基于EMD方法对往复式压缩机激励源定位

张赵宁， 迟毅林， 伍 星， 柳小勤， 刘 畅

（昆明理工大学机电工程学院，昆明650093）

0 引 言

往复式压缩机是生产企业中广泛使用的动力设备，应用于冶金、矿山、化工、船舶、机械制造等行业，尤其是在化工生产上的应用更加普遍. 往复式压缩机的故障诊断中使用较多的是振动法，由于其机械结构复杂、运动部件多、工作时振动激励源较多，发生的故障也多种多样，发生故障时，振动信号表现出非平稳、非线性特征，利用传统的时域或频域方法很难从此类振动信号中提取故障信息，诊断难度较大[1-3].

往复式压缩机机体的主要受到机械力和气体力的作用，其中机械力主要表现为曲轴旋转时产生的旋转惯性力和活塞组件往复运动时产生的往复惯性力，这两种惯性力最终将通过曲轴与机体连接的轴承座传递到机体上. 气体力主要表现为气缸缸内的压力，这部分的压力将通过汽缸内壁最终传递到机体上. 所以在往复式压缩机机体的振动，最终是由机械力和气体力这两种激励联合起来产生的振动[4]. 其中机械力这一部分产生的故障，称之为动力性能故障；气体力引起的故障，称之为热力性能故障. 对这两种激励联合产生的激励信号，利用传统的信号和处理算法，难以准确地对其进行特征分析，因而如果产生了故障，难以准确地判断故障属于哪一类型[5-6]. 由于压缩机的机械力的振动是通过一个曲柄连杆机构传递的到压缩机机体上的，整个曲柄连杆机构是刚性地连结在一起的. 因此，先对压缩机机体的振动信号进行EMD 分解，得到信号在不同频率段内的IMF 分量. 然后在对分解后的各IMF 分量做频域分析， 并对压缩机十字头上采集到的振动信号进行频域分析，从而分离出压缩机机械力振动引起的振动分量.

1 EMD 分解

经验模态分解法（EMD 分解）是黄锷教授等人提出的，用于处理非平稳、非线性信号数据的一种方法. 相较于以前的一些方法，该方法具有直观、直接、自适应性等特点，分解方法是直接基于数据本身得出的[7]. 分解是根据简单的假设，即任何数据由不同的简单振荡固有模式叠加而成. 每一个固有模式都代表了一种有着相同数目极点和零点的简单的振荡. 在任何特定时间内， 数据可能有许多不同的振荡模式并存，因为一个振荡在另一个振荡上叠加，最后的结果还是复杂的数据. 这些振荡模式，每个代表一个固有模态函数（IMF）有如下定义：①在整个数据集中，极值点的数目与零点值的数目必须相等或最多相差一个；②在任意瞬时，由局部最大值和局部最小值确定的包络的均值为零[8-9].

任何信号都可分解成有限个IMF 分量之和，各个IMF 分量突出信号的各个局部特征， 对其进行分析可以更准确把握原信号的特征信息. EMD分解方法的本质是通过特征时间尺度获得固有振动模式， 然后由固有振动模式来分解时间序列数据. 运用EMD 方法分解信号的步骤如下：

（1）确定信号x（t）的所有局部极大值点和局部极小值点，采用三次样条线将所有的局部极大值和局部极小值连接起来形成上下包络线，将上下包络线的均值记为m1，原始信号减去m1可得到一个新的数据序列h1. 即：

（2）如果h1满足IMF 分量的两个定义，则h1为第一个IMF 分量，记为c1；如果不满足，则重复步骤（1），得到上下包络线的均值m11，并继续判断h11=h1-m11是否满足IMF 分量的两个定义. 若不满足，则继续重复循环步骤（1），直至第k 次循环的h1k满足IMF 的两个条件时， 将h1k记为c1的第一个IMF 分量.

（3）将第一个IMF 分量c1从原始信号想x（t）中分离出来，得到：

并将r1作为新的信号，用步骤（1）、（2）进行分解， 得到c2. 这样重复n 次循环， 直到最后得到rn为单调函数时停止. 所以有：

其中：ci表示第i 个IMF 分量，rn为分解的剩余分量.

分量c1，c2，…，cn分别包含了信号从高到低不同频率段的成分，而且不是等带宽的[10].

2 压缩机振动信号的EMD 分析

对某压缩机厂所使用DW-47/1-2.2 型氢气循环压缩机的机体进行振动信号提取. 将加速度传感器安装在压缩机气缸的端盖上， 采样频率为25.6 kHz， 采样点数为25 600. 图1 是往复式压缩机气缸的振动信号. 由图1 可知，在往复式压缩机运转的时候会产生周期性的较为规律的冲击. 这是由于往复式压缩机的机构特性产生的，是不可避免的冲击. 对该原始信号进行频域分析（如图2）.

图1 气缸振动信号

图2 气缸振动信号的幅值谱

从信号的幅值谱中可以看到，该段信号有三个比较明显的峰值频率：f1=225 Hz、 f2=541 Hz、 f3=783 Hz . 但由于往复式压缩机机体上的振动信号的振源只有两个：一种是曲轴旋转时产生的旋转惯性力与活塞组件往复运动时产生的往复惯性力的合力，另一种是气缸缸内的压力产生的气体力[11-12].那么上述的三个峰值频率中，只有两个峰值频率是机械力和气体力振动的频率， 剩下的一个峰值频率，推测其为其他噪声的干扰频率.

对压缩机气缸的振动的原始信号进行EMD 分解， 能得到一共14 阶的IMF 分量. 图3 从上到下依次为截取的气缸振动信号的前八阶固有模态函数c1～c8. 由图3 可知，1～6 阶的IMF 分量都趋于一个简单振荡信号. 7、8 阶的IMF 分量趋于正弦衰减. 对于趋于正弦衰减固有模态函数，由于其无明显的振荡峰值，故不做研究. 因此，对第8 阶以后IMF 分量做进一步的研究意义不大. 故选择对前8阶的IMF 分量做进一步的分析， 找出其中有用的IMF 分量.

图3 气缸振动信号的EMD 分解结果

对经过EMD 分解后的前8 阶IMF 分量进行幅值谱的分析， 从图4 可以看出，c4这个IMF 分量有一个783 Hz 的峰值频率. 在c5、c6这两个IMF 分量上， 都能找到225 Hz 这一峰值频率. 而f2=541 Hz这一峰值频率，并未出现在IMF 分量里面，即说明前面的推测正确，f2=541 Hz 为噪声的干扰频率.

图4 EMD 分解结果的幅值谱

对压缩机十字头的振动信号进行频域分析，如图5、 图6 所示. 我们可以看到有一个明显峰值频率f=783 Hz. 这一峰值频率与图4 中c4这个IMF分量的峰值频率相对应. 由此我可以推测， 具有783 Hz 这一峰值频率的IMF 分量是机械力所产生的振动分量，其反应的故障就是动力学故障；那么另外两组，具有225 Hz 这个峰值频率的IMF 分量就可能是气体力所产生的振动分量，其反应的故障就是热力学故障. 由于实验条件有限，对于气体力的振动测试的实验，现阶段还没法完成，需要后续的实验进一步论证.

图5 十字头振动信号

图6 十字头振动信号的幅值谱

本实验进一步论证EMD 分解方法具有将一个复杂的非线性非平稳的信号根据其自适应的特点分解为不同品频段上的IMF 分量的特点. 根据往复式压缩机两种激励源的频率分布的差异，将气缸振动的混合信号通过EMD 方法分解成为不同频段上的IMF 分量，进而通过监测不同IMF 分量，来确定往复式压缩机的不同故障来源.

3 结束语

与旋转机械相比，往复压缩机结构复杂，激励源多，振动信号包含着太多的非平稳性和非线性的成分，因而针对往复机械的精确诊断的实现要困难得多. 文中从往复式压缩机的结构出发，根据其运动特性， 分析出气缸振动信号的激励源来自两部分， 即机械力和气体压力两部分. 由于EMD 分解方法是根据被分析信号本身的特点，自适应地将信号分解为不同频段上的IMF 分量之和， 从而降低了信号的非平稳性、非线性的特性[13-14].

所以根据气缸振动信号的两个振动来源频率的高低不同，先通过EMD 分解的方式，将气缸的振动信号分解成若干个IMF 分量的形式. 再对每个IMF 分量进行频域分析， 找出其中比较敏感的几个IMF 分量， 与测得的机械力的振动信号的频谱图做对比，找出属于机械力激励的那一部分的IMF 分量.然后通过最初气缸振动信号的频谱图的分析，进而推断出属于气体力激励的那一部分IMF 分量. 从而为以后压缩机故障诊断提供一个理论上的依据：对测得气缸振动信号做EMD 分解， 通过监测不同的IMF 分量，获取往复式压缩机不同的故障信息.

[1] Hanlon Paul C. 压缩机手册[M]. 郝 点，译. 北京: 中国石化出版社，2003.

[2] 丁 康，陈健林，苏向荣. 平稳和非平稳振动信号的若干处理方法及发展[J]. 振动工程学报，2003，16(1):1-10.

[3] 任全民，马孝江，苗 刚，等. 局域波法和高阶统计量在压缩机气阀状态监测中应用[J]. 大连理工大学学报，2007，47(1):45-49.

[4] 俞和玉. 往复式压缩机状态综合监控的研究[D]. 兰州:兰州理工大学，2010.

[5] 程 明. 基于振动测试的往复式压缩机的故障诊断[J]. 现代机械，2010(6):89-90.

[6] 李旭朋. 往复式压缩机气阀故障诊断的小波包分析方法[D]. 北京:北京化工大学，2008.

[7] 焦卫东，朱友剑. 基于EMD 的轴承故障包络谱分析[J]. 轴承，2009(1):47-49.

[8] Huang N E, Shen Z, Long S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis[J]. Proceedings of the Royal Society of London. Series A: Mathematical, Physical and Engineering Sciences, 1998, 454(1971): 903-995.

[9] Huang N E, Wu M L C, Long S R, et al. A confidence limit for the empirical mode decomposition and Hilbert spectral analysis [J].Proceedings of the Royal Society of London.Series A:Mathematical,Physical and Engineering Sciences,2003,459(2037):2317-2345.

[10] 张国新，蔡改贫，朱家俊. 基于EMD 与自回归谱的往复压缩机气阀故障诊断[J]. 煤矿机械，2007，28(10):192-193.

[12] 苗 刚. 往复活塞式压缩机关键部件的故障诊断方法研究及应用[D]. 大连:大连理工大学，2006.

[13] 别峰峰. 基于局域波时频谱的往复机故障智能诊断方法研究[D].大连:大连理工大学，2008.

[14] 毛仲强，赵秀梅，崔厚玺，等. 基于经验模态分解的功率谱分析法诊断往复压缩机气阀故障[J]. 科学技术与工程，2008，8(6):1610-1612.