（热能工程专业论文）基于小波和分形理论的旋转机械故障诊断应用研究.pdf

华北电力大学硕士学位论文摘要 摘要 针对离心风机的运行状态判别和多类故障诊断问题，对电厂离心风机几种常见 机械故障进行试验，对其产生机理进行了深入地试验研究。在此基础上，运用小波 理论对其初始特征振动信号进行降噪处理和小波多分辨分解、小波包分解处理，分 析故障状态表现的不同特征，进行定性的故障诊断，计算所得信号的分形维数，量 化故障特征，进行定量的故障诊断，实现故障类型的判别及确定故障的敏感频带。 诊断结果表明上述方法明显的优于传统的基于f f t 的诊断方法，尤其对于非稳态故 障信号，有很强的直观性和区分度，是一种有效的风机状态监测和故障诊断方法。 关键词：风机，故障诊断，小波，分形 a b s t r a c t i na c c o r d a n c ew i t ht h ep r o b l e m so ft h ef a nc o n d i t i o nm o n i t o r i n ga n df a u l td i a g n o s i s ， s e v e r a lk i n d so fc o m m o nm e c h a n i c a lf a u l t so ft h ef a ni st e s t e di nal a r g ef a nt e s t b e da n d t h ef a u l tm e c h a n i s ma n di t ss p e c t r u mc h a r a c t e r i s t i ca r er e s e a r c h e d o nt h i sb a s i s ，u s i n g t h ew a v e l e tt h e o r yt od e - n o i s et h ei n i t i a lc h a r a c t e r i s t i cv i b r a t i o ns i g n a l ，u s i n gw a v e l e t m u l t i r e s o l u t i o na n a l y s i s ，w a v e l e tp a c k e ta n a l y s i st oa n a l y z i n gd i f f e r e n tc h a r a c t e r i s t i c s o ft h ef a u l t s t a t e s ，m a k eq u a l i t a t i v e f a u l t d i a g n o s i s ；a n dc a l c u l a t i n gc o r r e l a t i o n d i m e n s i o no ft h es i g n a lo fi n c o m e s ，q u a n t i z i n gc h a r a c t e r i s t i c so ff a u l t ，m a k eq u a n t i t a t i v e f a u l td i a g n o s i s ，r e a l i z et h ed i s c r i m i n a t i o no ft h ef a u l tt y p e ，a n dc o n f i r mt h es e n s i t i v e f r e q u e n c yb a n do ft h ef a u l t s b a s e do nt h ea b o v ea n a l y s i s ，p r o p o s i n gw a v e l e tc o r r e l a t i o n d i m e n s i o n ，w a v e l e tm u l t i - r e s o l u t i o nc o r r e l a t i o nd i m e n s i o n ，w a v e l e tp a c k e tc o r r e l a t i o n d i m e n s i o n ，w a v e l e ta p p r o x i m a t ee n t r o p yt h em e t h o d so ff a u l td i a g n o s e r e s u l ts h o w st h a t t h ea b o v em e t h o di ss u p e r i o rt ot h et r a d i t i o n a l d i a g n o s i sm e t h o db a s e df f t , w h i c hi s m o r ev i s u a la n dc a p a b l eo fs p e c i f i c a t i o n i ti sak i n de f f e c t i v em e t h o do fm o n i t o r i n ga n d f a u l td i a g n o s i so ff a n t i a nj i n ( t h e r m a lp o w e re n g i n e e r i n g ) d i r e c t e db yp r o f - g uj u n ji e k e y w o r d s ： f a n ，f a u l td i a g n o s i s ，w a v e l e t ，f r a e t a l 华北电力大学硕士学位论文摘要 摘要 针对离心风机的运行状态判别和多类故障诊断问题，对电厂离心风机几种常见 机械故障进行试验，对其产生机理进行了深入地试验研究。在此基础上，运用小波 理论对其初始特征振动信号进行降噪处理和小波多分辨分解、小波包分解处理，分 析故障状态表现的不同特征，进行定性的故障诊断，计算所得信号的分形维数，量 化故障特征，进行定量的故障诊断，实现故障类型的判别及确定故障的敏感频带。 诊断结果表明上述方法明显的优于传统的基于f f t 的诊断方法，尤其对于非稳态故 障信号，有很强的直观性和区分度，是一种有效的风机状态监测和故障诊断方法。 关键词：风机，故障诊断，小波，分形 a b s t r a c t i na c c o r d a n c ew i t ht h ep r o b l e m so ft h ef a nc o n d i t i o nm o n i t o r i n ga n df a u l td i a g n o s i s ， s e v e r a lk i n d so fc o m m o nm e c h a n i c a lf a u l t so ft h ef a ni st e s t e di nal a r g ef a nt e s t b e da n d t h ef a u l tm e c h a n i s ma n di t ss p e c t r u mc h a r a c t e r i s t i ca r er e s e a r c h e d o nt h i sb a s i s ，u s i n g t h ew a v e l e tt h e o r yt od e - n o i s et h ei n i t i a lc h a r a c t e r i s t i cv i b r a t i o ns i g n a l ，u s i n gw a v e l e t m u l t i r e s o l u t i o na n a l y s i s ，w a v e l e tp a c k e ta n a l y s i st oa n a l y z i n gd i f f e r e n tc h a r a c t e r i s t i c s o ft h ef a u l t s t a t e s ，m a k eq u a l i t a t i v ef a u l td i a g n o s i s ；a n dc a l c u l a t i n gc o r r e l a t i o n d i m e n s i o no ft h es i g n a lo fi n c o m e s ，q u a n t i z i n gc h a r a c t e r i s t i c so ff a u l t ，m a k eq u a n t i t a t i v e f a u l td i a g n o s i s ，r e a l i z et h ed i s c r i m i n a t i o no ft h ef a u l tt y p e ，a n dc o n f i r mt h es e n s i t i v e f r e q u e n c yb a n do ft h ef a u l t s b a s e do nt h ea b o v ea n a l y s i s ，p r o p o s i n gw a v e l e tc o r r e l a t i o n d i m e n s i o n ，w a v e l e tm u l t i - r e s o l u t i o nc o r r e l a t i o nd i m e n s i o n ，w a v e l e tp a c k e tc o r r e l a t i o n d i m e n s i o n ，w a v e l e ta p p r o x i m a t ee n t r o p yt h em e t h o d so ff a u l td i a g n o s e r e s u l ts h o w st h a t t h ea b o v em e t h o di s s u p e r i o rt ot h et r a d i t i o n a ld i a g n o s i sm e t h o db a s e df f t , w h i c hi s m o r ev i s u a la n dc a p a b l eo fs p e c i f i c a t i o n i ti sak i n de f f e c t i v em e t h o do fm o n i t o r i n ga n d f a u l td i a g n o s i so ff a n t i a nj i n ( t h e r m a lp o w e re n g i n e e r i n g ) d i r e c t e db yp r o f g uj u n ji e k e y w o r d s ： f a n ，f a u l td i a g n o s i s ，w a v e l e t ，f r a e t a l p 士= i明明 本人郑重声明：此处所提交的硕士学位论文基于小波和分形理论的旋转机械故障 诊断应用研究，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究 工作和取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不 包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机 构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在 论文中作了明确的说明并表示了谢意。 学位论文作者签名：通坠e t期： 关于学位论文使用授权的说明 m 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、 并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手 段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为 目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播学 位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：堑选 日 期：礁筚望日 导师签名：釜翌鱼奎 华北电力大学硕士学位论文 第一章绪论 1 1 机械设备故障诊断的现状及其发展趋势 “工欲善其事，必先利其器 。为促进国民经济迅速持久的发展，确保电力、 冶金、交通、矿山、石化、炼油、军工、建材等工矿企业中的机电设备高效、可靠、 安全运行是至关重要的【l 】。机电设备的状态监测与故障诊断技术正是为企业“利其 器 服务。随着科学技术的迅猛发展，现代工业生产的机械设备正朝着大型化、复 杂化、高速化、系统化、自动化和大功率方向发展，其结果就是：生产系统本身的 规模越来越大，性能指标越来越高，机械结构日趋复杂，生产系统各级生产环节和 设备不同部分之间的相互联系、耦合也更加紧密【2 儿3 。一方面，生产过程的大型化、 系统化和连续化使得某一局部出现故障就有可能引起链式反应而造成设备、生产过 程甚至整个系统无法正常运转。另一方面，现代化的生产设备在提高劳动生产率、 节省人力和物力的同时，系统故障单位时间造成的损失也成倍的增加。因此，现代 工业生产对设备运行的安全性和可靠性提出了越来越高的要求。作为电力、化工、 石化等行业的关键设备，由于价格昂贵等原因，很多都没有配备备用设备，一旦出 现故障将给企业国家造成巨大的经济损失和严重的社会影响【4 儿5 1 。 机电设备的诊断过程基本上可以分为三个步骤：第一是诊断信息获取；第二是 故障特征提取；第三是状态实别和故障诊断【6 】。诊断过程的关键是从动态信号中提 取故障特征，信号处理是特征提取最常用的方法。随着人们对故障诊断的日益重视， 设备的状态监测与故障诊断技术也不断发展起来，诊断分析方法也在不断完善。目 前的诊断方法大致可分为以下几种类型：一是采用传统的f f t 方法从信号的频域特 征，对设备故障进行人工分析和诊断；二是采用专家系统的推理模式来进行智能诊 断；三是在现代神经生理学的研究基础之上，通过模仿大脑神经元的功能而建立的神 经网络诊断模式；四是采用模糊聚类的方法进行设备的模糊诊断【7 】【8 】【9 】。从诊断的效 果来看，每种方法都有各自的特点。在设备故障属于稳态的工作情况下，采用传统 的f f t 方法进行诊断比较有效且应用最为广泛。对于专家系统和神经网络等智能诊 断来说，由于受到数据库、知识库的故障案例的完备性、以及实际故障特征的随机 性和多样性的限制，在一定程度上影响了其在故障诊断中的应用和发展【m 以2 1 。 当前，以微型计算机为中心的现代机械设备故障诊断技术得到迅速发展。随着 传感器技术的发展，诊断的信息源不断扩大，新的诊断技术不断出现，如油液分析 技术、噪声监测技术、红外测温技术、声发射技术、无损探伤技术及数学诊断法等。 其中，数学诊断方法包括基于贝叶斯决策判据及基于线性与非线性判别函数的模式 华北电力大学硕士学位论文 识别方法、基于概率统计的时序模型诊断方法、小波分析法、模糊逻辑、专家系统 和神经网络等方法的应用，极大地推动了故障诊断技术的发展【6 】【7 1 。 从8 0 年代开始，我国很多高校和科研机构都开展了故障诊断技术的研究并取 得了丰硕的成果。我国的学者把多种最新的方法综合应用于机械故障诊断领域，创 建了一系列故障诊断理论与方法，如统计自学习技术、灰色系统理论、时间序列诊 断技术等，在理论方面的研究已经接近国际先进水平：在应用开发研究方面，也取 得了一定的进展，如哈尔滨工业大学研制的“大型机组振动微机监测与故障诊断系 统 ，中国科学技术大学研制的“连轧机组状态监测与故障诊断专家系统 等，在 实际应用中已经取得了一定的经济和社会效益，故障诊断技术已成为一门多学科交 叉的新兴的边缘学科【1 3 儿14 1 。 当今故障诊断技术正在向传感器的精密化、多维化，诊断理论、诊断模型的多 元化，诊断技术的智能化方向发展。具体表现在以下几个方面： ( 1 ) 与当代最新传感器技术尤其是激光测试技术的融合； ( 2 ) 与最新信号处理方法融合； ( 3 ) 与非线性原理和方法的融合。随着混沌分形理论的日趋完善，这一类诊断 问题将得到进一步解决； ( 4 ) 与多元传感器信息的融合； ( 5 ) 与现代智能方法的融合。设备状态的智能监测和设备故障的智能诊断，将 是故障诊断的最终目标。 工程设备运行状态干变万化，存在着大量的非平稳动态信号。机械设备在运行 过程中的多发故障，如剥落、摩擦、松动、爬行、冲击、裂纹、断裂、喘振、旋转 失速等，当故障发生或发展时将导致动态信号非平稳性的出现【7 1 。因此，非平稳性 可表征某些故障的存在。而且一些机电设备在运行中的阻尼、刚性、弹性力、驱动 力的非线性及动态响应的非线性，反映在动态信号上就是非平稳性。即使稳态运行 的旋转机械，当出现碰摩、冲击等故障时，其转子的阻尼、刚度、弹性力等都发生 变化，呈现出非线性，振动信号变得非平稳。种种情况表明，从工程中获得的动态 信号，它们的平稳性是相对的、局部的，而非平稳性是绝对的、广泛的。非平稳性 即信号的统计特性( 时域、频域特性) 和时间变化有关【6 】1 1 1 1 。 在电力、化工、冶金、机械等行业中存在大量的变工况、非平稳运行的机电设 备，它们的运行状态就是非平稳性、非线性状态；机械设备运行中的驱动力、阻尼 力、弹性力的非线性以及机械系统的非线性，往往也会使机械系统产生混沌运动【l2 1 。 大型风机转子的碰摩、松动等故障信号就是典型的非稳态信号。因此适用于稳态故 2 华北电力大学硕士学位论文 障诊断的传统的傅立叶变换方法( f f t ) 遇到了问题1 1 3 1 6 】。近几年来迅速发展的小 波变换( w a v e l e tt r a n s f o r m ) 和分形理论( f r a c t a lt h e o r y ) 为非稳态、非线性故障信 号的分析注入了新的活力。小波变换以不同的尺度( 分辨率) 来观察信号，将信号 分解到不同的频带中，既看到信号的全貌，又看到信号的细节，具有多分辨能力。 克服了传统的f f t 的局限性，分形理论可以定量的描述不规则图形的分形维数。二 者有机结合为故障诊断提供了一种有效的诊断方法【1 7 l 【1 8 珈1 。 1 2小波变换和分形理论在故障诊断中的研究现状 1 2 1 小波变换在故障诊断中的研究现状 小波分析是自1 9 8 6 年以来由ym e y e r ，s m a l l a t 及l d a u b e c h i e s 等的奠基工 作而迅速发展起来的一门新兴学科，它是f o u r i e r 分析划时代的发展结果。小波分析 的应用研究是与小波分析的理论研究紧密地结合在一起的【2 1 】【2 2 1 。 1 9 8 9 年，m a l l a t 给出了多分辨分析概念的解释和计算的数学模型，采用r ( r ”) 的 正交小波基把原始信号分解到不同的时频空间中，并且给出了小波分解的塔式算 法，从而大大提高了运算的效率【2 引。o r j o u t 和m v e t t e r l i 建立了重构信号的充分 必要条件，提出了重构算法和估计标架参数的方法。d a u b e c h i e s 对正交小波基以及 具有紧支集的正交小波基的建立作了详细的分析，构造出了具有紧支集的正交小 波：d a u b e c h i e s 小波【2 引。m a l l a t 利用连续小波变换，对具有不规则性和瞬态冲击的信 号进行了分析研究，解释了这些奇异性信号的数学特性，并且证明了通过求解小波 分解局部最大值可以检测出信号的不规则点即奇异点。正如前面提到的那样，小波 的应用一直是伴随着小波理论的发展而不断发展着，随着小波理论的不断完善，小 波的应用越来越广泛，在图像处理、地震信号分析等许多方面也都有出色的应用。 与此同时，小波在振动监测故障诊断方面的应用也逐渐在国外发展起来。d a v i d e n e w l a n d 阐述了正交小波的理论及其在振动信号分析中的应用，构造了一种新的小 波：谐波小波，并以实际的例子说明了如何利用小波谱对振动信号进行分析及其优 点，并简单地讨论了不同小波的表现形式及其算法，说明了小波在振动检测、瞬态 信号分析和降噪方面的应用【卜3 1 。 1 2 2 分形理论在故障诊断中的研究现状 分形理论是非线性科学中的一个活跃数学分支，其研究的对象是在非线性系统 中产生的不光滑和不可微的几何形体，对应的定量参数是分形维数。分形理论的初 创形式是分形几何学，是更接近于现实世界的数学，由m a n d e l b r o t 在7 0 年代中期 所创立，自1 9 8 2 年m a n d e l b r o t 出版自然界的分形几何学一书以后，分形就逐 渐变成科学家们最兴奋最热烈讨论的概念之一【1 5 】【2 5 1 。 q l , w 华北电力大学硕士学位论文 自然界自相似结构几何表现的分形以及自然界中自相似结构的生长问题是当 前国际非线性研究的重大前沿课题，它的研究和应用引起了物理学、地球化学、生 物学、医学及材料科学等方面的广泛兴趣。同样分形理论的应用研究也在信号分析 领域逐渐发展起来。对于信号检测方面，国外的研究主要是应用分形理论来分析l f 现象【2 6 】。1 f 过程是具有很强相关性的非稳态过程，当前的状态与过去和未来的状 态均有同样的相关性，通过对此过程的分解和合成算法的实现，来去除分解系数之 间的相关性达到对数据的更精确的分析。而对于具有这种1 f 过程性质的现象，分 形布朗运动和分形高斯噪声进行了详细的分析讨论，说明了分形布朗运动这种过程 可通过一个简单的参数即分形维数来加以识别，并通过对于这种l f 过程的分形特 性的识别和区分，来进一步提高信噪比，增加对有用信号的识别精度【1 4 。16 1 。国内有 一些研究者利用分形理论进行机械设备的故障诊断研究。提出了把关联维数用于大 机组振动信号的分析，通过对一些带有低频噪声的复杂故障信号的分析结果表明， 信号在伪相空间中具有不同的关联维数，并对不同的故障信号的关联维数加以对 比，得出了一些带有有色噪声的振动信号具有有限的低维维数，而有的故障信号关 联维数却是高维的。同样也利用了关联维数对于旋转机械的常见故障进行识别，认 为不同的故障由于其内在的生成机制不同而存在着不同的关联维数，从而可借助于 维数的不同分布来区分不同的故障【2 6 2 引。 分形理论与小波分析有着密切的联系，小波函数构造中的整体正则性和局部正 则性，象分形一样，可用维数和h o l d e r 指数量度，运用m a l l a t 算法，可使迭代收敛 于分形函数。另一方面，小波变换能将信号作为一个既是时间又是频率的函数，因 此小波变换可作为分形体在不同长度标度的自相似性的一种合乎自然规律的工具。 小波变换类似于数学显微镜，具有放大和移位功能，是分析分形局部奇异性的有效 工具1 2 卜3 0 j 。对于两者的密切联系，国外学者进行了很多分析研究通过对小波变换和 多分辨分析作用下的分形特性的研究，构造出了自仿射系统的分形结构，为处理此 类变尺度函数提供了一种新的方法。对于那些具有统计自相似性的信号在小波分析 的基础上来分析信号的分形特性，这种自相似信号是基于确定性的尺度不变的特 性，由正交小波基简单的表达出来。在国内，也有一些学者进行分形和小波方面的 研究工作，说明了分形信号和小波变换在自相似方面的相关性，以及对于稳态和非 稳态信号的均值、方差、自回归谱、分布函数等的关系。在故障监测诊断领域里， 从查阅的文献来看，很少有人从事这方面的工作，这也说明了综合利用小波和分形 的内在相似性进行故障监测诊断是一个尚待开发的领域【3 0 1 。 1 3 本论文的主要研究工作 本实验选取华北电力大学风机实验室的g 4 7 3 n o 8 d 风机进行试验。采样频率 4 华北电力大学硕士学位论文 为2 0 0 0 h z ，采样点数2 0 k ，键相信号，风机转速为1 5 0 0 r p m 。利用小波理论和分形 理论对风机正常工作状态、质量不平衡状态、轴承不对中状态、动静碰磨状态、轴 承松动状态等不同工作状态下测得的振动数据进行分析( 动静碰磨为弹性块碰，轴 承松动为松轴承卡点) ，提出小波理论和分形理论相结合的故障诊断方法，力求提 高故障状态的分辨率和诊断效率。 ( 1 ) 基于传统的f f t 的经典信号处理方法，只能提供相应信号的整体统计平均 结果，无法得出时域和频域中非平稳信号的局部化结果。而信号的非平稳性和突变 性恰恰是反映设备状态和故障的重要信息。小波变换具有描述信号的频域随时间变 化的情况或信号在某时刻附近的频域分布的特性，非常适用于探测正常信号中夹带 的瞬态反常信息，对非平稳信号具有非常好的局部化效果。将小波降噪理论应用于 设备振动信号，滤除信号中的确定性噪声、随机噪声，提取淹没在噪声中的微弱信 号，实现信噪分离为设备运行状态的准确监测提供前提条件。小波降噪、小波包降 噪、为设备运行状态的数据分析和故障特征提取提供了新的手段。 ( 2 ) 将分形理论与小波理论相结合，即利用分形理论可以定量的描述混沌图 形的特性，计算小波降噪、小波包降噪后信号的分形维数，把复杂的故障的振动信 号用一个分数来表示，量化诊断结果，使结果更加简单、直观，进而达到识别故障 类型的目的。 ( 3 ) 将分形理论与小波理论相结合，对设备故障状态下的振动信号进行基于 小波多分辨的整体分形指数以及局部分形指数分析研究，克服分维数描述设备故障 时不能详细描述信号的局部细节的不足，利用局部分形指数确定设备故障的敏感频 带，实际应用中，在保证诊断精度的前提下对敏感频带进行分析计算，这样可以有 效地减少运算量，缩短诊断时间，提高诊断效率。 ( 4 ) 将基于小波多分辨的整体分形指数以及局部分形指数作为设备故障诊断 和状态监测的重要依据，并与传统的诊断方法相结合，可以提高判断设备运行状态 的准确率，对保证设备的安全可靠运行具有重要意义。 5 华北电力大学硕士学位论文 第二章风机常见振动故障的试验 振动信号中包含了丰富的机械状态信息，是旋转机械运行状态最常见的外部表 现形式。当机械的状态发生变化时，其振动形式也将随之发生改变。利用适当的数 学方法，对振动信号进行分析，可提取反映设备状态的信息。旋转机械是一大类机 械设备，各种类型的旋转机械由于其自身结构、运行条件的不同，其发生故障时的 振动信号也不尽相同。因此，对某一具体旋转机械设备进行故障诊断工作，就有必 要通过试验取得该类设备在各种故障状态下的振动信号，并对信号进行分析从而区 分不同的故障类型，达到故障诊断的目的【6 】【7 j 。 本章针对电厂风机运行中常见的几种典型机械故障转子质量不平衡、转子 不对中、轴承松动和转轴碰摩，在华北电力大学风机实验室离心风机上进行故障模 拟。每种故障状态下，针对不同的空气流场状况，不同的故障严重程度，取得各运 行工况下的故障样本集。 2 1通风机试验台简介 本论文所用的通风机试验台由离心式通风机、入口管道、出口管道、入口集流 器、节流锥和变频调速器组成。离心通风机是山东省莱芜市风机厂生产的 g 4 7 3 n o 8 d 离心通风机，通风机主要由叶轮、机壳、进风口、入口导流器及传动部 分组成，如图2 1 所示。离心通风机输送的介质是空气，最高温度不得超过8 0 。 ( 1 ) 叶轮1 2 片后倾机翼斜切的叶片焊接于锥弧形的前盘与平板形的后盘中间。 由于采用了机翼形叶片，保证了风机高效率、低噪声、高强度； ( 2 ) 机壳是用普通钢板焊接而成的蜗形体。n o 8 机壳被做成整体结构，不能拆 开； ( 3 ) 收敛、流线型的进风口制成整体结构，用螺栓固定在风机入口侧； ( 4 ) 入口导流器是用来调节风机流量的装置，轴向安装在进风口的前面。调节 范围由0 0 ( 全开) 到9 0 0 ( 全闭) 。入口导流器的扳把位置，从进风口方向看在右侧， 扳把由下往上推是由全闭到全开方向； ( 5 ) 传动部分的主轴由优质钢制成，本风机采用滚动轴承，轴承箱采用整体的 筒式轴承箱。润滑油采用3 0 号机械油，加入油量按油位标志的要求。 通风机额定转速是1 4 5 0 r m i n ，流量为1 6 15 6 3 0 9 9 3 m 3 h ，全压为1 4 0 0 2 1 0 4 p a 。 电机型号为y 1 8 0 l 4 ，额定功率为2 2 k w 。 变频调速器采用日本三菱公司生产的三菱变频调速器f r f 5 0 0 。f r f 5 0 0 共有 6 华北电力大学硕士学位论文 外部操作模式、p u 操作模式和外部p u 组合操作模式三种操作模式，本论文采用 p u 操作模式。在p u 操作模式下可以通过按m o d e 键柬改变监视显示，参数值的 没定可以用数字键设定也可| 三i 用上下箭头增减川。 22 振动故障试验 图21 通风机现场布置图 通风机常见故障大多数都直接与转子或转轴的运动有关，如不平衡、不对中等。 而且出现故障时，转子或转轴上振动的变化比轴承座及外壳要敏感得多，因此监测 转子或转轴比测试轴承座或机壳的振动信息更为直接和有效。目前大多数振动测试 试验都是在标准转子振动试验台上进行的，在标准转子振动试验台上进行试验相对 简单，属于理想状态下的工况，但是和现场的通风机还是有一定区别，现场的通风 机常常叠加各种噪声和干扰因此我们选择在华北电力大学通风机实验室内的 g 4 - 7 3 n o8 d 通风机上进行不平衡故障和不对中故障等振动测试试验，并进行相应的 数据采集与分析【6 】。 2 21 风机试验系统 实验室风机试验系统如罔2 - 2 所示。由变频器调节风机转速，由风机入口挡板 7 华北电力大学硕士学位论文 和出口阻力节流锥调节风机运行时的空气动力工况，实现风机各试验工况的调节。 2 2 2 振动测试系统 图2 2 实验室风机试验系统 振动信号经传感器将位移信号转化为电信号，然后经信号适调器、数据采集卡 进入计算机进行分析处理。由于通风机振动信号频率较低( 4 0 x r p m ) ，选择德国 申克公司i n 8 1 一体化电涡流位移探头， 所示。其中，# l 传感器检测键相，# 2 、 灵敏度为- 8 m v p , m 。传感器布置如图2 2 # 3 、# 4 、# 5 分别测量轴承箱两侧轴的 水平、竖直方向振动位移信号，# 6 测量联轴器处轴的轴向位移信号。对以上六个 通道的振动位移信号采用p c b 公司生产的4 8 1 信号适调器进行可调低通滤波，采用 u e i 公司生产的p d 2 m f s 高速同步采样卡对六个通道进行同步采样。对应不同的转 速设定对应的采样频率和滤波频率【6 1 。 2 2 3 振动测试试验方案 ( 1 ) 振动测试中的基本参数 为了准确、有效地掌握机械设备在运行中所处的状态，必须首先取得有关的信 息，这些信息也就是在诊断过程中需要监测的基本参数，其中包括描写振动状态的 动态参数( 如振幅、频率、相角、振动形式和振型等) ，描写位置的静态参数( 偏 心位置、轴向位置、差胀和机壳的膨胀等) 以及其它参数( 转速、温度、压力和流 量等) 。 r 华北电力大学硕士学位论文 图2 - 3 振动位移传感器布 传感器的输出主要有位移( x ) 、速度( v ) 及加速度( 口) 等三种，以及由这三种参数 构成的简单统计量，如峰一峰值o 9 - 9a p 叩等) ，均方根值p ，x 一等) ，平均值 ( x ，1 ，群) 。参数的选定主要与测定信号的频带范围有关。在位移信号中随着谐波分 量阶次的增加，其分量的幅值将逐渐衰减( 收敛性) 。因此位移参数对低频范围较 敏感而对高频范围较差，这是位移传感器高频响应较差的原因。对于速度及加速度 信号中，随着谐波分量阶次的增加，由于频率的放大作用( 1 ，= 2 班，a = ( 2 , 0 0 2 力，而 比相应位移分量的幅值要大的多。因此加速度参数对高频范围较敏感。基于这种分 析，实用上参数的选定可参考以下频率范围进行： 低频范围( 1 0 1 0 0 h z ) 一位移 p p ，x p ，x ，x 邯等) 中频范围( 1 0 1 0 0 0 h z ) 一速度( 1 ，棚) 高频范围( l k h z ) 加速度a ，a p p ) 本论文所用的g 4 7 3 n o 8 d 通风机的额定转速为1 4 5 0 r p m ，频率为2 4 h z ，所做 试验均在额定转速之下，所以选用位移作为测量参数。 ( 2 ) 测试部位的选择 测点是获得状态信息的窗口，要选择那些对故障反映最敏感、包含信息最丰富 的部位。试验台上的转轴和电机转子是绕同一轴线旋转的组件，由轴承支撑。旋转 组件上任何一个零部件出现故障都会在各个部位上有不同程度的反映。根据故障情 况和诊断内容的不同，本论文将测点选在主轴上。考虑到测点的偏移将导致测量值 有较大的偏差，因此测点选定后，所有的试验都保证在同一个测点上测量。本论文 共选择风机侧水平、垂直方向信号，电机侧水平、垂直方向信号，轴向信号和转速 信号等六路信号。 9 华北电力大学硕士学位论文 ( 3 ) 测量频段的确定 当分析通风机除轴承以外的其它机械故障时，可设分析频段为2 0 倍的基频， 本论文所做试验的最高转速为1 2 0 0 r p m ，频率为2 0 h z ，所以分析频段为0 - 4 0 0 h z 。 对于不同的故障类型，每个测点下的特征频率不相同，各测点对各故障的敏感 程度也不相同。现列表总结如下： 表2 - 1 离心风机故障特征和敏感测点统计表 各测点频谱特征 故障类型敏感测点 # 2# 3# 4# 5# 6 转子 lx l x1x1 x # 2 ，# 3 不平衡 转子1 x ，2 x# 2 ，# 4 ， 1 xl 1x1x 不对中 3 x # 5 ，# 6 轴承 lxlxl x l xl x # 2 ，# 3 ，# 4 松动 2 x2 x2 x 动静高次高次高次 1 l x # 2 ，# 3 ，# 4 碰摩谐波谐波谐波 2 2 3 本章小结 本章主要介绍了本论文中试验的基本情况，包括试验台及测试、采集系统概况， 试验方案包括主要参数，故障类型。简单概述了试验过程。可以为故障诊断提供最 佳的分析材料，进而得到更为准确的分析结果。使得可以更加准确的验证该方法的 有效性。 l o 华北电力大学硕士学位论文 第三章基于小波理论的信号降噪 工程应用中，实际振动信号往往含有一定量的噪声，且设备的运行过程中由于 各种因素的影响，所测得的信号可能是非平稳的，并且会含有许多尖峰和突变。对 此类信号进行分析，首先要进行信号的预处理，将信号的噪声去除，提取有用的信 号。另外，我们对振动信号的混沌与分形特征描述时，需要提取出设备的每一个零 部件的振动信号进行分析。传统的傅立叶分析是将信号在整个频域中进行分析，不 能反映信号在某个时间点上的变化，对这类信号分析，就显得无能为力了。由于小 波分析有良好的时域局部化性质，非常适合信号的预处理，为机械故障诊断中的非 平稳信号分析，弱信号提取、信号滤波等提供了一条有效的途径，我们将利用小波 分析具有的时频局域性，选择合适的小波函数对振动信号进行降噪和滤波，为进一 步提取振动信号中包含的设备故障特征做准备【1 2 】【1 3 1 。 小波分析( w a v e l e t a n a l y s i s ) 或多分辨率分析( m u l t i r e s o l u t i o n a n a l y s i s ) 是继 f o u r i e r 分析之后纯粹数学和应用数学完美结合的典范。信号处理专家则认为，小波 变换是非平稳信号时一频分析( t i m e f r e q u e n c y a n a l y s i s ) 的新理论；故障学学者认 为，小波分析是信号奇性识别之位置一尺度分析( p o s i t i o n s c a l ea n a l y s i s ) 的一种 新技术。小波变换已深深地扎根于科学研究和工程技术应用研究的许多领域【3 1 。3 3 1 。 小波变换在故障诊断领域的应用包括以下三个方面。 ( 1 ) 故障信号的降噪。小波变换可以作为一种信号预处理方法用于故障特征 信号的提取和信号降噪。适当的选取小波尺度，在这些尺度的小波基上对信号进行 重构，去掉高频、工频噪声频率段内的小波尺度，只保留系统运行信息和故障特征 信息，实现故障信号的降噪【l 引。 ( 2 ) 利用观测信号的奇异性进行故障诊断。利用小波变换模极大值可检测出 信号奇异点并展示其成分。利用连续小波变换的模极大值的传播特性可以区分噪声 和信号边沿，有效的检测出强噪声背景下的信号边沿。对突出性故障有较好的定量 诊断效果。 ； ( 3 ) 利用观测信号频率结构的变化进行故障诊断。振动系统的故障通常会导 致系统观测信号的频率结构发生变化，若能采取一定的措施消除系统状态变化以外 的因素对观测信号的影响，则利用离散小波变换分析观测信号的频率结构随时间的 变化情况，就可以提取故障特征频率，检测系统的故障【3 4 。3 7 1 。 华北电力大学硕士学位论文 3 1连续小波变换 3 1 1 连续小波变换的定义 设c , o ( t ) 是平方可积函数，记作缈( f ) r ( 尺) ，若其傅立叶变换y ( f ) 且满足条件： 亡学国 o ，f r 口 ( 3 2 ) 称仍，( f ) 为依赖于参数a ，f 的小波基函数。由于尺度因子a ，平移因子f 是取连续 变化的值。因此称仍，( f ) 为连续小波基函数3 9 1 。 将任意r ( r ) 空间中的函数厂( f ) 在小波基下进行展开，称这种展开为函数f ( t ) 的 连续小波变换其表达式为： 形丁，( 以，f ) = 一1 。if ( f ) 万( t - _ _ l j- 4 aa ) d f = 0 是尺度因子， f 位移因子。符号 代表内积： = 卜( t ) y ( t ) d t 妒叩( f ) ： 缈( t - r ) a a 1 2 ( 3 4 ) 华北电力大学硕士学位论文 是基本小波的位移与尺度伸缩。式( 3 3 ) 中不但，是连续变量，而且a 和f 也是连续 变量，因此称为连续小波变换【i 3 j ( c o n t i n u o u sw a v e l e tt r a n s f o r i l l ，简记c w t ) 。 小波变换同傅立叶变换一样，都是一种积分变换。由于小波基具有尺度a 、平 移f 两个参数，因此，将函数在小波基下展开，就意味着将一个时间函数投影到二 维的时间一尺度相平面上。并且，由于小波基本身所具有的特点，将函数投影到小 波变换域后，有利于提取函数的某些本质特征【l3 1 。从时频分析的角度来看，小波变 换具有如下特点：任意函数在某一尺度a 、平移点f 上的小波变换系数，实质上表 征的是在f 位置处，时间段口f 上包含在中心频率为o j o 口、带宽为a 国口频窗内的频 率分量大小。随着尺度a 的变化，对应窗口中心频率o j o 口及窗口宽度a o j 口也发生变 化。小波变换是一种变分辨率的时频联合分析方法。当分析低频信号时，其时间窗 口很大，而当分析高频信号时，其时间窗口减小。这恰恰符合实际问题中高频信号 的持续时间短、低频信号持续时间长的自然规律【l3 1 。 3 1 2 连续小波变换的性质 ( 1 ) 叠加性 设x o ) ，y ( f ) r ( 尺) 空间，白，也为任意常数，且x ( f ) 的c w t 为w t x ( a ，f ) ，y ( f ) 的c w t 为暇( 口，f ) ，则z ( f ) = 毛r r z ( a ，f ) + 如暇( 口，f ) 的c w t 为： 乃z ( 口，f ) = 毛阿互( 口，f ) + 如阿写( 口，f ) ( 3 - 5 ) ( 2 ) 时移不变性质 设x ( ，) 的c w t 为暇( 口，f ) ，则x ( t - t o ) 的c w t 为暇( 口，f 一，o ) ，即延时后的信 号x ( t - t o ) 的小波系数可将原信号x ( ，) 的小波系数在f 轴上进行同样时移即可。 ( 3 ) 尺度转换 设x o ) 的c w t 为暇( 口，f ) ，则x ( ，名) 的c w t 是 以观( _ a ，；) ， 五 0 j t 九 ( 3 6 ) 此性质表明，当信号在时域作某一倍数伸缩式，其小波变换在a ，f 两轴上也作同 一倍数伸缩，形状不变【13 1 。 1 3 华北电力大学硕士学位论文 ( 4 ) 内积定理( m o y a l 定理) 设_ ( r ) ，x 2 ( t ) el 2 ( r ) ，它们的c w t 分别为嘿( 口，f ) ，乙( 口，r ) ，也即： w r y , ( a ，丁) = ( 五( 矿) ，伤，f ( f ) ) 暇( 口，丁) = ( 吃( f ) ，仍，( f ) ) 则有m o y a l 定理： 其中【1 6 1 9 1 ( w t x , ( a , r ) ，w t 屹( a , r ) ) = q ( 五( f ) ，屯( f ) ) c 妒= 了学国 3 1 3 连续小波变换的逆变换 ( 3 7 ) 任何变换都必须存在逆变换才有实际意义，对连续小波变换而言，我们可证明， 若采用的小波满足可容许性条件，即满足式( 3 2 ) 则其逆变换存在，也即根据信号 的小波变换系数就可精确的恢复原信号，并满足下述连续小波变换的逆变换公式： x ( f ) = 百1 上7 d a 亡暇( 口，f 概，( f 渺 = 瓦1 玉孑d ae 旧b 力击疋手渺 其中q ：r 唑虼 0 ) 上的两个不同点( 口，f ) 和( 口，f ) 之间的c w t 系数的相关关系。 实际上这个再生核度量了每个小波基函数纯。的空间和尺度的选择性。因此，某些 情况下我们根据重建核的结构来选择最适合于给定问题的小波基。由于任意信号小 波变化的值在( 口，f ) ( 口r + ，f r ) 半平面上是相关的，因此某一点( 口0 ，) 处的小波变。 换值觋( ，f 0 ) 可以表示成半平面上其他各处小波变换系数的总贡献【4 纠8 1 ，即： m r j ( a o ，) = r 亨i ：暇( f ) 巧( ，；q 丁) 如 ( 3 - 9