一、引言
电梯作为人们生活当中最为常见的特种设备, 直接关系到了使用者的生命财产安全, 而电梯主机轴承故障问题一直是导致电梯发生事故的原因之一, 由于电梯在使用的过程当中频繁的启动和制动, 导致滚动轴承受到了频繁的冲击力, 从而会对主机的滚动轴承造成损伤。本文的滚动轴承故障诊断的流程分为故障特征的筛选和故障的判别两个部分。不同的故障会将其反应在不同的故障频带之上, 把所得的故障信号进行频谱分析便可得出相应的故障类型, 故此, 电梯主机滚动轴承的故障判别最关键的地方就在于把信号的最优频带提取出来。文献[1]采取了标准模糊C均值聚类 (fuzzy C means clustering, FCM) 唯一的缺点就在于把轴承故障外圈的信息发生了迁移。文献[2]提出了运用多参数融合的方法建立了预测疲劳驾驶的网络, 将多个疲劳参数融合到了一起, 从而使预测结果达到了一定的精度。文献[3]采用了多个指标来筛选滚动轴承故障最优频带的方法, 从而提高了结果的鲁棒性。
以上的文献采用的方法, 对于滚动轴承的故障诊断方面取得了一定的成果, 同时也发现了一些不足之处, 如采用一个信号指标来表征整个信号的特征, 这样对于抗干扰的能力和鲁棒性都有影响, 而文献[3]所运用的多个指标的方法就避开了单一信号带来的困扰。本文就是运用多个信号共同参与判别故障的方法, 把所采用到的特征参数赋予一定的权值而后再把特征参数融合到一起, 最后把融合得到的结果进行频谱分析, 得出最优结果。
二、熵值法的原理及其算法
克劳修斯 (T.Clausius) 早在1854年就已经提出了熵 (entropie) 的最初概念, 熵的物理意义是体系混乱程度的度量, 在系统论当中, 熵值越大说明系统的混乱程度越大, 对于故障判断来说所能够利用的信息就越少, 如果熵值越小则表明系统的稳定性也越好[4], 信号当中可利用的信息就越多。本文当中对于那些熵值较小的特征信号就可以赋予较大的权值, 对于熵值较大的特征信号就可以赋予较小或不赋予权值既将其权值设为0。
如果在多个样本之中选取出一个最优的样本, 并且选取的评价指标是来自每一个参选的样本, 此处就是一个统计学的问题, 一个由m个样本组成的系统, 对其进行评价, 选取了n个指标从而就有了一下的数学关系:
其中表示第i个样本的第j项评价指数的得分。
计算的详细步骤为:
(1) 因为熵值法在运算的过程当中要用到每一个样本的各个参数所占的比例, 所以第一步就要把所有参与计算的指标进行一次标准化的处理, 在所有的参评的指标当中存在一些负值, 故还要对要数据进行非负化处理, 如下:
其中是指第j个指标的值, 是j项指标的最大的一个, 是指第j个指标的最小值, 则是经过标准化以后的结果。
(2) 计算第j项指标的信息熵值的公式为:
其中的K是一个常值, , 而此值的信息效用价值取决于此值的信息熵与1之间的差, 即, 当信号的效用值越大, 则代表此参数对于评价的所占有的比重就越大。
三、变模式分解的方法原理
变模态分解方法是由Dragomiretskiy和Zosso提出了变模太分解, 此方法是针对模态混叠现象的非线性、非平稳信号处理的方法, 此方法是基于维纳滤波、希尔伯特变换、外差解调等一些成熟的概念, 变模态分解方法的优点就是克服了经验模态分解缺少理论依据和模态混叠现象等缺点。
变模态分解方法就是对原始的信号f (t) , 接下来运用一个复杂的系统把原始信号分成K个信号的子信号分量Uk, 并且这些分量在保证信号稀疏性的基础之上还可以完全再现原信号。若每个模式K都有紧密的脉冲ωk为中心, 故应当对模式分量进行希尔伯特变换求取一个单边频谱[5], 再将分解后模式的频谱转移到基础带, 最后通过解调信号的高斯平滑来估计带宽[6], 也就是梯度的2L范数平方, 这样就有了约束变分为:
在公式当中作为, {ùk}={ù1, L, ùk}为中心频率集合, ∑k=Kk-∑1作为所有分量的一个总和。而后再把算式用二次惩罚项进行约束, 如果有加性高斯噪声, 则二次罚项就是确保重构函数的保真度最有效的方法, 罚项的权值取决于先验贝叶斯, 和噪声为反比的关系[[6]]。
四、具体实例仿真实验
本文方法如图1所示, 首先就是提取出几个有代表性的特征参数, 而后运用本文提出的熵值法对每个特征参数进行评价, 赋予其权值最终进行筛洗的方法。
(一) 筛洗轴承振动信号不同的特征值
运用计算公式把轴承信号的峰值、均值、有效值等特征参数[7][8], 而后将其绘制成图谱如图2:
在图2当中可明显看出来随着故障的出现峰值、均值、均方值、方差、峭度几个参数也发生了相应的变化, 故可选取均方值、方差和峭度作为特征参数, 反映轴承运行过程当中信号由平稳到发生故障直到报废的过程。
(二) 信号变模态分解和多参数融合
首先利用运变模态分解方法把电梯滚动轴承振动信号进行分解, 而后用熵值法把以上筛选出来的峰值、均值、均方值、方差、峭度和原信号的熵值计算出来, 把特征参数权值确定下来, 再次进行融合得到如图3所示的结果对得到的信号进行频谱分析而得到图4的分析图谱, 从图4当中可看出, 经过融合参数共同筛选出的变模态分解结果, 当中的最优共振频带就是我们所需的最优解。
五、结论
本文相对单一指标筛选最优共振频带的方法, 提出了由多个特征参数共同来筛选共振频带的方法, 多参数融合方法避免了单一指标参数的偶然性和绝对性。而在选取出多个特征参数之后, 对其进行融合又运用了熵值法, 这样就可将那些对原信号影响较为大的特征参数赋予比较大的值, 而对于和原信号关联不大的特征参数则赋予较小的权值, 从而提高了各个参数之间相互融合以后的准确度。
【相关链接】
电梯故障主要有三种:一是电梯突然停止运行;二是电梯失去控制急速下坠;三, 电梯突然失去控制急速上升。
一旦遇到电梯故障该如何保护自己?
1.电梯门故障如何求救?如果电梯突然停下, 首先不要惊慌, 可尝试持续按开门按钮, 并通过电梯内对讲机或手机拨打电梯维修单位的服务电话求助。也可通过大声呼救等方式向外界传递被困的信息, 不要强行扒门或试图从轿顶天花板爬出。
2.轿厢突坠时如何自保如果电梯突然下坠, 可从下至上把每一层按键都按下, 选择一个不靠门的角落, 膝盖弯曲, 身体呈半蹲姿势, 尽量保持平衡, 有小孩时要把小孩抱在怀里。
3.请文明安全乘坐电梯时, 不要用手或身体强行阻止电梯门开合。不要在电梯内蹦跳, 不要对电梯使用粗暴行为, 如用脚踹轿厢四壁或用工具击打等。不得在电梯里吸烟, 电梯对烟雾有一定的识别功能, 电梯里吸烟, 很可能会让电梯误以为着火而自动上锁, 导致人员被困。
1.快速把每一层的按键都按下。
2.如果电梯内有把手, 一只手紧握把手固定位置, 防止摔倒。
3.整个背部与头部紧贴不靠门的内墙, 呈一直线, 运用墙体作为脊椎防护。
4.膝盖呈弯曲姿势, 借膝盖弯曲来承受重击压力。
5.把脚跟提起, 呈踮脚姿势。
摘要：相对于单个信号参数去判别滚动轴承故障诊断的方法, 本文提出了将多个信号特征指标融合在一起的方法, 首先运用变模式分解的方法把故障信号进行分解, 而后将得到的分解完成的数据运用熵值法进行特征筛选, 筛选出最优的频带, 从而对滚动轴承是否发生故障做出判断。
关键词：参数融合,故障诊断,熵值法,变模式分解
参考文献
[1] 刘长良, 武英杰, 甄成刚.基于变模态分解和模糊C均值聚类的滚动轴承故障诊断[J].中国机电工程学报, 2015, 25 (13) :3358-3365.
[2] 刘佳兴, 王炜.基于多参数融合的疲劳驾驶监测及预警系统[J].计算机仿真, 2013 (5) :171-173.
[3] 李川, 朱荣荣, 杨帅.基于多指标模糊融合的滚动轴承故障诊断的最优频带解调方法[J].机械工程学报, 2015, 51 (7) :107-114.
[4] Dragomiretskiy K, Zosso D.Varitional mode decomposition[J].IEEE Transactions on signal Processing, 2014, 62 (3) :531-544.
[5] 刘江, 吕勇.基于变模式分解降噪的滚动轴承故障诊断研究[J].机械设计与制造, 2015 (10) :21-25.
[6] 夏均忠, 赵磊, 白云川, 于明奇, 汪治安.基于MCKD和VMD的滚动轴承微弱故障特征提取[J].振动与冲击, 2017 (20) :78-83.
[7] 孙学斌.基于模拟退火与BP神经网络的轴承状态监控技术[J].机械工程与自动化, 2010 (3) :120-121+126.
[8] 杨治飞.滚动轴承的故障特征提取及剩余寿命预测研究[D].淄博:山东理工大学, 2017.