[01395151]振声数据驱动的设备健康维护关键技术及应用

大型机械设备的健康监测和减振降噪是制造业向智能化转型中不可回避的课题。传统监测信号往往忽略振声耦合效应而使数据成为不完备信息,导致监测系统的误判和漏判,也降低了振声源识别率和声场计算精度。因此,振声耦合场特性分析已成为大型机械设备的状态监测、故障识别和减振降噪的关键技术。针对这一难题,项目组自2010年在国家自然科学基金和辽宁省教育厅基金的资助下开始了研究,主要技术内容包括： （1）改进稳健有效的盲分离自适应算法,在消除噪声干扰的同时分离振声耦合源信号; （2）提出通过最小shannon熵优化小波尺度谱基函数的带宽参数,提高了声发射信号的时频聚集性和抗噪能力; （3）针对非线性、非平稳振声耦合信号,提出了一种以残差相关系数为阈值的自适应希尔伯特黄变换算法,可消除大型机械设备在运行状态下背景噪声干扰; （4）根据振声耦合信号特性与损伤程度的关联机制,定量判疲劳裂纹的生存发展趋势; （5）通过振声耦合场的分离,建立振声信号特征参数与退化状态的评估模型,由此量化大型机械传动部件的可靠性; （6）采用功率流分析方法重建振声耦合场,精确识别有限空间内设备群的振声源,为减振降噪措施提供精准数据。 本技术的科技创新在于： （1）采用振声复合信号代替单一的振动或声信号,通过振声耦合场的特性分析,能够建立早期微弱损伤与振声信号特征参数的关联,从而客观地定量地评估各类大型设备的状态退化,并且将振动和噪声综合控制,创新了故障诊断和振动噪声控制理论; （2）针对不同设备的特点,形成了一种集盲分离、希尔伯特黄变换、重分配小波尺度谱等现代信号处理方法为一体的振声耦合场特性分析技术,用以提取复杂故障状态下大型设备主要部件的典型振声信号特征; （3）不但计入结构振声耦合对声场的贡献,还考虑了管道流体振声耦合对混响空间声学量分布的影响,通过声场的分离与重建技术,能够更加精确地从声传感器采集到多个叠加声源信号中识别出主要噪声源,从而解决最难处理而又普遍存在的低频噪声问题。 相关科技成果在国内外高水平学术刊物发表论文35篇（EI收录23篇）,出版专著1部,授权发明专利、实用新型各1项,计算机软件著作权1项,完成企业委托项目21项。该技术已在石油化工、冶金、新能源、制药、建筑等行业推广应用,主要应用有： （1）为沈阳华创风能有限公司监测黑龙江风场、内蒙古风场,节约风力发电机组维护费用4000万元,安装有自主知识产权的监测系统100套; （2）对本溪钢铁主要生产设备进行故障识别,减少停机损失8000万元; （3）科研团队创办的沈阳诺艾思科技有限公司完成各类大型生产车间和民用建筑设备机房的减振降噪项目总额达1000多万元; （4）为沈阳市环境监测局解决了噪声投诉难题,带来重大的社会效益; （5）为企业的产品降低了噪声,提高了产品的竞争力,新增销售收入达2080万元。 经应用证明,比传统监测技术相比较,采用该技术有效提高了振声耦合信号的分离精度,提高了早期故障识别灵敏度和区分度,因此早期故障的预测误差率大为降低。同时,对于200-400Hz 低频区和400Hz 以上频带的振声耦合场计算精度分别提高了1%和5%,为制定振动噪声治理措施提供可靠数据。该技术经鉴定已达到国际先进水平,有助于建立具有自适应性的数字化的信息平台,通过促进信息技术与制造业深度融合,提升制造业的智能化故障诊断水平,从而替代低效能的设备监测方式,提高产品舒适性、安全性等附加值,符合我国节能减排、保护环境的可持续发展战略,也在改善人们的居住和工作环境方面显示了良好的环保效益。