全息谱技术研究现状

苏州微著诊断

大机组常用的状态监测与故障诊断方法仍然是传统的谱分析方法，基于傅里叶变换的经典信号处理方法在旋转机械状态监测和故障诊断中的地位不可撼动。但是也存在一些不足：分析过程将信号的幅值谱和相位谱分离，而相位谱信息由于误差较大往往被忽略[8]；传统的谱分析方法孤立的分析一个支承截面中转子在垂直和水平两个方向的振动，不能完整的得到转子在一个支撑截面内的振动情况。全息谱技术的提出为解决上述问题提供了新的解决思路。
20世纪80年代，全息谱技术由西安交通大学机械诊断与控制学研究所首次提出[9]，经过不断的理论完善和生产实践[10]，这项技术逐渐成为大机组状态监测与故障诊断的有效手段[11]。随着全息谱技术在电力、石化等行业的广泛应用，全息谱技术在以下三方面得到了进一步的发展与完善。
在频谱校正方法上不断完善。准确的频率、幅值、相位信息是构成全息谱的关键，但是经快速傅里叶变换得到的离散频谱误差较大，专家学者致力于离散频谱校正方法研究。比例内插法、相位差校正法、能量重心校正法是几种比较常用的方法。Renders、Schoakens和Grankle提出的比例内插法[12]是工程实践中最为常用的一种校正方法。钟舜聪[13]从理论上优化离散频谱相位差校正方法，推导出理论上不依赖窗函数的通用方法。丁康等人[14]提出离散频谱能量重心法频率校正改进方法，实现在高斯白噪声背景下对离散频谱进行校正。黄翔东等人[15]深入研究密集谱识别与校正，提出了全相位FFT密集谱识别与校正方法。
全息谱在工程实践中的应用不断拓展。在旋转机械平稳运行状态下，全息谱技术融合测振截面的频率、幅值、相位信息，识别不同的转子故障类型。可识别转频故障，如失衡、支撑刚性不足、转子弯曲等故障；也可识别高倍频故障，如测量面缺陷、转子横向裂纹、转子不对中等故障；也可识别分倍频故障，如喘振、管道激励、油膜涡动等故障。对于机组的启停车过程，以全息谱为基础构造的全息瀑布图，可以更直观地显示机组的暂态运行过程。全息动平衡技术[16]将全息谱与动平衡技术结合，为解决现场动平衡提供了新方案。乔俊伟等人[17]将二维全息谱、郝文荣等人[18]将三维全息谱应用到现场机组设备的振动分析中，取得了良好效果。
基于全息谱技术研发出了众多状态监测与故障诊断系统。为了将先进的故障诊断技术更好地应用到工程实践中，众多研究机构相继开发出了状态监测与故障诊断系统。西安交通大学智能仪器与监测诊断研究所研制开发出Rotview系统，该系统以全息谱技术为核心，专注于回转机械的状态监测与故障诊断。哈尔滨工业大学研制开发出ETHYLENE系统、北京东方振动和噪声技术研究所开发出DASP-RMA 测量分析系统。这些诊断系统的发展为企业带来了良好的经济效益。但是，数据格式统一是目前发展的关键问题，完善数据通讯标准、实现资源共享对于我国机械故障诊断技术的发展意义重大。
全息谱技术未来的发展趋势主要集中于以下几方面：一方面，与其他信号处理方法相融合，结合EMD方法、贝叶斯诊断方法等信号处理方法，扩宽全息谱技术的适用范围；一方面，在充分利用设备横向振动信息的基础上，综合设备的扭转振动信息，以及其他的辅助诊断信息，使诊断结果更加完备、准确；另一方面，基于全息谱技术研发的监测诊断系统，要求人员具备一定的专业知识和经验，需要在理论和智能诊断方面进一步完善和升级。
全息谱技术在旋转设备状态监测与故障诊断中发挥着越来越重要的作用，但是，全息谱是一种在频域中进行信息融合的方法，依赖傅里叶变换实现频域转换，主要针对平稳信号。大型旋转设备的故障信号复杂，有些故障具有非线性特征，全息谱对于非线性故障特征提取效果不佳。