往复式压缩机振动信号频谱分析与故障诊断

检测诊断　
往复式压缩机振动信号频谱分析与故障诊断3
王江萍　鲍泽富
(西安石油大学机械工程学院)
摘要　从频域分析的角度入手,将机械设备故障诊断常用的频谱方法进行有机综合,以幅值谱和功率谱作为基本分析方法,以自回归谱和频率细化技术作为必要补充,对压缩机的振动信号作分析处理,进而提取反映压缩机工作状态的特征信息。

介绍了离散傅立叶变换、自功率谱和自回归模型及自回归谱的基本原理。

诊断的原理是将采集的离散信号输入到编制好的频率分析软件中,得到所要求的时域、频域图,再对各图形进行分析比较,进而判断压缩机的状态。

系统在对故障诊断时达到了预期效果,即初步确定了压缩机的故障状态。

关键词　往复式压缩机　频谱分析　幅值谱　功率谱　傅立叶变换　故障诊断
引 言
往复式压缩机是工业工程中使用最广泛的机器之一。

由于自身结构特点和运行工况的复杂性,压缩机工作时必然会产生振动,其内部零部件的性能状态信息通过一定的传递途径反映到壳体表面的振动信号中,故利用振动信号对压缩机进行不解体故障诊断是行之有效的方法之一[1]。

笔者将从频域分析角度入手,对压缩机的振动信号作分析处理,进而提取反映其工作状况的特征信息,对压缩机的工作状态作出准确判断。

将机械设备故障诊断常用的频谱方法进行有机综合,以幅值谱和功率谱作为基本分析方法,以自回归谱和频率细化技术作为必要补充,分析能够说明问题,具有实际应用价值。

往复式压缩机的振动分析
作为一种典型的往复机械,往复式压缩机的振动主要由曲柄连杆机构运动引起的振动、气体的脉动、各部件之间的周期性撞击等组成,各种振动都会使机体产生周期性脉动[2]。

图1所示的阀盖振动信号中含有冲击成分,冲击源主要是进、排气阀以一定的频率撞击阀座所产生的激励,周期性、间歇性的进、排气引起管道内气体压力脉动所产生的气体压力波等综合响应。

振动能量是许多冲击信号在所测点叠加的结果,各信号相位不同,传到测点的时间也不同。

因此,叠加的结果可能使振动本应减弱的部分在某些频率上的能量变得很大或使振动本应加强的部分在某些频率上的能量变得很小。

正常信号的脉动特征在设备出现故障时会有所改变,其表现形式是谱图的能量分布及峰值的变化。

图1　往复式压缩机阀盖振动信号
振动信号的频域分析方法
频谱分析中常用的有幅值谱和功率谱。

另外,自回归谱也常用来作为必要的补充。

频率细化技术
—
3
6
—
2008年　第36卷　第8期
石　油　机　械
CH I N A PETROLEUM MACH I N ERY
3基金项目:陕西省自然科学基金项目“石油钻井过程安全预警与多源信息融合智能监控技术研究”(2006E12);中国石油天然气集团公司石油科技中青年创新基金项目“钻井安全诊断及主动防范系统网络控制技术平台构建”(05E7040);陕西省教育厅专项科研计划项目“基于信息融合的钻井过程事故智能监控与预警技术”(07JK365)。

(Z OOM 技术)用于提高局部频段频谱分析的分辨
率
[3]
,笔者采用这4种谱分析方法对压缩机的振动
信号进行频谱分析及故障诊断。

11离散傅立叶变换及快速傅立叶变换(FFT )算法
傅立叶变换是一种将信号从时域变换到频域的变换形式。

离散傅立叶变换(DFT )是连续傅立叶变换在离散系统中的表现形式,而快速傅立叶变换(FFT )算法[2]是快速计算DFT 的一种高效方法。

设时域离散信号为x (n ),n =0,1,…,N -1,其傅立叶变换为X (k ),则
X (k )=
6
N -1
n =0
x (n )e
-j 2
πnk /N k =0,1,…,N -1(1)
x (n )=
1
N
6
N -1
k =0
X (k )e
j 2
πnk /N n =0,1,…,N -1(2)
21基于复调制的高分辨率傅立叶分析方法
基于复调制的高分辨率傅立叶分析方法是一种频率细化技术,包括数字频移、数字低通滤波、重采样(选抽)、快速傅立叶变换等处理步骤。

假定要求以给定的频率分辨率ΔF 分析信号中心频率为F 0的频谱,为获得分辨率ΔF ,输入信号的时间记录长度应为T 1=1/ΔF ,输入采样点数
N d ,其中N d =T 1/T S =F S /
ΔF (T S 为采样周期,F S 为采样频率)。

设数字信号x 0(n )的离散频谱为
X 0(k ),对x 0(n )以e
-j 2
πnF 0/F 进行复调制,得到
数字信号x (n )为
x (n )=x 0(n )e
-j 2
πF F 0n
=x 0(n )e -j 2
πN d
F 0ΔF n
(3)
根据离散傅立叶变换的频移性质,x (n )的离散频谱为
X (k )=X 0(k +F 0)
(4) 频移信号x 0(n )通过低通滤波器后,在时域以T 1D 进行同步选抽(D 为放大倍数),频域上频谱周期从F S 缩短为F S /D 。

频率细化法获得的分辨率比同样点数的FFT 分析提高了D 倍
[4]。

31自功率谱
根据维纳2辛钦定理,自相关函数R x (τ)和自谱密度S x (ω)是一傅立叶变换对,即
S x (ω)=∫+∞
-∞R x (τ
)e -j ωτ
d τ(5)R x (τ
)=12
π∫+∞-∞
S x
(ω)e j ωτ
d
ω(6)
根据巴塞伐定理,同一个信号在时域内所包含的总功率应等于频域中所包含的总功率。

设x (t )
的傅立叶变换是X (ω),则有
P =
1
T
∫
+∞
-∞
x 2
(t )d t =
1
2
πT ∫
+∞
-∞
|X (ω)|2
d
ω=12
π∫
+∞
-∞
S x
(ω)d ω(7)
由此可见,要得到一个时域信号的功率谱密度S x (ω)有2个途径,一个是先求出自相关函数
R x (τ
),再进行傅立叶变换求出S x (ω);另一个途径是先求出傅立叶变换幅值谱X (ω),再由式(7)求出S x (ω)。

笔者的软件设计中采用后者。

41自回归模型及自回归谱
任何一个时刻k 上的数值可表示为过去k -m
个时刻上数值的线性组合加上k 时刻的白噪声,即x k =<1x k -1+<2x k -2+<3x k -3+…+<m x k -m +a k
(8)
其中{a k }(k =1,2,…)是白噪声,满足
Ea k =0,D a k =σ2
a ,Ea k a i =0(k ≠i )。

m 叫做阶
次,常数系数<i (i =1,2,…,m )称为自回归
系数,且m >0、<m ≠0,模型式(8)称为m 阶自回归模型,记为AR (m )。

对模型式(8)作z 变换,并令z =e j 2
πfT S ,得
时间序列{x k }的自回归谱
[2]
S x (f )=
σ2a T S
1-6
m
k =1
<k e
-j 2
πkfT S 2
(9)
自回归谱反应了一个时间序列在频域中的组成情况,它是机械设备故障诊断中极为行之有效的工具之一。

往复式压缩机故障诊断实例
以下将以实例说明应用“往复式压缩机振动信号频谱分析软件”对往复式压缩机气阀进行诊断的过程。

分析所用数据采自12—20/8空气压缩
机,转速为20m 3
/m in;加速度传感器安置于阀盖上,采样频率为20kHz,数据长度为4096。

11幅值谱及功率谱分析
图2为空气压缩机不同状态下振动信号幅值谱。

从图中可以看出,在发生故障以后,谱的能量分布发生了变化,尤其是在阀片折断后,幅值谱发生了显著变化。

在弹簧失效时,幅值谱的能量分布也发生了一定变化,而这种变化与阀片折断时的谱图是不同的。

在气阀弹簧失效时,最大幅值出现在3935154Hz 处,谱峰也有所增多,出现较大幅值的频率位置也较正常信号有所偏移。

阀片折断时,振动能量最大幅值出现在5498104Hz 处,出现较
—46— 石　油　机　械2008年　第36卷　第8期
大幅值的频率位置又出现了变化。

图3为同一信号的正常功率谱,与幅值谱相比,频率结构基本相同,但其谱峰更尖锐,更加突出了最主要的频率分量。

因此,在实际应用中更多的采用功率谱分析。

图2　
空气压缩机振动信号幅值谱
图3　正常工况功率谱
21自回归谱分析
图4为空气压缩机不同状态下振动信号自回
归谱。

图4　空气压缩机振动信号自回归谱
从图中可以看出,谱的能量分布变化趋势与幅值谱、功率谱是相同的。

与幅值谱及功率谱相比,自回归谱谱峰更加尖锐,频率定位也较幅值谱和功率谱准确、清晰。

除此之外,自回归谱还有一大优点,即在保证获得足够信息的前提下所需的采样数目可以大大减少。

31细化分析故障信号频谱分析中经常会遇到频率很密集的谐波成分,常通过减小分析带宽来细化频谱,以提
高局部频段的频谱分辨率[5-6]。

图5是对图2a 频率成分为7866121Hz 在频率分辨率为1时进行细化分析得到的图像。

从振动信号幅值谱上看,该信号的最大幅值出现在频率7866121Hz 处,但实际上该信号的幅值并未出现在该频率成分上,而是发生在频率786416Hz 附近。

当然,这2个频率成分十分接近,运用细化技术能清晰地将二者分辨出来,避免了误判。

因此,进行细化谱分析,能剔除各种噪声和相邻部件振动信号的干扰,大大提高了故障诊断的精度。

图5　正常工况细化谱图
通过分析对比谱图上能量分布的变化情况来识别压缩机气阀的状态,有时能量分布的变化情况不容易观察出来,就无法进行正确的故障诊断,这是频谱分析的不足之处。

同时,诊断时只能得出设备的故障状态,并不能判断故障的部位。

这是因为尚未把频谱上的每个频率分量与被监测设备的零部件对照联系起来。

软　件　编　制
笔者的软件主要是针对往复式压缩机进行故障
诊断,将采集到的离散信号输入到编制好的频谱分析软件中,得到所要求的时域、频域图。

再对各图形进行比较分析,进而判断压缩机的状态。

为此,软件必须具有读入数据文件功能、数据处理功能、图形显示功能等。

除此之外,为了使用方便,软件还应包括帮助功能。

最终确定的软件系统功能模块如图6所示。

该软件使用V isual Basic 610(中文企业版)编写界面和程序,因为V isual Basic 610的
可视性强,简单易学,而且提供了逐句监视、调试
—
56—2008年　第36卷　第8期王江萍等:往复式压缩机振动信号频谱分析与故障诊断
程序的功能,运行程序时可以方便地查找错误[7]。

图6　软件功能模块
结 论
基于频谱分析的往复式压缩机故障诊断系统在设计上完全基于W indows编程,使用VB语言,程序可读性强,是进行压缩机维护及故障诊断的有效工具,在对压缩机气阀实测信号进行故障诊断时达到了预期效果,即初步确定了压缩机的故障状态。

通过笔者的研究,得到以下结论:
(1)通过傅立叶变换将时域信号变换到频域,从各频段的谱分量中可以得到表征信号不同来源及不同特征的各个组成部分。

但往复机械的转速低,振动冲击大,属于非平稳信号,无法直接从频域的谱线中分析出故障的固有频率,而且信号间干扰相当严重。

(2)振动分析方法主要是通过设备壳体上的振动信号来反映内部零部件的工作情况,由于测点的位置与零部件有一定距离,会使信噪比降低,且振动信号对填料磨损和活塞环磨损等故障不敏感。

(3)由于往复式压缩机的结构及工作特点,选用的诊断手段不应单一化,即坚持以振动诊断为主,同时又要参考温度变化、油液分析、性能参数测量等手段。

参　考　文　献
[1]　张　琳,朱瑞松,尤一匡,等1往复压缩机监测与
诊断技术研究现状与展望1化工进展,2004,23
(10):1099-11021
[2]　王江萍.机械设备故障诊断技术及应用.西安:西
北工业大学出版社,2001:147-156.
[3]　杨志伊,郑　文.设备状态监测与故障诊断.北
京:中国计划出版社,2006:40-45.
[4]　中国电子仪器仪表学会信号处理学会《振动数字信
号处理程序库》编委会.振动数字信号处理程序
库.北京:科学出版社,1988:242-244.
[5]　蔡熹耀,李志荣1频谱细化技术与功率倒频谱在振
动信号分析中的应用1洛阳工业高等专科学校学
报,1999,9(3):61
[6]　谢　明,丁　康1基于复解析带通滤波器的复调制
细化谱分析的算法研究1振动工程学报,2002,15
(4):479-4801
[7]　龚沛曾,陆慰民,杨志强.V isual Basic程序设计简
明教程12版1北京:高等教育出版社,2003:2291
第一作者简介:王江萍,教授,硕士生导师,生于1959年,1982年毕业于西安工业学院机械制造专业,1997年毕业于西安交通大学机械制造及自动化专业,获硕士学位,现从事机械制造、机械工程运行状态监测与故障诊断技术的教学和研究工作。

地址:(710065)陕西省西安市。

电话:(029)88383502。

E-mail:j pwang@xsyu1edu1cn。

收稿日期:2007-12-29
(本文编辑　王刚庆)
(上接第46页)
参　考　文　献
[1]　朱自强,吴子牛,李　津,等1应用计算流体力
学1北京:北京航空航天大学出版社,1997.
[2]　吴望一1流体力学1上册1北京:北京大学出版社,
1982:82-83.
[3]　Col m an D A,The w M T1Correlati on of separati on results
fr om light dis persi on hydr ocycl one1Che m ical Engineer2
ing Research and Design,1983,61(4):233-2401 [4]　蒋明虎,王尊策,赵立新,等1旋流器切向速度测
试与分布规律分析1石油机械,1999,27(1):20
-23.
[5]　陆耀军,沈　熊,周力行1双柱双锥形液2液旋流分
离管内流场的LDV诊断1实验力学,1999,14
(4):452-4631
[6]　蒋明虎,王尊策,李　枫,等1旋流器轴向速度分
布规律1石油机械,1999,27(3):20-231
[7]　B lacker T1The cooper t ool1Pr oceeding,5th I nternati on2
al meshing r oundtable,1996:13-291
第一作者简介:琚选择,生于1979年,现为油气储运工程专业硕士研究生,主要从事多相分离和CF D应用技术研究工作。

地址:(257061)山东省东营市。

E-mail:juxz @yahoo1cn。

收稿日期:2008-01-16
(本文编辑　李学富)
—
6
6
— 石　油　机　械2008年　第36卷　第8期。