基于小波包汽輪機貨油泵振動信號仿真分析

熊正華,曾毅彪,曹玉佩,唐新飛

(1.四川交通職業技術學院 ，四川 成都 611130 ；2.武漢理工大學 能源與動力工程學院， 湖北 武漢 430063)

基于小波包汽輪機貨油泵振動信號仿真分析

熊正華1,曾毅彪2,曹玉佩2,唐新飛2

(1.四川交通職業技術學院 ，四川 成都 611130 ；2.武漢理工大學 能源與動力工程學院， 湖北 武漢 430063)

文章通過小波包分析方法對汽輪機貨油泵信號進行仿真分析驗證，對信號進行時域信號分析，基于振動信號的小波包特征提取，得出故障頻率特征，進而可以分析判定故障的存在，驗證小波包分析對故障特征量提取的有效性。

汽輪機貨油泵仿真信號；小波包分析；時頻分析；功率譜

大型油船作為較為特殊的運輸船舶，與其他種類船舶相比，具備不一樣的機械結構和子系統，具有不少獨特要求，其貨油泵驅動系統就是其中的核心系統之一。由于油船的數量每年都在遞增，油船載重也在不斷提升以及隨著人們對于生態環保意識也在不斷加強，其對油船貨油泵驅動系統的安全性、穩定性以及貨油泵系統故障診斷水平提出了更高的要求。

目前國內僅有少數船用配套設備廠家進行相關系統的研發，如由工信部高科技船舶科研項目資助，由武漢船用機械有限責任公司負責開發的貨油泵系統[1]。部分高校也進行了貨油泵系統仿真系統的研制，如上海海運學院開發的大型油船貨油裝卸模擬裝置[2]。但目前用小波包分析方法研究貨油泵驅動系統振動信號，這在國內還屬首例。

汽輪機貨油泵驅動系統，以蒸汽汽輪機作為原動力，經減速齒輪箱減速，再通過穿艙軸系與離心泵相連，進而為油船裝卸作業提供原動力，其機械結構較為復雜，汽輪機貨油泵動力傳遞要求精度較高、載荷很大，很難控制其設備長期可靠高效運行[3]，因此對預防關鍵的機械設備故障的發生，避免故障帶來的2次破壞，分析其振動信號，為后期的故障診斷有著積極的意義。

采用小波包分析與傅里葉對比優勢在于，它可以提取時頻域內局部化特征，即通過伸縮和平移等運算功能對函數或信號進行多尺度細化分析，進而可以聚焦到目標信號的任意細節，因此小波包分析方法在分析振動信號(非平穩信號)上具有獨特的優勢，所以選取此方法來分析汽輪機貨油泵是否存在故障。然而實際汽輪機貨油泵不能以人為損壞制造故障，來研究其振動信號，因而本文通過模擬正常信號與故障信號進行小波包分析研究，比較分析的結論是否與模擬情況相符。

1 貨油泵驅動系統組成

貨油泵系統是原油運輸船貨油系統中3大子系統之一，其主要作用是貨油輸送作業。

貨油泵系統按驅動方式可分為液壓驅動、柴油機驅動、電動驅動和汽輪機驅動，其具體的驅動方式與適用船型詳見表1。

表1 貨油泵系統的驅動方式分類

其中汽輪機驅動的方式在大型油船上得到廣泛應用，因為大型油船出于油艙加熱、保溫以及洗艙液加熱等考慮，通常設置大型燃油輔助鍋爐。由于驅動貨油泵的汽輪機所要求的蒸汽量小于燃油輔鍋爐額定蒸汽量，而且即使加上規定數量油艙同時進行加熱或保溫工況時，鍋爐蒸汽量也足夠有余。因此充分利用蒸汽鍋爐的潛力，這也是此種驅動方式的優勢之一，本文所選的貨油泵類型正是汽輪機貨油泵。

汽輪機貨油泵驅動系統由汽輪機驅動裝置、穿艙軸系和貨油泵等組成，其中汽輪機驅動裝置又包括汽輪機(蒸汽調節閥與汽輪機轉子)、減速裝置(高速齒輪箱)、監測控制裝置和冷凝系統，如圖1所示為汽輪機貨油泵驅動系統簡圖。

圖1 汽輪機貨油泵驅動系統

1.1 蒸汽調節閥

蒸汽調節閥通過控制蒸汽閥的開度來控制蒸汽的流量，進而來控制泵的運轉速度，還可以在汽輪機意外脫扣時起到危機安全切斷的作用。汽輪機在開始啟動時，先確保電動補油泵已開啟，在此設計了啟動互鎖裝置，主要是防止蒸汽閥打開，補油泵沒開啟對軸承的損傷。

1.2 汽輪機轉子

汽輪機轉子與穿艙軸是連在一起的，在汽輪機軸端裝有機械式脫扣器偏心環，其作用是當旋轉數達到額定轉速的1.15倍時，偏心環動作切斷運轉，即可以確保泵的轉速在50%～100%情況下正常運轉[4]。

1.3 減速裝置

減速裝置即高速減速齒輪箱，由于蒸汽驅動汽輪機高速旋轉，為滿足泵所需求的轉速，中間經過減速裝置。依據貨油泵汽輪機驅動設計總體要求，高速齒輪箱采用單級減速傳動，圓柱斜齒輪型式，主要通過確定傳動比的情況下，進行機械設計。齒輪箱的主要組成部分有箱體、齒輪軸、轉軸、齒輪、滑動軸承、軸封、潤滑裝置等組成。

1.4 潤滑油裝置

潤滑油裝置主要由與汽輪機連接的主油泵、電動補助油泵、輪滑油壓力調整閥、輪滑油冷卻器、過濾器以及油箱等組成。

1.5 監測控制裝置

為了保證泵和汽輪機裝置能夠安全平穩的運行，對泵和汽輪機裝置的安全裝置包括儀表的監控與各個關鍵參數的監控非常值得重視。監測的主要參數包括有軸承溫度、泵殼溫度、進出口壓力、軸承振動、泵支座振動、主蒸汽壓力等參數。若汽輪機軸轉速過快、泵各部分溫度異常或汽輪機排氣壓力過高時，出現此類故障會傳遞信號進行預警以及報警，若出現大故障時，安全裝置會自動跳閘，防止出現2次損壞的發生。

1.6 穿艙軸系

穿艙軸系是轉子與貨油泵的連接設備，能夠保證機艙與泵室的軸貫通處有較好的密封性，能避免船舶在裝卸貨油時，由從滿載狀態到空載狀態時，導致的船舶變形所造成的汽輪機裝置和貨油泵軸系的偏離，保證其穩定運轉。穿艙軸系主要由2部分組成，上部分為固定式，下部分中間軸為浮動式，2根軸中間由聯軸器相連，聯軸器為標準聯軸器。

2 監測控制方案設計

監測控制系統方案主要包括硬件方案設計，所需監測控制系統監測信號參數的確定，以及振動信號的采集與預處理。

2.1 監測控制系統硬件設計方案

監測控制系統以NI數據采集卡和PLC作為核心，NI數據采集卡和PLC主要是用來采集輸入信號，并和上位機進行數據通信，通信方式為以太網方式，將采集的數據傳給上位機，下位機通過以太網(NI Serve OPC)傳輸至上位機，上位機通過編寫好的程序來對信號進行預處理與特征提取，來達到監測控制的目的。

系統總體硬件框架如圖2所示，下位機包含PLC控制箱和NI在線監測控制箱，它們通過信號線采集傳感器發過來的數據，然后通過網線與交換機相連，最后通過網線與上位機相連。

圖2 總體硬件框架圖

由于振動信號是高頻信號，PCI-4472是NI公司推出的一款聲音與振動信號采集卡，NI在線監測控制箱里裝有NI PCI-4472是基于PCI插槽的數據采集卡，它擁有8個通道。ch0-ch7為模擬信號輸入端，EXT- TIRG為外部觸發信號輸入端，數字信號或模擬信號都可以做觸發信號[5]。可以根據數據采集過來的振動信號，生成樣條曲線，調用MATLAB工具包里面的函數，來實現對信號處理和分析，包括信號去噪，還可以分析振動信號特征參數與無量綱參數。振動信號特征包括振動特征參數與無量綱參數，信號的均值、標準差以及無量綱的峭度系數、裕度因數等。

2.2 系統數據流程圖

通過PLC采集的傳感器數據包括模擬量與數字量，數據都以數字量進行存儲，NI采集卡采集的是模擬量，通過NI板卡的A/D轉換將數據以數字量的形式進行保存，最終下位機采集的數據通過TCP/IP協議將數據傳輸至上位機進行存儲，存儲方式采用數據庫的形式，可以隨時調用歷史數據進行分析，并對實時數據顯示與分析以及報警，系統數據流程圖如圖3所示。

圖3 數據流程圖

3 振動信號小波包特征提取

小波包分析實際應用廣泛，因此利用它可以為信號提供精度更高的分析方法。依據被分析信號的特征，小波包分析將信號劃分了多個頻帶，可以對信號的高頻部分進行更深層次的分解，進而提高在時域上的分辨率，分解后選擇相應的頻段使其與信號的頻譜進行匹配。所以小波包分析的應用前景非常廣泛[6]。

小波包分析，可以用一個3層的分解樹來進行說明。

圖4為小波包3層分解樹，其中A代表低頻，D代表高頻，字母后序號表示小波包分解后的層數，分解后存在以下關系：

S=AAA3+DAA3+ADA3+DDA3 +AAD3+DAD3+ADD3+DDD3

圖4 3層小波包分解樹

對降噪后的目標信號進行3層小波包分解，將分解的低頻信號到高頻信號有8個頻段，在此依次計為：H0、H1、H2、H3、H4、H5、H6、H7。

重構對以上幾層小波包分解系數，進而提升它在時域上的分辨率，原始信號記作S1，故障信號記作S2，原始信號進行重構信號后分別記為：S130、S131、S132、S133、S134、S135、S136、S137；故障信號的重構信號分別記為：S230、S231、S232、S233、S234、S235、S236、S237。

求出原始信號與故障信號的功率譜對比分析圖，并分析不同頻段的功率譜，并進行歸一化處理，算出不同頻率段的特征向量。

3.1 小波包時頻分析對比

通過使用MATLAB仿真兩段信號分別為正常信號和故障信號，兩者混合有隨機信號，故障信號，為前半段正常，后半段故障，表現為信號為200 Hz的高頻振動信號，具體MATLAB信號仿真代碼如下。

1)正常信號：通過對振動信號進行仿真，選取2個激振源，分別為60 Hz和100 Hz的信號，為了保證模擬的真實性，對其添加了一段隨機干擾信號，從而模擬實際采集信號。

t=1∶1000；

s1=sin(2·pi*60*t*0.001)+sin(2*pi*100*t*0.001)+rand(1,length(t));

2)故障信號：通過對振動信號進行仿真，選取2個激振源，前半段依然為60 Hz和100 Hz的信號，在后半段突發故障，其中信號周期為60 Hz的信號突然變為200 Hz，在整個仿真過程中，為了保證模擬的真實性，對其添加了一段隨機干擾信號，從而模擬實際采集信號。

for t=1∶500;

s2(t)=sin(2*pi*60*t*0.001)+sin(2*pi*100*t*0.001)+rand(1,length(t));end

for t=501∶1000;

s2(t)=sin(2*pi*200*t*0.001)+sin(2*pi*100*t*0.001)+rand(1,length(t));

通過調用小波包工具包里的函數，選取db1小波包分別對原始和故障信號進行小波包分解，對正常原始信號與故障信號進行對比分析，正常原始信號特征值效果圖如圖5，故障信號特征值效果圖如圖6。

小波包分解通過調用小波包函數wpt=wpdec(s1,3,'db1','shannon')；將目標信號分解為8個頻段，并通過調用相關函數繪制出目標函數的分解圖。

圖5 正常原始信號的特征值效果圖

圖6 故障信號的特征值效果圖

3.2 小波包頻域分析

在工程中，實際獲取的振動信號為非平穩信號，一般都是不確定的離散信號，信號的頻率、幅值都是隨機的，不符合可積條件，無法用傅里葉變換進行頻域分析[7]。因此，對于離散信號只能用時域指標中功率譜密度來分析其頻域結構[8]。在此，目標信號的平均功率選用均方值來表示Xrms，詳見公式。

式中：N為實際采樣點數；xi為采樣數據。

原始信號功率譜與故障信號功率譜如圖7，可以很明顯觀察到總體功率譜上，正常工況下，功率是集中在60 Hz與100 Hz處，然而在故障工況下，功率除了集中在60 Hz與100 Hz處，明顯可以觀察到功率主要集中在200 Hz處，因此可以分析得到出現故障功率對應的頻率為200 Hz。

圖7 原始信號與故障信號的功率譜圖

通過以上分析可以得出結論：應用小波包分析，可以較為準確檢測到故障頻率，檢測結果與仿真實際情況相符，證明小波包分析方法是有效的。

4 結束語

通過信號仿真與小波包特征提取，可得小波包分析。雖然可以較為有效的檢測出存在故障，但小波包分析很難識別故障的類型，因此可以將小波包分析和其他分析方法結合[9-10]，如神經網絡、專家系統、數據融合等，結合不同方法的優點，是未來小波包分析發展的趨勢。

[1]國內首臺船舶汽輪機貨油泵驅動系統投入使用[J]. 軍民兩用技術與產品, 2015(7): 26.

[2]曾向明, 詹玉龍, 張道兵. 大型油船貨油裝卸仿真模擬裝置的開發[J]. 上海：上海海事大學學報,2006, 27(1): 5-8.

[3]Hongjuan R, Xianwu L, Lei Z, et al. Experimental study of the pressure fluctuations in a pump turbine at large partial flow conditions[J]. Chinese Journal of Mechanical Engineering, 2012, 25(6): 1205-1209.

[4]孟存銀. 超大型油船油泵和壓載泵的應用[J]. 江蘇船舶, 2011, 28(1): 15-17.

[5]楊寶榮, 張澤. NI 8通道聲音與振動信號采集卡及其應用[J]. 計算機工程與應用, 2009, 45(專刊): 362-365.

[6]Griffiths K R, Hicks B J, Keogh P S, et al. Wavelet analysis to decompose a vibration simulation signal to improve pre-distribution testing of packaging[J]. Mechanical Systems and Signal Processing, 2016，76(3): 1-16.

[7]鞠萍華. 旋轉機械早期故障特征提取的時頻分析方法研究[D].重慶：重慶大學，2010.

[8]黑開偉. 小波包分析在旋轉機械故障診斷中的應用研究[D].武漢:武漢科技大學, 2010.

[9]周小勇. 小波包分析在故障診斷中的應用[D]. 上海:上海海運學院, 2001.

[10]程聲烽, 程小華, 楊露. 基于改進粒子群算法的小波包神經網絡在變壓器故障診斷中的應用[J]. 電力系統保護與控制, 2014, 42(19): 37-42.

By means of wavelet packet analysis method,the signal of turbine oilpump is simulated and analyzed,whith the signal analyzed in time domain.Based on the wavelet packet feature extraction of vibration signal,the fault frequency character is tics are obtained,with which we can analyze and determine the fault existence.Verifing the effectiveness of wavelet packet analysis on fault feature extraction.

turbine cargo pump signal sinculation;wavelet packet analysis;time-frequency analysis; power spectrum

熊正華(1971-)，男，四川巴中人，甲類一等輪機長，大學本科，主要從事主管實訓與理論教學工作。

U672

10.13352/j.issn.1001-8328.2017.02.001

2016-10-28