您現(xiàn)在的位置:首頁找資料 > 好文下載 >
一文了解設備異音從人工判斷到智能診斷
又名:設備異響如何判斷、有標準嗎?
 
答疑撰文者:蔣良君 成都華標企管

摘要:本文分享了有關設備異音如何判斷及建立判斷標準的方法,并介紹了從人工聽音、借助超聲波等器具聽音,到人工智能聽音辨故障。
 
答疑背景:
1.我看了Q群友2022/8/9的提問——江蘇中鱸科技-汪:“設備異響如何判定,有沒有什么標準?”
2.首先,汪工能提出這個看似簡單而又不簡單的問題,說明他對設備“聽音辨病”進行了深入思考。
3.汪工提的這個問題,看起來說簡單也簡單,說復雜也復雜。說簡單呢,只要與設備正常的聲音對比有異常的,就是異響。說復雜呢,聽音辨病因人而異,這與聽音者積累的聽音經驗有關。
4.雖然看起來簡單,但目前有建立企業(yè)自己的設備聲學數(shù)據(jù)庫的,估計鳳毛麟角。當然,目前專業(yè)從事設備噪聲人工智能“聽音辨病”的科技公司,有建立自己的設備聲學數(shù)據(jù)庫,有開發(fā)自己的音頻采集儀和分析診斷系統(tǒng),通過設備聲音作為缺陷診斷的手段之一,目前國內對工業(yè)領域設備聽音辨病做的專業(yè)的科技公司也是鳳毛麟角。
5.對于企業(yè)而言,是否有簡單有效的方法建立對設備聽音辨病的判斷標準呢?以及目前從用耳朵聽、借助聽音器具到人工智能“聽音辨病”的發(fā)展如何,筆者就此談談個人看法,希望對企業(yè)設備人有所啟發(fā)。
注:Q群“中國設備管理”,Q群號:283752911  
 
一、 設備異響如何判定
1.1異響,與正常聲音相比,不正常響聲就是異響。不同設備的異響/異音也是不同的,就像我們每個人說話聲音都有各自的聲音特征,設備也一樣。我們先了解下“異響”的定義/含義。
——異響作為一種非穩(wěn)態(tài)信號,沒有明確的學術定義,它不像我們通常所說的振動和噪聲在學術上有明確的定義和理論基礎,所以只能寬泛地統(tǒng)稱為它是一種讓人很煩惱的機械噪音。
——在物理學上,噪聲指一切不規(guī)則的信號(不一定要是聲音),比如電磁噪聲,熱噪聲,無線電傳輸時的噪聲,激光器噪聲,光纖通信噪聲,照相機拍攝圖片時畫面的噪聲等。
1.2對聲音異常的判斷,多數(shù)設備的異音,只要環(huán)境噪聲不是非常嘈雜,經常在現(xiàn)場接觸設備的人都能聽出來。
1.3常用的異音判斷方式:
隨著科技的發(fā)展,對設備噪聲、異響的檢測、監(jiān)測手段也逐漸豐富,從耳朵聽,到借助便攜式聽音器具,再到人工智能“聽音辨病”,如圖:

下面介紹四種常用的設備異響判斷/診斷方式:
 
1.3.1耳聽法
1)巡檢人員應熟悉掌握設備的聲音特點,當設備出現(xiàn)缺陷或故障時,可能會出現(xiàn)異音,
可以通過正常時和異常時的音律、音量的變化來判斷設備故障的發(fā)生部位和性質。如:疏水閥的開閉聲、軸承的摩擦聲、齒輪摩擦聲、消音器嘯叫、壓縮機的運動部件異音或氣缸內出現(xiàn)異音。電磁閥異音、接觸器異音、變壓器異音等。根據(jù)巡檢需要,可配置工業(yè)聽診器、聽音棒、電子聽診器。
2)通常, 耳聽法適合具有較多經驗的人員可以利用設備運行聲音以及產生振動就可進行設備是否存在缺陷進行判斷。耳聽法的描述,文字不如音視頻音視頻不如到現(xiàn)場仔細感知聽、看。文字異音判斷描述如:
例1:電機持續(xù)嚓嚓聲,轉子與定子碰擦。轉速變慢嗡嗡聲,線圈碰殼相接地。轉速變慢吭吭聲,線圈斷線缺一相。軸承噓噓聲潤滑干涸。軸承咯咯聲軸承已損壞。
例2:電力變壓器異常聲響的判斷
運行正常變壓器,清晰均勻嗡嗡響。配變聲響有異常,判斷故障點原因。嗡嗡聲大音調高,過載或是過電壓。
間歇猛烈咯咯聲,單相負載急劇增。叮叮當當錘擊聲,穿心螺桿已松動。噼噼啪啪拍掌聲,鐵心接地線開斷。
間歇發(fā)出哧哧聲,鐵心接地不良癥。繞組短路較輕微,發(fā)出陣陣噼啪聲。繞組短路較嚴重,發(fā)出巨大轟鳴聲。
高壓套管有裂痕,發(fā)出高頻嘶嘶聲。高壓引線殼閃絡,噼噼啪啪炸裂聲。低壓相線有接地,老遠聽到轟轟響。
跌落開關分接頭,接觸不良吱吱響。
 
以上判斷,若只看文字理解,其實很難掌握,紙上得來終覺淺,絕知此事要躬行。
 
1.3.2超聲儀檢測法
1)我們用耳朵聽不見設備有異音,并不代表設備就是正常的(如圖:檢測儀對故障檢出的靈敏度),用耳朵能聽見異音,通常存在缺陷。

2)我們人的耳朵能聽見的頻率范圍是20Hz到20000Hz,對超過頻率20000Hz的超聲波,我們可以借助便攜超聲波檢測儀來實現(xiàn)。目前常見的有數(shù)字顯示頻率、顯示波紋、聲波成像顯示定位的,可通過聲音、頻率、波形等綜合判斷設備的聲音。常見便攜式檢測儀如:
3)對于軸承檢測,有超聲波檢測(如圖),更多的是測振,便攜式軸承儀比較典型的是沖擊脈沖法測量(如圖)(不限于此),測量后直接顯示診斷結果,如:用紅、黃、綠表示對應的結果。
超聲波檢測:




 
振動檢測:
    目前有的企業(yè)對關鍵設備采用噪聲數(shù)據(jù)采集+專用軟件分析,噪聲分析手段,能反映出設備噪聲的幅值大小和頻帶信息,但是這種方法不能識別定位噪聲源。
 
1.3.3 AI智能聲學故障檢測系統(tǒng)-人工智能聽音辯故障
1)現(xiàn)在國內有個別科技公司利用人工智能識別聲音的技術來檢測故障機器,用機械噪聲識別監(jiān)測作為企業(yè)設備預防性維修的手段之一。人工智能聽音辯病主要應用于智能制造、能源、機械設備、冶金、造紙、軌道交通等行業(yè),在線監(jiān)測設備如通用旋轉往復型設備(如電機、泵、風機、齒輪箱等)、沖壓和剪切設備、高速包裝設備、數(shù)控機床加工中心以及各類非標設備如工程設備、空氣壓縮機等。人工智能聽音辯?。ü收希┑娜齻€層次:
第一層:聲音檢測,根據(jù)機器部件的基本物理建模來預測其何時開始磨損;
第二層:使用深度學習算法和麥克風收集的聲音,來幫助檢測奇怪或異常的噪聲,通過訓練,軟件可以提示機器發(fā)生的一般問題;
第三層:將具體的聲音標記、分類,然后通過深度學習將特定聲音與具體故障聯(lián)系起來。經過對聲音數(shù)據(jù)集學習和訓練后的軟件,在故障發(fā)生前,通常能示警即將發(fā)生的問題。
2)目前國內工業(yè)領域將AI、機器學習與設備噪聲分析相結合的科技公司如:廈門碩橙科技、北京諦聲科技等。例如,碩橙科技的 “機器聽診大師” 系統(tǒng),用戶可將橙盒部署在工業(yè)設備周邊,無需嵌入設備,改變設備原有的構造。當設備運轉時,橙盒會自動收集機器發(fā)出的噪聲,通過前置在橙盒的算法,將噪聲數(shù)據(jù)轉化為基礎特征值,并上傳至云端服務器,再通過 AI 算法進行識別和分析,判斷設備運行的狀況,并將數(shù)據(jù)反饋給終端用戶。
    人工智能可以在收集大量聲音信息后重新定義“噪聲/異音”,從“因人而異”到“因AI恒定”。其AI聽音診斷過程如圖:[設備狀態(tài)監(jiān)測之“聽音辨病”]
  

 
有條件的企業(yè),對關鍵設備可考慮導入AI技術設備噪聲分析故障診斷系統(tǒng),當系統(tǒng)發(fā)現(xiàn)設備異常聲音可及時預警。
3)目前國內從事AI智能聲學故障檢測的公司,有自己研發(fā)音頻數(shù)據(jù)采集器和分析診斷系統(tǒng),他們也在前進中不但收集企業(yè)大量的設備正常、異常的聲學數(shù)據(jù)。也有的科技公司只研究軸承噪音,開發(fā)了超聲波軸承運行狀態(tài)在線監(jiān)測系統(tǒng),有的公司研究電機噪聲,據(jù)我了解有個研究電機噪聲的公司,收集到了近2TB的聲學數(shù)據(jù),約達16,000個聲音片段。
4)提示:
1.不同設備運行過程中發(fā)出的噪聲并不相同,如何對不同類型的聲音進行區(qū)分(特別是一個區(qū)域多臺設備,如:造紙機、軋鋼線、成排真空泵),并標識出異常零部件,成為其中最困難的部分,這也是目前噪音診斷科技公司的技術難點。
2.每種檢測方法均有其適用性與局限性,各種方法對缺陷的檢測概率不會是100%,也不會完全相同。在檢測或監(jiān)測設備噪聲的同時,對關鍵及重要設備,還需測振、測溫、測電流信號等,通常會根據(jù)需要采用兩種或以上檢測手段。例如:對電機狀態(tài)監(jiān)測與故障診斷的有效性而言,筆者認為噪聲監(jiān)測發(fā)現(xiàn)缺陷不如靜態(tài)電路分析(MCA) 、 動態(tài)電信號分析(ESA)、諧波診斷分析(HDS)有效,噪聲監(jiān)測,需根據(jù)具體設備而定。
 
二、如何建立判斷標準
    對企業(yè)而言,建立設備異響判斷標準,可采用“直觀判斷法”或“音頻頻譜分析法”,建立企業(yè)自己的“設備聲數(shù)據(jù)庫”,用于員工培訓和設備噪聲故障判斷。
2.1. 直觀判斷法
直觀判斷法是最簡單實用的方法,就是通過用手機或相機,在距離設備安全距離的地方,以視頻方式拍攝正常的、存在異音的,作為“聽音辨病”的視頻教材。具體做法:
2.1.1通知所有的操作崗、設備人員,若發(fā)現(xiàn)設備異常聲音,可使用手機、相機拍攝視頻,一經采用的按公司合理化建議獎勵,對發(fā)現(xiàn)重大隱患的另外按公司規(guī)定獎勵,這樣一舉兩得,即可調動現(xiàn)場人員參與,又增加了采集設備異響的機會。對于負責企業(yè)設備“設備聲學數(shù)據(jù)庫”的,到現(xiàn)場巡檢或接到通知后,應到現(xiàn)場再次采集、核對異常音視頻。提示:拍攝視頻后,可根據(jù)需要將音頻從視頻中分離出來,利用音頻分析軟件做分析)。
 
2.2.2將采集到的音視頻,導入電腦。
2.2.3建立電子文件夾。將設備按不同類別建立文件夾,每類設備的文件類再分正常音視頻、異常音視頻。將每個視頻的文檔名稱規(guī)范注明,方便以后查閱。
2.2.4視頻文檔命名。例如:設備名稱位號-采集點單位簡稱-采集時間-音頻分類(正常、異常)。
2.2.4建立好的視頻庫,可以直接作為視頻播放,作為員工巡檢的培訓教材之一,非常直觀。
 
2.2音頻頻譜分析法
    在常見的工業(yè)場景中,工業(yè)設備運行時會發(fā)出各式各樣的聲音,如果從設備物理本質出發(fā),工業(yè)設備所發(fā)出的聲音可分為兩種:一是機械摩擦所產生的諧波噪聲;二是機械碰撞產生的沖擊噪聲。工業(yè)設備正常運行時,兩種聲音呈現(xiàn)出相互疊加、且保持平衡的狀態(tài);當噪音分量比例出現(xiàn)異常時,可以作為設備故障的標志。可以將音頻通過“快速傅里葉變換”(FFT),將一個信號轉化為頻譜分量,可看到該信號的頻率信息,用于對機械或某個系統(tǒng)進行缺陷分析。
    例如:下圖是一個電動螺絲刀的聲學測量結果。測得結果減去參考頻譜得到偏差,再將該差值與預設的上下限對比,就可判斷是否有缺陷。
音頻頻譜分析法雖然很多,企業(yè)可采用以下兩種:
2.2.1噪音振動診斷系統(tǒng)
1)若你企業(yè)目前有
振動和噪聲信號雙通道測試數(shù)據(jù)采集儀,同時采樣和配套的噪聲振動分析軟件,則可直接使用,通過不斷收集、總結提煉,就可形成你企業(yè)自己的“設備聲學故障診斷指南”,而且你還可同時將振動頻譜與噪聲的頻譜對應放在指南內。
例如:大連理工大學機械學院振動工程研究所的王睿等,在《基于相干分析的離心式壓縮機噪聲源識別》中寫到:
    對離心式壓縮機的振動信號頻率與噪聲信號頻率成分進行對比分析,分析較為相似, 頻域分布具有很強的相關性, 且造成振動和噪聲最大的主要頻率(fs ) 基本一致。通過振動和噪聲的相干分析圖分析可知, 造成振動和噪聲最大的主要頻率的相干性達到 88%。 依此可知, 振動和噪聲頻率特性具有很強的相關性。 找到相干性最好的點, 結合壓縮機的內部結構分析, 就可找到壓縮機組頻率fs 的噪聲源位置。如圖:
 
 
 
2.2.2音頻頻譜分析
1)需要購買基于 PC 的音頻采集儀和聲學分析儀,如:基于 PC 的示波器、頻譜分析儀、信號發(fā)生器、邏輯分析儀、數(shù)據(jù)采集,基于PC的噪聲和振動測量系統(tǒng)。
2)適用于 Windows 的音頻頻譜分析儀軟件(有的免費有的付費),如:
1. Friture
2. Visual Analyzer
3. Oscilloscope
4. TrueRTA
5. AudioTool
6. Zelscope
7. Spectrum Analyzer Pro
8. Virtins Spectrum Analyzer
3)你有了音頻采集和音頻頻譜分析軟件,就可抽時間對采集的音頻進行分析研究,比對正常、異常的音頻頻譜,逐步從中找出規(guī)律,看多少Hz頻段對應的噪聲峰值是多少,噪聲實時頻譜波動情況如何,必要時可結合測振頻頻對比判斷,當你采集的數(shù)據(jù)足夠多了,研究多了,你就可以掌握自己企業(yè)的設備音頻頻譜分析指南,形成自己企業(yè)的設備“聽音辨病”。在這方面,企業(yè)內也有個別工程師在探索和研究設備噪聲與故障定位,從“以音辨病”到“以音定位”。
    例如:《雙缸壓縮機異常噪聲診斷及控制》(張榮婷)-異常噪聲產生原因分析
在空調系統(tǒng)中測試出現(xiàn)異常聽感時, 1000 Hz頻段以 內多個噪聲峰值明 顯增加, 尤其是700~800 Hz頻 段噪 聲整 體偏 高。 出 現(xiàn)異常 噪聲 時,700~800 Hz頻段噪聲實時頻譜波動較大。 對比異常壓縮機與正常壓縮機噪聲頻譜, 異常壓縮機在1000 Hz以內頻段噪聲整體偏高, 與系統(tǒng)出現(xiàn)異常聽感時噪聲頻譜特性一致, 如圖1所示。振動測試發(fā)現(xiàn)該壓縮機泵體部位的軸向振動存在明顯異常, 振動有效值是正常壓縮機的3倍左右。 圖2為存在異常噪聲的壓縮機的聲功率頻譜與泵體部位各方向振動頻譜的對應關系。 1000 Hz頻段內, 泵體軸向振動頻譜與噪聲頻譜趨勢基本一致, 可確定該異常噪聲與泵體軸向振動異常有直接關系。 根據(jù)壓縮機單機結構振動噪聲特性, 可以推斷是壓縮機曲軸發(fā)生了間歇性軸向竄動, 導致不連續(xù)異常噪聲的產生。

 
    針對雙缸壓縮機在高頻運行時出現(xiàn)的不連續(xù)異常聲,結合噪聲和振動識別技術,確定產生原因為在某些工況下, 由于曲軸轉子系統(tǒng)受到的軸向合力存在向上的可能性,從而產生軸向竄動導致異常噪聲。對軸向竄動產生機理、 影響因素和改善措施進行了討論, 針對該機型的具體問題, 采用增大定轉子高度差來增大方向向下的軸向磁拉力, 從而使軸向合力在任何工況下能保證向下, 有效的解決了該異常噪聲。
 
三、小結

    以上,對設備聽音辨病,從用耳朵聽到人工智能聽音診斷故障等,作了簡要介紹。對于企業(yè)設備“聽音辨病”,立即可著手做的是“直觀判斷法”,略有條件的可采用“音頻頻譜分析法”,建立企業(yè)自己的“設備聲學數(shù)據(jù)庫”,用于員工培訓和設備噪聲故障判斷,你點檢標準中的“異音/異響”,就有了具體可行的、直觀的視聽教材。比較有條件的,可采用國內科技公司的AI智能聲學故障檢測系統(tǒng)。
    對設備聽音辨病不難,但聽音定位比較難、辨原因則更難,千里之行始于足下,只要你去探索去研究,距離你期望的目的就越來越近。達到目的的途徑很多,只要你想做,就一定會有成果,事在人為。
希望本答疑短文,對你有關設備異音從人工判斷到智能診斷,有所啟發(fā)和參考。

【關聯(lián)好文】:
《談談當前企業(yè)設備智能維護》
《寶鋼設備管理智能運維的探索和實踐介紹》
云南銅業(yè)2024 年冶煉板塊設備管理專題培訓》——課件《設備智能運維管理》
一、概述——了解設備智能運維的概念
二、現(xiàn)況——了解國內設備智能運維的現(xiàn)況
三、標準——了解設備數(shù)字化、智能化管理的主要國標、行標
四、核心——設備智能運維的核心:平臺、專家系統(tǒng)、標準化體系。
五、技術——智能運維的主要關鍵技術
六、人才——智能運維的人才需求與培養(yǎng)
七、案例——智能運維的實踐應用案例(鋼鐵/冶煉、地鐵、石油化工等)

《第十一部分:智能運維術語》
 


? 如果本文對您有幫助,請分享給您的朋友!  

  【提示】:

1.不斷更新的好資料答疑集錦在 www.gd919.cn  “找資料”欄目公布。
2.QQ群:群友2000人,專業(yè)高質、答疑解惑、互動交流,Q群名:中國設備管理, Q群號: 283752911
主要交流:設備管理體系標準、ISO55001資產管理、設備完整性管理、6S管理、目視管理、安全管理、企業(yè)管理等,純廣告者禁入!
3.加"中國設備管理" Q群,總有一個人知道你問題的答案!
4.優(yōu)秀留言有機會錄入“找資料”欄目答疑集錦,并歡迎大家來稿分享



關于我們 | 聯(lián)系我們

版權所有:成都華標企業(yè)管理咨詢有限公司
備案號:
蜀ICP備12004850號 技術支持:成都頂呱呱