靳華偉　陳竹奇　李碩

摘 要：根據(jù)電機(jī)械制動(dòng)系統(tǒng)原理和相似縮比理論搭建了制動(dòng)系統(tǒng)實(shí)驗(yàn)臺(tái)，針對(duì)系統(tǒng)主軸在運(yùn)行過(guò)程中產(chǎn)生的振動(dòng)干擾問(wèn)題，采用軸心軌跡進(jìn)行振動(dòng)故障檢測(cè)與分析?；贓EMD算法與相關(guān)能量運(yùn)算理論，采用LABVIEW與MATLAB混合編程技術(shù)設(shè)計(jì)了電機(jī)械制動(dòng)系統(tǒng)振動(dòng)軸心軌跡提純程序。通過(guò)加入噪聲的函數(shù)模擬不平衡故障實(shí)驗(yàn)，導(dǎo)入程序提純重構(gòu)信號(hào)能夠繪制橢圓形軌跡，得到EEMD與相關(guān)能量理論能夠?qū)π盘?hào)進(jìn)行降噪提純的結(jié)論。隨后進(jìn)行轉(zhuǎn)子不平衡故障實(shí)驗(yàn)，激光位移傳感器采集的X軸與Y軸信號(hào)通過(guò)程序進(jìn)行降噪提純后得到相關(guān)系數(shù)與能量系數(shù)均最高的重構(gòu)信號(hào)，重構(gòu)信號(hào)繪制的軸心軌跡清晰可見(jiàn)，同原始信號(hào)軸心軌跡對(duì)比可知，所設(shè)計(jì)的LABVIEW程序搭配激光位移傳感器及采集卡能夠有效檢測(cè)所搭建的電機(jī)械制動(dòng)系統(tǒng)主軸振動(dòng)故障信息。

關(guān)鍵詞：電機(jī)械制動(dòng)系統(tǒng)；振動(dòng)故障檢測(cè)；集合經(jīng)驗(yàn)?zāi)B(tài)分解；混合編程；軸心軌跡

中圖分類(lèi)號(hào)：TH133? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2023）08-0020-07

礦井提升機(jī)是礦山領(lǐng)域重要運(yùn)輸工具，擔(dān)負(fù)著人員運(yùn)輸、材料運(yùn)輸?shù)闹厝?。而作為重載機(jī)械設(shè)備，經(jīng)過(guò)長(zhǎng)期且高負(fù)載的運(yùn)行，礦井提升機(jī)發(fā)生故障概率隨時(shí)間而提高是不可避免的。細(xì)小的故障會(huì)使提升機(jī)無(wú)法正常工作從而耽誤工業(yè)運(yùn)輸，重大的故障可能還會(huì)造成人員傷亡、經(jīng)濟(jì)損失。因此對(duì)提升機(jī)進(jìn)行故障診斷是極其重要的。傳統(tǒng)礦井提升機(jī)采用的制動(dòng)器大都是液壓盤(pán)式制動(dòng)器，依靠液壓油提供制動(dòng)力，具有液壓泄漏的缺陷?；谥熊?chē)制動(dòng)海泰公司將電機(jī)械制動(dòng)器運(yùn)用于城軌交通裝備與國(guó)內(nèi)外對(duì)電機(jī)械制動(dòng)器的研究，有王傳禮、霍環(huán)宇等學(xué)者將電機(jī)械制動(dòng)器代替液壓盤(pán)式制動(dòng)器運(yùn)用于礦井提升機(jī)領(lǐng)域[1]。因此對(duì)于含電機(jī)械制動(dòng)器的新型礦井提升機(jī)我們需要對(duì)其進(jìn)行故障診斷來(lái)降低故障發(fā)生率。

提升機(jī)主軸作為整體機(jī)械主要受力部件，對(duì)其進(jìn)行診斷可以有效分析機(jī)械整體故障特征。而對(duì)于主軸部件的故障診斷可通過(guò)提取軸心軌跡的方式進(jìn)行振動(dòng)分析。其中軸心軌跡是指轉(zhuǎn)軸進(jìn)行旋轉(zhuǎn)運(yùn)動(dòng)時(shí)運(yùn)用傳感器提取繞軸中心點(diǎn)的振動(dòng)運(yùn)動(dòng)軌跡，通過(guò)其形狀特征能夠直接明了地觀察到故障前兆特征，繼而能夠及時(shí)采取相應(yīng)措施進(jìn)行規(guī)避。Muhammad Akhtar等學(xué)者使用波特圖、軸心軌跡圖和軸中心線圖研究了燃?xì)廨啓C(jī)上的高振動(dòng)問(wèn)題，通過(guò)捕獲的軸心軌跡圖和軸中心線圖檢查了轉(zhuǎn)子行為，將遭受高振動(dòng)問(wèn)題的機(jī)器與普通機(jī)器進(jìn)行比較，并確定共振為燃?xì)廨啓C(jī)高振動(dòng)的根本原因[2]。郭明軍等學(xué)者針對(duì)轉(zhuǎn)子軸心軌跡在合成后具有雜亂無(wú)章的特征，提出稀疏算法來(lái)提純受高斯白噪聲影響的仿真軸心軌跡，驗(yàn)證算法的可靠性[3]。Zhang等學(xué)者對(duì)磁懸浮軸承與轉(zhuǎn)子系統(tǒng)的軸心軌跡進(jìn)行識(shí)別與分類(lèi)，同時(shí)利用Hu矩不變量算法從軸心軌跡中提取特征向量來(lái)識(shí)別故障，并通過(guò)實(shí)驗(yàn)研究得出其在小樣本分類(lèi)中具有更高的準(zhǔn)確度和魯棒性的結(jié)論[4]。這些研究均表明軸心軌跡能夠有效地反應(yīng)轉(zhuǎn)子系統(tǒng)發(fā)生故障所體現(xiàn)的特征，而軸心軌跡在現(xiàn)實(shí)中必然伴隨噪聲污染，故而如何有效采集到轉(zhuǎn)子系統(tǒng)軸心軌跡特征以及提純軸心軌跡方法成為無(wú)法忽視的問(wèn)題。

通常在進(jìn)行噪聲信號(hào)的過(guò)濾工作時(shí)，我們能夠在數(shù)據(jù)處理這一部分采用合理的分析算法去完成。集合經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）是針對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）方法的不足所研究出來(lái)的一種新型振動(dòng)數(shù)據(jù)分析方法，它能夠加入同幅值不同白噪聲來(lái)對(duì)EMD所分解的信號(hào)進(jìn)行噪聲抑制，從而得到正確的振動(dòng)信號(hào)。關(guān)于此種方法，自提出以來(lái)便有大量的學(xué)者將其運(yùn)用在各個(gè)領(lǐng)域中。Jia等學(xué)者采用集合經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)合灰度理論提出的新型振動(dòng)噪聲分析方法對(duì)滾刀主軸進(jìn)行磨損分析[5]。Zhang等學(xué)者提出將EEMD算法運(yùn)用于激光超聲檢測(cè)領(lǐng)域，通過(guò)建立激光超聲仿真模型并對(duì)其進(jìn)行缺陷特征提取來(lái)分析鋼制品內(nèi)部缺陷，結(jié)果使得其誤差控制在3%之內(nèi)[6]。Xie等學(xué)者針對(duì)滾動(dòng)軸承振動(dòng)信號(hào)等非平穩(wěn)和非線性信號(hào)的去噪問(wèn)題，提出將小波包變換與EEMD結(jié)合對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行降噪的方法，結(jié)果表明與傳統(tǒng)的EMD和小波閾值去噪組合方法相比，該方法具有較好的去噪效果，能夠保留信號(hào)的完整性[7]?？偟膩?lái)說(shuō)，EEMD能夠?qū)π盘?hào)進(jìn)行有效的降噪處理，使得處理后的信號(hào)相較于其他方法得到的數(shù)據(jù)更具有原始信號(hào)完善的特征[8，9]。

本文以采用電機(jī)械制動(dòng)器的礦井提升機(jī)研究平臺(tái)為對(duì)象，為探索該平臺(tái)中礦井提升機(jī)主軸部分在進(jìn)行轉(zhuǎn)動(dòng)過(guò)程中的振動(dòng)信號(hào)特征，計(jì)劃提取其軸心軌跡進(jìn)行故障診斷分析。其主要采用一組相互垂直分布的激光位移傳感器進(jìn)行信號(hào)采集工作，基于LABVIEW與MATLAB混合編程技術(shù)[10]，采用改進(jìn)EEMD算法的Labview程序進(jìn)行振動(dòng)信號(hào)處理工作。旨在以EEMD算法過(guò)濾數(shù)據(jù)采集過(guò)程中不可避免的噪聲信號(hào)，得到具有原始振動(dòng)信號(hào)特征的軸心軌跡以進(jìn)行故障診斷分析[11，12]。

1 電機(jī)械制動(dòng)系統(tǒng)

1.1 電機(jī)械制動(dòng)系統(tǒng)原理

電機(jī)械制動(dòng)系統(tǒng)主要由控制器、驅(qū)動(dòng)器、上位機(jī)、電源、力矩電機(jī)、傳動(dòng)機(jī)構(gòu)、制動(dòng)閘盤(pán)閘瓦、礦井提升機(jī)構(gòu)成。其制動(dòng)原理為控制器調(diào)節(jié)可編程電源給予力矩電機(jī)一定電壓，通過(guò)傳動(dòng)機(jī)構(gòu)的減速增扭裝置將高轉(zhuǎn)速低扭矩運(yùn)動(dòng)轉(zhuǎn)換為低轉(zhuǎn)速高扭矩旋轉(zhuǎn)運(yùn)動(dòng)[13]，隨后帶動(dòng)運(yùn)動(dòng)轉(zhuǎn)換裝置將旋轉(zhuǎn)運(yùn)動(dòng)轉(zhuǎn)換為平動(dòng)，最后經(jīng)過(guò)碟簧壓縮存儲(chǔ)制動(dòng)力使制動(dòng)閘瓦同制動(dòng)盤(pán)預(yù)留一定間隙進(jìn)行制動(dòng)，如圖1所示。當(dāng)提升機(jī)旋轉(zhuǎn)過(guò)程中需要進(jìn)行制動(dòng)時(shí)，電機(jī)控制系統(tǒng)發(fā)出控制信號(hào)給予力矩電機(jī)斷電指令，預(yù)留在碟簧內(nèi)的壓縮力隨機(jī)轉(zhuǎn)化為制動(dòng)力推動(dòng)制動(dòng)閘瓦貼合制動(dòng)盤(pán)實(shí)現(xiàn)制動(dòng)。若此時(shí)制動(dòng)力不足，則會(huì)通過(guò)傳感器反饋控制系統(tǒng)給予力矩電機(jī)正轉(zhuǎn)電壓帶動(dòng)閘瓦進(jìn)一步接觸制動(dòng)盤(pán)進(jìn)行制動(dòng)補(bǔ)償。

1.2 相似縮比理論

采用煤礦調(diào)研數(shù)據(jù)可了解到，提升機(jī)制動(dòng)盤(pán)直徑一般可達(dá)5m左右，由于實(shí)際中礦井提升機(jī)系統(tǒng)結(jié)構(gòu)過(guò)于龐大，將其設(shè)計(jì)研發(fā)為可用于實(shí)驗(yàn)研究形式不太現(xiàn)實(shí)，故需要對(duì)其結(jié)構(gòu)進(jìn)行比例縮小。根據(jù)相似縮比理論[14]，在保障制動(dòng)減速度相等、摩擦半徑處線速度相等、制動(dòng)比壓相等的原則下，對(duì)電機(jī)械制動(dòng)系統(tǒng)中的提升機(jī)進(jìn)行一定比例縮小設(shè)計(jì)，并根據(jù)電機(jī)械制動(dòng)系統(tǒng)原理搭建系統(tǒng)模型如圖2所示。

1.3 制動(dòng)系統(tǒng)實(shí)驗(yàn)臺(tái)搭建

為采集電機(jī)械制動(dòng)系統(tǒng)旋轉(zhuǎn)主軸振動(dòng)過(guò)程中軸心軌跡，根據(jù)電機(jī)械制動(dòng)系統(tǒng)縮比模型搭建實(shí)驗(yàn)裝置如圖3所示。其結(jié)構(gòu)主要包括電控箱、數(shù)據(jù)采集卡、電機(jī)械制動(dòng)器、上位機(jī)、可調(diào)電源、三相異步電機(jī)與提升機(jī)部分。傳感器采用的BOJKE公司的BL-100NMZ系列激光位移傳感器，數(shù)據(jù)采集采用的是NI公司的6003系列采集卡，三相異步電機(jī)變頻采用的是BEST公司的FC300系列變頻器。

電機(jī)械制動(dòng)器由力矩電機(jī)、行星齒輪、故障絲杠副、碟形彈簧組合器及閘瓦構(gòu)成。其工作流程為三相異步電機(jī)提供旋轉(zhuǎn)動(dòng)力，通過(guò)聯(lián)軸器帶動(dòng)旋轉(zhuǎn)閘盤(pán)部件進(jìn)行旋轉(zhuǎn)運(yùn)動(dòng)，模擬現(xiàn)實(shí)中礦井提升機(jī)正常工作工況。當(dāng)需要進(jìn)行制動(dòng)時(shí)，電機(jī)械制動(dòng)器部件中的力矩電機(jī)通過(guò)行星齒輪減速增扭帶動(dòng)滾珠絲杠副平動(dòng)來(lái)實(shí)現(xiàn)閘瓦與制動(dòng)盤(pán)的接觸制動(dòng)。而為避免電機(jī)械制動(dòng)系統(tǒng)在制動(dòng)過(guò)程中因振動(dòng)異常引起制動(dòng)故障，需要對(duì)制動(dòng)系統(tǒng)主體部件（制動(dòng)系統(tǒng)主軸）進(jìn)行振動(dòng)檢測(cè)。

經(jīng)調(diào)研得知軸心軌跡能夠有效顯示轉(zhuǎn)軸在旋轉(zhuǎn)過(guò)程中的振動(dòng)故障信息，是一個(gè)良好的振動(dòng)分析手段。該分析方法能夠檢測(cè)出轉(zhuǎn)子不平衡、轉(zhuǎn)子不對(duì)中、轉(zhuǎn)子碰摩、軸承油膜振蕩等故障信息[15]。故下面將對(duì)所研究電機(jī)械制動(dòng)系統(tǒng)主軸進(jìn)行軸心軌跡分析，運(yùn)用合理方法進(jìn)行旋轉(zhuǎn)過(guò)程中主軸軸心軌跡信息的采集與提純。

2 主軸振動(dòng)分析方法

2.1 系統(tǒng)主軸軸心軌跡提純理論

軸心軌跡分析能夠從所得的圖像中直觀地得知轉(zhuǎn)軸的運(yùn)動(dòng)情況，但在實(shí)際環(huán)境中，軸心軌跡圖像往往因?yàn)椴豢杀苊獾臋C(jī)械設(shè)備噪聲信號(hào)而包含有干擾信息。如何過(guò)濾噪聲信號(hào)是軸心軌跡提純工作中的難點(diǎn)。在信號(hào)濾波方面，經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）用于軸心軌跡提純時(shí)是將原始信號(hào)分解得到IMF分量，隨后運(yùn)用經(jīng)驗(yàn)知識(shí)選取部分相關(guān)的IMF的分量進(jìn)行信號(hào)重構(gòu)[16]，從而達(dá)到軸心軌跡提純的目的，因此它具有很好的保相性，在軸心軌跡應(yīng)用中有著明顯的優(yōu)勢(shì)，但是當(dāng)不同IMF分量中有相近的時(shí)間尺度時(shí)，經(jīng)驗(yàn)?zāi)B(tài)分解就會(huì)產(chǎn)生模態(tài)混疊現(xiàn)象；集合經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）采用與模態(tài)分解相關(guān)的底層邏輯，但為解決模態(tài)混疊現(xiàn)象，其在計(jì)算之初向原始信號(hào)中加入噪聲信號(hào)以進(jìn)行輔助性分析，取得了很好的成效[17，18]。因此對(duì)系統(tǒng)主軸旋轉(zhuǎn)過(guò)程中采集的振動(dòng)軸心軌跡信號(hào)可使用集合模態(tài)分解進(jìn)行濾波降噪處理。

原始數(shù)據(jù)經(jīng)過(guò)EEMD腳本會(huì)分解為八個(gè)IMF分量，并且同原始數(shù)據(jù)進(jìn)入相關(guān)性與能量占比程序進(jìn)行分析。相關(guān)系數(shù)能夠直接反映數(shù)據(jù)間的關(guān)聯(lián)程度，將每個(gè)IMF分量與原始數(shù)據(jù)進(jìn)行相關(guān)性計(jì)算即可得到相關(guān)系數(shù)[19]，其具體計(jì)算如式（1）所示；能量占比表示分量能量在原始數(shù)據(jù)能量中所占的比重[20]，其以公式（2）進(jìn)行計(jì)算，能夠有效反應(yīng)各IMF分量所含原始數(shù)據(jù)信息量的多少。

2.2 LABVIEW程序設(shè)計(jì)

通過(guò)激光位移傳感器與采集卡我們能夠?qū)崟r(shí)采集得到電機(jī)械制動(dòng)系統(tǒng)旋轉(zhuǎn)主軸在機(jī)械振動(dòng)條件下的軸心軌跡數(shù)據(jù)，該數(shù)據(jù)以0-5V的電壓通過(guò)采集卡傳輸至PC端進(jìn)行顯示與處理。由于使用的采集卡為NI公司生產(chǎn)，因此采用LABVIEW軟件進(jìn)行數(shù)據(jù)采集與處理程序的編輯。為了消除機(jī)械旋轉(zhuǎn)過(guò)程中機(jī)床振動(dòng)噪聲所產(chǎn)生的分頻信號(hào)影響，采用集合經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）對(duì)采集信號(hào)進(jìn)行濾波處理，同時(shí)運(yùn)用相關(guān)性原理對(duì)由EEMD分解而來(lái)的信號(hào)分量進(jìn)行篩選以及通過(guò)對(duì)分量進(jìn)行能量占比檢驗(yàn)來(lái)得到合適的數(shù)據(jù)信號(hào)，最后以處理后的數(shù)據(jù)來(lái)繪制軸心軌跡圖進(jìn)而故障分析，如圖4所示。

針對(duì)主軸振動(dòng)軸心軌跡提純所開(kāi)發(fā)的LABVIEW程序包括模擬信號(hào)生成程序、實(shí)時(shí)數(shù)據(jù)采集程序、EEMD算法腳本程序、相關(guān)性與能量占比程序以及軸心軌跡繪制程序，具體工作流程為：

（1）傳感器所采集的信息通過(guò)實(shí)時(shí)數(shù)據(jù)采集程序進(jìn)行存儲(chǔ)，隨后分為X軸與Y軸數(shù)據(jù)分配至數(shù)據(jù)寫(xiě)入模塊生成Excel文件。

（2）對(duì)Excel文件數(shù)據(jù)進(jìn)行整理得到純粹的數(shù)據(jù)文件。隨即導(dǎo)入LABVIEW的MATLAB script node模塊，進(jìn)行聯(lián)合計(jì)算處理得到IMF分量與余項(xiàng)。其中執(zhí)行腳本與MATLAB的emd分析工具箱聯(lián)合運(yùn)行。

（3）經(jīng)過(guò)執(zhí)行腳本的原始數(shù)據(jù)流會(huì)輸出為data與IMF數(shù)據(jù)，其中data代表原始數(shù)據(jù)，IMF代表八個(gè)模態(tài)分量。將每個(gè)IMF分量與原始數(shù)據(jù)進(jìn)行相關(guān)性計(jì)算，之后繪圖排列可篩選出最大相關(guān)系數(shù)的IMF分量；為進(jìn)行二次驗(yàn)證，將所有IMF分量進(jìn)行能量占比運(yùn)算，選出數(shù)據(jù)中含有能量最高的IMF分量。若相關(guān)系數(shù)與能量占比最高的IMF分量為相同數(shù)據(jù)，則驗(yàn)證成功，將其索引自動(dòng)帶入軸心軌跡繪制程序中，如圖5所示。

（4）經(jīng)過(guò)可計(jì)算相關(guān)性的程序處理后，程序自動(dòng)篩選出相關(guān)系數(shù)最大的IMF分量并進(jìn)行保存，隨后將最大相關(guān)系數(shù)IMF索引返回軸心軌跡繪制程序中如圖6所示。軸心軌跡繪制程序?qū)⑤斎氲腎MF分量進(jìn)行篩選得到最大值，之后對(duì)X軸與Y軸數(shù)據(jù)分量進(jìn)行整合可繪制出反應(yīng)軸心軌跡的XY圖。

（5）模擬信號(hào)生成程序的作用為驗(yàn)證所設(shè)計(jì)程序的邏輯性，在不使用傳感器、采集卡等實(shí)驗(yàn)設(shè)備的情況下，依靠預(yù)先設(shè)置好的模擬數(shù)據(jù)，代替采集的原始數(shù)據(jù)進(jìn)行步驟2～4，得到所需的軌跡圖對(duì)程序進(jìn)行驗(yàn)證。

2.3 振動(dòng)檢測(cè)實(shí)驗(yàn)方法

依靠所設(shè)計(jì)的LABVIEW程序和電機(jī)械制動(dòng)系統(tǒng)實(shí)驗(yàn)臺(tái)可制訂主軸軸心軌跡提純策略如圖7所示。電機(jī)變頻器控制系統(tǒng)主軸電機(jī)轉(zhuǎn)動(dòng)，電磁離合器連接電機(jī)軸與系統(tǒng)主軸，激光位移傳感器采集主軸中端振動(dòng)位移信號(hào)，NI-6003采集卡接受傳感器信號(hào)將模擬量轉(zhuǎn)換為0～5V電壓給上位機(jī)程序進(jìn)行處理。對(duì)于激光位移傳感器的24V供電選擇直接連接至PLC主機(jī)24V端口上。

由于數(shù)據(jù)采集過(guò)程中需要得到旋轉(zhuǎn)軸截面處周期性振動(dòng)數(shù)據(jù)，故需要將激光位移傳感器進(jìn)行正交分布安裝，并且傳感器所發(fā)生的激光分別垂直于旋轉(zhuǎn)軸進(jìn)行采集。同時(shí)實(shí)際激光位移傳感器安裝方位圖如圖8所示。

3 實(shí)驗(yàn)分析

3.1 軸心軌跡故障分析

轉(zhuǎn)子常見(jiàn)故障有許多，包括轉(zhuǎn)子不平衡、轉(zhuǎn)子不對(duì)中、轉(zhuǎn)子碰摩、油膜振蕩等。其中轉(zhuǎn)子不平衡是各種旋轉(zhuǎn)機(jī)械經(jīng)常出現(xiàn)的故障，而其出現(xiàn)的原因是由于轉(zhuǎn)子部件出現(xiàn)偏心或零件損壞，轉(zhuǎn)子不平衡會(huì)使機(jī)械增加附加載荷引起振動(dòng)，從而縮短機(jī)械壽命。對(duì)于轉(zhuǎn)子不對(duì)中可包括平行不對(duì)中、角度不對(duì)中等類(lèi)型，其主要是由于安裝誤差與制造誤差所引起的，在運(yùn)行過(guò)程中會(huì)造成軸承支承負(fù)荷出現(xiàn)較大變化的后果。而在旋轉(zhuǎn)機(jī)械中，通過(guò)傳感器采集不平衡軸心振動(dòng)數(shù)據(jù)時(shí)，繪制出的平面圖像為橢圓形，不對(duì)中軸心振動(dòng)數(shù)據(jù)繪制圖像為外8型、內(nèi)8型、香蕉型，其示例如圖9所示。

3.2 模擬信號(hào)軌跡提純

為分析所設(shè)計(jì)的軸心軌跡提純程序的運(yùn)行可靠性，以轉(zhuǎn)子不平衡為例采用模擬實(shí)驗(yàn)的方法人為設(shè)置初始振動(dòng)數(shù)據(jù)加入函數(shù)波形中，使得初始數(shù)據(jù)帶有噪聲信號(hào)來(lái)模擬實(shí)際條件下的運(yùn)行情況；隨后以LABVIEW程序處理模擬數(shù)據(jù)，通過(guò)觀察處理后的數(shù)據(jù)繪圖情況來(lái)判斷程序的功能性。由于通過(guò)改變?nèi)呛瘮?shù)的幅值與相位值可以得到穩(wěn)定波形的正余弦波。故設(shè)置標(biāo)準(zhǔn)橢圓函數(shù)關(guān)系示以模擬轉(zhuǎn)子不平衡故障如下所示：

在模擬故障信號(hào)的LABVIEW程序中設(shè)置白噪聲波形幅值為0.4，采樣值為1000，并將其加入函數(shù)波形中以此模擬X軸與Y軸傳感器采集數(shù)據(jù)，從而得到轉(zhuǎn)子不平衡故障信號(hào)數(shù)據(jù)如圖10所示。

進(jìn)行程序繪圖得到形狀規(guī)則的橢圓形軸心軌跡圖如圖11所示。通過(guò)圖像結(jié)果可知所設(shè)計(jì)的LABVIEW程序基本能夠?qū)崿F(xiàn)過(guò)濾原始采集數(shù)據(jù)中因振動(dòng)產(chǎn)生的噪聲并提純?cè)紨?shù)據(jù)有效成分的目標(biāo)，進(jìn)而繪制出反映旋轉(zhuǎn)機(jī)械運(yùn)行故障的軸心軌跡圖。

3.3 系統(tǒng)主軸不平衡故障測(cè)試

電機(jī)械制動(dòng)系統(tǒng)平臺(tái)轉(zhuǎn)筒主軸部分通過(guò)三相異步電機(jī)提供旋轉(zhuǎn)動(dòng)力，以變頻器來(lái)控制電機(jī)轉(zhuǎn)速，通過(guò)電磁聯(lián)軸器連接電機(jī)軸與提升機(jī)主軸。進(jìn)行轉(zhuǎn)子不平衡實(shí)驗(yàn)時(shí)，為了人為增大主軸旋轉(zhuǎn)過(guò)程中的振動(dòng)幅度，采用在提升機(jī)實(shí)驗(yàn)平臺(tái)兩轉(zhuǎn)盤(pán)處附加配重塊的措施。金屬配重塊共四塊，每塊配重塊凈重為0.402千克，采用螺栓與轉(zhuǎn)盤(pán)連接，安裝方位為每個(gè)轉(zhuǎn)盤(pán)安裝兩塊配重塊，轉(zhuǎn)盤(pán)之間配重塊同位安裝如圖12所示。

進(jìn)行旋轉(zhuǎn)不平衡實(shí)驗(yàn)時(shí)，為保證實(shí)驗(yàn)安全性，通過(guò)電機(jī)變頻器設(shè)置電機(jī)轉(zhuǎn)速為5rad/s。隨后運(yùn)用激光位移傳感器采集得到實(shí)時(shí)數(shù)據(jù)，此時(shí)設(shè)置采樣頻率為1000Hz。取電機(jī)運(yùn)行過(guò)程中采集到的某一秒數(shù)據(jù)，隨后數(shù)據(jù)導(dǎo)入LABVIEW中，對(duì)X軸與Y軸原始數(shù)據(jù)進(jìn)行頻譜分析如圖13所示。由頻譜波形可知原始信號(hào)特征頻率為5Hz，幅值譜伴隨有二倍頻。根據(jù)轉(zhuǎn)子不平衡特征可知，主軸振動(dòng)主頻率同電機(jī)轉(zhuǎn)速一致導(dǎo)致主軸旋轉(zhuǎn)過(guò)程中具有轉(zhuǎn)子不平衡故障。

采集的原始振動(dòng)數(shù)據(jù)經(jīng)過(guò)EEMD分解程序會(huì)得到8個(gè)IMF重構(gòu)分量，經(jīng)過(guò)程序運(yùn)行可得到各分量相關(guān)系數(shù)與所占原始數(shù)據(jù)能量的大小，導(dǎo)出匯總后如表1所示。

之后對(duì)相關(guān)與能量數(shù)據(jù)進(jìn)行繪圖如圖14所示，由圖可知X軸與Y軸數(shù)據(jù)中IMF-6分量的相關(guān)系數(shù)最大，表示其最能夠反映原始數(shù)據(jù)的特征信息；同時(shí)兩軸IMF-6分量的能量占比值均最高，這代表原始信號(hào)經(jīng)過(guò)EEMD分解后保留數(shù)據(jù)能量最高的分量為IMF-6，間接印證分量同原始數(shù)據(jù)的相關(guān)性能夠經(jīng)由相關(guān)系數(shù)值進(jìn)行代表。

將經(jīng)過(guò)提純的IMF-6數(shù)據(jù)導(dǎo)出與原始數(shù)據(jù)進(jìn)行繪圖如圖15所示，由圖可知經(jīng)過(guò)EEMD算法分解得到的IMF分量在程序的自動(dòng)提純下重構(gòu)的IMF-6分量可濾去絕大部分振動(dòng)白噪聲信號(hào)，使得X軸與Y軸數(shù)據(jù)能夠保留原始數(shù)據(jù)中的特征信息。

隨后兩軸IMF-6分量經(jīng)過(guò)軸心軌跡繪圖程序得到提升機(jī)運(yùn)行過(guò)程中的軸心軌跡圖如圖16所示，觀察圖像可知主軸旋轉(zhuǎn)5周后所得軌跡基本呈現(xiàn)橢圓形，對(duì)比原始信號(hào)軸心軌跡可知信號(hào)得到充分降噪，直觀地表示主軸旋轉(zhuǎn)過(guò)程中處于不平衡故障狀態(tài)，同頻譜初步分析判斷一致。

3 結(jié)論

本文以電機(jī)械制動(dòng)系統(tǒng)主軸為研究對(duì)象，依靠相似縮比理論搭建的制動(dòng)系統(tǒng)實(shí)驗(yàn)臺(tái)，用軸心軌跡提純程序來(lái)分析系統(tǒng)主軸運(yùn)行過(guò)程中的振動(dòng)故障信息，得出以下結(jié)論：

（1）以集合經(jīng)驗(yàn)?zāi)B(tài)分解算法編寫(xiě)的軸心軌跡提純程序?yàn)榛A(chǔ)，采用模擬故障實(shí)驗(yàn)的方法，加入高斯白噪聲擬定轉(zhuǎn)子不平衡函數(shù)曲線，對(duì)模擬曲線進(jìn)行提純分析。結(jié)果顯示程序能夠有效去除附加白噪聲信號(hào)，重構(gòu)信號(hào)繪制完整的軸心軌跡圖。

（2）設(shè)計(jì)實(shí)際轉(zhuǎn)子不平衡故障實(shí)驗(yàn)，選擇在轉(zhuǎn)盤(pán)單側(cè)附加配重塊的方法，運(yùn)用驗(yàn)證后提純程序?qū)ζ溥M(jìn)行實(shí)驗(yàn)。結(jié)果顯示重構(gòu)的X軸與Y軸IMF分量在經(jīng)過(guò)相關(guān)系數(shù)分析與能量分析后，IMF 6分量相關(guān)系數(shù)為0.8左右，能量系數(shù)為0.5以上，占整體系數(shù)的絕大部分。隨后程序自動(dòng)將兩軸IMF 6分量進(jìn)行信號(hào)重構(gòu)繪制實(shí)驗(yàn)軸心軌跡圖。根據(jù)圖像對(duì)比可知，運(yùn)用激光位移傳感器與軸心軌跡提純程序能夠識(shí)別電機(jī)械制動(dòng)系統(tǒng)主軸振動(dòng)故障信息。

參考文獻(xiàn)：

〔1〕王傳禮，霍環(huán)宇，靳華偉，等.基于礦井提升機(jī)電機(jī)械制動(dòng)器的結(jié)構(gòu)設(shè)計(jì)研究[J].煤炭技術(shù)，2021，40（08）：157-161.

〔2〕Muhammad Akhtar， Muhammad S Kamran， Nasir Hayat， et al. High-vibration diagnosis of gas turbines： An experimental investigation[J]. Journal of Vibration and Control，2020，27（1-2）.

〔3〕郭明軍，李偉光，楊期江，等.基于稀疏算法的大型轉(zhuǎn)子多工況軸心軌跡提純[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（04）：45-53.

〔4〕Zhang D， Fang X， Wu H， et al. Recognition classification based on Hu moment invariants and imperial competitive algorithm for axis trajectory of magnetic bearing-rotor system[J]. Personal and Ubiquitous Computing. 2019.

〔5〕Jia Y， Li G， Dong X， et al. A novel denoising method for vibration signal of hob spindle based on EEMD and grey theory[J]. Measurement， 2021， 169：108490.

〔6〕Jinpeng Zhang， Xunpeng Qin， Jiuxin Yuan， et al.The extraction method of laser ultrasonic defect signal based on EEMD[J].Optics Communications， 2020.

〔7〕Xie Shenglong， Zhang Weimin， Lu Yujun， et al. Denoising Method for Bearing Vibration Signal Based on EEMD and Wavelet Packet Transform[C]. CYBER. 2020， 10.1109：277-282.

〔8〕馬瑩瑩，靳雪振.基于EEMD和小波閾值的短時(shí)交通流預(yù)測(cè)研究[J].重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，41（06）：22-29.

〔9〕Yang Bo， Tang Jun， Yang Chen， et al. High-Temperature Superconducting Cable Fault Location Method Based on Improved Time-Frequency Domain Reflection Method and EEMD Noise Reduction[J]. Mathematical Problems in Engineering，2021.

〔10〕陳旻灝，黃希揚(yáng)，沈昱明.Matlab與LabVIEW混合編程的天然氣壓縮因子軟件設(shè)計(jì)[J].化工自動(dòng)化及儀表，2019，46（10）：844-848.

〔11〕KANG Lei， LOU Jian jun， QIANG Liang liang. Dynamic analysis of compressor rotor of water chiller based on foil bearing support[C]. Abstracts of the 8th International Conference on Vibration Engineering （ICVE 2021）.2021.204.

〔12〕Mao Yijun， Fan Chuang， Zhang Zhiping， et al. Control of noise generated from centrifugal refrigeration compressor[J]. Mechanical Systems and Signal Processing，2021，152.

〔13〕Tai Minghao， Jiang Yulei， Chen Long， et al. Theoretical research on magnetization and demagnetization process of electrohydraulic servo valve with permanent magnet torque motor[J]. Proceedings of the Institution of Mechanical Engineers， Part C： Journal of Mechanical Engineering Science，2021，235（17）.

〔14〕何曦光，樓京俊，彭利坤，等.潛水器高壓吹除縮比實(shí)驗(yàn)臺(tái)架設(shè)計(jì)[J].中國(guó)艦船研究，2021，16（S1）：70-80.

〔15〕Wang We， Shen Gang， Zhang Yimin， et al. Dynamic reliability analysis of mechanical system with wear and vibration failure modes[J]. Mechanism and Machine Theory，2021，163.

〔16〕Dongpo Yang， Jiaqi Cao， Xiaolan Wang， et al. Time-Domain Signal Reconstruction of Vehicle Interior Noise Based onData-Driven Method[J]. Recent Patents on Mechanical Engineering，2022，15（01）.

〔17〕Zhao Yixin， Fan Yao， Li Hu， et al. Rolling bearing composite fault diagnosis method based on EEMD fusion feature[J]. Journal of Mechanical Science and Technology， 2022，36（09）.

〔18〕Wang Lijun， Li Xiangyang， Xu Da， et al. Fault Diagnosis of Rotating Equipment Bearing Based on EEMD and Improved Sparse Representation Algorithm[J]. Processes，2022，10（09）.

〔19〕He Shan， Wu Panlong， Yun Peng， et al. An EM algorithm for target tracking with an unknown correlation coefficient of measurement noise[J]. Measurement Science and Technology，2022，33（04）.

〔20〕Jiuwen Cao， Tianlei Wang， Luming Shang， et al. A novel distance estimation algorithm for periodic surface vibrations based on frequency band energy percentage feature[J]. Mechanical Systems and Signal Processing，2017，113.