振动筛故障诊断技术的研究状况探析*

赵宣铭

(1.榆林学院 能源工程学院，陕西 榆林 719000；2.西安建筑科技大学 机电工程学院，陕西 西安 710055)

振动筛故障诊断技术的研究状况探析*

赵宣铭1,2

(1.榆林学院 能源工程学院，陕西 榆林 719000；2.西安建筑科技大学 机电工程学院，陕西 西安 710055)

摘要：本文分析了振动筛诊断技术的研究现状，探讨了目前研究和应用的几种主要的振动筛故障诊断技术优点、环境适应性以及局限性。针对现有技术、生产需求以及振动筛故障诊断技术必须具备的特点，对未来振动筛诊断技术的发展做出了展望。

关键词：振动筛；故障诊断；研究方向

随着科学研究事业的不断发展，各类机械设备的结构中，高科技含量不断增加，使得筛分机械设备所涉及的领域与应用变得越来越广泛。对于有原材料生产以及应用的领域，都可以看到筛分机械设备，而在这些筛分机械设备中，最常用的设备就是振动筛。在煤炭工业部门、水利水电部门、交通工业部门甚至在环卫部门都已经应用到了振动筛，并起着至关重要的作用。

在现代大系统自动化流水生产中，系统中各个组成部分的工作状态，不仅影响本部分机器设备本身的安全稳定运行，而且还会对后续生产造成直接影响，振动筛的故障对于应用振动筛的系统的正常工作起着十分重要的作用，故障严重时会造成重大经济损失，甚至造成机毁人亡的事故，因此对振动筛进行故障诊断技术研究显得十分迫切。目前，国内对振动筛的故障诊断研究仍处于起步阶段，很长时间以来对振动筛的状态监测和故障诊断还停留在传统的人工故障诊断的方法上，一般凭借工人的经验进行“望、闻、问、切”的事后处理方法，缺乏比较专门的、系统的方法进行故障诊断[1]。近年来，一些新兴的故障诊断技术被应用到了振动筛的故障诊断当中，不仅可以对振动筛的一些潜在故障进行诊断，而且还能发现一些振动筛的设计缺陷，并能有效地解决传统人工诊断方法只能在故障产生一些后果后才能发现的弊端，把振动筛的故障诊断技术提高到了一个新的层次。

1振动筛故障诊断技术分类

振动筛的故障诊断技术按故障产生的结果可以分为2大类：一类是对已知故障症状结果的诊断技术，如发现振动筛部件断裂、破损，或是产生异响后，这些具有可见特征的故障，通常采用的传统分析方法；另一类是对未知故障症状结果的诊断技术，如利用传感器等元件采集振动筛工作状态的异常信号，并进行分析推断，查找故障原因，特别是能在振动筛未产生明显故障征兆之前就发现故障并找到故障原因的意义是无可争辩的[2]。

2振动筛故障诊断技术的主要研究方向

2.1传感器振动信号采集、提取和分析技术

由于振动筛的工作是在振动环境下运行，所以通过振动信号传感器进行振动信号采集和分析来实现故障诊断的技术应运而生。此方法具有实时、灵敏和高效等特点，因此是目前诊断技术中应用最广泛的一种。

传感器振动信号采集和分析法是通过对振动筛的多个关键点进行安装高灵敏度的宽频带振动信号传感器采集振动信号，并采集振动筛工作状态时的振动信号，然后可以分析振动筛的振幅特征、响应谱或筛体的传递函数，再应用盲源分离算法提取出故障的特征振动信号，最后再利用神经网络对故障模式进行识别。以常规的振动筛振动诊断系统为例，由于对激振器直接做振动测试有很大的难度，所以把振动信号采集点安装在筛板上，并将两部分看成一体，做同步运动，所以，测试筛板的振动量就能全面反映激振器所受的振动量。传感器信号采集结构简图如图1a所示，采集系统原理图如图1b所示。

图1　采集点与系统原理图

利用振动信号进行故障诊断方法可以对一些异常振动，如谐振、疲劳振动等引发的裂纹等故障做出尽早的预判，同时，此方法还可以对激振器进行监测，使激振器在单一频率下工作，并且远离电动机轴的固有频率，避免出现共振现象。此方法的优点是不仅可以对振动筛进行故障诊断，还可对振动筛的振动状态具有很好的监测效果。

2.2噪声信号采集、提取和分析技术

在一些流水生产线如果停产就会带来巨大损失的情况下，或者在振动传感器不易安装，高温、高湿、高腐蚀、有毒、有害和其他一些不容易进行操作的环境下，振动诊断方法受到一定的局限，一般通过对设备运行所发出的噪声进行监测和诊断来找出故障，尤其是利用噪声进行监测有对设备无损、非接触、在线和简便易行等特点[3-7]，可以弥补振动诊断的一些不足。

噪声信号分析技术是通过对受检测振动筛附近选择性地安装高灵敏度的声音信号采集器，获取振动筛工作状态的噪声信号来进行分析，为了识别出不同的故障，还采用统计参量的办法对各种故障进行模式识别。由于故障噪声信号常常会受到其他各种噪声的干扰，故障信息不能直接从时域或频域上得到，为此，对获取到的噪声信号进行小波包分解，然后对故障样本进行BP神经网络训练，训练后的神经网格就是振动筛的声学故障识别网络[8-9]，可以对一些特定的故障进行故障识别，如轴承故障和电动机故障等。以常见的振动筛滚动轴承故障诊断系统为例，当滚动轴承出现故障时，故障位置在运行过程中会产生撞击信号，而且这样的信号会随着轴承的转动周期出现。对于无故障状态来说，采集到的信号通常是连续平稳的信号，而故障位置所产生出的声波波形通常是简单的阶梯或脉冲，但是被采集信号是从声源传播到信号采集器上，传递过程中受到干扰叠加形成复杂的新信号，又给故障的分析推断增加了不少困难。具体的采集检测原理如图2所示。

图2　噪声采集检测原理框图

对于采集到的信号，先用滤波器过滤掉部分无用信号，再对不同转速下的信号进行分析。由于故障点的位置、个数以及间隔距离都对获得的信号有影响，所以应先对不同转速下的信号进行分析。

噪声信号诊断方法与其他方法相比有着信号测量无需粘附传感器、测量方便灵活和不影响设备正常工作等优点,适用于高温高湿及一些不易进行操作的生产环境，对一些特定故障的诊断的精度和效率都非常高，是振动筛故障诊断的有效方法之一。

2.3试验模态分析技术

模态参数在机械系统的结构修改、优化设计、故障诊断以及振动噪声控制等许多实际工程领域都有着广泛的应用，它是现代工程设计方法中对机械结构进行动力学设计和动力学修改不可缺少的工具；因此，应用振动模态分析方法对振动筛进行故障分析，对故障诊断有着很大的帮助。

振动模态分析方法采用在关键测试点安装加速度传感器的方法，来采集振动筛在激励系统下激发出来的关键频段的模态信息，对采集到的信号进行处理获得激励力谱、FRF函数及相关函数，再分别利用峰值法、多参考点时域法和多参考点频域法等多种方法对所测得的数据进行粗略估计,了解振动筛模态频率分布的大致情况后,最后采用多参考点时域法进行参数识别，对几个方向的激励和响应进行对应分析,并进行对比验证，试验得到的模态参数结果，发现在某些点高阶数振型异常，进而分析得出在使用过程中会出现谐振，容易对此位置造成损伤，得出此故障部位。在实际操作中，由于振动筛质量和体积等过于庞大，对于相同的激励，采集点得到的响应幅值有着很大的差别，而且得到的模态频率也相对较低，系统具有一定的非线性，所以经过对比和分析后决定采用多点激励的模态试验方案。试验系统框图如图3所示。

图3　振动筛振动模态试验系统框图

由于结构上的原因，不能够同时对1个激励点进行3个方向的激励，故需要采取多点分方向激励，这样做是为了保证每个点都有2个方向的力进行激励，并通过测试计算出所有的FRF，最终得到力谱、FRF函数及相干函数。为了准确地进行识别，分别利用峰值法、多参考点时域法和多参考点频域法等多种方法对测得的数据进行粗略估计，在了解了振动筛模态频率的大致分布状况后，最后采用参考点时域法进行参数识别。

模态分析法可以很方便地检查出振动筛的谐振部位，而且这些谐振部位对振动筛容易造成结构损伤；因此，模态分析法的提出对振动筛的检测和改进设计都具有重要的实际意义。

2.4油液的光谱和铁谱分析技术

在某些情况下，振动筛本身的振动信号会受到背景的振动或是振动物料的一些不确定因素的影响，这样给采集振动信号或是其他噪声信号带来了一定的困难。研究发现，在生产中，激振器轴承油箱中润滑油颜色很快变深，有粉末状颗粒悬浮在润滑油中，静置后底部有金属光泽的固体粉末沉积,更换新油后仍然出现上述现象，因此怀疑轴承可能出现了异常磨损,对此采用油液的光谱和铁谱分析技术对振动筛进行监测。

首先，在振动筛激振器轴承油箱中的润滑油定期换油前进行采样，并用光谱仪对样品进行分析，分析出样品中所含的各种元素和含量；然后，找出这些元素是由哪些部件磨损产生出来的；最后，把样品制作成铁谱片并用显微镜进行观测，当样品中某一元素含量发生巨大变化时，此时铁谱片分析出的磨粒浓度值也随之增大，说明此时该元素所对应的部件可能已经开始疲劳磨损。

油液的光谱和铁谱分析技术是对某些特定机械设备进行状态监测的有效手段之一，它具有分析结果不受工况条件影响的特点。特别是在某些无法利用常规振动测试进行分析的条件下能起到独特的作用，并能为有效把握设备状态，对实施适时维修提供强有力的科学依据。

3振动筛故障诊断技术的特点

目前的振动筛故障诊断技术具有下述几个特点。

3.1实时性

为了进行故障诊断，应能够实时地获得故障信息，并进行分析，得出结论，找出故障位置和故障原因，所以实时性是非常重要的。以振动信号采集法和噪声信号采集法为例，两者都可以在振动筛工作状态下实时地获取工作状态信息，并同时进行分析，得到诊断结果，其中振动信号采集法还可以利用在关键部位放置传感器来精确采集到某些关键点的异常振动，为及时查找出故障提供了便利，但是油液分析法就不具备这样的特点。

3.2无损性

如果要对振动筛进行故障诊断，也应保证振动筛的完整性和连续工作的状态。在某些情况下，如振动传感器不便于安装的高温、高压、有毒环境或是设计原因不便于安装，以及不允许停机的状况下，无损性就显得尤为重要。以噪声法和油液分析法最为常用，其中噪声法安装噪声传感器因为不需要接触筛体，所以不受环境限制并且不会影响振动筛的正常工作；而油液分析法是在正常进行润滑油更换的情况下进行采集，也不存在影响振动筛工作的情况。

3.3针对性

不同的诊断方法有不同的诊断技术，而这些技术也是针对特定的一些故障而研究出来的，所以具有很强的针对性。振动信号采集法和模态分析法可以很方便地发现谐振和一些异常振动，并能检查出振动筛的谐振部位；而油液分析法可以针对因轴承和支架的损伤引起的材料磨粒混入油液，得出轴承和支架的疲劳磨损等故障。

3.4抗干扰性

设备故障要进行准确诊断，还有一点很重要的就是采集的信息不能受到其他因素的干扰，否则获得的信息不准确，更不能精确地查找出故障并发现故障原因。振动信号采集法、噪声信号法以及模态分析法对被诊断对象的环境要求相对较高，环境中的诸多因素都会导致采集到的数据，从而影响到诊断结果；所以，诊断方法中的抗干扰性就显得很重要。油液分析法在抗干扰性方面显得尤为突出，油液分析法的对象是采集到的润滑油，而润滑油在轴承箱中是密闭状态，不会受到污染及其他影响，并且润滑油的状态稳定，分析对象也是其中的金属元素，基本上不会受到外界因素的影响，所以说该诊断方法的抗干扰性是很强的。

4振动筛故障诊断技术的发展趋势

随着科学技术的迅猛发展，目前的诊断技术虽然取得了一定的进步，但仍然存在很多不足。传统方法工作效率低，故障诊断率低，难以发现潜在故障；振动信号诊断方法中，振动信号受影响因素太多，采集到的难以分离出故障信号；噪声信号诊断方法中噪声信号衰减，受其他噪声影响过多，难以获取所需要的噪声信号，并且噪声信号诊断方法只可以对一些特定故障进行诊断，诊断故障种类过于单一；试验模态分析方法也存在采集到的信号受其他因素影响过多，可以诊断的故障种类过于单一的问题；油液分析法存在时效性太差，不能及时获得故障信息，并且对故障的诊断种类同样也过于单一。

基于目前故障诊断技术的状况，其性能将注重体现出下述几方面的趋势。

4.1诊断系统的智能性

振动筛的状态监测与故障诊断的过程本应该是一个有机的整体，通过对振动筛工作状态的实时监测，采集所需要的信号，然后对采集到的信号进行预处理，交给故障诊断系统，故障诊断系统再对信号进行分析，判断是否出现故障并找出故障部位。随着常识推理和模糊理论的广泛应用，以及深层知识表示技术的成熟，专家系统则由基于规则和功能的推理模式向多知识表示、多推理机的多层次综合型推理模式转化，但随着对人工神经网络理论研究的进一步深入，计算机技术的迅猛发展，具有多功能、高性能和实时性的全智能的专家系统必将会成为振动筛故障诊断的发展方向。

4.2诊断系统的远程性

当前对振动筛的监测主要是近距离监测，没有开成专门的远程诊断系统，这样对监测人员的健康会产生不良的影响。因此，随着计算机技术、传感器技术、信号处理技术和人工智能技术的发展，数字化、远程化、智能化将会成为振动筛故障诊断的发展方向。

4.3诊断方法的多样性

基于振动测试和分析技术的振动筛故障诊断是当前振动筛故障诊断的主流，随着声学、测温技术、油液分析技术、应力应变测试技术和无损检测技术在故障诊断中的应用，以多种技术相结合，将各自特点运用到振动筛故障诊断中将成为今后的发展方向，振动筛故障诊断系统将会发展的更加完善和可靠。

4.4诊断系统的专业性

随着振动筛向着标准化、系列化和通用化的方向发展，振动筛的故障诊断也必将向着专业化的方向发展，专门用于振动筛的故障诊断系统将会层出不穷，引导整个振动筛行业向着更高技术等级的方向发展。

5结语

振动筛故障诊断技术已经取得了很多可喜的进步，研究成果也令人鼓舞，但还远远未达到各种工况的实用要求。随着传感器技术、人工智能技术和计算机技术等的不断发展，振动筛诊断技术一定能够更加完善，振动筛领域的技术进步也将促进和影响其他相关领域的技术进步和提高。

参考文献

[1] 常西畅,周艳玲,陈进.2002年全国振动(诊断、模态、噪声与结构动力学)工程及应用学术会议论文集[C].上海：上海高教电子音像出版社,2002.

[2] 于江林,戴光,王美波,等.滚动轴承非接触式声学故障诊断方法研究及应用[J].声学技术,2009(2):34-38.

[3] 岳建林,康兴无,陈中华.基于实验模态的振动筛故障分析[J].控制工程，2007(7):141-143.

[4] 刘仁德,陶德华,胡申辉,等.油液分析技术在振动筛故障诊断中的应用[J].润滑与密封,2003(2):66-68.

[5] 廖伯瑜.机械故障诊断基础[M].北京:冶金工业出版社,2003.

[6] 周美立.相似工程学[M].北京:机械工业出版社,1998.

[7] 吴森.现代工程信号处理及应用[M].徐州:中国矿业大学出版社,1997.

[8] 胡婧,杨曙年.基于BP神经网络的滚动轴承故障诊断研究[J].机械与电子,2006(4):25-28.

[9] 崔立志,余发山,胡治国.BP神经网络在直流电机故障诊断方面应用的设计和实现[J].电气开关,2005(5):14-16.

*陕西省教育厅资助项目(14JK1865)

责任编辑郑练

Research on Analysis Status of Fault Diagnosis Technology of Vibrating Screens

ZHAO Xuanming1,2

(1.College of Energy Engineering, Yulin University, Yulin 719000, China; 2. School of Mechanical and Electrical Engineering, Xi′an University of Architecture and Technology, Xi′an 710055, China)

Abstract:The paper analyzed the research status of vibrating screen diagnosis technology and discussed the advantages, adapting environment and the limitations of present research and application of several main screen fault diagnosis technology on vibrating screens. Prospected the future of development of vibrating screens diagnosis technology based on existing technology, production demand and vibrating screens fault diagnosis technology characteristics.

Key words:vibrating screens, diagnosis technology, research direction

收稿日期：2015-01-05

作者简介：赵宣铭(1982-)，男，讲师，主要从事能源工程和机电工程等方面的研究。

中图分类号：TH 237+.6

文献标志码：A