基于多元經驗模態分解的旋轉機械早期故障診斷方法

但惠文

（湖北新產業技師學院 咸寧職教（集團）學校，湖北 咸寧 437100）

在科技快速發展的當下，現代工業的機械自動化程度有了明顯的提升，而在實際生產的過程中也會使用很多旋轉機械設備，這一類型的設備主要是應用在現代工業生產、交通運輸、機械制造等多個領域，對于提高生產加工質量而言具有重要意義。然而受到多方面因素的影響，旋轉機械在實際應用的過程中往往會出現一些故障問題，不僅嚴重影響到生產質量與生產效率，同時也會對生產企業的經營成本、正常運營造成一定影響。因此，生產企業必須要重視對旋轉機械故障問題進行定期檢修與維護，只有這樣才可以在最大程度上保證旋轉機械的正常運行，減少故障問題所帶來的經濟損失。

1 多元經驗模態分解方法概述

多元經驗模態分解方法是由經驗模態分解法發展而來的，而經驗模態分解法最初是在1998年被提出的，是一種信號處理方法，1999年又做出了進一步完善與改進。這種方法一經出現便受到了信號處理領域的關注，然而受到技術方面因素的影響，這種方法在實際應用的過程中仍然會存在一些問題，因此如何基于EMD理論構建出非線性非穩定信號處理系統已經成為這一領域在今后研究的一項重點內容。若是從本質上進行分析，經驗模態分解方法指的就是信號進行平穩化處理，其結果主要是根據信號中不同尺度的波動或者趨勢經過逐層分解得來的，進而產生了一系列不同尺度的數字序列，而且每一個序列都可以被稱之為本征模函數。在旋轉機械故障診斷中，這種方法已經得到廣泛應用。然而隨著時代的進一步發展，旋轉機械的種類不斷增加，功能、加工工藝也日益復雜，這也就在一定程度上增加了故障診斷的難度，傳統經驗模態分解方法也已經無法完全適用于旋轉機械故障診斷，尤其是早期階段，故障體現并不是十分明顯，因此極其容易出現診斷不準確的情況。多元經驗模態分解方法的出現，可以在一定程度上有效提高旋轉機械早期故障診斷的準確性，首先將多個振動傳感器合理布置在軸承座的多個關鍵位置，借此實現對振動信息的同步采集，然后再利用多元經驗模態分解在同一狀態下自適應分解多通道振動信號，確定多元IMF分量；最后依據峭度準則從中選取包含故障主要信息的IMF分量進行信號重構，提取故障特征。通過采取這種方式方法來實現對旋轉機械故障信息的采集，對于旋轉機械故障問題進行有效判斷。

2 多元經驗模態分解在旋轉機械早期故障診斷中的應用

多元經驗模態分解方法的應用可以實現對不同通道信號的同步分析，使得各個通道內所分解出的IMF個數相同，按照一定的頻率尺度進行對此，這樣就可以形成一個多元的IMF。雖然這種方法的使用可以分解不同振動模式下的IMF分量，具有一定的可靠性，但是在這一過程中如何實現避免截取信息受到噪聲的影響，已經成為多元經驗模態分解方法實踐過程中的一項關鍵內容。這需要技術人員在實際應用這一方式方法的過程中，對IMF的分量進行科學選取，同時還要進行做好濾波處理，只有這樣才可以提取到有效的故障特征信息。為了達到這一目的，技術人員需要對IMF分量進行峭度值計算，選擇相關系數較大的IMF分量來完成信號重構，最后濾除噪聲獲取調制信號，提取故障特征，并根據故障特征來實現對旋轉機械早期故障的有效判斷。

3 基于多元經驗模態分解的旋轉機械早期故障診斷方法

目前旋轉機械早期故障一般可以分為兩種，即輪斷齒故障、軸承內圈故障，這兩種故障通常會出現在旋轉機械早期故障中，同樣具有較大的隱蔽性，因此難以被有效甄別。通過采用多元經驗模態分解法，就可以在最大程度上實現對故障信號的有效甄別，使得故障特征可以更加明顯，為后續的各項檢修與維護工作提供有利參考。

（1）輪斷齒故障檢測。輪斷齒故障是旋轉機械在實際運行過程中較常出現的一種故障，這一故障在早期的故障特征表現并不是十分明顯，而采用傳統的經驗模態分解法，通常會無法分辨輪斷齒故障的特征，而且會在很大程度上受到噪音方面的干擾，因此無法實現對輪斷齒故障的有效識別，在一定程度上為旋轉齒輪的正常使用、生產以及企業經營帶來諸多不利影響。多元經驗模態分解法的應用，則是可以實現對這一故障的有效檢測，通過科學截取IMF分量，合理濾波的方式來弱化噪音，使得故障特征識別更為有效。以某旋轉機械故障早期診斷為例，該型號旋轉機械的頻率為25600Hz，軸承轉速為314r/min，在利用經驗模態分解法進行檢測的過程中，技術人員首先是需要對分解的總次數進行確認，同時將需要在檢測過程中添加的白噪聲幅值系數k設置為0.02，再利用傳感對信號進行分解，分解的結果如圖1所示，技術人員需要根據與相關系數以及峭度值來確認重構項，根據圖中所顯示的相關信息，可以對前兩項的IMF的分量進行重構，然而結果中卻并無法將故障特征顯現出來，無法實現對故障的有效判斷（如圖2所示）。

圖1

圖2

在采用多元經驗模態分解法的過程中，技術人員必須要先對齒輪點蝕信號進行降噪處理，在處理技術以后還需要實現對信號關聯數據的分析與計算，若是相關系數超過了50%，則需要進行剔除，然后才可以開始接下來的檢測工作。根據上述操作，在本次旋轉機械檢測中，主要是針對4通道信號來進行多元經驗模態分解，并且也得到了一系列的多元IMF分量，然后需要計算出這一系列IMF分量的峭度值和相關系數，在完成這一環節操作以后，相關技術人員必須要根據數據需求選擇合適的IMF分量作為重構信號，最終得到故障的整個分析結果，如圖3所示。根據圖3中的相關信息，可以得知這一旋轉機械的故障頻率、倍頻成分都相對較高，這也就說明了旋轉機械在實際運行的過程中存在輪斷齒故障問題，而且在圖中噪聲的成分相對較少，而故障特征表現的卻相對明顯，這也就充分說明了多元經驗模態分解法在旋轉機械故障早期問題檢測中的有效性，對于提高檢測準確性具有重要作用。

圖3

（2）軸承內圈故障檢測。軸承內圈在旋轉機械運行中也是不可缺少的重要組成部分，因此其檢測是否準確也同樣會影響到旋轉機械的運行。然而在實際檢測的過程中，由于軸承內圈故障信號具有路徑復雜、振動衰減明顯且較為容易受到噪音的干擾，呈現出不同的狀態。因此，軸承內圈故障檢測對于檢測技術的要求相對較高，若是無法實現對噪音干擾的有效控制，就無法針對軸承內圈進行有效檢測。通過利用多元經驗模態分解法來進行檢測，可以將各種諧波的頻率、頻率信號進行放大，使故障特征更加明顯，使得技術人員可以獲取更準確的檢測數據與資料，進而做出正確判斷，并結合具體情況采取有效措施，為旋轉機械的安全、穩定運行奠定有利基礎。

4 結語

綜上所述，多元經驗模態分解方法在實際應用的過程中主要是從經驗莫泰分解方法拓展而來的，這種方法可以更加精確的對旋轉機械進行故障診斷，使得旋轉機械存在的早期故障可以被有效甄別，并及時采取有效措施，避免旋轉機械問題而引起生產停工。目前，基于多元經驗模態分解方法的旋轉機械早期故障主要有輪斷齒故障、軸承內圈故障這兩種，因此在今后開展各項故障診斷的過程中，技術人員必須要嚴格按照各個程序來完成檢測，對各項系數、峭度值進行精確計算，只有這樣才可以在最大程度上保證故障診斷的準確性，避免出現較大程度的機械故障，為生產企業的旋轉機械故障檢修與維護工作提供有利的數據參考依據。