机械诊断现代信号处理及故障识别关键技术研究

摘要：随着我国现代工业科技的飞速发展，我国现代工业生产中所应用的设备也逐渐向着大型化、自动化、智能化与高效率化方向发展，这些高科技设备在工业生产的广泛应用极大的推动了我国工业经济与发展水平的进步。然而，这些大型的自动化设备的结构也变得越来越复杂和精密，设备各个部分之间的联系较为紧密，这些设备一旦发生故障会对企业的正常生产产生严重的影响，造成一定的经济损失。因此，为了尽量减少机械设备发生故障的次数，以降低企业的人员伤亡与财产损失，就需要做好对设备的维修与故障识别工作。本文主要将对机械诊断现代信号处理及故障识别的关键性技术进行研究。

关键词：机械诊断；现代信号处理技术；故障识别；关键技术

随着科学技术的不断发展，大批的先进工业技术设备被研制出来，并极大的推动了我国工业经济的进一步发展。然而，这些大型化、精密化、自动化的工业设备在推动工业发展的同时，却也存在着一系列的维修问题。这些高新技术设备一旦发生故障不但会使生产企业造成一定的经济损失，严重时还会使工作人员的人身安全产生一定的威胁，并且对机械设备进行维修需要大量的费用。因此，必须要对工业设备的维修与故障诊断技术进行分析与研究，以降低机械设备发生故障的频率，提高企业的经济效益。

1.机械设备检测与故障诊断的基本原理及这一技术的发展现状

1.1.故障诊断技术的基本原理

诊断是从医学中借用过来的概念，因此在对机械设备进行故障诊断时与医生对患者进行病情诊断的原理是大同小异的。机械故障诊断主要通过对机械设备在运行过程中的各种信息进行采集与记录，并对其进行具体的分析来判断机械设备是否存在故障和问题，从而诊断出机械的具体故障[1]。

1.2.机械设备检测与故障诊断的发展与现状

机械设备故障诊断技术是由美国最早研发及使用的，并且取得了显著的发展成效。现阶段，美国的机械设备故障诊断技术已经在航空航天领域、军事设备领域与工业机械等领域中取得了广泛且成功的应用。

英国在美国之后也成立了机械保健机构以研究机械设备的故障诊断技术，并且在汽车制造业与飞机发动机领域取得了十分良好的应用效果。除此之外，挪威的大型船舶机械设备的故障诊断技术、丹麦的声发检测仪器等都具有着十分重要的应用价值与意义[2]。

我国的机械设备故障诊断技术始于上个世纪八十年代，主要将信号处理与诊断技术这两种故障诊断的软技术作为重要的研究方向，并且研究的水平处于世界的先进行列。此外，我国在一些仪器仪表设备行业中也开始了相关的故障诊断研究，并且取得了十分不错的研究成效。

鉴于机械设备的故障诊断技术对我国工业社会的发展与经济效益的提高都具有十分重要的地位和作用，我国的高等教育院校也相继开设了故障诊断专业，为我国机械设备故障诊断行业输送了大批的专业人才，进一步推动了我国故障诊断行业的发展[3]。

2.经验模式分解在轴承故障诊断领域中的应用

作为一种能够对滚动轴承的振动信号进行实时分析的有效方式，包络解调技术主要是通过对包络信号进行频谱分析的方式来实现的。在对包络信号进行频谱分析时，人们一般采用离散傅氏变换的快速算法技术（FFT），而FFT主要是一种对信号进行整体变换的技术，因此它不能对包络信号的局部信息进行反映，因此存在着一定的局限性。而经验模式分解技术则能够对复杂的信号进行分解，使其成为有限的IMF之和，以实现对非线性、非平稳信号的处理[4]。本节将会主要对将经验模式分解技术与AR时序模型灰色识别的方法来对滚动轴承进行故障诊断。

2.1.经验模式分解基本原理

经验模式分解技术在对包络信号进行处理时会先假设每一个信号都是由不同的线性或是非线性的IMF组成，而且不仅IMF的极值点个数与其过零点个数之间的不同不能超过一个，还需要IMF上下的包络线还要与时间轴呈局部对称的状态，只有这样，经验模式分解技术才能将信号进行分解。

2.2.经验模式分解与AR模型的基本算法

作为机械设备中被广泛运用的标准零件，滚动轴承由于在进行机械故障诊断时会产生较大的噪声，对正常的机械故障诊断造成一定的干扰，并且其具有不稳定性，故障诊断的工作人员很难对滚动轴承的故障进行准确的诊断[5]。而经验模式分解技术作为一种新型的自适应信号处理方法，在对信号进行处理时会产生不同程度的端点效应问题。本节笔者将利用镜向延拓的方式来对经验模式分析中出现的端点效应干扰问题进行解决。

2.3.利用经验模式分解——AR模型灰色识别方法对滚动轴承进行故障诊断的实例

工作人员在对滚动轴承进行实验的实验台上采集到了滚动轴承在不同运行状态下的振动信号，并进行了详细的记录。本节所采集滚动轴承对象主要是型号为6307的深沟滚动轴承，其主要故障为内圈点蚀、外圈划痕、正常采集与滚动划痕四种[7]。

工作人员对6307深沟滚动轴承进行了故障诊断，并且发现当6307滚动轴承出现不同的故障时，计算机处理系统对振动信号所显示出的时域波形形状是存在明显差别的，根据时域波形的不同，机械故障诊断人员就可以轻松的对滚动轴承存在的故障进行诊断。因此，我们可以通过利用将经验模型分解与AR模型结合使用的方式来对滚动轴承设备进行故障的分析与诊断。

3.一种新的双谱解卷积方法——基于盲解卷积提取机械系统诊断信息

随着我国工业机械发展的速度不断加快，工业机械的运转速度也得到了显著的提高，然而新的工业材料与结构的出现，使得我国传统的线性理论在对动力学系统中转子问题的解决上存在的问题逐渐凸显出来。工业机械设备在运行的过程中会出现许多线性问题，这就在很大程度上导致了工作人员在对机械设备进行诊断时存在着较大额线性信号干扰问题，使故障诊断的结果精确性下降[8]。本节将利用独立分量分析的方法来对诊断过程中出现的干扰信号进行分解，以提高机械设备故障诊断的精确性。而鉴于实际工程中的机械源混叠多为卷积型，因此，本节将对盲解卷积算法中的双谱解卷积方法进行介绍与分析。

3.1.双谱解卷积算法的原理

需要我们任意选择一个阶数为6的FIR滤波器A，并应用双谱盲解卷积算法对盲源实行分离，在工作人员对最终得出的原始信号、混合信号、双谱盲分离结果及其包含的信息进行详细的观察与分析后，我们可以发现双谱解卷积算法很好的实现了对混合信号的分离，使机械设备的的原始信号的动态性得到了较好的保留，为工作人员更好的对机械设备进行诊断与分析提供了更加可靠的数据。

3.3.利用双谱解卷积算法对机械设备的轴承故障进行实验与分析

工作人员首先要在轴承设备进行实验的实验台上对运行中的轴承设备所发出的故障振动信号进行采集与记录。对轴承试验中转轴的选取应为长轴，并且在长轴外安装好耦合机械结构，以实现对机械设备突出机构滤波效应的突出显示[10]。其中1轴承应该为轴承的内圈制造故障，而2轴则应该为轴承的外圈制造故障。

在对机械的轴承进行双谱解卷积算法实验时，需要将能够对故障信号进行感应的传感器分置在1轴承与2轴承的轴承座上，其多传感的信号则主要为1轴承和2轴承所发出振动信号的卷积信号。工作人员将通过计算机对正常的测试信号利用双谱解卷积方法进行处理得到的分离信号与利用计算机对盲解卷积分离信号进行双谱解卷积处理所得到的信号进行比较和分析后得出这样的结论：对测试信号进行双普解卷积处理得到的分离信号时域波形较为混乱，不能精确的对轴承故障进行诊断；而利用分离信号轴承进行双普解卷积处理所得的分离信号时域波形则较为清晰，并且结构分明，十分明晰的对轴承的故障频率进行了显示，能够方便故障诊断人员对轴承的故障做出较为精确的诊断。

3.4.对实验结果进行分析与总结

本节主要对双谱解解卷积的原理、其在机械系统诊断中的实验研究与其在轴承故障诊断中的应用进行了详细的分析与研究，最终得出了双普解卷积算法对机械设备故障诊断具有对故障振动信号分离方法便捷、计算方法简单、抗噪声干扰能力强、诊断结果较为精确等优点，可以在机械设备故障诊断领域大范围的应用，不仅提高了为我国工业领域的故障诊断技术，而且对我国机械工业企业提高生产效益、降低生产成本、减少人员伤亡事故的发生与提高经济效益具有十分重要的作用和意义。

4.结束语

在我国的工业化不断发展，工业机械设备日益大型化、精细化、智能化、自动化的近现代社会，人们对工业机械设备的维修与护理工作也越来越复杂、越来越难以进行。然而，由于机械设备的故障会对工业领域的生产造成巨大的损失，因此，我们必须做好对机械设备的故障诊断工作，掌握好机械故障诊断的关键性技术。本文主要对我国机械诊断现代信号处理技术机器故障识别的关键性技术做了较为深入的分析与研究，并且对其中的一些故障诊断实例进行了分析，以期能够对我国故障诊断技术的提高起到一定的借鉴与推动作用。

参考文献：

[1] 徐玉秀，王新欢，石玉强，原培新.复杂机械故障诊断的分形与小波方法[M].北京：机械工业出版社，2012，16（8）：78-79.

[2] 袁幸，段佳音，王宝玉，段志善.滚动轴承振动信号小波域自适应滤波方法[J].煤矿机械及其故障诊断，2008，16（5）：88-94.

[3] 杨叔子，吴山语，李子玉，吴雅著.时间序列分析的工程应用（下册）[M].武汉：华中理工大学出版社，2011，10（3）：16-19.

[4] 袁幸，段志善，石玉莲，陈金福.基于EMD一AR模型和灰色关联度的滚动轴承故障诊断的研究[J].轴承故障诊断技术，2008，13（6）：45-48.

[5] 边肇棋，林旭金，张学工等著.模式识别（第二版）[M].北京：清华大学出版社，2012，18（6）：18-23.

[6] 袁幸，段志善，王海佳，陈宇鹏.转子一轴承系统故障非线性振动响应识别方法的究[J].机床与液压，2008，15（6）：156-157.

[7] 王家辉，段国财，王祥，陈予恕.机械故障诊断的非线性动力学原理[J].机械工程学报，2007，43（l）：25-34.

[8] 何正嘉，何佳美，普艳阳，孟庆丰等.机械设备非平稳信号的故障诊断原理及应用[M].北京：高等教育出版社，2011，1l（5）：28-33.

[9] StePhaneMallat，刘长利，闻邦椿，杨力华等译.碰磨转子一轴承系统非线性振动特性的实验研究[M].北京：机械工业出版社，2012，14（3）：123-127.

[10] 王国庆，刘宏昭，刘彩霞，王爱国，何长安.含间隙连杆机构非线性行为研究[J].机械设计制造与故障诊断技术，2005，19（3）：32-34.

[11] 胡晓慧，胡金旺，赵有才.大型机械设备的现代故障诊断信号处理技术及应用[J].机械工业，2010，11，15（3）：125-132.