面向应急的振动检测模式研究

王 菲 李学哲 王彦昕 申 瑶

（华北科技学院应急装备学院，河北 廊坊 065201）

0 引言

近年来，国内外科研人员在故障产生机理、振动分析方法、故障诊断策略等方面进行了深入研究，取得了丰富的研究成果[4-6]。应该说，目前的振动分析与故障诊断技术已经取得了长足的进步，相关成果在机械设备故障诊断中得到了应用，有效提高了设备运行的安全性、可靠性和经济性[7-9]。

随着经济社会的进步，国家对应急管理日益重视，在机电领域对设备的风险管控、安全预警也提出了更高的要求[10-11]。目前的振动监测与分析方法，研究重点主要集中在在线监测、实时状态评估和本地故障预警方面，应急管理属性不明显，难以适应智慧应急的发展需求。在新形势下，开展基于应急模式的振动信号监测与分析方法研究，对提高设备监测预警能力、推进应急管理信息化、实现智慧应急发展目标等具有重要意义和价值。

针对传统振动检测技术在信息采集、数据分析等方面存在的问题，本文提出了一种基于应急模式的振动检测与分析方法，该方法为应急模式下振动信号的采集分析提供了新思路，对于推进应急信息化具有较好的应用和推广价值。

1 应急振动检测模式的内涵

1.1 传统振动检测模式面临的挑战

图1为基于传统模式的振动检测分析系统典型结构框图，系统主要由磁吸式加速度传感器、测控计算机、振动分析软件、人机接口、本地报警保护单元等组成[12]。振动传感器采用磁吸方式与被测对象接触安装，通过采集加速度二次信号，间接感知被测对象的振动信息；测控计算机内置振动分析软件，实现振动信号采集、数据处理、状态评估等功能；人机接口主要包括键盘、鼠标、显示器等，负责实时显示振动参数、时域波形和频域图谱；报警及保护单元负责本地声光报警及保护输出，确保设备安全运行。

图1 基于传统模式的振动检测分析系统结构图

传统振动检测模式面临的挑战：

（1）在振动信息感知方面：传统的加速度传感器体积较大，且采用磁吸式接触安装，限制了测量的适应性，难以解决复杂机械内部振动信息的采集问题；由于受原理限制，加速度传感器只适合动态振动分析，无法感知静态绝对量信息，不能全面掌握被测对象的振动特性。

此后，西王布局健康产业的步伐仍未停止。2017年6月18日晚，西王食品公告称，公司同日收到公司控股股东西王集团通知，西王集团于2017年6月16日下午与阿里健康科技（中国）有限公司签署了战略合作签约仪式会议备忘录。

（2）在故障分析方面：目前振动信号在线监测与系统实时状态评估技术已趋于完善，但在故障定位、性能维护、寿命预测等方面研究还不够成熟，智能化分析算法和诊断策略依然有待进一步深入研究。

（3）在预警联动方面：目前的研究，预警模型简单，监测数据不联网，仅仅用于本地预警，无法在全网范围内运用人工智能、大数据、云计算等技术深入挖掘数据价值，不能适应应急联动的需求。

1.2 应急振动检测模式的概念及特征

应急检测模式是在大力推进应急管理信息化，落实智慧应急发展目标的背景下提出的，目前尚无统一定义，其概念仍在不断丰富和完善之中。

应急检测模式是一种全新的智能检测模式，利用现代传感技术提高测量的精度和适应性，采用智能数据分析算法提供强大的边缘计算能力，以通信信息平台为支撑，运用大数据、人工智能、云计算等前沿技术深入挖掘监测数据价值，将数据转换为有效信息，实现一体化融合预警联动。应急模式下的振动检测应该具有如下典型特征（图2）：

图2 应急模式下振动检测的典型特征

（1）灵活：振动信号的采集不受安装方式、空间、供电等诸多测量条件限制，具有较高的适应性，能够实现紧急情况下的免约束、快速信息采集。

（2）精确：采用现代传感技术和数据处理算法优化测量精度，提高原始测量数据的精度水平。

（3）智能：深入挖掘监测数据价值，采用智能振动分析算法评估设备的健康状态，及早发现事故隐患，定位故障部件[13-14]。

（4）互联：依托通信技术的飞速发展，利用数字化、信息化技术，建立一体化融合预警联动机制。

2 基于应急模式的振动检测系统

依据应急检测基本理论，设计了如图3所示的基于应急模式的振动检测与分析系统。

图3 基于应急模式的振动检测系统

系统由智能振动检测器、边缘计算平台、显示预警单元及云端数据服务器等四部分组成。其中，智能振动检测器基于光学传感技术设计，分布式安装于规划测点，采用数字信号处理、无线传感器网络、移动电源等技术实现振动信号的免约束采集、预处理及无线互联，具有非接触、高精度、多功能、灵活方便等优点。智能振动检测器采集规划测点的位移、温度和振动数据，分别为形位类故障、温升类故障和振动类故障的诊断和预警提供高精度、可靠原始的测量数据；边缘计算平台内部集成了高性能处理器和振动时域频域算法，通过无线传感器网络接收各智能检测节点上传的监测数据，采用智能振动分析软件，实现边缘侧振动波形显示、频谱分析、本地预警保护等功能；振动数据、机器状况、故障参数等信息通过无线局域网络上传云端数据服务器，运用大数据、人工智能、云计算等技术深入挖掘数据价值，实现设备预测维护与联动预警。

边缘计算平台采用凌华科技推出的智能数据采集分析模块设计，如图4所示，该模块具有如下技术特征，尤其适合应急模式下振动信号的采集与处理。

图4 边缘计算平台

（1）结构紧凑，操作简便，工业级宽范围供电电源，确保在紧急情况下稳定、可靠运行；

（2）内部集成了高性能处理器，提供基于边缘的数据采集和分析功能；

（3）总线接口丰富，支持Wi-Fi/4GLTE无线通信，满足数据灵活传输的需求；

（4）内置数字量输入/输出通道，方便系统集成与应用扩展，实现报警、保护等功能。

3 实验与分析

在如图5所示的通风机实验平台上，在边缘侧，对本文提出的振动检测与分析方法进行了实验研究。

图5 振动检测与分析实验图

振动检测器轴向安装，通风机在不同运行状态下的监测结果如图6所示，实验分析如下：

（1）正常状态下，如图6（a）所示，振动信号的频谱包括基频分量和多个倍频分量，频谱结构稳定，各频率成分均在合理范围内，通风机的振动值为3.4μm，小于报警阈值，提示系统运行正常。

（2）故障状态下，如图6（b）所示，振动信号的频谱结构发生明显变化，高次倍频成分显著增强，通风机振动值迅速增大到13.3μm，大于报警阈值，提示系统存在机械故障。

图6 振动检测结果分析

实验结果表明，本文提出的面向应急的振动检测方法，实现了边缘侧通风机振动信号的灵活、可靠检测，通过对振动信号的频谱分析和强度判定，准确识别故障，为应急模式下振动检测与故障分析提供了可行的技术解决方案。

4 结论

为了推进应急管理信息化，研究应急模式下的机电设备故障诊断与安全预警规律具有重要意义和价值。本文研究了基于应急模式的振动信号检测与分析方法，具体如下：

（1）深入分析了传统检测模式存在的问题，定义了应急检测模式的概念，并阐明其关键技术特征。

（2）设计了一种面向应急的振动检测系统，分析了应急模式下的故障预警策略，采用无线网络、边缘计算、云计算等技术，解决数据传输与预警联动问题。

（3）利用非接触式光学传感技术采集原始振动信号，实现了应急模式下振动信息的免约束采集。

（4）本方法为应急模式下振动信号的采集分析提供了新思路，对于推进应急信息化具有较好的应用和推广价值。