機(jī)車驅(qū)動(dòng)裝置例行跑合試驗(yàn)臺(tái)信號(hào)處理與分析

引言

機(jī)車驅(qū)動(dòng)裝置的例行試驗(yàn)是針對(duì)交流異步電機(jī)裝配上減速齒輪箱后的空載運(yùn)行試驗(yàn),或只帶輪對(duì)的輪對(duì)懸空試驗(yàn)。通?？梢杂啥喾N形式獲取驅(qū)動(dòng)裝置的狀態(tài),如磁鏈、振動(dòng)、溫度、瞬時(shí)角速度、氣隙轉(zhuǎn)矩等。其中對(duì)驅(qū)動(dòng)裝置的振動(dòng)進(jìn)行監(jiān)測(cè)和診斷,是掌握其運(yùn)行狀態(tài)和發(fā)現(xiàn)故障的重要技術(shù)手段。

隨著我國(guó)高速鐵路、城市軌道交通等領(lǐng)域的高速發(fā)展,監(jiān)測(cè)驅(qū)動(dòng)裝置的安全越來越重要,但是想要實(shí)時(shí)準(zhǔn)確地判斷驅(qū)動(dòng)裝置的運(yùn)行狀態(tài),僅僅依靠現(xiàn)場(chǎng)工作人員的判斷是遠(yuǎn)遠(yuǎn)不夠的,需要研發(fā)一套優(yōu)秀的智能監(jiān)測(cè)平臺(tái)。

工程實(shí)際檢測(cè)到的信號(hào)往往混有不同程度的噪聲,從振動(dòng)角度來說,噪聲就是無規(guī)律的振動(dòng):從信號(hào)處理角度來說,噪聲分為白噪聲和有色噪聲,白噪聲是指頻率分量的能量均勻分布在整個(gè)給定帶寬內(nèi),有色噪聲是指頻率分量的能量集中在給定帶寬的某個(gè)頻帶內(nèi):從廣義上講,可以統(tǒng)稱信號(hào)中有用成分以外的所有成分為噪聲。對(duì)于采集到的機(jī)車驅(qū)動(dòng)裝置的振動(dòng)信號(hào)處理分析是機(jī)車驅(qū)動(dòng)裝置例行試驗(yàn)中的核心技術(shù)之一。小波分析作為一種有效分析離散不規(guī)則信號(hào)的方法,可以通過振動(dòng)信號(hào)來判斷機(jī)器所處的狀態(tài)。而運(yùn)用趨勢(shì)分析可以彌補(bǔ)小波分析中選擇函數(shù)困難的缺點(diǎn),并對(duì)振動(dòng)信號(hào)進(jìn)行降噪處理。

本文主要內(nèi)容包括機(jī)車驅(qū)動(dòng)裝置例行試驗(yàn)臺(tái)振動(dòng)信號(hào)的采集,傳輸硬件方案的設(shè)計(jì)與實(shí)現(xiàn),基于小波分析和趨勢(shì)分析的振動(dòng)信號(hào)處理與分析方法。利用小波分析,提取節(jié)點(diǎn)頻域分布作為特征量,可以鑒別驅(qū)動(dòng)裝置的運(yùn)行狀態(tài)。

1相關(guān)方法介紹

1.1小波分析

信號(hào)攜帶的數(shù)據(jù)量非常大,對(duì)數(shù)據(jù)進(jìn)行處理分析后才能提取出需要的信息。稀疏表示,即用較少的系數(shù)來反映所想尋求的數(shù)據(jù),對(duì)數(shù)據(jù)的處理過程更加快速簡(jiǎn)便。稀疏表示的構(gòu)建方法即通過分解在字典中選取基本波形信號(hào),但想要尋求到一種適用于所有信號(hào)的理想系數(shù)變換幾乎是不可能的事情,由此便誕生了小波變換。

1.1.1小波變換理論簡(jiǎn)介

小波變換的原理與傅里葉變換相似,不同之處在于把三角函數(shù)基換成了小波基。與傅里葉變換不同,小波變換有兩個(gè)變量:scale和translation。scale控制小波函數(shù)的收縮,其導(dǎo)數(shù)即頻率:translation控制小波函數(shù)的平移,平移量對(duì)應(yīng)時(shí)間。通過信號(hào)的伸縮平移,可以得到某種重合情況,這樣積分也會(huì)得到一個(gè)極大值,不同的是,得到頻率成分的同時(shí),還可以知道該頻率的時(shí)間位置。

小波變換隨著不斷減小范圍尺度可以對(duì)局部信號(hào)的結(jié)構(gòu)進(jìn)行縮放,在一個(gè)信號(hào)中奇點(diǎn)和不規(guī)則的結(jié)構(gòu)往往攜帶了重要信息。小波跨尺度變換幅度與局部信號(hào)規(guī)律性和利普希茨指數(shù)有關(guān)。從小波變換的多個(gè)范圍中區(qū)域最大值可以發(fā)現(xiàn)奇點(diǎn)和邊緣值。這些最大值定義了一個(gè)幾何尺度空間支持,從中恢復(fù)信號(hào)和圖像的近似值。非孤立的奇異點(diǎn)出現(xiàn)在高度不規(guī)則的信號(hào)中,如多分形。小波變換利用多分形的自相似性來計(jì)算其奇異點(diǎn)的分布,這個(gè)奇異點(diǎn)譜表征了多分形的特性。

1.1.2稀疏表示

信號(hào)處理領(lǐng)域的一個(gè)永恒思想就是將信號(hào)分解成簡(jiǎn)單波形的線性組合,并且尋找簡(jiǎn)潔的信號(hào)表示。這樣做可以去除信號(hào)中的冗余性,有助于了解信號(hào)的性質(zhì),提取有用的信息,以便進(jìn)一步對(duì)信號(hào)進(jìn)行分析和處理。

1.1.3小波包分析

小波包分析是在小波分析基礎(chǔ)上的一種優(yōu)化,即把信號(hào)包含的信息能量集中以后進(jìn)行更細(xì)化的分析,它將頻帶進(jìn)行多層次劃分,對(duì)每個(gè)分解后的頻帶均進(jìn)行再次劃分,并根據(jù)被分析信號(hào)的特征選擇相應(yīng)頻帶,使之與信號(hào)頻譜相匹配,從而得到了比二進(jìn)離散小波變換更精細(xì)的信號(hào)分解。一般根據(jù)實(shí)際工程中的信號(hào)特征和處理信號(hào)的目的需求來選擇合適的小波包,定性上選擇與待分析信號(hào)的振動(dòng)頻率相近的小波函數(shù)。

1.2趨勢(shì)分析

小波分析中技術(shù)選擇的難題會(huì)導(dǎo)致去噪效果不夠理想。去趨勢(shì)波動(dòng)分析是一種時(shí)間序列長(zhǎng)程相關(guān)性標(biāo)度指數(shù)的計(jì)算方法,能夠有效剔除信號(hào)中外部趨勢(shì)的影響,還原時(shí)間序列本身具備的統(tǒng)計(jì)特性。

1.2.1趨勢(shì)分析法介紹

趨勢(shì)分析法也是振動(dòng)信號(hào)分析常用的方法,振動(dòng)信號(hào)是非平穩(wěn)和非線性特征的一種典型信號(hào),機(jī)車驅(qū)動(dòng)裝置振動(dòng)信號(hào)中包含了很多摩擦特征[1]的信息,可以利用測(cè)量的振動(dòng)路主要截面的壓力、溫度、轉(zhuǎn)子轉(zhuǎn)速等參數(shù)分析、判斷與振動(dòng)路數(shù)有關(guān)的單元體和子系統(tǒng)的技術(shù)狀態(tài)是否完好,并隔離故障到這些單元體和子系統(tǒng)。趨勢(shì)分析的具體方法是利用測(cè)量參數(shù)的偏差量,包括未平滑和平滑的偏差量,繪成偏差量隨時(shí)間變化的趨勢(shì)圖。

1.2.2去趨勢(shì)波動(dòng)分析

去趨勢(shì)波動(dòng)分析(DetrendedFluctuationAnalysis,DFA）的基礎(chǔ)是分形自相似理論。通過對(duì)信號(hào)累積[2]和分段去趨勢(shì)運(yùn)算來突出信號(hào)中的弱相關(guān)成分,非平穩(wěn)信號(hào)中的長(zhǎng)程相關(guān)信息都能夠被檢測(cè),成功應(yīng)用在信號(hào)去噪、故障診斷、醫(yī)學(xué)數(shù)據(jù)分析等領(lǐng)域,并且取得很好的效果。

先用小波重構(gòu)得到降噪信號(hào),再使用去趨勢(shì)波動(dòng)分析算法對(duì)降噪以后的摩擦振動(dòng)信號(hào)進(jìn)行分析,得到去趨勢(shì)波動(dòng)分析譜圖以及不同階數(shù)下Hurst指數(shù)[3],實(shí)現(xiàn)特征參數(shù)對(duì)振動(dòng)信號(hào)的摩擦磨損狀態(tài)的判別。

2試驗(yàn)臺(tái)結(jié)構(gòu)及信號(hào)采集

機(jī)車驅(qū)動(dòng)裝置例行跑合試驗(yàn)臺(tái)的主要功能是通過測(cè)試電力機(jī)車振動(dòng)速度和溫度的變化,來檢驗(yàn)輪對(duì)裝配、電機(jī)懸掛裝置、軸箱裝配的組裝質(zhì)量。

2.1試驗(yàn)臺(tái)結(jié)構(gòu)及組成

機(jī)車驅(qū)動(dòng)裝置例行跑合試驗(yàn)臺(tái)主要由控制部分、信號(hào)采集與分析部分、監(jiān)控管理部分等組成,硬件裝置包括工控機(jī)、PLC、LCD顯示器、打印機(jī)、振動(dòng)信號(hào)分析儀、變頻器、電源轉(zhuǎn)換開關(guān)、驅(qū)動(dòng)裝置支架等。其系統(tǒng)架構(gòu)如圖1所示。

2.2信號(hào)采集

在例行試驗(yàn)臺(tái)上,根據(jù)切割磁力線的原理,將振動(dòng)烈度轉(zhuǎn)換為與之成正比的電壓信號(hào),設(shè)計(jì)同時(shí)采集旋轉(zhuǎn)機(jī)械的振動(dòng)烈度(位移）及轉(zhuǎn)速,振動(dòng)信號(hào)經(jīng)低頻補(bǔ)償、放大、有源積分、峰-峰檢波、有效值運(yùn)算及差分放大電路后,送入微處理器系統(tǒng),經(jīng)A/D轉(zhuǎn)換、數(shù)字濾波、數(shù)字信號(hào)處理、運(yùn)算后得到振動(dòng)烈度值。不同型號(hào)的驅(qū)動(dòng)裝置振動(dòng)信號(hào)采集3～16路不等,同時(shí)采集4路溫度信號(hào)和1路環(huán)境溫度信號(hào)。

3信號(hào)處理及分析

3.1小波函數(shù)的選擇

Daubechies系列小波是圖像和信號(hào)處理中運(yùn)用廣泛且高效的小波基,對(duì)于給定的支撐寬度,這種小波具有最大的消失矩。Daubechies小波系提供了極相位N=2,3,…,10(9個(gè)小波）的緊密支持的小波。Daubechies小波尺度函數(shù)還具有低通濾波器的特性,考慮到機(jī)車驅(qū)動(dòng)裝置的振動(dòng)信號(hào)的能量主要分布在低頻段,因此本研究中選擇Daubechies小波作為分解小波。基于Daubechies小波基對(duì)機(jī)車振動(dòng)信號(hào)進(jìn)行小波包分析,主要是利用小波包能量的分解與重構(gòu),將隱含在機(jī)車振動(dòng)信號(hào)中的特征分量提取出來,并將其映射到不同的頻帶上,通過對(duì)比分析不同頻帶能量分布的情況,可以體現(xiàn)出不同狀態(tài)下機(jī)車驅(qū)動(dòng)裝置振動(dòng)信號(hào)的差異性,從而區(qū)分出正常運(yùn)行狀態(tài)和異常運(yùn)行狀態(tài)。

3.2小波包振動(dòng)信號(hào)分析結(jié)果

dbN小波系的優(yōu)點(diǎn)是隨著N值的增加,支撐長(zhǎng)度變長(zhǎng),頻率局部性變好,同時(shí)濾波器的長(zhǎng)度增加,但隨著N值的增加,dbN小波系的計(jì)算量呈指數(shù)增加,因此在試驗(yàn)臺(tái)分析數(shù)據(jù)中選用db3小波對(duì)機(jī)車驅(qū)動(dòng)裝置的振動(dòng)信號(hào)做3層小波包分解。

選擇某一路電機(jī)振動(dòng)信號(hào)為例進(jìn)行詳細(xì)說明,利用db3小波先對(duì)原始振動(dòng)信號(hào)進(jìn)行3層小波包變換,然后提取出每一層的細(xì)節(jié)系數(shù),從圖2、圖3可以看出小波包系數(shù)信號(hào)對(duì)原始信號(hào)有所壓縮。

對(duì)小波包分解后的系數(shù)再次進(jìn)行重構(gòu),得到不同頻段的重構(gòu)系數(shù)信號(hào),如圖4所示。

根據(jù)圖像可以看出,在驅(qū)動(dòng)裝置剛開始運(yùn)行和快要結(jié)束運(yùn)行的時(shí)間段均有較大頻率的振動(dòng)。以15mm/s為標(biāo)準(zhǔn),將振動(dòng)信號(hào)分為正常信號(hào)和異常信號(hào),分別用小波包進(jìn)行3層分解,得到8個(gè)節(jié)點(diǎn)相對(duì)應(yīng)的系數(shù)信號(hào),分解后的小波包系數(shù)信號(hào)頻譜圖如圖5所示。節(jié)點(diǎn)(3,0）至節(jié)點(diǎn)(3,7）代表了不同頻段的信號(hào),可以根據(jù)不同節(jié)點(diǎn)的頻譜來觀察正常信號(hào)和異常信號(hào)在低頻和高頻部分的區(qū)別,從而進(jìn)一步分析具有敏感性的特征。

振動(dòng)信號(hào)的總能量不會(huì)因?yàn)榻?jīng)過小波包分解而改變,所以根據(jù)不同狀態(tài)下小波包分解各頻帶能量的分布情況繪制小波包能量特征分布直方圖,如圖6所示。由能量分布圖可以觀察到信號(hào)中大部分能量都分布在小波包分解的第一個(gè)和第二個(gè)節(jié)點(diǎn)中。

3.3去趨勢(shì)波動(dòng)分析

通過從數(shù)據(jù)中去除線性趨勢(shì),集中分析趨勢(shì)數(shù)據(jù)的波動(dòng)。線性趨勢(shì)通常表示數(shù)據(jù)的系統(tǒng)性增加或減少,利用detrend函數(shù)以最小二乘式從振動(dòng)數(shù)據(jù)中減去均值或最佳擬合線,從每秒的振動(dòng)信號(hào)中去除線性趨勢(shì),重點(diǎn)觀察整體振動(dòng)幅度的波動(dòng)情況,分析曲線圖如圖7所示。

從圖7可以看出,去除趨勢(shì)性后的信號(hào)時(shí)域曲線和原曲線形狀幾乎相同,但是趨勢(shì)曲線的振動(dòng)幅度更低,振動(dòng)的總體趨勢(shì)略高于振動(dòng)強(qiáng)度的平均值。

3.4信號(hào)特征提取及識(shí)別

3.4.1小波包分解及特征提取

根據(jù)敏感度分析公式對(duì)小波包分解每個(gè)節(jié)點(diǎn)能量的均值進(jìn)行分析,得到小波分解后第8節(jié)點(diǎn)能量的分布敏感性最強(qiáng),所以針對(duì)不同振動(dòng)信號(hào)的第8節(jié)點(diǎn)頻譜圖進(jìn)行對(duì)比。

由圖8可以看出,異常信號(hào)的邊帶成分顯著增強(qiáng),幾乎全頻帶的能量都略有增加,中頻段的變化最為明顯。在200～400Hz頻段功率有超過0.2成分的頻譜一般為異常信號(hào)。

3.4.2去趨勢(shì)分析及特征提取

先以振動(dòng)時(shí)間為變化周期重點(diǎn)觀察各路振動(dòng)信號(hào)在時(shí)域上的波動(dòng)情況,并分析對(duì)比不同摩擦振動(dòng)狀態(tài)下的曲線特征。從圖9可以看出異常狀態(tài)下振動(dòng)信號(hào)的波動(dòng)更加不穩(wěn)定和劇烈,曲線的平滑性會(huì)降低,趨勢(shì)曲線不僅均值會(huì)比正常狀態(tài)下高,還會(huì)呈現(xiàn)出上升的趨勢(shì)。

由圖9可以看出,一方面,正常信號(hào)的曲線邊緣比較順滑,異常曲線比較粗糙且最值之間差距大:另一方面,對(duì)比振動(dòng)均值趨勢(shì)曲線可以看出,正常狀態(tài)下曲線是沒有波動(dòng)的,異常狀態(tài)下則呈現(xiàn)出增加的趨勢(shì)。由此可以把振動(dòng)趨勢(shì)曲線的起始點(diǎn)作為特征提取,正常信號(hào)是從10mm/s開始并始終保持在10mm/s上下小幅度波動(dòng),異常信號(hào)是從5mm/s增加到10mm/s。

再嘗試分析振動(dòng)信號(hào)的異常與環(huán)境溫度的關(guān)系,利用趨勢(shì)分析來觀察振動(dòng)變化與環(huán)境溫度之間的聯(lián)系,分析曲線如圖10所示。

溫度在不同的時(shí)期,絕對(duì)值有所差異,經(jīng)過歸一化處理得到相關(guān)數(shù)據(jù),由圖10可以看出,振動(dòng)波動(dòng)較大的成分多數(shù)集中在16～18℃,正常狀態(tài)下振動(dòng)信號(hào)在其余的溫度區(qū)間幾乎沒有振動(dòng)幅度,異常狀態(tài)在各個(gè)溫度區(qū)間都會(huì)有不同程度的振動(dòng),且在環(huán)境溫度為17℃時(shí)振動(dòng)最為劇烈。

4結(jié)語

對(duì)振動(dòng)信號(hào)的處理分析有助于分析機(jī)器摩擦振動(dòng)的狀態(tài),對(duì)頻域和時(shí)域利用不同方法可以多維度、多角度來分析驅(qū)動(dòng)裝置的工作狀態(tài)。本文主要利用傳統(tǒng)的去趨勢(shì)分析法和小波分析法,對(duì)機(jī)車驅(qū)動(dòng)裝置的振動(dòng)信號(hào)在時(shí)域上進(jìn)行分解重構(gòu),得到去噪后的信號(hào)后再在時(shí)域上觀察趨勢(shì)走向,同時(shí)通過小波包多層分解,將時(shí)域信號(hào)轉(zhuǎn)為頻域信號(hào),最終通過對(duì)比發(fā)現(xiàn)機(jī)器在頻域上的狀態(tài)特征更加明顯。另外,根據(jù)趨勢(shì)曲線可以發(fā)現(xiàn)振動(dòng)信號(hào)的異常波動(dòng)與環(huán)境溫度也有一定的關(guān)系。