振動篩裂紋損傷檢測及趨勢分析

武文斌，熊曉燕，崔擁軍，張 鳳

（1．太原留學(xué)人員創(chuàng)業(yè)園，太原030006；2．太原理工大學(xué) 機(jī)械電子工程研究所，太原030024）

振動篩主要用來脫泥、脫介、分級和脫水，是一種散物料分級的主要設(shè)備［1］。振動篩在工作中受到激振力及物料在篩面上運(yùn)動的作用力等，使得各構(gòu)件承受大的應(yīng)變，運(yùn)行一段時(shí)間后，在應(yīng)變力集中的部位產(chǎn)生疲勞裂紋直至發(fā)生疲勞斷裂，這種現(xiàn)象在大型振動篩中更容易出現(xiàn)，嚴(yán)重影響生產(chǎn)［2］。將振動篩的物理模型作為研究對象，將加速度傳感器安裝到篩幫上，監(jiān)測振動篩的工作狀況，分析其在不同工況下的動態(tài)特性，找出其損傷檢測的有效方法，并將該方法應(yīng)用到工業(yè)現(xiàn)場振動篩裂紋趨勢發(fā)展的研究上。

1 模型振動篩損傷檢測研究

振動篩的工作環(huán)境是非常惡劣的，在頻率為16．6Hz的正弦激勵(lì)下長期連續(xù)工作，并受到介質(zhì)液體侵蝕和煤泥水以及被洗選物料的沖擊，極易產(chǎn)生裂紋。圖1為工業(yè)生產(chǎn)中使用的振動篩的比例縮小物理模型篩，工作參數(shù)設(shè)置與實(shí)際工作振動篩相似。在此模型篩的第一根下橫梁中部存在裂紋。在篩體直線振動的方向，由于裂紋的存在而產(chǎn)生的異常振動遠(yuǎn)遠(yuǎn)小于強(qiáng)迫振動的水平，對裂紋的診斷幫助不是很大。所以，所以選擇垂直于篩幫的振動（此方向的振動處于混沌狀態(tài)）信號進(jìn)行裂紋檢測。

1．1 模型篩振動信號的頻域分析

譜分析可以明確信號的頻率構(gòu)成，在有些情況下對裂紋的診斷是有幫助的，但由于垂直于振動篩運(yùn)行方向的振動是非線性振動［3］，將實(shí)測的振動信號的譜分析結(jié)果作為診斷的依據(jù)是不充分的。

圖1 模型振動篩

在激振頻率均為16．6Hz時(shí)，對模型篩下橫梁有無裂紋時(shí)分別采集到的垂直于篩幫方向的振動信號做譜分析，結(jié)果如圖2，圖3所示。

從上面的頻譜圖來看，在20Hz前有些變化，但總體來看兩者的區(qū)別不大，將此作為診斷的依據(jù)是不合適的。

1．2 虛擬激勵(lì)下系統(tǒng)輸出信號頻譜分析

非線性系統(tǒng)的激勵(lì)與響應(yīng)的頻率和幅值都密切相關(guān)，不同頻率和幅值的激勵(lì)都會使系統(tǒng)有不同的輸出，分析這些不同的響應(yīng)特性，可以得出系統(tǒng)的頻率特性。垂直于振動篩運(yùn)行方向的振動是非線性振動，由激勵(lì)點(diǎn)到振動信號的拾取點(diǎn)為非線性系統(tǒng)，但工業(yè)現(xiàn)場振動篩施加的激勵(lì)的幅值和頻率是不變的，此時(shí)得到的系統(tǒng)頻率特性是不完整。

圖2 有裂紋時(shí)振動信號的頻譜

圖3 無裂紋時(shí)振動信號的頻譜

研究一種基于神經(jīng)網(wǎng)絡(luò)辨識模型（NNARX模型［4］）的裂紋檢測方法。首先由測得的輸入輸出信號辨識出系統(tǒng)的NNARX模型，對此辨識模型施加不同幅度的虛擬激勵(lì)，對模型的輸出響應(yīng)特性進(jìn)行頻域分析，由此來檢測裂紋的存在。

分別對無裂紋和有裂紋模型篩的辨識模型施加實(shí)際激勵(lì)信號（幅度為A）的滿幅度（A）、0．2倍幅度（0．2A）、0．4倍幅度（0．4A）、0．6倍幅度（0．6A）和0．8倍幅度（0．8A）的激勵(lì)信號，得到相應(yīng)的響應(yīng)信號，對響應(yīng)信號做譜分析，結(jié)果如圖4，圖5所示。

從圖4，5中可以看出，在振動篩有無裂紋狀態(tài)下頻譜圖的特征是完全不同的：無裂紋時(shí)，虛擬激勵(lì)0．8A，0．6A，0．4A 和0．2A對應(yīng)的譜線的相對最高峰值對應(yīng)的頻率在20Hz左右，有裂紋時(shí)，虛擬激勵(lì)0．8A，0．6A，0．4A 和0．2A對應(yīng)的譜線的最高峰值對應(yīng)的頻率在80Hz左右，且比其它峰值高很多。

因此，虛擬激勵(lì)下系統(tǒng)輸出信號的頻譜分析對檢測振動篩的裂紋是有效的。

1．3 神經(jīng)網(wǎng)絡(luò)辨識模型的權(quán)值統(tǒng)計(jì)分析

用神經(jīng)網(wǎng)絡(luò)辨識系統(tǒng)時(shí)，通過調(diào)整模型的權(quán)值，讓模型的實(shí)際輸出盡可能得接近目標(biāo)輸出，這時(shí)模型的權(quán)值特征也是模型特性的體現(xiàn)。通過對權(quán)值做統(tǒng)計(jì)分析（箱圖）來判斷振動篩的狀態(tài)。

在模型篩下橫梁有裂紋和無裂紋時(shí)，分別辨識出系統(tǒng)的模型，將它們的權(quán)值做箱圖，結(jié)果如圖6，圖7所示。

圖6 有裂紋時(shí)模型權(quán)值箱圖

從圖6，圖7中可以看出，在振動篩下橫梁無裂紋的情況下，分析神經(jīng)網(wǎng)絡(luò)模型的權(quán)值箱圖可知，權(quán)值數(shù)據(jù)比較分散，而且數(shù)據(jù)的對稱性也不是很好；從振動篩下橫梁有裂紋情況下的神經(jīng)網(wǎng)絡(luò)模型權(quán)值箱圖可以看出，權(quán)值數(shù)據(jù)相對集中，且有較好的對稱性。所以，振動篩是否存在裂紋也可以通過模型的權(quán)值統(tǒng)計(jì)量來判斷。

圖7 無裂紋時(shí)模型權(quán)值箱圖

2 實(shí)際運(yùn)行中振動篩裂紋趨勢研究

振動篩是選煤過程中的重要設(shè)備，為了研究振動篩裂紋的發(fā)展趨勢，對某選煤廠的振動篩進(jìn)行了有裂紋情況下的振動信號的采集。圖8為工業(yè)現(xiàn)場振動篩的裂紋位置。

圖8 工業(yè)現(xiàn)場振動篩裂紋位置

取不同時(shí)刻采集到的振動篩的振動信號作為模型的輸出，分別研究不同時(shí)刻神經(jīng)網(wǎng)絡(luò)辨識模型的特性。通過對神經(jīng)網(wǎng)絡(luò)輸入層與隱層的權(quán)值作統(tǒng)計(jì)分析（權(quán)值的箱圖），得出權(quán)值的變化規(guī)律如圖9—圖16所示。

圖9 第1時(shí)刻辨識模型的權(quán)值箱圖

由圖9—圖16可得，隨著時(shí)間的增加，權(quán)值表現(xiàn)出減小的趨勢，而且非常集中。不同時(shí)刻的權(quán)值變化趨勢如圖17所示，這個(gè)過程同樣也是裂紋不斷擴(kuò)大的過程。

圖10 第2時(shí)刻辨識模型的權(quán)值箱圖

圖11 第10時(shí)刻辨識模型的權(quán)值箱圖

圖12 第11時(shí)刻辨識模型的權(quán)值箱圖

圖13 第12時(shí)刻辨識模型的權(quán)值箱圖

圖14 第20時(shí)刻辨識模型的權(quán)值箱圖

圖15 第21時(shí)刻辨識模型的權(quán)值箱圖

圖16 第22時(shí)刻辨識模型的權(quán)值箱圖

圖17 權(quán)值變化與時(shí)間的關(guān)系

3 結(jié)論

對振動篩而言，由于結(jié)構(gòu)裂紋的存在而產(chǎn)生的異常振動遠(yuǎn)小于強(qiáng)迫振動的水平，所以選擇垂直于篩幫的（混沌）振動信號進(jìn)行裂紋檢測。但由于垂直于振動篩運(yùn)行方向的振動是非線性振動，將實(shí)測振動信號的譜分析結(jié)果直接作為診斷依據(jù)是不充分的。本文研究了一種基于神經(jīng)網(wǎng)絡(luò)辨識模型參數(shù)的統(tǒng)計(jì)學(xué)特征的振動篩裂紋損傷檢測及趨勢分析的方法。由實(shí)測信號建立研究對象的神經(jīng)網(wǎng)絡(luò)辨識模型，分析辨識模型的虛擬激勵(lì)下的響應(yīng)信號頻域特征和模型的權(quán)值特性，它們可以有效地檢測振動篩的結(jié)構(gòu)裂紋；最后，將這種分析方法應(yīng)用到工業(yè)現(xiàn)場振動篩裂紋發(fā)展趨勢的研究上，取得了良好的效果。

［1］ Zhang Zerong，Wang Yongyan．Fatigue Life Analysis of Large Linear Vibrating Screen［J］．Journal of Qingdao University of Science and Technology（Natural Science Edition），2012，（1）：73－76．

［2］ Liu Jianwen．Modal Analysis of Deck Base of Linear Vibrating Screen Machine and Study on Fault Diagnosis［J］．Mining Machinery，2004（7）：41－43．

［3］ Xiong Xiaoyan，Pang Xiaoli，Chen Dongbing．Analysis on Nonlinear Operating Characteristic of Complex Mechanical Structures［J］．Zhendong Ceshi Yu Zhenduan，2011，31（2）：237－240

［4］ Norgaard，M．Neural network based system identification toolbox［EB／OL］．http：／／www．iau．dtu．dk／research／control／nnsysid．html，2003．