基于噪聲源估計(jì)的電機(jī)故障診斷研究

梁國(guó)榮，谷愛(ài)昱，沈訓(xùn)歡

(廣東工業(yè)大學(xué)自動(dòng)化學(xué)院，廣東廣州510006)

0 引言

電機(jī)是當(dāng)前應(yīng)用最廣的供電設(shè)備和驅(qū)動(dòng)裝置，其應(yīng)用廣泛、使用環(huán)境各異、負(fù)載性質(zhì)不盡相同，這使得電機(jī)故障時(shí)有發(fā)生，在一些運(yùn)行環(huán)境惡劣、負(fù)載沖擊性很大的場(chǎng)合中運(yùn)行的電機(jī)故障率更高［1］。電機(jī)常見(jiàn)的故障特征值最明顯地表現(xiàn)在振動(dòng)信號(hào)頻率上，振動(dòng)信號(hào)能很好地反映電機(jī)的運(yùn)行狀態(tài)，但振動(dòng)信號(hào)采集條件偏高，不適宜一般性監(jiān)測(cè)。

由于吸聲率低，電機(jī)運(yùn)行時(shí)機(jī)殼幾乎毫無(wú)保留地對(duì)外輻射振動(dòng)噪聲，其噪聲數(shù)據(jù)中必然攜帶著電機(jī)自身的結(jié)構(gòu)信息和運(yùn)行的狀態(tài)信息。

本文基于聲音陣列信號(hào)作為電機(jī)運(yùn)行時(shí)發(fā)出的聲音監(jiān)測(cè)，為電機(jī)故障提供一種非接觸式的診斷方法，而且采集到的噪聲信號(hào)并不需要太長(zhǎng)，一個(gè)有限時(shí)間內(nèi)的記錄就可以滿足分析要求。將采集到的聲音陣列信號(hào)放大并在Matlab 軟件上進(jìn)行數(shù)字濾波，通過(guò)蓋氏圓算法確定噪聲源數(shù)目并進(jìn)行高分辨率譜估計(jì)算法(MUSIC 算法)分析，最后對(duì)電機(jī)進(jìn)行故障診斷。

1 聲音接收陣列信號(hào)模型

1.1 麥克風(fēng)陣列信號(hào)采集處理特點(diǎn)

與傳統(tǒng)的陣列信號(hào)相比，麥克風(fēng)采集的聲音陣列信號(hào)應(yīng)注意［2］:(1)聲音信號(hào)是寬帶的，傳統(tǒng)的陣列信號(hào)只適用于窄帶上;(2)聲音信號(hào)是短時(shí)平穩(wěn)的，聲音信號(hào)分析處理時(shí)要建立在短時(shí)基礎(chǔ)上;(3)環(huán)境高混響及復(fù)雜噪聲，在封閉環(huán)境中大量反射聲波將造成高混響，背景噪聲和噪聲源也會(huì)降低聲音信號(hào)質(zhì)量。

針對(duì)以上特點(diǎn)，本文在測(cè)量數(shù)據(jù)時(shí)確保在大空間環(huán)境內(nèi)減少混響與環(huán)境差異造成的背景噪聲，免得造成聲源質(zhì)量的下降，同時(shí)對(duì)聲音數(shù)據(jù)進(jìn)行數(shù)字濾波，使得聲信號(hào)在滿足的窄帶范圍內(nèi)進(jìn)行數(shù)據(jù)處理分析。

1.2 麥克風(fēng)傳感器陣列

本文采用均勻線陣，設(shè)有m 個(gè)聲探測(cè)器，有k 個(gè)聲源信號(hào)，則陣列輸出信號(hào)的向量可以表示為

式中，X(t)—陣列的M×1 維快拍數(shù)據(jù)矢量;N(t)—陣列的M×1 維噪聲數(shù)據(jù)矢量;S(t)—空間信號(hào)的N×1 維矢量;A—空間陣列的M×N 維流型矩陣。

對(duì)于寬帶信號(hào)，如果將觀察時(shí)間T 分為K 個(gè)字段，每段時(shí)間為T(mén)d，然后對(duì)觀察數(shù)據(jù)進(jìn)行J 點(diǎn)的離散傅立葉變換(DFT)，只要子段Td相比信號(hào)和噪聲相關(guān)時(shí)間較長(zhǎng)，就可以得到如下的寬帶模型［3］式中，Xk(fj)，Sk(fj)，Nk(fj)—為對(duì)應(yīng)某頻率的接收數(shù)據(jù)、信號(hào)及噪聲的DFT 變換，其中k=1，2，…，K，j=1，2，…，J。

2 聲音信號(hào)處理分析

電機(jī)發(fā)生故障時(shí)，例如旋轉(zhuǎn)過(guò)程中的轉(zhuǎn)子不對(duì)中，軸承外圈有磨損等都會(huì)產(chǎn)生周期性的沖擊，此時(shí)沖擊反應(yīng)將對(duì)外輻射噪聲，這些噪聲帶有的頻率即為故障特征頻率。由于沖擊力帶有寬帶性質(zhì)，特征頻率從故障發(fā)生時(shí)到傳感器接收信號(hào)已經(jīng)產(chǎn)生衰減，因此對(duì)聲音信號(hào)進(jìn)行包絡(luò)譜分析十分重要［4］。

2.1 Hilbert 變換

變換具體實(shí)現(xiàn)步驟如下:(1)對(duì)x(t)對(duì)作正傅立葉變換得X(f);(2)X(f)的正頻率部分乘以-j，負(fù)頻率部分乘以+j，經(jīng)過(guò)這樣的移相之后得到X^(f);(3)對(duì)X^(f)做逆傅立葉變換得x^(t)。

2.2 蓋氏圓源數(shù)估計(jì)算法

蓋氏圓定理就是將接收到的陣列協(xié)方差數(shù)據(jù)矩陣進(jìn)行一定的變換，矩陣變換后信號(hào)圓半徑和噪聲圓半徑就會(huì)分開(kāi)，這時(shí)就可進(jìn)行信號(hào)源數(shù)目估計(jì)［5］。

設(shè)有一N×N 維矩陣R，其第i 行第j 列的元素為rij，令第i 行元素(除第i 列元素)絕對(duì)值之和為

定義第i 個(gè)圓盤(pán)Oi上的點(diǎn)在復(fù)平面上的集合如式(6)表示

這個(gè)圓盤(pán)Oi稱(chēng)之為蓋氏圓盤(pán)。蓋氏圓盤(pán)定理已經(jīng)被證明矩陣R 的特征值包含在圓盤(pán)Oi的并區(qū)內(nèi)。這個(gè)圓盤(pán)的中心位于rii處，半徑為ri(稱(chēng)之為蓋氏圓半徑)。

將噪聲圓盤(pán)和信號(hào)圓盤(pán)分開(kāi)可采用酉變換矩陣的方法，將取樣協(xié)方差矩陣R 分解為方塊陣，即

式中，RN-1—R 中除末行末列的子矩陣。再對(duì)RN-1進(jìn)行特征值分解得式中，UN-1—RN-1的特征矢量構(gòu)成的酉矩陣。利用UN-1構(gòu)成一個(gè)酉變換矩陣T

式中，N—各次快拍得到的信號(hào)協(xié)方差矩陣作平均來(lái)逼近RT的快拍數(shù);D(N)∈［0，1］—N 的遞減函數(shù)，需要根據(jù)具體情況設(shè)定。如果當(dāng)k=k0時(shí)，GDE(K0)為第一個(gè)比0 小的值，則信源數(shù)的估計(jì)值取k0-1。

2.3 MUSIC 算法

只有正確地估計(jì)信號(hào)源數(shù)才能有效地獲取信號(hào)源方向，由蓋氏圓算法確定信號(hào)的振源數(shù)目后便可進(jìn)行高分辨率多重信號(hào)分類(lèi)(MUSIC)算法［6］。設(shè)陣列數(shù)據(jù)的協(xié)方差為

實(shí)際接收的數(shù)據(jù)矩陣是有限長(zhǎng)的，其協(xié)方差矩陣的最大擬然估計(jì)為

式中，L—快拍數(shù)。對(duì)R^進(jìn)行特征分解可以計(jì)算得到噪聲子空間特征矢量矩陣U^N，此時(shí)MUSIC 算法的譜估計(jì)公式為

電機(jī)故障診斷流程框圖如圖1 所示

圖1 電機(jī)故障診斷流程框圖

3 實(shí)驗(yàn)分析

3.1 故障現(xiàn)象

現(xiàn)有一臺(tái)YD 型65kW 故障電機(jī)，額定轉(zhuǎn)速988r/min，防護(hù)等級(jí)IP44。其負(fù)載為一大型液壓油泵。電機(jī)起動(dòng)時(shí)，瞬間起動(dòng)電流達(dá)198A，但很快進(jìn)入空載穩(wěn)定狀態(tài)。此時(shí)電機(jī)噪聲較小，一旦加上負(fù)載，噪聲馬上增大，用聲壓計(jì)測(cè)得其增幅達(dá)到110dB(A)，已經(jīng)超出電機(jī)噪聲A 計(jì)權(quán)聲功率級(jí)LW限值(98dB(A))。

明顯地，電機(jī)故障噪聲隨負(fù)載增加而增大，負(fù)載與電流密切相關(guān)，而電流直接影響電機(jī)磁場(chǎng)，故初步估計(jì)該噪聲為電磁噪聲。

3.2 數(shù)據(jù)分析

在電機(jī)運(yùn)行現(xiàn)場(chǎng)，與電機(jī)轉(zhuǎn)子水平方向外1m處以間隔L 為0.16m 放置8 個(gè)麥克風(fēng)(如圖2 所示)，形成與轉(zhuǎn)子平衡的直線傳感器陣列。

圖2 麥克風(fēng)傳感器陣列

整個(gè)觀測(cè)時(shí)間為5s，主要采集電機(jī)由輕載到重載過(guò)程中的聲音數(shù)據(jù)，采樣頻率為44kHz。圖3為其中一個(gè)采集電機(jī)噪聲的麥克風(fēng)所截取的一部分?jǐn)?shù)據(jù)。從圖中可以看出負(fù)載運(yùn)行開(kāi)始至加重負(fù)載其噪聲值明顯增大，這表明電機(jī)帶載運(yùn)行時(shí)，其內(nèi)部異常沖擊振動(dòng)明顯增強(qiáng)。

圖3 電機(jī)噪聲數(shù)據(jù)采集

圖4 為電機(jī)運(yùn)行過(guò)程中三維瀑布圖。從圖中可以看出隨著負(fù)載的增大，電機(jī)的故障頻率愈加明顯，其中出現(xiàn)一個(gè)典型的故障頻率f=230Hz，該頻率還存在二階、三階等高階特征頻率分量，其幅值呈下降趨勢(shì)，而且無(wú)調(diào)制邊帶。

圖4 電機(jī)運(yùn)行三維瀑布圖

如上所述，蓋氏圓算法及MUSIC 算法不適合用在寬帶頻域上。又從圖4 中可以看出，電機(jī)的故障頻率主要集中在1.5kHz 頻率范圍內(nèi)，故可將采集的噪聲經(jīng)數(shù)字濾波后進(jìn)行電機(jī)的故障診斷。其巴特沃斯濾波器設(shè)計(jì)參數(shù)為fp=2100，fs=2500，Rp=3dB，Rs=25dB。經(jīng)濾波后的數(shù)據(jù)進(jìn)行蓋氏圓算法分析，其源數(shù)估計(jì)如圖5 所示，即有三個(gè)主要聲源，其MUSIC 譜如圖6 所示，即入射方向分別是34.59°、42.02°和67.21°。對(duì)應(yīng)傳感器與電機(jī)的擺放位置，其指向的位置分別是軸承方 向(34.96°，誤 差1.07%)、電 機(jī) 定 子 外殼(41.38°，誤 差1.54%)和 電 機(jī) 風(fēng) 扇 位 置(68.69°，誤差2.20%)。

圖5 源數(shù)估計(jì)

圖6 MUSIC 入射譜

3.3 故障診斷

從圖6 故障電機(jī)與正常電機(jī)的MUSIC 譜圖中可以看出，其中故障信號(hào)的入射源明顯。正常電機(jī)在運(yùn)行時(shí)，由于沒(méi)有受到異常沖擊碰撞，其整體運(yùn)動(dòng)輻射的噪聲在電機(jī)附近空間范圍內(nèi)聲場(chǎng)均勻，而空氣動(dòng)力噪聲為此系列電機(jī)固有的正常噪聲，故結(jié)合故障電機(jī)所發(fā)出的噪聲源、方向及故障頻率，判斷電機(jī)的噪聲源主要來(lái)自以下三個(gè)原因。

(1)轉(zhuǎn)子動(dòng)偏心。從電機(jī)運(yùn)行三維瀑布圖中可以看到故障頻率f 及其所帶無(wú)調(diào)制邊帶，其頻率為兩倍轉(zhuǎn)差頻率。正是由于轉(zhuǎn)子不平衡所引發(fā)的拍頻振動(dòng)特征，其特征頻率是以邊帶譜反映出來(lái)的［7］，這種低頻噪聲在人耳聽(tīng)起來(lái)是一種時(shí)高時(shí)低的“嗡嗡”聲。返修電機(jī)的反饋數(shù)據(jù)，其電機(jī)軸垂直氣隙相差0.15mm，水平氣隙相差0.04mm。

(2)軸承故障。由于轉(zhuǎn)子不平衡使得軸承的保持架和滾動(dòng)體之間產(chǎn)生摩擦，如果軸承的負(fù)載過(guò)大會(huì)加劇電機(jī)發(fā)生振動(dòng)和噪聲。

(3)空氣動(dòng)力學(xué)噪聲。大部分異步電機(jī)總會(huì)存在一定的風(fēng)扇噪聲，這是由于電機(jī)內(nèi)部空氣在固定障礙物上擦過(guò)而產(chǎn)生。

綜上，經(jīng)過(guò)合理分析后決定重新裝配電機(jī)轉(zhuǎn)子，同時(shí)更換已損壞的軸承，改用某一進(jìn)口軸承。用聲壓計(jì)重新測(cè)試電機(jī)從起動(dòng)、輕載至重載過(guò)程，發(fā)現(xiàn)電機(jī)能正常、平穩(wěn)工作，經(jīng)多次檢測(cè)其噪聲值保持在77 ～83dB 左右，其噪聲值大大降低，已經(jīng)符合電機(jī)噪聲A 計(jì)權(quán)聲功率級(jí)LW限值。從結(jié)果可以得出利用聲音陣列信號(hào)及對(duì)電機(jī)故障信源的估計(jì)能正確、有效的解決電機(jī)故障問(wèn)題。

4 結(jié)語(yǔ)

(1)本文提出了一種基于源數(shù)估計(jì)的電機(jī)故障診斷方法。該方法是以陣列信號(hào)處理分析、蓋氏圓源數(shù)估計(jì)、MUSIC 譜估計(jì)等算法為基礎(chǔ)，為電機(jī)故障診斷提出依據(jù)。

(2)本文所述的診斷方法關(guān)鍵是對(duì)電機(jī)噪聲信號(hào)機(jī)理熟悉了解、噪聲信號(hào)的采集以及噪聲信號(hào)的有效處理，三者環(huán)環(huán)相扣，才能為電機(jī)故障診斷提供一種切實(shí)有效、可行的非接觸式診斷方法。

(3)通過(guò)對(duì)一65kW 故障電機(jī)進(jìn)行故障診斷，利用本文所述研究方法能有效地分析電機(jī)噪聲源的數(shù)目及位置，對(duì)解決電機(jī)故障現(xiàn)象提供了依據(jù)。

(4)若對(duì)本文采集的聲音數(shù)據(jù)再進(jìn)行盲信號(hào)處理，將噪聲源各自分離后進(jìn)行深入的頻率分析，如軸承部件損傷的特征頻率分析、轉(zhuǎn)子不平衡的故障機(jī)理分析等，將更加精確判斷電機(jī)的故障與成因，對(duì)保護(hù)電機(jī)、延長(zhǎng)電機(jī)壽命提供一種行之有效的方法。

［1］ 馬宏忠.電機(jī)狀態(tài)監(jiān)測(cè)與故障診斷［M］.北京:機(jī)械工業(yè)出版社，2007.

［2］ 羅金玉.麥克風(fēng)陣列信號(hào)處理的研究現(xiàn)狀與應(yīng)用［J］.信號(hào)處理2010:80-84.

［3］ 王永良，陳輝，彭應(yīng)寧，等.空間普估計(jì)理論與算法［M］.北京:清華大學(xué)出版社，2004.

［4］ 徐明遠(yuǎn)，劉增力.MATLAB 仿真在信號(hào)處理中的應(yīng)用［M］.西安:西安電子科技大學(xué)出版社，2007.

［5］ Wu H T，Yang J F，Chen F K. Source Number Estimator Using transformed Gerschgorin radii［J］.IEEE Trans.SP，1995，43(6):1326-1333.

［6］ Kundu D. Modified MUSIC algorithm for estimating DOA of signals.Signal Processing，1996;(48):85-90

［7］ 李平.對(duì)三相異步電機(jī)拍頻振動(dòng)處理的探討［J］.機(jī)床與液壓，2000:71-73.