一種基於獨立分量分析easi算法的機械故障診斷方法
2023-05-26 19:18:21 2
一種基於獨立分量分析easi算法的機械故障診斷方法
【專利摘要】本發明涉及一種基於獨立分量分析EASI算法的機械故障診斷方法。首先，利用加速度傳感器採集齒輪箱不同點處的加速度信號，並採用放大器對各加速度信號進行放大，然後採用模數轉換器將模擬信號轉換成數位訊號；再對採集的軸承數位訊號，進行去均值與去相關的白化預處理，然後得到零均值且不相關的高信噪比混合信號；採用基於獨立分量分析EASI算法由該混合信號得到各個軸承和齒輪上的加速度信號；若所得的加速度信號出現固定頻率的尖峰脈衝，則說明該齒輪出現故障。採用本發明的方法，可以在複雜環境下，準確地判斷軸承系統是否出現故障，並確定故障發生的位置。該方法故障診斷速度快，尤其適用于振動條件下的機械故障診斷。
【專利說明】—種基於獨立分量分析EASI算法的機械故障診斷方法
【技術領域】
[0001]本發明涉及機械設備故障診斷領域，特別是利用一種基於獨立分量分析EASI算法的機械故障診斷方法。
【背景技術】
[0002]機械製造是社會的基礎行業之一。隨著科學技術和現代工業的飛速發展，能源、石化、運載和國防等行業中的機械設備日趨大型化、高速化、集成化和自動化，結構更加複雜，各部分關聯愈加緊密。但是關鍵設備一旦出現故障，不僅會造成機器的損毀，還會帶來巨大的經濟損失和人員傷亡，這也給機械故障診斷帶來了嚴峻的挑戰。近年來，國內外因機械設備故障引起的災難性事故屢有發生:1998年德國高速列車輪箍踏面斷裂導致翻車事故、2002年我國三峽工地塔帶機斷裂事故、2003年美國哥倫比亞號太空梭失事以及2008年我國華能伊敏煤電公司600MW機組發生轉子裂紋等事故令人觸目驚心。有效且及時地識別設備運行過程中萌生和演變的故障，對機械系統安全運行，避免重大和災難性的事故具有重要的實際意義。因此，對機械設備開展狀態監測與故障診斷，保障設備安全可靠運行，是一項事關安全生產重大且緊迫的任務。
[0003]現實的需求推動產生了「機械設備故障診斷與監測」這一新學科，經過幾十年的發展，故障診斷學在理論研究與實踐方面取得了重大進展，各種診斷方法層出不窮。各種基於信號處理技術的故障診斷方法日新月異，信號處理技術已成為機械故障診斷的主要技術手段。然而，在實際處理故障信號的過程中，往往發現利用傳感器拾取的機械故障信號並不是單一獨立的，而是多個典型故障信號的耦合。複雜的各種信號混合在一起使得許多傳統信號處理方法失去原有的效果，需將耦合的故障信號有效地進行分離，然後針對每一種故障信號進行分析診斷。另外，由於實際機械工作環境複雜，傳感器拾取的信號中夾雜的大量噪聲信號常常淹沒對故障診斷有用的特徵信號，導致特徵信號難以提取甚至無法提取。
【發明內容】
[0004]本發明的目的在於提出基於獨立分量分析EASI算法的機械故障診斷方法，
[0005]該方法的由下述步驟實現:
[0006]步驟一:利用加速度信號採集系統，採集齒輪箱上不同點的加速度模擬信號，並對信號進行放大；
[0007]步驟二:利用模數轉換器，將步驟一中經放大後的加速度模擬信號離散化成數位訊號，然後用計算機對離散數據白化處理，先進行去均值處理，再通過去相關處理得到白化信號，即零均值不相關的高信噪比混合信號；
[0008]白化處理過程中，涉及的去均值表達式為
I N
[0009]xw{t) = Xiity-YdXAt)
[0010]式中，x0i表示去均值後的信號，Xi表示去均值前的數位訊號，N為測量點數，i =1，2，...，N ;去相關處理後，白化信號Z的表達式為
[0011]z = Tx0i
[0012]式中，T為白化矩陣，且有T = D_1/2Qt ;其中，D為Xtli的協方差矩陣馬^,的特徵值組成的對角矩陣，Q為對應特徵值的特徵向量組成的矩陣；Ka = E(x0ixJ>QDQT.』
[0013]步驟三:對步驟二中得到的混合信號，採用一種基於獨立分量分析EASI算法進行處理，分離多路軸承信號，然後得到各個軸承上每個齒輪的加速度信號；
[0014]所涉及的各個軸承上每個齒輪的加速度信號獲取方法為:
[0015]第3.1步，隨機初始化分離矩陣W。，y (k) = W0Z ；
[0016]第3.2步，通過式
[0017]W(l + l)=W(A) + //i{1-y(l)y(A)' -^(y(k))j(k)} +}W(/c)更新權值矢量Wk+1 ；
ψ
[0018]第3.3步，計算y(k) = Wk+1z,歸一化紗?,ι =丨―"丨丨?』
[0019]第3.4步，如果I |Wk+1_Wk| I彡ε，則算法不收斂，返回第2步，否則算法結束輸出W ；
[0020]第3.5步,計算J = Wz,此時J的每一個行向量就是齒輪箱中各個齒輪和軸承的加速信號；
[0021]步驟四:對所有軸承中每個齒輪的加速度信號的波形和正常運行下機械振動波形比較，若其中有一路波形不正確則說明該機械部件發生了故障；若說有的波形都是正常的才能說明該機械部件沒有發生故障。
[0022]本發明具有的有益效果在於:
[0023]該方法可以有效解決信號的混合問題。在未知源信號及傳遞通道參數的情況下，僅根據測量信號來恢復源信號，實現耦合信號的分離。
[0024]該方法可以較好地解決機械故障特徵信號提取問題。通過改進基於獨立分量分析EASI算法，在複雜機械工作環境下，仍能有效提取故障診斷有用的特徵信號。
【專利附圖】
【附圖說明】
[0025]圖1是整個機械故障診斷流程程圖。
[0026]圖2是振動信號的獲取及數位化過程。
[0027]圖3是齒輪箱振動信號測試裝置示意圖。
[0028]圖4是傳感器安裝位置示意圖。
[0029]圖5是測量信號的波形和頻譜。
[0030]圖6是改進EASI算法分離信號的波形和頻率。
[0031]圖7是測量信號在頻帶850-950ΗΖ內的頻譜。
[0032]圖8是改進EASI算法分離信號在頻帶850_950Ηζ內的頻譜。
【具體實施方式】
[0033]下面結合附圖，對本發明的方法與技術方案進行進一步的闡述，附圖標記:1彈簧；2抱閘；3輪盤；4加速度傳感器；5齒輪I ;6齒輪2 ；7齒輪3 ；8齒輪4 ；9減速器I ;10減速器II ；11減速器III ；12電荷放大器；13計算機；14交流電機；15扭矩傳感器；16變頻器；17加速度傳感器I ;18加速度傳感器2 ；19加速度傳感器3 ；20加速度傳感器4 ；21加速度傳感器5 ；22加速度傳感器6。
[0034]本發明涉及一種基於獨立分量分析的軸承機械故障診斷方法。
[0035](I)用加速度傳感器採集齒輪箱上的不同點的加速度信號，要求採集信號的傳感器數目不少於軸承和齒輪的總數，然後採用放大器對各個信號進行放大，然後採用模數轉換器將模擬信號轉換成計算機能處理的數位訊號。
[0036](2)對採集的軸承信號進行預處理，包括:去均值與去相關的白化處理，然後得到零均值各個信源不相關高信噪比的混合信號；採用基於梯EASI的等變化的獨立分量分析的方法從得到各個軸承上和此輪上的加速度信號。
[0037](3)如果出現固定頻率的尖峰脈衝，則說明該此輪出現故障。
[0038]本發明可以在複雜環境下的準確的判定軸承系統是否出現故障及其故障發生在哪一個地方。
[0039]本發明描述的方法是機械故障診斷的新方法，該發明採用了獨立分量分析的方法，與傳統的機械故障方法相比，該方法能夠在未知混合系統任何參數的情況下，對混合源信號實現較好的分離，本發明設計方案如圖1所示，步驟如下:
[0040]步驟1:機械振動信號的採集及數位化，具體過程如下:
[0041]信號採集的時候採集的是齒輪箱中軸承和齒輪的的振動信號，測量點選擇的原則是儘量靠近振源，靠近被測齒輪的軸承座上或被測軸承的承載區上，測點離軸承外圈的距離越近越好。另外還要注意，齒輪箱故障類型各種各樣，不同故障其振動在各個方向的強度也不一樣，因此最好在垂直、水平、軸向三個方向都進行測量，每次測量測點位置保持不變，測點表面乾淨，避免齒輪箱表面汙垢對振動在傳遞過程中造成衰減。
[0042]整個過程如圖2所示，採集信號用的第i個加速度傳感器在振動點的加速度信號用符號Ui表示，然後將其用模擬放大器放大到一定的O到5v範圍內用Vi表示，然後用模數轉換器將其轉換成數位訊號用Xi表示，取離散數位訊號的N個點給計算機處理，假設有η個傳感器，將他們組成一個矢量X = [X1, χ2，...，Xn] τ。
[0043]步驟2:將採集的數位訊號預處理，具體過程:
[0044]預處理為一個白化過程，其分為兩個步驟:去均值和去相關。信號X去均值，也就是X中減去其均值矢量E (χ)，使得X為均值為零的變量，在實際的計算中，每一路信號X的數學期望採用算術平均值代替，第i路信號去均值如下式:
[0045]xAt)=xAt)-TrlLx-(?(I)
A
[0046]去相關是通過特徵值分解Xtl的協方差矩陣氧》?其中D為馬,特徵值組成的對角矩陣，Q為對應特徵值的特徵向量組成的矩陣，得到白化矩陣T = D_1/2Qt，由變換z = Tx0得白化信號z。
[0047]步驟3:採用EASI算法分離混合的數位訊號為單個振動點的加速度，具體過程:
[0048]第I步,隨機初始化分離矩陣W。，y (k) = W0Z ；
[0049]第2步，通過式
W(i + 1) =W(I)+ //A{I — y(k)y(kf ^i(y(k))y(k)T + y(/c)^(y(A))T}W(lr)更新權值矢量 ffk+1 ；
[0050]第3步，計算y (k) = Wk+1z,歸一化,w =,廣丨丨;
[0051]第4步，如果I |wk+1-wk| I ^ ε，則算法不收斂，返回第二步，否則算法結束輸出W。
[0052]第5步，y = Wz,此時y的每一個行向量就是一個振動源的振動信號。
[0053]步驟4:把每一個振動源的波形和正常情況下的波形相對比，如果有一路波形不正確則說明該齒輪箱中機械部件存在故障。
[0054]實驗
[0055]實驗裝置如圖3所示，由JZQ —250型齒輪減速器、抱閘、變頻器和交流電機等部件組成。齒輪I至4的齒數依次是30、69、18、81。在剛性平臺上固定齒輪箱、抱閘和交流電機。實驗中用盤一抱閘產生的力矩作為齒輪的負載。減速器III兩端裝配6412型滾動軸承，減速器1、II軸兩端裝配6406型滾動軸承，各軸承參數參見表I。在齒輪箱上安裝6個加速度傳感器用於測量振動信號，圖4為傳感器的安裝位置。
[0056]表I齒輪箱各軸承幾何參數
[0057]
項 [Tl"""""Λ --/mmSSWii Wtmm 節徑/mm tii f °
個數
6406154^19,05606
6412306522,225958
[0058]實驗過程中，2號齒輪的一個輪齒發生斷裂，電機轉速為1795r/min，採樣頻率為1.0X 14Hz,軸旋轉頻率為:I 軸 29.91Hz，II 軸 12.98Hz，III軸 2.88Hz ;第一對齒輪(30/69)嚙合頻率為897.2Hz，第二對齒輪(18/81)嚙合頻率為233.6Hz。實驗結果如下:
[0059]圖5是測量信號的時域波形和頻譜圖，從圖中可以看出時域信號含有明顯的周期性衝擊成分，頻譜圖也發生了嚴重的調製現象，說明齒輪箱發生了故障。為了進一步判斷故障的位置和類型，圖7對測量信號在頻帶850-950HZ上的頻譜進行了細化，從圖中可以看到故障齒輪的嚙合頻率(898Hz)及其兩側的邊頻帶間隔約為13Hz。但是，同時也可以看到，另一對正常齒輪嚙合振動的四次諧波(935Hz)也包含其中，測量信號中，故障齒輪與正常齒輪振動信號混合在一起，其頻譜較為混亂，給故障診斷帶來了一定的困難，嚴重時甚至不能診斷出故障。這就是傳統故障診斷方法的不足:直接對測取的信號進行分析，判斷故障。而在複雜環境下測取的信號，往往是各種振源信號和周圍噪聲振動信號的混合，用傳統診斷方法直接分析這樣的信號很難準確診斷出故障。
[0060]圖6是用改進的EASI算法分離的結果，可以看出故障齒輪與正常齒輪的振動信號被分離開來。圖8是對分離後的信號進行頻譜細化的結果:圖8左半部分為故障齒輪的頻譜，只包含嚙合頻率及其邊頻成分，正常齒輪的頻譜基本上看不到了 ；而圖8右半部分只有正常齒輪的四次諧波及其邊頻成分。因此，利用現代信號處理中的ICA方法，可以有效實現齒輪箱振動信號的分離，對齒輪故障信號的特徵提取較為有利。
【權利要求】
1.一種基於獨立分量分析的EASI算法的機械故障診斷方法，其特徵在於: 步驟一:利用加速度信號採集系統，採集齒輪箱上不同點的加速度模擬信號，並對信號進行放大； 步驟二:利用模數轉換器，將步驟一中經放大後的加速度模擬信號離散化成數位訊號，然後用計算機對離散數據白化處理，先進行去均值處理，再通過去相關處理得到白化信號，即零均值不相關的高信噪比混合信號； 白化處理過程中，涉及的去均值表達式為 χ0ι(?=χ,(?^^Σχ,(?) 式中，Xtli表示去均值後的信號，Xi表示去均值前的數位訊號，N為測量點數，i =I, 2,..., N ;去相關處理後，白化信號z的表達式為z = Tx0i 式中，T為白化矩陣，且有T = D-172Qt ;其中，D為Xtli的協方差矩陣氧.?的特徵值組成的對角矩陣，Q為對應特徵值的特徵向量組成的矩陣=E(X0lXfZ) = QDQS 步驟三:對步驟二中得到的混合信號，採用一種基於獨立分量分析EASI算法進行處理，分離多路軸承信號，然後得到各個軸承上每個齒輪的加速度信號； 所涉及的各個軸承上每個齒輪的加速度信號獲取方法為: 第3.1步,隨機初始化分離矩陣Wci, y (k) = W0Z ； 第3.2步,通過式 W(* + I) =W(*)+A{I — y(k)y(kf —i(y(*))ypf + y(t)#(y(ft))T}W(ft)更新權值矢量Wk+1；
w 第3.3步，計算y (k) = Wk+1z,歸一化,*+1 =丨丨『+丨丨丨; 第3.4步，如果I |Wk+1_Wk| I彡ε，則算法不收斂，返回第2步，否則算法結束輸出W ; 第3.5步,計算y = Wz,此時y的每一個行向量就是齒輪箱中各個齒輪和軸承的加速信號; 步驟四:對所有軸承中每個齒輪的加速度信號的波形和正常運行下機械振動波形比較，若其中有一路波形不正確則說明該機械部件發生了故障；若說有的波形都是正常的才能說明該機械部件沒有發生故障。
【文檔編號】G01H17/00GK104182608SQ201410270084
【公開日】2014年12月3日 申請日期:2014年6月17日 優先權日:2014年6月17日
【發明者】呂淑平, 張 成, 都強 申請人:哈爾濱工程大學