在近日舉辦的中國運動控制/直驅(qū)技術(shù)產(chǎn)業(yè)發(fā)展高峰論壇上，哈爾濱工業(yè)大學電氣工程及自動化學院副院長楊明教授著重介紹了有關(guān)基于電氣信號分析的傳動機構(gòu)故障診斷技術(shù)的最新研究動向。

旋轉(zhuǎn)結(jié)構(gòu)作為電機設(shè)備傳輸力和載荷的關(guān)鍵部件正朝著高精化、高性能、高可靠性、智能化方向發(fā)展，廣泛用于工業(yè)生產(chǎn)的各個環(huán)節(jié)。其中，故障診斷與健康維護技術(shù)顯得越來越重要，在機床、機器人等智能化維護過程中越來越受到人們的重視。

哈爾濱工業(yè)大學電氣工程及自動化學院副院長 楊明教授

01

故障診斷技術(shù)的目的

故障診斷以及狀態(tài)監(jiān)測屬于智能技術(shù)大領(lǐng)域中的一個分支，實際上跟我們的醫(yī)學概念特別相似，比如人在看病是，中醫(yī)講究望聞問切，而在電機系統(tǒng)中，則希望通過傳感器以及智能算法進行診斷，也會涉及到多科“會診”的情況，我們希望通過振動法+電氣法有效結(jié)合，來進行綜合診斷。

另外，在醫(yī)學上，更多是疾病預(yù)防，而在電機系統(tǒng)中，我們希望把故障診斷和維護從事后轉(zhuǎn)變成事前，增加系統(tǒng)的可靠運行周期，降低系統(tǒng)整體成本，另外更重要的是，為將來設(shè)計以及評估工控產(chǎn)品系統(tǒng)，提供豐富的歷史數(shù)據(jù)，并朝著大數(shù)據(jù)人工智能方向發(fā)展。

02

電氣法智能化診斷技術(shù)的重點

傳統(tǒng)的電機故障診斷技術(shù)主要有以下幾種方式：如振動法、超聲波法、油液法、紅外成像法等等，故障診斷不是一個新的研究方向，而是傳統(tǒng)機械學科幾十年研究的成果。在電氣方面，由于一般需要增加額外的傳感器，傳感器的成本較高，且應(yīng)用環(huán)境也受到一系列制約，包括安裝條件會影響診斷效果等等。其次是有的場合不允許安裝傳感器，因此需要克服這些傳統(tǒng)傳感器應(yīng)用的弊端。

因此，實際上電氣法主要的研究方向有三個方面：第一，研究信號源，振動傳感器等各種傳感器都是故障信號的載體，我們希望用電氣信號進行診斷；第二，特征的提取是重中之重，故障的提取涉及到數(shù)字信號處理算法和一系列分析方法；第三，狀態(tài)識別，從簡單的閾值法到大數(shù)據(jù)分析，借此形成遠程無損的診斷技術(shù)，從而實現(xiàn)具有低成本、智能化的應(yīng)用優(yōu)勢。

在目前國內(nèi)外產(chǎn)品中，一類是以歐美系品牌為代表，已推出了實際產(chǎn)品，一種是硬件監(jiān)測系統(tǒng)，需要配數(shù)據(jù)采集卡和傳感器，有硬件支持，其次是分析軟件比較強大，給用戶很好的選擇，可以診斷出故障的特征頻率，包括軸承電機故障等，也需要一系列傳感器軟件。另一類是日本品牌為代表，例如三菱公司最新的J5系列伺服系統(tǒng)具備自動診斷功能，是三菱Maisart人工智能應(yīng)用的體現(xiàn)，接入伺服系統(tǒng)，可診斷滾珠絲杠間隙、振動預(yù)測，皮帶帶打滑、齒形帶張力惡化失效預(yù)測，傳動齒輪故障預(yù)測等，不需要人為參與，是目前唯一具備這一功能的產(chǎn)品。

03

基于電氣法的故障診斷技術(shù)最新研究動向

在數(shù)字信號處理技術(shù)的研究方面，故障特征提取方法，包括從時域方法、頻域方法和時頻域方法。

電機傳動系統(tǒng)機械故障大致分為三類：

第一，傳動機構(gòu)本身故障，比如齒輪、滾珠絲杠等。各個傳動機構(gòu)中齒輪應(yīng)用比例最高；而在齒輪故障當中，斷齒故障是發(fā)生率最高的。

第二，電機本體故障主要指機械故障，例如軸承故障等，這是出現(xiàn)率最高的形式。軸承故障有分布式和局部式，早期的故障是局部式，最大的特征是信噪比極低，要比齒輪故障等小一到兩個數(shù)量級，除非聽到明顯噪聲才發(fā)現(xiàn)徹底損壞，滾珠是經(jīng)常故障的，主要是跟傳動運動耦合起來。

第三，安裝故障。安裝對中只是相對的概念，而“不對中”是絕對的。不對中又分為平行不對中和角度不對中，德國西門子工程師一般都會用到激光對中儀，國內(nèi)大多企業(yè)現(xiàn)場工程師都沒有見過激光對中儀，完全靠人工經(jīng)驗來安裝、調(diào)試。因此造成電機傳動系統(tǒng)很多偶發(fā)故障往往是早期安裝不對中引起的，隨著市場大規(guī)模應(yīng)用，這個比例越來越高。

因此，我們根據(jù)前面的故障類型將研究分為以下四個方面：齒輪故障診斷、軸承故障診斷、不對中的故障診斷，以及諧振故障診斷，下面主要闡述前三個故障診斷技術(shù)的最新研究成果。

第一，齒輪故障診斷研究。齒輪往往工作在高速重載等惡劣環(huán)境下，容易發(fā)生斷齒、齒面點蝕等局部式故障，影響設(shè)備的傳動性能。我們的研究主要是針對數(shù)字信號處理算法，提取更多故障特征細節(jié)，算法的過程有點像發(fā)現(xiàn)微弱信號的過程，最開使用眼睛看就可以了，最簡單的分析方法就可以看到；再微弱的故障就需要用復(fù)雜信號處理算法RSSD（共振稀疏分解），如借助光學顯微鏡觀測一樣；如果更加隱秘更加微弱的信號，就需要用電子放大鏡設(shè)備一樣，需要更加復(fù)雜的數(shù)字信號處理算法。這些算法研究的應(yīng)用就是大致按照這樣的思路開展的。

下面是我們搭建的一個實驗平臺，由一個健康齒輪和一個斷齒齒輪組成。

通過分析不同運行條件下實驗結(jié)果（FFT、RSSD、雙重優(yōu)化RSSD）、基于同步位域運動誤差分析的齒輪故障診斷，我們得出以下的結(jié)論：

第二，電機軸承故障診斷研究。包括三個內(nèi)容：MCSA電機電流特征分析與MSSA的對比；軸承局部式特征故障提取方案；結(jié)合驅(qū)動算法的預(yù)降噪方案。我們搭建出下面的實驗平臺：

從軸承故障機理的判斷，可以看到故障產(chǎn)生到轉(zhuǎn)速波動，引起磁動勢角度調(diào)制，最后影響到傳速的變化，因此，我們在伺服驅(qū)動系統(tǒng)中利用上位機采集的轉(zhuǎn)速信號進行軸承故障診斷，并對軸承內(nèi)外圈故障進行了判斷，用基于譜峭度的方式尋找最優(yōu)的濾波器中心頻率和帶寬。

我們進行了電機相電流與轉(zhuǎn)速不同故障載體信號源的對比，發(fā)現(xiàn)轉(zhuǎn)速信息非常直觀，得到了一個明確的軸承故障，并且通過對比，針對信號相電流、電機轉(zhuǎn)距做了大量的對比測試。下面是我們對電機軸承故障診斷研究的小結(jié)：

第三，電機安裝不對中故障診斷研究，我們在機理分析的實驗中發(fā)現(xiàn)，電機安裝不對中故障有分為：平行不對中故障、角度不對中故障、組合不對中故障；并且電機安裝不對中故障會產(chǎn)生1倍或2倍的轉(zhuǎn)矩波動量，由此也找到了電氣法研究方案。在此基礎(chǔ)上，我們搭建出下面一套實驗平臺：

通過故障與健康狀態(tài)FFT幅值的對比，可以發(fā)現(xiàn)，各種轉(zhuǎn)速下，發(fā)生平行不對中或角度不對中故障時，F(xiàn)FT頻譜中轉(zhuǎn)速1倍、2倍轉(zhuǎn)頻分量都明顯升高，下面是我們對電機安裝不對中故障診斷研究的小結(jié)：

針對首次安裝條件下的不對中故障診斷，我們通過首次安裝建模，并參考西門子公司對首次安裝不對中誤差的限定范圍和標準，得出以下結(jié)論：

最后做一個簡單的總結(jié)，現(xiàn)在我們的故障診斷技術(shù)正朝著人工智能、大數(shù)據(jù)的方向探索，相當于把原來基于故障特征頻率辨識的數(shù)字信號診斷，越來越多引入人工神經(jīng)網(wǎng)絡(luò)，這是真正的大數(shù)據(jù)處理故障診斷的具體方式，也是人工智能、大數(shù)據(jù)等學科在電氣領(lǐng)域的嘗試。

在機器人減速機故障診斷的研究中，這是真正工業(yè)化應(yīng)用的最復(fù)雜的傳動結(jié)構(gòu)形式，特別是國產(chǎn)減速機的故障率比較高，現(xiàn)在很多學者通過這種方式在做建模的工作，我們希望一方面可以通過數(shù)據(jù)模型建模做故障特征，另一方面可以從大數(shù)據(jù)分析的角度，來判斷工業(yè)機器人減速機故障診斷，并在此基礎(chǔ)上，實現(xiàn)對工業(yè)機器人減速機的壽命預(yù)測。