声发射与EMD在滑动轴承状态检测中的应用

苏一鸣，卢绪祥，唐晟琨，吴家腾

（长沙理工大学 能源与动力工程学院，长沙 410114）

滑动轴承是汽轮机等大型旋转机械的关键支承部件，由于支承的设备庞大且结构复杂，轴承运行时很容易发生故障，从而影响机组的安全稳定运行。滑动轴承故障信号的规律性差且信息分散，诊断难度大。振动分析是目前应用最广泛的轴承监测和诊断技术，通常应用于20 kHz以下的中低频范围，但对于早期微弱故障的特征提取，该方法并不理想。当轴承发生早期碰摩时，振动信号表现不敏感，而且容易与设备其他部件的振动信号混合，不容易判别故障，但此时产生的声发射信号很明显，而且其幅值主要与释放的能量相关。此外，声发射信号具有较宽的频率范围，采用声发射信号进行故障诊断可以有效避免低频噪声的干扰。

经验模态分解（Empirical Mode Decomposition，EMD）可以把任意一个复杂的信号分解成一系列基于该信号局部特征时间尺度的本征模态函数（Intrinsic Mode Function，IMF），由于IMF取决于信号本身而不是由预先设定的标准决定，因此EMD具有良好的自适应性，处理非平稳信号时非常高效，将EMD与其他技术相结合用于轴承故障诊断可以获得更好的效果［1-4］。

滑动轴承声发射信号的产生机理复杂，非线性特性很强，故障状态难以模拟，很难准确获取故障信号特征，特别是故障初期信号的微弱变化。因此，使用EMD方法对声发射进行处理，联合故障检测中常用时域统计指标［5］，并引入了新参数TALAF和THIKAT［6］。分别计算原始信号和每个IMF在不同润滑状态下的各指标值，并进行对比，证明了EMD在滑动轴承声发射信号应用中的可行性。

1 滑动轴承声发射信号机理

声发射是指材料在应力作用下产生变形或裂纹扩展，以局部快速释放能量形成弹性波的现象。滑动轴承运行中的载荷变化、油温变化和转子故障等原因都可能引起轴承润滑状态的改变，最终导致轴瓦与轴颈间的油膜破裂，产生较为严重的接触摩擦，这个过程中伴随着声发射现象的产生。

流体润滑状态下，轴瓦与轴颈完全被油膜分离，两者间不存在接触摩擦，由于轴颈旋转，在润滑油的剪切力作用下，轴瓦和轴颈的晶格吸收能量，当能量累积到一定程度，晶格发生位错或滑移就会释放能量，产生声发射现象。在干摩擦状态下，轴瓦与轴颈的表面微凸体发生接触摩擦，在碰摩力的作用下发生弹性变形或塑性变形，引起内部晶格快速积聚能量后发生滑移或重新排列，并以弹性波的形式释放一部分能量，产生声发射信号。半干摩擦状态是以上2种状态的混合情况，部分轴瓦与轴颈发生接触摩擦，在油膜剪切力和碰摩力的共同作用下产生声发射信号。声发射信号源自缺陷本身，不同润滑状态下所产生的声发射信号具有不同的特征，因此可以通过声发射信号对轴承的润滑状态进行监测。

2 经验模态分解［7］

EMD将时间序列信号分解成一组有限的IMF振荡函数。基于EMD算法，任意原始信号x0（t）都可以重构为固有模式的线性叠加，即

式中：ci（t）为第i个经验模式，即IMF；rn（t）为残余分量。IMF必须满足2个条件：（1）极值点和过零点数量相等或最多相差1；（2）任意时间上，由局部极大值点组成的上包络线与由局部极小值点组成的下包络线的平均值为零。

将IMF从原始信号x0（t）抽取出来的算法称为筛选过程，其包含以下步骤：

（1）初始化定义x（t）＝x0（t）和r0（t）＝x0（t）；

（2）识别x（t）的所有局部极值；

（3）将所有极大值点（极小值点）分别用3次样条曲线连接起来，形成上包络线Emax（t）（下包络线Emin（t））；

（4）求取上下包络线的平均值，得到均值序列m（t）＝0．5［Emax（t）+Emin（t）］；

（5）定义d（t）＝x（t）-m（t），判断d（t）是否满足IMF的2个条件，如果不满足，令x（t）＝d（t），重复（2）～（5），直到d（t）满足IMF条件，记为c1（t）＝d（t）；

（6）定义x（t）＝r0（t）-d（t），r1（t）＝r0（t）-d（t），重复以上步骤，依次得到n个IMF，记为c1（t），c2（t），…，cn（t），整个处理过程在满足预定的筛选停止准则后停止，最后剩下原始信号的残余分量rn（t）。

筛选停止准则是EMD步骤中非常重要的环节，其决定何时结束筛选过程，从而得到一个新的IMF，并且要避免筛选次数过多导致IMF失去原始单一成分信号的物理意义。目前常用的筛选停止准则有标准差法、S数准则和三参数准则，S数准则和三参数准则的计算效率很高，但IMF的正交性一般，因此选择计算效率和IMF正交性都相对较好的标准差法。该准则通过限制2个连续处理结果之间的标准差实现，当标准差SD介于0.2～0.3时停止筛选，表示公式为

3 实际应用

3.1 试验背景

对某电厂310 MW汽轮发电机组的汽轮机低压缸后轴承进行碰摩试验［8］，记录了滑动轴承从启动到高速暖机，并在暖机时发生磨瓦故障，最后打闸停机的全程声发射信号，试验过程中采样频率为3 MHz，门槛值设置为60 dB，声发射传感器型号为SR150M（工作频率60～400 kHz），利用耦合剂将其直接粘贴在轴承座表面，并用磁性装置压紧。

3.2 声发射信号的EMD应用

试验过程中采集的信号夹杂着其他部件及环境产生的声发射信号，EMD运算过程中的拟合过冲和不足、插值误差等原因也会产生误差，误差会在多次迭代中不断累积，使得信号的分解结果中出现虚假分量，最终IMF可分为噪声部分、信号部分和趋势部分。高频噪声和低频虚假分量与原信号的相关性很小，可以通过皮尔逊相关系数R辨别，R取值范围为［-1，1］，绝对值越大表明相关性越强，其数学表达式为

流体润滑和干摩擦时，声发射信号的IMF与原始信号的皮尔逊相关系数如图1所示，相关系数的阈值取0.01。由图可知，流体润滑时，声发射信号经过EMD处理得到的14个IMF中，第1个为高频噪声，最后3个为低频虚假分量，需要滤除；干摩擦时，声发射信号经过EMD处理得到的15个IMF中，最后5个为低频虚假分量，经过筛选后，2种状态下的声发射信号都保留信号部分的10个IMF。

图1 声发射信号的IMF识别

声发射信号经EMD处理后的IMF频谱图如图2所示（仅画出前5个IMF的频谱）。声发射信号本身就是一种能量的释放，轴瓦和轴颈之间的接触摩擦，相比金属和液体之间的摩擦，晶格积聚能量更快更大，产生的声发射信号频率更高，由图可知，相比流体润滑状态，干摩擦状态的IMF峰值频率更高，说明EMD的处理结果与理论分析结果相一致。

图2 声发射信号的EMD应用

3.3 统计指标

用于设备状态监测的指标必须能够识别异常变化并持续跟踪，并且随时间变化反映故障的出现或加剧。没有恒定的指标值能够立即发现任何缺陷，因为任何预警值都不可能独立于故障性质、机器本身和运行状况而存在，赋予从时域中提取出来的特征指标一个值，从本质上来说并不重要，但是这个值的变化代表着故障的加剧，因此指标的变化情况比指标值本身重要得多。

在时域分析中，常用于监测轴承状态的统计指标有K因子KF、峰值Peak、均方根值RMS、峰值系数CF、峭度Kurtosis和偏度Skewness等，当故障发生到一定阶段后，峭度、峰值等指标不再单调变化，而均方根则随着故障加剧而增大，因此引入TALAF和THIKAT这2个新的统计指标［6］，其表达式为

式中：RMS0为流体润滑声发射信号的均方根。为监测各指标在不同状态下的变化程度，使用各指标在润滑故障和润滑正常时的比值来进行判断。

3.4 结果分析

3.4.1 指标对润滑状态变化的敏感程度

根据（4）式，计算得到各IMF（浅色）及原始信号（深色）的指标比值，并将8个指标分为2组：第1组是依赖信号能量内容的指标，包括峰值、均方根、峰值系数和K因子；第2组则是依赖于信号幅值分布，对冲击非常敏感的指标，包括峭度、偏度、TALAF和THIKAT，如图3所示。由图可知：

图3 声发射信号各指标比值示意图（2 040 r／min）

（1）原始信号各指标比值大多在1左右，说明在流体润滑和半干摩擦状态下，原始信号的各指标值并未发生明显变化，单从原始信号的指标值变化很难判断润滑状态。

（2）由IMF计算得到的指标值大多数比原始信号的指标值敏感，说明这些指标都对故障检测有效，但敏感程度有很大区别。

（3）峭度对撞击和缺陷非常敏感，但半干摩擦状态原始信号的峭度值相比润滑正常时并未发生明显升高，而第1个IMF的峭度值发生巨大变化，说明它对状态的变化非常敏感。

（4）对比各指标的变化程度可知，IMF1的峭度和THIKAT以及IMF3的峰值、均方根、K因子对于2种状态的变化反映较为敏感。

3.4.2 指标与润滑状态的变化规律

由上述分析可知，润滑状态从正常劣化到干摩擦的过程中，各IMF的指标值对状态变化的敏感度不一样，为避免数据选择的偶然性，选择3种状态下各10组信号，计算每种状态下信号的IMF指标值并取平均值，结果如图4所示。

图4 不同状态下指标值柱形图

峰值表示声发射信号的冲击效果，均方根表示声发射信号的平均能量，润滑正常时，油膜状态稳定，晶格积聚能量慢且小，与能量相关的峰值和均方根等指标值必然小；当润滑状态变差，出现局部碰摩时，摩擦相对剧烈，晶格积聚能量快且大，这些指标值将增大；到了干摩擦状态，油膜完全破裂，轴瓦与轴颈之间发生严重的接触摩擦，声发射信号急速增强，这些指标值以更快的增速变大。峭度是表示冲击特性的指标，其对幅值进行4次方处理，突出高幅值，抑制低幅值，因此对冲击极为敏感，THIKAT反映冲击特性和能量变化，由峭度、均方根和峰值共同决定。润滑正常时，没有金属间的碰摩发生，峭度和THIKAT的值都很小；在半干摩擦状态下，轴瓦与轴颈表面的微凸体发生间歇性的碰摩，这2个指标值将会激增；随着碰摩的不断加剧，当整个频带范围内各波峰都是同样水平的尖峰脉冲时，这2个指标反而下降，但仍远高于正常值。

由图4b可知，润滑状态从流体润滑逐渐劣化到干摩擦的过程中，IMF3的峰值、均方根和K因子的变化趋势以及IMF1的峭度和THIKAT的变化趋势与理论上的指标变化趋势相吻合，并且在变化幅度上比原信号更明显。

4 结束语

为描述滑动轴承不同润滑状态的特征指标，使用声发射信号取代常用的振动信号，并采用EMD方法和统计参数相结合的办法进行特征指标提取。研究结果表明，EMD在滑动轴承状态检测中具有可行性，EMD处理后得到的指标值相比原始信号的指标值变化显著，尤其是峭度和THIKAT敏感度较高，采用峰值、均方根、K因子、峭度和THIKAT作为特征指标，联合表征润滑状态，能更好地为状态诊断提供依据。