李源 李喆
武汉船舶设计研究院有限公司 湖北省武汉市 430064
摘要：当机械设备的振动信号为非平稳信号和时变信号这类特殊信号时，时域分析和频域分析因其自身的局限，无法取得很好的分析效果，需要使用时间和频率的联合函数来表示信号，即信号的时频表示。针对常用的时频分析振动信号处理方法，总结多种算法的特征和优缺点。根据常见机械设备关键构件的振动特征，选择不同的信号处理和特征提取算法进行分析，以便提高多种构件、多类故障的特征提取精度和可靠性。
关键词：机械故障诊断 振动信号 技术
引言
近年来，大量自动化、执行多种功能的机械设备被应用于船舶之上，遂行海洋勘探、海洋科考、远洋运输等任务。由于海洋环境较为严苛，因此这些机械设备的工作条件较为恶劣，因此保证这些设备能够在安全状态下运行至关重要。通常情况下，某些机械设备零部件在高速旋转时，转子有时会剧烈振动，从而损坏其他零部件，此外，异常振动会导致严重的机械故障，甚至航行事故和经济损失。因此，为了找到故障位置并及早采取措施，必须建立一个完善的船舶机械状态监测和故障诊断系统。
1.机械故障诊断方法的研究现状
1.1基于控制模型的故障诊断
对于一个机械系统，若通过理论或实验方法能够建立其模型，则系统参数或状态的变化可以直接反映该系统及其动态过程，从而为故障诊断提供依据。基于控制模型的故障诊断方法主要涉及到模型建立、参数与状态估计和观测器应用等技术；其基本思想是：对故障系统构造适当形式的包含有可调参数的状态观测器，并使其处于零状态。当系统发生故障时，用观测器中的可调部分来补偿故障对系统状态和输出的影响，使得观测器在系统处于故障状态下仍然保持零状态观测误差，此时观测器中可调部分的输出即为故障参数的估计结果。使用该方法的优点是可对故障信号进行在线建模，但是当系统出现强非线性时，目前仍无有效算法。
1.2基于模式识别的故障诊断
故障诊断实质上是利用被诊断系统运行的状态信息和系统的先验知识进行综合处理，最终得到关于系统运行状况和故障状况的综合评价过程。如果事先对系统可能发生的故障模式进行分类，那么故障诊断问题就转化为模式识别问题。当系统的模型未知或者非常复杂时，模式识别则为解决故障诊断问题提供了一种简便有效的手段。基于模式识别的故障诊断方法主要分为统计模式识别和句法模式识别两大类，它们在旋转机械故障诊断领域中得到广泛应用 。
1.3基于人工智能的故障诊断
基于人工智能故障诊断的研究主要分为两类：基于知识的故障诊断和基于神经网络的故障诊断。基于知识故障诊断大致包含两种情况：基于浅知识的专家系统和基于深知识的专家系统。前者是以领域专家和操作者的经验知识为核心，通过演绎推理来获取诊断结果。其特点是利用领域专家的知识和经验为故障诊断服务，但是这种方法具有较大的局限性，如知识集不完备，过于依赖领域专家等。而后者则要求诊断对象的每一个环节具有明确的输入输出表达关系，诊断时首先通过诊断对象的实际输出与期望输出之间的不一致，生成引起这种不一致的原因集，然后根据诊断对象领域中的第一定律知识及其内部特定的约束关系，采用一定的算法，找出可能的故障源。基于神经网络的故障诊断。人工神经网络在机械故障诊断中的应用主要集中在三个方面：一是从模式识别角度应用神经网络作为分类器进行故障诊断；二是从预测角度应用神经网络作为动态预测模型进行故障诊断；三是从知识处理角度建立基于神经网络的诊断专家系统。如采用径向基函数网络、概率神经网络和自适应特征映射网络作为分类器对旋转机械故障进行研究。基于神经网络的智能诊断方法不仅在机械故障诊断领域得到应用，在其它领域也得到了迅速的发展。但该项技术也存在一些不足，如获取大量的训练样本较困难，知识表达方式难于理解，对经验和技巧要求较高及收敛速度慢等问题。
期刊文章分类查询,尽在期刊图书馆
2.振动信号的处理方法
2.1时域分析方法
振动信号的时域分析是指根据信号随时间变化的波形来分析信号从而得出信号的特征量和组成.主要有相关分析法和特征值分析法.相关分析是指对两个随机数据之间的线性相关程度进行分析包括互相关函数分析和自相关函数分析.特征值分析指利用概率统计的方法分析信号的统计特征如平均值、有效值、峰一峰值、峰值、均方值、方差、峭度、偏斜度等
2.2频域分析法
信号的频率是振动信号本身所具有的客观特性相比信号的时域分析信号的频域分析更能体现信号的本质特性周而通常会对信号进行时一频转换主要有频谱分析法和倒谱分析法频谱分析法指通过将信号从时域转换到频域得到信号的频谱分析频谱的组成得到复杂信号中各个频率成分相应的幅值及相位等倒谱分析法指当振动信号的频率成份较复杂时在幅值谱或功率谱上往往难以区分此时即可用倒谱的分析方法在倒谱上可以轻松识别信号中的各个频率成分。
2.3时频分析法
时域分析法只侧重某个角度的参数计算而不能反映信号的本质和全貌颁域分析法虽能反映信号本质清日不能体现出信号频率局部瞬间的变化具有局限性厂般只能用于分析线性、稳态信号为处理非线性非平稳信号提出了短时傅里叶变换、小波变换等时频分析方法.小波变换的本质依然是一种加窗的傅里叶变换因此具有不可避免的局限性.此外小波变换还存在小波基函数的选择问题次缺自适应性的问题等.希乐伯特一黄变换（HTT）是新近提出的一种非线性非平稳信号的处理方法这种方法突破了傅里叶变换的限制已得到广泛应用但存在边界效应、模态混叠等问题数学形态学方法，也是最近提出的一种非线性非平稳信号的分析方法，此种方法具有运算简单、保相、幅值不偏移等优点在振动信号的处理中也得到了应用但缺少特性分析其本质内在的规律还没有完全掌握在应用时较多依赖于经验。
3.振动分析与故障诊断技术现存的问题和发展趋势
3.1FFT 谱分析仅反映了振动信号整体的统计特性，频谱中无法体现非平稳时频率细节，且频谱分辨率受到限制。
3.2ARMA 时序模型虽然可以推广应用于某些非线性、非平稳振动信号的特征提取，但应用中建模复杂、阶数选择和计算量之间矛盾等问题，制约了该方法的实用性，不宜在大型旋转机械状态监测和故障诊断中应用。
3.3小波变换虽然在机械故障诊断领域得到了成功应用，但由于存在小波基等参数的选择敏感性、非自适应性等特点，制约了小波变换的应用性能。此外，小波变换本质上是窗口可调的傅立叶变换，其小波窗内的信号则视为平稳状态，因而没有摆脱傅立叶变换的局限，小波基的有限长会造成信号能量的泄露，使信号能量、时间、频率分布很难定量给出。所以说如何正确而全面地提取关键回转部件振动信息仍然是当前大型旋转机械振动信号处理和分析的关键问题。立足当前，就需要探索和发展新的大型旋转机械振动信号分析处理方法及相应的故障诊断技术。
4.结束语
总之，机械故障发生时，在所测量的信号中通常会激励出瞬态信号成分。这种信号成分无论通过信号的时域还是频域分析方法，都无法直接提取瞬态信号成分的特征。时频分析是分析非平稳信号和时变信号这类特殊信号重要工具，这为信号中由机械故障所激励的瞬态成分的有效特征提取提供了解决方案。
参考文献:
[1]陈大禧.大型回转机械诊断现场实用技术[M ].北京：机械工业出版社，2012：3—19．
[2]张思.振动测试与分析技术[M ].北京：清华大学出版社，2015：2—22．
[3]杨叔子等.机械设备诊断的理论、技术与方法.振动工程学报，2012．5（3）：193—201．
论文作者:李源,李喆
论文发表刊物:《防护工程》2018年第11期
论文发表时间:2018/10/15
标签：信号论文; 故障诊断论文; 方法论文; 机械论文; 故障论文; 神经网络论文; 时域论文; 《防护工程》2018年第11期论文;