基于LabVIEW转子轴心轨迹测量与识别系统开发设计.docx
《基于LabVIEW转子轴心轨迹测量与识别系统开发设计.docx》由会员分享，可在线阅读，更多相关《基于LabVIEW转子轴心轨迹测量与识别系统开发设计.docx（56页珍藏版）》请在冰点文库上搜索。
基于LabVIEW转子轴心轨迹测量与识别系统开发设计
基于LabVIEW转子轴心轨迹测量与识别
系统开发
摘要
转子轴心轨迹作为转子振动状态的一类重要图形征兆，包含了大量的故障信息，是诊断专家在诊断过程中采用的一项不可缺少的故障征兆信息，由于轴心轨迹的提纯效果、轴心轨迹的特征自动提取和形状自动识别的水平，都直接影响着故障诊断专家系统的智能化水平，因此我们需要对轴心轨迹全面的进行研究。
首先搭建了转子故障实验台,在该实验台上能够模拟一些典型的转子故障,如不平衡、不对中、转子弯曲等。
在此基础上，搭建信号测量电路，包括传感器、电荷放大器、滤波器、数据采集卡等器件，能够测量转子旋转时的两个相互垂直方向的径向位移。
其次编制轴心轨迹测量及识别程序，该程序能够实时显示轴心轨迹，并进行频谱分析，也可以进行数据的存储。
为了给轴心轨迹识别提供标准，进而编制了轴心轨迹仿真程序，对几种典型故障的轴心轨迹进行了仿真。
根据不变矩理论，编制了不变矩计算程序，通过对传统算法的改进，实现了对离散数据的不变矩计算，改进算法能够自动识别轴心轨迹。
通过连接实验台、测量装置和软件应用程序，对整个系统进行了整合，可实时显示轴心轨迹，同时计算不变矩。
通过大量实验确定识别临界值，使程序既满足灵活性又满足准确性，有效实现在线自动识别。
关键词：
轴心轨迹;虚拟仪器；LabVIEW；不变矩
DevelopmentofmeasurementandidentificationofaxisorbitsystemonLabVIEW
Abstract
Therotoraxispathasakindofimportantgraphicsignofrotorvibrationstatecontainsalargenumberoffaultinformationisusedintheprocessofdiagnosisexpertinthediagnosisofanindispensablefaultsymptominformation.Axispathduetotheeffectofpurification,theaxistrajectorycharacteristicsofthelevelofautomaticextractionandautomaticshapeidentification,directlyaffectsthelevelofintelligentfaultdiagnosisexpertsystem,Soweneedtheaxistrajectorycomprehensiveresearch.
Firstsettherotorfaulttest-bedinthelaboratorybenchtosimulatesomeofthetypicalrotorfaults,suchasimbalance,inthewrong,rotorbending,etc.Onthisbasis,thestructures,signalmeasuringcircuit,includingthedataacquisitioncard,sensor,chargeamplifierandfilterdevice,tomeasuretheaxistrajectoryradialdisplacementoftwodirections.
Secondaxistrajectorymeasurementprogram,theprogramcanreal-timedisplaytheaxistrajectory,andspectrumanalysis,canalsofordatastorage.Toprovidestandardsforaxispathidentification,andthencompiledtheaxistrajectorysimulationprogram,theaxistrajectoryofseveraltypicalfaultsaresimulated.Therecognitionsystemisusedasameansforidentifying,invariantmomentinvariantmomentcalculationprogram,therefore,accordingtothefeaturesoftheexperiment,themomentinvariantalgorithmwasimproved,inordertomeettheautomaticidentification.
Finallyintegratethecompiledprogramcandisplaytheaxistrajectoryandmomentinvariantcanbecalculated,andthroughexperimentstodeterminetheidentificationofthecriticalvalue,satisfiesprogrammeetstheflexibilityandaccuracy,effectivelyrealizeonlineautomaticidentification.
Keywords:
Axistrajectory;Virtualinstrument;LabVIEW;Invariantmoments
第1章绪论
1.1课题的背景
旋转机械是机械设备的重要组成部分并且占有相当大的比重，如机械、化工、电力、冶金等行业的机床、汽轮机、发电机、压缩机等都是典型的旋转机器,它们以转子及其他回转部件作为工作的主体,一旦发生事故将造成巨大损失。
目前旋转机械向着大型、高速和自动化方向发展，为了保障设备运行安全可靠，对旋转机械的状态监测和故障诊断提出了更高的要求。
旋转机械故障常在振动状况方面体现出来，因此对振动信号进行监测和诊断仍是目前的主要手段，经过多年的发展，旋转机械振动故障诊断已经形成比较完备的理论和技术体系。
近年来，随着非线性理论的发展，尤其是信号处理和计算机智能理论技术与故障诊断的融合渗透，使旋转机械故障诊断技术更加丰富成熟。
目前，用于旋转机械故障诊断的征兆主要有时域、频域和幅值域等。
由于以快速Fourier变换（FIT）为基础的数字信号处理技术在机械动力学中应用广泛，测试分析方法已经达到比较完善的程度，而且，旋转机械的振动信号在频域内的能量分布具有比较明显的特点，因此，目前旋转机械故障诊断仍以振动信号的频域特征作为主要的故障征兆，出现了功率谱估计法、时频分析法、全息谱角域分析、分形维数等一系列提取故障征兆的方法[1]。
但是，在旋转机械故障诊断中，回转部件中心位置比振幅和幅频曲线等更能直观地反映转轴的运动情况，轴心轨迹作为转子振动信号的一类重要图形征兆，包含了大量的故障信息，它能够形象、直观地表达了设备的运行情况。
并且，轴心轨迹相较于时域、频域和幅值域响应更快，不需要人为的对振动信号进行分析，所以更容易实现在线监测和自动诊断。
通常特定形状的轴心轨迹对应着特定的故障类型，能正确反映系统的振动故障，比如由转动部件不平衡或主轴轴线不直引起的摆度过大，轴心轨迹为椭圆形：
动静件碰磨故障会使得轴心轨迹呈现为规则或不规则的花瓣形；由油膜涡动引起的轴心轨迹为内“8”字形；不对中引起的轴心轨迹为香蕉形或外“8”字形等[2]。
另外，旋转机械的轴心轨迹的形状与动态特性，也是诊断专家在诊断过程中采用的一项不可缺少的故障征兆信息。
因此，轴心轨迹作为旋转机械重要的一类图形征兆，一直是研究的热点，在旋转机械故障诊断中得到广泛应用[3]。
同时，由于轴心轨迹图形比较复杂，如何对轴心轨迹进行提纯和自动识别成为研究的重点。
因此，本课题对于基于虚拟仪器的轴心轨迹测量与提纯和自动识别的研究就显得很有意义。
1.2国内外研究现状
1.2.1旋转机械轴心轨迹研究现状
在转子轴承系统中，当作用在滑动轴承上的载荷的大小和方向都是随时间作周期性的变化时，由于其载荷是变化的，所以各个瞬时轴心的平衡位置也是变化的，在油膜力和载荷互相平衡的情况下，轴心都会逐渐纳入（即收敛于）一个确定的轨迹，就形成轴心轨迹。
目前国际上存在两种较为典型的轴心轨迹的计算方法[4]，一种就是由德Karlsruhel大Han授提出的称为汉氏法，一种由德国Claustlutl工业大学J．Holland教授提出的称为荷氏法．这两种方法都能够根据轴承载荷的变化情况，算出轴颈中心在轴承中的一系列平衡位置，经过若干次迭代计算，这一系列轴心平衡位置最终封闭为一条的曲线形成轴心轨迹曲线。
汉氏法与荷氏法的最大区别在于如何求解雷诺方程，汉氏法对于雷诺方程的旋转项及挤压项采用统一的边界条件求解所以解法严密，荷氏法对雷诺方程的旋转项及挤压项并没按照统一的边界条件求解，它把旋转项及挤压项分开按照各自的边界条件求解方程，再把两者所求得的油膜反力进行合成，忽略了两者之间的互相影响。
根据统计用荷氏法计算其计算结果比较接近实测结果，并且也适合对一些形状复杂的轴承进行轴心轨迹求解。
由于汉氏法计算过程相对复杂所以大量的计算过程中边界条件的选用简单地采用半Sommcrnd边界条件，这就造成其计算精度下降。
这两种算法的原理基本相同，只是在求解雷诺方程时忽略的因素不同，边界条件假设也不同，最后结果也有差异。
但是这两种算法都需经过大量计算，来近似的求出轴心轨迹，由于轴心轨迹形状比较复杂又有许多的噪声，所以计算出的轴心轨迹并不符合真实的情况。
随着测试技术的不断发展，传感器技术的成熟，现在多用位移传感器测量转轴不同方向的径向位移，进而合成轴心轨迹。
这种方法相比较于前两种算法，它更能反应轴心轨迹的真实情况并且响应快，近年来渐渐得到应用。
1.2.2转子轴心轨迹自动识别研究现状
转子轴心轨迹的识别一般的方法，通常是在转子某一截面两个相互垂直的方向上安装两个电涡流传感器，测得该方向的振动，然后合成轴心轨迹图形，然后在利用模式识别技术进行轴心轨迹形状的识别。
转子轴心轨迹的识别实质是一个二维图形的模式识别问题，主要包括两部分内容：
特征提取和特征分类。
特征提取是对图形所包含的输入信息进行处理和分析，将不易受随机因素干扰的信息作为该图形的特征提取出来。
特征分类过程是去除冗余信息的过程，具有提高识别精度、减少运算量和提高运算速度的作用。
良好的特征应具有可区分性、稳定性和独立性。
图像处理的形状分析主要是对区域作各种变换，提取区域的图形特征。
轴心轨迹的特征提取主要方法是对图形作各种变换，定义图形的不变性质[5]。
常用的方法有：
1）几何特征法：
通过对轴心轨迹图形进行几何运算，使其具有规定的性质[6]。
2）矩方法：
以HU氏不变矩最为常用，有一定的应用局限，现有许多改进方法。
3）编码方法：
主要用于对输入神经网络的数据进行改进编码，提高网络的分辨率，涉及数据压缩技术。
应用的方法有离散余弦变换法[7][8]，平面图形可变等长度压缩编码方法[9]，加权编码法[10],小波神经网络数据压缩法[11]。
这些方法可使降噪后的轴心轨迹图形编码得到较大的压缩，加快了网络的训练速度，使神经网络识别系统比传统的布尔编码方法有更高的准确率和稳定性。
此类提取轴心轨迹的图像特征的方法是目前研究的热点，有许多相关文献对此进行了论述。
以上所述几种方法普遍存在针对性不强的问题，即只是应用了图
像识别的基本原理，没有充分地将该原理与轴心轨迹所特有的图形特征结合起来分析，因此可以加强这方面的研究。
在对轴心轨迹进行了图形特征的提取之后就可以进行识别了，这涉及到了一个合理的分类器的问题。
识别的分类实际也是模式识别问题，即将所提取的特征按一定规则分为若干个模式，确定模式中心，将输入信号与己知的各个模式中心进行匹配，在根据一定的判定规则，确定输入信号应归入哪一个模式。
具体方法主要包括概率统计方法、神经网络方法，关联度分析方法等。
二维图形识别常采用基于统计特征的矩不变性进行自动识别。
矩是一种线性特征，可以用来对区域进行描述，而不变矩由于在尺度、平移和旋转等条件下的稳定性被广泛用于模式识别领域。
HU在1962在文献[12]给出了连续函数矩的定义和关于矩的基本性质，证明了有关矩的平移的不变性、伸缩的不变性和旋转的不变性等性质，具体给出了具有平移、旋转和比例不比变性的七个不变矩的定义。
但实验及理论分析都表明在离散情况下HU氏不变矩有一定的局限性[13]。
，主要表现在HU氏不变矩在离散情况下不能保证对图形比例缩放的不变性。
为此，许多研究者在通过大量试验后给出了一些改进算法，使之更符合轴心轨迹的特点，这也是本文研究的重点。
现今，已经提出的各种方法以解决轴心轨迹的信息处理和自动识别，如武汉大学的动力机械学院就提出了用灰色理论关联度分析和基于不变性矩的径向基函数方法来进行水轮机组的轴心轨迹自动识别[14][15]。
华中科技大学的王海则综合应用了小波去嗓理论、平面图形不变矩理论、神经网络理论，实现了识别过程的自动化，东南大学的赵林度利用神经网络对轴心轨迹的离散余弦变换的描述子进行分类识别[16]。
浙江大学的丁昭同将广泛应用于语音识别的隐马尔科夫模型用于旋转机械的轴心轨迹的识别[17]，取得了一定的效果。
1.3研究的意义和主要内容
1.3.1研究的意义
在工业生产当中,旋转机械是机械设备的重要组成部分,一旦发发生事故,将造成重大损失。
随着科学技术的发展，人们对机械设备的安全、稳定、高可靠性工作的要求日益迫切。
这就对旋转机械故障诊断技术提出了个高的要求。
旋转机械轴心轨迹作为旋转机械的一类重要图形征兆，包含了大量的故障信息，它形象、直观地表达了设备的运行情况，是诊断专家在诊断过程中采用的一项不可缺少的故障征兆信息，轴心轨迹的提纯与自动识别的研究水平决定着故障诊断专家系统的智能化水平，因此有着重要的研究价值。
基于微机硬件平台的虚拟测量仪器已经在各行各业得到了越来越广泛的应用。
它功能灵活、开放，易于与其他仪器设备组成强大的测量系统，比传统仪器效率更高、成本更低、功能更强大。
将故障诊断技术基于虚拟仪器来实现，能够充分发挥虚拟仪器的上述特点，为旋转机械故障诊断技术，提供了有力的支持
1.3.2研究的主要内容
本课题主要是研究轴心轨迹的自动识别和旋转机械典型故障的在线诊断。
搭建实验台和测试电路编制数据采集程序完成数据采集。
应用不变矩理论，编程实现其算法实验轴心轨迹的识别。
整合程序实现轴心轨迹自动识别和在线诊断。
硬件方面：
（1）设计搭建转子典型故障故障模拟实验台，使之能够可靠地模拟出各种典型故障；
（2）搭建信号测量电路，保证传感器、电荷放大器、滤波器和数据采集卡能够正常工作。
软件方面：
（1）编制信号采集采集程序。
该程序能够持续采样，对信号处理合成轴心轨迹并实施显示，也可以实现数据的存储和信号的频谱分析功能；
（2）编制轴心轨迹仿真程序，该程序能够实现对几种典型故障轴心轨迹的仿真，并将数据保存；
（3）编制不变矩计算程序，通过大量实验对不变矩算法进行改进，使之适合轴心轨迹的不变矩计算，最后算取个典型故障轴心轨迹的不变矩值作为标准值；
（4）编制关联度计算程序，大量实验找出一个既简单又相对准确的关联度计算方法；
（5）整合各程序，实现自动识别与在线诊断，优化程序中的参数。
第2章转子振动机理和轴心轨迹特征
在旋转机械状态检修系统中，影响设备运行状态的因素是多种多样的，包括振动、瓦温、气蚀等。
由于振动的广泛性、振动信号的多维性、测振技术的实用性，一般监测系统均将振动信号作为主要监测项目。
设备在运行过程中必然会产生不同程度的振动。
据统计，约有70％的故障或事故都在振动信号中有所反映，振动的超标威胁着旋转设备的安全运行。
当振动超过一定限度时就会对设备造成危害，严重时将威胁设备安全运行，带来巨大的经济损失。
2.1旋转机械振动机理分析
对于机械设备来说，通常会产生两种不同形式的振动：
强迫振动和自激振动。
强迫振动是由外界对系统持续激励所引起的。
它是从外界不断地获得能量来补充阻尼所消耗的能量，使系统得以维持持续的等幅振动。
外界激励的来源可能是直接作用在振动系统上的激振力，也可能是由于系统中运动部件的不平衡离心惯性力，再就是由支撑件的持续运动而引起。
这些激励作用可能是周期性的，也可能是非周期性的。
如旋转机械运动中的质量不平衡、几何轴线不对中、齿轮啮合不好、传动件配合不当、轴颈轴承问隙过大等都会引起机械设备的强迫振动。
同样，往复机械设备一般都具有大质量的曲柄活塞机构，这些大质量构件在高速周期性运动时就会产生周期性的惯性力，进而就可引起机器和基础的强迫振动及曲轴的扭转振动。
强迫振动会使设备或结构产生过大的动应力，成为疲劳破坏的重要原因。
自激振动是依靠系统自身各部分间相互偶合而维持的稳态周期振动，是无需周期变化的外力就能维持的稳态振动，因而与强迫振动有原则性的区别。
自激振动的突出特点是它的自治性，即当它处于自激振状态时并不承受随时间变化的外力，而是依靠系统的各个组成部分间相互作用的内力来维持稳态周期振动的。
引起自激振动的原因很多，其产生的机理也十分复杂，如油膜振荡使转子出现涡动失衡等。
引起机械振动的的主要原因有：
（1）因机组转动部分质量不平衡引起的机组振动，其主要特征是机组振幅随机组转速变化较敏感，其振幅一般与转速的二次方成正比，且水平振动较大
（2）机组转动部件与固定部件相碰（或摩擦）所引起的机组振动，其特征为：
一般振动较强烈，并常常伴有撞击声响（3）因轴承间隙过大、主轴过细、轴的刚度不够所引起的振动，其特征为：
机组振幅随机组负荷变化较明显（4）因机组轴线曲折、紧固零部件松动、机组对中心不准、推力轴承调整不良所引起的机组振动，其特征为：
机组在空载低转速运行时，机组便有明显振动。
2.2转子振动的基本特征
转子正常工作，即转子在无故障状态，具体说是转子处于平衡状态、对中情况良好、转轴截面的径向刚度相等、转轴与机壳之间无摩擦等条件下的状态，在此情况下，转子运动不受干扰。
频率成分以一倍频为主，混有少量噪声成分。
理想轴心轨迹为圆形，但由于实际上不平衡总是存在的，轴心轨迹往往是椭圆形。
正常情况下的轴心轨迹与不平衡的轴心轨迹在形状上相同，但正常情况下的振幅比不平衡时要小的多。
旋转机械的主要部件是转子，其结构形式虽然多种多样，但对一些简单的旋转机械来说，为分析和计算方便，一般都将转子的力学模型简化为一圆盘装在一无质量的弹性转轴上，转轴两端由刚性的轴承及轴承座支承。
该模型称为刚性支承的转子，对它进行分析计算所得到的概念和结论用于简单的旋转机械是适用的。
由于做了上述种种简化，若把得到的分析结果用于较为复杂的旋转机械时不够精确，但基本上能够说明转子振动的基本特性。
图2-1单圆盘转子
大多数情况下，旋转机械的转子轴心线是水平的，转子的两个支承点在同一水平线上。
设转子上的圆盘位于转子两支点的中央，当转子静止时，由于圆盘的重量使转子轴弯曲变形产生静挠度，即静变形。
此时，由于静变形较小，对转子运行的影响不显著，可以忽略不计，即认为圆盘的几何中心O’与轴线AB上O点重合,如图2-1所示。
转子开始转动后，由于离心力的作用，转子产生动挠度。
此时转子有两种运动：
一种是转子的自身旋转，即圆盘绕其轴线AO’B的转动；另一种是弓形转动，即弯曲的轴心线AO’B与轴承联线AOB组成的平面绕AB轴线的转动。
这时，圆盘的中心O’在相互垂直的两个方向上，以某一频率做简谐振动。
一般情况下，两个方向的振幅不相等，因此圆心O’的轨迹为椭圆，O’的这种运动是一种涡动或进动。
转子的涡动方向与转子的转动角速度同向时，称为正进动；反向时，称为反进动。
由于有转子正进动和反进动的存在使得的轴心轨迹具有较复杂的形状。
一般情况下，当非同步涡动的角速度与转子角速度的关系为整数比时，轴心轨迹仍将是一条封闭的曲线，否则轴心轨迹不是封闭的。
2.3常见故障原因及轴心轨迹的特征
2.3.1转子不平衡
引起振动的原因是多方面的,但转子的不平衡是引起机器振动的主要原因之一。
转子不平衡是由于转子部件质量偏心或转子部件出现缺损造成的故障，它是旋转机械最常见的故障。
据统计，旋转机械约有一半以上的故障与转予不平衡有关。
因此，对不平衡故障的研究与诊断也最有实际意义。
造成转子不平衡的具体原因很多，主要有：
结构设计不合理，制造和安装误差，材质不均匀，受热不均匀，运行中转子的腐蚀、磨损、结垢、零部件的松动和脱落等。
按发生不平衡的过程可分为原始不平衡、渐发性不平衡和突发性不平衡等几种情况。
按其机理又可分为静失衡、力偶失衡、准静失衡、动失衡等四类。
转子的不平衡故障包括：
转子质量不平衡、转子初始弯曲、转予热态不平衡、转子部件脱落、转子部件结垢、连轴器不平衡等，不同原因引起的转子不平衡故障规律接近，但也有各自的特点。
转子的不平衡故障会产生许多不良后果，首先会引起转子的弯曲和内应力进而引起转子疲劳甚至断裂。
其次会引起机器的振动与噪声，加速机械零件的磨损。
由质量不平衡引起的转子不平衡的振动特征有
（1）轴心轨迹为椭圆，如图2-2所示
图2-2转子不平衡轴心轨迹
（2）振动的时域波形近似为正弦波；
（3）频谱图中，能量主要集中在基频并有较小的高次谐波；
（4）其进动特征为正进动。
2.3.2转子不对中
大型机组通常由多个转子组成，各转子之间用连轴器联接构成轴系，传递运动和转矩。
由于机器的安装误差、工作状态下热膨胀、承载后的变形以及机器基础的不均匀沉降等，有可能会造成机器工作时各转子轴线之间产生不对中。
具有不对中的故障转子系统在其运行过程中将产生一系列有害于设备的动态效应，如引起机器连轴器偏转、轴承早期损坏、油膜失稳、轴弯曲变形等，导致机器发生异常振动，危害极大。
转子不对中包括轴承不对中和轴系不对中两种情况。
轴径在轴承中偏斜称为轴承不对中。
机组各转子之间用联轴节连接时，如不处在同一直线上，就称为轴系不对中。
轴系不对中又分为平行不对中、角度不对中和综合不对中三种情况。
不对中的作用就像转子上有一个不定向的预载荷，容易引起轴向振动。
当转子存在不对中故障时，具有以下特征：
（1）转子径向振动出现二倍频，以一倍频和二倍频分量为主，随着不对中的情况加重，二倍频所占的比例增加；
（2）典型的轴心轨迹为香蕉形，正进动。
二倍频增加的过程中相应的轴心轨迹从香蕉型变为“8”字形，如图2-3所示；
图2-3不对中故障轴心轨迹
（3）连轴器不对中时轴向振动较大，振动频率为一倍频，振动幅值和相位稳定，轴承不对中时径向振动较大，有可能出现高次谐波，振动不稳定；
（4）振动对负荷变化敏感。
2.3.3转子弯曲
转子弯曲与不平衡相似，但是两者是有区别的，质量不平衡是指各横截面的质心连线与几何中心连线存在偏差。
而转子弯曲是指各横截面的几何中心连线与旋转轴线不重合，二者都会使转子产生偏心质量，从而使转子产生不平衡振动。
转子弯曲故障的轴心轨迹一般为香蕉型与不对中故障相似但是其轴心轨迹不会因为二倍频分量的增加而变为“8”字形，轴心轨迹如图2-4所示
图2-4转子弯曲轴心轨迹
转子弯曲有永久性弯曲和临时性弯曲两种情况。
转子永久性弯曲和转予临时性弯曲与转子质量偏心基本相同。
其不同之处是，具有转子永久性弯曲故障的机器，开机启动时振动就较大：
而转子临时性弯曲的机器，则是随着开机升速过程振幅增大到某一值后有所减小。
2.3.4转子碰磨
升级会员 