Современные подходы вибрационной диагностики

Содержание

Введение 3
Группа 1. Диагностика по среднеквадратичному значению вибросигнала 6
Группа 2. Вибродиагностика с помощью фазовых портретов (траекторий
колебаний) 6
Группа 3. Общий спектральный анализ 8
Группа 4. Спектральный анализ огибающей 8
Группа 5. Кепстральный анализ 9
Группа 6. Ультразвуковая дефектоскопия и акустическая диагностика 10
Группа 7. Специальные диагностические параметры 11
Группа 8. Вейвлет-анализ 11
Группа 9. Статистические методы обработки сигналов вибрации 12
Группа 10. Диагностика на основе нейронных сетей 12
Заключение 13
Список литературы 14

Ключевые слова
Вибрационная диагностика, среднеквадратичное значение, фазовый портрет, спектральный анализ, кепстральный анализ, ультразвуковая дефектоскопия, вейвлет-анализ, нейронная сеть.
Введение

В любой технологической среде, где происходит соприкосновение движущихся частей механизмов, а также при наличии пульсаций потоков воздуха или жидкостей, возникают вибрации. Как правило, под понятием «вибрация» понимаются высокочастотные по отношению к объекту колебания, возникающие в конструкции оборудования или в жидкой, либо газовой среде, параметры которых зависят от текущего физического состояния этого оборудования. К таким параметрам можно отнести наличие зазоров и люфтов в сопряжённых элементах, просадку фундамента, деформацию и износ деталей, ослабление креплений механизмов, нарушение центровки и соосности валов и т.д.
На рис. 1 показаны перечисленные выше параметры вибрации, вызванные различной природой механических колебаний.
Рис. 1. Параметры вибрации, вызванные различной природой механических колебаний
На сегодняшний день многие предприятия не имеют возможности своевременно обновлять рабочее оборудование. В связи с этим, актуальным становится вопрос о повышении эффективности эксплуатации того оборудования, которое уже имеется и функционирует. Поэтому анализ вибрационных колебаний позволяет получить необходимую информацию о состоянии исследуемого объекта. Вибрация является показателем прочности конструкции, качества его изготовления и монтажа, а также объективно отражает его текущее техническое состояние и позволяет получить прогноз дальнейшей работоспособности оборудования.
Большинство современных методов диагностики технического состояния оборудования базируется на обработке и анализе параметров вибрации. Эти методы являются основой функциональной (рабочей) диагностики.
Рассмотрим подробнее классификацию методов вибрационной диагностики.
В соответствии с анализом, проведённым в научной работе [1], методы вибрационной диагностики делятся на 10 основных групп:
Группа 1. Диагностика по среднеквадратичному значению вибросигнала.
Группа 2. Вибродиагностика с помощью фазовых портретов (траекторий колебаний).
Группа 3. Общий спектральный анализ.
Группа 4. Спектральный анализ огибающей.
Группа 5. Кепстральный анализ.
Группа 6. Ультразвуковая дефектоскопия и акустическая диагностика.
Группа 7. Специальные диагностические параметры.
Группа 8. Вейвлет-анализ.
Группа 9. Статистические методы обработки сигналов вибрации.
Группа 10. Диагностика на основе нейронных сетей.
Рис. 2. Классификация методов вибрационной диагностики
Группа 1. Диагностика по среднеквадратичному значению вибросигналаДля количественного описания вибрации вращающегося оборудования и в диагностических целях используют такие параметры как виброускорение, виброскорость и виброперемещение.
Виброперемещение (вибросмещение, смещение) показывает максимальные границы перемещения контролируемой точки в процессе вибрации. Виброперемещение – это расстояние между крайними точками перемещения элемента вращающегося оборудования вдоль оси измерения.
Виброскорость – это скорость перемещения контролируемой точки оборудования во время её прецессии вдоль оси измерения.
Виброускорение – это значение вибрации, прямо связанное с силой, вызвавшей вибрацию. Виброускорение характеризует то силовое динамическое взаимодействие элементов внутри агрегата, которое вызвало данную вибрацию. Применение виброускорения теоретически идеально, т. к. пъезодатчик (акселерометр) измеряет именно ускорение и его не нужно специально преобразовывать.
Достоинством этого метода является простота реализации и низкая стоимость за счёт использования элементарной портативной виброизмеряющей аппаратуры.
Недостатком является то, что для него нет практических разработок по нормам и пороговым уровням, нет общепринятого физического и спектрального толкования особенностей проявления виброускорения [2].
Группа 2. Вибродиагностика с помощью фазовых портретов (траекторий колебаний)Для оценки технического состояния объекта может быть использован метод фазовых портретов вибросигналов для достоверного определения таких дефектов, как дисбаланс, несоосность валов, потеря жесткости опор, суть которого состоит в преобразовании исходного виброакустического сигнала в фигуру развёрнутого сигнала ϕ(u). То есть на фазовом портрете отображается сразу две характеристики движения, что дает возможность получить больше информации о поведении системы, чем при спектральном анализе, где используется только одна составляющая движения [1, 3].
Рис. Процесс формирования фазового портрета
Здесь Sy(t) и Sх(t) – реализации двух сигналов с временной задержкой τ; θ – параметр технического состояния объекта.
Рис. 3. Фазовые портреты при диагностировании погружного электродвигателя
с дефектами ротора: а) дисбаланс; б) расцентровка; в) задевания
Среди достоинств этого метода можно отметить высокую информативность, а недостатком является сложность аппаратной и программной реализации, а также сложность интерпретации результатов.
Группа 3. Общий спектральный анализОбщий спектральный анализ – это метод обработки сигналов, позволяющий выявить частотный состав сигнала. Этот метод применяется с целью автоматического амплитудно-частотного разложения временной записи вибросигнала по методу быстрых преобразований Фурье с последующим представлением амплитудно-частотного спектра этого вибросигнала в качестве результата анализа. Выявление повышенных амплитуд вибрации на частотах, совпадающих с частотами возможных повреждений элементов, резонансных частотах деталей, на частотах протекания рабочего процесса помогает обнаружить и идентифицировать неисправность на различных стадиях его развития [1, 4].
Группа 4. Спектральный анализ огибающейЭто метод, в котором анализируется не сама высокочастотная составляющая сигнала вибрации, а низкочастотные колебания её мощности.
Метод огибающей спектра базируется на анализе высокочастотных составляющих вибрации и выявлении ее низкочастотных модулированных сигналов. Силы трения, возбуждающие высокочастотную случайную вибрацию, стационарные только при отсутствии дефектов (неисправностей).
Спектр по огибающей представляет информацию про периодические изменения мощности высокочастотной вибрации в выделенной узкополосной ширине частот.
Спектр огибающей при отсутствии неисправности представляет собой горизонтальную волновую линию. При появлении дефекта над уровнем линии начинают появляться дискретные составляющие частоты, которые однозначно рассчитываются по кинематике и вращению элементов объекта диагностирования. Частотный спектр по огибающей позволяет идентифицировать наличие неисправности (дефекта), а превышение соответствующих составляющих над линией однозначно характеризует глубину каждой неисправности, то есть при наличии неисправности величина сил трения и мощность вибрации изменяется во времени, появляется модуляция мощности высокочастотной вибрации (см. рис. 4) [5].
Рис. 4. Высокочастотный случайный амплитудно-модулированный сигнал
Здесь Xmax(t), Xmin(t) — максимальное и минимальное значения огибающей сигнала, соответственно.
Группа 5. Кепстральный анализВ роторных машинах очень часто можно наблюдать обилие гармонических составляющих, каждая из которых имеет отношение к некоторому дефекту. Среди них трудно выделить одну или несколько гармоник, на которых можно было бы построить диагностический алгоритм. Это замечание относится прежде всего к машинам с зубчатыми редукторами либо подшипниками качения. В этих случаях используют кепстр – преобразование Фурье от логарифмического спектра мощности [1].
Таким образом, кепстральный анализ используется для идентификации серии гармоник, боковых полос спектров и для оценки их относительной мощности. Поэтому кепстральный анализ для диагностики высокооборотных сложных машин с большим числом взаимосвязанных источников имеет определенные преимущества перед спектральным анализом, так как логарифмическое преобразование (псевдокорреляция) делает результат менее чувствительным к неоднородностям спектра [6].
Достоинством кепстрального анализа является то, что он в значительной степени нечувствителен к изменениям фазы исследуемых сигналов а, следовательно, имеет высокую помехозащищенность. Среди недостатков отмечают сложность интерпретации результатов [1].
Группа 6. Ультразвуковая дефектоскопия и акустическая диагностикаУльтразвуковая дефектоскопия представляет собой совокупность методов неразрушающего контроля, использующих для нахождения дефектов в изделиях ультразвуковые волны. Полученные данные затем анализируются, выясняется форма дефектов, размер, глубина залегания и другие характеристики [7].
Рис. 5. Схема применения ультразвуковой дефектоскопии
Объектами дефектоскопии являются отдельные элементы машин, оборудования, конструкций и сооружений, как правило, находящихся в стадии изготовления или восстановления. В дефектоскопии используются волновые свойства вибрации, в частности, ее отражение от различных неоднородностей и потери при распространении. Это позволяет обнаружить и локализовать дефектные участки внутри деталей или их заготовок, что и является основным назначением средств ультразвуковой дефектоскопии [1].
К достоинствам данного способа следует отнести возможность проведения проверки с использованием только одного преобразователя, точное обнаружение внутренних дефектов. К основным недостаткам относится наличие поверхностных отражателей, помехоустойчивость оставляет желать лучшего, отражённый сигнал слишком сильно зависит от того, как ориентирован дефект и нет возможности контролировать акустический контакт, когда преобразователь перемещается по проверяемому объекту, потому что эхо на участках без дефектов отсутствует [7].
Группа 7. Специальные диагностические параметрыЧасто в различных источниках отдельно выделяются методы вибродиагностики для подшипников качения, т.к. это один из наиболее часто встречающихся дефектов большинства технических объектов. В качестве критериев при диагностировании состояния подшипников качения эффективно применение значений особых параметров, которые наилучшим образом учитывают долю высокочастотных составляющих. Такими параметрами являются пик-фактор, резкость, относительная глубина модуляции высокочастотного сигнала виброускорения (реже – виброскорости), относительная величина ударных импульсов [1, 2].
Группа 8. Вейвлет-анализВейвлет-преобразование выделяют как отдельный метод обработки вибрационных сигналов. Сигнал анализируется путем разложения по базисным функциям, полученным из некоторого прототипа путем сжатий, растяжений и сдвигов. Функция-прототип называется анализирующим (материнским) вейвлетом.
Теория вейвлетов дает удобный и эффективный инструмент для решения многих практических задач. В отличие от преобразований Фурье, вейвлет-преобразование одномерных сигналов обеспечивает двумерное развертывание, при этом частота и координата рассматриваются как независимые переменные, что дает возможность анализировать сигнал сразу в двух пространствах [1, 8-9].
Группа 9. Статистические методы обработки сигналов вибрацииНеобходимость использования статистических методов в диагностике электрических машин обоснована изменчивостью, наблюдаемой в процессе работы и влияющей на результаты производственной деятельности даже при условии кажущейся стабильности. Такая изменчивость может проявляться в измерении характеристик процессов на различных этапах жизненного цикла двигателей.
Статистические методы помогают измерить, описать, проанализировать и смоделировать подобную изменчивость даже при наличии ограниченного объема данных. Статистический анализ данных может помочь при формировании лучшего понимания приводы, сроков и причин изменчивости, а в дальнейшем - при решении и даже предупреждении проблем, связанных с такого рода изменчивостью [1, 10].
Таким образом, статистические методы позволяют наилучшим образом использовать имеющиеся в распоряжении данные при принятии решений на стадиях проектирования, разработки, производства, поставки и технического обслуживания.
Группа 10. Диагностика на основе нейронных сетейМетоды вибрационной диагностики, использующие в своей основе математический аппарат (преобразование Фурье, вейвлет-преобразование), могут быть реализованы с применением теории искусственных нейронных сетей (ИНС) [1].
Искусственные нейронные сети в задачах диагностирования и прогнозирования технического состояния объекта могут быть использованы в качестве подсистемы выборки и принятия решений, передающей диагностическую информацию другим подсистемам управления.
Задачи прогнозирования отказов изделий сложны из-за невозможности четкой постановки соответствия изменений входных и выходных параметров состояния, в котором находится или к которому стремится объект диагностирования [11].
Для решения задач идентификации и диагностики технических объектов с помощью ИНС требуется разработка формальных методов выбора исходного описания объекта, типа ИНС, обоснованного выбора алгоритма обучения ИНС и методов оптимизации в процедуре обучения.
В терминах ИНС задача идентификации технического объекта относится к классу задач аппроксимации, а задача диагностики неисправностей – к группе задач классификации и распознавания образов [12].
К достоинствами применения данной технологии относится высокая точность определения дефекта, а также высокий уровень автоматизации процесса. К недостаткам – сложность процесса обучения нейросети и низкую степень унификации (для каждого нового узла необходимо создавать новую сеть и её обучать) [1].
Заключение

В настоящей работе были рассмотрены различные методы современной вибрационной диагностики, которые используются в различных сферах деятельности для различных объектов и рабочих сред. Определены наиболее часто используемые параметры вибрации, вызванные различной природой механических колебаний и в соответствии с анализом, проведённым в научной работе [1], приведена классификация методов вибрационной диагностики, состоящей из 10 основных групп: диагностика по среднеквадратичному значению вибросигнала, вибродиагностика с помощью фазовых портретов (траекторий колебаний), общий спектральный анализ, спектральный анализ огибающей, кепстральный анализ, ультразвуковая дефектоскопия и акустическая диагностика, специальные диагностические параметры, вейвлет-анализ, статистические методы обработки сигналов вибрации и диагностика на основе нейронных сетей.
Проведенный анализ перечисленных методов показал, что наиболее эффективными являются методы спектрального анализа и спектрального анализа огибающей. Эффективными инструментами диагностики является применение специальных диагностических параметров, вейвлет-анализа и нейронных сетей.
Список литературы

Браташ О.В., Калинов А.П. Анализ методов вибродиагностики асинхронных двигателей // Вісник Кременчуцького державного політехнічного університету. – Кременчук: КДПУ, 2006. – Вип. 4/2006. [Электронный ресурс]. – Режим доступа:
http://masters.donntu.org/2012/etf/iasynskyi/library/vibro.htm (дата обращения: 06.12.2019).
Виброускорение, виброскорость и виброперемещение [Электронный ресурс]. Адрес обращения: https://vibrocenter.ru/vibroacc.htm (дата обращения: 06.12.2019).
Пономарев Я.И. Визуализация результатов обработки вибродиагностической информации [Электронный ресурс]. Адрес обращения: https://core.ac.uk/download/pdf/81244305.pdf (дата обращения: 06.12.2019).
Спектральный анализ вибрации с автоматизированной оценкой состояния EVAM для детальной диагностики состояния вращающегося оборудования [Электронный ресурс]. Адрес обращения: http://prmeh.ru/tech/library/vibro_evam/ (дата обращения: 06.12.2019).
Метод спектрального анализа огибающей [Электронный ресурс]. Адрес обращения: https://studref.com/386004/tehnika/metod_spektralnogo_analiza_ogibayuschey (дата обращения: 06.12.2019).
Кепстральный анализ вибрации [Электронный ресурс]. Адрес обращения: https://studref.com/386008/tehnika/kepstralnyy_analiz_vibratsii (дата обращения: 06.12.2019).
Ультразвуковая дефектоскопия как инструмент качества [Электронный ресурс]. Адрес обращения: https://www.pergam.ru/articles/ultrazvukovaya-defektoskopiya.htm (дата обращения: 06.12.2019).
М. М. Закирничная, Д. В. Корнишин. Критерии оценки технического состояния центробежного насосного оборудования с применением трёхмерного вейвлет-анализа // Нефтегазовое дело. – 2015. – Т. 13, № 2. – С. 151 - 156. [Электронный ресурс]. – Режим доступа: http://ngdelo.ru/files/old_ngdelo/2015/2/ngdelo-2-2015-p151-156.pdf (дата обращения: 06.12.2019).
Афонин Ю.С., Дубровин В.И., Манило Т.В. Применение методов вейвлет-анализа и преобразования Фурье в задачах диагностики объектов по виброакустическому сигналу // Радiоелектронiка. Iнформатика. Управлiния. - № 2. - 2007. – С. 112 - 117. [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/primenenie-metodov-veyvlet-analiza-i-preobrazovaniya-furie-v-zadachah-diagnostiki-obektov-po-vibroakusticheskomu-signalu (дата обращения: 06.12.2019).
Статистические методы. Руководство по применению в соответствии с ГОСТ Р ИСО 9001 (Guidance on statistical techniques for ISO 9001:2000 (IDT)): ГОСТ Р ИСО/ТО10017-2005. – [введен в действие 31.05.2005, № 111]. – Москва, 2005. – 50 с. - (Национальный стандарт российской федерации).
Кацуба Ю. Н., Власова И.В. Применение искусствнных нейронных сетей для диагностирования изделия // Международный научно-исследовательский журнал. – 2015. – Вып. №3 (34). - Ч. 1 – С. 68 - 70. DOI: 10.18454/IRJ.2227-6017 [Электронный ресурс]. – Режим доступа: https://research-journal.org/technical/primenenie-iskusstvennyx-nejronnyx-setej-dlya-diagnostirovaniya-izdelij (дата обращения: 06.12.2019).
Михайлов А.С., Староверов Б.А. Проблемы и перспективы использования искусственных нейронных сетей для идентификации и диагностики технических объектов // «Вестник ИГЭУ. – 2013. – Вып. №3 – С. 64 – 68. [Электронный ресурс]. – Режим доступа: http://vestnik.ispu.ru/sites/vestnik.ispu.ru/files/publications/str._64-68.pdf (дата обращения: 06.12.2019).