声发射技术在设备故障诊断中应用.docVIP

声发射技术在设备故障诊断中的应用 张玉奎，周火青 (武汉钢铁集团股份公司炼铁厂) 摘 要：介绍了小波技术在声发射信号处理中的应用和研究。用轴承试验台验证了小波技术诊断轴承故障的可行性。本文结合声发射在国内某钢厂设备检测诊断的实例与传统的振动信号进行了对比，进一步验证了声发射技术。 关 键 词：声发射；波形分析；频域分析；谐波小波包 1 介绍 在设备监测诊断研究中振动监测已经取得了很好的效果，但声发射在低速重载设备的诊断中可以弥补振动在设备监测诊断中的不足[1]。钢厂中的设备在高温、重载、低速、噪声等复杂工况的环境下运行，所以钢厂设备的故障诊断比一般的工况条件下要困难。振动信号检测并非在任何场合都很适用，钢厂中低速重载轴承系统中，轴承早期的微弱故障就会导致严重的生产事故，因此需要对早期故障进行有效的监测，而早期故障的振动信号会被周围相对幅度较大的、低频的环境噪声所淹没，从而无法有效检测出故障存在。 2 国内外研究现状 沈功田，耿荣生，刘时风系统的介绍了声发射信号简化波形特征参数的定义以及分析方法，包括列表显示和分析、单参数分析、经历图分析、分布图分析和关联图分析等[2]。理华，徐春广，肖定国等人利用小波包对滚动轴承故障声发射信号进行基于特征频率的滤波，解决了由噪声引起的滚动轴承故障误判的问题，为下一步的信号特征提取打下了基础[3]。赵美云，李力，陈保家利用小波分析及重构技术消除声发射信号的背景噪声，然后利用小波包络谱分析方法识别滚动轴承故障。试验结果证明，小波包络谱分析可以有效的检测出滚动轴承故障[4]。清华大学的张新明对滚动轴承点蚀故障的声发射诊断方法进行了详细研究。对不同工况下滚动轴承声发射的特征进行了分析。针对连续小波变换的尺度和基小波波形参数选择，提出基于遗传算法的优化选取方法，有效提高了Morlet连续小波尺度谱对滚动轴承声发射信号分析的时频性能，并结合希尔伯特谱分析，详细地分析了滚动轴承声发射的时频特性[5]。 3 实验方案 实验计划采集正常轴承以及五种最常见故障类型滚动轴承的声发射信号，包括：1(外圈裂纹)，2(外圈点蚀)，3(内圈裂纹)，4(内圈点蚀)，5(滚动体点蚀)。通过对轴承内、外圈做线切割加工模拟裂纹故障[6]；对轴承内圈、外圈、滚动体做腐蚀加工模拟点蚀故障，点蚀缺陷为直径2mm，深0．1mm的小凹坑。以上所有故障轴承均只有一个故障点。实验台工作时，滚动轴承主要承受径向载荷，为了更加容易的采集到声发射信号，将声发射传感器固定在轴承座径向方向上，利用SAEU2S声发射采集仪和笔记本电脑采集声发射数据，传感器的布置位置如图—1所示。 在信号采集开始之前需要对传感器进行灵敏度校准，铅笔芯断裂时产生的信号与金属裂纹扩展产生的信号十分相似，因此利用铅笔芯作为模拟声发射信号源进行检测，采集到的信号如图2所示。从图中可以明显看到铅笔芯折断时产生的突发型声发射信号，说明传感器灵敏度达到要求，可以进行数据的采集。 分别采集六种不同模式滚动轴承的声发射信号。设置采样频率为800kHz，采样点数为262144。滚动轴承声发射信号的谐波小波包分析。 如图3所示为外圈裂纹轴承的声发射信号经过五层谐波小波包分解后，节点(5，1)的时域波形图和频谱图，从经过局部放大后的频谱图中可以明显看到有76．29Hz的外圈故障特征频率存在。 如图4所示为外圈点蚀轴承的声发射信号经过五层谐波小波包分解后得到的时域波形图和频谱图，从经过局部放大后的频谱图中可以看到有51．88Hz的滚动体故障特征频率和76．29Hz的外圈故障特征频率存在。 如图5所示为内圈裂纹轴承的声发射信号经过五层谐波小波包分解后得到的时域波形图和频谱图，从经过局部放大后的频谱图中可以看到有24．41Hz的内圈转频存在。 如图6所示为内圈点蚀轴承的声发射信号经过五层谐波小波包分解后得到的时域波形图和频谱图，从经过局部放大后的频谱图中可以看到有24．41Hz的内圈转频存在。 如图7所示为滚动体点蚀轴承的声发射信号经过五层谐波小波包分解后得到的时域波形图和频谱图，从经过局部放大后的频谱图中可以看到有54．93Hz的滚动体故障特征频率和76．29Hz的外圈故障频率存在。 4 现场应用实例 与2010年6月23日对某钢厂棒材7架粗轧机进行了声发射检测，所使用测试仪器是北京声华兴业科技有限公司生产的SAEU2S声发射采集仪[7，8]。传感器安装位置图如8所示。设置采样频率为800kHZ，采样点数为262144。 图9为声发射时域和频域图，从时域图中看不出有明显的周期性冲击成分，从原始频谱图可以看出有间隔为261Hz左右的谐波。 对信号进行提升小波降噪，冗余第二代小波使用四层小波分解，预测器、更新器长度选取为20，阈值使用软阈值降噪、自适应降噪，经验值值取为2．9。然后进行希尔伯特解调，如图1