振动诊断技术
来源：物联网工业大数据微信公众号（ID：penghaisoft）
机械振动是工业机械设备运行中常见的一种现象，一般情况下机械振动都是有害的，因为振动会破坏机械的正常运作。因此，利用振动信号判断设备的故障状态越来越受到重视，如果机械设备出现故障而未能监测出来，结果不仅会影响设备的寿命更有可能带来更大的损失。所以，基于振动信号的机械设备故障诊断成为监测设备状态的一种主要形式。
机械设备运行过程中，设备状态的监测信号是反应设备运行正常与否的信息载体，而振动信号是设备主要的监测信号之一。基于振动信号的故障监测的实现步骤是：振动数据的采集，数据预处理，通过数据分析进行设备状态监测和故障诊断。
机械设备振动信号的采集通常选用振动传感器。振动传感器作为传感器的一种，在工业中主要用来检测机械设备在工作中的振动情况，进而确定设备有无故障。基于振动传感器的特性，其在预测性维护中发挥了重要作用。例如我们可以根据电机的振动信号，通过进行时频分析发现电机存在的问题如电机不平衡，不对中等问题，从而可以实现预测性维护所说的零停机状况。
常见的振动传感器有：加速度传感器、速度传感器、位移传感器，不同的传感器适用的工业应用场景不同。
位移传感器：所测频率为0～10kHz，在此范围内能给出准确的低频振幅及相位；
速度传感器：所测频率为5～2kHz，能对中频的振动产生较强的信号；
加速度传感器：所测频率为5～20kHz，高频范围信号较强。
振动传感器应用领域非常广泛，基本每个行业都可以用到。例如造纸业，煤炭行业，建筑行业。设备的振动信号通过加速度采集，传感器将设备的实时振动数据传输给采集终端，采集终端将数据传输给我们的数据分析模块进行数据分析。
振动采集过程中，往往存在多种干扰，导致得到的数据并不准确，将偏离真实数值。因此在完成振动信号采集之后，应当对采集得到的数据进行预处理，进而提高数据的真实性与可用性，并分析振动信号的随机性，从而确定具体的处理手段。
设备的振动信号往往是一杂乱无章的信号，要直接通过振动原始数据判断设备的运行状态并进行故障诊断有一定的难度。所以，应当对采集到的振动信号进行预处理。常用的振动信号预处理算法包括：算术平均值法、加权平均值法、五点三次平滑法、滑动平均值法、中值法、模糊控制法等。
对振动数据进行分析的主要用途是，判断设备的运行状态以及利用振动数据进行设备故障诊断。振动数据分析主要有时域分析和频域分析。
振动时域参数分析是对机械设备进行故障检测和诊断的简易方法，时域波形是经过数据处理器去噪处理后的信号，包含较多的信息量。在时域诊断中，常常采用的特征参数有：均值、均方根值、峰值、峭度指标、波形指标、脉冲因子、裕度系数……，通过监测这些特征参数是否超过设定的阈值，来诊断传动部件是否发生机械故障。幅域参数一般分为有量纲和无量纲两种类型的指标。
除去常用的时域特征参数之外，时域波形也是判断设备故障的一种主要方法。下图是电机实时振动波形图，横坐标是时间单位秒 (S)，纵坐标是加速度幅值单位 (m/s²)。
电机实时振动波形图
均值：又可称为直流分量，是用来评价信号是否稳定。表征了振动信号变化的中心波动，是信号的常量分量。
均方根值：也叫方均根值。它是对信号先平方，再求取平均值后开方得到的，对没有规律的信号比较有用。
峭度指标：反映振动信号中的冲击特征。峭度指标对信号中的冲击特征很敏感，正常情况下应该值在3左右，如果这个值接近4或超过4，则说明机械的运动状况中存在冲击性振动。
时域振动信号的频谱分析是目前所知的研究故障特征方法中基础的方法之一，可以在频谱中获得比较全面的故障信息。在频域中，主要从幅值频谱、功率频谱、倒频谱、包络谱等频谱中分析。频谱图横坐标代表振动信号的频率单位赫兹 (Hz)，纵坐标代表频率幅值。
幅值频谱就是对传感器釆样所得的原始信号经处理后的振动信号进行一次傅立叶变换 (FFT)，计算并画出该时域振动信号的频率图谱如下图所示。
在频域中表现对信号功率的分布，即体现出振动信号能量的大小情况。功率谱包括互功率谱和自功率谱两种频谱，它的频谱包含的信息和幅值谱是一样的，因为它是幅值的平方，所以比幅值谱的突出频率更加清晰。
又叫二次频谱，可以有效地检测出复杂频谱中的周期成分。倒频谱通常用在机械振动中，为了对故障进行检测和诊断，所以它在振动信号分析方面应用的较多。倒频谱有以下特点：
通过倒频谱分析，能够识别出信号中不同频率分量，找到对诊断来说比较重要的周期成分；
倒谱能分离谐波和边频带分量。
倒谱实现流程图
综上，利用振动信号对故障进行诊断，是设备故障诊断方法中有效、常用的方法。机械设备和结构系统在运行过程中的振动及其特征信息，是反映系统状态及其变化规律的主要信号。因此，通过各种动态测试仪器拾取、记录和分析动态信号，是进行系统状态监测和故障诊断的主要途径。
