Содержание к диссертации
Введение
ГЛАВА 1. Исследование методов обработки сигналов в области видродиагностики и других областях, связанных с обработкой сигнала 15
1.1 .Методы обработки виброакустического сигнала 15
1.2. Вейвлет-анализ как одно из перспективных направлений в различных областях, связанных с обработкой сигналов 26
1.3. Обзор некоторых элементов теории детерминированного хаоса с точки зрения обработки виброакустического сигнала 36
ГЛАВА 2. Исследование анализа "элементарных" вибрационных сигналов на основе использования теории вейвлетов 42
2.1. Анализ гармонического сигнала 42
2.2. Анализ сигнала с частотной модуляцией 43
2.3. Обнаружение трендового сигнала 45
2.4. Анализ импульсных сигналов 48
2.5. Анализ скоротечных сигналов 50
2.6. Очищение сигнала от шума и анализ шума 50
2.7. Обнаружение самоподобия в сигнале 56
ГЛАВА 3. Исследование анализа вибрационных сигналов на основе использования элементов теории детерминированного хаоса 60
3.1. Построение фазовых портретов и их количественная оценка 60
3.2. Построение фазовых портретов вибрационных сигналов 64
ГЛАВА 4. Оценка технического состояния турбокомпрессора "demag" на основе анализа его вибрационных параметров 72
4.1 Виброобследование турбокомпрессора с помощью стандартной методики проведения вибродиагностических работ ЦКА 73
4.2. Использование вейвлет-анализа для обработки вибросигналов турбокомпрессора DEMAG 83
4.3 Применение и анализ фазовых портретов на основе вибросигналов турбокомпрессора DEMAG 95
Основные выводы 112
Библиографический список
- Вейвлет-анализ как одно из перспективных направлений в различных областях, связанных с обработкой сигналов
- Анализ сигнала с частотной модуляцией
- Построение фазовых портретов вибрационных сигналов
- Использование вейвлет-анализа для обработки вибросигналов турбокомпрессора DEMAG
Введение к работе
Современная экономическая ситуация в стране не дает возможности различным предприятиям закупать новое оборудование и потому актуальным становится вопрос о том, каким образом можно дольше и эффективнее использовать имеющееся оборудование.
Поэтому своевременное диагностирование технического состояния оборудования и четкое определение уровня его эффективности представляет большой интерес, как с научной, так и с практической точки зрения.
Особенно ценными являются сейчас методы неразрушающего контроля, в частности - вибродиагностика. Именно вибросигнал, обладая достаточно емкой информацией о работе агрегата и его элементов, может являться достоверным показателем его состояния. Однако это может быть действительно так лишь при четком его анализе, поскольку в первоначальном виде это слишком комплексный показатель.
На сегодняшний день при решении поставленных перед областью вибродиагностики задач с помощью существующих методов возникают определенные трудности. Это касается распознавания состояния эксплуатируемого агрегата и выявления причин и условий, вызывающих неисправности, которые следует устранить. Отчасти это обуславливается тем, что каждый класс и даже каждый тип оборудования характеризуется своими отдельными наборами критериев оценки вибросостояния в зависимости от условий сборки, монтажа, эксплуатации и т.д. С другой стороны, определенная односторонность вибродиагностических методов, преимущественным образом основанных на первичном фурье-преобразовании сигнала, не позволяет произвести комплексный подход к решению проблемы.
Вышеперечисленные факторы приводят к тому, что для успешного решения задач необходимо проведение виброобследования агрегата при различных режимах его работы или составление обширной базы данных по его вибросостояниям. И то и другое значительно увеличивает трудовые и материальные затраты и не всегда оказывается приемлемым в условиях производства.
Из вышесказанного вытекает необходимость в дополнительных комплексных методах анализа вибросигналов, которые позволят решить вышеперечисленные проблемы и поставить область вибродиагностики как средство неразрушающего контроля на более качественный уровень.
Целью диссертационной работы является разработка методов диагностирования технического состояния центробежно-компрессорных агрегатов (ЦКА) на основе анализа вибросигналов колебаний с использованием элементов вейвлет-анализа и детерминированного хаоса.
В работе решены следующие задачи:
1. Проведена диагностика технического состояния центробежного турбокомпрессора DEMAG ОАО "Салаватнефтеоргсинтез" с помощью традиционных методов вибродиагностики.
2. Разработан метод первичной обработки и анализа вибросигналов с применением теории и механизмов вейвлет-анализа.
3. Проведена диагностика технического состояния центробежного турбокомпрессора с помощью разработанного метода.
4. Разработан метод анализа вибросигналов с применением фазовых портретов, построенных на основе форм волны вибросигналов.
5. Проведена диагностика технического состояния центробежного турбокомпрессора с помощью разработанного метода.
6. Проведен сравнительный анализ результатов диагностики технического состояния центробежного турбокомпрессора, полученных с помощью стандартных методов и методов на основе вейвлет-анализа и построения фазовых портретов. 7. На основе вышеперечисленных методов создана комплексная методика диагностирования технического состояния центробежно-компрессорных агрегатов.
Научная новизна заключается в следующем:
1. Предложен подход к первичной обработке и анализу амплитудно-временных показателей вибросигналов, основанный на использовании вейвлетов при обработке сигналов, который позволил определить и подтвердить такие развивающиеся дефекты турбокомпрессора, как износ внутренних колец роликовых подшипников электродвигателя, износ зубчатых зацеплений мультипликатора. Установлено, что очищенные от шума с помощью вейвлет-преобразования формы волны вибросигналов турбокомпрессора, подвергнутые стандартному спектральному разложению позволили более четко определить дефектные частоты подшипников электродвигателя, чем при стандартной методике.
2. Предложен подход к первичной обработке и анализу амплитудно-временных показателей вибросигналов на основе использования элементов теории динамических систем, а именно, построении реконструированных фазовых портретов вибросигналов и оценки их количественных характеристик. Установлено, что при развитии дефекта и приближении агрегата к аварийному состоянию значение размерности реализации фазового портрета уменьшается до значения 1.8-2.2.
Разработанная методика используется в УГНТУ при проведении теоретических и практических занятий со студентами технологического факультета по специальности 17.05.00 "Машины и аппараты химических производств и предприятий строительных материалов" и специализации 17.05.11 "Надежность технологических систем и оборудования" по дисциплине "Диагностика разрушений". Разработанная методика применялась при проведении вибродиагностических работ компрессорного турбоагрегата DEMAG завода нефтехимических производств ОАО "Салаватнефтеоргсинтез.
Основные положения диссертационной работы докладывались на следующих конференциях:
49 научно технической конференции студентов, аспирантов и молодых ученых УГНТУ в апреле 1998г.;
15 Российской научно-технической конференции "Неразрушающий контроль и диагностика" в июне 1999г.
По материалам диссертации опубликовано 6 научных работ.
Первая глава диссертации посвящена обзору и анализу некоторых распространенных методов и средств виброакустического диагностирования центробежно-компрессорного оборудования нефтеперерабатывающей промышленности. Также в первой главе даны обзоры нового перспективного направления в области обработки сигналов, основанного на теории вейвлетов.
Статистический анализ современного состояния служб вибродиагностики в промышленности показал, что большинство приборов и систем, применяемых службами, основано на спектральном анализе входящего сигнала. Такое применение обуславливается как простотой метода, так и его универсальностью. Сущность спектрального анализа основана на первичном фурье-преобразовании входящего сигнала. Наряду с неоспоримыми достоинствами это преобразование обладает и определенными недостатками: а) исходный сигнал заменяется на периодический; б) при фурье-преобразовании изменяющихся параметров процесса со временем (нестационарных процессов) для всего исследуемого сигнала получаются усредненные коэффициенты. Поэтому методы, основанные на спектральном анализе, не позволяют на сегодняшний момент производить всесторонний анализ вибросигнала, что приводит к общим характерным погрешностям при проведении вибродиагностических обследований. В частности, вследствие потери информации о временном факторе, искажается представление о динамике изменения спектрального состава сигнала, что приводит к невозможности однозначного определения дефектов, ведущих к частотной модуляции вибросигнала, таких как износ зубчатых зацеплений, дефекты электромагнитного происхождения и т.д.
Ретроспективный анализ результатов вибродиагностических обследований центробежно-компрессорных агрегатов ОАО "Башнефтехим" и ОАО "СНОС" показал, что для разных видов дефектов спектральный анализ вибросигналов может давать в спектре одинаковые последовательности частотных составляющих. Чтобы однозначно идентифицировать дефект, необходимо применение дополнительных операций по обработке вибросигнала, как, например, анализ временной реализации, или проведение дополнительных замеров при различных режимах работы исследуемого агрегата, что не всегда является приемлемым в условиях производства.
Кроме того, потеря информации о временном факторе существенно сказывается и при прогнозировании остаточного ресурса, который целиком и полностью является вопросом времени.
Анализ вышеперечисленных факторов приводит к необходимости создания дополнительных методов первичного анализа вибросигналов для осуществления более комплексного подхода к решению задач вибродиагностики.
Обзор и сравнительный анализ всех современных методов, связанных с обработкой каких-либо типов сигналов, позволил выделить, как наиболее подходящий и перспективный для возможного применения в области вибродиагностики, метод вейвлет-анализа сигнала.
Для того чтобы определенная функция могла называться вейвлетом, должны выполняться два условия: 1. ее среднее значение (интеграл по всей прямой) равно нулю;
Краткая сущность вейвлет-преобразования состоит в разбиении сигнала на смаштабированные и сдвинутые по оси времени версии оригинального (материнского) вейвлета. И на основе корреляционных коэффициентов (их цветовых значений) участков оригинального сигнала и версий вейвлета складывается картина, которая характеризует время и масштаб частоты.
На практике существует два метода анализа сигналов с применением вейвлетов - непрерывный вейвлет-анализ и дискретный или ортогональный вейвлет-анализ. Анализ свойств и особенностей непрерывного и дискретного вейвлет-анализа позволил определить дальнейшее исследование в работе обоих методов при обработке и анализе вибросигналов.
В первой главе также рассмотрены некоторые элементы теории детерминированного хаоса и приведены предпосылки для построения реконструированных фазовых портретов, характеризующих динамическое поведение систем непосредственно из самой амплитудно-временной характеристики сигнала и без какой-либо опоры на математическую модель.
В заключении первой главы сделаны выводы о необходимости разработки и применения новых методов обработки вибросигналов и определен дальнейший порядок действий, направленный на исследования анализа вибросигналов с помощью теорий вейвлетов и детерминированного хаоса.
Во второй главе приводятся исследования с помощью вейвлет-анализа "элементарных" форм волны сигналов, составляющих вибросигнал, и на основе результатов исследования описывается методика применения теории вейвлетов к анализу вибрации ЦКА. В результате сравнительного обзора программных математических пакетов, позволяющих проводить вейвлет-анализ сигналов различного типа, и в качестве используемого средства в работе выбран математический пакет MatLab 5.2 с возможностью использования как непрерывного, так и дискретного вейвлет-анализа.
Для каждого типа "элементарного" сигнала были установлены свои параметры вейвлет-анализа.
В конце второй главы в результате исследования обработки стандартных образцов форм волны наиболее важными свойствами вейвлет-анализа для решения задач вибродиагностики определены:
1. Очищение сигнала от шума.
2. Выделение из шума детерминированных сигналов.
3. Выявление частотной модуляции и динамики ее развития.
4. Выявление динамики развития установившегося сигнала.
В третьей главе параллельно с исследованием вейвлет-анализа приводятся исследования "элементарных" форм волны сигналов с применением элементов теории детерминированного хаоса, и на основе результатов описывается методика применения элементов теории к анализу вибрации ЦКА.
Задача сводилась к построению фазовых портретов, характеризующих поведение системы. На основе амплитудно-временных сигналов "элементарных" искусственных сигналов, а затем и реальных сигналов виброскорости строился реконструированный аттрактор.
Для этого временная последовательность развертывалась в ряд наборов с последовательно возрастающими сдвигами (разностью фаз). Эти наборы и представляли собой ряд дискретных переменных, необходимых для составления фазового портрета.
К следующим типам "элементарных" сигналов составлены свои реконструированные фазовые портреты: гармонические сигналы из одной синусоиды и суммы нескольких синусоид, гармонические сигналы с частотной модуляцией, гармонические сигналы с импульсной модуляцией, импульсные сигналы, скоротечные сигналы, шумы.
Кроме стандартных образцов форм волны, описанных в первой главе, в качестве объектов исследования выбраны временные реализации вибросигналов различных ЦКА ОАО "СНОС".
Анализ фазовых портретов "элементарных" сигналов показал, что их структура и характер кардинальным образом отличаются друг от друга, что дало возможность в дальнейшем соотносить фазовые портреты реальных сигналов с аттракторами "элементарных" сигналов и определять характер дефекта.
Для более качественного анализа аттрактора применялся анализ последовательностей фазовых портретов в зависимости от ряда переменных, определяемых разностью фаз. Это позволяло всесторонне оценить портрет в различных проекциях фазового пространства на плоскость и сделать соответствующие выводы о типе сигнала и степени его развития.
Помимо составления фазовых портретов подобран ряд критериев, позволяющих качественно оценить аттрактор. Ими оказались корреляционная размерность V и размерность реализации Vm.
Эмпирически установлено, что размерность реализации изменяется от значения 10 и более при нормальном техническом состоянии агрегата и уменьшается до значения 1.8-2.2 при приближении агрегата к аварийному состоянию.
Таким образом, в результате анализа реконструированных аттракторов на основе вибрационных сигналов ЦКА можно провести качественное заключение о наличии и развитии преобладающих дефектов в системе и предсказать, насколько близко состояние системы к критическому. В четвертой главе представлен объект исследования. Для выбора объекта исследования проведен обзор 76 центробежных компрессорных агрегатов ОАО "Башнефтехим" и ОАО "СНОС" по их текущим состояниям. Наиболее подходящим с точки зрения применения новых методик, описанных в первой и второй главе, выбран турбокомпрессор DEMAG завода нефтехимических производств ОАО " Салаватнефтеоргсинтез".
В первом разделе приведены результаты виброобследования агрегата с применением стандартной методики.
В результате виброобследования в агрегате выявлены следующие дефекты:
1. Несоосность соединения привода и мультипликатора.
2. Ослабление посадок подшипников электродвигателя.
3. Перекос и неравномерный износ внутренних колец роликовых подшипников электродвигателя.
4. Перекос наружного кольца роликового подшипника со стороны мультипликатора.
5. Дефект зубьев перепускных оборотных колес мультипликатора при одинаковых зубьях внешнего колеса.
6. Дефект перепускного зацепления зубьев планетарного колеса мультипликатора при внешнем и внутреннем колесе.
7. Вибрация всего агрегата, вызванная приближенностью скорости вращения компрессора и мультипликатора ко второй критической скорости агрегата.
Во втором разделе главы данные по вибрации агрегата подвергались обработке с применением вейвлет-анализа.
В результате анализа форм волны вибросигналов турбокомпрессора с применением вейвлетов получены следующие результаты: - дискретный вейвлет-анализ определил основные несущие частоты в вибросигналах турбокомпрессора;
- очищенные от шума с помощью вейвлет-преобразования вибросигналы турбокомпрессора, подвергнутые стандартному спектральному разложению, позволили более четко определить дефектные частоты подшипников электродвигателя;
- анализ шумовой компоненты вибросигналов электродвигателя позволил определить наличие детерминированной составляющей, что в дальнейшем позволило определить такие дефекты как износ внутренних колец роликовых подшипников электродвигателя ранее, чем они были определены при стандартной методике;
- дискретный вейвлет анализ форм волны вибросигналов мультипликатора позволил определить в них наличие биений, что послужило дополнительным доводом для качественного определения износа зубчатых зацеплений мультипликатора;
- с помощью непрерывного вейвлет-анализа качественно определено наличие частотной модуляции вибросигналов зубчатых зацеплений в мультипликаторе агрегата. Это подтвердило такой дефект как износ зубьев, приводящий к частотной модуляции вибросигнала.
В третьем разделе главы формы волны вибросигналов компрессора подвергались обработке с применением элементов теории детерминированного хаоса, исследованных в третьей главе.
В результате анализа последовательностей фазовых портретов системы, а также размерностей реализаций на основе вибросигналов турбокомпрессора получены следующие результаты:
- минимальные значения размерности реализации обнаружены в точках VI, в этой точке присутствует наиболее выраженный дефект. Результаты дополнительных исследований, а также результаты анализа фазовых портретов позволили отнести этот дефект к несоосности соединения привода и мультипликатора;
- значения размерностей вложения фазовых портретов во всех точках замера за весь период проведения виброобследования турбокомпрессора не менялись качественно, что позволило сделать вывод о том, что все обнаруженные дефекты не являлись следствием вибрации, а уже присутствовали в агрегате и приводили его к ускоренному выходу из строя;
- отсутствие какого либо изменения в тренде размерностей реализации фазовых портретов на основе вибросигналов, замеренных в точке 6 подшипника скольжения компрессора, позволило сделать вывод, что данный узел турбокомпрессора является самым стабильным с точки зрения изменения вибросостояния агрегата;
- анализ структуры фазового портрета на основе вибросигнала, отфильтрованного в области 50-90 Гц, замеренного в точке 3 мультипликатора, позволил сделать вывод о наличии биений в зубчатых колесах мультипликатора;
Результаты работы легли в основу создания комплексной методики диагностирования текущего состояния центробежно-компрессорных агрегатов, включающей в себя элементы как стандартных методов так и методов, основанных на применении вейвлетов и элементов теории детерминированного хаоса, описанных в данной работе с учетом их особенностей обработки и анализа вибросигнала.
Вейвлет-анализ как одно из перспективных направлений в различных областях, связанных с обработкой сигналов
Сравнительный анализ современных методов [13, 39, 40, 66, 67], связанных с обработкой каких-либо типов сигналов выделил как наиболее подходящий и перспективный для возможного применения в области вибродиагностики метод вейвлет-анализа сигнала.
Первое упоминание термина "вейвлет" относится к 1909 году в тезисе Альфреда Хаара. Однако концепция вейвлетов и их современная теоретическая формулировка была предложена Джоном Морле [103]. Позднее методы вейвлет-анализа были развиты И. Мейером и его коллегами [101, 102], что способствовало его дальнейшему распространению. Основной алгоритм вейвлет-преобразования описывается в работе С. Маллата в 1988 году [100]. Большой вклад в развитие и распространение вейвлетов внесли И. Добеши, Р. Койфман, В. Уикерхаузер [90, 91, 92].
В буквальном переводе с английского языка слово wavelet означает "маленькая волна", такое название объясняется формой функций, используемых в вейвлет-анализе. Для того чтобы определенная функция \/(t) могла называться вейвлетом (рисунок 1.8), должны выполняться два условия: 1. Ее среднее значение (интеграл по всей прямой) равно нулю. 2. Функция \}/(t) быстро убывает при г-»±оо На рисунке 1.8 изображен типичный представитель семейства вейвлетов - вейвлет Morlet.
На практике существует два метода преобразования сигналов с применением теории вейвлетов - непрерывное вейвлет-преобразование и дискретное или ортогональное вейвлет-преобразование сигнала. [17] Краткая сущность непрерывного вейвлет-преобразования состоит в разбиении сигнала на смаштабированные и сдвинутые по оси времени версии оригинального (материнского) вейвлета: С(масштаб, позиция) = Jf (t)ij/ (масштаб, позиция, t)dt
Результатом НВП является множество вейвлет-коэффициентов С, которые являются функцией масштаба и позиции. Умножение каждого коэффициента на соответствующие смаштабированные и сдвинутые вейвлеты является непрерывным вейвлет-преобразованием сигнала (рисунок 1.9). На рисунке 1.10 представлена процедура непрерывного вейвлет-преобразования сигнала. Процедура непрерывного вейвлет-преобразования: 1. Сравнение материнского вейвлета с участком оригинального сигнала. 2. Вычисление коэффициента корреляции (зависимость коэффициента от формы материнского вейвлета). 3. Повторяющееся передвижение вейвлета по всему сигналу и повторение п. 1 и 2. 4. Масштабирование вейвлета и повторение п. 1..3. 5. Повторение п. 1..4 для всех масштабов вейвлета.
На основе корреляционных коэффициентов участков оригинального сигнала (их цветовых значений) и версий вейвлета складывается картина, которая характеризует время и масштаб частоты. Так на рисунке 1.11 показан результат вейвлет-преобразования волнового сигнала, состоящего из двух участков, участка с линейно изменяющейся частотой и участка, где частота постоянна. На этом же рисунке выше показано фурье-преобразование того же сигнала. Как видно из рисунка, вейвлет анализ однозначно определяет границу двух участков, а также прослеживает
При непрерывном вейвлет-преобразовании процесс масштабирования вейвлета от оригинального (материнского) до некоторого максимального, определяется лишь потребностями детального анализа. Также непрерывен процесс сдвига вейвлета по всему сигналу. Поэтому главный недостаток непрерывного вейвлет-преобразования -большой вычислительный процесс и огромное количество выходных данных. Ортогональное (дискретное) вейвлет-преобразование - попытка выбора и оперирования лишь с определенным множеством масштабов и позиций вейвлета. Концепция дискретного вейвлет-преобразования. Для многих сигналов главной частью является низкочастотный компонент, когда высокочастотное содержание определяет лишь нюансы. В дискретном вейвлет-анализе существуют такие понятия как аппроксимации (приближение) и детали.
Аппроксимации - высокосмасштабированные низкочастотнве компоненты сигнала. Детали - низкосмаштабированные высокочастотные компоненты. Процесс фильтрации - процесс отделения аппроксимаций от деталей.
Оригинальный сигнал проходит через два дополняющих друг друга фильтра и разбивается на два сигнала. После фильтрации коэффициенты одного сигнала содержат главным образом высокочастотные компоненты главного сигнала, а другого - низкочастотные.
На выходе после процесса фильтрации получается в два раза больше данных. Для решения этой проблемы вводится понятие низходящей выборки или учета каждого второго коэффициента сигнала.
Анализ сигнала с частотной модуляцией
С помощью фурье-преобразования, как было указано в первой главе, нельзя однозначно определить такие дефекты, которые являются причиной возбуждения модулированных по фазе импульсных колебаний: заедания в зубчатом зацеплении, изгибные деформации, приводящие к неравномерному размещению лопаток в диске или на рабочем колесе турбины и т.д. В данном примере вейвлет-анализу подвергался сигнал с постоянной амплитудой, период которого линейно увеличивался к середине сигнала с 19 до 57 с. и линейно уменьшался после середины сигнала с 57 до 13 с. Параметры вейвлет-анализа: тип вейвлета db3. Период дискретизации равен 5.
Как видно из рисунка 2.3, несущая частота определяется на деталях D4 и D5, поскольку картина сигнала радикально меняется между 4 и 5 аппроксимациями. Информация о частоте полностью переходит в детали D4 и D5. Их энергия максимальна. Детали D5 содержат сигнал с приблизительно одинаковой частотой. Именно они позволяют вычислить период несущей частоты, который равен 30 (рисунок 2.4).
Однако динамика изменения частоты сигнала четко прослеживается при непрерывном вейвлет-анализе.
На рисунке 2.5 показан результат непрерывного вейвлет-анализа предыдущего сигнала со следующими параметрами анализа: типом вейвлета db3, Область масштабов от 2 до 64. По значениям максимумов можно определить, что период сигнала меняется примерно от 19 до 57 и от 57 до 13.
Тренд представляет самую низкочастотную область сигнала. В терминах вейвлет-анализа это соотносится с наибольшим значением масштаба. Т.е. последовательные аппроксимации имеют все меньшее и меньшее количество высокочастотной информации. И чем больше удаляется высокочастотной информации, тем виднее становятся низкочастотные сигналы, определяющие тренд. Если же сигнал содержит четкие резкие изменения, то последовательные аппроксимации выглядят менее и менее похожи на оригинальный сигнал.
В данном примере вейвлет-анализу подвергался медленно изменяющийся по времени сигнал с наложенным шумом. Параметры вейвлет-анализа: тип вейвлета db3, уровень дискретизации равен 6. Как видно из рисунка 2.6, в оригинальном сигнале тренд настолько искажен шумом, что его нельзя выявить очевидным образом. Однако при вейвлет-анализе с каждым шагом дискретизации тренд проявляется все больше и больше.
Таким образом, с помощью вейвлет-анализа можно определять дефекты агрегата, которые характеризуются очень медленными изменениями частоты, как, например, дефекты в приводах электромагнитного происхождения или дефекты смазки в подшипниках скольжения.
Как дискретный, так и непрерывный вейвлет-анализ однозначно определяют импульсы и другие резкие изменения в сигнале. Также к этой категории сигналов относятся сигналы с очень быстрой эволюцией, такие как переходные сигналы в динамических системах. Характерная черта импульсных сигналов - то, что сигнал локализован во времени или в пространстве.
Для точного обнаружения подобных сигналов лучше использовать вейвлеты которые наиболее приспособлены для обнаружения скоротечных сигналов такие как db2. Наличие шума в сигнале затрудняет распознавание импульсов или резких изменений. Если первые уровни декомпозиции могут быть использованы для исключения большей части шума, то изломы проявляются на более глубоких уровнях декомпозиции.
В данном случае анализу подвергался одиночный импульс, который произошел в сигнале при времени t= 1091. Параметры вейвлет-анализа: тип вейвлета db2, уровень дискретизации равен 3. Как видно из рисунка 2.7, дискретизация первого уровня D1 наиболее точно локализирует импульс по времени. На рисунке 2.8 приведено сравнение вейвлет-анализа того же сигнала с двумя разными вейвлетами: db2 и db4. По сравнению с первым вейвлетом db4 "размазывает" сигнал по времени.
Скоротечные сигналы похожи на импульсные с той разницей, что гораздо дольше затухают по времени. Принцип анализа такой же, как и для импульсов. Кроме определения времени возникновения скоротечного сигнала вейвлет анализ позволяет определить частоту затухающей волны (d5 а4) и динамику затухания. В данном случае анализу подвергался скоротечный сигнал, который произошел при времени t=200. Параметры вейвлет-анализа: тип вейвлета db2, уровень дискретизации равен 5. Как видно из рисунка 2.9, энергия сигнала наиболее проявляется на деталях D5, что позволяет определить несущую частоту сигнала равную 25.
В этом примере дискретному вейвлет-анализу подвергалась синусоида Допплера с добавленным к ней шумовым сигналом. Параметры вейвлет-анализа: тип вейвлета sym4, уровень дискретизации 5.
Как видно из рисунка 2.10, более высокие частоты проявляются вначале сигнала. С каждым уровнем дискретизации аппроксимации становятся все более очищенными от шума, но также они все больше теряют полезную высокочастотную информацию. Так на аппроксимации А5 утеряно уже около 20% информации. Поэтому в некоторых программах, использующих вейвлет-анализ сигналов [8, 36, 103], предусмотрена функция определения шумового порога, ниже которого значения сигнала будут отфильтровываться (рис. 2.11).
Построение фазовых портретов вибрационных сигналов
Дальнейшие исследования в области построения фазовых портретов на основе амплитудно-временных характеристик ЦКА основывались на следующих положениях:
1. Если в рассматриваемом агрегате отсутствуют какие-либо дефекты, то результатом измерений его вибрационных параметров будет шум. Соответственно фазовый портрет данного шумового сигнала будет иметь абсолютно хаотичную структуру. Размерность реализации данного аттрактора стремится к бесконечности (рисунок. 3.1, д).
2. По мере развития какого-либо дефекта, вибрационный сигнал становится более определенным, что в свою очередь сказывается на форме аттрактора (рисунок. 3.1, е). И именно форма аттрактора и его соответствующие характеристики, как будет показано ниже, позволяют определить тип дефекта и степень его развития. Обычной является ситуация, когда в агрегате развиваются несколько дефектов или когда вибрация какого-либо дефекта может приводить к возникновению и развитию других дефектов.
3. Из всей совокупности дефектов в большинстве случаев только один является "летальным" для агрегата, т.е. приводящим к аварийной ситуации. И по мере своего развития его амплитудные значения вибрации начинают преобладать над остальными. Детерминированность сигнала все более начинает определяться характером этого дефекта и динамикой его развития, что в свою очередь определяет вид аттрактора.
В качестве объектов исследования были выбраны формы волны "элементарных" сигналов, описанные в первой главе, а также формы волны вибросигналов отдельных ЦКА как в исправном, так и дефектном техническом состоянии.
При построении фазовых портретов использовались как "элементарные", так и реальные сигналы длительностью не менее чем 2 периода вращения. Объем выборки данных в одном сигнале при компьютерной обработке составляло не менее 211 значений.
Построение реконструированного фазового портрета осуществляется по следующему алгоритму: 1. По оси xi откладывается значение амплитуды сигнала в начальный момент времени ti=to. 2. По оси Х2 откладывается значение амплитуды сигнала в момент времени t2=ti+A(p, где Аф =1,N - разность фаз, N - объем выборки сигнала. 3. Изменить момент времени ti=ti+At. 4. Повторить пункты 1-3 до тех пор, пока t N-Аф. 5. Изменить разность фаз Аф=Аф+1. 6. Повторить пункты 1-5 до тех пор, пока Аф М.
Для каждого Аф составляется отдельный фазовый портрет. Совокупность фазовых портретов для всех Аф есть не что иное, как проекции одного фазового портрета на двумерную систему координат, определяемой разностью фаз.
При подсчете корреляционного интеграла С и размерности реализации vm параметр є изменял свои значения от нуля до величины большей чем максимальные значения амплитуд временных рядов вибросигналов. Значение размерности вложенного пространства m изменялось от 1 до 15 для "элементарных" сигналов и 30 для реальных сигналов.
Для более детального анализа использовались последовательности фазовых портретов в зависимости от ряда переменных, определяемых разностью фаз (формула 3.1). Это позволяло всесторонне оценить аттрактор в разных проекциях и сделать соответствующие выводы о природе происхождения сигнала и степени его развития.
К следующим "элементарным" сигналам были составлены реконструированные фазовые портреты (рисунок 3.1): 1. Гармонические сигналы из одной синусоиды и суммы нескольких синусоид. 1. Гармонические сигналы с частотной модуляцией. 2. Гармонические сигналы с импульсной модуляцией. 3. Импульсные сигналы. 4. Скоротечные сигналы. 5. Шумы
Как видно из рисунка 3.1, фазовые портреты различных "элементарных" сигналов имеют совершенно отличную друг от друга структуру. То есть в дальнейшем такое различие при сравнительном анализе структур фазовых портретов реальных вибрационных сигналов с фазовыми портретами "элементарных" сигналов позволит определять тип развивающегося дефекта.
Для подтверждения положения об уменьшении величины размерности вложения фазовых портретов при развитии и доминировании определенного дефекта в сигнале сравнительному анализу подвергались три гармонических сигнала. Первый состоял из трех синусоид разной частоты но одинаковой амплитуды, у второго сигнала одна из синусоид имела амплитуду в 2.5 раз большую чем остальные, в третьем сигнале амплитуда этой синусоиды превосходила остальные в пять раз. Графики размерностей приведены на рисунке 3.2.
Использование вейвлет-анализа для обработки вибросигналов турбокомпрессора DEMAG
Как известно шумовая компонента в сигнале, динамика ее состояния может указывать на наличие и развитие определенных дефектов, таких как потеря жесткости, износ зубчатых зацеплений или подшипниковых опор, дефекты гидравлического характера и т.п. [5, 79]. Если шум в спектре локализуется в определенной частотной области, то эту область легко идентифицировать с определенным дефектом. Однако когда шум распределен по всей частотной области какие-либо дефекты, кроме потери жесткости агрегата однозначно определить невозможно. Описанные в главе 2 свойства вейвлета позволяют отличить "цветной" шум от "белого", если таковой присутствует в сигнале, а значит, и определить его основную частотную составляющую и соотнести ее с определенным дефектом. Если при дискретном разложении шума уровни деталей уменьшаются с каждым шагом дискретизации примерно в 2 раза, то шум является "белым".
Вейвлет-анализу с целью обнаружения в шумовой компоненте детерминированной составляющей были подвергнуты все осциллограммы виброскоростей турбокомпрессора с большим уровнем шумов.
В данной работе в качестве примера используются амплитудно-временные характеристики вибрации замеров агрегата в точке VI от 01.11.99, 24.11.99 и 08.12.99, т.е. в начале, в середине и в конце его рабочего цикла.
Как видно из рисунка 4.5 в спектрах вибрации наблюдался значительный уровень шумов. Сравнительно высокий уровень шума в спектре за 1.11.99 объяснялся приработкой узлов агрегата после ремонта, а также ослаблением жесткости. В спектре за 08.12.99 более четко обозначились частоты высоких гармоник частоты вращения, подтверждающие вышеназванный дефект. Также снизился уровень шума, однако его качественное состояние практически осталось неизменным.
Высокочастотные области (начиная с 800 Гц) осциллограмм этих сигналов были подвергнуты дискретному вейвлет-анализу с целью обнаружения в шуме характерных частот.
Параметры вейвлет-анализа: тип вейвлета db3, уровень дискретизации 11.
Как видно из рисунка 4.6 детали вейвлет-преобразования формы волны сигнала от 01.11.99 в 2 раза превосходят друг друга от уровня к уровню дискретизации. А детали двух других сигналов на уровне 1 превосходят другие более чем в 2 раза. Такое различие предполагает в высокочастотном шуме сигналов от 24.11.99. и 08.12.99 определенной несущей частоты или группы частот. На рисунке 4.7 представлены результаты фурье-преобразования деталей первого уровня, где в двух последних спектрах отчетливо наблюдаются частоты, равные 907 и 932 Гц соответственно, что определяет дефект износа внутреннего кольца подшипника электродвигателя со стороны редуктора, посчитанного по стандартной методике: Ds - диаметр сепаратора, Ds=240 мм, n - количество тел качения, п=20, (3 - угол контакта тел качения, (3=0 Как видно из рисунка 4.7, фурье-анализ деталей первого сигнала не обнаружил развитие дефектов в этой высокочастотной области сигнала, однако, 24.11.99 мы отчетливо наблюдаем 2 пика, определяющих вышеназванный дефект. Соотношения амплитуд двух последних спектров говорят о стремительном развитии данного дефекта. Таким образом, с помощью вейвлет-анализа шумов различных частотных областей можно определять дефекты агрегата, находящиеся на ранней стадии своего развития. В результате анализа всех замеров были определены следующие параметры для определения несущего сигнала в шумовой компоненте: тип вейвлета db3 или sym3, уровень дискретизации - 11 (максимальный). 3 Определение биений в различных частотных диапазонах
Как известно, биения могут вызываться вполне определенными дефектами [79]. Однако в агрегате много узлов, нарушение конструкции которых может привести к биениям и соответствующим пикам, проявляющихся на различных частотных диапазонах в спектрах сигналов. Для того чтобы определить, является ли конкретный пик в спектре в результатом биений или в результате других дефектов, особенно сравнительно низкой частоты, необходим кропотливый анализ формы волны сигнала как виброускорения, так и виброскорости. Вейвлет-анализ сигнала из-за своих свойств способен легко определить причину возникновения пика в спектре, а значит более качественно и быстро определить дефект.
