基于LabVIEW的旋轉(zhuǎn)設(shè)備狀態(tài)在線監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

陽(yáng) 震，嚴(yán)?？担幅i程，陸翔宇

(武漢科技大學(xué)信息科學(xué)與工程學(xué)院，湖北武漢 430081)

0 引言

電機(jī)、水泵等大型旋轉(zhuǎn)設(shè)備廣泛應(yīng)用于冶金、采礦、電力等行業(yè)，它們以轉(zhuǎn)子及滾動(dòng)軸承部件構(gòu)成設(shè)備核心，是旋轉(zhuǎn)機(jī)械的關(guān)鍵部分[1]。其長(zhǎng)期工作在極其惡劣的環(huán)境中，且易受到現(xiàn)場(chǎng)各種復(fù)雜因素的影響，從而導(dǎo)致旋轉(zhuǎn)設(shè)備發(fā)生故障，影響生產(chǎn)效率以及造成經(jīng)濟(jì)財(cái)產(chǎn)的損失。因此，對(duì)電機(jī)、水泵運(yùn)行狀態(tài)監(jiān)測(cè)以及故障數(shù)據(jù)處理非常關(guān)鍵。

近年來(lái)，科研工作者利用虛擬儀器LabVIEW軟件開發(fā)了一些機(jī)械故障診斷的系統(tǒng)。嚴(yán)展鴻等[2]利用LabVIEW軟件開發(fā)了一套大型轉(zhuǎn)子監(jiān)測(cè)與故障診斷系統(tǒng)，并結(jié)合轉(zhuǎn)子特性提供了一種小波包分解方案；喻洋洋等[3]結(jié)合小波分解、希爾伯特變換以及數(shù)學(xué)形態(tài)學(xué)分析算法，利用LabVIEW軟件開發(fā)了滾動(dòng)軸承故障診斷系統(tǒng)，并利用旋轉(zhuǎn)機(jī)械故障實(shí)驗(yàn)平臺(tái)驗(yàn)證了該系統(tǒng)的適用性；于波等[4]依靠BP神經(jīng)網(wǎng)絡(luò)，基于LabVIEW軟件平臺(tái)對(duì)旋轉(zhuǎn)機(jī)械故障診斷進(jìn)行了研究。

本文基于LabVIEW開發(fā)了針對(duì)大型旋轉(zhuǎn)設(shè)備的數(shù)據(jù)監(jiān)測(cè)與故障診斷系統(tǒng)，實(shí)現(xiàn)了旋轉(zhuǎn)設(shè)備的在線監(jiān)測(cè)、預(yù)警和實(shí)時(shí)診斷。通過(guò)模擬故障振動(dòng)信號(hào)，首先對(duì)其進(jìn)行EMD分解去除趨勢(shì)項(xiàng)，然后進(jìn)行Hilbert包絡(luò)譜分析與Teager能量算子分析，該方法對(duì)于早期故障振動(dòng)信號(hào)的信噪比提升具有顯著的作用。

1 監(jiān)測(cè)軟件總體設(shè)計(jì)

旋轉(zhuǎn)設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)結(jié)構(gòu)如圖1所示。主要包括設(shè)備管理模塊、標(biāo)準(zhǔn)管理模塊、監(jiān)控視圖模塊、異常視圖模塊、趨勢(shì)分析模塊、振動(dòng)分析模塊、維護(hù)檢修意見模塊等，其中趨勢(shì)分析模塊及振動(dòng)分析模塊尤為重要，是監(jiān)測(cè)系統(tǒng)的核心功能模塊，是完成故障診斷與維護(hù)檢修意見的基礎(chǔ)。

旋轉(zhuǎn)設(shè)備狀態(tài)在線監(jiān)測(cè)系統(tǒng)界面如圖2所示。

1.1 標(biāo)準(zhǔn)管理模塊

標(biāo)準(zhǔn)管理模塊的功能是制定被監(jiān)測(cè)系統(tǒng)狀態(tài)的判定依據(jù)。該模塊可設(shè)定各測(cè)點(diǎn)的標(biāo)準(zhǔn)值，包括壓力指標(biāo)、電流指標(biāo)、溫度指標(biāo)的異常上下限以及振動(dòng)指標(biāo)倍頻強(qiáng)度的超標(biāo)閾值。通過(guò)該模塊設(shè)定的標(biāo)準(zhǔn)值，可以針對(duì)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)進(jìn)行異常報(bào)警。但是，對(duì)標(biāo)準(zhǔn)值范圍內(nèi)的數(shù)據(jù)存在的潛在異常難以發(fā)現(xiàn)，例如，漸進(jìn)類故障的早期指標(biāo)值盡管沒有超標(biāo)，但是會(huì)出現(xiàn)遞增或遞減的趨勢(shì)，因此，為了更好地達(dá)到早期故障預(yù)測(cè)的目的，增加了動(dòng)態(tài)趨勢(shì)的判異準(zhǔn)則。該功能模塊的判異準(zhǔn)則如下：

(1)當(dāng)連續(xù)有6個(gè)時(shí)刻的點(diǎn)遞增或遞減，該項(xiàng)指標(biāo)可能出現(xiàn)異常，設(shè)備可能出現(xiàn)磨損，應(yīng)持續(xù)重點(diǎn)監(jiān)測(cè)，適當(dāng)時(shí)，可停機(jī)檢查；

(2)當(dāng)某一時(shí)刻點(diǎn)越過(guò)了標(biāo)準(zhǔn)閾值，則可判斷該項(xiàng)指標(biāo)出現(xiàn)異常，應(yīng)將設(shè)備停止運(yùn)行并檢修。

動(dòng)態(tài)趨勢(shì)分析流程圖如圖3所示。

1.2 視圖顯示模塊

視圖顯示模塊包括監(jiān)控視圖與異常視圖，其中監(jiān)控視圖顯示所有測(cè)點(diǎn)的實(shí)時(shí)數(shù)據(jù)，異常視圖顯示報(bào)警測(cè)點(diǎn)的異常數(shù)據(jù)。

監(jiān)控視圖中，由于監(jiān)測(cè)測(cè)點(diǎn)數(shù)達(dá)到幾百個(gè)，更新頻率快，數(shù)據(jù)量比較大，因此，為保證顯示數(shù)據(jù)的時(shí)效性以及程序運(yùn)行的效率，利用“數(shù)組子集”控件和“下拉列表”控件將數(shù)據(jù)分為N(N≥1)頁(yè)顯示，每頁(yè)只加載1 000行數(shù)據(jù)。該模塊還具備數(shù)據(jù)篩選功能，可以篩選出指定測(cè)點(diǎn)的所有監(jiān)測(cè)數(shù)據(jù)，便于測(cè)點(diǎn)的歷史數(shù)據(jù)分析。

異常視圖中，增加了對(duì)歷史數(shù)據(jù)的追溯功能，因?yàn)樵诔霈F(xiàn)異常后，操作人員往往需要對(duì)比前后運(yùn)行的數(shù)據(jù)。該視圖中，可以直接跳轉(zhuǎn)至某一項(xiàng)異常指標(biāo)的歷史數(shù)據(jù)，進(jìn)而對(duì)該項(xiàng)指標(biāo)進(jìn)行趨勢(shì)分析或振動(dòng)分析，同時(shí)，系統(tǒng)會(huì)針對(duì)具體的單個(gè)測(cè)點(diǎn)給出異?，F(xiàn)象、異常原因以及維修意見指導(dǎo)操作人員進(jìn)行維修。實(shí)際工作中，設(shè)備常出現(xiàn)的異常狀況以及維修處理意見如表1所示。

表1 設(shè)備異常現(xiàn)象原因及維修意見表

1.3 趨勢(shì)分析模塊

趨勢(shì)分析模塊的功能是完成電機(jī)電流、排氣壓力和溫度、油溫以及軸承溫度等非振動(dòng)項(xiàng)的變化趨勢(shì)分析，趨勢(shì)分析圖x軸表示時(shí)間，y軸表示幅值，并有垂直于y軸的兩條平行線分別是標(biāo)準(zhǔn)上限和標(biāo)準(zhǔn)下限。當(dāng)對(duì)某個(gè)設(shè)備的測(cè)量參數(shù)進(jìn)行趨勢(shì)分析時(shí)，只需要從系統(tǒng)界面左側(cè)的設(shè)備下拉列表中拖曳出該項(xiàng)指標(biāo)進(jìn)趨勢(shì)分析圖即可。

1.4 振動(dòng)分析模塊

在振動(dòng)分析模塊中，主要參考時(shí)域圖、頻譜圖、均方根趨勢(shì)圖以及倍頻強(qiáng)度趨勢(shì)圖，結(jié)合一系列算法，從時(shí)域到頻域?qū)Σ杉恼駝?dòng)信號(hào)進(jìn)行分析。當(dāng)電機(jī)軸承出現(xiàn)故障時(shí)，信號(hào)時(shí)域圖中將出現(xiàn)周期性的沖擊信號(hào)[5]，頻譜圖中與特征頻率相關(guān)的1倍頻、2倍頻、3倍頻等成分能量明顯上升，均方根值、倍頻強(qiáng)度呈現(xiàn)不斷增大的趨勢(shì)，一旦超過(guò)設(shè)定的閾值后，系統(tǒng)會(huì)進(jìn)行預(yù)警，并給出診斷意見。當(dāng)需要對(duì)某一振動(dòng)測(cè)點(diǎn)進(jìn)行分析，只需從系統(tǒng)界面左側(cè)的設(shè)備下拉列表中拖曳出振動(dòng)指標(biāo)進(jìn)振動(dòng)分析圖即可。振動(dòng)分析模塊程序流程圖如圖4所示。

2 系統(tǒng)算法分析

本系統(tǒng)對(duì)振動(dòng)數(shù)據(jù)的分析主要包括時(shí)域分析和頻域分析。其中用到的算法有經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)、Hilbert包絡(luò)譜和Teager能量算子等。

2.1 經(jīng)驗(yàn)?zāi)B(tài)分解

由于實(shí)際采集的振動(dòng)信號(hào)都是帶有噪聲的非平穩(wěn)信號(hào)，且振動(dòng)信號(hào)的趨勢(shì)項(xiàng)一般都是變化緩慢的低頻成分[6]，因此可以根據(jù)EMD將各IMF分量由高頻到低頻逐次提取出來(lái)的特點(diǎn)，去除信號(hào)中的趨勢(shì)項(xiàng)。

EMD分解是由Nordene.Huang博士提出的一種處理非平穩(wěn)信號(hào)的方法，其依據(jù)自身的時(shí)間尺度特征來(lái)進(jìn)行信號(hào)分解，無(wú)須預(yù)先設(shè)定任何基函數(shù)，將信號(hào)分解為有限個(gè)本征模態(tài)函數(shù)(intrinsic mode function，IMF)和一個(gè)余項(xiàng)。其中IMF分量必須滿足2個(gè)條件[7]：

(1)極值點(diǎn)個(gè)數(shù)和過(guò)零點(diǎn)個(gè)數(shù)相等或最多差1個(gè)；

(2)上下包絡(luò)的均值為0。

設(shè)某信號(hào)為s(t)，經(jīng)過(guò)EMD分解，信號(hào)s(t)被分解為n個(gè)IMF分量，即ci(t),i=1,2，…，n和一個(gè)余量rn(t)，即：

(1)

2.2 希爾伯特包絡(luò)譜

包絡(luò)譜分析對(duì)于旋轉(zhuǎn)設(shè)備早期故障和信噪比低的振動(dòng)信號(hào)具有很強(qiáng)的識(shí)別能力[8]。當(dāng)設(shè)備出現(xiàn)早期故障時(shí)，故障信號(hào)并不突出，往往會(huì)附載在高頻振動(dòng)信號(hào)上，使用希爾伯特包絡(luò)譜分析方法能有效彌補(bǔ)FFT頻譜分析方法的不足。

Hilbert變換[9]可以簡(jiǎn)單定義為

(2)

設(shè)某信號(hào)x(t)=A(t)cos[ωt+θ(t)]，構(gòu)造解析信號(hào)：

z(t)=x(t)+jH[x(t)]

=A(t)cos[ω(t)+θ(t)]+jA(t)sin[ωt+θ(t)]

=A(t)ejωtejθ(t)

(3)

其中|H[x(t)]|=|A(t)ejθ(t)|=|A(t)|即為包絡(luò)信號(hào)。

Hilbert包絡(luò)譜是對(duì)包絡(luò)信號(hào)進(jìn)行FFT變換后得到。當(dāng)電機(jī)軸承發(fā)生故障時(shí)，會(huì)激發(fā)一系列周期性沖擊信號(hào)，這些信號(hào)將與高頻固有振動(dòng)發(fā)生調(diào)制。Hilbert包絡(luò)譜分析能夠有效地將這種低頻沖擊信號(hào)進(jìn)行解調(diào)提取。

2.3 Teager能量算子

Teager能量算子(Teager energy operator，TEO)是由美國(guó)科學(xué)家H.M.Teager提出的一種簡(jiǎn)單的信號(hào)分析算法，是非線性算子，能夠跟蹤信號(hào)的瞬時(shí)能量[10]。其簡(jiǎn)單定義如下：

農(nóng)藥在噴施過(guò)程中的霧滴飄移是造成環(huán)境污染、農(nóng)藥流失和農(nóng)藥有效利用率低的重要原因。常規(guī)噴霧方式下，減小霧滴直徑可以提供良好的覆蓋率，卻增大了飄移；而粗霧滴降低飄移的同時(shí)，也降低了霧滴的附著率。風(fēng)助式噴霧是一種利用專用設(shè)施產(chǎn)生定向氣流輔助的噴霧方式，能夠在霧滴直徑較小的情況下提高霧滴在靶標(biāo)上的沉積率，減少霧滴飄移。風(fēng)助式噴霧技術(shù)的應(yīng)用提高了農(nóng)藥的生物效果、拓寬了噴霧設(shè)備的應(yīng)用條件，有利于提高農(nóng)藥有效利用率，減少化學(xué)污染[1-3]。

設(shè)有任意信號(hào)x(t)，Teager能量算子記作ψ，則有：

(4)

對(duì)一個(gè)作無(wú)衰減自由振動(dòng)的線性振子的振動(dòng)位移x(t)=Acos(ωt+θ)，有：

ψ[x(t)]=ψ[Acos(ωt+θ)]=A2ω2

(5)

3 仿真信號(hào)分析

本系統(tǒng)振動(dòng)分析是對(duì)旋轉(zhuǎn)設(shè)備中滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行的，可以將故障滾動(dòng)軸承產(chǎn)生的沖擊振動(dòng)信號(hào)模擬為

(6)

式中：s(t)為周期性沖擊信號(hào)；n(t)為高斯白噪聲；h(t)是阻尼指數(shù)正弦信號(hào)；A為沖擊信號(hào)的振幅；g為阻尼特征系數(shù)；fn為軸承的固有頻率。

在仿真信號(hào)中，取A=1，g=0.1，fn=500 Hz，采樣頻率fs=2 kHz，周期T=25 ms。實(shí)際測(cè)得的信號(hào)往往存在噪聲的干擾，故在信號(hào)中加入了高斯白噪聲，以達(dá)到仿真效果。

給出了無(wú)噪聲以及信噪比分別為1 dB和-5 dB的3組信號(hào)進(jìn)行對(duì)比分析。對(duì)這3組信號(hào)進(jìn)行EMD分解去除趨勢(shì)項(xiàng)后，分別繪制其功率譜、Hilbert包絡(luò)譜和Teager能量譜。軸承故障仿真信號(hào)時(shí)域波形圖如圖5所示，F(xiàn)FT頻譜圖如圖6所示，Hilbert包絡(luò)譜如圖7所示，Teager能量譜如圖8所示。

4 結(jié)束語(yǔ)

基于LabVIEW程序開發(fā)設(shè)計(jì)的大型旋轉(zhuǎn)設(shè)備在線監(jiān)測(cè)和故障診斷系統(tǒng)，可以實(shí)現(xiàn)對(duì)諸如電機(jī)及水泵等旋轉(zhuǎn)設(shè)備運(yùn)行狀態(tài)參數(shù)的監(jiān)測(cè)、異常數(shù)據(jù)實(shí)時(shí)預(yù)警、波形分析和顯示、故障原因及維修處理意見等功能。利用Hilbert包絡(luò)譜、Teager能量算子、FFT分析對(duì)電機(jī)軸承振動(dòng)信號(hào)進(jìn)行振動(dòng)分析，達(dá)到故障精密診斷的效果。經(jīng)過(guò)實(shí)際測(cè)試，該系統(tǒng)功能完善、界面友好、工作穩(wěn)定，可將其運(yùn)用在冶金、電力、采礦等工程的設(shè)備監(jiān)測(cè)中。