基于小波分析的汽輪機振動故障信號的檢測

張昌成

（哈爾濱汽輪機廠有限責任公司，黑龍江 哈爾濱150046）

本文對小波分析進行介紹并且探討了其工程意義和基于汽輪機振動故障信號提取的分析方法，從新的思維角度討論了汽輪機產生振動故障的原因并提出了若干條基于小波分析的基礎框架下的故障信號檢測技術。

1 小波分析

1.1 小波分析的定義與工程意義

小波分析也稱為多分辨或多角度分析，是從傅里葉分析演變出來的一種分析方法，在基礎學科的函數分析以及信號系統，點播通信和數字領域等檢測方面都有重要應用，也是信息檢測和系統設置檢測里的一種不可磨滅至關重要的數理分析手段。在汽輪機振動故障產生的信號中，小波分析能處理不平穩的信號并只需要進行簡單的二進制處理和常態交換就能滿足檢測需求。在振動故障工程中，小波分析將汽輪機產生的振動分解為帶通濾波和低通濾波，將汽輪機產生的振動波分解為兩種不同的子信號，在短時間內幫助檢測人員完成檢測任務實現檢測目的。

1.2 汽輪機振動故障信號提取的小波分析

小波分析的主要核心是實現傅里葉變化以及換算處理，對于周期較長的信號的處理效果較好，因為汽輪機在產生故障時，其內部的振動信號都是由脈沖產生的，但是汽輪機結構十分復雜且精度要求高，維修和檢測難度大，以致產生的故障特征以及故障信號脈沖非常隱秘難以發現，同時汽輪機內部其他正常運作的設備零件產生的噪聲會將其掩蓋，檢測人員在檢修時很難發現問題，但是在小波分析幫助下能改變以往存在的技術漏洞和缺點，將設備產生的能量頻帶獨立分析并且實現單獨的檢測記錄，快速有效地鎖定故障產生的頻帶。

2 汽輪機振動故障的產生及信號檢測

2.1 汽輪機產生振動故障的原因

汽輪機產生故障的原因有很多，簡單分類包括轉子質量不平衡，轉子自身的彎曲或者不對中以及汽輪機內部產生的各種摩擦等。汽輪機最常見的振動故障是轉子質量不平衡，根據資料統計以及有關汽輪機的故障數據記載分析可知，85%故障原因都是轉子自身產生的。轉子在制造的過程中由于設計不合理或者材料屬性問題導致在安裝和使用過程中出現偏差，汽輪機內部的轉子在運作過程中，其旋轉軸線出現偏離，在離心力的作用下，轉子的偏心質量變成一個不平衡的力系，轉子高速旋轉產生的旋轉沖擊力會猛烈撞擊汽輪機，汽輪機的內部器壁和轉子都將遭遇不可逆轉摧毀。此外還有轉子熱彎曲以及汽輪機內部動靜摩擦等都是減短汽輪機壽命以及對汽輪機內部零件產生損害的主要原因。

2.2 汽輪機振動故障特征

常見的汽輪機故障特征基本都是與動靜摩擦和轉子自身故障有關。最主要的特征就是在汽輪機的運行過程中產生較大的轉動幅度進而導致轉軸與汽輪機內部的部件產生摩擦，雖然產生的部位十分細微，但是其沖擊力按照汽輪機運作的比例將產生巨大的撞擊，如果使用過程中轉子偏離原有軌道則會由于轉動速度過快而損壞汽輪機，影響汽輪機的正常運作。另一個特征就是汽輪機內部的缸體自身出現了偏離，并且缸壁與轉軸之間的縫隙不斷擴大，過大的脹差導致碰撞和摩擦且使得長期使用的汽輪機出現彎曲變形[1]。

2.3 汽輪機振動故障的信號檢測

汽輪機產生的振動故障很難被檢測出來，引進小波分析的目的也是為了能獨立地將汽輪機內部各個部件產生的頻帶進行獨立檢測和處理。普通的汽輪機在使用過程中產生的信號分為小尺度和大尺度，小尺度的頻帶較寬，反之，大尺度的較窄，一般的檢測人員和工作人員為了能快速鎖定檢測目標，都只關注重要的頻帶節點，一般只需要一小段的信號或特定頻帶進行系統研究即可，因此小波分析能夠滿足他們的愿望和需求且將不同的頻帶進行分離，提供特定的時間和頻率讓檢測人員進行選擇，挑選滿意頻率進行檢測，既提高檢測的效率和速度，也提高了汽輪機的振動故障信號檢測的準確性。

3 基于小波分析的汽輪機振動故障信號檢測技術

3.1 采樣與小波頻率運算

在小波分析的理論下，采樣和進行小波頻率運作是整個檢測的主要工作，因為在汽輪機中每一個轉子的振動信號都不同，不同的振動信號產生的信號頻率都是以周期進行運算并實現數據收集，在汽輪機的運作過程中需要對采樣的數據進行周期設置，設置的周期就是采樣的頻率，一般采樣設置的數據都是整周期數以便采樣分析并且得到具體的頻率范圍，同時根據汽輪機內部轉子的振動特征以及振動信號可以知道，在采樣結束后進行運算時需要對信號源進行多尺度的分解并且對頻率的范圍進行確認，從最上層的小波分級的信號出發逐級往下以周期數推算，以此類推得到每一級的信號頻率范圍。

此外，計數和脈沖統計時產生的故障信號也是小波分析常常遇到的檢測阻礙，機器的故障信號特征需要提前抽取并且用計算機裝載，不同模式下采用的故障識別方法有所不同，因此在進行小波分析之前對故障所處的信號頻帶進行精確定位就顯得至關重要，否則后期由于頻帶的選擇不恰當或者采樣的不平穩而導致信號源強度降低，微弱的故障信息隱藏在頻帶當中增加了運算的復雜度和難度。

3.2 多分辨分析與小波運算數據提取

在完成小波分析的采樣后需要系統開展多分辨分析以及運算的數據提取，采樣收集回來的頻帶數據要進行精準度矯正和偏差處理。小波分析中小波變換能夠將任何信號映射成一組由變換頻率和時間組成的系統基數函數，保證了信號在不同頻帶以及不同的時刻中能實現有效的分割以及合理的分離處理，既實現信號的收納也保證了原始信息的完整性。緊接著采用MATLAB 對信號進行運算和處理，實現低頻信號與高頻信號的互通以及頻帶處理。一般來說小波運算的數據提取都會將信號層分為低半頻帶和高半頻帶兩個子帶信號，子帶信號的劃分就是從濾波層面對信號的頻帶進行二進制的劃分，完成一系列的劃分能夠提升整個小波運算數據精確性和時效性進而滿足檢測人員需求[2]。

3.3 小波變換實現信號降噪

小波變換在實驗室中采用的降噪方法需要借助計算機軟件進行處理和運算，一般我們使用計算機中的MATLAB 軟件中自帶設置好的軟件包，利用軟件自帶的軟件包內的小波工具箱實現函數的處理和信號的降噪。一般用到的小波工具箱都是用一維的小波包或者小波函數實現的。在小波工具包中使用的系數主要為稀疏分布，且分布的范圍較小，因此在信號源轉化成圖像后其熵較低，十分容易分析觀察。此外，小波變換實現的信號降噪具有多分辨率的重要特征，因為在不同的分辨率下實現的信號處理和噪聲剔除都是獨立完成的，且在處理過程中去除了相關性，在信號降噪以后能幫助去除多余雜音和噪聲。

3.4 小波分析信號的奇異點檢測

小波分析檢測汽輪機振動故障信號中最后一環需要對奇異點進行檢測和核實，因為汽輪機產生的信號不規則或出現劇烈變化部分時，信號內容已經包含了汽輪機內部零件的重要信息，在汽輪機檢修的過程中很容易發現機械故障，且機械故障輸出的常規表現就是信號的激增或者爆減，長期以來傅里葉變換都是基于奇異點函數展開的，因此小波分析作為傅里葉變換的一個重要支柱以及工具，能彌補以往傅里葉變換的三維局限性，打破空間的約束并且將函數的奇偶性作為主要的研究目的和研究手段，從小波分析的角度清晰明確了奇異點所處的時空位置以及函數特質，滿足小波變換以及小波分析的空間局部化。

在利用小波變換處理奇異性時有兩種可能性，一是信號發生突變且不連續，則被稱為第一類型間斷點，反之如果信號從視覺觀察十分光滑且沒有突變產生則被命名為第二類型間斷點，兩種間斷點具有不同的特征和使用方法，因此使用小波分析信號的奇異點時需要提前檢測并且做好預算和整合。

綜上所述，小波分析憑借其穩定的數據分析能力以及先進的篩選辦法在檢測領域占有一席之地，逐漸成為汽輪機振動故障信號檢測的重要工具，幫助檢測人員高效鎖定信號目標并且順利完成檢修工作和檢測要求。