CN106845049A - 一种旋转机械设备故障诊断中故障程度计算方法 - Google Patents

Abstract

本发明涉及一种基于振动信号的旋转机械设备故障诊断中设备故障程度的计算方法。是对采集的振动信号进行零均值处理、高通滤波、低通滤波等信号处理，去掉干扰噪声信号，计算得到信号的有效值、峰值、绝对平均值、峰峰值等有量纲参数以及波形指标、脉冲指标、峰值指标等无量纲参数。通过有量纲和无量纲参数门限值判断设备总体状态。计算设备各轴及其部件的故障特诊频率，比较实际频谱图中前24个幅值最大的频率分量与理论故障特诊频率，并计算其频率贴近度，计算频域故障程度。综合设备多参数时域诊断和引入频率贴近度的频域诊断的结果，计算出设备故障的程度。这种故障程度的计算方法，增强了设备故障诊断的准确性，提高了诊断的效率和精度。

Description

一种旋转机械设备故障诊断中故障程度计算方法

技术领域

本发明属于旋转机械设备故障诊断领域，具体涉及旋转机械设备故障诊断中故障程度计算的方法，特别涉及一种针对旋转机械设备的稳态故障的故障程度的计算方法。这里提到的旋转机械设备是指所有具有回转运动特征的机械设备。

背景技术

旋转机械设备故障诊断技术是一门交叉学科，需要现场管理、机械结构、计算机、信号处理等多方面的综合知识。如何有效地通过计算机实现故障程度的计算是从事设备诊断技术研究人员的重要研究内容。在设备故障诊断中，设备故障的类型的诊断已经有诸多研究，而故障程度计算方法的研究难度较大，一方面需要研究者有非常丰富的现场管理、设备诊断的经验，另一方面，需要研究者在算法实现方面有清晰的逻辑和高度的提炼能力。以往的技术主要通过简单的判据来判断设备的状态，传统的故障程度的计算一般仅仅依靠有效值、峰值、平均绝对值等单一参数来进行计算，用不同参数进行诊断所计算出的故障程度差别较大，本发明创造性地从时域角度将有三个量纲参数、三个无量纲参数综合引入设备故障程度的计算中，使得时域故障程度的计算更加科学。本发明的另一特点在于综合利用了时域诊断方法及频域诊断方法的特点并进行了算法设计。

发明内容

本发明的目的在于提供一种旋转机械故障程度的计算方法，可以弥补现有计算方法参数信息不全的缺点，提高判断的准确性。

为实现上述目的，本发明提供的旋转机械的故障程度计算方法的技术方案，该方法的步骤如下：

一种旋转机械稳态故障诊断中故障程度计算方法，该方法的步骤如下：

(1)在设备转子轴承截面布置X、Y、Z三个方向的位移传感器，采集转子振动信号：X传感器布置在径向水平方向上，Y传感器布置在径垂直方向上，Z传感器布置在轴向上；采用键相信号进行同步跟踪采样。

(2)对采集的信号进行零均值处理、抗混滤波、低通滤波，去掉噪声信号。

(3)计算振动信号的平均绝对值()、有效值即均方根值(X_rms)、单峰值(X_p或X_0-p)、峰-峰值(X_p-p)，以及峰值指标、峭度指标、脉冲指标。

(4)选取或设定设备诊断门限值。

(5)各种参数时域诊断的故障程度计算。

(6)采用FFT变换，计算信号的幅值谱和相位谱。

(7)计算设备各轴及其部件故障特征频率。

(8)计算故障的频率贴近度。

(9)计算设备频域诊断的故障程度。

采用本发明对旋转机械的故障程度进行计算，能准确诊断设备故障，通过较简单的判据来判断设备的状态，用不同参数进行诊断所计算出的故障程度，使得时域故障程度的计算更加科学，计算更加准确。比较实际频谱图中前24个幅值最大的频率分量与理论故障特诊频率，并计算其频率贴近度，计算频域故障程度。综合设备多参数时域诊断和引入频率贴近度的频域诊断的结果，计算出设备故障的程度。这种故障程度的计算方法，增强了设备故障诊断的准确性，提高了诊断的效率和精度。

具体实施方式

本发明提供的旋转机械的故障程度计算方法的技术方案，该方法的步骤如下：

(1)在设备转子轴承截面布置X、Y、Z三个方向的位移传感器，采集转子振动信号：X传感器布置在径向水平方向上，Y传感器布置在径垂直方向上，Z传感器布置在轴向上，采用键相信号进行同步跟踪采样；之所以要同时采集三个方向的振动信号，主要是因为不同的故障类型在不同方向的表现能力不同。比如动平衡不良故障在径向X、Y方向表现得比较明显；基础松动在垂直径向Y方向表现得比较明显；对中不良故障在径向表现比较明显等等。所以同时采集三个方向的数据，比较三个数据，以较为严重的数据作为诊断和计算的对象。

(2)对采集的信号进行零均值处理、抗混滤波、低通滤波，去掉噪声信号；

做零均值处理非常重要，否则直流分量将影响FFT变换的结果，在0Hz产生很大的频率分量。而抗混滤波、低通滤波都是为了使采集的信号更加有效，降低信号的混叠干扰。

(3)通过公式(1-1)～(1-12)计算振动信号的平均绝对值、有效值、峰值、峰峰值，以及峰值指标、峭度指标、脉冲指标。

在步骤(3)中：

单峰值计算的是将信号取绝对值，然后从中选取前最大的10个值再求平均得到；

峰-峰值计算是选取信号中正值最大的前十个值的平均值减去负值最小的前十个值的平均值得到；

设信号的概率密度函数为p(x)，某时刻信号的瞬时值为x，信号采样离散后的某个瞬时值为x_i，采样点数为n。

机械振动信号分析中，单峰值(X_p或X_p-p)、峰-峰值(X_p-p)、平均值()、平均绝对值()、有效值即均方根值(X_rms)等是常用分析参量。有效值反映信号的能量大小，有效值诊断法多适用作稳态振动的情况；峰值用来观察信号强度的变化很方便，当机器振动不平稳、振动响应随时间变化时，可用振幅一时间图诊断法，该方法在研究旋转机械设备过渡过程(开机和停机)中是有效的，根据曲线的变化趋势及状态可判断系统的状态和故障。斜度α反映p(x)对于纵坐标的不对称性，越不对称，α越大。体现在振动信号中表现出幅值的分布情况，正偏离越大，说明大信号有明显增加。工程实践中，随着设备故障的发生和发展，其有量纲参数如：平均绝对值()、有效值X_rms、峭度β会逐渐增大。峭度β对大幅值信号非常敏感，当大幅值信号概率增加时，则β将迅速增大，这有利判断信号中是否含有冲击类的故障。尤其对诊断滚动轴承故障很有用，比如当轴承内外圈出现裂纹、滚珠轴承滚道剥落或滚动元件出现破损等故障，将在时域波形中引起较大的脉冲。

平均绝对值值

其离散表达式：

有效值(均方根值)

其离散表达式：

斜度(歪度)

其离散表达式：

峭度

其离散表达式：

脉冲指标：

峰值指标：

峭度指标：

或

由于计算机计算数值时需要将连续的模拟量转化为具有间隔的离散的数值，所以上面(1-1)、(1-3)、(1-5)、(1-7)、(1-9)、(1-11)给出连续信号的表达式，(1-2)、(1-4)、(1-6)、(1-8)、(1-10)、(1-12)给出了离散信号的数学表达式。

(4)选取或设定设备诊断门限值

根据国际标准(见表一)及设备情况设置设备有量纲参数的诊断门限值。根据设备功率大小及应用需求，结合国际振动烈度等级(有效值标准)选择表一中某一等级作为该设备的振动标准。峰值、平均绝对值等有量纲参数的标准可以按来确定。无量纲参数的诊断门限值设置如下：脉冲指标I_F0＝4，、峰值指标C_F0＝4、峭度指标K_u0＝4。

表一 IS02372国际振动烈度标准

表二 振动烈度等级(2Hz～1000Hz)

按照多年现场诊断的经验，无量纲参数的诊断门限值设置如下：脉冲指标I_F0＝4，、峰值指标C_F0＝4、峭度指标K_u0＝4。

(5)设峭度指标、脉冲指标、峰值指标、有效值、峰值、平均绝对值等六个参数的故障程度分别用ρ_Ku、ρ_If、ρ_Cf、ρ_rms、ρ_p、ρ_av表示；设脉冲指标、峰值指标、峭度指标、有效值、峰值、平均绝对值的门限值分别用I_F0、C_F0、K_u0、X_rms0、X_p0、表示。设脉冲指标、峰值指标、有效值、峰值、平均值的权重依次设为：η_Ku、η_If、η_Cf、η_rms、η_p、η_av。设有效值、峰值、平均绝对值等有量纲参数在与该分析数据具有相同比较条件的起始诊断时刻振动数据的变化梯度算子，分别用Δ_rms、Δ_p、Δ_av表示。通过以下经验公式计算：

式中X_rms为当前被分析数据的有效值，X_rmsi为相同检测条件下早期对比数据的有效值，X_rms0为门限值；T_X、T_i分别为当前被分析数据的检测时间和相同检测条件的早期检测数据的时间，单位为秒。例如T_i＝2015年1月1日0时0分0秒、T_X＝2015年1月2日0时0分0秒，则T_X-T_i＝86400。

同理，峰值和平均值的变化梯度算子为：

如果振动的有量纲参数在某对比评价时间内量值增加，则梯度算子大于1。如果量值减小则梯度算子小于1。该梯度算子的引入使得故障程度的计算不仅仅考虑当前数据的状态，同时考虑了与比较数据的相对关系，将幅值增大还是幅值减小的情况予以区别，并量化后引入到时域诊断的算式中。

则按各参数诊断的故障概率的计算方法如下：

峭度指标故障概率：

脉冲指标故障概率：

峰值指标故障概率：

有效值故障概率：

峰值故障概率：

平均绝对值故障概率：

综合各参数时域诊断的故障程度用ρ_A表示，则其表达式为：

ρ_A＝ρ_Ku+ρ_If+ρ_Cf+ρ_rms+ρ_p+ρ_ave (1-22)

由于给每种参数一定的诊断权重，各参数权重之和为100％，所以各参数的时域诊断中故障程度用“和”的关系来表示。

时域诊断中主要针对式(1-13)即作说明。式中X_rms为当前被分析数据的有效值，X_rmsi为相同检测条件下早期对比数据的有效值，X_rms0为有效值的门限值有效值。T_X、T_i分别为当前被分析数据的检测时间和相同检测条件的早期检测数据的时间，单位为秒。例如T_i＝2015年1月1日0时0分0秒、T_X＝2015年1月2日0时0分0秒，则T_X-T_i＝86400，式中34560为经验系数。

也就是说，如果一天内则Δ_rms＝1+0.4＝1.4。

(6)采用FFT变换，计算信号的幅值谱和相位谱；由于采用了外触发的跟踪采样方法，采集的数据有效性将提高，并且振动信号的相位将可以被用于诊断分析。由于不采用触发采样而采集到的数据属于随机采样数据，该数据仅幅值谱等频域量值有意义，而相位谱则没有诊断参考的意义。另由于FFT变换属于公开的成熟技术，这里不再具体阐述。

(7)计算设备各轴及其部件故障特征频率；一台设备可能存在若干个轴，每个轴又可能有若干轴承、齿轮、叶轮等部件，这些部件各种故障的特征频率都需要计算出来，包括轴类故障，如不平衡、不对中、松动等故障类型。计算出这些故障作为理论故障频率备查。旋转机械设备的故障特征频率的计算依照如下表三、表四、表五所归纳的特征进行计算。

表三：旋转机械常见故障特征表(诊断规则)

表三中f_r为某轴的转动频率，即转轴每秒钟回转的次数。

表四：滚动轴承故障特征频率表

表四中D----轴承节径，d----滚动体直径，α----接触角，z----滚动体个数，f_r为轴承所在轴的转动频率。

表五 齿轮故障特征频率表

表五中z_r表示内齿圈齿数、z_s表示太阳轮齿数、f_s表示太阳轮转频、f_x为行星轮转频。

(8)计算故障的频率贴近度

本发明提出了“频率贴近度”的概念，它的含义是理论故障特征频率与实际频谱中典型频率值之间的贴近程度，设为η_ff。我们给定它按下面的式子来计算：

式中η_ff为频率贴近度，f_a为某故障的实际故障频率，f_t为理论故障频率。

(9)计算设备频域诊断的故障程度

某种故障的严重程度计算一方面考虑故障特征频率分量绝对量值得大小，另一方面考虑各频率分量幅值之间的相对关系，综合两方面的因素，提出了基于频域的故障诊断的故障程度的计算方法。设频域诊断的故障程度用ρ_f表示。

式中A_max为最大频率分量幅值，A_amax为故障频率最高幅值，η_ff为频率贴近度。

2.根据权利要求1所述的旋转机械故障程度计算方法，其特征在于：综合时域诊断与频域诊断的特点给出某种故障的故障程度ρ′_A的计算方法如下：

ρ′_A＝ρ_Aρ_f (1-25)

其中ρ_A和ρ_f分别见式(1-22)和(1-24)。

Claims (7)

1.一种旋转机械稳态故障诊断中故障程度计算方法，其特征在于：该方法的步骤如下：

(1)在设备转子轴承截面布置X、Y、Z三个方向的位移传感器，采集转子振动信号：X传感器布置在径向水平方向上，Y传感器布置在径垂直方向上，Z传感器布置在轴向上；采用键相信号进行同步跟踪采样；

(2)对采集的信号进行零均值处理、抗混滤波、低通滤波，去掉噪声信号：

(3)计算振动信号的平均绝对值有效值即均方根值(X_rms)、单峰值(X_p或X_0-p)、峰-峰值(X_p-p)，以及峰值指标、峭度指标、脉冲指标；

(4)选取或设定设备诊断门限值；

(5)各种参数时域诊断的故障程度计算；

(6)采用FFT变换，计算信号的幅值谱和相位谱；

(7)计算设备各轴及其部件故障特征频率；

(8)计算故障的频率贴近度；

(9)计算设备频域诊断的故障程度。

2.根据权利要求1所述的计算方法，其特征在于，

在步骤(3)中：

单峰值计算的是将信号取绝对值，然后从中选取前最大的10个值再求平均得到；

峰-峰值计算是选取信号中正值最大的前十个值的平均值减去负值最小的前十个值的平均值得到；

设信号的概率密度函数为p(x)，某时刻信号的瞬时值为x，信号采样离散后的某个瞬时值为x_i，采样点数为n，其它参数计算方法如下：

平均绝对值

其离散表达式：

有效值(均方根值)

其离散表达式：

斜度(歪度)

其离散表达式：

峭度

其离散表达式：

脉冲指标：

峰值指标：

峭度指标：

或。

3.根据权利要求1所述的计算方法，其特征在于，在步骤(4)中：

根据国际标准及设备情况设置设备有量纲参数的诊断门限值；根据设备功率大小及应用需求，结合国际振动烈度等级，即有效值标准，选择某一等级作为该设备的振动标准；峰值、平均绝对值等有量纲参数的标准可以按 来确定；

无量纲参数的诊断门限值按经验设置如下：脉冲指标I_F0＝4，、峰值指标 C_F0＝4、峭度指标K_u0＝4。

4.根据权利要求1所述的计算方法，其特征在于，在步骤(5)中：各种参数时域诊断的故障程度计算为：

设峭度指标、脉冲指标、峰值指标、有效值、峰值、平均绝对值等六个参数的故障程度分别用ρ_Ku、ρ_If、ρ_Cf、ρ_rms、ρ_p、ρ_av表示；设脉冲指标、峰值指标、峭度指标、有效值、峰值、平均绝对值的门限值分别用I_F0、C_F0、K_u0、X_rms0、X_p0、表示；设脉冲指标、峰值指标、有效值、峰值、平均值的权重依次设为：η_Ku、η_If、η_Cf、η_rms、η_p、η_av。设有效值、峰值、平均绝对值等有量纲参数在与该分析数据具有相同比较条件的起始诊断时刻振动数据的变化梯度算子，分别用Δ_rms、Δ_p、Δ_av表示；通过以下经验公式计算：

式中X_rms为当前被分析数据的有效值，X_rmsi为相同检测条件下早期对比数据的有效值，X_rms0为门限值；T_X、T_i分别为当前被分析数据的检测时间和相同检测条件的早期检测数据的时间，单位为秒；

峰值和平均值的变化梯度算子为：

如果振动的有量纲参数在某对比评价时间内量值增加，则梯度算子大于1，如果量值减小则梯度算子小于1；该梯度算子的引入使得故障程度的计算不仅仅考虑当前数据的状态，同时考虑了与比较数据的相对关系，将幅值增大还是幅值减小的情况予以区别，并量化后引入到时域诊断的算式中；

则按各参数诊断的故障概率的计算方法如下：

峭度指标故障概率：

脉冲指标故障概率：

峰值指标故障概率：

有效值故障概率：

峰值故障概率：

平均绝对值故障概率：

综合各参数时域诊断的故障程度用ρ_A表示，则其表达式为：

ρ_A＝ρ_Ku+ρ_If+ρ_Cf+ρ_rms+ρ_p+ρ_ave (1-22)

由于给每种参数一定的诊断权重，各参数权重之和为100％，所以各参数的时域诊断中故障程度用和的关系来表示。

5.根据权利要求1所述的计算方法，其特征在于，在步骤(8)中：把故障特征频率的理论计算值与实际频谱频率值之间的贴近程度，设为η_ff；按下面的公式计算：

式中η_ff为频率贴近度，f_a为某故障的实际故障频率，f_t为理论故障频率。

6.根据权利要求1所述的计算方法，其特征在于，在步骤(9)中：计算设备频域诊断的故障程度为：

某种故障的概率计算一方面考虑故障特征频率分量绝对量值得大小，另一方面考虑各频率分量幅值之间的相对关系，综合两方面的因素，提出了基于频域的故障诊断的故障程度的计算方法；设频域诊断的故障程度用ρ_f表示；

式中A_max为最大频率分量幅值，A_amax为故障频率最高幅值，η_ff为频率贴近度。

7.根据权利要求1所述的旋转机械故障程度计算方法，其特征在于：综合时域诊断与频域诊断的特点给出某种故障的故障程度ρ′_A的计算方法如下：

ρ′_A＝ρ_Aρ_f (1-25)

其中ρ_A和ρ_f分别见式(1-22)和(1-24)。