓電加速度傳感器采集到的信號(hào)，需要通過特征提取，才能進(jìn)行故障的識(shí)別和預(yù)測(cè)。通常來(lái)說(shuō)，利用合理的手段進(jìn)行振動(dòng)信號(hào)的故障特征提取是系統(tǒng)故障診斷中的重要一環(huán)，信號(hào)的提取既保證了將振動(dòng)信號(hào)中的有用信息準(zhǔn)確地提取，又可以明確機(jī)械故障信息的信息表征。對(duì)于振動(dòng)信號(hào)而言，較為常用的特征提取方法是快速傅里葉變換（FFT）和短時(shí)傅里葉變換（STFT）。FFT就是將信號(hào)變換到頻域，在頻域上對(duì)時(shí)域上的信號(hào)進(jìn)行描述，但FFT對(duì)于時(shí)間不敏感[3]，不能對(duì)時(shí)間域上信號(hào)的某一局部進(jìn)行刻畫，對(duì)突變和非平穩(wěn)信號(hào)的描述效果也不理想。

為了解決這些問題，利用短時(shí)傅里葉變換進(jìn)行信號(hào)處理，它在FFT的基礎(chǔ)上增加了窗函數(shù)，利用窗函數(shù)對(duì)信號(hào)進(jìn)行截取，這樣就可以描述不同時(shí)刻的頻譜，便于非平穩(wěn)信號(hào)的處理，然而它的窗函數(shù)不能隨信號(hào)頻率的變化而變化，往往會(huì)出現(xiàn)頻率分辨率差或時(shí)間分辨率差的現(xiàn)象。小波變換對(duì)傅里葉變換的基底進(jìn)行變換，把基由正弦信號(hào)變?yōu)殚L(zhǎng)度有限、會(huì)衰減的小波基（一般是2個(gè)正交基的分解）[4]，克服了STFT窗函數(shù)不能隨頻率變化的缺點(diǎn)，雖然比FFT增加了窗函數(shù)，但在處理信號(hào)和噪聲頻帶混疊的情況下效果仍不理想。

華裔科學(xué)家Norden.e.Huang提出了經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）的方法，是一種針對(duì)非平穩(wěn)信號(hào)的信號(hào)處理方法[5]。Flandrin解決了EMD分解出現(xiàn)的模態(tài)混疊現(xiàn)象，提出了集合經(jīng)驗(yàn)?zāi)B(tài)分解EEMD。EEMD是在EMD的基礎(chǔ)上加入白噪聲，并使用EMD算法進(jìn)行分解，得到本征模態(tài)函數(shù)（Intrinsic Mode Function,imf）。根據(jù)白噪聲具有統(tǒng)一的頻率分布，將白噪聲添加入原信號(hào)中，因?yàn)榘自肼暡煌?，因此在獲得imf分量時(shí)，相鄰的imf分量不會(huì)產(chǎn)生關(guān)聯(lián)，即EEMD解決了EMD的模態(tài)混疊現(xiàn)象[6-7]。

3 EEMD仿真

利用EEMD的方式進(jìn)行分解就可以得到很好的非平穩(wěn)信號(hào)本真模態(tài)分解，再利用相關(guān)系數(shù)的方法對(duì)imf分量進(jìn)行重構(gòu)，利用HHT變換可以很好地得到信號(hào)包絡(luò)，對(duì)振動(dòng)信號(hào)的故障特征提取有著非常好的效果。電機(jī)故障診斷模型如圖1所示。

圖1 電機(jī)故障診斷模型

根據(jù)EEMD的原理，用MATLAB對(duì)采集到的數(shù)據(jù)進(jìn)行信號(hào)處理。下面列舉出三相異步低壓電動(dòng)機(jī)在正常、底座松動(dòng)狀態(tài)下采集到的數(shù)據(jù)利用EEMD進(jìn)行信號(hào)處理的結(jié)果。

3.1 正常狀態(tài)下電機(jī)健康狀態(tài)分析

在正常情況下，將采集到的振動(dòng)信號(hào)通過集合經(jīng)驗(yàn)?zāi)B(tài)分解，得到各級(jí)imf分量，即imf 1～imf 12，imf分量如圖2所示。

圖2 正常狀態(tài)下振動(dòng)信號(hào)EEMD分解結(jié)果

對(duì)imf'分量進(jìn)行重構(gòu)，得到重構(gòu)后的信號(hào)，經(jīng)重構(gòu)的振動(dòng)信號(hào)如圖3所示。

利用希爾伯特-黃變換，得到重構(gòu)信號(hào)的包絡(luò)，如圖4所示。

圖3 正常狀態(tài)下的信號(hào)重構(gòu)

圖4 正常狀態(tài)下的包絡(luò)譜函數(shù)

由圖4可以看出：正常狀態(tài)下，在頻率極小時(shí)，提取到的幅值＞0.18 m/s2；頻率為300 Hz時(shí)，幅值有一次明顯的提升；頻率略高于550 Hz時(shí)，幅值達(dá)到第二次高峰，提取的幅值略大于0.04 m/s2。

3.2 底座松動(dòng)狀態(tài)下電機(jī)健康狀態(tài)分析

發(fā)生底座松動(dòng)故障時(shí)，將提取到的imf分量相關(guān)系數(shù)cov＞10?4的分量進(jìn)行提取，并定義為新的imf'分量。對(duì)imf'分量進(jìn)行重構(gòu)，得到底座松動(dòng)情況下重構(gòu)后的信號(hào)，利用希爾伯特-黃變換，得到重構(gòu)信號(hào)的包絡(luò)，如圖5所示。

圖5 底座松動(dòng)情況下的包絡(luò)譜函數(shù)

由圖5可以看出：底座松動(dòng)情況與正常狀態(tài)相比，在頻率極小時(shí)，提取到的幅值略大于0.14 m/s2，小于正常情況下的幅值（＞0.18 m/s2）；同時(shí)，頻率約為25 Hz時(shí)，幅值并未能取得一個(gè)略小于0.04 m/s2的極大值。

4 結(jié)論

EEMD對(duì)于非平穩(wěn)信號(hào)的分解有著很好的作用，HHT所得的包絡(luò)譜函數(shù)也可以對(duì)船用三相異步電動(dòng)機(jī)的常見故障進(jìn)行準(zhǔn)確識(shí)別。此種方法僅使用1個(gè)加速度傳感器，安裝簡(jiǎn)單，診斷結(jié)果明了，對(duì)船舶行業(yè)分布式電機(jī)的實(shí)時(shí)監(jiān)測(cè)和故障診斷具有較高的實(shí)用價(jià)值和經(jīng)濟(jì)價(jià)值。