基于分形理论的高速自动机故障诊断❋

陈玉青，潘宏侠，雷智强，刘会倩

（1.中北大学 机械工程与自动化学院，山西 太原 030051；2.中国人民解放军66336部队92分队，河北 高碑店 074000；3.长城汽车股份有限公司，河北 保定 071000）

0 引言

在故障诊断技术领域，信号的分析与处理是最关键的一步。分形理论是基于一种尺度而研究复杂信息问题的，作为一种现代信号分析方法，在振动领域的研究中，尤其是在机械设备诊断和识别领域得到了应用［1，2］。本文基于分形理论对W85高射机枪自动机故障进行诊断。

1 基于网格维数的故障分析

将分形维数作为机械设备振动信号诊断识别的特征量，对其正常状态和几种非正常状态按照相同的采样间隔Δti（i＝1，2，…，n，n为采样周期的个数）进行采样，计算第j种状态的网格维数DjΔti和待检信号x的网格维数。

定义维数距离函数为：

计算待检信号x和第j种状态的维数距离，R（j，x）越大，则两者的相关程度就越强；反之，两种模式就越相离［3］。

2 自动机故障类型分析与实验设置

在机枪自动机的反复设计实验中，机枪的闭锁片曾多次出现裂纹，严重时闭锁块沿裂纹折断，导致机枪停射。本文以W85高射机枪自动机为实验对象，针对现实状况，分别在闭锁片闭锁斜面的圆角处沿其半径方向设置0.5mm深的裂纹槽（故障1）和沿经过闭锁片回转圆心且垂直于闭锁片内平面的方向设置0.5 mm深的裂纹槽（故障2），进行单发射击和三连发射击两种状态的射击，测取正常状态和不同故障状态的加速度振动信号，并将单发和三连发的各一种故障信号作为待测信号。

3 故障实例分析

为了验证分形理论在自动机冲击信号故障诊断方面具有有效性，采集不同工况下的加速度a振动信号进行分析。采样总时间T＝5.346 0s，采样周期分别为Δt＝77ms，87ms，103ms，123ms和154ms。图1为采样周期为77ms时不同故障状态下原始信号时域图。

图1 采样周期为77ms时不同故障状态下原始信号时域图

根据所采集的数据计算相应的网格维数特征值，见表1。不同采样周期的网格维数如图2所示。

表1 不同采样周期的网格维数特征值

由式（1）可计算出待测信号1，2与各种状态信号之间的维数距离，见表2、表3。

图2 不同采样周期的网格维数图

表2 待测信号1与各状态信号的维数距离

由表2和表3可以看出，待测信号1与三连发故障1的维数距离最大，根据维数距离理论，待测信号1与三连发故障1的相关程度最强。故可判断待测信号1最有可能是三连发故障1，该结果与实际结果一致。同理，待测信号2最有可能是三连发故障2，该结果与实际结果亦一致。

表3 待测信号2与各状态信号的维数距离

4 结论

根据以上结论可知：基于网格维数的分形诊断方法原理简单、容易理解，只要在时域内即可进行故障诊断。

［1］李舜酩，李香莲.振动信号的现代分析技术与应用［M］.北京：国防工业出版社，2008.

［2］王宏宇.信号处理的相关理论综合与统一法［M］.北京：国防工业出版社，2005.

［3］姚竹亭，潘宏侠，陈越良.分形理论在装甲车辆滚动轴承故障诊断中的应用［J］.火炮发射与控制学报，2009（4）：66-70.