文献翻译-利用光学传感器的机械振动分析

利用光学传感器的机械振动分析摘要国家光学研究所研制了一种用于采集数据的非接触式位移测量系统，用它来分析振动结构和机器中的机械振动。这些机械振动的分析需要大量的信号处理操作，其中包括：通过观察各种振动分类以确定系统条件，以及为了确定可能的趋势而检测振动的变化。此文还结合了监视系统的物理特性和上下文数据（操作方式等） ，允许某些特性评价，如疲劳、异常压力、寿命等，这就产生了一种按照应用程序类型对力学性能和结构断层的更高层次分类。一、引言由机械结构和电气设备产生的振动的研究仍然是一个非常流行的研究领域。机器的出现、越来越复杂的流程以及不断增加的开发和生产成本，使很多要求振动分析的应用领域的出现受到青睐。在这些应用领域中，我们可以发现机械检测1,模态分析 2,质量控制和环境测试。这些功能被应用于很多领域，像航空航天业，汽车工业3，能源生产4, 土木工程5 以及音响设备6 。这里描述的信号处理使用了一个国家光学研究所研制的激光测振仪来分析机械系统的振动。此项技术可用于上述众多应用程序中。问题的关键是要建立一个智能系统，这个智能系统要有能力确定基于振动分类的系统条件，检测振动的变化以及分析它们的发展趋势。对于各种可能的振动分类需要对正常和故障条件下的机械振动有一个先验知识；可能的情况下，提供系统的数学模型。后者在给解释提供好的意见方面往往是至关重要的，因为它预测了结构和正常振动的动态行为。由于定期性的系统激励或者机械系统的自然共振性，振动光谱一般是很憔悴的。改变振动信号可以导致振幅、频率和/或一个或者多个组件的相位的变化。此外，新的高峰可能会加到现有频谱中，或某些高峰淡出。变化也能以短期瞬态或者时间域尖峰的形式出现。在极端的情况下，如果振动变得很强以至于结构实际上开始发生变动，那么整体的振动水平也会发生变化，即会出现一个直流分量。上述所有变化可能逐渐发生，如疲劳应力使材料的性能慢慢恶化，或者变化也可能突然发生，如机器机械部分的断裂。他们也有可能定期或随机出现，这都取决于进程中产生的机械振动。对于多状态系统，变化必须被详细认真的解释。例如，旋转机械的操作速度从 A 提高到 B，振动分析系统不应把这一变化看作是机械故障导致的结果，而应该是让其自身去适应这一新型的运作模式。本文的结构如下：首先，激光测振仪的概述在第二部分提出，其次，机械振动分析的过程，包括信号处理将在第三节进行介绍。接下来，我们在第四部分给出齿轮系统振动分析的实例和和一些结果。最后，在第五部分做出总结。二、激光测振仪激光测振仪是一个传感器，它可以将相对位移转换成一个可用于数字信号处理的电信号。基于激光的系统可以提供一些超过传统加速度计的优势，因为测量是以非接触的方式进行，即，传感器不会影响测量系统的动态行为。这对于轻重量和低浓度的结构来说是特别重要的。在一些恶劣的环境，像高温、高压、电磁场中，振动可以被远程测量。激光测振仪的频率范围可以扩展到直流的情况，而这对于大部分加速度计来说是不可能的。因为测量的基本方式单位是激光的波长，所以没有校准的必要。激光测振仪的原理图如图一所示。该测振仪的光学部分是马赫曾德尔干涉仪。激光束分为指示移动目标的参考光束和测量光束；光束被反射回来形成干涉。极化，如图中箭头和原点所示，用于使光束正确结合。光束重组导致了干涉，因为移动目标改变了测量路径的长度，而参考路径的长度保持改变。当光束的相位差为 2 的整数倍，即一个波长 的整数倍时，检测到的光的强度是最大的。此外，为了提供的目标的运动方向，参考光束是一个带有声光调制器的单边带相位调制。图 1 激光测振仪原理图实际位移测量是通过计算（移动目标持续转变测量光束的阶段的）最大强度（或边缘）值来展示的。换言之，每计一次数意味着一个 的位移（即，移动 2 相位）被记录。请注意，在整个测量路径长度改变一个 对应实际移动/2 个相位。数字位移信号由一个（非图一中所示的）电子模块提供。电子模块的过滤器和检测器的信号解调成同相的（I）分量和正交（Q）分量。接下来，I和Q信号被转换为逻辑电平，送入一个正交解码器。通过解码所有的I-Q转换，位移分辨率有效提高了四倍。包含一个计数器触发和方向标志的解码器输出，驱动一个代表目标位移的计数器输出。由于正交解码器，一个1的计数表示一个/8的位移；这意味着对于一个波长=632.8nm的氦氖激光，最高分辨率为79.1nm。三、振动分析过程在振动分析工程中第一步就是确定一组可用于振动分析的参数。这些参数反映了系统的物理特性，每个参数代表一个特定功能的振动特征。这些参数可以通过直观的检查、简单推导或者试验数学模型来确定。图 2 所示为所用的机械振动分析系统。图2 振动分析系统第二步是创建一个基于这些参数设置的分类空间。该分类空间包含一个与正常动态行为对应的正常区域或子空间，还包含一个或更过与各种可能故障条件1 对应的故障区域。区域的获得是通过培训一组实际实验数据或者来源于模拟。然后每个区域形成一个分类空间集群。振动分析的信号处理要求满足三个目标。首先，为了测绘系统参数的振动特征，原始信号必须被调节和转化。第二，决策工具必须能够按照区分规则对观察到的参数进行分类来评估系统条件。用于选择观察参数所属分类区域的区分规则是基于现有模式识别技术。热门技术包括最近邻，神经网络，模板匹配，统计方法等。第三，合适的工具必须能够检测参数变化。观察到的趋势必须加以分析，以最终预测系统的未来行为。由于故障导致的振动信号的变化有内在的不稳定现象。固定分析技术的使用在一些观察信号变化缓慢的情况下有时是合理的，这也就提供了一种分段平稳信号。但是，这并不总是用于机械故障的情况。因此，变化通过非平稳转换技术进行了最好的分析。与固定技术不同，它们允许早期故障的检测，这里所说的的早期故障是指，在早期阶段经常以瞬变形式发生在非重复检测中的故障。在这种情况下，非固定技术应该用于信号到参数的转型任务。数据采集可以执行两种不同的模式：连续模式和采样模式。连续模式执行机械系统的非停止监视。在这种模式下，可以实时不断获取和处理数据。在示例模式下，有限长度的数据数据处理和收集可以实时或离线的方式进行。一个特定模式对另一个的选择就是应用程序的功能之一。请注意，趋势分析可以在任一模式下，而且可以覆盖多时间尺度。四、应用：齿轮系统振动分析系统可用于检测齿轮断齿。我们想要研究的缺陷类型是齿轮上断齿的存在。接触点上断齿的通道会引起齿轮上应用负载的间断，造成每一次轮转8 产生一次脉冲。因此，该信号可以数学化描述如下： )()(enethtmv在这里，Te代表接触区间，he是轮齿接触点产生的信号，定义区间是0,Te。调制任期m（t）的定义如下： prrtht)(1)(在这里， 代表有缺陷轮齿的自转周期， 是由于断齿产生的脉冲信号，rTr定义区间是 。,0更确切地说，机械系统由两个齿轮，15牙（齿轮1）和另36牙（齿轮2）组成。下面对三个案例进行分析。案例A是两个毫无缺陷的齿轮的情况。案例B是齿轮1有坏齿而齿轮2正常的情况。案例C齿轮2有坏齿而齿轮1正常的情况。为了描述缺陷特征，我们已经使用了自相关的振动特征光谱，表示为：)1(,.210 )(1)()( 210 0 NnXNnXCnX这里， 是长度 的振动特征向量， 是频率指数， 是频率位移系数。自相关检测自身频谱的关联度。如果光谱有等距离的频率分量，自协方差谱将包含在与频率组件对应的频率位移中。图 3 显示了操作的执行。我们将重点放在（与缺陷齿轮转速对应的）频率为 19.5 和 46.9HZ 处的最大值上。我们进行了多次测量。将结果进行二维空间的分类（如图 4） 。三个案例的分区是清晰可见的。这些区域通过使用主要组件技术获得。在此方法中，每个区域由一个面向协方差矩阵特征910的椭圆分隔。图 3 系统参数的计算我们应该指出，并不排除所有其他缺陷（一个不同的坏齿）会被划分到三个分类之一中。由于我们只使用了 19.5 赫兹和 46.9 赫兹的频率分量的频谱倍数，所以其他频率一起的现象可检测和属于三个类别之一。偏差或偏心齿轮是在旋转的频率谐波中产生光谱成分的情形下的两个例子。此外，由于我们只限于这三个分类，在模型中不予考虑的缺陷（例如两个坏齿）无法检测到。因此，我们在仪器的使用和在其结果的物理解释上必须要慎重。另一个重要因素是转速。在我们的实验中，齿轮系统的转速恒定，造成光谱成分在固定的位置。该系统的参数在一个平均值附近左右震荡。以卡车齿轮箱为例，速度的增加或减小会产生错误的结果，因为我们的系统是在一定的速度下进行校准的。图 4 空间分类五、结论我们已经使用了国家光学研究所发明的振动分析系统来检测和描述齿轮坏齿的特征。我们的结果表明，基于激光的测量系统可以检测齿轮缺陷，并成功地将它们归类。该系统具有高灵敏度和高精确性。六.参考文献l J. H. Williams, and A. Davies, “System condition monitoring - an overview”, Noise and Vibration Worldwide, September 1992, pp. 25-29.2 S . Braun, Mechanical Signature Analysis. Academic Press, London.3 SPIE - The International Society for Optical Engineering Proceedings of the First Intemational Conference on Vibration Measurements by Laser Techniques: Advances and Applications, October 3-5, 1994, Ancona, Italy.4 62bme congrks de IAcfas, Recueil des Publications du Colloque sur leTechniques de Conception Vibratoires et Acoustiques, May 16-20, 1994, Montreal, Canada.5 C. Williams, “The role of vibration testing for large structures”, Noise and Vibration Worldwide, July, 1992, pp.6 J. J. Ramskov, “See the light with non-contact vibration measurements”, Noise and Vibration Worldwide, July, 1990,7 M. J. Dowling, “Application of non-stationary analysis to machinery monitoring”, I993 IEEE Intemational Conference on Acoustics, Speech, and Signal Processing, pp. 159-162.8 The Institution of Mechanical Engineers (1980), Proceedings of the Second International Conference on Vibrations in Rotating Machinely, September 1-4, 1980,Cambridge,