基于振动可视化分析的机械故障诊断方法

谭宇硕 孙博 薛力峰 韩瀚 赵剑伟

摘要：基于振动可视化的机械故障诊断理论提出了相对繁琐的一种诊断系统故障的方式，如果碰到十分复杂的机械设备，在接收其振动信号时，我们便可以通过振动可视化技术逐步改善检测手段获取到的振动讯息，同时将设备的重要测点在频率跟时间上的变化给充分体现出来，并将此视为诊断系统是否出现故障的前提和根据。大致流程为：首先，从性能一般的零部件入手，据此钻研可视化技术是否可行;其次，把分析多个通道的振动信号最终结果视为输入量，并运用在诊断系统故障的过程中。经过这一系列流程下来，最终结果显示是这样的：运用基于振动可视化技术来分析诊断机械故障能够大大减少确定故障源的时间跟过程，且可以有效提高匹配故障模式的准确率。

关键词：振动可视化;分析;机械故障;诊断方法

准确捕获机械设备具体信息情况是我们提取故障特征的首要前提，而在工业生产中，采集和分析振动信号是比较常见的一种诊断机械故障方式。随着当代社会中机械设备越来越成熟和复杂，诊断故障和振动监测的方式也变得相对复杂起来。一旦机械系统发生故障，那么一个或多个故障源就需要将这一故障信息传递到多处地方;而一个元部件发生问题后，整体的机械设备系统也都将面临难以正常运转的局势。但设备的故障源通常是多个的，这意味着失效程度会各不相同;当机械设备出现某种故障后，通常情况下其他模式故障也会随之出现，故障不同，出现的振动信息也是不同的，这样一来在测量信号时，难免就会将多个振源信号的投影也都一并测量到，这对我们准确获取到故障源是十分不利的。为了完整捕获到机械设备相关的振动信息，所有振动敏感区的设备系统都需要展开监测，这也就意味着在获取振动数据的方式上，我们有必要进一步改善跟丰富。

一、振动可视化分析

振动可视化分析其宗旨就是要针对整体机械的振动工作展开ODS动态处理，将有限的个点受迫振动视为输入量，根据模仿系统振动分析进而明确研究对象具体形状，其优势就是在还没有明确好输入量的同时还能对系统进行定量或定性振动分析。不同于模态分析，ODS仅反映在未知的工况下系统针对特殊频率作出的响应情况，并根据可视化振动分析进一步确定出故障源，通过判断振动信息传播路径来更好的探究各个子系统间的关联性。

从工程上来看，存在于机械设备中的动载荷通常是很难测量的，ODS动态处理凭振动系统当中某点响应替换激振向量。跟实验模态分析比起来，ODS分析的最终结果是跟随激励的改变而出现变化的，这不但跟设备系统自身性能有关，还跟外部激励紧密相关，而这也就决定了ODS动态处理可以将不同工况下所有测点频率都捕获到，甚至还能跟外界激励相互对应起来。

二、故障诊断

无论是哪种系统，都具备子系统相关性跟整体性，以系统理论为基础的系统级故障诊断仅对大型系统内多个元部件是否出现故障的状态加以检测，由于系统不断地发展，变得愈加复杂，与之相对应的诊断模型跟算法也都接连被提了出来。在研究目标的基础上选取不一样的模型，如对于那些相对复杂的机械设备系统，就要选择Malek模型。

三、设计试验方案

本文选用振动测试仪来对故障模拟试验台展开振动实测跟模拟研究，再通过此试验台模拟各种旋转机出现的典型故障，包括轴系和轴承等等，再把振动可视化系统故障诊断法运用其中。

试验步骤

1.针对试验台设置典型故障，将轴系不平衡跟滚动轴承内圈这2个故障作为事例进行探究。

2.创建测试方案仔细且全面的测试振动信号，并将此作为分析源对多个通道的故障信号展开模拟，针对其有效性展开分析。

3.将模拟振动信号跟实测振动信号作为基本对系统展开可视化对比并加以分析，能帮助我们得到系统整个工作具体的形态。

4.系统振动分析，故障诊断跟对比预设故障分析。

（二）振动监测点

具体可以设置3个振动监测点，其方向分别是轴向、水平径向以及垂直径向;而ODS的模拟分析点是3个监测点另外两个方向，包含6个测点。

（三）分析试验结果

对比模拟跟实测振动信号的实时图，以实测信号为基本，模拟出100个节点振动信号。其中左边的是试验台振动可视化，右边的是模拟测点信号跟实测信号之间的对比。从故障特征跟振动强度当中我们可以充分看到故障部件与振动监测点之间的距离。

将3个振动信号输入其中，通过可视化技术便可模拟分析出9组振动信号，本文主要就其中的1个振动信号跟1个模拟振动信号作为举例，展开相应的说明。

在距离故障部件端比较远的地方，也就是接近电机端支撑座的地方，其模拟信号跟实际测试得到的信号相差并不是很大，且信号成分跟振动幅值也都很相似，并没有十分明显的冲突特征。而在故障源所在地，也就是自由端轴承处，我们发现不管是实测信号也好，通过ODS分析模拟得到的信号也罢，都有十分明显的冲击特征，而且二者之间的吻合度也超高。

通过通道振动信号，我们可知轴承内环的倍率成分跟特征频率都相对明显，而且其振动的强度都远远超过了标准值，因此我们可以进一步确定出故障源跟故障模式：

BPFO = （ 1 /2）n|N0 - Ni|[1+ （d /D） co sO]

其中，d代表的是滚动体直径;D代表的是滚动轴承的均直径;O代表的是径向的接触角;n代表的是滚动体的数目;No代表的是轴承外环角速度;Ni代表的是轴承内环角速度，将轴承具体参数代入其中，变能得到：

BPFO = （ 1 /2）* 12* |0 - 900 /60|[1+（ 2 /14） ] = 103 Hz

分析轴承内环的特征频率52Hz，103 Hz， 以及205 Hz， 310 Hz处的振动幅值，不同的实测信号跟ODS模拟分析信号其轴承内环的特征频率倍频成分十分突出，尤其水平径向上的振动冲击最为显著;而3X处，也就是距离电机端支座测点的地方，其振幅明显比其他2个测点要小一些，这表明随着结构系统衰减，故障特征也会相应的衰减，进一步说明了诊断方式跟测试是十分有效的。

四、结束语

总而言之，准确捕获到振动信息是对故障进行正确诊断、实现机械振动测试的有效前提跟重中之重。当设备系统出现故障的时候，把振动可视化技术全面的应用在其中，能够将比较复杂的系统其故障源的测试以及确定故障模式这一难题都落实到实处，通过可视化振动测试这一技术，我们可以将有限个振动监测点的信息看做是输入量，进而取得多通道的模拟振动信号，以此进行结果比对跟分析，并根据此作为诊断机械系统故障的有效依据，进而实现对系统故障源进行智能识别与辨认。通过典型故障模式的试验研究，充分表明了研究具有一定的可行性。

参考文献：

[1] 李仲兴，陈震宇，薛红涛，殷苏群，江洪. 基于DBNs的轮毂电机机械故障在线诊断方法[J]. 振動.测试与诊断，2020，40（04）：643-649+818-819.

[2] 颜云华，金炜东. 基于多传感器信息融合的列车转向架机械故障诊断方法[J]. 计算机应用与软件，2020，37（08）：48-51.

[3] 胡静. 建筑工程施工中防渗漏施工技术分析[J]. 科学技术创新，2019，（22）：89-90.

[4] 胡柯军，贺俊. 建筑工程施工中防渗漏施工技术分析[J]. 住宅与房地产，2019，（22）：182.

[5] 罗鹏. 基于深度学习理论的旋转机械故障诊断方法[D].湖南大学，2018.

作者简介：

谭宇硕（1982-），男，汉族，河北石家庄人，硕士学位，讲师，研究方向：机械故障诊断、工矿自动化。

基金项目：2019年度石家庄邮电职业技术学院科研项目 项目编号：（YB2019049）

作者单位：石家庄邮电职业技术学院