机械设备早期故障预示中的微弱信号检测技术探讨

洪林清（宁波钢铁有限公司设备部，浙江宁波315807）

机械设备早期故障预示中的微弱信号检测技术探讨

洪林清（宁波钢铁有限公司设备部，浙江宁波315807）

机械设备诊断通常可以分成采集与获取诊断信息、分析及提取信号特征、识别及诊断故障状态三个步骤，在工程实践过程中，为了做到防微杜渐，在萌芽状态下消灭故障，展开有关早期故障诊断的理论研究很有必要，不仅可以满足工程实际需要，同时也顺应了机械设备检测技术发展的形势。

机械设备；早期故障；预示；微弱信号；检测技术

引言

一直以来，机械设备早期故障微弱信号检测都是故障诊断领域中的研究热点问题之一，当前微弱信号检测方法主要在两个方向上集中：①利用现代信号处理方式抑制或者消除噪声，如果噪声频率和信号频率相近或者相等，这种方法不仅可以抑制噪声，同时还会对有用信号产生损伤，进而影响微弱信号检测效果；②利用非线性系统本身存在的特性检测微弱信号，随机共振、混沌振子是常用的非线性方法。在工程实践中为了可以做到防患于未然，有必要基于早期故障诊断展开理论及技术方面的研究。

1 微弱信号检测的特点

“微弱信号”不单单指信号幅值较小，同时也是指被噪声淹没的信号，这种“微弱”是相对于噪声来说的。微弱信号检测技术的主要目的在于提升信号信噪比，利用信息论、电子学及计算机等相关方法，从噪声中检测到有用的微弱信号，进一步满足当前科学研究及技术应用需求。为了可以从噪声中将有用信号提取出来，需要对噪声的性质、老远及规律等进行分析，并对被测信号、噪声的统计特性展开研究，从背景噪声中找到有关有用信号的方法。微弱信号和一般检测技术不同，它并不重视传感器物理模型及传感原理，它的重点在于怎样对噪声进行抑制，从而提升信噪比。所以，微弱信号检测也是一项抑制噪声的技术。

微弱信号检测的特点可以从两方面分析：①在较低信噪比条件下对信号进行检测。之所以会出现较低信噪比其原因主要有两方面：a.信号本身幅值较小；b.受到了强噪声的干扰。特别是机械处于早期故障时，振动、声发射等可以反映故障特征的信号幅值均比较小，加上受到数据采集装置、机械系统工作及信号传输过程中耦合噪音等因素的影响，信号信噪比非常低，这种情况下很难对机械系统的运行状态给出正确判断；②检测一定要具有实时性、快速性。工程中采集数据的时间、长度可能会受到很多因素的限制，在较短数据时间、长度情况下检测微弱信号，对雷达、通讯及地震等控制领域均存在较为广泛的要求。

2 微弱信号检测常用的时域方法

2.1 取样计分与数字式平均

该检测方法是一种检测频率已知的微弱周期信号检测方法，这种方法在频率成分较为复杂的信号中应用很适合。在20世纪50年代，国外的科学家就已经提出了取样积分的原理及相关概念，在1962年加利福尼亚科学家利用电子技术使取样积分得到了实现。为了使已经淹没在噪声中快速变化的微弱信号得到恢复，应将信号周期划分成不同的时间间隔，这些时间间隔的大小主要由恢复信号要求的精度所决定，然后针对这些时间间隔信号进行取样处理，基于各周期相同位置取样进行积分或者平均处理。积分主要利用对电路的模拟得到实现，又被称作数字式平均，针对信号展开n次取样，然后累积平均，按照同步累积法原理将信噪比改善输出出来，平均次数n越大信噪比改善的情况就会越好，所以要想获得较高的信噪比，往往需要花费很长的时间进行检测。

2.2 相关检测

不同随机过程或同一随机过程中不同时间短取值关系需要利用相关函数和协方差函数进行描述，在不同时间段取值中，确定性信号通常相关性都非常强，而干扰噪声的随机性比较强，不同时间段取值相关性又比较差，基于这种信号及噪声统计特性间存在的差异，利用相关技术展开信号检测。从本质上来看，相关函数是基于两个时域信号相似性的度量方式，其中也存在着一些不足，例如虽然利用自相关方法可以使被测微弱周期信号的频率与幅值得到恢复，但是同时也丢掉了相位信息，利用互相关方法可以对所有和参考信号不相关的噪声进行抑制，实现对被测微弱周期信号的重构，与自相关方法相比这种方法具有一定的优越性，但是相关还需要具有一个参考信号，因此在实际应用过程中会受到一定程度的限制。

2.3 自适应消噪

这种方式在自适应信号处理领域中比较适用，它的处理对象时干扰噪声，充分利用噪声和被测信号不相关特点，对滤波器传输特性进行自适应调整，并对干扰噪声进行抑制，这样就可以有效提升信号检测传递信噪比。自适应消噪不需要预先对干扰噪声统计特性进行了解，在逐次迭代过程中可以将自身状态自适应调整到最佳的状态，这对宽带、窄带噪声的抑制非常有效。所以，在通信、声纳、雷达等工程领域中，自适应消噪均得到了广泛应用。

3 微弱信号检测常用的频域方法

3.1 快速傅里叶变换

快速傅里叶变换最早是在1965年被提出的，该算法的出现实现了从时域到频域之间信号处理分析的转变，后来在很短的时间内FFT和频谱分析发展成了无线电通信、自动控制以及机械设备故障诊断等多学科的重要理论基础。经过长期的理论分析及应用可以看出，FFT获得的离散频谱频率及相位均会产生较大误差，从理论上来看单频率谐波信号加矩形窗幅值最大误差甚至可以达到36.4%，加其他窗也不会将该误差完全消除。所以，FFT分析结果在多领域中只能进行定性分析，不能展开精确的定量分析，该技术在工程中的实际应用受到了很大限制。

3.2 功率谱密度

通常情况下针对长数据展开FFT计算需要花费很长时间，在计算机上实现却非常简单，但是在DSP芯片中实现却复杂的多，如果按照一定长度对长数据进行分割，这样在DSP中针对分割完成的数据块进行FFT计算就会非常容易，因此分段FFT计算方式在DSP芯片仪表、仪器中得到了广泛应用。PSD分析技术是指将长数据分割成1024的长度，或者分割成整数倍以适合进行DSP处理的长度，然后针对不同数据块进行FFT计算，这和时域中数字式平均法、取样计分法非常类似，经过FFT计算以后的数据能量再进行积分或者平均，就可以获得信号功率谱密度。

3.3 滤波

滤波是指按照被测信号的特点，利用滤波器针对信号展开滤波处理，这样可以减少其他频率信号对被测信号带来的影响，从而提升信噪比。滤波消噪只在信号、噪声频谱不重叠的情况下适用。充分利用滤波器本身的频率选择特性，就可以将滤波器通带设置对有用信号频宽进行覆盖，且有用信号并不会消减。噪声频宽通常是比较宽的，这样通过滤波器的过程中，通带以外的噪声功率将会大大衰减，最终使信噪比得到提升。

4 结语

综上所述，早期故障的含义可以从两方面分析：①早期阶段中潜在的微弱故障；②从物理方面来看，某一故障可能是另外故障早期阶段的故障。通常情况下，故障发现时间越早，那么越能提升机械设备运行的安全性与可靠性，但是一般情况下早期故障特征信号都是非常微弱的，很有可能会被强噪声淹没，因此信号比极低，这无疑大大影响了机械设备运行过程中对其状态信息提取的准确性。基于此，文章以机械设备为主要对象，主要分析了早期故障预示中微弱信号检测的实用性技术。

[1]张 超，陈建军.随机共振消噪和局域均值分解在轴承故障诊断中的应用[J].中国机械工程，2013，02：214～219.

[2]孙自强，陈长征，谷艳玲，刘 欢.基于混沌和取样积分技术的大型风电增速箱早期故障诊断[J].振动与冲击，2013，09：113～117.

[3]夏均忠，刘远宏，马宗坡，冷永刚，安相璧.基于调制随机共振的微弱信号检测研究[J].振动与冲击，2012，03：132～135+140.

[4]冯辅周，司爱威，饶国强，江鹏程.基于小波相关排列熵的轴承早期故障诊断技术[J].机械工程学报，2012，13：73～79.

[5]王太勇，蒋永翔，刘 路，蒋大勇.复杂制造系统动态测控与智能诊断技术[J].航空制造技术，2010，13：26～29.

TH17

A

2095-2066（2016）24-0256-02

2016-8-10