機(jī)械系統(tǒng)旋轉(zhuǎn)部件退化跟蹤與故障預(yù)測(cè)方法研究

侯勁

【摘 要】在現(xiàn)代工業(yè)生產(chǎn)當(dāng)中，各種機(jī)械設(shè)備長(zhǎng)期運(yùn)行在高速、高溫、高壓、重載荷等惡劣工況下，其性能不可避免地發(fā)生退化從而導(dǎo)致設(shè)備故障。故障一旦發(fā)生，不僅會(huì)造成巨大的經(jīng)濟(jì)損失，甚至可能導(dǎo)致災(zāi)難性的人員傷亡和環(huán)境污染事故。而軸承、齒輪等旋轉(zhuǎn)部件作為機(jī)械設(shè)備當(dāng)中的關(guān)鍵部件，其運(yùn)行狀態(tài)影響著整個(gè)機(jī)械設(shè)備的工作狀況。

【關(guān)鍵詞】機(jī)械系統(tǒng)；旋轉(zhuǎn)部件；退化跟蹤；故障預(yù)測(cè)

1引言

隨著科學(xué)技術(shù)的不斷發(fā)展，我國(guó)現(xiàn)代工業(yè)生產(chǎn)水平不斷提高，生產(chǎn)中使用的機(jī)械設(shè)備越來(lái)越朝著大型化、高速化、精密化、系統(tǒng)化和高度自動(dòng)化方向發(fā)展。對(duì)于企業(yè)用戶而言，確保這些機(jī)械設(shè)備長(zhǎng)周期安全可靠運(yùn)行，保障安全生產(chǎn)，能夠帶來(lái)巨大的經(jīng)濟(jì)效益和社會(huì)效益。然而，由于生產(chǎn)需要，當(dāng)今國(guó)防與國(guó)民經(jīng)濟(jì)當(dāng)中使用的各種機(jī)械設(shè)備長(zhǎng)期運(yùn)行在高速、高溫、高壓、重載荷等惡劣工況下，設(shè)備當(dāng)中的各個(gè)關(guān)鍵零部件在運(yùn)行過程中會(huì)不可避免地出現(xiàn)疲勞失效，從而引發(fā)整個(gè)設(shè)備故障。故障一旦發(fā)生，不僅造成巨大的經(jīng)濟(jì)損失，甚至?xí)?dǎo)致災(zāi)難性的人員傷亡和環(huán)境污染。我國(guó)國(guó)家中長(zhǎng)期規(guī)劃（2006-2020年）和機(jī)械工程學(xué)科發(fā)展戰(zhàn)略報(bào)告（2011-2020年）均將重大設(shè)備的運(yùn)行可靠性、可維護(hù)性關(guān)鍵技術(shù)的研究列為重要研究方向。其中，做為機(jī)械設(shè)備主要類型之一的旋轉(zhuǎn)機(jī)械設(shè)備（關(guān)鍵部件包括軸承、齒輪和轉(zhuǎn)軸等），由于在可持續(xù)能源生產(chǎn)、加工制造等領(lǐng)域中越發(fā)廣泛的應(yīng)用而成為主要的研究對(duì)象。軸承或齒輪等旋轉(zhuǎn)部件作為旋轉(zhuǎn)機(jī)械當(dāng)中的關(guān)鍵部件，其運(yùn)行狀態(tài)嚴(yán)重影響著整個(gè)機(jī)械設(shè)備的工作狀況。據(jù)相關(guān)調(diào)查研究發(fā)現(xiàn)，由軸承引起的問題占了整個(gè)機(jī)器故障的40%以上，在機(jī)器的總故障次數(shù)中，齒輪故障約占10.3%左右，而在齒輪箱的失效零件中，齒輪失效占60%左右。因此，對(duì)軸承、齒輪等機(jī)械旋轉(zhuǎn)部件進(jìn)行健康監(jiān)測(cè)以及維修策略的研究具有重要意義。

2 旋轉(zhuǎn)部件特征提取及退化狀態(tài)跟蹤方法

從傳感器測(cè)得信號(hào)當(dāng)中濾除噪聲干擾并提取有效的故障特征是機(jī)械部件退化狀態(tài)跟蹤的基礎(chǔ)。目前，機(jī)械故障特征提取方法主要分為時(shí)域方法、頻域方法以及時(shí)頻域方法三大類。信號(hào)的時(shí)域分析是指直接計(jì)算信號(hào)在時(shí)域當(dāng)中的統(tǒng)計(jì)特征，將其用于評(píng)估與衡量部件當(dāng)前的工作狀態(tài)是否存在故障。常用的時(shí)域故障特征參數(shù)包括方差、均方根值、峰峰值、偏斜度指標(biāo)（skewness）.峭度指標(biāo)（kurtosis）等。其中，峭度指標(biāo)對(duì)于早期故障十分敏感，常被用于機(jī)械部件的早期故障識(shí)別；均方根值對(duì)早期故障不敏感，但是穩(wěn)定性較強(qiáng)，常被用于描述部件退化過程。時(shí)域分析方法計(jì)算簡(jiǎn)單，易于在線監(jiān)測(cè)，但易受到噪聲影響，多適用于故障較為嚴(yán)重、故障特征較為明顯的信號(hào)。頻域分析方法主要以快速傅里葉變換（FFT）為理論基礎(chǔ)，將原信號(hào)與三角基函數(shù)進(jìn)行內(nèi)積變換從而將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)，通過觀察所獲頻譜的各個(gè)頻率成分及其分布情況，對(duì)故障進(jìn)行診斷分析。

常用頻域分析方法包括數(shù)字濾波方法、包絡(luò)分析以及倒譜分析方法等。然而，傅里葉變換是對(duì)信號(hào)在整個(gè)時(shí)間段內(nèi)的一種平均化的頻率特征表示，它不能反映出信號(hào)在局部時(shí)間區(qū)域內(nèi)的頻域特征，因此一般適用于平穩(wěn)信號(hào)的分析。針對(duì)傅里葉變換對(duì)非平穩(wěn)信號(hào)特征提取上的不足，時(shí)頻域分析方法（time-frequency analysis）應(yīng)運(yùn)而生。時(shí)頻域分析是將時(shí)域信號(hào)映射到時(shí)間一頻率（尺度）一幅值的三維空間當(dāng)中，在該空間當(dāng)中可以反映信號(hào)在不同局部時(shí)間段上的頻率特征。短時(shí)傅里葉變換（STFT）、Wigner-Ville分布、小波變換（WT）、經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）、稀疏信號(hào)分解等時(shí)頻域分析方法，均被廣泛應(yīng)用于機(jī)械故障信號(hào)的特征提取與診斷當(dāng)中。除此之外，以獨(dú)立分量分析（ICA）以及平穩(wěn)子空間分析（SSA）為代表的盲源分離方法也被應(yīng)用于機(jī)械系統(tǒng)信號(hào)處理及特征提取當(dāng)中。盲源分離方法可以在缺乏先驗(yàn)信息的條件下按照獨(dú)立性原則或者平穩(wěn)性原則將原信號(hào)線性分解為多個(gè)子信號(hào)，通過進(jìn)一步處理與信號(hào)特征相關(guān)的子信號(hào)來(lái)達(dá)到信號(hào)去噪及特征提取的目的。

3旋轉(zhuǎn)部件故障預(yù)測(cè)方法

現(xiàn)代生產(chǎn)中機(jī)械部件所處工作環(huán)境復(fù)雜，對(duì)其進(jìn)行準(zhǔn)確動(dòng)力學(xué)分析十分困難，而基于數(shù)據(jù)驅(qū)動(dòng)模型的旋轉(zhuǎn)部件故障預(yù)測(cè)方法是直接對(duì)實(shí)時(shí)采集的傳感器數(shù)據(jù)進(jìn)行特征提取和退化狀態(tài)跟蹤，利用所得退化特征建立模型進(jìn)行部件故障趨勢(shì)及剩余使用壽命的預(yù)測(cè)。最簡(jiǎn)單的數(shù)據(jù)驅(qū)動(dòng)模型是基于自回歸模型和自回歸滑動(dòng)平均模型的時(shí)間序列分析方法，這類方法模型十分簡(jiǎn)單，但是預(yù)測(cè)完全依賴于建模數(shù)據(jù)的趨勢(shì)發(fā)展，因此，預(yù)測(cè)精度往往不高?；谏窠?jīng)網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動(dòng)模型可以通過有效的數(shù)據(jù)訓(xùn)練構(gòu)建一個(gè)包含輸入層、隱含層以及輸出層的網(wǎng)絡(luò)結(jié)構(gòu)，并利用該網(wǎng)絡(luò)預(yù)測(cè)未來(lái)時(shí)刻數(shù)據(jù)的發(fā)展趨勢(shì)，被廣泛應(yīng)用于機(jī)械旋轉(zhuǎn)部件故障趨勢(shì)及剩余壽命預(yù)測(cè)。常用的神經(jīng)網(wǎng)絡(luò)包括遞歸神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)以及模糊神經(jīng)網(wǎng)絡(luò)等。遞歸神經(jīng)網(wǎng)絡(luò)通過增加反饋節(jié)點(diǎn)存儲(chǔ)隱含層過去的輸入輸出信息，提高了網(wǎng)絡(luò)訓(xùn)練的準(zhǔn)確性。

基于數(shù)據(jù)驅(qū)動(dòng)模型預(yù)測(cè)方法的主要優(yōu)點(diǎn)是：不需要對(duì)研究對(duì)象進(jìn)行復(fù)雜的動(dòng)力學(xué)建模，模型直接通過實(shí)測(cè)信號(hào)建立，方法實(shí)現(xiàn)簡(jiǎn)單，易于在線監(jiān)測(cè)；模型的建立與實(shí)時(shí)采集的傳感器測(cè)量信號(hào)直接相關(guān)，可以實(shí)時(shí)調(diào)整模型參數(shù)，準(zhǔn)確跟蹤信號(hào)變化趨勢(shì)，因此模型可適用于多種故障類型，方法適用范圍較廣。然而，基于數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)方法本質(zhì)上是對(duì)于直接提取自傳感器信號(hào)的特征參數(shù)發(fā)展趨勢(shì)的預(yù)測(cè)，而沒有從理論上將提取的特征參數(shù)的變化與實(shí)際旋轉(zhuǎn)部件的物理?yè)p傷變量（如裂紋大小）的發(fā)展趨勢(shì)建立聯(lián)系；另外，數(shù)據(jù)驅(qū)動(dòng)模型需要大量數(shù)據(jù)來(lái)訓(xùn)練預(yù)測(cè)模型以到達(dá)較高的預(yù)測(cè)精度。

4基于多時(shí)間尺度建模的機(jī)械部件故障預(yù)測(cè)

由于數(shù)據(jù)驅(qū)動(dòng)模型是直接通過實(shí)測(cè)信號(hào)的非線性特征構(gòu)建得到，因此數(shù)據(jù)驅(qū)動(dòng)模型描述的是快變時(shí)間尺度下獲取的信息，反映的是一個(gè)快變時(shí)間尺度系統(tǒng)的動(dòng)態(tài)特征。物理模型可以通過動(dòng)力學(xué)分析描述機(jī)械旋轉(zhuǎn)部件物理狀態(tài)的變化以及實(shí)際損傷的演化情況，而這種故障狀態(tài)的演化通常是一個(gè)緩慢的過程，可以被描述為一個(gè)慢變時(shí)間尺度系統(tǒng)，物理模型反映的就是這樣一個(gè)慢變時(shí)間尺度系統(tǒng)的動(dòng)態(tài)特征。實(shí)際上，一個(gè)現(xiàn)實(shí)中的機(jī)械動(dòng)態(tài)系統(tǒng)往往可以被看做一個(gè)復(fù)合系統(tǒng)，由上述的快變時(shí)間尺度系統(tǒng)和慢變時(shí)間尺度系統(tǒng)相互聯(lián)系禍合而成。對(duì)于可以分別描述兩個(gè)時(shí)間尺度系統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)模型和物理模型而言，數(shù)據(jù)驅(qū)動(dòng)模型的主要缺點(diǎn)是無(wú)法從理論上將提取的特征參數(shù)的變化與實(shí)際旋轉(zhuǎn)部件的物理?yè)p傷變量的發(fā)展趨勢(shì)建立聯(lián)系，而物理模型的主要不足是忽略旋轉(zhuǎn)部件實(shí)際運(yùn)行時(shí)的參量變化，實(shí)時(shí)動(dòng)態(tài)調(diào)整模型參數(shù)的能力較弱。由此可見，單獨(dú)使用數(shù)據(jù)驅(qū)動(dòng)模型或者物理模型只能反映整個(gè)動(dòng)態(tài)系統(tǒng)的一個(gè)方面的特征表現(xiàn)，無(wú)法全面地描述快變時(shí)間尺度系統(tǒng)和慢變時(shí)間尺度系統(tǒng)的動(dòng)態(tài)特征。因此，研究一種能夠?qū)?shù)據(jù)驅(qū)動(dòng)模型以及物理模型有機(jī)結(jié)合，實(shí)現(xiàn)兩種預(yù)測(cè)模型優(yōu)勢(shì)互補(bǔ)的多時(shí)間尺度模型，并進(jìn)行機(jī)械旋轉(zhuǎn)部件壽命預(yù)測(cè)的研究具有重要的意義。

結(jié)束語(yǔ)

因此，為了確保機(jī)械設(shè)備安全高效的運(yùn)行，對(duì)于機(jī)械設(shè)備中關(guān)鍵的旋轉(zhuǎn)部件進(jìn)行健康監(jiān)測(cè)并建立科學(xué)的維護(hù)策略成為當(dāng)前工業(yè)界和學(xué)術(shù)界最為活躍的研究重點(diǎn)。

參考文獻(xiàn)：

[1]王寶祥.基于運(yùn)動(dòng)形態(tài)分解與多變量EMD的高速自動(dòng)機(jī)動(dòng)態(tài)監(jiān)測(cè)與故障診斷研究[D].中北大學(xué)，2018.

[2]程哲.直升機(jī)傳動(dòng)系統(tǒng)行星輪系損傷建模與故障預(yù)測(cè)理論及方法研究[D].國(guó)防科學(xué)技術(shù)大學(xué)，2011.

[3]張曉飛.直升機(jī)傳動(dòng)系統(tǒng)狀態(tài)增強(qiáng)檢測(cè)的隨機(jī)共振理論與方法研究[D].國(guó)防科學(xué)技術(shù)大學(xué)，2013.