张 云，毛 达

(武汉理工大学 机电工程学院，湖北 武汉 430070)

回转窑是一种在水泥、冶金、化工等领域应用广泛的大型设备，其主要由筒体、大齿圈、托轮、轮带等组成。由于窑受温度变化、物料旋转、不当操作等因素的影响，窑筒体会出现不同类型的故障,这些故障会在其支撑托轮上有所反映，导致托轮受载异常，甚至导致轴瓦异常发热，引发窑的停产事故。因此，通过对托轮位移信号监测，及早发现回转窑故障，对保证设备安全具有重要意义。

目前回转窑故障识别最新研究主要包括：张云[1]，Zheng K[2]建立托轮的振动模型，解释其内在振动机理，并通过实验指出筒体谐波(kiln harmonic, KH)与托轮谐波(roller harmonic, RH)是反映筒体弯曲与托轮受力状况的主要成分。秦岭[3]、胡昭中[4]、卢振东[5]以及胡航宇[6]分别采用了双树复小波变换(dual-tree complex wavelet transform, DTCWT)、完全集合经验模态分解(complementary ensemble empirical mode decomposition， CEEMD)、变分模态分解(variational mode decomposition, VMD)、经验小波变换(empiricsal wavelet transform, EWT)用于提取托轮位移信号的特征谐波，并取得一定进展。但是上述4种方法均存在一定不足：DTCWT算法滤波器构造困难。CEEMD本质上是一种噪声辅助算法，对第一类模态混叠有一定抑制作用，但其噪声幅值系数与集总次数设置困难，文献[4]以原始信号与重构信号的相关系数、均方差和信噪比作为分解评价指标的方法并不具有普适性。此外，当托轮位移信号成分中包含筒体二倍频时，托轮转率与筒体二倍频之间的频率比约在1.5左右，采用CEEMD算法处理托轮信号会出现第二类模态混叠问题，使该方法失效。VMD算法模态个数与惩罚函数两个参数设置困难，文献[5]采用的以能量差与正交性指标的参数优化方法只对特定托轮信号有用，且该方法参数优化计算时间过长，不适合回转窑实时监测场合。……