XIX Международная научно-практическая конференция «СОВРЕМЕННЫЕ ТЕХНИКА И ТЕХНОЛОГИИ» Секция 7: Информатика и управление в технических системах ПРИМЕНЕНИЕ ЧАСТОТНО-ВРЕМЕННОЙ АВТОКОРРЕЛЯЦИОННОЙ ФУНКЦИИ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ВИБРОДИАГНОСТИКИ В.А. Фаерман, В.С. Аврамчук Научный руководитель: Аврамчук В.С., к.т.н, доцент Томский Политехнический Университет, 634050, Россия, г. Томск, пр. Ленина, 30 [email protected] Для реализации заявленного правительством России курса на модернизацию экономики необходимо интенсивное развитие машиностроительной отрасли, во многом определяющей динамику и качество промышленного роста [1]. При этом, в современных реалиях, развитие машиностроения невозможно без внедрения в практику технологий, повышающих эффективность обеспечения жизненного цикла продукции. Жизненный цикл любого технического изделия включает четыре основных процесса: создание (конструирование и изготовление), эксплуатацию, обслуживание и ремонт, а также утилизацию [2]. Наибольший интерес с точки зрения данной работы представляет система обслуживания и ремонта. В настоящее время, данная система заявлена одним из требований современной концепции управления надежностью сложных технических объектов. Диагностика как одна из составляющих этой системы должна решать задачу оценки фактического состояния изделия в процессе эксплуатации, давая необходимую исходную информацию для соответствующей организации ремонтного цикла [2]. В связи с этим средства диагностики должна обладать определенными свойствами: 1) достоверностью и информативностью; 2) оперативностью; 3) универсальностью. В настоящее время, к этим требованиям наиболее приближен метод вибродиагностики [2]. Под вибродиагностикой понимают метод диагностирования технических систем и оборудования, основанный на анализе параметров вибрации, создаваемой непосредственно работающим оборудованием, или являющейся вторичной вибрацией, обусловленной спецификой конструкции исследуемого объекта [3]. Появление вибрации в машинах и механизмах неизбежно и обусловлено действием переменных сил и моментов, возникающих в процессе эксплуатации. Как правило, вибрация оказывает отрицательное влияние на прочность, износ и безопасность изделий и машин, а при достижении определенных значений может привести к поломкам деталей, искажению показаний датчиков, расстройке систем регулирования и, следовательно, к возникновению аварийных ситуаций. Согласно статистике, основной причиной выхода из строя деталей и машин является именно вибрация, возникающая при изменении формы и взаимного положения деталей, ослаблении креплений, появлении значительной неуравновешенности движущихся 379 частей и других дефектах. Таким образом, на основании связи вибрации с качеством изготовления деталей и сборки машин, а также износом их узлов, возможно использование ее характеристик для оценки технического состояния объекта [3]. Основным информативным параметром вибрации являются ее периодические составляющие. Для их выявления и исследования используются методы спектрального анализа. Обычно, при исследовании спектра выделяют 3 группы составляющих вибрации: гармоники, субгармоники и несинхронные составляющие. Под гармониками понимают пики на частотах кратные частоте цикла действия (частоте вращения машины). Субгармоники – составляющие лежащие ниже частоты вращения и получаются деление частоты цикла действия на натуральное число. Несинхронные составляющие наблюдаются на частотах не связанных с частотой вращения [4]. Соответствия между группами составляющих и типовыми дефекты приведены в таблице [4]. Таблица. Соответствие признаков и дефектов Группа Типовые дефекты дисбаланс, несоосность или Гармоники ослабление соединений стук в машине, вихри в масляном Субгармоники клине, дефекты ремней вибрации электрического Несинхронные происхождения, дефекты составляющие подшипников Основными трудностями, связанными с исследованием вибрации, являются ширина частотного диапазона, в котором потенциально могут быть обнаружены признаки дефектов, а также интенсивные шумы, затрудняющие распознавание гармонических составляющих в смеси. Для выделения периодического полезного сигнала на фоне интенсивных помех привлекается математический аппарат корреляционного анализа сигналов. В частности, по характеру автокорреляционной функции может быть определено наличие слабого периодического сигнала в смеси и его период. В случае исследования полигармонических сигналов вибрации, трактовка формы автокорреляционной функции затруднительна и зависит от параметров гармонических составляющих сигнала. В этом случае для определения частот гармонических составляющих применяется полосовая/режекторная фильтрация или методы спектрального анализа. Однако, в связи с тем, что спектр полезного сигнала часто неизвестен и может перекрываться спектром XIX Международная научно-практическая конференция «СОВРЕМЕННЫЕ ТЕХНИКА И ТЕХНОЛОГИИ» Секция 7: Информатика и управление в технических системах шумов, а его мощность может быть мала по сравнению с мощностью шума, использование данного подхода затруднительно. Перечисленных трудностей можно избежать, применяя частотновременную автокорреляционную функцию вместо традиционной [5]. На основании теоремы о свертке, автокорреляционная функция может быть получена с использованием преобразования Фурье следующим образом [6] ( )= [ ( ) ∗ ( )], (1) где ( = 0,1,2, … , 2 − 1; ≥ 2) – исследуемый сигнал, представленный дискретной последовательностью; – прямое дискретное преобразование Фурье сигнала ; ∗ - комплексносопряженное представление результатов прямого дискретного преобразования; - обратное дискретное преобразование Фурье. На основании формулы (1), путем введения в процедуру нахождения автокорреляционной функции дополнительных действий может быть получена частотно-временная автокорреляционная функция. Процедура получения частотно-временной автокорреляционной функции представлена далее. На начальном этапе осуществляется расчет величин по формуле = ( ) ∗( ), где = 0,1,2, … 2 + 1 – количество точек в спектральной характеристике автокорреляционной функции. Далее формируются векторов ( = 0,1,2, … , − 1), каждый из которых представляет Фурье – образ суммы спектральных составляющих автокорреляционной функции, принадлежащих одному из рассматриваемых частотных диапазонов. Формирование векторов происходит по следующему правилу = ∙ - оконная функция, определенная где следующим образом +1 1, < ≤ 2 + 1 = . +1 0, ≥ > 2 +1 На следующем этапе полученные векторы подвергаются обратному дискретному преобразованию Фурье [ ] = Полученный в результате сложный вектор состоит из векторов, каждый из которых в свою очередь представляет собой автокорреляционную функцию сигнала на соответствующем частотном диапазоне. Таким образом, из него могут быть восстановлены значения частотно-временной автокорреляционной функции ( , )= В качестве примера далее рассмотрена задача определения гармонических составляющих в зашумленном сигнале. Гармоники, присутствующие в полезном сигнале – 5,6,7,8,9,10,20 кГц имеют единичную амплитуду. Шум моделируется центрированным случайным сигналом, 380 распределенным нормально со среднеквадратичным отклонением равным 15. Вид частотно-временной автокорреляционной функции представлен на рисунке 1. Рис. 1. Частотно-временная автокорреляционная функция Высокие значения автокорреляционной функции показаны на рисунке оттенками черного. Присутствующие в полезном сигнале гармоники отчетливо наблюдаются в виде темно-серых полос, локализованных вблизи соответствующего значения частоты, на светлом фоне. Описанный способ лишен ряда недостатков традиционного подхода и может быть использован для эффективного определения гармонических составляющих сигналов вибрации при решении задач диагностики деталей и машин. Список литературы 1. Официальный сайт форума Технологии в машиностроении. Речь председателя правительства. [Электронный ресурс]. Режим доступа: http://www.forumtvm.ru/ru/static/page/putin.htm, посл. обращение 22.02.2013. 2. Осяев А.Т., Смирнов В.А. Перспективы вибродиагностики // Локомотив. – 2006. - №6. - С. 40-41. 3. Стеценко А.А., Коныгин Н.В., Стеценко О.А. Стандартизация в области вибрации, контроля технического состояния, диагностики и прогнозирования ресурса промышленных машин. // Вибродиагностика для начинающих и специалистов. [Электронный ресурс]. Режим доступа: http://www.vibration.ru/standart.shtml, посл. обращение 23.02.2013. 4.Глэн Д. Вайт. Основы анализа данных и поиска неисправностей.: Пер. с англ. // Вибродиагностика для начинающих и специалистов. [Электронный ресурс]. Режим доступа: http://www.vibration.ru/osn_analizai.shtml, посл. обращение 23.02.2013. 5.Аврамчук В.С. Определение наличия гармонических составляющих и их частот в дискретных сигналах на основе автокорреляционной функции // Известия Томского политехнического университета. – 2012. –Т. 321. – № 5. – С. 113–116. 6. Айфичер Э.C., Джервис Б.У. Цифровая обработка сигналов: практический подход, 2-е издание. : Пер. с англ. – М.: Издательский дом «Вильямс», 2004. – 992 с.