基于Vold-Kalman階比跟蹤和能量分析的旋轉(zhuǎn)機械故障特征識別

王東曉

（新疆大學(xué) 信息科學(xué)與工程學(xué)院，烏魯木齊 830047）

大型旋轉(zhuǎn)機械的啟停車過程包含了豐富的機組狀態(tài)信息，在某些頻帶信號的激勵下，一些在平穩(wěn)運行中不能反映的故障征兆在啟停車過程卻能較充分地表露出來。因此，該過程中機組的行為特征對于旋轉(zhuǎn)機械的故障診斷具有獨特的價值，它已廣泛地受到國內(nèi)外學(xué)者的關(guān)注[1]。但啟停車過程中轉(zhuǎn)速的變化使得采樣速率不固定，因而振動信號具有非線性、非平穩(wěn)的特性。因此，對啟停車信號的分析需用能處理非平穩(wěn)信號的方法。

在信號處理方面，常用的有小波包分解、經(jīng)驗?zāi)Ｊ椒纸狻Ｐ〔ò纸馐苣感〔ㄟx擇的限制，大大影響了信號分解的質(zhì)量[2]。現(xiàn)在尚未出現(xiàn)明確的母小波選擇依據(jù)，這就制約了小波包分解的使用。經(jīng)驗?zāi)Ｊ椒纸馐翘幚矸瞧椒€(wěn)信號常用的方法，但存在模態(tài)混疊和邊界效應(yīng)的問題，分解的信號中包含有各種混合的頻率成分，使其在工程應(yīng)用的能力急劇降低[3]。文獻中提取頻帶能量作為判定故障源的特征取得了一定的效果，但其未能清楚闡述母小波的選擇方法[4-5]。

考慮到啟停車過程振動信號的非線性、非平穩(wěn)性以及上述分解方法的缺陷性，現(xiàn)提出一種Vold-Kalman階比跟蹤并結(jié)合能量分析的方法，用于啟停車過程中的故障診斷。該方法先用Vold-Kalman階比跟蹤抽取特定的階比分量，然后計算所抽取出的階比分量的能量，最后將階比分量的能量與總能量的比值作為區(qū)別故障的特征。

1 故障特征提取理論

Vold-Kalman階比跟蹤方法本質(zhì)上是自適應(yīng)濾波方法，振動信號經(jīng)過中心頻率變化的帶通濾波器后，可得到期望的階比信號[6-8]。信號沒有經(jīng)過頻域處理，將不會造成階比信號能量的泄漏。

階比定義為參考軸每轉(zhuǎn)內(nèi)發(fā)生的循環(huán)振動次數(shù)，可設(shè)定為一個幅值和頻率隨時間變化而變化的正弦函數(shù)，階比的頻率和參考軸的旋轉(zhuǎn)頻率相關(guān)聯(lián)，則階比信號可以表示為幅值和載波的乘積：

式中，k為基準(zhǔn)頻率或參考軸轉(zhuǎn)速的倍數(shù)，表示被跟蹤的階比；ak（t）為復(fù)包絡(luò)，代表階比幅值的變化，a-k（t）是ak(t)的復(fù)共軛ak(t)=a-k(t)*。θk(t)為載波，表示為：

式（2）的離散形式表示為：

1.1 狀態(tài)方程

由式（1）可知，復(fù)包絡(luò)ak(t)是載波θk(t)的低頻幅值調(diào)制，低頻調(diào)制引起包絡(luò)的平滑，也就是說包絡(luò)在局部近似等于一個低階多項式。用低階多項式表示階比信號的幅值變化，則狀態(tài)方程為：

式中，表示不同的算子，s為給定的階數(shù)，ε(n)為非一致項。多項式的階次決定了濾波器的濾波效果，一階、二階和三階多項式分別為：

式（5）、式（6）、式（7）有相同的矩陣形式Ax=ε，即為狀態(tài)方程。

1.2 測方程

設(shè)定Vold-Kalman濾波器只提取單個階比分量，則觀測方程為：

式中，y(n)為實測數(shù)據(jù)，ξ(n)是非跟蹤的階比和隨機信號。

由式（1）可知，每個感興趣的階比分量ak(t)與它對應(yīng)的載波θk(t)幅值調(diào)制。根據(jù)觀測方程（8）可得矩陣形式為：

結(jié)合（1）、（5）、（10）可求各階比分量。抽取的啟車信號階比分量為Xk（t），其能量Ek為：

式中，k為階比。

設(shè)啟車信號的總能量E，則階比分量的能量與總能量的比值Rk為：

將所求得Rk值作為故障特征，用于區(qū)分啟停車過程中的故障。

2 試驗背景和故障特征提取方法

在Bently RK4轉(zhuǎn)子實驗臺上驗證本文方法，模擬不對中、不平衡及轉(zhuǎn)子裂紋故障，采集啟停車信號，進行Vold-Kalman階比跟蹤抽取階比分量，并進行能量比的計算。采樣頻率為1024Hz，選擇合適的轉(zhuǎn)速比，用DT9837數(shù)據(jù)采集卡對轉(zhuǎn)子啟停車數(shù)據(jù)連續(xù)采集，測量轉(zhuǎn)子系統(tǒng)在500～4000r/min范圍內(nèi)的啟停車數(shù)據(jù)。獲得實驗臺振動數(shù)據(jù)后，進行故障特征提取，具體故障特征提取流程如圖1所示。

圖1 故障特征提取流程

3 試驗分析

在轉(zhuǎn)子實驗臺上對不對中、不平衡和裂紋故障下的啟停車振動信號進行多次測量，組成采集樣本。轉(zhuǎn)子不對中啟停車信號的時頻圖與轉(zhuǎn)速變化如圖2所示，從圖中可以看出，轉(zhuǎn)子啟停車信號是階比信號，與理論分析相符。

轉(zhuǎn)子不平衡包括轉(zhuǎn)子系統(tǒng)的質(zhì)量偏心及轉(zhuǎn)子部件出現(xiàn)缺損，雖是兩種不同故障，但故障機理有共同之處，均為一階旋轉(zhuǎn)頻率[9-10]。在振動的頻譜圖上，基頻成分突出，而其他倍頻成分所占比例較少。在實際應(yīng)用中，軸系的不對中往往是平行不對中和偏角不對中同時發(fā)生，產(chǎn)生二倍頻的徑向振動和一倍頻的軸向振動[11]。因此，頻譜圖上以一倍頻和二倍頻分量為主，軸系不對中越嚴重，其二倍頻所占分量的比例就越大。轉(zhuǎn)軸出現(xiàn)裂紋，相當(dāng)于破壞了轉(zhuǎn)軸界面的對稱性。轉(zhuǎn)子旋轉(zhuǎn)一周，動撓度變化兩次，因此會一直存在二倍頻分量。所以，轉(zhuǎn)子發(fā)生裂紋時，一、二倍頻分量發(fā)生變化，其中對二倍頻的監(jiān)測對裂紋故障的及時發(fā)現(xiàn)是相當(dāng)重要的[12]。

圖2 不對中啟停車信號的時頻圖和轉(zhuǎn)速變化圖

通過以上故障特征分析可知，隨著轉(zhuǎn)子故障的不同，頻率分量按一定規(guī)律變化，其分量能量也是有變化規(guī)律的。例如，轉(zhuǎn)子不平衡，一階分量的能量比重較大大；轉(zhuǎn)子不對中，一階和二階能量比重較大。筆者現(xiàn)利用此方法，計算一、二階的能量比，作為故障特征，并記為R1、R2。

僅僅幾組數(shù)據(jù)存在很大的偶然性，現(xiàn)在分別提取轉(zhuǎn)子不平衡、轉(zhuǎn)子不對中、轉(zhuǎn)子裂紋故障下各20組啟停車振動信號，依照上述方法，繪制出轉(zhuǎn)子各故障分布，如圖3所示。

圖3 三種轉(zhuǎn)子故障分布圖

4 結(jié)論

VKF-OT結(jié)合能量分析方法提取的故障特征可明顯地區(qū)分轉(zhuǎn)子啟停車過程中的故障信號，這種方法可揭示：VKFOT能有效地提取隨轉(zhuǎn)速變化的各頻分量，并且可以保留其瞬變信息；轉(zhuǎn)頻和二倍頻的能量比作為轉(zhuǎn)子啟停車過程中的故障特征，容易實現(xiàn)故障的識別；VKF-OT結(jié)合能量分析方法可以有效地區(qū)分轉(zhuǎn)子啟停車時的故障，提前發(fā)現(xiàn)轉(zhuǎn)子的退化狀態(tài)，預(yù)防事故的發(fā)生。