基于小波分析的汽轮机振动故障信号的检测

张昌成

（哈尔滨汽轮机厂有限责任公司，黑龙江 哈尔滨150046）

本文对小波分析进行介绍并且探讨了其工程意义和基于汽轮机振动故障信号提取的分析方法，从新的思维角度讨论了汽轮机产生振动故障的原因并提出了若干条基于小波分析的基础框架下的故障信号检测技术。

1 小波分析

1.1 小波分析的定义与工程意义

小波分析也称为多分辨或多角度分析，是从傅里叶分析演变出来的一种分析方法，在基础学科的函数分析以及信号系统，点播通信和数字领域等检测方面都有重要应用，也是信息检测和系统设置检测里的一种不可磨灭至关重要的数理分析手段。在汽轮机振动故障产生的信号中，小波分析能处理不平稳的信号并只需要进行简单的二进制处理和常态交换就能满足检测需求。在振动故障工程中，小波分析将汽轮机产生的振动分解为带通滤波和低通滤波，将汽轮机产生的振动波分解为两种不同的子信号，在短时间内帮助检测人员完成检测任务实现检测目的。

1.2 汽轮机振动故障信号提取的小波分析

小波分析的主要核心是实现傅里叶变化以及换算处理，对于周期较长的信号的处理效果较好，因为汽轮机在产生故障时，其内部的振动信号都是由脉冲产生的，但是汽轮机结构十分复杂且精度要求高，维修和检测难度大，以致产生的故障特征以及故障信号脉冲非常隐秘难以发现，同时汽轮机内部其他正常运作的设备零件产生的噪声会将其掩盖，检测人员在检修时很难发现问题，但是在小波分析帮助下能改变以往存在的技术漏洞和缺点，将设备产生的能量频带独立分析并且实现单独的检测记录，快速有效地锁定故障产生的频带。

2 汽轮机振动故障的产生及信号检测

2.1 汽轮机产生振动故障的原因

汽轮机产生故障的原因有很多，简单分类包括转子质量不平衡，转子自身的弯曲或者不对中以及汽轮机内部产生的各种摩擦等。汽轮机最常见的振动故障是转子质量不平衡，根据资料统计以及有关汽轮机的故障数据记载分析可知，85%故障原因都是转子自身产生的。转子在制造的过程中由于设计不合理或者材料属性问题导致在安装和使用过程中出现偏差，汽轮机内部的转子在运作过程中，其旋转轴线出现偏离，在离心力的作用下，转子的偏心质量变成一个不平衡的力系，转子高速旋转产生的旋转冲击力会猛烈撞击汽轮机，汽轮机的内部器壁和转子都将遭遇不可逆转摧毁。此外还有转子热弯曲以及汽轮机内部动静摩擦等都是减短汽轮机寿命以及对汽轮机内部零件产生损害的主要原因。

2.2 汽轮机振动故障特征

常见的汽轮机故障特征基本都是与动静摩擦和转子自身故障有关。最主要的特征就是在汽轮机的运行过程中产生较大的转动幅度进而导致转轴与汽轮机内部的部件产生摩擦，虽然产生的部位十分细微，但是其冲击力按照汽轮机运作的比例将产生巨大的撞击，如果使用过程中转子偏离原有轨道则会由于转动速度过快而损坏汽轮机，影响汽轮机的正常运作。另一个特征就是汽轮机内部的缸体自身出现了偏离，并且缸壁与转轴之间的缝隙不断扩大，过大的胀差导致碰撞和摩擦且使得长期使用的汽轮机出现弯曲变形[1]。

2.3 汽轮机振动故障的信号检测

汽轮机产生的振动故障很难被检测出来，引进小波分析的目的也是为了能独立地将汽轮机内部各个部件产生的频带进行独立检测和处理。普通的汽轮机在使用过程中产生的信号分为小尺度和大尺度，小尺度的频带较宽，反之，大尺度的较窄，一般的检测人员和工作人员为了能快速锁定检测目标，都只关注重要的频带节点，一般只需要一小段的信号或特定频带进行系统研究即可，因此小波分析能够满足他们的愿望和需求且将不同的频带进行分离，提供特定的时间和频率让检测人员进行选择，挑选满意频率进行检测，既提高检测的效率和速度，也提高了汽轮机的振动故障信号检测的准确性。

3 基于小波分析的汽轮机振动故障信号检测技术

3.1 采样与小波频率运算

在小波分析的理论下，采样和进行小波频率运作是整个检测的主要工作，因为在汽轮机中每一个转子的振动信号都不同，不同的振动信号产生的信号频率都是以周期进行运算并实现数据收集，在汽轮机的运作过程中需要对采样的数据进行周期设置，设置的周期就是采样的频率，一般采样设置的数据都是整周期数以便采样分析并且得到具体的频率范围，同时根据汽轮机内部转子的振动特征以及振动信号可以知道，在采样结束后进行运算时需要对信号源进行多尺度的分解并且对频率的范围进行确认，从最上层的小波分级的信号出发逐级往下以周期数推算，以此类推得到每一级的信号频率范围。

此外，计数和脉冲统计时产生的故障信号也是小波分析常常遇到的检测阻碍，机器的故障信号特征需要提前抽取并且用计算机装载，不同模式下采用的故障识别方法有所不同，因此在进行小波分析之前对故障所处的信号频带进行精确定位就显得至关重要，否则后期由于频带的选择不恰当或者采样的不平稳而导致信号源强度降低，微弱的故障信息隐藏在频带当中增加了运算的复杂度和难度。

3.2 多分辨分析与小波运算数据提取

在完成小波分析的采样后需要系统开展多分辨分析以及运算的数据提取，采样收集回来的频带数据要进行精准度矫正和偏差处理。小波分析中小波变换能够将任何信号映射成一组由变换频率和时间组成的系统基数函数，保证了信号在不同频带以及不同的时刻中能实现有效的分割以及合理的分离处理，既实现信号的收纳也保证了原始信息的完整性。紧接着采用MATLAB 对信号进行运算和处理，实现低频信号与高频信号的互通以及频带处理。一般来说小波运算的数据提取都会将信号层分为低半频带和高半频带两个子带信号，子带信号的划分就是从滤波层面对信号的频带进行二进制的划分，完成一系列的划分能够提升整个小波运算数据精确性和时效性进而满足检测人员需求[2]。

3.3 小波变换实现信号降噪

小波变换在实验室中采用的降噪方法需要借助计算机软件进行处理和运算，一般我们使用计算机中的MATLAB 软件中自带设置好的软件包，利用软件自带的软件包内的小波工具箱实现函数的处理和信号的降噪。一般用到的小波工具箱都是用一维的小波包或者小波函数实现的。在小波工具包中使用的系数主要为稀疏分布，且分布的范围较小，因此在信号源转化成图像后其熵较低，十分容易分析观察。此外，小波变换实现的信号降噪具有多分辨率的重要特征，因为在不同的分辨率下实现的信号处理和噪声剔除都是独立完成的，且在处理过程中去除了相关性，在信号降噪以后能帮助去除多余杂音和噪声。

3.4 小波分析信号的奇异点检测

小波分析检测汽轮机振动故障信号中最后一环需要对奇异点进行检测和核实，因为汽轮机产生的信号不规则或出现剧烈变化部分时，信号内容已经包含了汽轮机内部零件的重要信息，在汽轮机检修的过程中很容易发现机械故障，且机械故障输出的常规表现就是信号的激增或者爆减，长期以来傅里叶变换都是基于奇异点函数展开的，因此小波分析作为傅里叶变换的一个重要支柱以及工具，能弥补以往傅里叶变换的三维局限性，打破空间的约束并且将函数的奇偶性作为主要的研究目的和研究手段，从小波分析的角度清晰明确了奇异点所处的时空位置以及函数特质，满足小波变换以及小波分析的空间局部化。

在利用小波变换处理奇异性时有两种可能性，一是信号发生突变且不连续，则被称为第一类型间断点，反之如果信号从视觉观察十分光滑且没有突变产生则被命名为第二类型间断点，两种间断点具有不同的特征和使用方法，因此使用小波分析信号的奇异点时需要提前检测并且做好预算和整合。

综上所述，小波分析凭借其稳定的数据分析能力以及先进的筛选办法在检测领域占有一席之地，逐渐成为汽轮机振动故障信号检测的重要工具，帮助检测人员高效锁定信号目标并且顺利完成检修工作和检测要求。