基于振动分析的造纸机械故障诊断及监测研究.pdf

第4 3 卷第1期2024年1月造纸科学与技术Paper Science and TechnologyVol.43No.1Jan.2024基于振动分析的造纸机械故障诊断及监测研究尚志超赵冬梅（河北工业职业技术大学宣钢分院，河北张家口，0 7 510 0）摘要：为实现对造纸机械不同故障运行状态的诊断与监测，提出一种基于振动分析的造纸机械故障诊断及监测方案。方案通过采用时域分析方法分析出造纸机械振动信号波峰值、均方根值、峭度、裕度、波形，确定造纸机械是否发生故障，并采用快速傅里叶变换（FastFourierTransform,FFT)确定造纸机械故障位置和类型，实现了造纸机械故障诊断与监测。仿真结果表明，所提方案可实现对仿真信号、模拟试验台和实际造纸机械轴承滚体表面故障、内圈故障、外圈故障等不同类型和位置的故障进行诊断与监测，具有一定的可行性、有效性和实用尚志超先生性,为造纸机械故障诊断和监测提供了参考。关键词：振动分析；时域分析；频域分析；造纸机械；故障诊断中图分类号：TP273D0I:10.19696/j.issn1671-4571.2024.1.024引文格式：尚志超，赵冬梅.基于振动分析的造纸机械故障诊断及监测研究J.造纸科学与技术，2 0 2 4，4 3（1)：111-114+12 2.Research on Fault Diagnosis and Monitoring of Paper Machinery Based(Xuangang Branch of Hebei Industrial Vocational College,Zhangjiakou 075100,China)Abstract:To achieve diagnosis and monitoring of different fault operating states of paper machinery,a paper machinery fault diagnosisand monitoring scheme based on vibration analysis is proposed.The scheme uses time-domain analysis method to analyze the peak,root mean square,kurtosis,margin,and waveform of the vibration signal of paper machinery,determine whether there is a fault in thepaper machinery,and uses Fast Fourier Transform(FFT)to determine the location and type of the fault in the paper machinery,achieving fault diagnosis and monitoring of paper machinery.The simulation results show that the proposed scheme can diagnose andmonitor diferent types and positions of faults such as simulation signals,simulation test benches,and actual paper machinery bearingsurface faults,inner ring faults,outer ring faults,etc.It has certain feasibility,effectiveness,and practicality,and provides areference for paper machinery fault diagnosis and monitoring.Key words:vibration analysis;time domain analysis;frequency domain analysis;paper making machinery;fault diagnosis0引言造纸工业是我国支柱产业之一，在我国国民经济中占据重要的地位。近年来，随着自动化技术的快速发展，造纸车间机械设备逐渐实现自动化，导致传统基于人工的故障诊断与监测方法已不能满足高需求造纸车间要求。因此,有必要提供一种智能化的故障诊断与监测方案。目前,针对造纸机械设备文献标识码：Aon Vibration AnalysisSHANG Zhichao,ZHAO Dongmei文章编号:16 7 1-4 57 1(2 0 2 4)0 1-0 111-5故障诊断的方法主要包括基于PLC 技术和基于深度学习技术的故障诊断,如张继伟 通过采用PLC 技术搭建造纸机械设备运行数据采集网络架构，应用主成份分析法与相关系数法预处理运行数据，通过模型提取运行数据样本熵、模糊熵、排列与基本尺度特征，并基于模糊集合理论中。通过建立运行数据特征与故障类型的模糊关系，实现了造纸机械设备的故障诊断，具有故障误报率低和漏报率低作者简介：尚志超，生于19 8 9 年，本科，讲师，主要从事教学工作。E-mail:。112的优势；李伟娟等2 采集并处理造纸机械设备的多维运行数据并提取振动数据的变化特征，然后利用多维高斯贝叶斯算法确定故障类型，实现了造纸机械设备故障的自动检测；张明等3 基于局部均值分解的振动信号，并采用马氏距离计算分解结果与故障振动信号样本的马氏距离，实现了造纸机械故障诊断。上述研究中,造纸机械设备的故障诊断多是将机械设备的振动信号假设为线性特性来处理，而造纸机械设备实际运行中，振动信号呈现出非线性的特点，导致现有故障诊断方法存在较大的误差。基于此，研究结合时域分析方法和频域分析方法对非线性振动信号处理的优势，提出一种基于振动分析的造纸机械故障诊断及监测方法。1基于振动分析的造纸机械故障诊断模型构建本研究基于时域分析与频域分析方法4-9 ,将造纸机械故障诊断方案设计为图1所示，具体分为以下步骤：(1)振动信号采集与预处理。利用压电式加速传感器采集造纸机械轴承的运行状态振动信号，并通过调理器调理放大振动信号，并利用滤波器对信号进行去噪预处理；(2)振动信号特征提取。基于时域分析法提取振动信号的时域特征，基于FFT分析方法提取振动信号的频域特征；(3)特征频率计算。根据造纸机械轴承固有振动频率和故障特征频率计算方法，计算采集的振动信号特征频率,并将其与理论特征频率进行比较，确定造纸机械轴承是否发生故障以及故障类型。文件管理物理模拟电模拟电离散信号信号信号信号振动传感器图1造纸机械故障诊断及监测方案流程造纸科学与技术2仿真实验2.1实验环境搭建本次实验基于压电式加速传感器采集振动信号,基于MATLAB软件对振动信号进行处理，基于Windows10操作系统运行。系统配置if-9400FCPU，gtx2060GPU,16CB 内存。2.2数据来源及预处理本次实验振动数据来自自主采集的实际造纸机械设备运行状态数据。考虑到采集的原始振动信号存在噪声,可能影响故障诊断结果,采用Bessel 滤波器对原始振动信号进行了去噪处理。Bessel滤波器可减少噪声引起的相位畸变,并通过提高阶数来降低峰值误差，具有平滑频率幅度响应的特点 0。当滤波类型为低通滤波时，其阶数为3，截止频率为 10 0 Hz2.3结果与分析2.3.1仿真信号验证为检验所提方案的有效性，研究根据造纸机械滚动轴承振动信号y（t)的特点，构造仿真信号进行验证，如式(13)12-13 1：y(t)=Asin(2/i)+Bsin(2mfz+)+f(t)式中,A=3.2,fi=9,B=6.2,f2=92,f(t)表示添加的白噪声，幅值为1.8 14-15(1)时域分析结果采用Bessel 滤波器对y（t）进行去噪预处理后16-18 ,利用时域分析方法进行分析，统计的时域特征如图2 所示。由图可知,所提方法可有效提取仿真信号波峰值、均方根、波形指标、峭度指标、裕度指标时域特征。波峰值9.9波形指标3.8信号采集信号调理器数据采集卡第4 3 卷(13)峭度指标均方根3.04.0裕度指标4.3图2 时域特征提取结果预处理操作站MATLAB程序调用特征提取故障特征频率计算(2)频域分析结果采用FFT对仿真信号频域特征进行提取，结果如图3 所示。由图可知,FFT提取的y(t)频域特征在18 Hz和9 2 Hz出现了高频率分量,与y(t)的频率分量相对应。由此说明,所提方法可有效提取仿真信号的频域特征。第1期32.5s/210.5MLWMWMMWM0100图3 步频域特征提取结果2.3.2模拟试验台验证为进一步检验所提方法的有效性,实验搭建了模拟试验台，如图4,对方法进行了验证。设置变频器为4 3 Hz,电机转速12 0 0 rad/min，旋转频率为2 0 Hz,轴承外圈固定,内圈随轴转动。为分析不同故障运行状态方法的有效性，分别在轴承滚动体表面、内圈滚道表面、外圈滚道表面切割1 mm凹槽,模拟滚动体表面、内圈滚道、外圈滚道故障，并设定正常状态下波峰值的阈值为2.2,4.8 ，时域值超过该值表示轴承处于异常运行状态。Y90s4三相异步电动机底座(1）滚体表面故障监测结果图5为滚体表面故障运行状态下，所提方法对轴承运行状态的时域监测结果。由图可知，波峰值超过阈值4.8,为10.15，说明轴承发生了故障。波峰值均方根10.153.63波形指标裕度指标4.565.22图5滚体表面故障下时域分析结果为进一步确定故障位置和类型,采用FFT进行频域分析,结果如图6 所示。由图可知,频谱存在10个峰值,且在10 3 Hz处存在明显峰值,这与计算的外圈故障特征频率10 3.9 9 5Hz接近，说明该故障为滚体表面故障,与实际相符。由此说明，所提方案可尚志超等：基于振动分析的造纸机械故障诊断及监测研究200300频率/Hz图4 模拟试验台度指标113有效监测造纸机械轴承滚体表面故障运行状态。0.062s./率0.050.040.030.02400500传动轴压电式加速度传感器CA/W3353505双列调心滚子轴承一变频器3.530.01(2)内圈故障监测结果图7 为内圈故障运行状态下所提方法的时域监测结果。由图可知，波峰值超过阈值4.8，为5.8 4，说明轴承发生了故障。波峰值峭度指标5.843.03波形指标裕度指标3.644.23图7 内圈故障下时域分析结果为进一步确定故障位置和类型,采用FFT进行频域分析,结果如图8 所示。由图可知，频谱存在4个峰值,且在16 4 Hz处存在明显峰值,这与计算的外圈故障特征频率16 4.2 9 3 Hz接近，说明该故障为内圈故障,与实际相符。由此说明,所提方案可有效监测造纸机械轴承内圈故障运行状态。0.080.070.060.050.04上0.03F0.020.010(3）外圈故障监测结果图9 为外圈故障运行状态下所提方法的时域监测结果。由图可知，波峰值超过阈值4.8，为5.9 2,说明轴承发生了故障。100图6 滚体表面故障下频域分析结果2.61100200频率/Hz图8 内圈故障下频域分析结果200频率/Hz300300400均方根4005005001145.92波形指标3.57图9 外圈故障下时域分析结果为进一步确定故障位置和类型,采用FFT进行频域分析,结果如图10 所示。由图可知,频谱存在4个峰值,且在13 5Hz处存在明显峰值,这与计算的外圈故障特征频率13 5.7 0 7 Hz接近，说明该故障为外圈故障,与实际相符。由此说明,所提方案可有效监测造纸机械轴承外圈故障运行状态。0.060.050.04F0.030.020.0160综上可知，所提的基于振动分析的造纸机械故障诊断及监测方案，可有效监测不同运行状态下的造纸机械轴承,并能准确确定故障位置和类型。3.3.3实例验证、为检验所提方法的实际应用效果,研究以河南某造纸厂车速为1km/min的造纸机烘缸（直径为3 6 6 0 mm）为监测对象，通过在烘缸轴承座设置监测点进行验证。该烘缸轴承为2 3 0/530CAK/W33双列调心滚子轴承，工频为7.5,13.3 。（1)内圈滚道故障监测结果图11(a)和（b)分别为内圈滚道故障时域分析和频域分析结果。由图(a)可知,振动信号的峰值较大,未出现明显的周期性冲击,由图(b)可知,中高频区域出现明显故障频率峰值,且峰值较大。通过停机检查发现，内圈滚道出现较深的剥落故障。3020100-10-20-300造纸科学与技术波峰值峭度指标2.83裕度指标3.98100200频率/Hz图10外圈故障频域分析结果0.20.4频率/Hz(a）内圈滚道故障时域分析结果第4 3 卷均方根21.82.611.61.41.2一0.80.60.40.2MMM700(b)内圈滚道故障频域分析结果图11内圈滚道故障监测结果（2）外圈滚道故障监测结果图12（a)为所提方法对外圈滚道故障频域的监测结果。由图12（a）可知,频谱在中频和高频区域出现了明显故障频率，但波峰较小。停机对轴承进行检查发现轴承外圈滚动承载区存在磨痕，将轴承外圈旋转9 0 后重新安装，再次监测其运行状态，结果如图16(b)所示。由图12(b)可知，高频区域的故障频率消失。由此可判定该轴承发生了外圈滚道3004000.60.8W800900频率/Hz500故障。0.150.10.05000.125s./率0.10.0750.050.0254结论综上所述,所提的基于振动分析的造纸机械故1障诊断及监测方案，通过采用时域分析法提取振动(下转第12 2 页)10005001000频率/Hz（a)外圈滚道故障下的频域分析结果5001000频率/Hz(b)外圈旋转后的频域分析结果图12 外圈滚道故障监测结果11001500200015002000120025002500122经网络进行了优化与改进，提出了多尺度跳跃激励网络结构,经试验验证准确率较高，能够更好保障造纸企业工业控制网络系统的安全。参考文献1 引张永亮基于深度学习的工业控制网络安全管理模型应用与研究 J网络安全技术与应用，2 0 2 3，（1 1）：1 0-1 2.2王科，刘宇航，侯慧，等。化工行业工业控制网络安全防护的探索与实践J：中国石油和化工标准与质量，2 0 2 3，4 3(12):69-71,3宋凤勇，韩光，司长征。油田工控网络安全防护的浅析 J.智能制造，2 0 2 1，（S1）：2 1 6-2 1 8.4赵弘毅。现代企业工业控制网络的安全防护探究 J信息记录材料,2 0 2 0,2 1（4):2 1 1-2 1 2.5李春梅基于深度学习算法的网络安全应用研究 J、现代信息科技，2 0 2 3,7（1 2)：1 5 8-1 6 1.6余华鸿，周凤艳，陈毛毛基于机器学习的KDD-CUP99网络侵检测数据集的分析 J计算机工程与科学，2 0 1 9，4 1(S1):91-97.7 王诚，赵晓培基于混合采样的改进随机森林算法研究 J.VAVAVAVAVAVAVT(上接第1 1 4 页)信号的波峰值、均方根、波形指标、峭度指标、裕度指标时域特征,并设定正常运行状态阈值范围,可有效诊断造纸机械是否发生故障。然后采用FFT分析法提取振动信号的频域特征，可准确确定造纸机械故障位置和类型。所提的基于振动分析的造纸接卸故障诊断及监测方案,具有一定的可行性、有效性和实用性，可对仿真信号、模拟试验台和实际造纸机械轴承进行故障诊断与监测，有效、准确定位诊断造纸机械轴承滚体表面故障、内圈滚道故障、外圈滚道故障,为造纸机械故障诊断与检测提供了参考。参考文献1 张继伟.基于PLC技术的造纸机械设备故障诊断方法 J.造纸科学与技术,2 0 2 2,4 1（3）：2 8-3 3.2李伟娟，李雨龙，张磊.基于多维高斯贝叶斯的造纸机械设备故障自动检测系统 J.造纸科学与技术,2 0 2 2,4 1（1)：3 3-3 9.3张明，陈卫红.造纸机械设备故障振动信号实时监测系统设计J.造纸科学与技术,2 0 2 1,4 0（5）:3 2-3 6+4 1.4李少康,陈龙,陈辉等.基于GAF-CNN的柴油机振动信号故障诊断 J.武汉理工大学学报（交通科学与工程版），2 0 2 3，4 7(4):648-653.5任岩，张琳琳,刘金伟等.接入风光电的水电机组振动信号分析与故障诊断方法研究 J.水电与抽水蓄能,2 0 2 2,8（4)：9 8-1 0 2.6赵乐.基于BIM振动信号的变压器机械故障诊断方法研究J.环境技术,2 0 2 2,4 0(1):1 0 3-1 0 8.造纸科学与技术计算机技术与发展，2 0 2 1，3 1（1 2）：5 0-5 4+9 1.8吴迪电力安全生产管理中深度卷积网络研究 J电气技术与经济，2 0 2 3，（2）：1 9-2 1+3 5.9汤伟，张诚，冯波，等造纸工业高级控制技术和先进控制系统综述 J中国造纸，2 0 2 0，3 9（8）：1 4-2 5.10 张梦，郭大亮，童欣，等，现代造纸企业数字化过程控制系统的研究进展 J中国造纸，2 0 2 2，4 1（S1）：1 6-2 2.11 何茜基于“机器视觉+深度学习”目标检测的皮革表面缺陷检测系统研究 J中国皮革，2 0 2 3，5 2（1 1）：5 9-6 3.12 姜红梅.基于工业物联网的造纸废水控制系统升级改造 J.轻工科技，2 0 2 3，3 9（4）：1 1 7-1 1 9.13任加维。制浆造纸工业智能安全环保信息一体化系统建设研究 J：造纸科学与技术，2 0 2 2，4 1（1）：7 3-7 5.14刘琦基于深度学习的工控网络异常流量检测机制的设计与实现 D沈阳工业大学，2 0 2 115李明旭.基于神经网络的工控网络异常流量检测研究 D.哈尔滨工程大学，2 0 2 1.16朱春燕.深度学习改进FasterRCNN算法皮革材料缺陷机器视觉检测研究 J中国皮革，2 0 2 3，5 2（1 2）：2 6-2 9.17程艳艳。基于深度卷积神经网络的入侵检测系统设计 J西安文理学院学报（自然科学版），2 0 2 2，2 5（1）：7 5-7 9+1 2 8.7吴晓梅.门座起重机回转支承振动信号分析及故障诊断 J.起重运输机械,2 0 2 1(1 2):3 0-3 5.8周付明，申金星，杨小强等.基于改进多元多尺度色散熵的齿轮箱多通道振动信号故障诊断J.机械传动，2 0 2 1，4 5（4）：112-122.9施耀华，冯延晖，任铭等.融合电流和振动信号的永磁同步风电系统变流器故障诊断方法研究 J.中国电机工程学报，2 0 2 0，40(23):7750-7760.10郑杰峰，朱孔臣，张正军等.振动信号分析技术在汽轮机故障诊断中的应用 J.设备管理与维修,2 0 2 0（1 5）：1 4 3-1 4 6.11马云飞，贾希胜，白华军等.基于一维CNN参数优化的压缩振动信号故障诊断 J.系统工程与电子技术,2 0 2 0,4 2（9）：1911-1919.12林琳，陈志英.基于粗糙集神经网络和振动信号的高压断路器机械故障诊断 J.电工技术学报，2 0 2 0,3 5（S1）：2 7 7-2 8 3.13 刘志远，陈海军，于晓军等.基于振动信号的变压器有载分接开关故障诊断方法研究进展与展望 J：高压电器，2 0 1 9,5 5(11):18-25.14郭攀，史洪伟，裴峻峰等.基于小波分析的往复泵振动信号故障诊断 J.西昌学院学报（自然科学版）2 0 2 0,3 4（3）：3 1-3 5.15 张衡，张鹏涛，姜国朋.基于频域特征和神经网络的柴油机失火故障诊断 J.机电工程技术，2 0 2 2,5 1（8）：2 5 0-2 5 3.16 钱曙杰，柯尊高，黄维纲等。基于FFT算法的扶梯振动故障诊断研究J自动化与仪器仪表，2 0 2 3，（1 0）：7 3-7 8.17肖鑫龙，杨洪涛，陈贺等.基于FFT-SVD算法的转子轴心轨迹提纯与故障检测J，惠州学院学报，2 0 2 2，4 2（6）：2 2-2 8.18陈宇航，李正平，肖雷基于FFT-1D-CNN的细纱机罗拉轴承故障诊断 J：棉纺织技术，2 0 2 3，5 1（1）：1 6-2 1.第4 3 卷