1数据采集
工况监视与故障诊断技术的方法很多，但归根到底是模式识别的应用问题，即状态分类问题。它的根本任务就是根据机械设备的运行信息来识别机械设备的不同状态。
由于要求设计的深海采矿破碎机其破碎的物料具有脆性和含有海泥的特点以及其工作环境为长期工作在深海之中的特殊性，因而采用单齿辊式破碎机。它是深海采矿环节中重要的一环，其主要功能是接受集矿机所采集的锰结核，将其破碎到输送软管和扬矿系统所需要的粒径，所以对破碎机进行故障诊断是非常必要的。
深海破碎机是通过马达带动的破碎辊逆时针方向旋转，物料在其与破碎板形成的破碎腔中进行破碎工艺过程。这种单齿辊破碎机既能满足破碎锰结核的工作要求又可以使产品粒度不至于粉碎，同时也达到了深海采矿中试破碎机的技术性能指标。
水下破碎机在工作出现故障时，其运行过程中各种随时间而变化的动态信息，如振动、压力等反映设备状态的各种参数，经过不同动态测试仪器拾取，并将其记录下来就成为设备故障诊断的原始依据。我们利用加速度传感器设计了如的数据采集系统，加速度传感器输出的电荷量送入DHF- 3型电荷放大器放大后，进入虚拟数字存储示波器 DSO2100分析仪，然后把虚拟数字存储示波器与计算机相连，从而对破碎机的振动波形在计算机中进行分析。数据采集系统如1所示。
2基本理论
在小波分析中，各种不同的基函数是由基小波通过平移和伸缩得到的：
h a， b（ t） = 1a h（t - b a）（1）
其中a R +（正的实数集合）。对于大的a，基函数变成伸展的原像小波，它是一个低频函数；而对于小的a，基函数则成为缩小的小波，它是一个窄的高频函数。
小波变换（ WT ）定义为：
WT x（ a ， b） = 1 a - h（t - a b）x（ t）dt（2）
WT的时间频率分辨率是变化的：在高频处WT的时间范围较短，而在低频率处WT的频率宽度较窄。
小波分析是将信号分解为近似与细节两部分。因此原始信号通过两个互补滤波器产生两个信号。近似表示信号的高尺度，低频率成分；而细节表示的是低尺度，高频部分。将近似部分又可以分解成第二层近似与细节，可以这样重复下去，就可以将信号分解成许多低分辨率成分。而小波包分析的细节与近似部分一样，也可以分解，对于N层分解，它将产生2N个不同的途径。
系统出现故障时，其传递函数将会发生改变，不同频率的幅频特性和相频特性将会有不同程度的改变。
从幅频特性来说，它主要表现在对不同频率段的输入信号有不同的抑制和增强作用。
当用一个含有丰富频率成分的信号作为输入对系统进行激励时，由于系统故障对各频率成分的抑制和增强作用发生改变，通常，它会明显地对某些频率成分起着抑制作用，而对另外一些频率成分起着增强作用。因此，其输出与正常系统输出相比，相同频带内信号的能量会有着较大的差别，它使某些频带内信号能量减少，而使另外一些频带内能量增大。因此，在各频率成分信号的能量中，包含着丰富的故障信息，某种或某几种频率成分能量的改变即代表了一种故障发生的情况。
3实例分析
在设备诊断过程中，常常只对设备的异常区域所引起的信号局部变化感兴趣，如果能将这些局部异常区域分离出来，就可以对设备故障的严重程度和位置作出分析。由于小波分析的时频局部特性，可以准确地在时域和频域进行定位检测。
在故障诊断中，信号中的奇异点及不规则的突变经常带有比较重要的纤细，它是信号重要的特征之一，因而对突变点的检测在故障诊断中有着重要的意义。
由于小波变换具有空间局部化特性，因此利用小波变换来分析信号的奇异性及奇异性位置和奇异度的大小是比较有效的。
小波包算法，对各种故障状态下的信号进行分析，构造出各自的特征向量，建立特征向量系统状态！的对应关系。下面以一种故障状态下的故障信号（在破碎辊不平衡时）情况为例，其小波变换后，各频率率成份的重构信号如2（ a） ， 2（ b）。
因为各频率成份信号的能量包含了丰富的故障信息，所以计算了正常信号和故障信号的不同频带内的能量值。结果见1.
1正常信号和故障信号结果表名称E30 E31 E32 E33 E34 E35 E36 E37正常信号124. 343 12. 501 6. 519 2. 081 3. 365 1. 764 1. 724 1. 669故障信号159. 083 16. 554 8. 227 2. 320 4. 398 1. 980 1. 887 1. 957由于系统出现故障时，会对各种频带内信号的能量有较大的影响。经实验验证：正常情况和不平衡故障时，由测得的数据求出的实际特征向量与预先所确定的特征向量相比较，可以得出，低频部分能量在故障后显著增大了，并且其增大部分主要集中在碎碎机的工频段，从而可以判断出很可能是由破碎辊的不平衡性引起的。因此依据特征向量进行分类决策，就可以确定是否有故障以及故障的位置，从而为深海采矿的遥测遥控组作出决策的参考。
实验表明：这种基于小波包分析得到的能量特征向量，可以作为故障特征向量进行故障诊断，同时，这种故障诊断方法实施故障特征提取和诊断时，无需被诊断对象的数学模型，就可以迅速地进行故障检测，并能对故障进行定位。
网友评论
共有0条评论