CN108760294B - 旋转机械设备自动诊断***及方法 - Google Patents
旋转机械设备自动诊断***及方法 Download PDFInfo
- Publication number
- CN108760294B CN108760294B CN201810607021.8A CN201810607021A CN108760294B CN 108760294 B CN108760294 B CN 108760294B CN 201810607021 A CN201810607021 A CN 201810607021A CN 108760294 B CN108760294 B CN 108760294B
- Authority
- CN
- China
- Prior art keywords
- vibration
- analysis
- frequency
- sensor
- mechanical equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及机械设备诊断技术领域,尤其涉及一种旋转机械设备自动诊断***及方法。本发明具有成本低、稳定性好,安装使用方便、便于维护和精度高等优点,其能够在不同转速工况下实现旋转机械设备健康状态的自动诊断,同时诊断出具体的故障模式,有针对性的排查故障;其能够以更高精度展示设备动态信号中包含的时频联合域内的设备状态特征,使得诊断技术容易操作;旋转机械设备自动诊断***及方法还具有远程监控旋转机械设备运行的能力,显著地减少检查费用并提高检查频率性。
Description
技术领域
本发明涉及机械设备诊断技术领域,尤其涉及一种旋转机械设备自动诊断***及方法。
背景技术
高端精密旋转机械设备核心部件(例如风力发电机传动***、高速动车组的轴箱装置)在转速和负荷等剧烈波动下,极易出现故障,且故障对设备的危害相比定速或缓变情形更加严重。现有的常规非平稳机械设备健康监测主要是依靠键相阶次分析技术,键相阶次分析技术首先是用键相硬件装置测量设备转速,进而利用转速信息对采集的振动或声学信号进行阶次分析以识别故障特征。利用键相硬件装置测量设备转速会大大增大设备成本,并且测量对象和结果精度会受到限制。
发明内容
本发明要解决的技术问题是提供一种稳定性好、便于维护和精度高的旋转机械设备自动诊断***及方法。
为了解决上述技术问题,本发明解决其技术问题所采用的技术方案是:
一种旋转机械设备自动诊断***,包括传感器模块、信号采集模块以及信号处理模块,所述传感器模块、信号采集模块以及信号处理模块依次连接;
传感器模块,用于获得振动或声学信号,所述传感器模块的输入端与旋转机械设备连接,输出端与信号采集模块连接,所述传感器模块包括至少一个振动加速度传感器或至少一个声学传感器;
信号采集模块,用于对传感器模块获得振动或声学信号转换为数字信号输出,所述信号采集模块输出端与信号处理模块连接;
信号处理模块,用于对所述信号采集模块输出的数字信号得到广义阶次谱,若所述广义阶次谱出现相应的故障特征阶次,则指示故障状况。
优选的,所述振动加速度传感器为内置的压电型振动传感器。
优选的,所述声学传感器为内置的压电型声学传感器。
优选的,所述信号采集模块包括用于信号采集的采集板卡,所述采集板卡至少包括单输入模式和输出模式。
优选的,所述信号处理模块包括计算机以及计算机内的同步挤压时频脊线识别分析程序和广义阶次分析程序。
本发明还包括一种旋转机械设备诊断方法,具体步骤包括如下:
(1)信号采样:通过传感器采集振动或声学信号;
(2)信号初步处理:先对振动或声学信号进行调理,再进行等时采样,将来自传感器的模拟信号转换为数字信号;
(3)信号分析步骤:对所述转换后的振动或声学信号进行同步挤压时频脊线识别分析步骤和广义阶次分析步骤,得到广义阶次谱,从广义阶次谱中可出现采集的振动或声学信号中的故障特征,得出旋转机械设备故障诊断结果。
具体的,所述同步挤压时频脊线识别分析步骤包括:对采集的振动或声学信号进行时频分析,再在时频分析结果的基础上利用同步挤压分析以得到高分辨率的时频表示结果,然后在时频表示结果的基础上利用代价函数形式的脊线识别方法从多个时频点搜索目标转速脊线,并将多个目标转速脊线进行融合以获取准确的转速信息。
具体的,所述广义阶次分析步骤包括:对采集的振动或声学信号进行包络分析,得到包络波形,利用转速信息对振动或声学信号的包络波形逐步进行广义解调分析以得到广义阶次谱。
具体的,对旋转机械设备故障特征的理论阶次与广义阶次谱显示的结果进行匹配,以此判断旋转机械设备健康状态,若匹配成功则将匹配结果和诊断结果显示并报警或打印输出结果。
具体的,所述信号初步处理包括:先对振动或声学信号进行滤波、放大、整形方式调理,再经过等时采样,将来自传感器的模拟信号转换为具有等时间隔特征的数字信号。
从上述的技术方案可以看出,本发明具有成本低、稳定性好,安装使用方便、便于维护和精度高等优点,其能够在不同转速工况下实现旋转机械设备健康状态的自动诊断,同时诊断出具体的故障模式,有针对性的排查故障;其能够以更高精度展示设备动态信号中包含的时频联合域内的设备状态特征,使得诊断技术容易操作;旋转机械设备自动诊断***及方法还具有远程监控旋转机械设备运行的能力,显著地减少检查费用并提高检查频率性。
附图说明
图1是本发明一种旋转机械设备自动诊断***原理示意图。
图2是本发明的同步挤压时频脊线识别分析流程图。
图3是本发明的广义阶次分析流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参阅图1,一种旋转机械设备自动诊断***,包括传感器模块、信号采集模块以及信号处理模块,所述传感器模块、信号采集模块以及信号处理模块依次连接;
传感器模块,用于获得振动或声学信号,所述传感器模块的输入端与旋转机械设备连接,输出端与信号采集模块连接,所述传感器模块包括至少一个振动加速度传感器或至少一个声学传感器;
所述振动传感器采用螺栓紧固、磁吸或胶水粘贴方式固定于旋转机械设备监测点上来获得振动信号;
所述声学传感器采用将其固定于三脚架云台上,并将三脚架放置于靠近设备传动***侧,以此获得声学信号;
信号采集模块,用于对传感器模块获得振动或声学信号转换为数字信号输出,所述信号采集模块输出端与信号处理模块连接;
信号处理模块,用于对所述信号采集模块输出的数字信号得到广义阶次谱,若所述广义阶次谱出现相应的故障特征阶次,则指示故障状况。
所述振动加速度传感器为内置的压电型振动传感器。
所述声学传感器为内置的压电型声学传感器。
所述信号采集模块包括用于信号采集的采集板卡,所述采集板卡至少包括单输入模式和输出模式。
所述信号处理模块包括计算机以及计算机内的同步挤压时频脊线识别分析程序和广义阶次分析程序。
参阅图2,图3,本发明还包括一种旋转机械设备诊断方法,具体步骤包括如下:
(1)信号采样:通过传感器采集振动或声学信号;
(2)信号初步处理:先对振动或声学信号进行调理,再进行等时采样,将来自传感器的模拟信号转换为数字信号;
(3)信号分析步骤:对所述转换后的振动或声学信号进行同步挤压时频脊线识别分析步骤和广义阶次分析步骤,得到广义阶次谱,从广义阶次谱中可出现采集的振动或声学信号中的故障特征,得出旋转机械设备故障诊断结果。
所述同步挤压时频脊线识别分析步骤包括:对采集的振动或声学信号进行时频分析,再在时频分析结果的基础上利用同步挤压分析以得到高分辨率的时频表示结果,然后在时频表示结果的基础上利用代价函数形式的脊线识别方法从多个时频点搜索目标转速脊线,并将多个目标转速脊线进行融合以获取准确的转速信息。
所述广义阶次分析步骤包括:对采集的振动或声学信号进行包络分析,得到包络波形,利用转速信息对振动或声学信号的包络波形逐步进行广义解调分析以得到广义阶次谱。
对旋转机械设备故障特征的理论阶次与广义阶次谱显示的结果进行匹配,以此判断旋转机械设备健康状态,若匹配成功则将匹配结果和诊断结果显示并报警或打印输出结果。
所述信号初步处理包括:先对振动或声学信号进行滤波、放大、整形方式调理,再经过等时采样,将来自传感器的模拟信号转换为具有等时间隔特征的数字信号。
时频分析步骤更具体的为短时傅里叶变换或小波变换。
所述传感器为至少一个振动传感器或至少一个声学传感器。
信号初步处理步骤中利用用于信号采集的采集板卡,所述采集板卡至少包括单输入模式和输出模式。
信号分析步骤中可采用计算机,所述计算机内安装有同步挤压时频脊线识别分析程序和广义阶次分析程序。
通过对比旋转机械设备故障特征的理论阶次与广义阶次谱显示的结果来判断旋转机械设备健康状态。若旋转机械设备(轴承或齿轮等零部件)出现局部故障,在广义阶次谱中会出现相应的故障特征阶次,分析采集的信号可以及时发现故障并报警,也可经打印机输出结果。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (8)
1.一种旋转机械设备自动诊断***,其特征在于,包括传感器模块、信号采集模块以及信号处理模块,所述传感器模块、信号采集模块以及信号处理模块依次连接;
传感器模块,用于获得振动或声学信号,所述传感器模块的输入端与旋转机械设备连接,输出端与信号采集模块连接,所述传感器模块包括至少一个振动加速度传感器或至少一个声学传感器;
信号采集模块,用于对传感器模块获得振动或声学信号转换为数字信号输出,所述信号采集模块输出端与信号处理模块连接;
信号处理模块,用于对采集的振动或声学信号进行时频分析,再在时频分析结果的基础上利用同步挤压分析以得到高分辨率的时频表示结果,然后在时频表示结果的基础上利用代价函数形式的脊线识别方法从多个时频点搜索目标转速脊线,并将多个目标转速脊线进行融合以获取准确的转速信息;
对所述信号采集模块输出的的数字信号进行包络分析来得到包络波形,利用转速信息对数字信号的包络波形迭代广义解调分析得到广义阶次谱,若所述广义阶次谱出现相应的故障特征阶次,则指示故障状况。
2.如权利要求1所述的旋转机械设备自动诊断***,其特征在于,所述振动加速度传感器为内置的压电型振动传感器。
3.如权利要求1所述的旋转机械设备自动诊断***,其特征在于,所述声学传感器为内置的压电型声学传感器。
4.如权利要求1所述的旋转机械设备自动诊断***,其特征在于,所述信号采集模块包括用于信号采集的采集板卡,所述采集板卡至少包括单输入模式和输出模式。
5.如权利要求1所述的旋转机械设备自动诊断***,其特征在于,所述信号处理模块包括计算机以及计算机内的同步挤压时频脊线识别分析程序和广义阶次分析程序。
6.一种旋转机械设备诊断方法,其特征在于,具体步骤包括如下:
(1)信号采样:通过传感器采集振动或声学信号;
(2)信号初步处理:先对振动或声学信号进行调理,再进行等时采样,将来自传感器的模拟信号转换为数字信号;
(3)信号分析步骤:对所述转换后的振动或声学信号进行同步挤压时频脊线识别分析步骤和广义阶次分析步骤,得到广义阶次谱,从广义阶次谱中可出现采集的振动或声学信号中的故障特征,得出旋转机械设备故障诊断结果;
所述同步挤压时频脊线识别分析步骤包括:对采集的振动或声学信号进行时频分析,再在时频分析结果的基础上利用同步挤压分析以得到高分辨率的时频表示结果,然后在时频表示结果的基础上利用代价函数形式的脊线识别方法从多个时频点搜索目标转速脊线,并将多个目标转速脊线进行融合以获取准确的转速信息;
所述广义阶次分析步骤包括:对采集的振动或声学信号进行包络分析,得到包络波形,利用转速信息对振动或声学信号的包络波形迭代广义解调分析以得到广义阶次谱。
7.如权利要求6所述的旋转机械设备诊断方法,其特征在于,对旋转机械设备故障特征的理论阶次与广义阶次谱显示的结果进行匹配,以此判断旋转机械设备健康状态,若匹配成功则将匹配结果和诊断结果显示并报警或打印输出结果。
8.如权利要求6所述的旋转机械设备诊断方法,其特征在于,所述信号初步处理包括:先对振动或声学信号进行滤波、放大、整形方式调理,再经过等时采样,将来自传感器的模拟信号转换为具有等时间隔特征的数字信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810607021.8A CN108760294B (zh) | 2018-06-13 | 2018-06-13 | 旋转机械设备自动诊断***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810607021.8A CN108760294B (zh) | 2018-06-13 | 2018-06-13 | 旋转机械设备自动诊断***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108760294A CN108760294A (zh) | 2018-11-06 |
CN108760294B true CN108760294B (zh) | 2020-09-29 |
Family
ID=64022447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810607021.8A Active CN108760294B (zh) | 2018-06-13 | 2018-06-13 | 旋转机械设备自动诊断***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108760294B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109278796B (zh) * | 2018-11-16 | 2021-01-26 | 北京主导时代科技有限公司 | 一种车载式车轮不圆度检测*** |
CN110617964A (zh) * | 2019-07-29 | 2019-12-27 | 中国铁道科学研究院集团有限公司城市轨道交通中心 | 用于滚动轴承故障诊断的同步压缩变换阶比分析法 |
CN110617982A (zh) * | 2019-09-19 | 2019-12-27 | 苏州时辰智能机电设备有限公司 | 一种基于声纹信号的旋转机械设备故障识别方法 |
CN113295445A (zh) * | 2021-05-19 | 2021-08-24 | 郑州大学 | 一种旋转机械的振动信号采集及故障实时监测***及方法 |
CN113702036A (zh) * | 2021-08-31 | 2021-11-26 | 江南大学 | 一种变转速工况下减速机振动信号的故障频带识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106769033A (zh) * | 2016-11-30 | 2017-05-31 | 西安交通大学 | 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110122483A (ko) * | 2010-05-04 | 2011-11-10 | 시그널링크 주식회사 | 오더 스펙트럼 분석 기능을 구비한 빌트인 진동모니터 및 이를 이용한 가변회전 기계장치의 결함진단방법 |
CN106556865B (zh) * | 2016-11-25 | 2018-09-07 | 成都理工大学 | 一种串联型地震信号优化时频变换方法 |
CN108154081B (zh) * | 2016-11-30 | 2022-02-25 | 东北林业大学 | 基于瞬时频率稳定度swt物流设备振动信号降噪方法 |
-
2018
- 2018-06-13 CN CN201810607021.8A patent/CN108760294B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106769033A (zh) * | 2016-11-30 | 2017-05-31 | 西安交通大学 | 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 |
Non-Patent Citations (2)
Title |
---|
基于ROSST的列车中粗轨边声学信号校正与诊断研究;熊伟;《振动与冲击》;20170630;第36卷(第6期);第11-16页 * |
时频脊融合方法及时变工况行星齿轮箱故障识别;江星星等;《振动工程学报》;20170228;第30卷(第1期);第127-134页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108760294A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108760294B (zh) | 旋转机械设备自动诊断***及方法 | |
Bechhoefer et al. | Processing for improved spectral analysis | |
CN109186744B (zh) | 汽轮机叶片裂纹评估***及汽轮机叶片裂纹预警方法 | |
CN202083555U (zh) | 汽油发动机故障特征提取及诊断*** | |
CN109883703B (zh) | 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法 | |
CN107655693A (zh) | 一种船舶发动机故障诊断***及方法 | |
JP2012524895A (ja) | 回転部材を含んでいる機械的なアッセンブリにおける構造的な異常の検出方法 | |
CN102840907A (zh) | 早期故障状态下滚动轴承振动信号特征提取和分析方法 | |
Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
CN110095179A (zh) | 一种电机振动检测与诊断方法 | |
CN110595764A (zh) | 一种基于振动特征提取的直升机传动***故障诊断方法 | |
CN105277362A (zh) | 基于编码器多位转角信号的齿轮故障检测方法 | |
CN103116032A (zh) | 用于获取风力发电机组的转速的方法和设备 | |
Wang et al. | A two-stage method using spline-kernelled chirplet transform and angle synchronous averaging to detect faults at variable speed | |
KR20230127337A (ko) | 기계 장치 또는 기계 부품의 이상을 식별하기 위한방법 및 장치 | |
CN112284720B (zh) | 基于声学测试的航空发动机中央传动锥齿轮故障诊断方法 | |
CN111060302A (zh) | 多参数设备状态综合监测诊断装置和诊断方法 | |
CN114689298A (zh) | 采煤机行走部的故障检测方法及装置 | |
CN110118582A (zh) | 一种旋转机械设备故障诊断方法及*** | |
CN104215453B (zh) | 一种一级行星二级平行轴齿轮箱故障检测方法 | |
CN203011692U (zh) | 一种便携式滚动轴承故障诊断器 | |
CN115270896A (zh) | 一种用于识别航空发动机主轴承松动故障的智能诊断方法 | |
CN206095635U (zh) | 一种滚动轴承故障诊断*** | |
CN208752183U (zh) | 一种电动汽车驱动电机多传感器信号同步采集*** | |
CN211178728U (zh) | 信号调理装置、信号感测和调理装置及振动测试*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |