CN111366360B - 利用转速信号对行星齿轮箱进行早期故障检测的方法 - Google Patents
利用转速信号对行星齿轮箱进行早期故障检测的方法 Download PDFInfo
- Publication number
- CN111366360B CN111366360B CN202010014424.9A CN202010014424A CN111366360B CN 111366360 B CN111366360 B CN 111366360B CN 202010014424 A CN202010014424 A CN 202010014424A CN 111366360 B CN111366360 B CN 111366360B
- Authority
- CN
- China
- Prior art keywords
- calculating
- signal
- index vector
- planetary gearbox
- fault detection
- 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
- G01M13/021—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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—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)
Abstract
一种利用转速信号对行星齿轮箱进行早期故障检测的方法,包括:步骤S1:在行星齿轮箱外壳安装反射式光学转速传感器,获得反射光强电信号的时间序列信号s;步骤S2:计算行星齿轮箱各旋转件的转速rti;步骤S3:根据各旋转部件的转速rti,确定用于计算各部件特征指标向量Fi的数据段长度Li;步骤S4:基于数据段长度Li,计算原始信号s的均值和均方根值步骤S5:计算所监测旋转部件的特征指标向量Fi;步骤S6:根据健康状态下的原始信号计算特征指标向量Fi的阈值Ti;步骤S7:将得到的特征指标向量Fi与预先设定的阈值Ti进行比较,得到检测结果。本发明具有原理简单、操作简便、稳定可靠、精度高、计算量小、适用范围广等优点。
Description
技术领域
本发明主要涉及到行星齿轮箱传动机构的状态监测与健康管理技术领域,特指一种利用转速信号对行星齿轮箱进行早期故障检测的方法。
背景技术
现有技术中,对于行星齿轮箱的健康监测手段主要是通过在箱体外壳处安装振动传感器和转速传感器实现的,振动传感器用于采集行星齿轮箱体处的振动信号,而转速传感器用于获取输入或输出轴的实时旋转速度,二者相结合可以对振动信号进行时间同步平均、阶比分析等处理方法,以提高关键部件振动信息的信噪比。然后采用各种信号处理方法提取状态特征,利用历史经验数据确定状态特征的阈值,从而实现对行星齿轮箱的状态监测与损伤检测。
通常而言,对行星齿轮箱的传统监测手段主要是基于振动的方法。振动信号的频率成分复杂,噪声干扰严重,简单的统计指标难以获得较高的故障检测准确率和可靠性,但准确率高的方法需要先进的信号处理手段和大量的计算成本,又影响了状态监测的经济性和实时性;此外由于采样频率需要覆盖所有监测的故障特征频率及其谐波频率,因此振动传感器所采集到的原始数据量非常巨大,加之工作环境中存在大量噪声及其他工频干扰,并且转速、扭矩等工况条件的变化,传统在线监测方法具有较高的虚警或误警,影响装备的正常运行。
因此,如何在严重的噪声背景和工况条件变化下,通过更加简便的方法和手段有效、稳定、可靠地检测出行星齿轮箱的微弱损伤,实现实时在线的损伤早期检测,便成为行星齿轮箱实时监测与故障诊断的关键问题之一。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种操作便捷、实时性好、稳定可靠、适用于严重噪声干扰背景下的利用转速信号对行星齿轮箱进行早期故障检测的方法。
为解决上述技术问题,本发明采用以下技术方案:
一种利用转速信号对行星齿轮箱进行早期故障检测的方法,包括:
步骤S1:在行星齿轮箱外壳安装反射式光学转速传感器,获得反射光强电信号的时间序列信号s;
步骤S2:基于反射光强电信号的时间序列信号s计算行星齿轮箱各旋转件的转速rti;
步骤S3:根据各旋转部件的转速rti,确定用于计算各部件特征指标向量Fi的数据段长度Li,使L(s)/5>Li>3/rti,其中L(s)为通过转速传感器获取的原始信号s的数据长度;
步骤S6:根据健康状态下的原始信号计算特征指标向量Fi的阈值Ti;
步骤S7:将得到的特征指标向量Fi与预先设定的阈值Ti进行比较,得到检测结果。
作为本发明方法的进一步改进:所述步骤S2中,各旋转件的转速rti中i=1 指输入轴或太阳轮,i=2指行星轮,i=3指保持架或输出轴,内齿圈固定于齿轮箱基座,转速保持为0rpm。
作为本发明方法的进一步改进:所述步骤S5中,Fi为:
式中,Fi中的特征参数的个数Ni为L(s)/Li。
作为本发明方法的进一步改进:所述步骤S6中,设sh为健康状态下转速传感器的原始信号,Ti=max[Fi(sh)]+Oi,其中Oi为所检测部件的松弛系数,用于确定阈值的安全度和检测能力,根据具体监测对象的实测数据进行设置与调整。
作为本发明方法的进一步改进:所述步骤S7中,如果Fi>Ti,判断行星齿轮箱的特定旋转部件存在早期损伤,否则,判断行星齿轮箱处于健康状态。
与现有技术相比,本发明的优点在于:
1、本发明提出的利用转速信号的统计特征参数对行星齿轮箱进行早期故障检测的方法,原理简单、操作简便,可有效降低环境噪声干扰,提高行星齿轮箱损伤检测的准确率。
2、本发明提出的利用转速信号的统计特征参数对行星齿轮箱进行早期故障检测的方法,充分利用了行星齿轮箱反射式转速传感器中蕴藏的振动信息,具有方法简便、实时性好、运算量小、稳定性和可靠性好的优点。
3、本发明提出的利用转速信号的统计特征参数对行星齿轮箱进行早期故障检测的方法,无需增加额外的硬件***,利用反射式转速传感器的原始信号提取故障特征,通过简单的阈值识别即可有效检测行星齿轮箱的微弱损伤。
4、本发明提出的方法为解决行星齿轮箱状态监测与故障诊断中严重噪声干扰背景下微弱损伤难以检测的关键问题,提供了一种新的更加简便有效、实时性好的技术手段。
附图说明
图1是本发明方法的流程示意图。
图2是本发明在具体应用实例中所使用的行星齿轮箱故障植入试验台。
图3是本发明在具体应用实例试验中的安装情况示意图;其中(a)为所使用的转速传感器安装情况;(b)为所使用的加速度传感器安装情况。
图4是本发明在具体应用实例中所使用的故障植入零件。
图5是本发明对图4所示的齿顶缺齿故障的检测结果图。
图6是本发明对图4所示的齿面点蚀故障的检测结果图。
图7是本发明对图4所示的齿根裂纹故障的检测结果图。
图8是本发明与传统基于振动的方法对图4所示零件进行检测的效果对比示意图;其中(a)为齿顶缺齿故障检测效果对比图;(b)为齿面点蚀故障检测效果对比图;(c)为齿根裂纹故障检测效果对比图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
如图1所示,本发明的利用转速信号对行星齿轮箱进行早期故障检测的方法,其步骤包括:
步骤S1:在行星齿轮箱外壳安装反射式光学转速传感器,获得反射光强电信号的时间序列信号s,既用于测量输入轴的转速信号,也可用于监测输入轴的径向振动信息;
步骤S2:基于反射光强电信号的时间序列信号s计算行星齿轮箱各旋转件的转速rti,其中i=1指输入轴或太阳轮,i=2指行星轮,i=3指保持架或输出轴,内齿圈固定于齿轮箱基座,转速保持为0rpm;
步骤S3:根据各旋转部件的转速rti,确定用于计算各部件特征指标向量Fi的数据段长度Li,使L(s)/5>Li>3/rti,其中L(s)为通过转速传感器获取的原始信号s的数据长度;
式中,Fi中的特征参数的个数Ni为L(s)/Li;
步骤S6:根据健康状态下的原始信号计算特征指标向量Fi的阈值Ti;
在具体应用实例中,计算方法如下:
设sh为健康状态下转速传感器的原始信号,Ti=max[Fi(sh)]+Oi,其中Oi为所检测部件的松弛系数,用于确定阈值的安全度和检测能力,需要根据具体监测对象的实测数据进行设置与调整。
步骤S7:将步骤S5得到的特征指标向量Fi与预先设定的阈值Ti进行比较,如果Fi>Ti,那么可以判断行星齿轮箱的特定旋转部件存在早期损伤,否则,可以判断行星齿轮箱处于健康状态。
通过本发明的上述步骤即可实现行星齿轮箱微弱损伤的早期检测。
本发明特别适用于检测行星齿轮箱中的局部轮齿故障,如齿根疲劳裂纹、齿面点蚀、齿顶缺齿等典型故障模式。局部轮齿故障是行星齿轮***中较常见且难以检测的故障模式,主要发生在行星齿轮箱内部的太阳轮和行星轮处。如果任由其发展,可能引发齿轮的严重故障,进而导致整个***的失效,造成重大经济损失。因此,设法在故障产生初期将其检测出来,对于避免行星齿轮箱的继发性严重故障,保障其健康运行具有重要现实意义。
下面用一个具体应用实例来说明本发明的有效性:
为验证本发明,所采用的试验台为二级行星齿轮箱试验台(图2),驱动电机最大转速为2100rpm,负载电机的最大载荷为412N·m。在试验台驱动电机的输出轴处安装反射式光学转速传感器。为了验证本发明对于传统的基于振动的方法的优越性,在行星齿轮箱顶部和侧面安装加速度传感器,如图3所示。本发明主要针对第一级行星齿轮箱的太阳轮齿根疲劳裂纹、齿面点蚀和齿顶缺齿等三种典型局部故障模式(图4)开展故障植入实验。实验过程中,设置转速和负载工况为1200rpm和100N·m,分别采集了健康和三种不同故障模式运行状态下的电机输出轴转速信号和行星齿轮箱的同步振动信号。振动信号的采样频率为20kHz、采样时间为25s;试验过程中分别采集了80组振动数据,每组数据的点数均为500k。在上述数据的基础上,生成了每组25k点的数据集用于下面的方法验证与数据分析。
根据本发明所提出的损伤检测流程,分别对图4中所植入的各种健康模式的试验数据进行分析,得到的检测结果如图5、图6和图7所示。
从图5、图6和图7可以看出,本发明所提出的损伤检测方法均有效检测出了图4所植入的三种典型早期故障,所有故障植入数据的特征值均显著高于阈值,图中所有特征曲线没有出现交叉与混叠现象。
从以上验证结果中可以看出,尽管零件中植入的损伤比较微小,但仍可以有效识别行星轮系中是否存在早期损伤。
为了验证本方法对于传统的基于振动方法的故障检测优越性,采用三种经典的传统振动基故障特征(有效值、峭度和FM4)对故障植入实验中同步采集的振动信号进行分析,将基于振动信号的故障检测能力与本发明方法进行对比,结果如图8a-8c所示。在对比分析中,以常用的Fisher距离法来评价准确度, Fisher值越大,说明分类距离越大,分类效果越好。
从图8a-8c可以看出,在本案例中,本发明所提出的方法对于三种典型早期故障的检测效果是最好的,显著优于三种传统的基于振动的故障特征指标。
上述行星齿轮箱微弱故障早期检测实例,验证了本发明方法相对于传统基于振动的方法具有更加优良的早期故障检测效果。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (6)
1.一种利用转速信号对行星齿轮箱进行早期故障检测的方法,其特征在于,包括:
步骤S1:在行星齿轮箱外壳安装反射式光学转速传感器,获得反射光强电信号的时间序列的原始信号s(t);
步骤S2:基于反射光强电信号的时间序列的原始信号s(t)计算行星齿轮箱各旋转部件的转速rti,i=1,2,3;其中i=1指输入轴或太阳轮,i=2指行星轮,i=3指保持架或输出轴;
步骤S3:根据各旋转部件的转速rti,确定用于计算各旋转部件特征指标向量Fi(s)的数据段长度Li,使L(s)/5>Li>3/rti,其中L(s)为通过转速传感器获取的原始信号s(t)的数据长度;
步骤S6:根据健康状态下的原始信号s(t)计算特征指标向量Fi(s)的阈值Ti;
步骤S7:将得到的特征指标向量Fi(s)与预先设定的阈值Ti进行比较,得到检测结果。
2.根据权利要求1所述的利用转速信号对行星齿轮箱进行早期故障检测的方法,其特征在于,所述步骤S2中,内齿圈固定于齿轮箱基座,转速保持为0rpm。
5.根据权利要求1-4中任意一项所述的利用转速信号对行星齿轮箱进行早期故障检测的方法,其特征在于,所述步骤S6中,设sh为健康状态下转速传感器的原始信号,Ti=max[Fi(sh)]+Oi,其中Oi为所检测部件的松弛系数,用于确定阈值的安全度和检测能力,根据具体监测对象的实测数据进行设置与调整。
6.根据权利要求1-4中任意一项所述的利用转速信号对行星齿轮箱进行早期故障检测的方法,其特征在于,所述步骤S7中,如果Fi(s)>Ti,判断行星齿轮箱的各旋转部件存在早期损伤,否则,判断行星齿轮箱处于健康状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010014424.9A CN111366360B (zh) | 2020-01-07 | 2020-01-07 | 利用转速信号对行星齿轮箱进行早期故障检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010014424.9A CN111366360B (zh) | 2020-01-07 | 2020-01-07 | 利用转速信号对行星齿轮箱进行早期故障检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111366360A CN111366360A (zh) | 2020-07-03 |
CN111366360B true CN111366360B (zh) | 2022-03-29 |
Family
ID=71207888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010014424.9A Active CN111366360B (zh) | 2020-01-07 | 2020-01-07 | 利用转速信号对行星齿轮箱进行早期故障检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111366360B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011121789A1 (de) * | 2011-12-21 | 2013-06-27 | Sew-Eurodrive Gmbh & Co. Kg | Verfahren zur Bestimmung eines schadhaften Teils in einem Getriebe und Vorrichtung zur Durchführung des Verfahrens |
CN105806613A (zh) * | 2015-11-24 | 2016-07-27 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种基于阶比复杂度的行星齿轮箱故障诊断方法 |
CN106017879A (zh) * | 2016-05-18 | 2016-10-12 | 河北工业大学 | 基于振声信号特征融合的万能式断路器机械故障诊断方法 |
CN107101827A (zh) * | 2017-06-19 | 2017-08-29 | 苏州微著设备诊断技术有限公司 | 一种低速重载齿轮裂纹故障在线检测方法 |
CN108362492A (zh) * | 2018-01-11 | 2018-08-03 | 中国人民解放军国防科技大学 | 一种适用于低转速下行星轮系故障诊断的振动分离方法 |
CN109632295A (zh) * | 2019-01-08 | 2019-04-16 | 中国人民解放军国防科技大学 | 基于连续振动分离和最小熵解卷积的行星轮故障检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015022112A (ja) * | 2013-07-18 | 2015-02-02 | 独立行政法人産業技術総合研究所 | 音声区間検出装置および方法 |
CN103983452B (zh) * | 2014-04-18 | 2016-09-07 | 中国人民解放军国防科学技术大学 | 利用混合域特征向量和灰色关联分析对行星齿轮箱进行故障模式识别的方法 |
CN105606360A (zh) * | 2015-11-24 | 2016-05-25 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于多传感器信息融合的变工况行星齿轮箱故障诊断方法 |
-
2020
- 2020-01-07 CN CN202010014424.9A patent/CN111366360B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011121789A1 (de) * | 2011-12-21 | 2013-06-27 | Sew-Eurodrive Gmbh & Co. Kg | Verfahren zur Bestimmung eines schadhaften Teils in einem Getriebe und Vorrichtung zur Durchführung des Verfahrens |
CN105806613A (zh) * | 2015-11-24 | 2016-07-27 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种基于阶比复杂度的行星齿轮箱故障诊断方法 |
CN106017879A (zh) * | 2016-05-18 | 2016-10-12 | 河北工业大学 | 基于振声信号特征融合的万能式断路器机械故障诊断方法 |
CN107101827A (zh) * | 2017-06-19 | 2017-08-29 | 苏州微著设备诊断技术有限公司 | 一种低速重载齿轮裂纹故障在线检测方法 |
CN108362492A (zh) * | 2018-01-11 | 2018-08-03 | 中国人民解放军国防科技大学 | 一种适用于低转速下行星轮系故障诊断的振动分离方法 |
CN109632295A (zh) * | 2019-01-08 | 2019-04-16 | 中国人民解放军国防科技大学 | 基于连续振动分离和最小熵解卷积的行星轮故障检测方法 |
Non-Patent Citations (3)
Title |
---|
Quantitative damage detection for planetary gear sets based on physical models;CHENG ZHE等;《Chinese Journal of Mechanical Engineering》;20120131;第25卷(第1期);全文 * |
基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法;胡茑庆等;《机械工程学报》;20190430;第55卷(第7期);全文 * |
齿轮箱关键部件非平稳振动信号分析及诊断方法研究;江星星;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20171115(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111366360A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vamsi et al. | Comparison of condition monitoring techniques in assessing fault severity for a wind turbine gearbox under non-stationary loading | |
CN109506921B (zh) | 一种旋转机械故障诊断与预警方法 | |
Aherwar | An investigation on gearbox fault detection using vibration analysis techniques: A review | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
Refaat et al. | ANN-based for detection, diagnosis the bearing fault for three phase induction motors using current signal | |
CN110988472B (zh) | 基于电流信号的风力发电机变桨传动齿轮故障诊断方法 | |
CN111006758A (zh) | 一种风力发电机组稳态振动在线趋势预测方法及趋势预测*** | |
CN111006757A (zh) | 一种风力发电机组稳态振动在线监测方法及监测*** | |
CN114742111B (zh) | 基于参数自适应特征模态分解故障诊断方法和*** | |
CN113383215A (zh) | 用于模式匹配轴承振动诊断的***和过程 | |
CN113776818B (zh) | 基于Park变换的海上风电机组齿轮***故障诊断方法 | |
US9146100B2 (en) | Wind turbine condition monitoring method | |
CN114184375A (zh) | 齿轮箱常见故障智能诊断方法 | |
Saidi et al. | Wind turbine high-speed shaft bearing degradation analysis for run-to-failure testing using spectral kurtosis | |
CN111366360B (zh) | 利用转速信号对行星齿轮箱进行早期故障检测的方法 | |
CN110633686B (zh) | 一种基于振动信号数据驱动的设备转速识别方法 | |
Mo et al. | Vibration and acoustics emission based methods in low-speed bearing condition monitoring | |
CN113447267B (zh) | 一种基于振动信号分析的齿轮箱整机状态评估方法和*** | |
CN111323219B (zh) | 利用振动信号对行星齿轮箱损伤进行早期检测的方法 | |
Koukoura et al. | Wind turbine gearbox vibration signal signature and fault development through time | |
CN111220386B (zh) | 一种自适应频移变尺度共振技术的轴承故障早期诊断方法 | |
Shanbr et al. | Bearing fault detection within wind turbine gearbox | |
Mollazade et al. | Vibration-based fault diagnosis of hydraulic pump of tractor steering system by using energy technique | |
Thanagasundram et al. | Autoregressive based diagnostics scheme for detection of bearing faults | |
Mones et al. | Fault diagnosis for planetary gearbox using on-rotor MEMS sensor and EMD analysis |
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 |