故障診斷分析——以感應(yīng)電機(jī)為實例
在現(xiàn)代化生產(chǎn)中，機(jī)械設(shè)備的故障診斷技術(shù)越來越受到重視，如果某臺設(shè)備出現(xiàn)故障而又未能及時被發(fā)現(xiàn)和排除，其結(jié)果不僅會導(dǎo)致設(shè)備本身損壞，甚至可能造成機(jī)毀人亡的嚴(yán)重后果。在企業(yè)的連續(xù)生產(chǎn)系統(tǒng)中，如果某臺關(guān)鍵設(shè)備因故障而不能繼續(xù)運行，往往會涉及整個企業(yè)的生產(chǎn)系統(tǒng)設(shè)備的運行，造成巨大經(jīng)濟(jì)損失。因此，故障診斷具有極為重要的意義。
感應(yīng)電機(jī)生產(chǎn)過程的最后一個環(huán)節(jié)是質(zhì)量控制，以確保產(chǎn)品的正常工作，并發(fā)現(xiàn)在成品或其子部件里的任何缺陷。為了達(dá)到這些要求，需要特定的快速、易于實施的程序，能夠使工程師在幾秒鐘內(nèi)決定樣品是否符合銷售要求。
這些程序必須考慮到感應(yīng)電機(jī)的特性，許多工業(yè)過程和電器的基本組件，以及可能出現(xiàn)的電氣或機(jī)械問題。根據(jù)數(shù)據(jù)顯示，感應(yīng)電機(jī)約35-40%的故障是由電氣故障引起的，包括轉(zhuǎn)子折斷、定子或電源故障，45-55%是由機(jī)械故障引起的，如軸承故障或轉(zhuǎn)子不平衡、彎曲或不對中。通過對電機(jī)振動和定子電流信號的分析，可以較好地檢測了電機(jī)的整體機(jī)電狀況；例如，振動分析技術(shù)能夠檢測機(jī)械源動力在儀器中產(chǎn)生的機(jī)械問題。
振動信號首先由加速度計采集并保存以供后續(xù)處理。在電機(jī)中，振動主要沿兩個方向產(chǎn)生:軸向和徑向。因此，沿著這些方向的兩個加速度計可以被認(rèn)為足以捕獲必要的信息。然而，一般情況下，用于振動測試的傳感器的數(shù)量和位置可能取決于被測電機(jī)的類型和采用的試驗臺。數(shù)據(jù)采集完成后，對被測感應(yīng)電機(jī)的徑向和軸向振動信號進(jìn)行時域和頻域處理，提取一組顯著特征。最后，選擇的特征被輸入到二元分類器中，之前用合適的數(shù)據(jù)集進(jìn)行訓(xùn)練，以將測試的電機(jī)分類為健康或故障。在這第一個初步分析中，已經(jīng)測試了不同類型的分類模型，以找出一個顯示出最好的選擇性。值得注意的是，在這項初步研究中，制造商只提供了有限數(shù)量的分類電機(jī)來形成相關(guān)數(shù)據(jù)集，但預(yù)計在不久的將來，將使用更多數(shù)量的分類電機(jī)進(jìn)行廣泛的驗證。
時域和頻域特征散點圖：藍(lán)色點代表健康電機(jī)，紅色點代表故障樣本
徑向和軸向振動信號的均值、標(biāo)準(zhǔn)差、偏度和峰度等標(biāo)準(zhǔn)統(tǒng)計指標(biāo)得到了廣泛的分析。這種情況下不需要信號預(yù)處理。考慮的時域統(tǒng)計特征的完整列表及其數(shù)學(xué)定義在中報告。與軸向相關(guān)的偏度和峰與峰之間的關(guān)系被證明是最能將數(shù)據(jù)聚類的，如散點圖所示。這一發(fā)現(xiàn)得到了通過視覺檢查獲得的經(jīng)驗證據(jù)的支持，即健康的電機(jī)具有對稱的概率密度函數(shù)(pdf)，并且信號的最小值和最大值之間有微小的差異。事實上，眾所周知，峰與峰之間返回振動信號x的最大值和最小值之間的差值，而偏度通過其概率密度函數(shù)量化信號行為中的不對稱性。
軸向（第一行）和徑向（第二行）振動原始數(shù)據(jù)的信號預(yù)處理示例
當(dāng)故障發(fā)生的時候電機(jī)動態(tài)會受到影響，并且振動模式會出現(xiàn)偏差。在旋轉(zhuǎn)機(jī)械中，由于電機(jī)的旋轉(zhuǎn)運動，故障部件（例如軸承故障）可能會在信號中以一定的周期性出現(xiàn)一些偏差，這可能會修改信號的頻率成分。頻率內(nèi)容的修改可能會出現(xiàn)在選定的頻率上，或者影響可能會沿著頻譜更廣泛地分布。因此，頻域振動信號的分析顯得尤為重要。為此徑向和軸向信號都以三步法進(jìn)行了預(yù)處理。由于幅度較大的頻率分量低于 1000 Hz，因此首先使用 4 階、低通的 IIR 濾波器對信號進(jìn)行濾波，截止頻率為 1 kHz，通帶紋波為 1 dB，阻帶衰減為 20 dB。然后應(yīng)用零相位濾波器來保留原始信號中出現(xiàn)的特征，并且時間波形已經(jīng)去趨勢。信號預(yù)處理結(jié)果的一個例子如上圖所示。隨后，已經(jīng)使用快速傅里葉變換 (FFT) 導(dǎo)出了單邊幅度譜。在下圖可以看到所描述的處理階段的結(jié)果示例，其中在徑向和軸向方向上比較了健康和故障電動機(jī)的頻率內(nèi)容。
健康電機(jī)(藍(lán)色線)和軸承損壞電機(jī)(紅色線)兩個樣品的FFT:
藍(lán)色線為健康電機(jī)，紅色線為故障樣品；
徑向和軸向fft信號都具有更高的能量和振幅，最高可達(dá)1000 Hz，因此不代表更高的頻率；
在每個圖的頂部較小的圖表是放大[80;120] Hz和[330,380]Hz
該結(jié)果與第一個頻帶約為 100 Hz（即網(wǎng)絡(luò)頻率）而后者對應(yīng)于軸承頻率（研究的電機(jī)有 7 個軸承并以 50 Hz 旋轉(zhuǎn)）的明顯事實一致。在這項研究中，提出了一種用于感應(yīng)電機(jī)中機(jī)械故障的檢測系統(tǒng)。所描述的方法基于振動分析，適用于生產(chǎn)質(zhì)量控制測試。首先，從時域和頻域沿徑向和軸向的振動信號中提取敏感特征。然后，將提取的特征輸入分類器，以實現(xiàn)電機(jī)故障或正常運轉(zhuǎn)的分類。
故障診斷是建立在能量耗散原理的基礎(chǔ)之上的。所有設(shè)備的作用都是能量的轉(zhuǎn)換與傳遞，設(shè)備狀態(tài)越好，轉(zhuǎn)換與傳遞過程中的附加能量損耗越小。因此，監(jiān)測附加能量損耗的變化，可以了解設(shè)備的劣化程度。
欲了解更多故障分析有關(guān)案例，歡迎訪問公司官網(wǎng)：http://idems.cn/。
