基于改進(jìn)VMD算法的電機(jī)軸承異音識(shí)別與定位

楊 磊，王鏡淇，李 亮，高 帆，于 軒，唐國運(yùn)

(1.江蘇核電有限公司，連云港 222000；2.西安交通大學(xué) 機(jī)械工程學(xué)院，西安 710049)

電機(jī)組裝過程中產(chǎn)生的磕碰和異物進(jìn)入都會(huì)使軸承發(fā)生微弱損傷，如果無法及時(shí)識(shí)別異常軸承，將極大降低電機(jī)的使用壽命。當(dāng)電機(jī)出現(xiàn)故障時(shí)，其會(huì)產(chǎn)生明顯異音，如某核電冷卻水泵出現(xiàn)電機(jī)軸承異響的問題，通過現(xiàn)場(chǎng)拆解發(fā)現(xiàn)軸承游隙過大、安裝過程中異物進(jìn)入軸承內(nèi)部、軸承室儲(chǔ)脂空間過小是產(chǎn)生異音的原因[1]；某公司凝水泵電機(jī)大修時(shí)更換后的軸承出現(xiàn)異音，停機(jī)檢修發(fā)現(xiàn)軸承內(nèi)滾道存在麻坑，電機(jī)運(yùn)行時(shí)，滾珠與損傷的滑道相互摩擦而發(fā)出異音[2]。目前國內(nèi)企業(yè)主要通過人工聽音的方式對(duì)電機(jī)故障進(jìn)行識(shí)別，并利用接觸式傳感器采集電機(jī)運(yùn)行時(shí)的振動(dòng)數(shù)據(jù)以及聲音數(shù)據(jù)。雖然上述方法一定程度上可以實(shí)現(xiàn)故障定位，但其缺點(diǎn)在于人耳評(píng)判電機(jī)故障的主觀性較強(qiáng)，無法設(shè)定統(tǒng)一標(biāo)準(zhǔn)，且現(xiàn)場(chǎng)工人需反復(fù)聽音才能識(shí)別，效率較低、時(shí)間成本高。因此，通過傳感技術(shù)建立客觀指標(biāo)以準(zhǔn)確識(shí)別電機(jī)異音并對(duì)其進(jìn)行定位和診斷顯得十分必要。

當(dāng)現(xiàn)場(chǎng)人員反映軸承有異音時(shí)，一般采用振動(dòng)傳感器采集信號(hào)并進(jìn)行分析，常用方法為尋找原始信號(hào)共振帶，并進(jìn)行包絡(luò)解調(diào)，找出異音對(duì)應(yīng)頻率。如果異音頻率對(duì)應(yīng)軸承故障頻率及其倍頻，則可判定為軸承故障[3]。相比振動(dòng)信號(hào)，采用聲信號(hào)檢測(cè)的優(yōu)勢(shì)在于聲傳感器布置方便，可同時(shí)監(jiān)測(cè)多個(gè)對(duì)象。但由于聲信號(hào)受背景噪聲影響較大，故提取聲信號(hào)特征時(shí)難度更高[4-5]。相比于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)方法，變分模態(tài)分解(VMD)方法不僅可以將信號(hào)分解若干個(gè)本征模式分量(IMF)，又克服了EMD存在的模態(tài)混疊和過包絡(luò)等缺點(diǎn)[6]；但VMD分解需要人為確定兩個(gè)關(guān)鍵參數(shù)，即模態(tài)分解個(gè)數(shù)和懲罰因子。有學(xué)者對(duì)參數(shù)的自適應(yīng)選擇進(jìn)行了研究，WANG等[7]采用粒子群算法自適應(yīng)選擇參數(shù)，雖然可以獲得合適的參數(shù)值，但需要大量的迭代試驗(yàn)，降低了計(jì)算效率。

基于此，提出基于改進(jìn)VMD算法的電機(jī)軸承異音識(shí)別與定位方法。首先通過改進(jìn)VMD算法對(duì)電機(jī)聲音信號(hào)進(jìn)行分解得到多個(gè)IMF，根據(jù)峭度最大化準(zhǔn)則選擇最佳模式分量，進(jìn)而提取表征電機(jī)軸承異音的特征指標(biāo)；然后，利用聲音在空氣中的傳播特性，提出通過多點(diǎn)測(cè)量的方式進(jìn)行異音定位的方案；最后，通過現(xiàn)場(chǎng)數(shù)據(jù)分析和相關(guān)模擬試驗(yàn)驗(yàn)證了所提出方案的有效性。

1 VMD算法改進(jìn)和異音定位原理

1.1 VMD算法

VMD算法作為一種非遞歸信號(hào)分解方法，其本質(zhì)是將經(jīng)典維納濾波器推廣到多個(gè)自適應(yīng)波段對(duì)原始信號(hào)進(jìn)行分解處理。VMD算法是將信號(hào)分解成指定數(shù)量的有限帶寬模式分量，并最小化每個(gè)模式分量的估計(jì)帶寬之和。對(duì)于約束變分問題模型中的變分問題，一般通過引入懲罰因子和拉格朗日乘法算子，將其變?yōu)闊o約束問題，其擴(kuò)展后的拉格朗日表達(dá)式為[8]

L({uk},{ωk},λ)=

(1)

式中：K為模式分量數(shù);uk、ωk分別為信號(hào)模式分量及其中心頻率;f為輸入信號(hào)；α為懲罰因子;λ為拉格朗日乘法算子；δ(t)為脈沖函數(shù);j=sqrt(-1)。

其中，模態(tài)分量數(shù)K和懲罰因子α對(duì)分解結(jié)果影響很大，VMD中模式分量數(shù)和懲罰因子過多或者過少都將影響有用信息特征的識(shí)別精度。因此，在進(jìn)行VMD分解之前一般需要人為確定模式分量和懲罰因子，上述方式不確定性大，客觀性較強(qiáng)，且需較高的相關(guān)經(jīng)驗(yàn)。文章提出一種可以根據(jù)每個(gè)模式分量的頻率特性確定最佳懲罰因子α和模態(tài)分量數(shù)K的方法，實(shí)現(xiàn)了上述兩參數(shù)的自適應(yīng)選取。

1.1.1 最佳懲罰因子

根據(jù)現(xiàn)場(chǎng)實(shí)際振動(dòng)信號(hào)的頻譜分布特征，一些由轉(zhuǎn)頻等旋轉(zhuǎn)頻率主導(dǎo)的諧波主要位于中低頻區(qū)域，而周期性沖擊和噪聲干擾大多位于高頻區(qū)域。因此，基于VMD的信號(hào)分解過程將每個(gè)模式分量的中心頻率作為確定相應(yīng)懲罰因子的基礎(chǔ)。仿真研究表明，懲罰因子越大，信號(hào)分解的各模式分量對(duì)應(yīng)的中心頻率越精確，說明諧波成分對(duì)較大的懲罰因子更敏感。因此，如果模式分量的中心頻率小，則表明模式分量主要是諧波，應(yīng)選擇大的懲罰因子；如果模式分量的中心頻率大，則表明模式分量主要是周期性沖擊和噪聲，此時(shí)應(yīng)選擇較小的懲罰因子?；谏鲜鲅芯?，建立懲罰因子與模態(tài)分量中心頻率之間的映射關(guān)系，即

αk=0.4×e-0.000 8×fkc×fs/2

(2)

式中：αk為第k個(gè)模式分量的懲罰因子；fkc為第k個(gè)模式分量的中心頻率；fs為采樣頻率。

1.1.2 最佳模式分量數(shù)

由于不同的設(shè)備工作環(huán)境對(duì)信號(hào)的影響比較復(fù)雜，往往難以準(zhǔn)確估計(jì)信號(hào)的模式分量數(shù)。針對(duì)這種情況，基于重構(gòu)信號(hào)與原始信號(hào)的定量關(guān)系，提出由能量損失系數(shù)和皮爾遜相關(guān)系數(shù)來自適應(yīng)地確定信號(hào)的模式分量數(shù)K[9]，皮爾遜相關(guān)系數(shù)r可表示為

(3)

能量損失系數(shù)ζ可表示為

(4)

文章中以能量損失系數(shù)ξ和皮爾遜相關(guān)系數(shù)r作為確定模式分量數(shù)的指標(biāo)，根據(jù)經(jīng)驗(yàn)，將能量損失系數(shù)閾值設(shè)為0.01，將皮爾遜相關(guān)系數(shù)閾值設(shè)為0.995。當(dāng)r≥0.995或ξ≤0.01時(shí)，信號(hào)停止分解，從而確定最合適的模態(tài)分量數(shù)。

1.2 異音定位原理

聲源在空氣中傳播時(shí)，存在擴(kuò)散衰減、空氣吸收衰減以及反射面衰減等能量損失現(xiàn)象[10]。首先，擴(kuò)散衰減是指聲源在輻射聲波時(shí)，聲波向以聲波為中心的四面八方進(jìn)行傳播，且由于波陣面隨傳播距離的增加而增大，在此過程中聲能會(huì)在波陣面上發(fā)生分散，聲強(qiáng)將隨聲波的傳播距離的增加而衰減，即

(5)

式中：I為聲強(qiáng)；p為聲源功率；s為半球面型聲源輻射面積；r為傳播距離。

假設(shè)聲源傳播半徑為r0，則有

(6)

式中：I0為半徑為r0處的聲強(qiáng)。

另外，聲波在空氣中傳播時(shí)，空氣中相鄰質(zhì)點(diǎn)的運(yùn)動(dòng)速度不同，產(chǎn)生的黏滯力會(huì)使得聲能轉(zhuǎn)化為熱能散失掉，這種現(xiàn)象即為聲波在空氣中的吸收衰減[11]。聲波在空氣中的衰減程度與空氣的溫度、濕度以及聲波的頻率相關(guān)，即

I=I0e-ar

(7)

式中：I為距離聲源r處的聲強(qiáng)；a為衰減系數(shù)，其計(jì)算式為

(8)

式中：ω為聲波頻率；ρ為介質(zhì)密度；η為黏度系數(shù)；c為波速。

文章主要研究聲波在傳播至不同距離處的壓強(qiáng)大小，因此主要考慮聲音在傳播過程中的擴(kuò)散衰減和空氣吸收衰減?；谏鲜隼碚摽芍?，聲音在傳播過程中存在衰減損失，在不同位置處測(cè)得的聲強(qiáng)就各不相同，則當(dāng)測(cè)試點(diǎn)相距聲源不同距離時(shí)，根據(jù)所測(cè)得的聲音信號(hào)所提取的指標(biāo)也存在差異性。

基于上述研究，擬通過在不同距離處測(cè)量聲音，利用改進(jìn)VMD算法提取聲音信號(hào)中的特征信號(hào)，并計(jì)算其特征指標(biāo)，根據(jù)選定的聲指標(biāo)不斷逼近聲源，繼而實(shí)現(xiàn)聲源定位。異音源定位方法如圖1所示，其中s(x,y)為聲源位置，M1，M2，M3，…,Mn分別為距離聲源不同遠(yuǎn)近程度的測(cè)點(diǎn)，G1，G2，G3，…,Gn分別為在M1，M2，M3，…,Mn位置處測(cè)得的聲音特征值。

圖1 異音源定位方法示意

采用麥克風(fēng)傳感器進(jìn)行多次測(cè)試，并逐漸逼近以確定異音源，具體測(cè)試步驟分為3步。

(1) 初次測(cè)試，即測(cè)試人員在存在異響的工作室選定測(cè)試起始點(diǎn)，然后將傳感器測(cè)得的信號(hào)傳輸至平板電腦，利用平板電腦進(jìn)行信號(hào)特征提取和異音指標(biāo)計(jì)算等處理，處理軟件自動(dòng)生成特征值G1。

(2) 更換測(cè)試位置，進(jìn)行第二次測(cè)試，測(cè)試人員根據(jù)自動(dòng)生成的特征值G2判定變換測(cè)試位置的過程是遠(yuǎn)離還是接近異音源。

(3) 再次變換測(cè)試位置，分析過程同步驟(2)，進(jìn)而不斷逼近異音源，從而確定異音源的位置。

新的個(gè)稅法采用了按年納稅，工資薪金個(gè)稅預(yù)扣預(yù)繳采用了累計(jì)預(yù)扣法，并且還要在年終過后匯算清繳。收入的忽高忽低，對(duì)全年應(yīng)繳納的個(gè)稅總額不產(chǎn)生任何影響。

1.3 異音識(shí)別與定位方案

根據(jù)上述理論和分析，制定電機(jī)異音定位流程，其具體步驟為：① 采集不同位置的電機(jī)原始聲音信號(hào)； ② 用改進(jìn)VMD算法對(duì)不同位置的電機(jī)原始聲音信號(hào)進(jìn)行分解，得到各個(gè)模式分量的峭度指標(biāo)，將峭度指標(biāo)最大值對(duì)應(yīng)的模式分量作為最佳模式分量；③ 計(jì)算最佳模式分量的有效值和峭度指標(biāo)；④ 如果最佳模式分量對(duì)應(yīng)的有效值和峭度指標(biāo)均大于設(shè)定閾值，則判定電機(jī)異常，反之判定電機(jī)正常；⑤ 計(jì)算不同位置聲音信號(hào)的有效值，繪制RMS趨勢(shì)圖；

⑥ RMS(均方根值)最大的位置即為異音所在位置，從而實(shí)現(xiàn)異音源的定位。

2 現(xiàn)場(chǎng)數(shù)據(jù)分析與驗(yàn)證

2.1 現(xiàn)場(chǎng)振動(dòng)信號(hào)分析

核電測(cè)試人員利用移動(dòng)手機(jī)對(duì)電廠中存在軸承異音的電機(jī)進(jìn)行錄音，并采集了正常電機(jī)的聲音作為對(duì)比，正常電機(jī)和異常電機(jī)聲音信號(hào)的時(shí)域波形、頻譜和全頻帶包絡(luò)譜如圖2，3所示。

由圖2，3可知，正常電機(jī)和異常電機(jī)時(shí)域波形中周期性沖擊均不明顯，異常電機(jī)全頻帶包絡(luò)譜中也沒發(fā)現(xiàn)突出的軸承故障頻率。對(duì)比正常電機(jī)和異常電機(jī)的頻譜可以發(fā)現(xiàn)，異常電機(jī)頻譜成分較為復(fù)雜。

圖2 正常電機(jī)聲音信號(hào)

圖3 異常電機(jī)聲音信號(hào)

筆者通過對(duì)信號(hào)進(jìn)行分解，選擇信號(hào)的共振頻帶并提取隱藏的故障特征。由于VMD算法的本質(zhì)是將信號(hào)分解為若干頻段，并基于峭度最大化準(zhǔn)則選擇包含故障沖擊的最佳模式分量，最佳模式分量對(duì)應(yīng)的頻段即為信號(hào)周期性沖擊所在的共振頻帶。

采用改進(jìn)VMD算法對(duì)異常電機(jī)聲音信號(hào)進(jìn)行分解，各模式分量的時(shí)域波形(上圖)和頻譜(下圖)如圖4所示。

由改進(jìn)VMD信號(hào)分解結(jié)果可知，異常電機(jī)聲音信號(hào)被分解為6個(gè)模式分量。計(jì)算各模式分量對(duì)應(yīng)的峭度指標(biāo)，其結(jié)果如表1所示。

表1 異常電機(jī)各模式分量的峭度指標(biāo)

圖5 異常電機(jī)最佳模式分量時(shí)域波形和包絡(luò)譜

由圖5可知，異常電機(jī)聲音信號(hào)經(jīng)過改進(jìn)VMD分解后，最佳模式分量IMF6的時(shí)域波形中存在較為明顯的周期性沖擊，包絡(luò)譜中主要頻率為軸承內(nèi)圈故障特征頻率(79 Hz)及其倍頻成分，故障特征突出。由最佳模式分量頻譜可知，異常電機(jī)故障特征主要集中在5 500～9 500 Hz頻段范圍內(nèi)，該頻段為電機(jī)異音所在頻段。

為進(jìn)一步尋找能夠表征電機(jī)異音的指標(biāo)，分別計(jì)算正常電機(jī)以及異音電機(jī)在全頻帶和5 500～9 500 Hz頻段信號(hào)對(duì)應(yīng)的時(shí)域特征指標(biāo)，結(jié)果如表2所示，可見在全頻帶范圍內(nèi)，異音電機(jī)的時(shí)域指標(biāo)與正常電機(jī)的時(shí)域指標(biāo)差異較小。對(duì)于異音所在頻段(5 500～9 500 Hz)，異音電機(jī)的時(shí)域指標(biāo)明顯大于正常電機(jī)的時(shí)域指標(biāo)，筆者選用有效值和峭度指標(biāo)作為故障判定指標(biāo)，其中有效值閾值設(shè)為0.008，峭度指標(biāo)閾值設(shè)為3.5。

表2 正常電機(jī)和異音電機(jī)在全頻帶和5 5009 500 Hz頻段信號(hào)對(duì)應(yīng)的時(shí)域特征指標(biāo)

2.2 試驗(yàn)驗(yàn)證

為驗(yàn)證上述異音源定位方案的可實(shí)施性及有效性，開展異音源定位模擬試驗(yàn)進(jìn)行驗(yàn)證。首先，針對(duì)距離異音源遠(yuǎn)近對(duì)異音特征的影響，開展變距離異音采集試驗(yàn)，即將現(xiàn)場(chǎng)采集的軸承異音作為異音源，將正常軸承的電機(jī)聲音作為噪聲源，然后分別用揚(yáng)聲器播放。其次，將麥克風(fēng)傳感器從噪聲源逐漸向異音源靠近，研究在距離異音源不同情況下異音指標(biāo)的變化情況。試驗(yàn)設(shè)備布置情況如圖6所示。

圖6 試驗(yàn)設(shè)備布置示意

由于現(xiàn)場(chǎng)噪聲強(qiáng)度一般要大于異音強(qiáng)度，為了更好地模擬現(xiàn)場(chǎng)聲音環(huán)境，選擇大功率的喇叭播放噪聲，以較低功率的手機(jī)播放異音。其全頻帶時(shí)域波形如圖7所示。

由圖7可知，隨著傳感器逐漸靠近異音源，信號(hào)幅值在逐漸減小，這是因?yàn)樵肼晱?qiáng)度要遠(yuǎn)大于異音強(qiáng)度，因此兩聲源疊加后，聲場(chǎng)中各點(diǎn)聲強(qiáng)的大小主要與距離噪聲源的遠(yuǎn)近相關(guān)，即距離噪聲源越近，信號(hào)幅值越大。

圖7 異音采集試驗(yàn)的全頻帶時(shí)域波形

采用改進(jìn)VMD算法對(duì)信號(hào)進(jìn)行分解，得到最佳模式分量，其時(shí)域波形及RMS趨勢(shì)曲線如圖8所示。

圖8 異音電機(jī)的最佳模式分量時(shí)域波形及RMS趨勢(shì)曲線

由圖8(a)可知，在麥克風(fēng)靠近異音源的過程中，所采集到的聲音信號(hào)幅值逐漸增大，與全頻帶幅值變化趨勢(shì)完全相反。由圖8(b)可知，在麥克風(fēng)逐漸靠近異音源的過程中，最佳模式分量RMS的值總體呈上升趨勢(shì)。為對(duì)比正常電機(jī)與異音電機(jī)兩者的差異性，將上述試驗(yàn)中異音源的聲源更換為正常電機(jī)，其全頻帶時(shí)域波形如圖9所示，與第一次試驗(yàn)的時(shí)域波形類似，即在噪聲源靠近正常電機(jī)聲源的過程中，傳感器所采集到的聲音幅值在逐漸降低。

圖9 正常電機(jī)的全頻帶時(shí)域波形

正常電機(jī)的最佳模式分量時(shí)域波形及RMS趨勢(shì)曲線如圖10所示。由圖10可知，在麥克風(fēng)傳感器從噪聲源端向正常電機(jī)聲源靠近時(shí)，信號(hào)幅值逐漸降低，RMS值也呈下降趨勢(shì)，RMS最大幅值為6.4×10-3，而異音電機(jī)最大幅值接近0.03，二者相差較大。

圖10 正常電機(jī)的最佳模式分量時(shí)域波形及RMS趨勢(shì)曲線

綜上，對(duì)于電機(jī)軸承異音，通過計(jì)算不同位置采集的聲音信號(hào)對(duì)應(yīng)的最佳模式分量有效值，可有效區(qū)分距離異音源的遠(yuǎn)近，從而實(shí)現(xiàn)異音源的定位。

3 結(jié)語

針對(duì)國內(nèi)某核電站機(jī)組的電機(jī)異音問題，提出一種基于改進(jìn)VMD算法的電機(jī)軸承異音識(shí)別與定位方法。通過采集現(xiàn)場(chǎng)數(shù)據(jù)并進(jìn)行對(duì)比試驗(yàn)，得出以下兩個(gè)結(jié)論。

(1) 改進(jìn)的VMD算法可以根據(jù)不同信號(hào)自適應(yīng)地確定模式分量數(shù)和每個(gè)模式分量的懲罰因子，避免了傳統(tǒng)VMD算法中參數(shù)選擇導(dǎo)致的過分解和欠分解問題。

(2) 通過繪制不同位置的聲音信號(hào)最佳模式分量對(duì)應(yīng)的RMS趨勢(shì)曲線，實(shí)現(xiàn)了電機(jī)異音源的定位，并通過異音定位模擬試驗(yàn)驗(yàn)證了該方法的有效性。