OVMD与三维奇异谱特征融...往复压缩机气阀故障识别方法_刘岩.pdf

年 月第 卷 第 期机床与液压 .：.本文引用格式：刘岩，康丽，苏庆勇，等 与三维奇异谱特征融合的往复压缩机气阀故障识别方法机床与液压，（）：，（）：收稿日期：基金项目：桂林市创新平台和人才计划项目（）；黑龙江省自然科学基金（）作者简介：刘岩（），男，博士，副教授，从事往复机械故障诊断方向研究。：.。与三维奇异谱特征融合的往复压缩机气阀故障识别方法刘岩，康丽，苏庆勇，王金东（.桂林航天工业学院能源与建筑环境学院，广西桂林；.东北石油大学机械科学与工程学院，黑龙江大庆）摘要：针对往复压缩机气阀断裂型故障危害下故障振动波形的变异特点，为提高常见的气阀阀片失效后期断裂型故障的识别率，提出一种基于最优变分模态分解（）和三维奇异谱融合的诊断算法。通过 参数优化，利用多重分形去趋势波动分析（）提取模态分量的三维奇异谱参数分析，结合核主分量分析降维提取不同工况模态分量的特征值，并建立完整的 融合诊断识别方案。模拟试验和算法对比证实，该法能有效提高环状气阀阀片断裂故障诊断效率和准确性。关键词：最优变分模态分解；多重分形去趋势波动分析；三维奇异谱；往复压缩机；气阀故障中图分类号：；，（.，；.，）：，（），（），：（）；（）；前言作为大型往复压缩机重要的功能性组件，气阀结构复杂，故障频发，因其故障导致往复压缩机非正常停机的概率占比一般为 左右。气阀在长期的交变冲击载荷作用下，其故障主要分两大类，即阀片闭合不严和弹簧失效。在生产运行时，阀片闭合不严故障又细分为早期的材料疲劳引起的阀片微观裂纹和后期的阀片断裂或缺口，后者对压缩机缸体甚至人员的危害巨大，需要极力避免，但二者的振动信号故障表现极为相似，需要用更精细的手段识别故障间的特征差异。模态分解与多重分形谱技术结合的振动信号诊断技术已成为机械非线性、非时变时频域联合分析的重要技术方法。（）是一种具有较完善理论并区别于 递归性分解的自适应分解理论，有着重要的应用前景；而且（）能方便计算标度指数和多重分形谱，学者们开展了一系列研究与探索。然而，的分解受分解层次、约束步长和惩罚因子等影响较大，且计算效率不高；更为重要的是，大多数学者采用 计算的多重分形奇异和广义谱，都是基于二维谱的几何参数关系，这与实际的分形谱三维特征表现存在严重偏差，使谱图中包含的概率测度、波动和奇异性等精细化特征难以准确表达。为了更准确描述具有多重分形特征的混沌时间序列的动态行为，提高环状阀阀片故障识别有效性，作者提出一种 （）与三维 谱参数结合的诊断方法。信号模态分解.变分模态分解对任意信号（），分解步骤可分为两部分：.构建变分模型（）严格定义的模态分量（，）；（）（）（）（）（）混频并构造优化变分模型（保持稀疏性）：，（）|（）|（）（）（）其中：为分量个数；为中心频率。.变分模型求解（）构建增广 函数 （，），即：（，）（）|（）|（）（）（），（）（）（）二次罚因子 和 乘数（）保证了重构信号准确性和模型约束刚度。（）给出求解精度，、和 通过乘数交替更新，将信号（）分解成 个分量。以上 算法流程如图 所示。图 原始算法流程.最优变分模态分解（）单一指标的评价函数和多参数的 优化分解精度因受分量个数、拉格朗日乘数分解步长 和二次惩罚因子 的影响较大。在搜索 和 时，由于本身 计算效率较低，难以适应工程应用对算法要求；特别是，二次惩罚因子 极易造成负优化而使模态分量退化为简谐函数，因此作者提出了一种相关性残差联合评价的适应度函数。（）适应度函数构造如下相关性残差联合评价适应度函数：（，）（）（）即，该乘积函数中：（，）其中：（，）是原信号（）与分量的相关性；为信号长度。即 是相关性函数，是残差函数，评价函数 可以同时约束信号分量的相关性及与原信号之间的残差。给出的该目标的最优约束为：（）其本质是在避免出现虚假或冗余模态的前提下，使信号分量与原信号保持较高的相关性，并使拉格朗日乘数分解步长 最优，即实现对步长 和二次惩罚因子 和分量个数 的共同约束。（）优化模型 参数优化的具体流程如图 所示。第 期刘岩 等：与三维奇异谱特征融合的往复压缩机气阀故障识别方法 图 算法流程.多重分形谱.多重分形去趋势波动分析（）等在 基础上提出了多重分形去趋势波动分析（）方法，该方法能方便地计算标度指数和多重分形谱，并进行有效的分析。具体算法步骤如下：（）对原始信号 ，构造求和序列（）（），（）（）（）将（）划分成（）个长度为 的相互不重叠的子区间，并通过最小二乘法拟合 阶多项式，得：当，时（，）（）（）（）当，时（，）（）（）（）（）表示为 阶波动函数（）为（）（，）（）（）若时间序列是自相似的，那么（）的 阶波动趋势与时间尺度 满足以下幂律关系：（）（）（）式中：（）表现为依赖于 函数，即广义 指数。（）该时间序列多重分形集的 维数为（）（，）（，）（）该分形集整体奇异性均值为（）（，）（）（）.三维奇异谱与特征参数对复杂分形体而言，多重分形谱可以表示为、（）和（）的三维图像，如图 （）所示。学者们一般研究 和（）之间凸函数单峰图像，称之为奇异谱，如图 （）（）所示；或通过 变换，即通过（）（），转化为 和 之间的关系，一般称之为广义谱，如图（）所示。图 三维奇异谱图.：（）；（）（）；（）（）；（）（）无论是奇异谱还是广义谱都是三维多重分形谱的二维投影，在二维谱中定义和计算三维形态几何参数普遍存在计算误差，故而无法精确表达复杂系统内蕴含的谱（流形）局部信息。作者分析三维奇异谱中的几个特征值，如图 所示。图 多重分形奇异谱特征参数.谱中 个特殊点，简称为左右极值点和顶点，即图中左极值点的三维值（，（）表征左端点斜率，对应奇异指数的最大波动性，该点的；右极值点的三维值（，（）表征奇异谱的右端点斜率，对应奇异指数 的最小波动 性，该点 的；左右极值点三维谱距离 是整个分形时间序机床与液压第 卷列概率测度分布的不均匀程度参数；顶点（，（）反映 的斜率，使得该谱的极值等于其 维数，三维谱宽 反映局部概率测度在时间序列分布的异化状态。根据以上分析，结合二维多重分形奇异谱特征参数，提出采用 个特征值（，（），（），）构成基本特征向量。气阀故障诊断实例以某公司增压站 型双作用对动式往复压缩机为研究对象（往复式压缩机现场监测图如图 所示），其主要参数为：轴功率 ，排气量 ，活塞行程 ，电机转速 。图 往复式压缩机现场监测图.结合长期维修实践并根据 标准和活塞式压缩机使用技术手册，以压缩机一级气缸进气阀为研究对象，模拟阀片裂纹和缺口故障，即划分为正常状态、阀片断裂和阀片缺口 种状态。图 中显示了两个周期（采样频率 ）的 种振动信号时域波形。两种故障振动波形显示出高度非线性、类周期趋势下的幅值时延与波动特征异化，但细微的差异特征需要更有效的诊断方法。图 气阀 种工况振动波形.：（）；（）；（）.算法效率与参数通过文中 算法进行优化，过程中采用遗传算 法 进 行 寻 优，其 中 的 取 值 范 围 为，的取值范围为，的取值范围为，步长为.，重复计算 次，分别采用不同的优化方式，比较各算法效率结果如表 所示。表 不同优化方式效果比较.优化方式耗时 适应度函数分解个数同时优化 和 固定 优化 固定 优化 和 利用峰值法固定中心频率，用文中提出的 中适应度函数参数比较单参数优化的效果好。即固定 优化 和 的方法，能在得到较好的适应度函数基础上达到平衡耗时.，对于诊断和预测均在工程应用接受的范围内。.算法流程与诊断实例评价状态特征提取方法的重要指标是其形成的特征参数对状态的敏感性，即不同状态特征之间的可分性。针对以上模拟故障，通过 算法得到前 个主 分量（如图 所示）的奇异谱特征向量，将其整理并列于表，可见各状态下的特征量差异较大，初步显示出较好可分性。图 气阀断裂工况 分解图.：（）；（）；（）利用 （，核主分量分析）技术提取数据的奇异谱参数并突出特征信息（见表），特征元素由表 的 个缩减到 个，提高了识别效率和准确性。第 期刘岩 等：与三维奇异谱特征融合的往复压缩机气阀故障识别方法 表 不同气阀状态下各 分量的多重分形奇异谱参数.气阀故障类型 参数（）（）正常 阀片断裂 阀片缺口 表 不同气阀状态下最终状态特征值.气阀故障类型最终状态特征值正常 阀片断裂 阀片缺口 为对故障识别方法有效性进行验证，在采样数据库中，抽取不同气阀状态的 个特征向量作为样本，其中 个为训练样本，个为测试样本。采用相同数量的样本训练和测试，分别利用 种方法进行特征提取以便于对比，种方法分别为：（）法；（）法；（）法；（）法。在故障模式识别中引入了两种方法，分别是二叉 树 支 持 向 量 机（，）和卷积神经网络（，）。对于 法，利用遗传算法优化后取核函数 .和误差惩罚参数 .。对于 法，卷积核个数为，大小和采样宽度均为，全连接隐层神经元数为。模型网络的权值和偏置值被初始化为 之间的随机数，结果见表。作者观察到，方法明显提升了阀片闭合故障的识别率，和 的识别效果均较好，二者与 技术结合，并采用 诊断效果最好，也验证其在精细化故障特征识别中的重要作用。表 不同方法识别精度比较.特征提取方法阀片闭合故障识别准确率 正常 阀片断裂 阀片缺口 总识别率 在上述讨论的基础上，提出基于 诊断的气阀故障振动信号特征提取方案，具体流程如下：（）利用 方法分解原始信号，获得最优参数并得到分解值；（）基于 算法计算每个 分量的特征参数，构造包含三维奇异谱的几何特征向量（，（），（），），即每个状态向量包含 个元素；（）采用核主分量分析方法对其预处理，降维分析得到最终的故障特征向量；（）采用 算法实现对两种压缩机气阀故障机床与液压第 卷的有效识别。综上所述，给出 方法的故障诊断方案如图 所示。图 故障诊断方案.结论往复压缩机环状阀片闭合失效故障造成的影响差异显著，特别是阀片裂纹后期断裂或缺孔故障危害巨大。针对该类故障的有效识别，开展了非线性时频域信号融合算法研究。（）提出了 优化方式，即通过峰值法固定中心频率，构造相关性残差联合评价适应度函数，实现了对步长 和二次惩罚因子 和分量个数 的综合优化，并通过对典型气阀模拟故障验证和参数分析，比单参数优化效果好。（）从故障信号时域波动性异化和延迟表现分析，以局部尺度微观差异角度引入 与三维奇异谱相结合的特征细化思想，提出 算法，并结合诊断实例给出完整的方案流程。（）针对 算法流程，通过分析三维奇异谱参数的性质特点，提出了 元素向量表征多重分形奇异谱的特征，并结合 方法降维，提高了算法效率并增加了奇异谱特征的敏感性和鲁棒性。（）考虑往复压缩机气阀阀片失效故障微弱差异识别的难度，采用 和基于深度学习的 识别算法，分别对特征向量进行识别，通过对不同算法计算结果的对比分析，验证了 算法能明显提高气阀故障的可分性，平均识别有效率提高。参考文献：潘鑫，安元华，赵元林，等往复式压缩机气阀频繁故障原因分析中国设备工程，（）：，（）：马海辉，余小玲，吕倩，等一维卷积神经网络在往复式压缩机气阀故障诊断中的应用西安交通大学学报，（）：，（）：刘岩基于变分模态分解与奇异谱分析的往复压缩机典型故障预示研究大庆：东北石油大学，：，李翠省，廖英英，刘永强 基于 和参数自适应 的高速列车轮对轴承故障诊断振动与冲击，（）：，（）：郎宪明，王佳政，曹江涛，等基于改进 和 的多点泄漏检测方法振动与冲击，（）：，（）：，：顾文景，周丽改进 算法在颤振试验信号模态参数辨识中的应用振动工程学报，（）：，（）：第 期刘岩 等：与三维奇异谱特征融合的往复压缩机气阀故障识别方法 付文龙，周建中，张勇传，等基于 与 的水电机组振动趋势预测振动与冲击，（）：，（）：，（）：，：，（）：，：，（）：刘岩，王金东，李颖基于 与多重分形寻优的往复压缩机故障特征识别方法机床与液压，（）：，（）：王永鼎，金子琦基于融合 与 的滚动轴承故障诊断机械强度，（）：，（）：（上接第 页），：，：，（）：沈明瑞，刘阔，董浩琪，等基于贝叶斯与故障树的数控机床可靠性评价制造技术与机床，（）：，（）：，（）：任丽娜，王智明，雷春丽数控机床贝叶斯可靠性评估模型的综合评价方法上海交通大学学报，（）：，（）：陆凤仪，赵科渊，徐格宁，等基于多源信息融合及模糊故障树的小子样可靠性评估工程设计学报，（）：，（）：茆诗松，汤银才贝叶斯统计 版北京：中国统计出版社，：，范晋伟，伊晓龙，陈东菊，等数控磨床头架系统可靠性建模与评估机械设计与制造，（）：，（）：郭骏宇多源信息下数控机床关键子系统可靠性建模与评估研究成都：电子科技大学，：，王学姚基于 神经网络及非线性约束的数控机床 可靠性评估研究秦皇岛：燕山大学，：，聂萌数控机床主轴可靠性分析吉林：东北电力大学，：，机床与液压第 卷