振动监测知识介绍：尖峰能量分析技术
来源：剑指工控公众号（ID：JST-GK）
编译：丁绍辉
介绍
尖峰能量™（后面简称为SE，也就是Spike Energy的缩写）测量最初是为了检测受损滚动轴承产生的一些冲击信号。
SE用于描述一些很短的脉冲信号，这些脉冲源自于滚动体对一些微小的裂痕和碎屑的冲击，gSE则是对这种特殊能量强度的衡量单位。
这种冲击或脉冲大多情况下是由于滚动轴承的表面缺陷造成的，类似的还有齿轮缺陷、转子碰撞、轴承润滑不良等，金属对金属的碰撞也会产生较大的尖峰能量。同时一些超声波信号，诸如泵的气穴、高压蒸汽或气流、液体的湍流、控制阀门噪音等也可以通过SE表现出来。
SE测量的信号来源于一些高频的加速度传感器，或者捕捉现有加速度传感器的高频信号单独处理。SE测量已成功应用于诸多工业企业机械设备，同时SE图谱也逐渐应用于专业的故障诊断及分析处理的数据依据。
SE测量与传统的振动分析有着根本意义上的区别：
对于传统的振动测量，检测信号在振动传感器的频率响应曲线的线性范围内。
对于SE测量，它所检测的信号通常在工业机械设备上预装传感器的频响范围之外。因此，SE测量要求传感器具备更高的频响范围及更敏感的安装方式。
本文将着重介绍SE的信号处理方式以及它的衰减时间常数等，同时还讲解了一些SE测量的注意事项，包括传感器的安装、数据的整合等。
SE信号处理
图1 SE信号处理流程图
图1描述了SE信号的基本处理流程。首先从高频加速度传感器获得原始振动信号，然后通过6个可选高通滤波器（以100Hz、200Hz、500Hz、1kHz、2kHz、5kHz为例）。然后低通截止频率为65kHz，这个频率点为SE检测范围的上限。之所以要用这么高的高通截止频率，是为了去掉一些机械故障本身造成的振动信号（如不平衡、不对中等）。然后，滤波后的信号将进去峰峰检测器，它不仅容纳峰峰幅值，还要应用一个合适的衰减时间常数，这个衰减时间常数将直接影响到频谱的最大频率。检测器输出的信号为锯齿形信号，然后对这个信号进一步处理得到总值和频谱等适宜分析的数据。
图2 包络（或解调）处理流程图
gSE监测电路中的峰峰检测器是一种特殊的检测方式，相对于其他的包络（或解调）处理方法，它对频率响应更加敏感。图2描述了典型的包络监测处理方式。在包络处理中，振动信号首先通过高通（或带通）滤波器，滤波后的信号为全波或半波整流信号。然后整流信号通过低通滤波器去掉一些调制频率或干扰频率。低通滤波对整流信号有一个平均效应，而且解调后的波形将会是一个很平滑的波形。
相比之下，SE的检测电路通过峰峰检测器保留了故障部分的严重性，通过选择衰减时间常数提高了检测频率及其倍频下信号的基础分析能力。如图3所示。
A 波峰；B 波谷；Tdef 冲击周济
(a) 滤波后的，典型的滚动轴承外滚道磨损造成的冲击信号
C 峰峰值；D 衰减时间常数
(b) SE时域波形
fdef-故障频率，fdef=1/Tdef
(c) SE频谱
图3 SE的峰峰检测器
SE测量中的衰减时间常数是一种测量最大频率方法，对于具备gSE功能的单元或软件，将会自动选择该参数设置。衰减时间常数决定了SE峰峰检测器出来的锯齿状信号的形状。反过来，它也影响了SE的整体幅值以及频谱分量。所以，为了保持数据的一致性，无论是硬件设备还是软件程序，都要保持时间常数的统一。在SE测量中，衰减时间常数越小，测量的频率会越高，因此冲击发生的越快。
SE时域及频域图谱如图4(a)和图4(b)所示。其中(a)是由信号发生器产生的一个100Hz的故障频率信号。SE时域波形显示了一个有规律的脉冲链，以及每个脉冲的指数衰减。在该示例中，衰减时间常数已经选择过了，所以在下一个脉冲之前的衰减几乎为零。(b)则采集了一个机床主轴的信号，其中故障频率为71.9Hz，从时域图中就可以看出，其SE峰峰值大约为3.5gSE。
(a)信号发生器数据
(b)主轴数据
图4 SE时域及频域信号
传感器安装
SE是一种高频测量，它的读数直接受传感器结构和安装条件影响，不同的传感器具备不同的物理结构和固有频率。传感器的安装谐振频率有很宽的范围，通常在10kHz到50kHz，取决于传感器的结构和安装方式。对于加速度、速度和位移测量，它们的振动频率通常在传感器的线性频率范围之内，所以对于不同传感器来讲，测量结果一般是一致且可重复的。但是对于SE测量，它的结果很大程度上取决于传感器的安装谐振频率，大多数工业加速度传感器的安装谐振频率都在SE检测范围内。也正是因为这个原因，不同的传感器得到的gSE值会有很大不同，除非他们具有严格相同的频率响应特征。因此，在做参考分析时，一定要保持用相同的传感器，最好是同一个传感器。
SE测量同样比振动分析时要求更严格的传感器安装方式，因为不同的安装方式会直接影响传感器的安装谐振频率。相比之下，对于SE测量，最好的安装方式为螺钉式安装，因为在此情况下，传感器和被测物体只有一个直接接触面（传感器——机器），如此将会传递更多的高频信号，且保证信号的高度一致性。手持式探针测量将不适用于SE测量，如果需要配合便携式测振分析仪，最好使用磁座安装的方式。
SE测量时，传感器与被测物体的安装接触面一定要保持平整、干净并且无锈无漆，用硅润滑剂或润滑油轻涂接触面将有利于高频信号的传递。
螺钉安装时，安装螺孔要与被测面保持垂直，且螺纹孔要比螺钉略长，以确保传感器表面与被测物体表面紧密接触。传感器连接线缆应当充分拉紧。如果被测物体是可移动的，那么也应当把线缆固定在被测物体上，以避免测量过程中线缆与传感器之间发生相对运动。磁座安装时，要保证磁极端没有凹边、异物或是边缘损坏等异常。总之，优良的接触面保证了测量的精准性。
图5和图6罗列了不同传感器以及不同安装方式下的安装谐振频率，图5中同时显示了两个传感器的频率响应曲线。曲线A和曲线C为Rockwell Automation早期的943加速度传感器，曲线B则为970传感器。其中A和B是螺钉安装，利用振动台施加1g振幅，0-50kHz的扫描频率。由图可知，943传感器的安装谐振频率为22.75kHz；而970传感器则在31.25kHz和32.50kHz分别有两个较小的谐振频率。曲线C和曲线A用的传感器相同，但是曲线C为磁座安装，由图可见磁座安装时，943在传感器分别在12.50kHz和18.00kHz处有两个较小的共振峰值。
图5 加速度传感器频率响应曲线图
图6(a)和图6(b)显示了安装在皮带驱动的主轴振动，采用的是磁座式安装的943传感器。图6(a) 显示了0-60kHz的宽频谱，可以看到在此案例中，实际测量到的频率最高只有45kHz。9.45kHz时达到了最大振幅值，也就是说安装谐振频率点为9.45kHz。对比图5的C曲线可知，由于安装接触面的不同，造成了谐振频率发生了变化。
图6(b)放大显示了图6(a)的图谱，详细描述了30kHz到33kHz区间的谱线，因为由图5的C曲线可知，在此安装条件下，32kHz左右有一个较小的峰值点。这些固有频率将会在轴承磨损等其他故障下产生较强烈的反响。
(a)0-60kHz带宽
(b)放大并定位至30kHz左右
图6 利用943传感器以磁座方式安装在主轴上检测到的加速度谱
正是由于不同的传感器以及不同的安装方式造成的安装谐振频率的变化，冲击本身引起的共振也发生在不同的频率且幅值各不相同，所以造就了SE读取的数值也有很大差别。
实际应用及数据集成
在机械状态监测应用中，SE测量最常用于趋势分析。由于SE分析隶属于高频信号分析，所以它对机械的动态特性、传感器类型、安装条件以及测量区域有着很高的敏感性。为了保证gSE读数的准确性，最好采用相同的传感器、安装条件以及测量区域。
根据机器的动态特性，某些类型的机器基本上用gSE通频值趋势分析就足够了。例如监测无密封泵，在实际使用过程中有两种类型的故障和无密封泵有关。一种是过程处理相关故障，如空转、气穴、流量变化以及内循环；另一种故障为机械故障，如转子碰磨以及推力轴承和轴颈轴承的过度磨损。传统的振动监测并不太容易监测出这些故障，因为在一个无密封泵中，转子相对于其他部分的质量占比相对较小。泵内的流体也经常会产生一些复杂的振动信号，使得实际检测到的振动信息变得更加复杂化、多样化。相比之下，SE却可以很快地发现这些过程处理故障和机械故障。利用趋势对比，将泵的故障与gSE趋势建立关联，便可以实时监测泵的运行状态及机械状态。
大多数情况下，单独用SE测量并不足以准确的判断机械设备故障或损伤，传统的振动分析在做状态监测及故障诊断时依然是主要数据来源。所以在采集gSE数据时，其他的振动数据也应当同时采集，甚至包括转速、流量、压力等其它过程数据。
当gSE值明显变大时，大多数情况下是由于轴承、齿轮等机械部件开始产生损伤，但这并不足以使得机器停机检修，因为其他的工艺参数并没有达到危险的数值。但这个时候一定要开始注意观察振动数据的曲线，如果加速度值已经开始预警，但是速度值尚处于正常状态，那么就要预先安排检修维护了；如果加速度值和速度值均开始预警，那么该机器或机器组成单元已经达到了他的生命尽头。有时，gSE值会突然降低，然后又突然上升，那么这个时候应当立刻停机，因为机械单元已经产生了不可挽回的损坏。
振动分析最常用的就是振动频谱分析，gSE也具备频谱分析。在振动频谱分析中，边频和倍频测量经常应用于叶片通过频率、齿轮啮合以及轴承特征频率分析等。这种情况对于gSE谱分析同样奏效。
在许多情况下，振幅和频率调制通常共存。举例来说，对于一个齿轮，如果它所在的轴发生了轴弯曲，那么频率调制可能发生在齿轮啮合故障上，因为当轴弯曲时，在节圆上测量的齿空间会发生变化，在实践中，得到的边频可能与预期的故障频率对不上。所以此时，利用gSE频谱将会更有利于分析这些故障特征。
作者简介：
丁绍辉：1984年生于河南省平顶山市，2008年毕业于郑州大学计算机专业，同年以状态监测软件研发为起点步入振动监测行业。曾以程序员、数据库设计师、软件设计师、系统解决方案经理等身份供职于振动监测行业。
虽无百年经验于振动监测，但有一腔热血于振动监测；
愿尽余生年华于振动监测，求学无尽知识于振动监测。