基于小波變換的火炮隨動系統(tǒng)電機故障分析診斷＊

白 穎 趙 巖 李峻年

（1．92941部隊94分隊 葫蘆島 125001）（2．海軍駐葫蘆島431軍代室 葫蘆島 125001）

1 引言

火炮隨動系統(tǒng)電機的工作環(huán)境比較惡劣，這不但影響電機的工作壽命，而且使得電機的故障率相對增大。正確掌握電機的故障診斷，在設備零部件失效之前，及時迅速地采取有效措施排除故障［1］，避免突然的事故發(fā)生，保障設備的正常運行，對提高火炮作戰(zhàn)能力具有十分重要的意義。

2 故障分析診斷的任務

設備故障診斷技術使設備維修體制由傳統(tǒng)的事后維修和預防維修方式，逐步變?yōu)轭A知維修。隨著生產(chǎn)裝備、軍事裝備越來越先進和復雜，沒有故障監(jiān)測和診斷的先進手段，就很難預防各種隨機因素引起的故障。火炮隨動系統(tǒng)中電機運行時由于負載條件、環(huán)境條件或其他運行條件改變等原因，會導致電機出現(xiàn)各種故障，這些故障又會以各種不同的征兆表現(xiàn)出來，而所有的故障都是按一定機理發(fā)生和發(fā)展的，有一定的客觀規(guī)律，本文的任務正是要根據(jù)這種規(guī)律，利用先進的檢測手段和方法對隨動電機的振動進行檢測，對其狀態(tài)進行監(jiān)控，進行趨勢分析和故障識別，確定電機運行是否存在故障，以及故障性質和故障部位，做出診斷決策，做到預知維修（即根據(jù)設備狀態(tài)監(jiān)測和故障診斷所預知的設備狀態(tài)來確定設備維修工作的內容和時間，制訂出維修方案）［2～3］，從而提高部件的可靠性，縮減維修工時，降低維修費用，減少意外和事故的發(fā)生，減少部件不必要的負擔，同時改善或延長部件的壽命，使部件從定期更換轉變?yōu)楸匾獣r才更換。

3 故障診斷原理

設備故障診斷是根據(jù)設備運行時產(chǎn)生的不同的信息變化規(guī)律，識別設備運行狀態(tài)是正常還是異常、通常，當設備的功能指標低于正常工作情況下的最低極限值時，就認為設備發(fā)生了故障，可進行診斷。設備診斷過程包括信息獲得、數(shù)據(jù)采集、數(shù)據(jù)處理和診斷決策等過程，圖1是設備診斷過程的流程圖。

圖1 設置診斷過程

診斷過程中傳感器采用固定安裝的方式，以便可以長期獲得機器運行的狀態(tài)參數(shù)，連接裝有減震器。采集可通過多點控制采集方式，以保證信號的控制精度。傳感器實時監(jiān)測的正常振動信號經(jīng)計算機處理并儲存后用作原始特征數(shù)據(jù)。在信號的采集和傳輸過程中，必須注意噪聲的污染，在背景噪聲較大的地方，信號應該經(jīng)過數(shù)字化預處理，濾除不需要的低、高頻噪聲（如機械振動等各類噪聲），僅使故障沖擊脈沖激起軸承或傳感器共振響應波形通過，然后再進行數(shù)據(jù)處理。數(shù)據(jù)處理是設備診斷中重要的一環(huán)。

數(shù)據(jù)處理過程中，我們可以對信號進行連續(xù)小波變換，根據(jù)Mallat小波變換分解與重構算法，對實測信號進行特征提取，從而獲得更為真實的信號，達到滿意效果。

設x（t）是平方可積函數(shù)［記做x（t）∈L2（R）］，動態(tài)信號x（t）的小波變換為

a為尺度因子，它的作用是將基本小波φ（t）作伸縮。當a增大時，通過一固定的（即濾波器）觀察到波形壓縮的信號，a越大，幅值越小，φ在時間上擴展，可觀察總體信號。相反，隨著a的減小，其時域窗口減小，頻帶加寬，可觀察細節(jié)信號，φ（t）的頻譜移向高頻部分，這樣信號的頻率越高，其時域分辨率也愈高，這一特性決定了小波變換在突變信號處理上的地位，它具有用多分辯率來刻畫信號局部特征的能力，很適合于檢測正常信號中夾雜的瞬態(tài)突變［4～5］。

從診斷軟件構成上看，比較典型的診斷軟件大體上有以下幾個部分組成：知識庫、推理機、數(shù)據(jù)庫、解釋程序、知識獲取程序、解釋程序和用戶界面。其結構如圖2所示。

診斷標準中的加速度振動信號的振動限值依據(jù)國家標準ISO3945的規(guī)定判定［6］。設備故障診斷和維修是一種技術復雜和需要多方面領域知識的工作，診斷中需要許多獨特的專家經(jīng)驗和各方面的信息才能勝任此工作和高效地解決問題。

圖2 診斷軟件結構框圖

4 故障診斷示例

隨動電機的故障診斷技術主要包括電流分析法、振動診斷、絕緣診斷、溫度診斷和換向診斷等，這里以電機的振動診斷來說明其過程。

圖3 測點位置

對于各種類型和規(guī)格的電機來說，在它們穩(wěn)定運行時，振動都有一種典型特性［7］和一個允許限值。當電機內部出現(xiàn)故障、零部件產(chǎn)生缺陷、裝配和安裝情況發(fā)生變化時，其振動的振幅值、振動形式和頻譜成分均會發(fā)生變化，不同的缺陷和故障引起的振動方式也不同［8］。可見，振動能客觀地反映電機的運行狀況。對于隨動電機來說，測振動傳感器的測點數(shù)一般為7點，在電機兩端按軸向、垂直徑向和水平徑向各1點，機殼中央頂部1點配置（見圖3）。

測量時，傳感器選用接觸壓電式振動加速度傳感器，傳感器與測點的接觸必須良好。傳感器及其安裝附件的總重量應小于電機重量的1／50，電機的振動值以各測點所測得的最大數(shù)值為準；數(shù)據(jù)處理由計算機來完成；設備的診斷由診斷軟件或專家系統(tǒng)來完成，經(jīng)過數(shù)據(jù)處理和分析，最后診斷軟件對振動進行識別并做出診斷結論。

電機故障中軸承故障占38．5%，軸承在運行過程中會因各種原因產(chǎn)生磨損、疲勞剝落、腐蝕、斷裂、壓痕、膠合等故障。若不及時對這些早期故障進行診斷和維修，這些表面?zhèn)酃收蠒M一步擴展，造成災難性的事故。因此，研究軸承的故障診斷對研究電機故障診斷具有重要的意義。下面以隨動系統(tǒng)電機軸承的振動測量和檢測為例，來說明診斷的過程。假設電機經(jīng)1號測點測量后發(fā)現(xiàn)軸承（由外套、內套、滾動體等幾部分組成）和定子之間的振動異常，即測量信號較電機軸承正常運行時的振動信號相比超過了允許值的閾值。這里所說的允許值是指滾動軸承的特征頻率［9］。由于每種規(guī)格的滾動軸承，都有其一定的故障特征頻率，當軸承出現(xiàn)故障時，測試儀器即可出現(xiàn)不同部位損壞時的特征頻率。滾動軸承的特征頻率取決于其滾動元件的幾何尺寸，具體計算公式如下：

1）外套特征頻率f外

2）內套特征頻率f內

3）滾動體特征頻率f滾

以上式中：Z為滾珠或滾柱數(shù)目；n為轉速（r／min）；d為滾珠直徑（mm）；D為滾珠分布直徑（mm）；β為軸承壓力角。

當故障信號頻率等于上式中某一式的計算頻率為其整數(shù)倍時，則發(fā)生故障的元件即為該頻率公式所對應的軸承元件。缺陷的尺寸越大，信號越強。對比軸承元件的特征頻率和故障信號頻率即可確定故障位置進而做出診斷決策。

當軸承外環(huán)存在局部損傷點時，分布到故障點的靜態(tài)載荷密度不變，故障點到加速度傳感器之間的振動信號傳遞路徑不變，故軸承外環(huán)故障的高頻共振信號在時域表現(xiàn)為以滾動體經(jīng)過故障點的頻率（外環(huán)故障特征頻率）為重復頻率，且按指數(shù)規(guī)律衰減的高頻振動序列。在包絡分析圖中，在外環(huán)故障頻率及其高倍頻處有明顯的譜線。

當軸承內環(huán)有故障時，隨著軸承內環(huán)的旋轉，內環(huán)故障點上的載荷密度隨著內環(huán)的旋轉而周期性變化。當故障點處于最大載荷方向時，故障點承受的載荷密度最大。所以沖擊力的幅值也會周期性地變化。同時，內環(huán)上的故障點與傳感器之間的傳遞路徑也隨著內環(huán)的旋轉而周期地變化［10］。信號表現(xiàn)為對高頻共振信號序列幅值的調制，調制頻率為內環(huán)的旋轉頻率。因此軸承內環(huán)有故障時，包絡分析圖中，在內環(huán)旋轉頻率和內環(huán)故障頻率以及它們的高倍頻處有明顯的譜線。且在內環(huán)故障頻率及它的高倍頻處存在以內環(huán)頻率為間隔的邊頻帶。

當滾動體有故障時，情況同軸承內環(huán)故障相似。

例如一故障電機轉速為900r／min，d＝15mm，D＝65mm，z＝12，β＝0°，傳感器采樣頻率為8kHz。對其加速度振動信號進行小波變換處理，尺度取1～6（高頻段），步長0．5，可看到有明顯的周期信號，對小波變換的系數(shù)進行包絡分析［8～9］，周期信號的頻率在70Hz附近。進而進行特征提取，發(fā)現(xiàn)振動信號中頻率為71Hz的成分較為突出。而由其零部件結構參數(shù)及公式計算得軸承外圈特征頻率為69．24Hz，內套特征頻率為110．77Hz，滾動體特征頻率為61．53Hz，該故障信號符合軸承外圈特征頻率。停機檢修，拆開電機軸承，發(fā)現(xiàn)軸承外圈有裂紋，更換備件。若經(jīng)小波變換處理后的信號符合軸承內套或滾動體的特征頻率時，則故障可定位為軸承內套或滾動體故障。

5 結語

實踐證明對設備應用預知維修能夠很好地對設備進行異常檢查，較好地提高火炮系統(tǒng)的可靠性并節(jié)省大量維護費用。根據(jù)統(tǒng)計，采用狀態(tài)維修后，可使火炮電機維修費用減少25%～50%，維修工作量減少40%～70%。

［1］胡海．專家系統(tǒng)故障診斷在艦載武器系統(tǒng)中的應用［J］．艦船科學技術，2002，24（4）：22-23．

［2］謝朝暉，胡習平，孫洪斌，等．裝備的故障診斷專家系統(tǒng)設計［J］．海軍航空工程學院學報，2010，25（2）：225-226．

［3］肖堅，吳學智．一種基于神經(jīng)網(wǎng)絡的故障診斷新方法研究［J］．艦船電子工程，2010（1）：160-163．

［4］梁瑞勝，孫有田，周希亞．小波包變換和神經(jīng)網(wǎng)絡的某型導彈故障診斷方法研究［J］．海軍航空工程學院學報，2008，23（2）：1-4．

［5］張璇．基于小波包和EMD 的滾動軸故障分析［J］．微計算機信息，2008，12（1）：158-159．

［6］陳漢新，王慶均，陳緒兵．等．基于解調振動信號特征提取齒輪箱的故障診斷［J］．武漢工程大學報，2010，30（9）：67-77．

［7］魯艷軍，陳漢新，賀文杰，等．基于混合特征提取和WNN 的齒輪箱故障診斷［J］．武漢工程大學學報，2011，33（5）：82-88．

［8］吳益峰，湯偉．基于小波變換的高速紙機滾動軸承故障診斷［J］．計算機測量與控制，2010，18（6）：1256-1257．

［9］陳永會．基于小波分析和Hilbert變換的滾動軸承故障診斷［J］．機械設計，2010，27（8）：91-94．

［10］張旭．滾動軸承故障診斷的仿真研究［J］．計算機仿真，2012，29（5）：400-402．