DETECTION OF VIBRATION DISTURBANCES DURING

THE ANALYSIS OF LONG REALISATIONS OF VIBRATION

SIGNALS
Brancevich Peter
Belarusian State University of Informatics and Radioelectronics, Faculty of Computer Systems and
Networks, Minsk, Belarus
Li Yibin
Shandong University, School of Information Science and Engineering, Jinan, P.R.China
email: liyibing@sdu.edu.cn

Creation of systems of proactive technical maintenance of the equipment requires conduction of

a detailed study of changes in vibration condition of technical objects in the course of their use.
Stationary systems of vibration control and monitoring in their work are guided by the standard
criteria and signal about the appearance of emergency dangerous situations or carry out protec-
tion functions. However, the identification of the reasons for changes in technical condition of
the controlled object is not their main function. Modern computer or plug-in systems allow re-
ception of long (tens of seconds, minutes, hours, days) realizations of vibration signals which
reflect vibration condition of the tested mechanism in various regimes without interruption. The
visual analysis of a number of such vibration signals showed the existence of rare vibration
eruptions and disturbances which are almost unidentified through the vibration signal parame-
ters and spectral analysis. The method of processing of vibration signals is presented, based on
their decomposition into periodic and noise-type components and wavelet analysis which fo-
cuses on detection of rarely created vibration eruptions and disturbances. These vibration
anomalies indicate the origin of defects and their study is directed on the perfection of the
means of technical diagnostics of mechanisms according to the vibration parameters.
Keywords: Vibration splash, detection, periodic, noise-like, component

1. Introduction
Техническое состояние механизмов и агрегатов роторного типа, в основу функционирова-
ния которых положено вращательное движение, характеризуется многими параметрами.
Среди них одними из важнейших являются интенсивность и спектральный состав вибрации.
Причем, при длительном безостановочном функционировании важного технического объек-
та требуется непрерывно контролировать изменение его вибрационных параметров [1-4].
Стандартами определены правила проведения непрерывного контроля и мониторинга
вибрационного состояния сложных и дорогостоящих агрегатов (электрические турбогенера-
торы, газоперекачивающие установки, компрессоры и т.п.) в ходе их эксплуатации [5]. Сис-
темы непрерывного стационарного мониторинга позволяют зафиксировать факт возникнове-
ния аномальной ситуации на контролируемом объекте и оперативно отреагировать на него
стандартным образом или реализовать алгоритмы сигнализации и защиты, учитывающие
индивидуальные особенности контролируемых объектов [6].

1
ICSV25, Hiroshima, 8-12 July 2018

Однако, значительные изменения среднего квадратического значения (RMS) вибрацион-

ного сигнала, амплитуд отдельных, или группы, гармонических составляющих, выявляемые
такими системами, свидетельствуют о существенном развитии определенного типа дефекта.
Если же стоит задача создания системы проактивного технического обслуживания обору-
дования, то возникает потребность тщательного изучения даже незначительных изменений
вибрационного состояния технических объектов на протяжении всего времени их эксплуата-
ции. Представляет интерес обнаружение редких кратковременных изменений структуры
вибрационного сигнала и последующее выявление причинно-следственных связей между их
появлением и развитием дефектов, которые требуют определенного реагирования.
Для этого целесообразно проводить анализ непрерывных вибрационных сигналов, отра-
жающих вибрационное состояние объекта, на протяжении длительных временных интерва-
лов (часы и даже сутки), которые соответствуют некоторому циклу изменения режимов
функционирования оборудования. Такой подход соответствует современной концепции об-
работки информации, называемой «Big Data» [7].

2. Обнаружение вибрационных всплесков

Регистрация длительных, непрерывных во времени, вибрационных сигналов осуществля-
ется современными измерительно-вычислительные комплексами и разнообразными сборщи-
ками данных [6,8,9].
Проводя визуальный и аналитический анализ формы и амплитудных спектров вибрацион-
ных сигналов, полученных при исследовании механизмов роторного типа, можно заметить
следующее. Во многих случаях такие вибрационные сигналы содержат периодическую (или
почти периодическую) компоненту, состоящую из гармоник кратных частоте вращения ро-
тора, и шумоподобную составляющую, а также выявляются редко возникающие вибрацион-
ные всплески-возмущения (figure 1).

Figure 1: Вибрационный сигнал и его амплитудный спектр.

Поэтому, с целью более детально исследования, предлагается представить исходный виб-

росигнал в виде суммы периодической и шумоподобной составляющих [6]:
L
x ( ntd ) = p ( ntd ) + s ( ntd ) = ∑ Am cos [ 2π ⋅ km f o ⋅ ntd − φm ] + s ( ntd ) , (1)
m =1

2 ICSV25, Hiroshima, 8-12 July 2018

ICSV25, Hiroshima, 8-12 July 2018

где p(ntd ) – периодическая составляющая вибрационного сигнала; s(ntd ) – шумоподобная

составляющая вибрационного сигнала; n – номер дискретного отсчета, n =0,1,2, …..; td – ин-
тервал дискретизации; f o – частота вращения ротора или вала привода (оборотная частота);
km – кратность m –ой гармоники, включенной в периодическую составляющую, относитель-
но f o ; Am , f m , φm – амплитуда, частота, начальная фаза m –ой гармоники; f m = km f o ; L – число
гармоник, выбранных для периодической составляющей вибросигнала.
Кратность гармоник, входящих в состав периодической составляющей вибросигнала, оп-
ределяется с учетом параметров подшипников, зубчатых передач, схемы редуктора контро-
лируемого узла и его других конструктивных особенностей и может быть как целочисленной
так и дробной. Если точно известна частота f o , то амплитуда и начальная фаза m –ой гар-
моники легко вычисляются с помощью дискретного преобразования Фурье, причем количе-
ство дискретных точек преобразования выбирается таким, чтобы интервал анализа N mtd был
кратным её периоду (в рамках возможностей дискретизации):
⎛ t ⎞
N m = round ⎜ l m ⎟ , (2)
⎝ td ⎠
где l – число периодов частотной составляющей f m , такое, что N m меньше или равно раз-
меру массива N , который используется для вычисления амплитудного спектра сигнала:
⎛ t ⎞
l = int ⎜ N d ⎟ , (3)
⎝ tm ⎠
где tm – период m –ой гармоники; round – операция округления.
Когда частота f o известна, периодическая составляющая сигнала p(ntd ) вычисляется по
формуле первого слагаемого выражения (1), а шумоподобная составляющая находится как:
s( ntd ) = x (ntd ) − p (ntd ) . (4)

Figure 2: Разложение вибрационного сигнала на периодическую и

шумоподобную компоненты.

ICSV25, Hiroshima, 8-12 July 2018 3

ICSV25, Hiroshima, 8-12 July 2018

На figure 2 представлено разложение изображенного ранее вибрационного сигнала на пе-

риодическую и шумоподобную компоненты.
Однако, на практике точное значение f o известно не всегда. Традиционный спектральный
анализ позволяет точно вычислить параметры первой и других оборотных частотных состав-
ляющих только в том случае, если их частоты кратны фундаментальной частоте спектраль-
ного анализа Δf . При проведении исследований вибрационного состояния реальных объек-
тов такой кратности удается достигнуть далеко не всегда. Следствие этого − размывание ам-
плитуды оборотной частотной составляющей по соседним спектральным линиям и пробле-
мы с определением её частоты. В таких случаях хорошие результаты дает применение спо-
соба вычисления выраженной спектральной составляющей на основе значений соседних
спектральных составляющих.
Допустим, что в анализируемом сигнале присутствует гармоническая составляющая с
частотой f x , такой, что
i ⋅ Δf < f x < (i + 1) ⋅ Δf (5)

и отсутствуют гармонические составляющие с частотами i ⋅ Δf и (i + 1) ⋅ Δf .

После вычисления амплитудного спектра, с применением для выделения интервала анали-
за прямоугольного временного окна длительностью T = 1 Δf , будут получены некоторые
значения амплитуд спектральных составляющих, соответствующих частотам i ⋅ Δf и
(i + 1) ⋅ Δf , обозначим их соответственно Ai и Ai +1 .
Если обозначить
ς = (i + 1) ⋅ Δf − f x , (6)

а Ax − истинное значение амплитуды гармонической составляющей с частотой f x , то тогда,

с учетом того, что представление в частотной области прямоугольного временного окна дли-
тельностью T описывается выражением:
sin(π fT )
X( f ) = , (7)
πf
причем X (0) = T , Ai и Ai +1 можно выразить через Ax с помощью соотношений:

A sin[π ( Δf − ς )T ] Ax
Ai = x ⋅ = ⋅
⎢⎣ (
sin ⎡π 1 − ς ⎤
Δf ⎥⎦); (8)
T π ( Δf − ς ) T π ( Δf − ς )
⎛ πς ⎞
sin ⎜ ⎟
A sin(πς T ) Ax Δf
Ai +1 = x ⋅ = ⋅ ⎝ ⎠. (9)
T πς T πς
Выполнив преобразования над выражениями (8) и (9), определим значение ς .
Δf Ai
ς= = Δf . (10)
A
1 + i +1 Ai + Ai +1
Ai

После этого вычисляется значение частоты f x :

⎛ Ai +1 ⎞
f x = (i + 1) ⋅ Δf − ς = ⎜ i + ⎟ ⋅ Δf , (11)
⎝ Ai + Ai +1 ⎠

4 ICSV25, Hiroshima, 8-12 July 2018

ICSV25, Hiroshima, 8-12 July 2018

и амплитуда гармонической составляющей Ax :

ς
π
Δf
Ax = Ai +1 ⋅ . (12)
⎛ ς ⎞
sin ⎜ π ⎟
⎝ Δf ⎠
Этот способ может быть использован при исследовании вибрационного состояния меха-
низмов с вращательным движением для определения амплитуд и частот спектральных со-
ставляющих вибрации, кратных частоте вращения ротора. Эти спектральные составляющие
являются достаточно выраженными на сплошном спектре, причем высокая точность опреде-
ления их параметров достигается даже в том случае, если их частоты не кратны частотному
разрешению спектрального анализа
После разделения вибрационного сигнала на полигармоническую и шумоподобную со-
ставляющие, анализируются параметры каждой из них. При этом логично предположение,
что изменения параметров периодической составляющей – следствие достаточно существен-
ного изменения технического состояния объекта, а локальные изменения шумоподобной со-
ставляющей – это проявление зарождающихся дефектов.
Обработка большого объема вибрационных сигналов, полученных при исследовании тур-
бин и генераторов, подтверждает гипотезу о том, что на шумоподобной составляющей обна-
руживаются редко возникающие аномальные вибрационные всплески [10]. Иллюстрация
этого − figure 2, здесь хорошо виден вибрационный всплеск.
Для лучшего выделения возмущающих всплесков в ряде случаев целесообразно сначала
выполнить вейвлет-преобразование шумоподобной составляющей [11]. На figure 3 представ-
лены результаты такой обработки шумоподобного сигнала вейвлетом типа «мексиканская
шляпа».

Figure 3: Вейвлет обработка шумоподобной компоненты.

ICSV25, Hiroshima, 8-12 July 2018 5

ICSV25, Hiroshima, 8-12 July 2018

3. Обработка вибросигналов с изменяющейся основной частотой

К данному способу обработки вибрационных сигналов приходится прибегать в тех случа-
ях, когда требуется разделить исследуемый сигнал на компоненты (1), но сигнал зарегистри-
рован при изменяющейся во времени частоте вращения ротора контролируемого объекта.
При этом, диапазон изменения частоты вращения (оборотной частоты) как правило известен.
Предлагается следующий способ обработки вибрационного сигнала.
1. Для исследования выбирается отрезок временной реализации ( L =4096, 8192, 16384,
32768 дискретных точек, чем выше скорость изменения частоты, тем меньше берется точек).
2. В начале отрезка исследуемой временной реализации на более коротком интервале, в
N = 1024 или 2048 дискретных точек выполняется быстрое преобразование Фурье (FFT) и
вычисляется амплитудный спектр.
3. Анализируется амплитудный спектр в под-диапазоне допустимого изменения оборот-
ной частоты и в 5-7 под-диапазонах, значения границ которых имеют соответствующую
кратность по отношению к границам изменения оборотной частоты.
4. Выбирается гармоника в одном из этих под-диапазонов (желательно в первом), макси-
мальная по амплитуде, и определяется кратность этого под-диапазона по отношению к под-
диапазону оборотной частоты.
5. Применяются формулы (11)-(12) и определяются параметры выбранной гармоники − её
частота f x и амплитуда Ax .
6. Если была выбрана гармоника из первого под-диапазона, то её частота принимается за
начальную f beg = f x для исследуемого отрезка временной реализации размера L . В против-
ном случае f beg = f x j , где j − кратность под-диапазона, в котором определялась частота
f x , под-диапазону оборотной частоты ( в общем случае это действительное число).
7. В конце отрезка исследуемой временной реализации на отрезке в 1024 или 2048 отсче-
тов выполняются описанные выше действия (пункты 2-6) и находится конечная оборотная
частота f end .
8. Вычисляются амплитуды квазигармонических составляющих сигнала с изменяющими-
ся частотами:
2 L−1 ⎛ 2π ⋅ zk ( m + n ⋅ Δm ) ⋅ n ⎞
Ck * = ∑
L n =0
x (n ) ⋅ cos ⎜
L
⎟. (13)
⎝ ⎠

2 L −1 ⎛ 2π ⋅ zk ( m + n ⋅ Δm ) ⋅ n ⎞
Sk * = ∑
L n =0
x ( n ) ⋅ sin ⎜
L
⎟. (14)
⎝ ⎠
где zk − кратность k -ой квазигармонической составляющей, в простейшем случае это цело-
численные значения, но могут быть и действительные значения; k = 1 ÷ K − номер гармони-
ки, входящей в состав квазипериодической составляющей.
1 f f N m − mend
ΔF = ; mbeg = beg ; mend = end ; m = mbeg − Δm ; Δm = beg . (15)
tS L ΔF ΔF 2 L−N

где ΔF − частотное разрешение при анализе на длинной временной реализации; mbeg ,

mend , m - действительные числа; tS − интервал дискретизации, заданный при вводе вибраци-
онного сигнала; K − количество гармоник кратных ведущей частоте, которые используются
для определения квазипериодической составляющей вибрационного сигнала.
9. Вычисляется квазипериодическая составляющая вибрационного сигнала:

6 ICSV25, Hiroshima, 8-12 July 2018

ICSV25, Hiroshima, 8-12 July 2018

⎛ ⎛ 2π zk ( m + n ⋅ Δm ) n ⎞ ⎛ 2π zk ( m + n ⋅ Δm ) n ⎞ ⎞
p* ( n ) = ∑ ⎜C k* cos ⎜
L
⎟ + Sk * sin ⎜
L
⎟⎟ , (16)
k =1÷ K ⎝ ⎝ ⎠ ⎝ ⎠⎠
где n – номер дискретного отсчета, n =0,1,2, ….., L − 1 .

Figure 4: Разложение вибрационного сигнала с изменяющейся оборотной частотой

на периодическую и шумоподобную компоненты.

Figure 5: Амплитудные спектры вибрационного сигнала с изменяющейся оборотной

частотой, его периодической и шумоподобной компонент

ICSV25, Hiroshima, 8-12 July 2018 7

ICSV25, Hiroshima, 8-12 July 2018

10. Шумоподобная составляющая вычисляется как разность между исходным сигналом и

квазипериодической составляющей:
s( n ) = x ( n ) − p* ( n ) . (17)

На figure 4, 5, в качестве примера, изображены исходный вибрационный сигнал, полу-

ченный при контроле вибрационного состояния электродвигателя, при изменении частоты
вращения приводного вала, его квазипериодическая и шумоподобная составляющие, а также
амплитудные спектры этих сигналов.
Данный пример наглядно демонстрирует, что предложенный способ позволяет выделять
из вибрационного сигнала кратные квазигармонические составляющие, определяемые часто-
той вращения ротора исследуемого технического объекта, а на шумоподобной компоненте
выявлять вибрационные возмущения.

REFERENCES
1 Vibrodiagnostics Non-destructuve control. Reference book. Volume 7. Book 2. Vibration diag-
nostics, Mechanical engineering, Moscow, (2005).
2 Barkov, A.V., Azovtsev, A.Y. Monitoring and diagnosis of rotating machines for vibration, St.
Petersburg, Publishing Center SPbSMTU, (2000).
3 Bently, D.E., Hatch, C.T., Grissom, B. Fundamentals of Rotating Machinery Diagnostics, Bently
pressurized bearing company, Canada, (2002).
4 Goldin, A. Rotary machine vibration, Mechanical engineering, Moscow, (1999).
5 ISO 10816. Mechanical vibration. Evolution of machine vibration by measurements on non-rotating
parts. Part 1-5.
6 Brancevich, P., Miao, X., Li, Y. Organization of the vibration-based monitoring and diagnostics system
for complex mechanical system, Proceedings of the 20th International Congress on Sound and Vibra-
tion, Bangkok, Thailand, 7-11 July, (2013).
7 Franks B. Taming the Big Data Tidal Wave. Finding Opportunities in Huge Data Streams with Ad-
vanced Analytics, John Wiley & Sons, (2012).
8 Brancevich, P. J. MCC "Lukoml-2001" for vibration control, Energy end FEK, 12 (69), Belarus, 19-21,
(2008).
9 Brancevich, P. J., Bazarevsky, V. E., Kostsuk, S. F. The use of vibration signals on the expansion and
periodic noise-like components in the investigation of the technical condition of machines with rotary
motion, Mechanics 2011:collection of scientific papers V Belarusian Congress of Theoretical and Ap-
plied Mechanics, Minsk, Belarus, Volume II, 27-31, (2011).
10 Brancevich, P.J., Bazyleu, Y.N. Big data in vibration control monitoring and diagnostics systems.
Nerazrušajuščij Kontrol i Diagnostika : Informacionnyj Bjulleten Belorusskoj Associacii Nerazruša-
juščego Kontrolja i Techničeskoj Diagnostiki, 3, 28-41, (2016).
11 Brancevich, P., Li, Y. Аssessment of mechanism vibration condition based on the intensity of vibration
in the wavelet allocated frequency bands, Proceedings of the 22-nd International Congress on Sound
and Vibration, Florence, Italy, 12-16 July, (2015).

8 ICSV25, Hiroshima, 8-12 July 2018