基于聽覺模型的印刷機故障診斷技術

黃 勇 鄧英媛

(1、四川海納恒太科技工程有限公司,四川 成都 610045 2、四川新財印務有限公司,四川 成都 610041)

印刷機在運行一段時間后,墨輥等零部件容易發生故障,進而導致印刷品色度不均勻、成品質量差。由于墨輥位置比較隱蔽,給日常檢修帶來了較大的難度。基于聽覺模型的印刷機故障診斷,是利用傳感器采集墨輥運行時的聲音信號,然后經過信號預處理、分類降噪、綜合分析之后,可以準確地診斷是否存在故障,以及識別故障的具體類型,從而為開展印刷機的維修提供了參考。在印刷機結構組成日益精密的背景下,推廣使用基于聽覺模型的故障診斷技術對保障印刷機可靠運行有積極幫助。

1 聽覺模型的構建與驗證

1.1 選擇濾波器

對于采集到的原始數據首先利用矩形窗進行處理,可以得到相應頻率段的聲音信號。再使用濾波器對這些聲音信號做進一步的濾波處理,其目的是縮小帶通頻率范圍,從而進一步提高故障診斷結果的精確性。因此,濾波器的選擇是否得當,將會直接影響到印刷機故障診斷結果的正確率。本文中主要使用了三種濾波器：第一種是ChebyshevII 原型濾波器,它可以適用于100-2000MHz的帶通頻率范圍,經過該濾波器的處理后可以將原始聲音信號的頻率變得非常窄,通常可以達到100Hz 以內。第二種是帶通模擬濾波器,可以使用脈沖響應不變法,對模擬信號做相應的模擬離散化處理。第三種是IIR 數字濾波器,它可以適用于0-100Hz 的帶通頻率范圍,在最終的故障確診時利用該濾波器可以將帶通頻率的帶寬縮小至4Hz 以內,從而大幅度提高了診斷結果的正確率。本文所用3 種濾波器的選擇和設置如圖1 所示。

圖1 濾波器的設置流程圖

IIR 數字濾波器本質上是一個具有雙極點的數字諧振器。其中,兩個極點的共軛極值為re±jω。r 表示濾波器的特性幅值,取值范圍為[0,1],當頻率值為ω 時,濾波器的特性幅值最大,此時在當前頻率下出現共振現象。

1.2 設計聽覺模型

適用于故障頻率識別的聽覺模型設計路線如圖2所示。

圖2 聽覺模型的設計流程圖

結合圖2,聽覺模型的設計要點如下：首先采集聲音信號測試點的數值,按照工況的不同又可分為兩種形式,即正常工況下的聲音信號以及故障工況下的聲音信號。使用矩形窗函數對所得的數據做降噪處理,然后將去噪后的聲音信號再做傅里葉變換,最終得到頻域范圍在[0,f]的聲音信號。然后再將該頻域范圍進行均分,得到n 個頻帶,把聲音信號依次通過1～n 號濾波器,計算濾波器的帶通頻率。其中,第n 號濾波器的帶通頻率可表示為：

(n-1)*(f/m)～n*(f/m)

在此基礎上,分別求得各個頻帶的倒頻譜系數,并將其作為印刷機聲音信號的特征值。運用Fisher 比率法求得各個頻帶的故障貢獻率Fm,以及故障貢獻率最高的濾波器i,求解i 號濾波器的帶通頻率,即：

(i-1)*(f/m)～i*(f/m)

按照同樣的方法,再將(i-1)*(f/m)～i*(f/m)均分成p 個頻帶,并求出故障貢獻率最大的濾波器i1,以及其帶通頻率,即：

(i1-1)*f/mn～i1*f/min

以此類推,將頻帶不斷進行劃分,縮小其頻率范圍。一直到計算得到的頻率范圍≤設定的帶寬后,即可停止劃分,此時所得的故障診斷結果可以很好地滿足精度要求。

2 基于聽覺模型的印刷機故障診斷實驗

2.1 實驗方案設計

墨輥是印刷機的重要組成零件,而墨輥能否正常運行將直接影響印刷品的質量,本次實驗以印刷機的墨輥作為研究對象,驗證基于聽覺模型的故障診斷表現。實驗的大體流程如下：首先利用傳感器采集印刷機墨輥運行時的聲音信號,然后利用濾波器、放大器等裝置,對聲音信號做濾波、放大、降噪等預處理。將處理后的聲音信號輸入到聽覺模型中,可以得到關于墨輥聲音信號各頻帶的特征值。在提取特征值的基礎上,使用支持向量機分析墨輥的運行工況,完成故障識別與分類。

本次實驗中使用到的設備為惠普DesignJet T650 型印刷機,1 套Lms Scadas 數據采集系統,該系統的硬件部分包括多個傳感器,用于采集印刷機墨輥在4 種工況下的聲音信號,工況1 為正常狀態,工況2 為墨輥滾動軸承內圈故障、工況3 為墨輥滾動軸承外圈故障、工況4 為墨輥滾動軸承內外圈混合故障。人為制造軸承故障,故障寬度為0.8mm,深度為0.5mm。該系統的軟件部分提供了數據預處理、數據集成、數據分析等多款工具,可以實現對前端反饋數據的快速、精確處理。

2.2 印刷機墨輥軸承聲音信號的特征值

2.2.1 聲音信號的采集與處理

實驗開始后,通過印刷機的控制面板將墨輥轉速調節至150r/min,分別采集墨輥4 種工況下的聲音信號。根據設備說明書可知,當墨輥轉速達到120r/min 以上時,印刷機核心工作機構的頻率≤500Hz。同時,根據采樣定理可知,只有實際采樣頻率達到或超過信號的最大頻率時,才能保證采樣真實反映原始信號。因此在本次實驗中將采樣頻率設定為600Hz。除此之外,在實際采集信號的過程中,還會受到不同程度的噪聲干擾。為降低噪聲干擾,在軟件處理中選擇了矩形窗函數,基于該函數的去噪方法為：首先設定矩形窗函數的帶同頻率,其頻率范圍區間[0,500],把除噪后的聲音信號做時序分析,再將時域信息用快速傅里葉變換處理得到頻率信息。將0-500Hz 頻帶進行均分,得到5 個帶寬均為100Hz 的濾波器,并以此標記序號為1#、2#、3#、4#、5#,分別得到5個濾波器在各個頻帶上的頻域信息。

2.2.2 基于聲音信號的聽覺模型參數設置

利用上文設計的聽覺模型從完成預處理的聲音信號中提取特征值,結果如表1 所示。

表1 印刷機正常狀態與故障狀態下濾波器的特征值

對表1 中的特征值,用Fisher 比率法進行處理,可以得到聲音信號通過每一組濾波器,各頻帶的故障貢獻率,繪制柱狀圖如圖3 所示。

圖3 1-5#濾波器通帶頻率故障貢獻率柱狀圖

根據圖3 可知,1# 濾波器的故障貢獻率達到了0.76,明顯超出另外4 臺濾波器。說明在印刷機墨輥處于故障狀態時,聲音信號的故障信息集中在1#濾波器,即頻率0-100Hz 之間。進一步地,將該頻帶再均勻劃分成5個帶寬為20Hz 的頻帶,仍然使用5 臺濾波器(記為6#、7#、8#、9#、10#)處理墨輥在正常工況和3 種故障工況下的聲音信號,求出各頻帶的頻域信息。按照相同的方法,計算通帶頻率故障貢獻率,結果發現,聲音信號的故障信息集中在6#濾波器,即頻率0-20Hz 之間。按照上述方法進一步縮小濾波器的通帶頻率范圍,最終確定印刷機墨輥軸承故障頻率在4-8Hz 之間。

2.2.3 聲音信號特征值的提取

提取聲音信號的特征值,然后再使用支持向量機對印刷機墨輥進行狀態分類、故障識別,是實現故障診斷的關鍵。使印刷機在4種工況下分別運行200s,設定采樣時間為2s,每種工況下采集樣本數量為100 個,單個樣本中包含30000 個數據點。印刷機墨輥聲音信號的特征值提取方式為：將收集到的聲音信號輸入到聽覺模型中。在該模型中首選利用矩形窗函數縮小通帶頻率范圍,將其限定在濾波器分布密集的0-20Hz 以內。然后再運用傅里葉變換得到該頻率范圍內所有聲音信號的頻域信息。在頻譜分析的基礎上,獲得印刷機墨輥聲音信號的能量譜,對該能量譜做倒倒頻譜變換后得到倒頻譜信息。最后,利用各頻帶的倒頻譜系數作為聲音信號的特征值。

在提取特征值的基礎上,還要利用獲取的樣本數據進行聽覺模型的訓練,從而進一步提高故障診斷結果的精度。模型訓練方法為：確定一個包含20 個樣本的訓練集,每個樣本的特征值是是15 維的向量值。用i 表示故障類型,其中i=0 表示正常工況,i=1、2、3分別表示3 種故障狀態。按照上文所述方法求解特征值,可以分別得到4 種工況下印刷機墨輥聲音信號訓練集20 個樣本的特征值。在聽覺模型中引入一個調節系數(λ),通過改變λ 的大小,讓印刷機墨輥在正常工況下各個頻帶的特征值集中在10 左右,確保濾波器處特征值平穩無沖擊。按照同樣的處理方式,分別使故障狀態1 的特征值集中在15 左右,故障狀態2 的特征值集中在20 左右,故障狀態3 的特征值集中在25 左右。

2.3 實驗結果分析

從實際應用效果來看,支持向量機在樣本數量較少的非線性數據處理中具有處理速度快、分析結果精度高等一系列優勢。支持向量機的工作原理如圖4 所示。

圖4 支持向量機的工作原理

結合圖4 可知,基于測試故障數據就那些聽覺模型訓練,在支持向量機(SVM)參數調節、結果驗證、故障分類的基礎上,能夠準確識別出印刷機墨輥的故障類型。在本次實驗中,每一種工況下共有100 個樣本,其中包括80 個測試組樣本,20 個訓練組樣本。在80 個測試組樣本中,正常工況下的誤判數為9 個,故障診斷正確率為88.75%；內圈故障下誤判數為18 個,故障診斷正確率為77.5%；外圈故障下誤判數為17 個,故障診斷正確率78.75%；內外圈混合故障下誤判數為20,故障診斷正確率為75%。綜合來看,平均診斷正確率為80%。除此之外,還利用支持向量機對印刷機墨輥故障診斷結果進行了分類,具體結果如圖5 所示。

圖5 支持向量機對印刷機故障診斷的分類結果

結合圖5 可知,支持向量機對4 種故障的分類十分明顯,不僅可以準確判別印刷機墨輥當前運行下是否存在異常狀態,而且還能根據異常狀態準確診斷出具體的故障類型,為設備管理人員及時做好印刷機故障維修處理提供了必要的參考。

3 結論

印刷機墨輥的運行工況通過影響出墨均勻度,進而對印刷品的質量產生了決定性的影響。同時墨輥也是印刷機零部件中故障發生率較高的部位之一,因此在印刷機使用過程中做好墨輥故障診斷尤為重要。由于墨輥在出現故障時多表現為異常響動,因此本文提出了一種基于聽覺模型的印刷機墨輥故障診斷技術。從實驗效果來看,基于聽覺模型的故障診斷系統可以在采集、處理、分析聲音信號的基礎上,通過提取特征值并用支持向量機診斷識別,精確地判斷印刷機墨輥故障,為設備管理人員及時了解問題所在,進而開展針對性的維修,保障印刷機的可靠運行。