CN113514144A - 基于电涡流位移传感器的不平衡-碰摩耦合故障检测方法 - Google Patents

Abstract

本发明的目的在于提供一种基于电涡流位移传感数据的不平衡‑碰摩耦合故障检测方法，以解决碰摩耦合故障中碰摩弱故障漏诊的问题。本发明提供的位移振动信号均方根值RMS能够有效描述振动信号的能量变化，提供的最大信息系数MIC可衡量两个变量之间的关联程度及其噪声水平，所以均方根值RMS和最大信息系数MIC数值分布与其它参数相比，为不平衡‑碰摩耦合故障异常表现的离群点，建立以均方根值RMS和最大信息系数MIC为多元参数的离群点检测模型。该方法有利于从多种故障类型中快速、准确识别不平衡‑碰摩耦合故障。

Description

基于电涡流位移传感器的不平衡-碰摩耦合故障检测方法

技术领域

本发明涉及基于振动信号的旋转机械转子系统碰摩耦合故障诊断技术，特别是一种基于电涡流位移传感器的不平衡-碰摩耦合故障的检测方法。

背景技术

旋转机械是工业生产中应用最为广泛的机械设备，如高速压缩机、核电机组、大型汽轮发电机组、离心泵等以转子系统为工作主体的机械设备，转子系统作为旋转机械的核心部件，一旦发生故障，将影响设备的使用寿命。碰摩故障是一种典型的多发性事件，其发生频率随转定子间的密封间隙的减少而增加。转静碰摩产生的原因很多，质量不平衡、不对中、油膜涡动、转定子之间的相对运动等均会导致系统发生碰摩，故碰摩故障一般伴随有不平衡、不对中等故障，其中不平衡-碰摩和不对中-碰摩两种耦合故障最为常见，两种或两种以上故障相互影响形成耦合，易造成机器的振动剧增，影响设备的正常工作。尽管目前不少研究人员针对不平衡-碰摩、不对中-碰摩耦合故障进行了研究，但碰摩耦合故障的振动响应呈现多样化、不平稳和非线性特点，碰摩耦合故障的强弱故障振动响应分解存在一定难度，给耦合故障的检测和特征提取带来一定难度。发展有效的碰摩耦合故障检测方法已成为当前亟待研究的一个重要课题。

转子系统耦合故障的振动信号包含多个故障信号，并伴随噪声，利用先进的信号处理方法对转子系统耦合故障的敏感振动特征提取，以提高旋转机械的运行安全性和可靠性。转子碰摩时伴随的摩擦，一部分转化为热能耗散，一部分转化为机械能引发系统振动，碰摩过程中的摩擦呈现出一定的非线性特征，会产生一系列高次谐波的复杂响应，故碰摩振动信号中含有丰富的谐波分量。不平衡-碰摩耦合故障的响应受不平衡质量、碰摩的位置、冲击力的大小、结构等因素的影响，使得各频谱成分在信号中更加复杂。近年来，国内外研究者将许多新方法应用于碰摩耦合故障的辨识，其中应用最广泛的有小波理论、经验模态分解、人工神经网络、支持向量机等，与单一碰摩故障相比，碰摩耦合故障更加复杂、多样化，具有强弱故障信号成分分布不均等特点，在响应特征方面通常表现出一些和单一故障相同的征兆(不平衡-碰摩耦合故障的波形频谱图与不平衡故障的波形频谱图相似，不平衡-碰摩耦合故障的均方根植与不平衡故障的均方根值相近)，给碰摩耦合故障的检测与故障诊断带来一定困难。

发明内容

本发明的目的在于提供一种基于电涡流位移传感数据的不平衡-碰摩耦合故障检测方法，以解决不平衡-碰摩耦合故障下碰摩故障呈现出弱故障特征，表征出与不平衡故障类型振动响应特征相同的振动特点，造成耦合故障中碰摩弱故障漏诊的问题，该方法有利于从多种故障类型中快速、准确识别不平衡-碰摩耦合故障。

本发明主要采用均方根值RMS与最大信息系数MIC相结合的检测方法，从不平衡-碰摩耦合故障的电涡流振动信号中提取出故障响应特征。为实现上述目的，本发明所采用的技术方案如下：

(1)通过电涡流位移传感器和数据采集系统获取转子系统正常运行过程中电涡流位移振动信号x(t)；

(2)构建设备正常运行状态的振动数据集A＝{x_j,j＝1,2,…,m},m为历史正常数据采集的样本数；

(3)按步骤(1)的方法采集当前运行状态下电涡流位移振动信号y(t)，计算当前运行状态下电涡流位移振动信号y(t)的均方根值统计特征参数RMS，均方根值公式计算：

(4)构建转子系统当前运行状态电涡流位移振动信号的数据集 B＝{y_j,j＝1,2,…,m},计算转子系统当前运行状态振动信号B与步骤(2)的振动数据A的最大信息系数MIC值。首先计算变量A和变量B之间的互信息 MI(A,B)：

式中，p(A,B)是A和B的联合概率密度，p(A)、p(B)分别是A和B的边缘概率密度；

则最大互信息公式为:

MI*(x,y)＝maxMI(x,y)

MIC的计算公式为：

(5)构建均方根值RMS和最大信息系数MIC的二维向量ο，并计算二维向量ο的χ²统计量，χ²统计量计算表达式如下：

式中ο_i是ο在i维上的值，E_i是所有对象在第i维上的均值，k为维度；

(6)判断χ²统计量是否小于设定阈值C1，如果是，判断设备运行出现异常状态；如果否，判断设备运行状态正常。

(7)采用最大似然方法分别计算二维向量的ο_1j和ο_2j的均值μ和标准差σ两个参数，二维向量的ο_1j和ο_2j的最大似然估计：

(8)计算均方根值RMS的均值μ和标准差σ，并设置一定置信范围以确定阈值C2。判断均方根植RMS是否大于设定阈值C2，如果是，判断转子系统的振动幅值出现异常，如存在偏心力的不平衡故障；

(9)计算最大信息系数MIC的均值μ和标准差σ，并设置一定置信范围以确定阈值C3。判断最大信息系数MIC值是否小于设定阈值C3，如果是，判断转子系统出现碰摩异常状态；

(10)均方根值RMS大于设定阈值C2，最大信息系数MIC小于C3时，判断为不平衡-碰摩耦合故障。

本发明提供的位移振动信号均方根值RMS能够有效描述振动信号的能量变化，提供的最大信息系数MIC可衡量两个变量之间的关联程度及其噪声水平，所以均方根值RMS和最大信息系数MIC数值分布与其它参数相比，为不平衡- 碰摩耦合故障异常表现的离群点，通过建立以均方根值RMS和最大信息系数 MIC为多元参数的离群点检测模型，较时域波形、图谱等方法，可快速、准确检测设备能量突变与碰摩等异常状态。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对现有技术描述和实施方案中所需要使用的附图作简单地介绍。

图1为本发明一种基于电涡流位移传感数据的不平衡-碰摩耦合故障检测方法流程图。

图2为本发明一个实施例中某转速下无故障、不平衡故障、碰摩故障和不平衡-碰摩耦合故障的时域波形图。

图3为本发明一个实施例中某转速下无故障、不平衡故障、碰摩故障和不平衡-碰摩耦合故障的频谱图。

图4为本发明一个实施例中某转速下无故障、不平衡故障、碰摩故障和不平衡-碰摩耦合故障的轴心轨迹图。

图5为本发明一个实施例中旋转设备位移振动异常检测参数对比图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施案例，对本发明作进一步的详细说明。

如图1所示，本发明提供的一种基于电涡流位移传感数据的不平衡-碰摩耦合故障检测方法。

本实施例中以一阶转子系统为例，图2和图3分别是具体实施发明中所提出的方法时所采用的转子系统正常、不平衡、碰摩、不平衡-碰摩振动信号的波形图和频谱图。该振动信号采集时，转轴以1200r/min(20Hz)的转速进行运转，采样频率约为1280Hz，采样点数16384。由图2和图3可知，从振动信号的时域波形中可知不平衡故障与不平衡-碰摩耦合故障的波形结构相似，并未观察到碰摩故障波形特征，而其频谱图表明四种运行状态都以工频为主，频谱图结构与工频特征都未观察到故障特征，故很难从四种运行状态中提取出不平衡-碰摩耦合故障的故障标志特征。图4具体实施发明中转子系统正常、不平衡、碰摩、不平衡-碰摩振动信号的轴心轨迹图，由图4可知，从振动信号的轴心轨迹路径图像显示不平衡-碰摩故障存在较弱的碰摩轨迹曲线，但从单一碰摩故障的轴心轨迹不易观察到碰摩轨迹特征。

采用本发明中所提出的一种基于电涡流位移传感数据的不平衡-碰摩耦合故障检测方法具体实施过程如下：

(1)采用电涡流位移传感器和数据采集系统获取获取旋转设备(如离心式通风机)转速为20Hz正常运行过程中位移振动信号x(t)，其中采样频率为 1280Hz，采样点数16384。

(2)构建设备正常运行状态的振动数据集A＝{x_j,j＝1,2,…,m},m为历史正常数据采集的样本数，取m为6，j为样本数。

(3)由于信号的均方根值RMS能够有效描述振动信号的能量变化，所以均方根值RMS是机械故障诊断系统中用于判别运行状态是否正常的重要指标。当这项指标超出正常值(故障判定限)较多时，可以肯定机械存在故障隐患或故障。按步骤(1)的方法分别采集一阶转子系统在无故障、不平衡故障、碰摩故障和不平衡-碰摩耦合故障下的运行振动信号y(t)；计算y(t)的均方根值统计特征参数RMS，计算公式为：

其中，N为数据采集点数。无故障、不平衡故障、碰摩故障和不平衡-碰摩耦合故障的均方根值特征参数RMS 分别为：0.2692、0.3823、0.2796和0.3872。通过均方根值特征参数的结果可得出以下结论：当转子系统存在不平衡力时，信号的均方根值RMS能够有效描述振动信号的能量变化，能够根据均方根值RMS指标参数确定旋转机械是否存在不平衡力。

(4)由于信号的最大信息系数MIC具有广泛性和均匀性，即可衡量两个变量之间的关联程度、线性或非线性的强度；对于相同噪声水平的函数关系或非函数关系，MIC具有近似的值。转子碰摩时伴随摩擦，所以提出基于最大信息系数MIC的转子系统碰摩故障检测方法。按步骤(1)的方法分别采集一阶转子系统在无故障、不平衡故障、碰摩故障和不平衡-碰摩耦合故障下的运行振动信号 y(t)，构建转子系统当前运行状态振动信号的数据集B＝{y_j,j＝1,2,…,m},其中， j为样本数，计算转子系统当前运行状态振动信号B与步骤(2)的振动数据A 的最大信息系数MIC值。首先计算变量A和变量B之间的互信息MI(A,B)：

式中，p(A,B)是A和B的联合概率密度，p(A)、p(B)分别是A和B的边缘概率密度；

则最大互信息公式为:

MI*(x,y)＝maxMI(x,y)

MIC的计算公式为：

无故障、不平衡故障、碰摩故障和不平衡-碰摩耦合故障的最大信息系数 MIC分别为：0.95、0.8313、0.0754和0.0539。通过信号的最大信息系数MIC的结果可得出以下结论：当转子系统存在碰摩故障时，信号的最大信息系数MIC 能够有效衡量振动信号噪声水平的变化，能够根据最大信息系数MIC指标参数确定旋转机械是否存在摩擦。

(5)构建均方根值RMS和最大信息系数MIC的二维向量ο，并计算二维向量ο的χ²统计量，χ²统计量计算表达式如下：

式中ο_i是ο在i维上的值，E_i是所有对象在第i维上的均值，维度k取2。

由于故障振动信号的均方根值RMS和最大信息系数MIC数值分布与其它参数相比，为异常表现的离群点，所以离群点检测方法能够确定振动信号的异常状态。

(6)判断χ²统计量是否小于设定阈值C1，如果是，判断设备运行出现异常状态；如果否，判断设备运行状态正常。本次实施案例中不平衡故障、碰摩故障和不平衡-碰摩耦合故障的χ²统计量均小于无故障状态下的χ²值，所以采用二维离群点检测方法能够确定振动信号的异常状态。

(7)采用最大似然方法分别计算二维向量的ο_1j和ο_2j的均值μ和标准差ο两个参数，二维向量的ο_1j和ο_2j的最大似然估计：

(8)通过步骤(7)计算均方根值RMS的均值μ和标准差σ，并设置置信范围为μ±3σ以确定阈值C2。判断均方根植RMS是否大于设定阈值C2，本实施案例中根据最大似然估计确定C2为μ+3σ，如果是，判断转子系统的振动幅值出现异常，如存在偏心力的不平衡故障。

(9)通过步骤(7)计算最大信息系数MIC的均值μ和标准差σ，并设置一定置信范围为μ±3σ以确定阈值C3。判断最大信息系数MIC值是否小于设定阈值C3，本实施案例中根据最大似然估计确定C2为μ-σ，如果是，判断转子系统出现碰摩异常状态。

(10)均方根值RMS大于设定阈值C2，最大信息系数MIC小于C3时，判断为不平衡-碰摩耦合故障。

本实施案例中分别取无故障、不平衡故障、碰摩故障和不平衡-碰摩耦合故障的样本数m＝6，四种状态共计24组样本数据，根据步骤(7)分别计算出每种运行状态下6组样本数据的平均均方根值RMS和平均最大信息系数MIC，如图 5所示，由图5可知，检测参数的特征能够准确反映出运行状态的变化，说明本发明提出的基于电涡流位移传感数据的不平衡-碰摩耦合故障检测方法的有效性。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于电涡流位移传感器的不平衡-碰摩耦合故障检测方法，其特征在于，所述检测方法包括如下步骤：

(1)通过电涡流位移传感器和数据采集系统获取转子系统正常运行过程中电涡流位移振动信号x(t)；

(2)构建设备正常运行状态的振动数据集A＝{x_j,j＝1,2,…,m},m为历史正常数据采集的样本数，j为样本数；

(3)按步骤(1)的方法采集当前运行状态下电涡流位移振动信号y(t)，计算转子系统当前运行状态下振动信号y(t)的均方根值统计特征参数RMS，均方根值公式计算：

其中，N为数据采集点数；

(4)构建转子系统当前运行状态振动信号的数据集B＝{y_j,j＝1,2,…,m},计算转子系统当前运行状态振动信号B与步骤(2)的振动数据A的最大信息系数MIC值；首先计算变量A和变量B之间的互信息MI(A,B)：

式中，p(A,B)是A和B的联合概率密度，p(A)、p(B)分别是A和B的边缘概率密度；

则最大互信息公式为:

MI*(x,y)＝maxMI(x,y)

MIC的计算公式为：

(5)构建均方根值RMS和最大信息系数MIC的二维向量ο，并计算二维向量ο的χ²统计量，χ²统计量计算表达式如下：

式中ο_i是ο在i维上的值，E_i是所有对象在第i维上的均值，k为维度；

(6)判断χ²统计量是否小于设定阈值C1，如果是，判断设备运行出现异常状态；如果否，判断设备运行状态正常；

(7)采用最大似然方法分别计算二维向量的ο_1j和ο_2j的均值μ和标准差σ两个参数，二维向量的ο_1j和ο_2j的最大似然估计：

(8)计算均方根值RMS的均值μ和标准差σ，并设置一定置信范围以确定阈值C2；判断均方根植RMS是否大于设定阈值C2，如果是，判断转子系统的振动幅值出现异常；

(9)计算最大信息系数MIC的均值μ和标准差σ，并设置一定置信范围以确定阈值C3；判断最大信息系数MIC值是否小于设定阈值C3，如果是，判断转子系统出现碰摩异常状态；

(10)均方根值RMS大于设定阈值C2，最大信息系数MIC值小于C3时，判断为不平衡-碰摩耦合故障。

Images