机械故障诊断中信号处理工具箱的开发及应用

1　引言

机械设备的故障诊断，自从工业生产以来就一直存在，早期人们了解机械设备的振动等状态特征，主要是依据工匠的经验来判断某些机械故障的存在。机械故障诊断技术是1960年左右开始发展的。利用传感器测得的振动信号对机械状态进行诊断，是机械故障诊断中最常用、最有效的方法。机械设备在运行过程中产生的振动及其特征信息是反映机械设备及其运行状态变化的主要信息，通过各种动态测试仪器获取、记录和分析这些动态信号，是进行机械设备状态监测和故障诊断的主要途径。振动信号处理技术大致可以分为基于时域的方法、基于频域的方法和基于时频域的方法。

为了更快捷、高效地对振动信号进行处理，对机械运行状态做出诊断，需要一种工具箱来实现此功能。Math Works公司是世界领先的技术计算和基于模型设计的软件开发商，实现了对不同行业应用的信号处理、控制系统、统计分析等多个专门功能的工具。但是Matlab提供的信号处理工具箱并不适用于机械故障诊断领域中的振动信号处理，不能实现诊断故障的功能。因此开发了基于Matlab图形用户界面的信号处理软件，能够对振动信号进行3种方法的分析处理与特征信息的提取，快速发现故障的诊断信息。

2　振动信号的处理技术

2.1　时域信号处理技术

2.1.1　时域指标

时域统计分析是指控制系统在一定条件下，输出信号随时间变化的一些特征参数，对动态信号的各种参数、指标进行估计，根据合适的信号动态分析指标，可以对不同类型的故障做出准确的判断。根据量纲的有无可以分为有量纲和无量纲。有量纲特征值的数值大小常因负载、转速等条件的变化而变化。因此，机械故障诊断中还釆用了多种无量纲指标,有裕度指标、峭度指标和脉冲指标等。比较而言，均方根值的稳定性较好，但是对早期故障信号不敏感。因此，将以上的指标结合使用，能够在敏感性和稳定性方面都取得较好的诊断结果。

2.1.2　自相关分析

信号的自相关函数反映信号在不同时刻的自相似性。利用自相关分析能够在复杂的噪声中发现隐藏的周期分量，确定机器的故障。机器在正常运行下的振动或噪声一般是密集的、无规则的随机扰动，具有均匀分布的频谱，其自相关函数往往与宽带随机噪声的自相关函数接近。对于不正常运行状态下的振动信号，会出现有规则的周期性脉冲，在故障周期信号不明显时非常有效。

2.2　频域信号处理技术

2.2.1　频谱分析

频谱分析是机械故障诊断中最常用的方法。频谱分析中常用的有傅里叶谱和功率谱。傅里叶谱的幅值信息根据应用场合的不同，有幅值谱、均方谱和对数谱3种。

2.2.2　倒频谱分析

倒频谱分析，也称作二次频谱分析，是近代信号处理的新方法，是监测复杂谱图中周期分量的有用工具。倒频谱是频谱对数值的傅里叶逆变换。倒频谱具有检测频谱图上周期分量的功能，还能将系统输入效应和系统的传递效应线性分开。倒频谱分析可以分解和识别故障频率、原因及部位。

2.3　时频域信号处理技术

Hilbert-Huang变换（HHT）是基于EMD（empirical mode decomposition，经验模态分析）的Hilbert变换。Hilbert时频谱可以把信号幅度在三维空间中表达成时间与瞬时频率的函数，信号幅度表示为时间频率平面上的等高线。边界谱是时频谱对时间轴的积分，是每个频率在全局上的幅度贡献，反映了概率意义上幅值在整个时间快读上的累积幅值。

实现对机械系统振动信号的上述分析和用户可视化，需要借助于Matlab的GUI（图形用户界面）设计。它由窗、轴、工具图标、文字说明等构成用户界面，能完成复杂的程序模块。GUIDE（图形用户界面开发工具）是程式性的开发工具，所得界面和软件的结构性和规范性具备良好效果。

图1　工具箱流程图

Matlab图形界面程序的核心是句柄图形的应用，通过对句柄图形的操作，可以对该句柄图形所对应的对象进行控制，如修改属性、调用其回调函数等。图1为制作工具箱的步骤，在设计中步骤之间有时需要交叉或符合执行，才能获得准确数据结果。

本文所开发的工具箱实现信号在时域、频域、时频域的分析，振动信号经过工具箱的处理能实现机械系统的故障诊断，明确设计任务并绘制主界面，经过反复修改调整得到如图2所示界面。

图2　主界面

菜单栏Load from命令下有两个选项——Excel和Mat-Files。这意味着有两种信号Microsoft Excel工作表和Matlab信号*.mat都可以被加载。

菜单栏Save as命令在保存时域指标时有两种方式。其中一种是保存单条数据，可以保存图中显示的所有时域指标。如果Excel表格中有每条数据有m个点为一列，由n条数据组成的m行n列矩阵，就可以直接对n条数据提取时域指标特征值。

主界面默认显示的是振动信号的时域分析结果，在菜单栏中单击Frequency Domain、Time Domain和HHT，就可以进行频域、时域和时频域分析结果的切换。

3　工具箱在故障诊断中的应用

以转子试验平台模拟的偏心故障为例，通过信号采集仪获取正常运转、轻微故障、中度故障、严重故障4种状态的振动数据。

采集仪器有4个通道，其中连接1、2、3、4通道的传感器按顺序分别布置在试验台的基座、轴向、水平径向、竖直径向上。首先，加载第1通道基座上正常运行的数据。在弹出的对话框中选择文件，单击“打开”按钮把信号加载到工具箱中。

3.1　时域指标分析

设置采样频率为10.24kHz，成功加载信号后得到如图3所示的分析结果界面。保存时域指标如表1所示，数据的第1~4列是正常运转状态到严重故障状态的劣化过程，每种运行状态下的特征值从上到下排列。以行维度，反映了每种特征值随运行状态的不同而产生变化的情况。

图3　细化频谱

从表1可以看出有量纲参数：标准差、均方根值、偏斜度、峭度等都随故障的加深明显增大，无量纲参数从正常运转到中度故障，数值逐渐增大，但是到严重故障时，数值又会降低，验证了无量纲参数具有较好的敏感性和较差的稳定性。

3.2　频域分析

在菜单栏单击“频域指标”，如图3所示界面，需要考察信号的频谱图类型，单击界面下方按钮，图中就会显示对应的频谱图。但横坐标从0到几千赫兹范围很大，如果想提高分辨率，可以在按钮旁边的文本框中输入横坐标的范围，再次单击频谱图按钮，如图4所示。

图4　频域界面

图5中，（a）（b）（c）（d）分别为第3通道从正常运转到严重故障的4种运行状态的均方谱图。本实验模拟风机运行状态，转速为30r/min。频谱图中除了通常具有的工频0.5Hz分量外，正常运转状态下425Hz左右的分量十分明显，说明此状态并不是无故障状态，425Hz是齿轮的啮合频率，说明轮齿出现裂纹或点蚀等故障。出现偏心故障之后，425Hz的故障频率分量得到抑制，随着故障加深，100Hz、300Hz、700Hz分量越来越突出。严重故障时，除了工频外，100Hz、300Hz、400Hz、700Hz分量很明显。实验证明，均方谱图对机械设备是否存在故障和故障程度都有较好的参考价值。

4　结语

本文以转子试验平台模拟的偏心故障为例，通过信号采集仪采集正常运转、轻微故障、中度故障、严重故障4种状态的振动数据。用这些数据在Matlab信号处理工具箱进行处理，经过反复实验，结果表明此工具箱能够快速、准确地进行时域分析、频域分析及时频域分析，并能成功计算出进行故障分析时所需要的各种指标、频谱图及时频谱图。此Matlab信号处理工具箱能够快速对振动信号进行时域、频域及时频域的分析处理，提取特征信息，更快捷、高效地对振动信号进行处理，对机械运行状态做出分析和诊断。

参考文献

[1]徐小力，王红军．大型旋转机械运行状态趋势预测[M]．北京：科学出版社，2011．

[2]何正嘉，等．机械故障诊断理论及应用[M]．北京：高等教育出版社，2010．

[3]张志涌．精通MATLAB R2011a[M]．北京：北京航空航天大学出版社，2011．

[4]陈垚光，等．精通MATLAB GUI设计（第3版）[M]．北京：电子工业出版社，2013．

[5]赵志宏．基于振动信号的机械故障特征提取与诊断研究[D]．北京：北京交通大学，2012．

[6]印嘉．基于小波包能量谱与HHT的隔膜泵主轴故障诊断研究[D]．昆明：昆明理工大学，2013．

[7]赵志宏．基于振动信号的机械故障特征提取与诊断研究[D]．北京：北京交通大学，2012．

（作者张栋栋供职于北京中电普华信息技术有限公司，硕士）