基于声全息的故障诊断方法

所需积分/C币:9 2014-11-13 16:44:15 1016KB PDF
38
收藏 收藏
举报

基于振动信号的故障诊断方法在某些场合下存在着局限性。机械噪声蕴含着丰富的设备状态信息,而且具有非接触式测量的优点,可以部分地替代振动信号,用于故障诊断。传统的噪声诊断方法主要基于频谱分析,无法反映声源位置和强度的变化信息,只能进行初步的故障诊断。基于此,提出一种基于声全息的故障诊断方法。该方法采用由少量传声器组成的阵列测量声压,应用波叠加法重构物体的外部声场,可以方便快速地进行声场可视化。一旦准确地重建出物体的外部声场,就可以利用这些全息场的信息进行故障诊断。通过建立基于全息图的正常状态与故障状态的模板,将机器的运行信息与这些模板对比,就可以判定机器的运行状态,从而进行故障诊断。采用由多个脉动球组成的声源模型进行了数值仿真,并在消声室内对两只音箱噪声源进行了试验研究,都准确地识别出辐射体声场状态变化,找出了故障。从而验证了该方法的正确性和实用性,为其在现场应用打下基础。
36 机械工程学报 第45卷第5期 取机器在良好工作状态下和放障状态下的声全息图式中,M和N分别表示图像水平向和竖直格点的 像,分别制成模板库,并建立故障特征映射表。将个数,4表示待监测图像的(号格点的灰度值, 机器实时采集的状态与这些模板进行比较,就可以A1表示标准图像模板(号格点的灰度佰,1表 判定机器的运行状态;进一步结合机器的一些特征 参数,参照故障特征映射表就可以判定机器的故障 示待监测图像的(.n号格点的声强值,l衣示标准 类型,基于声全息的故障诊断原理如图2所示。 图像模板的(i,号格点的声强值。式(7)的物理意义 在于它表示了两个状态间的声强级差。 声压信号采集 除此之外,作为声强级差的补充,还计算了两 个图像之间的二维相关系数 频谱分析 ∑∑(4-)(4-) R (8) 选择目标频带 ΣΣ(x-)∑∑(4-) 循环 声场重构 式中,A和A分别表示A和A的均值。 式(8)描述了图像之间的相似程度。因此,依据 灰度图像表示 最小的声强级差和最大的相关系数就可以确定故障 类型。 l常和故障状 态模板 待监测状态 数值仿真 求取声强级差,相关系数 为验证该方法的可行性和准确性,设计了一个 诊断结果输出 由多个点声源组成的声辐射模型,进行了数值仿真。 图2声全息故障诊断原里图 通过改变声源的个数、位置、幅值以及频率,来模 声压信号采集可以采用传声器阵列一次性获 拟枚障特征的变化。假设某辐射体表面存在三个不 取。然后,进行频谱分析,找出感兴越的频率成分; 相干声源,彼此分开一定距离,用三个小脉动球声 再对这些频段进行声场重构。重构的频率分辨率等 源模拟。仿貞条件:p=1.29kgm3,c=340ms,球 于采样的频率分辨率。这样,对于宽频信号,需要 半径为0.05m,球表面的脉动速度为02mm/s,脉 进行多次循环,才能求出叠加之后的声场。这里, 动频率均为800Hz,位置分别为(04m,0.2m,O), 采用声强全息图来进行故障诊断。一方面,因为声(0.4m、0.2m,O),(0.4m,0.2m,O)。测量距离为 强是物体辐射声能量的量度;另一方面,声强比声 2m,测量阵列为5×5的传声器阵列,间距为 0.2m。采用波叠加方法对该模型进行声场重构,重 压更稳定。重构的声强全息图可以表示成灰度图像构面位于辐射体前方006m,结果见图3 文件按照重建网格密度划分成相等面积的小矩形, 首先进行频谱分析,在800Hz存在谱峰。所以 在每个矩形内填充不同灰度的颜色,灰度值的大小只在800Hz频率附近进行了声场重构。图3a是正 反应了该网格内幅值的大小。在 MATLAB中,灰 常状态下的声强重构图,可以看出存在三个声源 度图采用8位无符号整数表示,所以数值的取值范强度相当。声源位置与事先给定的位置一致。图3b 围是0~255这里,声强重构的结果表小成声强级。是由图3a制作的灰度图模板。因为要利用这些灰度 人的可听声的范围是0~120dB,所以声强数据可图模板进行故障诊断,所以没对它们进行图像增强、 以直接保存成灰度图。具体实施时只需要将声强级锐化等处理。之所以选择基于图像兀配的方法,主 取整就可以得到各像素点的灰度值。 要是因为使用图片更容易与其他系统交互。图3 采集机器正常状态和故障状态情况下的声压数是散障状态下的灰度图,与图3a相比,左上角第 据,按照上述方法建立图像模板。同样地,将待监个声源处发生了故障;而其他部分颜色很浅,接近 测的状态也衣示成灰度图,与标准模板进行比较,于白色,衣明这些部分灰度接近于零,即两个图像 求取它们之间的声强级差,就可以找到其所属的状很相似。将图3c与图3b比较,按照图2的诊断原 态。声强级差定义为 理和式(7)计算两幅图像之间的声强级差,结果如图 3d所示。从图3d可以看出,在左上角第一个声源 L=4-4=0g10-105 的位置,两幅图像的差别最人,而其他位置差别不 大。而两幅图像之间的二维相关系数为0.57,表示 i=1,…,Mj=1,…,N (7)该状态已远远偏离正常状态。所以,可以诊断该状 C1994-2012cHinaAcadcmicJOurnalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct 2009年5月 李加庆等:基丁声全息的故障诊断方法 态为故障状态。根据位置信息判断,故障发生在第 同样地,还仿貞了声源位置发生变化、频率发 个声源位置。从频率上看,故障频率为800Hz。生变化、强度发生变化的情况。但因篇幅限制,没 这与设定的故障一致,从而证明了该方法的可行性有列出这些结果。为了更准确地诊断出机器故障, 与准确性。 需要建立大量的正常状态和故障状态的图像库。依 据图2的原理,按照最人相关性和最小声强级差的 原则,就可以判断故障种类。在这些仿真中,也同 样地检测到了声源的故障变化信息。 4试验结果 为了进一步检验算法的准确性与可行性,用两 个音箱作为声源,在消声室进行了试验研究 0.5-0.3-0.10.10.30.5 长度 试验配置如图4所示。采用两只音箱模拟噪声 (a)正常状态 源,标记为声源A、B。它们被布置在同一平面 以传声器阵列的中心位置为基准,确立水平坐标x 轴和竖直坐标y轴的原点,以音箱表面为高度坐标 z轴原点,建立直角坐标系。传声器阵列为网格形 式,由25个传声器组成。阵列的外围尺寸08mx 0.8m,传声器间距为0.2m。传声器阵列距离音箱 表面的高度02m,重构距离为0.06m。采用BBM lulr32通道数据系统采集声压数据,见图4左 角。采样频率为16384Hz,数据长度为10s。利用 信号发生器发出信号,频率为800Iz,经功率放大 器放大后驱动音箱发声。利用上述系统采集数据 (b)正常状态的灰度图 然后应用波叠加算法进行声场重构,然后再进行故 障诊断。正常状态下,只有一只音箱声源发声,声 源位置为(0,0,0);故障状态下,两只音箱声源同时 发声,声源位置为分别为(-0.2m,0,0),(0.2m,O,O) 声源B 声源A 传卢器阵列 数采集系统 (c)故璋状态灰度图:增加一个声源 图4试验配置图 图5a是止常状态下的声强重构灰度图,从中可 以辨认出存在一个声源,其位置与事先给定的位置 致。图5b模拟了增加一个声源、同时改变声源位 置的故障状态。可以看出,在图像中央存在两个声 源(黑斑)。图5a与图5b比较,应用图2的原理进 行故障诊断,计算两幅图像之间的声强级差如图5c 所示。明显地,从图5c可以看出,在图像中间位置, (d)诊断结果,与正常状态的关系数为0.57 差别比较明显,在新的声源位置处也有差别。再看 图3故障诊断仿真结果 两幅图像之问的二维相关系数为0.32,表示该状态 C1994-2012cHinaAcadcmicJOurnalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct 8 机械工程学报 第45卷第5期 已远远偏离正常状态。所以,可以诊断该状态为故用少量传声器,计算效率高,为现场故障诊断问题 障状态。根据图5c中显小的位置信息,结合声源的提供一种新的解决方案。 频率信息,可以知道800Hz频率处,原来的那个声 (2)相对于基于振动信号的故障诊断,基于声 源消失,在其周围两侧的位置出现了两个新的声源。全息的故障诊断方法的优势在于它可以感知声源 依据这个信息,结合设备信息,就可以找出该故障。(振动源的位置变化信息;另外,它是非接触测量 它可以作为振动信号的一个补充,部分的替代基于 振动信号的故障诊断。当然,如果能与振动信号融 合,将能获得更准桷的诊断结果 (3)目前,该研究还处于诊断方法的初步研究 阶段。应用到现场设备的故障诊断,还需要针对具 体设备建立大量的故障诊断图库和故障特征对应 表,再依据最大相关性和最小声强级差的原则,就 可以判断故障类型 参考文献 [1]吕琛,王桂增.基于时颎域模犁的噪声故障诊所[J.振 (a)正常状态灰度图 动与冲击,205,24(2):54-57 IV Chen WaNGi Giuizeng. noise fault diagnosis based on time-frequency domain model[]. Journal of Vibration and Shock,2005.24(2):5457 [2]舒大文,廖伯瑜.只振动和噪声信号诊断汽车变速箱齿 轮故障的研究[.昆明理工大学学报,1997,224): 54-61 SHU Dawen, LIAO Baiyu. Research on diagnosing gear failure of automobile transmission-case by the vibration and noise signals[J]. Journal of Kunming University of (b)故璋状态:增加一个声源,同时改变位置 Scinence and Technology, 1997, 22(4): 54-61 [3]卢学军,魏智.变速箱噪声的频谱分析与故障诊[J 振动与冲击,199,18(2):75-78. LU Xuejun, WEI Zhi. Spectral analysis and diagnosis of gearbox noise[J]. Journal of Vibration and Shock, 1999, 18(2):75-78 4]吴军彪,陈进,钟平,等.机槭噪声故障特征湜取的盲 分离法与小波提纯法[上海交通大学学报,2003, 37(5):766-769 WU Junbiao. chen Jin, ZHONG Ping. et al. Acoustic feature extraction of rotating machines using blind source (c)诊断结果,与正常状态的相关系数为0.32 separation and wavelet analysis[J]. Journal of Shanghai 图5散障诊断试验结果 Jiaotong University, 2003, 37(5): 766-769. 5 JEANS R, MATHEWS I C. The wave superposition 5结论 method as a robust technique for computing acoustic feld5[J].J. Acoust.Soc.Am.,1992,92(2):l156-1166 (1)提出了基于声全息的故障诊断方法。通过 仿貞和试验,验证了该方法的可行性和准确性。从作者简介:李加庆,男,1977年出,博,研究方向为声常号处理 工业现场机械设备的状态监测与故障诊的角度来理论与方法及其在故特征提取中钓应用 看,因为该方法只有非接触测量的优势,只需要采Emal: jqlivsn(a163com C1994-2012cHinaAcadcmicJOurnalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct

...展开详情
立即下载 身份认证后 购VIP低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
上传资源赚钱or赚积分
最新推荐
基于声全息的故障诊断方法 9积分/C币 立即下载
1/0