故障诊断--设备工况下的信息分析研究

故障诊断--设备工况下的信息分析研究

摘要：文章阐述了机械设备工况状态信息检测与故障诊断系统中，对工况状态特征信息的分析方法--时域分析方法，频域分析方法，联合时-频分析方法等多种信号处理方法的特征分析特点及特殊信号、振动信号的分析和应用。

关键字：状态监测；故障诊断；特征分析；研究

0 前言

随着计算机技术、网络通信技术、智能信息技术、自动控制技术及虚拟仪器技术的发展和深化,生产设备或系统日趋复杂化、智能化、网络化和系统集成化,用户生产对设备或系统的可靠性、安全性、使用技术服务提出了更高的要求。设备制造商在新产品的设计开发中,不仅要实现功能和性能要求,进行技术创新,而且还要对产品的生产使用过程提供现代化的设备信息技术服务，实行终生保修。如制造业中的大型数控设备,化工企业的数字化工艺装备等是技术含量和复杂度较高产品，其在使用过程中的数字化技术服务支持和维护水平往往是产品是否具有市场竞争力的关键因素之一,这促使设备制造商或数字系统开发者由单一制造型向制造、服务型转变，对此类产品加入状态监测、故障诊断和维护功能。设备或系统的管理、维修提出了按实际运行状态进行主动预知维修和预知管理，取代传统的按计划定期维修方式。另外，工况监测与故障诊断技术的研究对预防事故发生，防止设备的精度下降，最大限度发挥设备运行潜力和效益具有重要的实用价值。

机械设备状态监测与故障诊断的过程可从纵向分为检测层、分析层、诊断层3个层次，如图1所示。主要内容为：(1)根据设备的类型和工况，选择合适的传感器，测取与设备状态有关的信号；(2)从状态信号中提取与设备运行状态有关的、对状态变化最敏感的特征量(征兆)；(3)根据特征量构造判据,作为对工况状态进行分类的原则；(4)根据判据和设备的实际运行情况作出正确的判断，并进一步分析其状态及发展趋势如故障的部位、类型、原因和趋势；(5)作出评价和决策，包括控制、自诊治、调整、维修、继续监测等措施。

工况状态信号是反映设备运行状态正常与否的信号载体，能否正确选择并完整地检测到能敏感地反映设备的工况状态变化的特征信号是诊断能否可靠成功的前提。故障诊断系统的其它环节都是建立在正确的信号检测方法之上。对基于网络的远程监控系统,现场实时信息的自动检测、采集、存储和处理也是整个系统的基础和起点。工况检测层的核心和主体由计算机数据采集系统构成，目前工况信

息数据采集系统的结构形式主要有两种，一种是微型机算计数据采集系统，另一种是集散型数据采集系统。分析层的主要任务是从工况状态信号中提取与设备运行状态有关的、对状态变化最敏感的特征量(征兆)，为工况状态及故障分类提供特征量并构造判据。工况状态如机器运行中轴的偏移、轴承的磨损量、齿轮裂纹深度及扩展趋势等不可能直接从传感器拾取的信号中获取,而需借助该各种间接分析方法和数学工具才能判断设备状态正常与否。信号的时域分析、频谱分析、振动模态分析是工况监测与故障诊断中传统的常用方法。

1 设备工况状态监测与故障诊断中的特征信息分析方法

按故障诊断过程所用理论的特点可将诊断大致分为基于解析模型的诊断方法，基于信号处理的诊断方法及基于知识的诊断方法。基于信号处理及特征提取的方法可克服不直接建立涉及诊断对象动态模型的困难，原理上又适用于线性系统和非线性系统，是一种被广泛采用的方法。利用信号分析与处理领域的研究方法如相关分析、频谱分析、高阶统计量、传递函数分析和自回归滑动平均过程、小波变换等，对工况监测信号进行加工变换，提取出能识别设备运行状态、对故障诊断有用的特征量。

设备或系统的振动、噪音、温度、压力、流量、位移等物理量通过传感器变成电信号输入到计算机系统，这些源信号很难直接反映出信号和系统的特征，必须采用一定的方法对其进行变换和处理，获得对设备工况故障征兆敏感的特征量。目前在工况检测和故障诊断中应用的信号处理方法有：时域分析、频域分析、联合时-频域分布、空域采样和转速跟踪及近几年来分形几何中的关联维数方法等。在上述各种方法中，都是运用现代信号分析和数据处理方法将采样时间序列转为能够表达工况状态的特征量，通过特征分析，找到工况与特征量之间的关系，把反映故障征兆的特征信息和与故障无关的特征信息分离开。用作特征分析的方法有：时序分析、相关分析、传送函数分析、频谱分析，例谱、包络、小包分析、时-频联合分布等方法。理论上各种方法都可得到多个表达系统动态行为的特征量，实际具体研究和应用中，需要根据具体的监测对象，选择合适的检测信号和检测部位，提取对故障最为敏感、规律性强，状态识别时实时性强，占内存小，计算速度快的主特征量，才能使开发和研制的故障诊断系统具有针对性、准确性和实用性。

(1)信号时域分析方法

可用于工况状态监测提取信号特征参数的方法有：时域分析方法——时间序列模型(ARMA模型、AR(n)模型、门限自回归模型等)，时序统计分析参数(如方差、自相关系数、偏度系数和峭度系数)等。自适应滤波、时域平均与自相关分析是常用的几种时域消噪方法，由于在消噪的同时保留了信号的时域特征，可用于信号

时域特征分析。

(2)信号频域分析方法

FFT谱与AR谱是两种典型的谱分析方法。FFT谱的幅值和相位充分反映了确定性准周期信号的各个频率组成成分，适宜于分析旋转机械(特别是大型旋转机械)的振动信号。以FFT为基础的周期图方法是分析随机信号功率谱的常用方法，而作为现代谱分析方法代表的AR谱具有谱线光滑，谱峰尖锐、谱分析率高等优点，特别适宜于分析短序列随机信号的功率谱。另外能反映出系统的非线性特性以及信号中的相位耦合的高阶谱，也被应用于机械状态监测。

(3)联合时-频分析方法

传统的傅立叶分析只能将平稳性信号分解成单个的频率分量并建立起每一分量的相对强度而不能了解特定的频率存在的时间，不能充分描述信号的时变特性。工况状态信号既包含平稳和缓变成分又有突变成分，需要用时变频率的观点了解各频谱能量随时间变化的规律。短时功率谱分析和小波分析方法突出了信号的局部特征，已在工况监测和故障诊断中得到了一定的应用，如应用短时功率谱分析滚动轴承和齿轮的故障信号，用小波技术分析切削颤振和齿轮箱故障。其它新的信号处理方法不断被用于工况监测研究，促进了故障诊断技术的发展。如量子物理学家Wigner和Ville将量子力学中相干状态的数学方法和解析信号的概念引入时频分析并首次提出了Wigner-Ville时-频分布，据有关文献介绍该分析方法已用于工况中的高信噪比信号分析。

2 特殊信号的分析与处理

机械的运行过程属随机过程，在其运行过程的监测信号中，存在大量突变和时变性特殊随机信号，如齿轮折断、气流冲击、钢丝断裂、启动停车、机床切削颤振等以及机械系统的爬行、死区、间隙，变速运动等非线性动态响应信号具有不连续性和时变性，用传统的信号分析方法进行全局处理仅能得出时域和频域的平均结果，无法有效地反映信号本质的局部特征，对反映这类局部瞬时工况特征信号的分析和处理方法的研究，对更清晰的揭示设备运行状态、实现故障特征的精细分析具有重要的现实意义和理论价值。近年来随着信号分析技术研究的发展，如:短时傅立叶变换、基于图像处理技术的短时功率谱分析、Wigner -Ville 时频分布、小波分析等时频分析方法已用于此类信号的分析中。小波变换具有同时进行时域和频域分析的特性，在信号的高频段具有高的时间分辨率和低的频率分辨率，在低频段具有较低的时间分辨率和较高的频率分辨率。小波变换的变精度特性使其有足够的时间分辨率对信号中的短时高频率成分进行分析，又有一定的频率分辨率对信号中的低频缓变趋势进行估计。因此，基于小波和小波包分解的信号分析在故障诊断中的应用成为当前的热点和主流方向之一。并且在齿轮箱故障