论文部分内容阅读
摘要：针对大型往复式机械设备高压隔膜泵单向阀早期故障难以识别的问题，该文提出基于变分模态分解（variational mode decomposition，VMD）和Wigner-Ville的单向阀早期故障诊断方法。首先，利用VMD将原始振动信号分解成有限个IMF分量，基于观察中心频率法篩选富含故障信息的IMF分量;然后，利用魏格纳一维利分布（wigner-Ville distribution，wVD）对筛选后的IMF分量计算，得到每个分量的Wigner-Ville分布;最后，将各项结果线性求和得到信号的WVD分布。经仿真与工程实验分析，该方法能较好表征出振动信号中所蕴含的单向阀早期故障特征信息，能实现高压隔膜泵单向阀早期故障诊断。
关键词：单向阀;vMD;wigner-Ville;早期故障诊断
中图分类号：THl7;TH911.756文献标志码：A 文章编号：1674-5124（2019）04-0116-07
0引言
大型往复式机械高压隔膜泵是输送高温、高腐蚀固液两相介质的核心动力设备。单向阀作为高压隔膜泵核心机械零部件之一，其工作状态直接影响设备的整体性能及工作效率，且其在运行过程中易受到往复运动、旋转运动及流体运动等多种类型振源的激励，致使单向阀的振动信号具有突发性、并发性、多源性、非平稳性和非线性等特点，如果能在单向阀失效初期发现故障溯源并及时排除隐患，具有重要的意义。在单向阀故障的早期阶段，冲击成分能量所占比例较小，且由于旋转运动和流体运动的干扰，会被引入到单向阀振动信号中形成噪声。故能有效地实现单向阀的早期故障诊断成为了该领域的一大难点。
近些年来，国内外学者以柴油机、压缩机、离心泵等典型往复式机械设备为重点研究对象，展开了基于故障机理及信号分析的方法研究--卅。目前高压隔膜泵研究仅限于曲轴、泵阀等零部件机理特性的研究，尚未建立起高压隔膜泵整体的系统动力学模型，无法系统地揭示隔膜泵系统的机理特征。国内外学者针对往复泵泵阀开展了大量的研究工作，文献[7]通过对比正常泵阀和故障泵阀的细化谱实现往复泵泵阀的故障诊断;文献[8]基于Volterra级数的提升小波变换，实现了往复泵的磨损故障诊断;如文献[9]提出一种基于EMD和Wigner-Ville在往复泵泵阀振动信号特征提取中的应用。上述方法为高压隔膜泵单向阀的故障诊断提供了相应的借鉴和参考，但存在局限性，如EMD存在端点效应，模态混叠，算法效率低等问题。对此，Dragomiretskiv等提出了一种信号自适应处理的新方法——变分模态分解，该方法采用一种非递归的处理策略，通过迭代搜寻变分模型的最优解来实现信号频域的自适应分解，分解精度高且有效避免模式混淆的问题。鉴于VMD算法的优越性，本文将其引入高压隔膜泵单向阀的故障诊断。
VMD能够自适应将多分调幅调频信号分解成多个单分量调频信号，能够精确表征信号各个频率成分，且能有效避免WVD分布的交叉项干扰的问题和保留WVD分布中优良的时频聚集性。因此，本文提出基于变分模态分解和Wigner-Ville的早期故障诊断方法。
1高压隔膜泵及单向阀分析
以三缸单作用高压隔膜泵为例，其主要由电机、活塞、活塞缸、隔膜、隔膜室、出料单向阀、进料单向阀等零部件组成，图1为高压隔膜泵的工作原理图，往复式活塞隔膜泵在工作中当活塞左移时，隔膜向左运动，进料阀打开而吸入料浆;当活塞右移时，隔膜向右运动，出料阀打开而排出料浆。
单向阀是控制浆料输入和输出的机械零件，其每一次进料和排料的过程对应着隔膜泵的一次冲程。假设隔膜泵的冲程系数为50r/min，其正常运行一天，进出料单向阀需往复式运动72000次，因此单向阀是隔膜泵中运动最频繁和最易发生故障的核心零件。常见单向阀故障类型可分为单向阀磨损（泄漏）击穿故障和单向阀卡阀故障。
2方法原理
2.1变分模态分解（VIVID）
VMD方法能够将多分调幅调频信号分解成多个单分量调幅调频信号。其对变分框架内对信号进行分解，通过搜寻约束变分模型中的约束和最优化来实现信号自适应分解，最终得到单分调幅调频信号及相应的中心频率。
3基于变分模态分解和Wigner-ViHe的早
期故障诊断方法
针对高压隔膜泵单向阀早期故障难以识别的问题，本文提出基于变分模态分解和Wigner-Ville的单向阀微弱故障诊断方法。首先采用具有自适应性的变分模态分解方法处理低信噪比的单向阀故障信号，获得更加精确的故障特征信息，然后利用具有较好时频聚集性的Wigner-Ville分布方法表征单向阀故障信号能量分布，最后比较单向阀3种状态振动信号的时频分布图，以实现高压隔膜泵的早期故障诊断。具体步骤如下：
1）选取单向阀磨损击穿早期故障、卡阀早期故障以及正常状态3种振动信号进行VMD分解。
2）基于中心频率观察法筛选富含故障信息的IMF分量，当K=m时，出现相近的中心频率ωk时，则认为此时VMD分解出现了过分解，那么此时筛选出m个IMF分量。
3）对m个IMF分量进行WVD计算，得到Wi，i=1，2，…，m，得到每个分量的Wigner-Ville分布。
4）对Wi进行线性叠加，得到变分模态分解和Wigner-Ville时频分析结果，即为振动序号序列的Wigner-Ville分布。
5）最后，比较单向阀3种状态Wigner-Ville时频分布图。
基于上述步骤，本文提出的方法能较好抑制Wigner-Ville分布的交叉项且能够全面表征单向阀早期故障特征信息。
4仿真分析
为分析此方法的有效性，建立一个多分调幅调频仿真信号，其解析表达式为
仿真信号中（0≤t≤3），x（t）的采样频率为2560Hz，采样数据长度为10240。表l是不同K值对应的中心频率，其中从K为5开始，出现了相近的中心频率，即出现了过分解，因此K取4，认为4个IMF分量富含仿真信号信息。 图2是仿真信号经过VMD分解得到4个IMF分量。图3是对仿真信号直接做WVD分析后的结果，可以看出不仅有10Hz、20Hz、12Hz的真实频率，在5Hz、15Hz、25Hz附近也有频率成分存在。而对于仿真信号，这些频率是不存在的，也就是仿真信号经过WVD计算而出现的交叉项。图4为經过VMD分解的Wigner-Ville分布的二维图，可以从图中清晰看出交叉项已经很好地被抑制，仅出现了仿真信号中的真实频率10Hz、20Hz、12Hz。通过对比，VMD与Wigner-Ville能有效提取振动信号的特征，且能有效地抑制Wigner-Ville时频分布的交叉项，同时保证了其时频聚集性，证明了本文方法的有效性。
5工程验证
为了进一步验证本文提出方法的有效性，采用云南某企业铁精输送管道三号高压隔膜泵进行验证，其为TZPM系列的三缸曲轴驱动活塞式活塞泵，最高工作压力为24.44MPa，在同一泵组的三组出料单向阀和进料单向阀布置型号为PCB-ICP的振动加速度传感器，采样频率为2560Hz，采样数据长度为10240。
在工程实验中，采集单向阀整个生命周期的振动信号，单向阀理论寿命时间为1200h。单向阀整个生命周期历经正常阶段、故障发生前期阶段、故障发生阶段、故障恶化阶段，而正常状态一般处在单向阀正常阶段，粗颗粒卡阀和磨损击穿故障在故障发生前期阶段、故障发生阶段、故障恶化阶段均会发生。当单向阀运行至1000～1200h，单向阀可能处在故障发生前期或者故障发生阶段，此时故障特征较微弱，该检测数据对故障前期分析具有重要意义。因此本文选取单向阀运行至1000～1200h的振动信号进行分析，随机选取3种状态的样本进行变分模态分解和Wigner-Ville故障诊断。
图5为单向阀3种状态下的振动信号的时域波形，由图可知单向阀的振动信号冲击成分能量所占比例较小，可以看出单向阀卡阀早期故障振动信号、磨损击穿早期故障振动信号与正常单向阀的信号只有幅值的区别，因此从时域波形难以识别出单向阀的不同工作状态。且高压隔膜泵单向阀受环境噪声及耦合工况等因素影响，其振动信号表现为非线性、非平稳、多源性等特性，需采用先进时频分析方法对其进行分析处理。
分别对单向阀3种状态的振动信号进行VMD分解，得到的各IMF分量的中心频率如表2所示。由于篇幅限制，仅给出单向阀卡阀早期故障振动信号中心频率取值。
通过表2可以看出当K为5时，开始出现相近的频率成分，即出现了过分解，因此模态数K=4，认为前4个IMF分量富含故障信息，单向阀卡阀的早期振动信号分解结果如图6所示。
图7、图8分别为对经过VMD分解，得到的3种状态下Wigner-Ville的二维图和三维图。从图7可以清晰地看出，对比于正常状态下的单向阀，单向阀卡阀早期故障振动信号和单向阀磨损早期故障振动信号在频域上主要集中于20Hz左右。比较图7（a），相比于正常状态下单向阀的Wigner-Ville分布，单向阀卡阀前早期故障和单向阀磨损前早期故障的能量主要低于在50m/s2;整体上看无论是频域时域还是能量，两者状态比较接近，这是由于单向阀卡阀和单向阀磨损没有明显的界限，但是比较图8（b）和图8（c），在0～1s单向阀卡阀前早期故障振动信号的能量几乎接近0，而单向阀磨损早期振动信号与正常振动信号较接近，此时有可能是个别杂物/粗颗粒在经过单向阀时被卡住，形成的单向阀卡阀的故障。当以上的特征出现时，需要密切关注单向阀的运行状况，做到在单向阀故障的初期实现对单向阀的故障诊断。
本文方法能在时频域上对单向阀的振动信号进行分析，不仅能够表征单向阀3种状态下振动信号的全面信息，而且突出显示不同状态下单向阀振动信号特征之间的差异，能够全面表征单向阀早期故障振动信号的特征，且基于上述的故障特征，能够实现单向阀的早期故障诊断。如果将分析结果应用于模式识别，可以准确判断单向阀不同状态下的故障，从而可以实现单向阀早期故障的准确识别。
为了说明VMD方法在高压隔膜泵单向阀振动信号特征分析的优势，以单向阀卡阀早期故障振动信号为对象，直接进行WVD分析和进EMD-WVD分析，得到结果分别如图9和图10所示。将本文方法与未经分解的WVD分析方法比较分析可得，对比图7（b）和图9可以看出，图7（b）抑制了交叉项且聚集性优于后者，通过图7（b）也更容易确定单向阀卡阀早期故障振动信号的特征。
再将本文方法VMD-WVD和EMD-WVD方法进行比较，比较图7（b）和图10，可以清晰看出EMD分解不仅存在的模态函数的现象，而且无法抑制Wigner-Ville分布交叉项的问题，甚至无法表征单向阀早期故障信息。而本文方法有效抑制了EMD分解存在模态混叠现象，而且有效抑制wigner-ville分布交叉项的问题，保留了wigner-ville分布中良好的时频特性。综上，本文的方法可以全面表征单向阀早期故障征信息。
6结束语
本文在分析了wigner-ville分布频率混淆和交叉项问题基础上，提出了基于变分模态分解与Wigner-Ville时频分析相结合的方法，不仅可以有效抑制Wigner-Ville分布交叉项和频率混淆问题，且提高了wigner-Ville时频分析方法的精度。随后结合大型往复式机械高压隔膜泵单向阀故障实例，利用vMD消除wigner-ville分布交叉项的方法对故障振动信号进行分析，获得真实的频率成分对故障进行诊断，工程实验的结果表明该方法可以有效揭示单向阀振动信号时域、频域和幅值3个方面的信号特征。在故障发生的早期，频域主要集中在20Hz附近，能量一般低于50m·s-2。与利用EMD消除WVD交叉项的方法对比，VMD消除WVD交叉项的方法可获得更好的效果，从而证明了该方法在工程实验中的可行性。因此VMD-Wigner-Ville的方法可以实现对单向阀状态信息的全面、有效表征，可以实现高压隔膜泵单向阀的早期故障诊断。
关键词：单向阀;vMD;wigner-Ville;早期故障诊断
中图分类号：THl7;TH911.756文献标志码：A 文章编号：1674-5124（2019）04-0116-07
0引言
大型往复式机械高压隔膜泵是输送高温、高腐蚀固液两相介质的核心动力设备。单向阀作为高压隔膜泵核心机械零部件之一，其工作状态直接影响设备的整体性能及工作效率，且其在运行过程中易受到往复运动、旋转运动及流体运动等多种类型振源的激励，致使单向阀的振动信号具有突发性、并发性、多源性、非平稳性和非线性等特点，如果能在单向阀失效初期发现故障溯源并及时排除隐患，具有重要的意义。在单向阀故障的早期阶段，冲击成分能量所占比例较小，且由于旋转运动和流体运动的干扰，会被引入到单向阀振动信号中形成噪声。故能有效地实现单向阀的早期故障诊断成为了该领域的一大难点。
近些年来，国内外学者以柴油机、压缩机、离心泵等典型往复式机械设备为重点研究对象，展开了基于故障机理及信号分析的方法研究--卅。目前高压隔膜泵研究仅限于曲轴、泵阀等零部件机理特性的研究，尚未建立起高压隔膜泵整体的系统动力学模型，无法系统地揭示隔膜泵系统的机理特征。国内外学者针对往复泵泵阀开展了大量的研究工作，文献[7]通过对比正常泵阀和故障泵阀的细化谱实现往复泵泵阀的故障诊断;文献[8]基于Volterra级数的提升小波变换，实现了往复泵的磨损故障诊断;如文献[9]提出一种基于EMD和Wigner-Ville在往复泵泵阀振动信号特征提取中的应用。上述方法为高压隔膜泵单向阀的故障诊断提供了相应的借鉴和参考，但存在局限性，如EMD存在端点效应，模态混叠，算法效率低等问题。对此，Dragomiretskiv等提出了一种信号自适应处理的新方法——变分模态分解，该方法采用一种非递归的处理策略，通过迭代搜寻变分模型的最优解来实现信号频域的自适应分解，分解精度高且有效避免模式混淆的问题。鉴于VMD算法的优越性，本文将其引入高压隔膜泵单向阀的故障诊断。
VMD能够自适应将多分调幅调频信号分解成多个单分量调频信号，能够精确表征信号各个频率成分，且能有效避免WVD分布的交叉项干扰的问题和保留WVD分布中优良的时频聚集性。因此，本文提出基于变分模态分解和Wigner-Ville的早期故障诊断方法。
1高压隔膜泵及单向阀分析
以三缸单作用高压隔膜泵为例，其主要由电机、活塞、活塞缸、隔膜、隔膜室、出料单向阀、进料单向阀等零部件组成，图1为高压隔膜泵的工作原理图，往复式活塞隔膜泵在工作中当活塞左移时，隔膜向左运动，进料阀打开而吸入料浆;当活塞右移时，隔膜向右运动，出料阀打开而排出料浆。
单向阀是控制浆料输入和输出的机械零件，其每一次进料和排料的过程对应着隔膜泵的一次冲程。假设隔膜泵的冲程系数为50r/min，其正常运行一天，进出料单向阀需往复式运动72000次，因此单向阀是隔膜泵中运动最频繁和最易发生故障的核心零件。常见单向阀故障类型可分为单向阀磨损（泄漏）击穿故障和单向阀卡阀故障。
2方法原理
2.1变分模态分解（VIVID）
VMD方法能够将多分调幅调频信号分解成多个单分量调幅调频信号。其对变分框架内对信号进行分解，通过搜寻约束变分模型中的约束和最优化来实现信号自适应分解，最终得到单分调幅调频信号及相应的中心频率。
3基于变分模态分解和Wigner-ViHe的早
期故障诊断方法
针对高压隔膜泵单向阀早期故障难以识别的问题，本文提出基于变分模态分解和Wigner-Ville的单向阀微弱故障诊断方法。首先采用具有自适应性的变分模态分解方法处理低信噪比的单向阀故障信号，获得更加精确的故障特征信息，然后利用具有较好时频聚集性的Wigner-Ville分布方法表征单向阀故障信号能量分布，最后比较单向阀3种状态振动信号的时频分布图，以实现高压隔膜泵的早期故障诊断。具体步骤如下：
1）选取单向阀磨损击穿早期故障、卡阀早期故障以及正常状态3种振动信号进行VMD分解。
2）基于中心频率观察法筛选富含故障信息的IMF分量，当K=m时，出现相近的中心频率ωk时，则认为此时VMD分解出现了过分解，那么此时筛选出m个IMF分量。
3）对m个IMF分量进行WVD计算，得到Wi，i=1，2，…，m，得到每个分量的Wigner-Ville分布。
4）对Wi进行线性叠加，得到变分模态分解和Wigner-Ville时频分析结果，即为振动序号序列的Wigner-Ville分布。
5）最后，比较单向阀3种状态Wigner-Ville时频分布图。
基于上述步骤，本文提出的方法能较好抑制Wigner-Ville分布的交叉项且能够全面表征单向阀早期故障特征信息。
4仿真分析
为分析此方法的有效性，建立一个多分调幅调频仿真信号，其解析表达式为
仿真信号中（0≤t≤3），x（t）的采样频率为2560Hz，采样数据长度为10240。表l是不同K值对应的中心频率，其中从K为5开始，出现了相近的中心频率，即出现了过分解，因此K取4，认为4个IMF分量富含仿真信号信息。 图2是仿真信号经过VMD分解得到4个IMF分量。图3是对仿真信号直接做WVD分析后的结果，可以看出不仅有10Hz、20Hz、12Hz的真实频率，在5Hz、15Hz、25Hz附近也有频率成分存在。而对于仿真信号，这些频率是不存在的，也就是仿真信号经过WVD计算而出现的交叉项。图4为經过VMD分解的Wigner-Ville分布的二维图，可以从图中清晰看出交叉项已经很好地被抑制，仅出现了仿真信号中的真实频率10Hz、20Hz、12Hz。通过对比，VMD与Wigner-Ville能有效提取振动信号的特征，且能有效地抑制Wigner-Ville时频分布的交叉项，同时保证了其时频聚集性，证明了本文方法的有效性。
5工程验证
为了进一步验证本文提出方法的有效性，采用云南某企业铁精输送管道三号高压隔膜泵进行验证，其为TZPM系列的三缸曲轴驱动活塞式活塞泵，最高工作压力为24.44MPa，在同一泵组的三组出料单向阀和进料单向阀布置型号为PCB-ICP的振动加速度传感器，采样频率为2560Hz，采样数据长度为10240。
在工程实验中，采集单向阀整个生命周期的振动信号，单向阀理论寿命时间为1200h。单向阀整个生命周期历经正常阶段、故障发生前期阶段、故障发生阶段、故障恶化阶段，而正常状态一般处在单向阀正常阶段，粗颗粒卡阀和磨损击穿故障在故障发生前期阶段、故障发生阶段、故障恶化阶段均会发生。当单向阀运行至1000～1200h，单向阀可能处在故障发生前期或者故障发生阶段，此时故障特征较微弱，该检测数据对故障前期分析具有重要意义。因此本文选取单向阀运行至1000～1200h的振动信号进行分析，随机选取3种状态的样本进行变分模态分解和Wigner-Ville故障诊断。
图5为单向阀3种状态下的振动信号的时域波形，由图可知单向阀的振动信号冲击成分能量所占比例较小，可以看出单向阀卡阀早期故障振动信号、磨损击穿早期故障振动信号与正常单向阀的信号只有幅值的区别，因此从时域波形难以识别出单向阀的不同工作状态。且高压隔膜泵单向阀受环境噪声及耦合工况等因素影响，其振动信号表现为非线性、非平稳、多源性等特性，需采用先进时频分析方法对其进行分析处理。
分别对单向阀3种状态的振动信号进行VMD分解，得到的各IMF分量的中心频率如表2所示。由于篇幅限制，仅给出单向阀卡阀早期故障振动信号中心频率取值。
通过表2可以看出当K为5时，开始出现相近的频率成分，即出现了过分解，因此模态数K=4，认为前4个IMF分量富含故障信息，单向阀卡阀的早期振动信号分解结果如图6所示。
图7、图8分别为对经过VMD分解，得到的3种状态下Wigner-Ville的二维图和三维图。从图7可以清晰地看出，对比于正常状态下的单向阀，单向阀卡阀早期故障振动信号和单向阀磨损早期故障振动信号在频域上主要集中于20Hz左右。比较图7（a），相比于正常状态下单向阀的Wigner-Ville分布，单向阀卡阀前早期故障和单向阀磨损前早期故障的能量主要低于在50m/s2;整体上看无论是频域时域还是能量，两者状态比较接近，这是由于单向阀卡阀和单向阀磨损没有明显的界限，但是比较图8（b）和图8（c），在0～1s单向阀卡阀前早期故障振动信号的能量几乎接近0，而单向阀磨损早期振动信号与正常振动信号较接近，此时有可能是个别杂物/粗颗粒在经过单向阀时被卡住，形成的单向阀卡阀的故障。当以上的特征出现时，需要密切关注单向阀的运行状况，做到在单向阀故障的初期实现对单向阀的故障诊断。
本文方法能在时频域上对单向阀的振动信号进行分析，不仅能够表征单向阀3种状态下振动信号的全面信息，而且突出显示不同状态下单向阀振动信号特征之间的差异，能够全面表征单向阀早期故障振动信号的特征，且基于上述的故障特征，能够实现单向阀的早期故障诊断。如果将分析结果应用于模式识别，可以准确判断单向阀不同状态下的故障，从而可以实现单向阀早期故障的准确识别。
为了说明VMD方法在高压隔膜泵单向阀振动信号特征分析的优势，以单向阀卡阀早期故障振动信号为对象，直接进行WVD分析和进EMD-WVD分析，得到结果分别如图9和图10所示。将本文方法与未经分解的WVD分析方法比较分析可得，对比图7（b）和图9可以看出，图7（b）抑制了交叉项且聚集性优于后者，通过图7（b）也更容易确定单向阀卡阀早期故障振动信号的特征。
再将本文方法VMD-WVD和EMD-WVD方法进行比较，比较图7（b）和图10，可以清晰看出EMD分解不仅存在的模态函数的现象，而且无法抑制Wigner-Ville分布交叉项的问题，甚至无法表征单向阀早期故障信息。而本文方法有效抑制了EMD分解存在模态混叠现象，而且有效抑制wigner-ville分布交叉项的问题，保留了wigner-ville分布中良好的时频特性。综上，本文的方法可以全面表征单向阀早期故障征信息。
6结束语
本文在分析了wigner-ville分布频率混淆和交叉项问题基础上，提出了基于变分模态分解与Wigner-Ville时频分析相结合的方法，不仅可以有效抑制Wigner-Ville分布交叉项和频率混淆问题，且提高了wigner-Ville时频分析方法的精度。随后结合大型往复式机械高压隔膜泵单向阀故障实例，利用vMD消除wigner-ville分布交叉项的方法对故障振动信号进行分析，获得真实的频率成分对故障进行诊断，工程实验的结果表明该方法可以有效揭示单向阀振动信号时域、频域和幅值3个方面的信号特征。在故障发生的早期，频域主要集中在20Hz附近，能量一般低于50m·s-2。与利用EMD消除WVD交叉项的方法对比，VMD消除WVD交叉项的方法可获得更好的效果，从而证明了该方法在工程实验中的可行性。因此VMD-Wigner-Ville的方法可以实现对单向阀状态信息的全面、有效表征，可以实现高压隔膜泵单向阀的早期故障诊断。