一种轴流通风机故障诊断方法.pdf

第 4 4卷 第 5 期 2018年 5 月 工矿自动化 Industry and Mine Automation Vol. 44 No. 5 May 2018 文章编号671-251X 201805-0058-06 DOI 10. 13272/j. issn. 1671-251x. 2017100023 一 神 轴 流 通 风 机 故 障 诊 断 方 法 胡韶华S 谷振宇2 金迪文2 1.重庆工程职业技术学院电气工程学院， 重 庆 402260; 2.重庆大学自动化学院， 重 庆 400030 摘要 针对现有基于谱分析的轴流通风机故障诊断方法只将故障类型和频谱特征值进行简单关联而导 致诊断效果较差的问题， 提出了 一种基于矢椭谱和隐Markov模型的轴流通风机故障诊断方法。该方法首 先将轴流通风机同一截面内互相垂直的2 个振动信号在时域上直接融合为复信号， 并对该复信号进行快速 Fourier变换， 获得多个特征频率下振动信号的全谱幅值； 然后用不同故障状态下振动信号的全谱幅值训练 隐 Markov模型； 最后以实时振动信号的全谱幅值作为隐Markov模型输入量， 采 用 Viterbi算法计算隐 Markov模型输出的似然概率， 根据最大似然概率对数判断故障类型， 避免了将振动幅值和故障类型进行简 单关联。试验结果表明， 该方法的故障诊断正确率达9 0 以上。 关键词 轴流通风机；故障诊断；故障识别； 振动信号； 特征频率；矢椭谱；隐 Markov模型 中图分类号TD635 文献标志码A 网络出版地址 Ettp //kns. cnki. net/kcms/detail/32. 1627. TP. 20180428. 0859. 001. html A fault diagnosis for axial flow fan HU Shaohua1 ，GU Zhenyu2 , JIN Diwen2 1. School of Electrical Engineering, Chongqing Vocational Institute of Engineering， Chongqing 402260, China; 2. School of Automation, Chongqing University, Chongqing 400030, China Abstract For poor diagnosis effect of existing fault diagnosis s for axial flow fan based on spectrum analysis which correlated fault type with spectrum characteristic value simply, a fault diagnosis for axial fl ow fan based on vector ellipsoid spectrum and hidden Markov model HMM was proposed. Firstly, two orthogonal vibration signals of axial flow fan in the same section are fused into a complex signal in time domain, and full-spectrum amplitudes of the vibration signals under multi characteristic frequencies are obtained by fast Fourier trans of the complex signal. Secondly, the ful spectrum amplitudes under different fautt conditions are used to train HMM. Finally, ful spectrum amplitudes of real-time vibration signals are as of HMM, and Viterbi algorithm is used to calculate likelihood probability outputted by HMM. Fautt type is judged according to the maximum logarithm value of the likelihood probability, which avoids simple association between the vibration amplitude and fautt type. The experimental resutt shows that correct rate of fautt diagnosis of the is above 90. Key words axial flow fan； fautt diagnosis; fautt identification； vibration signal; characteristic frequency; vector ellipsoid spectrum； hidden Markov model 收稿日期 2017-10-16;修回日期 2018-04-20;责任编辑 李明。 基金项目 重庆市教委科研项目（ KJ1603205;重庆工程职业技术学院科研重点项目（ KJA2015-01。 作者筒介 胡韶华（ 1979 男 ， 四川达州人， 副教授， 高级工程师， 博 士 ， 研究方向为机械故障诊断， E-mail85465656qq. com。 引用格式胡韶华， 谷 振 宇 ， 金 迪 文 .一 种 轴 流 通 风 机 故 障 诊 断 方 法 工 矿 自 动 化，2018,4458-63. HU Shaohua， GU Zhenyu， JIN Diwen. A fautt diagnosis for axial flow fan.[J]. Industry and Mine Automation,2018,445 58-63. 2 0 1 8 年 第 5 期 胡 韶 华 等 一 种 轴 流 通 风 机 故 障 诊 断 方 法 59 〇 引言 轴 流 通 风 机 广 泛 用 于 矿 井 通 风 、 排 尘 、 冷却 等[12]， 其出现故障时可能会引发连锁反应， 严重时 将导致矿井生产系统无法正常运行， 造成巨大经济 损失） ]。因此， 对轴流通风机进行故障诊断对矿井 安全生产具有重要意义。现有的机械故障诊断方法 通常采用谱分析技术， 将 时 域 信 号 通 过 Fourier变 换得到频谱特征值（ 幅值、 相位 然后将频谱特征值 与故障类型进行关联和映射[5]。早 期 基 于 Fourier 变换的故障诊断方法只针对单个传感器数据进行分 析 ， 即采用单个方向的振动信号进行故障分析， 无法 全面展示同一截面内互相垂直的振动信号） ;]。为 了获得更全面的振动信息， D. E. Bently等[8]、 孟宗 等[9]、 韩捷等[10]对互相垂直的振动信号进行合成， 形成了全谱、 全息谱、 矢量谱等故障诊断方法， 但这 些方法都是分别对竖直和水平方向的振动信号进行 快速 Fourier 变换（ Fast Fo*rierTrans， FFT， 然后在频域内合成全谱、 全息谱， 矢量谱等， 计算量 较大。杨彦利等[11]提出了矢椭谱技术， 在时域内对 1 对互相垂直的振动信号直接合成复信号， 对其进 行 1 次 F F T 即可得到全谱、 全息谱、 矢量谱等， 并从 理论上证明了矢椭谱与全谱、 全息谱、 矢量谱等技术 完全等价。虽然矢椭谱在较大程度上解决了计算量 大的问题， 但仍采用故障类型和频谱特征值直接关 联的方法进行故障诊断[11]。由于轴流通风机结构 较复杂， 振动信号频谱特征值受机械结构的影响较 大 ， 难以量化， 且故障类型和频谱特征值无法简单地 一 一 对 应 ， 所 以 矢 椭 谱 诊 断 效 果 也 不 理 想 。隐 Markov 模型（ Hidden Markov Model， HMM作为 一种具有自我学习和推理功能的方法， 已广泛应用 于语音识别领域， 具有较高的识别率。机械振动信 号与语音信号十分相似， 因 此 HM M 逐步应用于机 械设备故障诊断中， 并取得了良好的效果[1213]。本文 综合利用矢椭谱计算量小及HMM推理能力强的优 点 ， 提出一种基于矢椭谱和HMM的轴流通风机故障 诊断方法， 并通过试验验证了该方法的有效性。 1基于矢椭谱和HMM的轴流通风机故障诊断原理 1.1 矢椭谱基本原理 矢椭谱故障诊断方法将z 时刻轴流通风机转子 水 平 方 向 振 动 信 号 z “ 和 竖 直 方 向 振 动 信 号 . “ ， 在时域内合成为复信号z “ “ . “ ， 然后对复信号z“ 进 行 Fourier变 换 ， 得到不对称 双边谱或轴心轨迹等特征量， 进而对轴流通风机进 行故障诊断[11]。为便于阐述原理且不失一般性， 将 轴流通风机转子水平方向和竖直方向的振动视为简 谐振动， 即 ixt acosixt 6 a “ . bcoscotp 式中，分别为转子中心在水平、 竖直方向的振动 信号幅值为振动角频率“ ， /分别为水平、 竖直方 向上的振动信号相位。 将式（ 1展开为三角函数形式 X “ xscos cot xcsin cot “2 t .scos cot .csin cot 中 Xs acos a Xc asin a .s bcos a .c bsin a。 将 cos t 2 [exp t exp A t]， sint 士[exp t exp j t ]代人式2， 可 2 L X t Xs d j.xcexpj i 6 0 . t Xs j .rcexp j cot 2 1 3 .s d j cexp j cot 6 y C .s UUUUUUUU s〇 〇 〇〇S U l _ U K H〇 0 5 10 15 20 25 300 5 10 15 20 25 30 函 3 - | 画洚斜M H M M i j l |鏃毋雜 Fig. 3 H M M training curves under different states 丨y这丑球爾 丨茚咎肆 0 m 0 123 私 567 00 9 10123 私 567 00 9 10 嗛钭项 4n b l 丑漭繭T* H M M I t E f它绨齑丧迖燁 忝渖 ws君銥命羊知2 { T T f AHMMA_，册 Vkerbi铖碎册锉i -f 铖 KfK绨蕹丧 娜 寐方味輝 * 3 0 ,洚蜂貓〇.0〇1。铒錄碥浬浮卡黯. i.gKt_m_H l t SHMMiJli 稱 SB笤函 3驾邻。匄雄 KHMMKS l t TfK绨蕹丧笃燁掛冲忽20卸龈 -H 卡鄗，姍S癱随 漸洚蜂 s,sijfl 稱 HMM 。 2.3 实轉雒獅 米 a4 f f i MA漭爾燁瓏铒錄难钟浮酿叢爾 { T T f HMMA_M48 -H f r 議酿菩 HMM s_ f f i til漭爾菸萆钟碎描錄im。画漭爾洚 I H T HMMK fK绨蕹丧笃燁燋笤函4驾邻，漭爾终 a3 卡藓漭繭T* H M M I t E f它绨齑丧迖燁 62 hII 2 0 1 8 漱 44 _ C C 筚锉漭繭T* H M M I t E f它绨齑丧迖燁d隱_漭繭T* H M M I t E f它绨齑丧迖燁 函 4 - | 画浮 洚斜M H M M 霉 Ee 奁绨蕹 耸燁毋雜 Fig. 4 Logarithm curve of livelihood probability outputted by H M M under different fault conditions a雒湘闫姍2 。匄雄卡黯漭爾 ifaIE菡丧 90,K 丑一涔薄 ifaA 丑；丑漭爾 ifaIE 0S . u s s s s s 谢 2肆够绿雖 Table 2 Fault diagnosis results 不平衡 不对中 松动 碰磨 障类型 设置故 ◦ P ◦① 不平衡 S 不对中 诊断故障类型 ◦ ① ◦ ◦ 松动 ① ◦ ◦ ◦ 碰磨 90 100 90 90 确率/ 诊断正 薄菸萆 卡黯；薄_漭爾菸萆菡丧90次， 一涔薄菸萆 笃丑。铒錄雒湘錄imTiM碎 N 4 3 f i s f f i 議酿菩 h m m ss_ta漭爾菸a 钟碎米迪浓議酿漭斗涪银浮瞄 W孟_ws 2 - 窥锉 5H F 4n Mm浮爾SJS 挫 aF 4n i_Eil i_ /JrMB 斗 flja H M M 皿郯噼 f fK绨蕹丧笃燁凌a漭爾觫随，镲泠T忝窥 锉叢窳菩漭爾觫随描 叇扭淋菊。铒錄雒湘姍S, 2 0 1 8 年 第 5 期 胡 韶 华 等 一 种 轴 流 通 风 机 故 障 诊 断 方 法 63 该方法可实现轴流通风机常见故障的快速诊断， 故 障诊断正确率达9 0 以上。为进一步提高故障诊 断正确率， 需要采集更多故障数据用于HM M 学习 或扩展矢椭谱的特征频率数量。 参 考 文 献 （参 考 文 献 （References [ 1 *汪义鹏， 张树江， 阚哲汪义鹏， 张树江， 阚哲.矿井主要通风机远程安全监测矿井主要通风机远程安全监测 方案方案[J ].煤矿安全，煤矿安全，2016,47801-102. WANG Yipeng，ZHANG Shujiang，KAN Zhe. Remote safety monitoring for mine main fa n [J]. Safety in Coal Mines,2016,478 101-102. [2 ]王颖王颖.基于振动信号地铁轴流风机的故障诊断分析基于振动信号地铁轴流风机的故障诊断分析 [J ].风机技术，风机技术，2017，，59增刊增刊 149-53. WANG Ying. Fault diagnosis of subway axial fan based on vibration signal [J ]. Chinese Journal of Turbomachinery，，2017，，59S 1 49-53. [3 ]王浩宇， 陈颖 ， 缪 燕 子 ， 等王浩宇， 陈颖 ， 缪 燕 子 ， 等.一种矿井主要通风机故障一种矿井主要通风机故障 诊断系统诊断系统[J ].工矿自动化，工矿自动化，2017,4369-71. WANG Haoyu,CHEN Ying, MIAO Yaozi, et al. A fault diagnosis system of mine main ventilator [ J]. Industry and Mine Automation,2017,436 69-71. [4 ]刘朴 ， 付胜刘朴 ， 付胜.嵌入式矿井通风机在线监测与故障诊断嵌入式矿井通风机在线监测与故障诊断 系统设计系统设计[J ].工矿自动化，工矿自动化，2013,3912 103-106. LIU Pu，， FU Sheng. Design of embedded online monitoring and fault diagnosis system of mine ventilator[J]. Industry and Mine Automation, 2013，， 391203-106. [ 5]雷亚国， 贾 峰 ， 孔德同 ， 等雷亚国， 贾 峰 ， 孔德同 ， 等.大数据下机械智能故障诊大数据下机械智能故障诊 断 的 机 遇 与 挑 战断 的 机 遇 与 挑 战[ J ] .机 械 工 程 学 报 ，机 械 工 程 学 报 ，2018, 54 5 94-104 LEI Yaguo JIA Feng KONG Detong et al Opportunities and challenges of machinery intelligent fault diagnosis in big data[J]. Journal of Mechanical Engineering, 2018,545 94-104. [6 ]屈梁生， 史东锋屈梁生， 史东锋.全息谱十年 回顾与展望全息谱十年 回顾与展望[ J ] .振 动、振 动、 测试与诊断，测试与诊断，1998,184 235-242. QU Liangsheng,SHI Dongfeng. Holospectrum during the past decade review g prospect [J]. Journal of Vibration, Measurement g Diagnosis，，1998， 18 4 235-2428 [7 ]汪华平， 汤宝平， 韩 延 ， 等汪华平， 汤宝平， 韩 延 ， 等.FT细化校正阶次全息谱分细化校正阶次全息谱分 析方法析方法[J] .振动与冲击，振动与冲击，2014， 331068-72. WANG Huaping , TANG Baoping , HAN Yan , et al. Order holospectrum analysis based on FT zoom correction ]. Journal of Vibration and Shock , 2014，， 331068-72. [8] BENTLY D E，，HARCH C T. Fundamentals of rotating machinery diagnostics [ M]. Minden Bently Pressurized Bearing Co. ,2002. [9] 孟 宗 ， 闫晓丽， 王亚超.基于孟 宗 ， 闫晓丽， 王亚超.基于LMD和和HMM的旋转机的旋转机 械 故 障 诊 断械 故 障 诊 断[ J] .中 国 机 械 工 程 ，中 国 机 械 工 程 ，2014,25 21 2942-29468 MENG Zong，，YAN Xiaoli，，WANG Yachao. Fautt diagnosis of rotating machinery based on LMD and HMM[J]. China Mechanical Engineering，，2014，，25 212942-2946. [0]韩 捷， 张瑞林韩 捷， 张瑞林.旋转机械故障机理及诊断技术旋转机械故障机理及诊断技术[M].北].北 京 机械工业出版社，京 机械工业出版社，1997. [11]杨彦利， 苗 长 云 ， 伉大伽杨彦利， 苗 长 云 ， 伉大伽.基 于 椭 圆基 于 椭 圆Fourier描述子的描述子的 旋转机械振动信号分析旋转机械振动信号分析[J].机 械 工 程 学 报 ，机 械 工 程 学 报 ，2012，48 13 102-107. YANG Yanli MIAO Changyun KANG Dali Analysis on vibration signals of rotating machinery based on elliptic Fourier descriptors [J]. Journal of Mechanical Engineering , 2012,4813 102-107. [2] 周云龙， 李洪伟， 孙 斌 ， 等周云龙， 李洪伟， 孙 斌 ， 等.基于现代信号处理技术的基于现代信号处理技术的 泵与风机故障诊断原理及其应用泵与风机故障诊断原理及其应用[M] .北 京 科学出北 京 科学出 版版 2014 [3] 李志农， 柳 宝 ， 侯娟李志农， 柳 宝 ， 侯娟.基 于 无 限 隐基 于 无 限 隐Markov模型的旋转模型的旋转 机械故障诊断方法研究机械故障诊断方法研究[J] .仪 器 仪 表 学 报 ，仪 器 仪 表 学 报 ，2016,7 10 2185-2192. LI Zhinong LIU Bao HOU Juan Research on rotating machinery fault diagnosis based on infinite hidden Markov model[J]. Chinese Journal of Scientific Instrument , 2016 3710 2185-2192. [14] RABINER L R. A tutorial on hidden Markov models and selected application in speech recognition [J]. Proceedings of IEEE, 1989， 772 257-286. [5]徐宏武徐宏武.基于隐马尔科夫模型的轴承故障诊断方法研基于隐马尔科夫模型的轴承故障诊断方法研 究究[D] .昆明昆明昆明理工大学，昆明理工大学，2016.