Page 78 - 无损检测2022年第十二期

杨 磊, 等:

基于改进 VMD 算法的电机轴承异音识别与定位

衰减以及反射面衰减等能量损失现象 [ 10 ] 。首先, 扩
散衰减是指声源在辐射声波时, 声波向以声波为中
心的四面八方进行传播, 且由于波阵面随传播距离
的增加而增大, 在此过程中声能会在波阵面上发生
分散, 声强将随声波的传播距离的增加而衰减, 即
p p
I= = ( 5 )
s 2πr 2
式中: I 为声强; 为声源功率; s 为半球面型声源 图 1 异音源定位方法示意
p
。
辐射面积; r 为传播距离。
音指标计算等处理, 处理软件自动生成特征值 G 1
( 2 )更换测试位置, 进行第二次测试, 测试人员

, 则有
假设声源传播半径为r 0
判定变换测试位置的过
2 根据自动生成的特征值 G 2
r 0
( 6 )
I= I 0 程是远离还是接近异音源。
r 2

( 3 )再次变换测试位置, 分析过程同步骤( 2 ),
处的声强。
式中: I 0 为半径为r 0
另外, 声波在空气中传播时, 空气中相邻质点的 进而不断逼近异音源, 从而确定异音源的位置。
运动速度不同, 产生的黏滞力会使得声能转化为热 1.3 异音识别与定位方案
能散失掉, 这 种 现 象 即 为 声 波 在 空 气 中 的 吸 收 衰 根据上述理论和分析, 制定电机异音定位流程,

其具体步骤为: ① 采集不同位置的电机原始声音信
减 [ 11 ] 。声波在空气中的衰减程度与空气的温度、 湿
度以及声波的频率相关, 即 号; ② 用改进 VMD 算法对不同位置的电机原始声
音信号进行分解, 得到各个模式分量的峭度指标, 将
- ar
I= I 0 e ( 7 )
式中: I 为距离声源r 处的声强; a 为衰减系数, 其 峭度指标最大值对应的模式分量作为最佳模式分

计算式为 量; ③ 计 算 最 佳 模 式 分 量 的 有 效 值 和 峭 度 指 标;
④ 如果最佳模式分量对应的有效值和峭度指标均

ω 2
a= 3 η ( 8 ) 大于设定阈值, 则判定电机异常, 反之判定电机正
2 ρ c

式中: ω 为声波频率; 为介质密度; 为黏度系数; 常; ⑤ 计算不同位置声音信号的有效值, 绘制 RMS
ρ
η
c 为波速。 趋势图;

文章主要研究声波在传播至不同距离处的压强 ⑥ RMS ( 均方根值) 最大的位置即为异音所在
大小, 因此主要考虑声音在传播过程中的扩散衰减 位置, 从而实现异音源的定位。
和空气吸收衰减。基于上述理论可知, 声音在传播
2 现场数据分析与验证
过程中存在衰减损失, 在不同位置处测得的声强就
各不相同, 则当测试点相距声源不同距离时, 根据所 2.1 现场振动信号分析
核电测试人员利用移动手机对电厂中存在轴承
测得的声音信号所提取的指标也存在差异性。
异音的电机进行录音, 并采集了正常电机的声音作
基于上述研究, 拟通过在不同距离处测量声音,
利用改进 VMD 算法提取声音信号中的特征信号, 为对比, 正常电机和异常电机声音信号的时域波形、
并计算其特征指标, 根据选定的声指标不断逼近声 频谱和全频带包络谱如图 2 , 3 所示。
源, 继而实现声源定位。异音源定位方法如图 1 所 由图 2 , 3 可 知, 正 常 电 机 和 异 常 电 机 时 域 波
形中周期 性 冲 击 均 不 明 显, 异 常 电 机 全 频 带 包 络
y , ,
示, 其中s ( x , )为声源位置, M 1 M 2 M 3 ,…, M n
谱中也没发现突出的轴承故障频率。对比正常电
, , ,
分别为距离声源不同远近程度的测点, G 1 G 2 G 3
, , 位置处测得的 机和异常 电 机 的 频 谱 可 以 发 现, 异 常 电 机 频 谱 成
…, G n 分别为在 M 1 M 2 M 3 ,…, M n
声音特征值。 分较为复杂。
采用麦克风传感器进行多次测试, 并逐渐逼近 笔者通过对信号进行分解, 选择信号的共振频
带并提取隐藏的故障特征。由于 VMD 算法的本质
以确定异音源, 具体测试步骤分为 3 步。
( 1 )初次测试, 即测试人员在存在异响的工作 是将信号分解为若干频段, 并基于峭度最大化准则

室选定测试起始点, 然后将传感器测得的信号传输 选择包含故障冲击的最佳模式分量, 最佳模式分量
至平板电脑, 利用平板电脑进行信号特征提取和异 对应的频段即为信号周期性冲击所在的共振频带。
4
4
2022 年 第 44 卷 第 12 期

无损检测