金榕舜,沈功田,王 強(qiáng),張君嬌

(1.中國(guó)計(jì)量大學(xué) 質(zhì)量與安全工程學(xué)院,浙江 杭州 310018;2.中國(guó)特種設(shè)備檢測(cè)研究院,北京 100029)

大型觀纜車是一種旋轉(zhuǎn)類機(jī)械,也是大型游樂(lè)設(shè)施的一種.主軸系統(tǒng)是觀纜車重要的承載部件,它由主軸和軸承組成.而大多數(shù)觀纜車軸承屬于滾動(dòng)軸承,其失效可能直接引起觀覽車事故,造成人員的傷亡.因此,對(duì)于大型觀纜車軸承的監(jiān)測(cè)具有重要的意義.

聲發(fā)射(Acoustic emission, AE)檢測(cè)技術(shù)對(duì)設(shè)備運(yùn)行過(guò)程中進(jìn)行在線檢測(cè)和監(jiān)測(cè),獲取結(jié)構(gòu)中活性聲發(fā)射源的信息,實(shí)現(xiàn)設(shè)備的早期預(yù)警以減少事故的發(fā)生[1].聲發(fā)射技術(shù)已經(jīng)在壓力容器、壓力管道、金屬儲(chǔ)罐、起重機(jī)等特種設(shè)備的檢測(cè)與監(jiān)測(cè)中取得了一定的成功[2-4].近年來(lái),聲發(fā)射技術(shù)在大型觀纜車滾動(dòng)軸承方面開(kāi)展了初步的研究.吳占穩(wěn)[5]等通過(guò)分析觀纜車主軸運(yùn)行過(guò)程中的聲發(fā)射信號(hào)參數(shù)特征,發(fā)現(xiàn)有效值電壓(RMS)在一個(gè)周期內(nèi)有四個(gè)等間隔峰值.張君嬌[6]等采用參數(shù)統(tǒng)計(jì)分析方法對(duì)觀覽車正常軸承運(yùn)轉(zhuǎn)的聲發(fā)射信號(hào)進(jìn)行分析.目前針對(duì)觀纜車滾動(dòng)軸承聲發(fā)射狀態(tài)監(jiān)測(cè)和故障診斷的研究還相對(duì)較少.

經(jīng)驗(yàn)?zāi)B(tài)分解是一種適用于非線性非平穩(wěn)信號(hào)的分析方法[7].其優(yōu)點(diǎn)是根據(jù)自身的時(shí)間尺度特征,不需要選擇基函數(shù),自適應(yīng)地將復(fù)雜信號(hào)分解為若干個(gè)本征模態(tài)函數(shù).該方法在軸承故障診斷中得到廣泛應(yīng)用.DU[8]等采用EMD方法對(duì)軸承振動(dòng)信號(hào)進(jìn)行分析,表明該方法優(yōu)于離散小波分析方法.YANG[9]等提出一種基于EMD和人工神經(jīng)網(wǎng)絡(luò)故障診斷方法.EMD被用于預(yù)處理不同類型的振動(dòng)信號(hào),通過(guò)神經(jīng)網(wǎng)絡(luò)判別軸承的故障類型.ZHAO[10]等提出一種IMF-ApEn的滾動(dòng)軸承振動(dòng)信號(hào)定量診斷方法,取得了較好的分析結(jié)果.近似熵(Aproximate entropy, ApEn)是一種用于量化時(shí)間序列波動(dòng)的規(guī)律性和不可預(yù)測(cè)性的非線性動(dòng)力學(xué)參數(shù)[11].它具有計(jì)算所需數(shù)據(jù)點(diǎn)少、抗噪和抗干擾能力較好等優(yōu)點(diǎn),使其在故障診斷領(lǐng)域被廣泛應(yīng)用[12-13].

因此,本文以觀纜車模擬裝置低速滾動(dòng)軸承為研究對(duì)象,提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解和近似熵的故障特征提取方法.該方法先對(duì)信號(hào)進(jìn)行EMD分解,利用能量和相關(guān)系數(shù)法選取IMF分量,然后計(jì)算選取的分量的近似熵,識(shí)別滾動(dòng)軸承是否存在故障.

1 試驗(yàn)裝置系統(tǒng)

1.1 觀纜車模擬裝置

大型觀纜車模擬實(shí)驗(yàn)裝置由支柱、轉(zhuǎn)輪、傳動(dòng)系統(tǒng)、吊斗、電氣等裝置組成,如圖1.觀纜車模型總高2.9 m,轉(zhuǎn)輪直徑為2 m,沿輪緣均分布6個(gè)吊斗,每個(gè)吊斗模擬載荷為1 500 kg,吊斗圓周最高線速度為0.026 2 m/s,軸承為23138CA/W33型調(diào)心滾子軸承,其尺寸參數(shù)為:外徑320 mm,內(nèi)徑190 mm,厚度104 mm,滾動(dòng)體每列20個(gè),如圖2.采用線切割和打磨技術(shù),對(duì)實(shí)驗(yàn)軸承進(jìn)行加工所需要的軸承模擬缺陷,如圖3.D0表示軸承無(wú)缺陷,D1表示軸承滾動(dòng)體上存在1.5 mm的缺陷,D2表示軸承內(nèi)圈存在一條長(zhǎng)40 mm、寬10 mm、深3 mm的長(zhǎng)方形缺陷.實(shí)驗(yàn)中,觀纜車主軸在額定轉(zhuǎn)速下順時(shí)針轉(zhuǎn)動(dòng),轉(zhuǎn)動(dòng)一圈需188 s.

圖1 觀纜車模擬裝置Figure 1 Ferris wheel simulator

圖2 試驗(yàn)軸承Figure 2 Test bearing

圖3 軸承缺陷Figure 3 Bearing defect

1.2 聲發(fā)射檢測(cè)系統(tǒng)

本文采用德國(guó)Vallen公司的AMSY-6型聲發(fā)射檢測(cè)系統(tǒng),如圖4,包括:信號(hào)采集卡,VS150-RIC型傳感器,其響應(yīng)頻率范圍為100～450 kHz,通過(guò)增益為34 dB的AEP4前置放大器與聲發(fā)射儀連接采集數(shù)據(jù),門檻值為40 dB,傳感器直接安裝在主軸兩側(cè)的軸承座上,采用專用耦合劑耦合.

圖4 檢測(cè)儀器Figure 4 Testing instrument

2 信號(hào)特征提取

觀纜車滾動(dòng)軸承AE信號(hào)經(jīng)EMD自適應(yīng)地分解后各IMF分量既包含了信號(hào)的局部特征,也包含了不同的特征時(shí)間尺度信息.對(duì)觀纜車滾動(dòng)軸承AE信號(hào)進(jìn)行EMD分解,利用相關(guān)系數(shù)法選取前n個(gè)IMF分量ci(t).用Ei(i=1,2,…,n)表示第i個(gè)IMF的能量,則該表達(dá)式為[14]

(1)

當(dāng)能量較大時(shí),不方便對(duì)數(shù)據(jù)進(jìn)一步分析處理.因此對(duì)能量進(jìn)行歸一化處理構(gòu)造一個(gè)特征向量T:

(2)

(3)

近似熵是用一個(gè)非負(fù)數(shù)來(lái)表示某時(shí)間序列的復(fù)雜性,越復(fù)雜的時(shí)間序列對(duì)應(yīng)的近似熵越大.而AE信號(hào)是一種復(fù)雜的非線性信號(hào).因此,近似熵可以用來(lái)表征AE信號(hào)在不同尺度和不同頻帶內(nèi)的復(fù)雜程度.根據(jù)能量與相關(guān)系數(shù)法選取IMF分量,對(duì)IMF分量進(jìn)行近似熵計(jì)算.其算法步驟如下[12]:

1)設(shè)原始信號(hào)為N點(diǎn)的一維時(shí)間序列{u(i),i=1,2,…,N},構(gòu)造一組m維矢量

X(i)=[u(i),u(i+1),…,u(i+m-1)]
i=1～N-m+1.

(4)

2)計(jì)算矢量X(i)與其余矢量X(j)之間的距離:

(5)

3)給定閾值r(r>0),對(duì)每一個(gè)i值統(tǒng)計(jì)d[X(i),X(j)]

(6)

(7)

5)對(duì)m+1,重復(fù)步驟1)—4),得到Φm+1(r);

6)理論上該序列的近似熵為:

(8)

7)對(duì)于有限長(zhǎng)時(shí)間序列,得到的是序列長(zhǎng)度為N的近似熵估計(jì)值:

ApEn(m,r,N)=Φm(r)-Φm+1(r).

(9)

顯然,近似熵的值與m,r的取值有關(guān).根據(jù)經(jīng)驗(yàn)[12],通常取m=2,r=0.1～0.25SD(u),其中SD表示序列u(i)的標(biāo)準(zhǔn)差.因此,本文近似熵的計(jì)算過(guò)程中取m=2,r=0.2SD(u).

3 結(jié)果分析及討論

觀纜車正常軸承、滾動(dòng)體故障和內(nèi)圈故障的AE信號(hào)時(shí)域圖和頻域圖,如圖5.采樣頻率為10 MHz,采樣長(zhǎng)度為8 192點(diǎn).由圖5可以看出,觀纜車正常軸承,滾動(dòng)體故障和內(nèi)圈故障的AE信號(hào)頻域帶寬較大,正常軸承主要分布在40～170 kHz,在60 kHz和160 kHz左右存在峰值,滾動(dòng)體故障在60～100 kHz范圍內(nèi)頻率分布較均勻.內(nèi)圈故障主要分布在50～200 kHz,在80 kHz和150 kHz處左右存在峰值.單純從時(shí)域和頻域方面對(duì)觀纜車滾動(dòng)軸承AE信號(hào)進(jìn)行分析,較難獲得AE信號(hào)故障特征,因此,需要對(duì)信號(hào)進(jìn)行進(jìn)一步的分析與處理.

圖5 觀纜車滾動(dòng)軸承AE信號(hào)時(shí)域和頻域圖Figure 5 Time domain and frequency domain diagrams of the AE signals of the ferris wheel rolling bearings

利用EMD方法對(duì)采集的AE信號(hào)進(jìn)行分解,由于虛假分量的存在使得IMF分量必須進(jìn)行篩選,因此,計(jì)算各IMF分量與原始信號(hào)的相關(guān)系數(shù),分析多次計(jì)算后的結(jié)果,表明前6個(gè)的IMF分量與原始信號(hào)的相關(guān)系數(shù)較大,而其他高階IMF分量與原始信號(hào)的相關(guān)系數(shù)在0.001或更小的數(shù)量級(jí).因此,本文選取前6個(gè)IMF分量作為進(jìn)一步研究對(duì)象,EMD分解結(jié)果如圖6.

由圖6可以看出,EMD分解后得到一系列頻率由高到低排列的IMF分量,每個(gè)IMF分量包含不同的特征時(shí)間尺度,反映出信號(hào)的局部特征,表明EMD分解是自適應(yīng)的.

觀纜車滾動(dòng)軸承AE信號(hào)經(jīng)EMD分解后得到6個(gè)IMF分量,計(jì)算選取的IMF分量與原始信號(hào)的相關(guān)系數(shù),以及每個(gè)IMF分量的能量占比,將其作為特征向量,計(jì)算結(jié)果見(jiàn)表1.

表1 IMF分量與原始信號(hào)的相關(guān)系數(shù)及各IMF分量的能量Table 1 Correlation coefficient between IMF components and original signal and the energy of IMF components

由表1可以看出,觀纜車滾動(dòng)軸承正常AE信號(hào),滾動(dòng)體故障AE信號(hào)和內(nèi)圈故障AE信號(hào)經(jīng)EMD分解后能量大的IMF分量與原始信號(hào)的相關(guān)系數(shù)也大.以滾動(dòng)體故障為例,IMF4,IMF5的能量分別為0.829 5和0.553 6,其相關(guān)系數(shù)均大于其余分量.

圖6 EMD分解結(jié)果Figure 6 EMD decomposition results

分別取觀纜車正常軸承AE信號(hào)的IMF5,滾動(dòng)體故障AE信號(hào)的IMF4,內(nèi)圈故障AE信號(hào)的IMF4,計(jì)算這些IMF分量的近似熵,結(jié)果如圖7.由圖7可以看出,當(dāng)觀纜車軸承存在缺陷時(shí),其近似熵明顯比正常軸承時(shí)要大.但滾動(dòng)體故障的近似熵和內(nèi)圈故障的近似熵相差不大,無(wú)法區(qū)分.當(dāng)觀纜車軸承存在缺陷時(shí),滾動(dòng)體每撞擊一次缺陷部位,產(chǎn)生不同模式的聲發(fā)射信號(hào)概率增加,且聲發(fā)射信號(hào)變得更加強(qiáng)烈.而近似熵能夠表征信號(hào)的復(fù)雜性,信號(hào)越復(fù)雜,其近似熵也就越大.

本文分別選取三種故障模式各50組數(shù)據(jù)進(jìn)行分析,正常軸承的近似熵均值為0.149 9,標(biāo)準(zhǔn)差為0.04 3,滾動(dòng)體故障的近似熵均值為0.283 8,標(biāo)準(zhǔn)差為0.045 9,內(nèi)圈故障的近似熵均值為0.273,標(biāo)準(zhǔn)差為0.052 8.表2給出了10組試驗(yàn)樣本(隨機(jī)抽取)經(jīng)過(guò)EMD近似熵方法的識(shí)別結(jié)果.

圖7 正常軸承與故障軸承的近似熵Figure 7 Approximate entropy of normal bearing and fault bearing

表2 基于EMD與近似熵的觀纜車滾動(dòng)軸承故障識(shí)別結(jié)果Table 2 Fault recognition results of ferris wheel roller bearings based on EMD and approximate entropy

由表2可以看出,采用EMD近似熵的方法對(duì)觀纜車滾動(dòng)軸承進(jìn)行故障診斷,能夠判斷軸承是否存在故障,識(shí)別準(zhǔn)確率為100%,說(shuō)明了EMD近似熵方法在觀覽車小樣本故障識(shí)別中的有效性.

4 結(jié)語(yǔ)

1)針對(duì)觀纜車負(fù)載重、轉(zhuǎn)速低、主軸系統(tǒng)不易拆卸的特點(diǎn),構(gòu)建了大型觀纜車模擬試驗(yàn)裝置,高2.9 m,轉(zhuǎn)輪直徑2 m,負(fù)載9 000 kg,模擬實(shí)際觀纜車的運(yùn)轉(zhuǎn)狀況,獲取觀纜車軸承的聲發(fā)射信號(hào).

2)采用EMD和近似熵相結(jié)合的方法對(duì)觀纜車滾動(dòng)軸承聲發(fā)射信號(hào)進(jìn)行特征提取.實(shí)驗(yàn)結(jié)果表明,正常軸承出現(xiàn)故障時(shí),近似熵明顯增加,據(jù)此可以對(duì)軸承故障進(jìn)行有效診斷，但是無(wú)法區(qū)分出故障軸承是何種缺陷,這是下一步的研究方向.