CN112580586B - 一种检测螺栓故障的方法、装置和计算机可读存储介质 - Google Patents
一种检测螺栓故障的方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112580586B CN112580586B CN202011584954.3A CN202011584954A CN112580586B CN 112580586 B CN112580586 B CN 112580586B CN 202011584954 A CN202011584954 A CN 202011584954A CN 112580586 B CN112580586 B CN 112580586B
- Authority
- CN
- China
- Prior art keywords
- signal
- bolt
- acceleration
- impact
- vibration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001133 acceleration Effects 0.000 claims abstract description 109
- 238000001914 filtration Methods 0.000 claims description 18
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006833 reintegration Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 14
- 235000008331 Pinus X rigitaeda Nutrition 0.000 abstract description 4
- 235000011613 Pinus brutia Nutrition 0.000 abstract description 4
- 241000018646 Pinus brutia Species 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000036541 health Effects 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000003449 preventive effect Effects 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000005484 gravity Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明实施例公开了一种检测螺栓故障的方法、装置和计算机可读存储介质,从获取的加速度振动信号中提取冲击信号;判断冲击信号是否满足预设的故障信号分布规律。故障信号分布规律记录了当叶片上的螺栓出现故障时所产生的故障信号的形式。若冲击信号满足预设的故障信号分布规律,则说明叶片上的螺栓出现了故障,此时可以判定螺栓故障。通过对加速度振动信号进行信号分析识别螺栓故障,无需针对于每个螺栓设置额外的硬件设备,便可以判定出叶片上是否出现螺栓松等故障,在实现螺栓故障检测准确性的基础上,极大的降低螺栓故障检测的硬件成本,实时性好、能早期发现故障及时指导预防性维修和健康管理。
Description
技术领域
本发明涉及安全监测技术领域,特别是涉及一种检测螺栓故障的方法、装置和计算机可读存储介质。
背景技术
螺栓是机械设备中大量使用的零件之一,一般用于将多个部件连接在一起,如各种法兰联接螺栓,组合齿轮轮毂螺栓、地脚螺栓等。螺栓往往承受着较大的力或扭矩,一般还承受着疲劳交变载荷,如风电机组叶片叶根连接螺栓,在运行过程中存在开或顺桨、阵风、叶片通过塔筒前方抖动等因素,长时间运行后螺栓容易发生裂纹、断裂、变形等故障,影响机组运行安全,严重时会引发倒塔事故。
目前针对于螺栓故障检测的方式包括人工定期巡检和在线监测。在线监测主要通过直接测量的方式检测螺栓故障,如在螺栓内部预埋监测感应片、或采用智能垫片、或将需要监测的螺栓用绝缘导电线串联到检测电路中,当螺栓发生松动或断裂后,会引发导线电路断路。上述在线监测***复杂,往往需要对每个螺栓安装硬件设备,而风电发电机组中每个叶片就有上百个螺栓,造成较高的成本。并且在螺栓上直接加装硬件设备还容易影响正常检修。基于目前的在线监测技术成本高的问题,目前国内采用的螺栓故障检测方法仍以人工定期巡检方式为主。
可见,如何降低螺栓故障检测的硬件成本,是本领域技术人员需要解决的问题。
发明内容
本发明实施例的目的是提供一种检测螺栓故障的方法、装置和计算机可读存储介质,可以降低螺栓故障检测的硬件成本。
为解决上述技术问题,本发明实施例提供一种检测螺栓故障的方法,包括:
从获取的加速度振动信号中提取冲击信号;
判断所述冲击信号是否满足预设的故障信号分布规律;
若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障。
可选地,所述判断所述冲击信号是否满足预设的故障信号分布规律;若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障包括:
判断所述冲击信号的最大量值是否达到预设阈值;
若所述冲击信号的最大量值达到预设阈值,则判断所述冲击信号是否在连续多个周期时间内重复出现;其中,所述周期时间依据螺栓所在设备的运动周期设置;
若所述冲击信号在连续多个周期时间内重复出现,则判定螺栓故障。
可选地,在所述若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障之后还包括:
按照预设的信号分布规则,从所述加速度振动信号中滤除干扰信号,以得到法兰开闭振动信号。
可选地,在所述按照预设的信号分布规则,从所述加速度振动信号中滤除干扰信号,以得到法兰开闭振动信号之后还包括:
对所述法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
可选地,所述加速度振动信号包括第一加速度振动信号和第二加速度振动信号;其中,所述第一振动加速度信号为设置于法兰固定侧的加速度传感器采集的振动加速度信号;所述第二振动加速度信号为设置于法兰非固定侧的加速度传感器采集的振动加速度信号;
相应的,在所述若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障之后还包括:
计算所述第二加速度振动信号与所述第一加速度振动信号的差值信号,并将所述差值信号作为法兰开闭振动信号;
对所述法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
可选地,所述从获取的加速度振动信号中提取冲击信号包括:
对所述加速度振动信号进行滤波解调或谐振解调,以得到冲击信号。
本发明实施例还提供了一种检测螺栓故障的装置,包括提取单元、判断单元和确定单元;
所述提取单元,用于从获取的加速度振动信号中提取冲击信号;
所述判断单元,用于判断所述冲击信号是否满足预设的故障信号分布规律;
所述确定单元,用于若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障。
可选地,所述判断单元具体用于判断所述冲击信号的最大量值是否达到预设阈值;若所述冲击信号的最大量值达到预设阈值,则判断所述冲击信号是否在连续多个周期时间内重复出现;其中,所述周期时间依据螺栓所在设备的运动周期设置;
相应的,所述确定单元用于若所述冲击信号在连续多个周期时间内重复出现,则判定螺栓故障。
可选地,还包括滤除单元;
所述滤除单元,用于在所述若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障之后,按照预设的信号分布规则,从所述加速度振动信号中滤除干扰信号,以得到法兰开闭振动信号。
可选地,还包括重积分单元;
所述重积分单元,用于对所述法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
可选地,所述加速度振动信号包括第一加速度振动信号和第二加速度振动信号;其中,所述第一振动加速度信号为设置于法兰固定侧的加速度传感器采集的振动加速度信号;所述第二振动加速度信号为设置于法兰非固定侧的加速度传感器采集的振动加速度信号;
相应的,还包括计算单元和重积分单元;
所述计算单元,用于在所述若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障之后,计算所述第二加速度振动信号与所述第一加速度振动信号的差值信号,并将所述差值信号作为法兰开闭振动信号;
所述重积分单元,用于对所述法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
可选地,所述提取单元具体用于对所述加速度振动信号进行滤波解调或谐振解调,以得到冲击信号。
本发明实施例还提供了一种检测螺栓故障的装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如上述任意一项所述检测螺栓故障的方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任意一项所述检测螺栓故障的方法的步骤。
由上述技术方案可以看出,从获取的加速度振动信号中提取冲击信号;判断冲击信号是否满足预设的故障信号分布规律。故障信号分布规律记录了当叶片上的螺栓出现故障时所产生的故障信号的形式。若冲击信号满足预设的故障信号分布规律,则说明叶片上的螺栓出现了故障,此时可以判定螺栓故障。通过对加速度振动信号进行信号分析识别螺栓故障,无需针对于每个螺栓设置额外的硬件设备,便可以判定出叶片上是否出现螺栓松等故障,在实现螺栓故障检测准确性的基础上,极大的降低螺栓故障检测的硬件成本,实时性好、能早期发现故障及时指导预防性维修和健康管理。
附图说明
为了更清楚地说明本发明实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种检测螺栓故障的方法的流程图;
图2为本发明实施例提供的一种基于叶片上螺栓故障检测的传感器设置位置的示意图;
图3为本发明实施例提供的一种检测螺栓故障的装置的结构示意图;
图4为本发明实施例提供的一种检测螺栓故障的装置的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,所获得的所有其他实施例,都属于本发明保护范围。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
接下来,详细介绍本发明实施例所提供的一种检测螺栓故障的方法。图1为本发明实施例提供的一种检测螺栓故障的方法的流程图,该方法包括:
S101:从获取的加速度振动信号中提取冲击信号。
不同设备上的螺栓其运转方式有所不同,但是当螺栓出现松动时,均会产生频率较高的冲击信号。
以风电机组叶片为例,在实际应用中,风电机组叶片的叶片法兰和轮毂法兰通过多个螺栓固定。当叶片法兰和轮毂法兰之间的螺栓出现松动时,在叶片正常运行过程中无论在叶片侧还是在轮毂侧都将出现由于松动产生的冲击信号。因此,在本发明实施例中,可以在叶片侧或者轮毂侧设置一个加速度传感器采集叶片运行过程中的加速度振动信号。
如图2所示为本发明实施例提供的一种基于叶片上螺栓故障检测的传感器设置位置的示意图,图2中是在叶片侧设置了加速度传感器,用于采集叶片运行过程中产生的加速度振动信号。在实际应用中,也可以在轮毂法兰侧设置加速度传感器,至少敏感垂直于法兰方向的振动。
当叶片法兰和轮毂法兰之间的螺栓未出现松动时,叶片正常运行过程中会产生较为稳定的低频率振动信号。
在本发明实施例中,可以将叶片法兰和轮毂法兰之间的螺栓未出现松动时,叶片正常运行过程中会产生的低频率振动信号作为参考信号。在具体实现中,可以将当前采集的加速度振动信号与参考信号进行比较,从而提取出当前采集的加速度振动信号中包含的冲击信号。
在本发明实施例中,也可以根据信号的频率变化,从加速度振动信号中提取冲击信号。在具体实现中,可以对加速度振动信号进行滤波解调或谐振解调,以得到冲击信号。
其中,滤波解调即对振动信号经过带通滤波,提取共振频带内的信号,再进行解调,一般常用解调方法为希尔伯特变换,得到冲击信号。
除了滤波解调之外,也可以采用谐振解调的手段,获取冲击信号。当应用于风力发电机组时,其谐振解调过程中的谐振频率不超过100Hz。
S102:判断冲击信号是否满足预设的故障信号分布规律。
考虑到在实际应用中,加速度振动信号中包含的冲击信号产生的原因有多种,为了确保是由于螺栓松动产生的冲击信号,在本发明实施例中,可以依据叶片上的螺栓出现故障时所产生的故障信号的形式预先设置故障信号分布规律,从而依赖于故障信号分布规律对冲击信号的类型进行识别。若冲击信号满足预设的故障信号分布规律,则基本上可以确定冲击信号的产生是由于叶片上的螺栓松动造成的,此时可以执行S103判定螺栓故障。
故障信号分布规律可以包含对冲击信号的量值以及在多个周期时间内出现次数的限定。在具体实现中,可以判断冲击信号的最大量值是否达到预设阈值;若冲击信号的最大量值达到预设阈值,则进一步判断冲击信号是否在连续多个周期时间内重复出现;其中,周期时间依据螺栓所在设备的运动周期设置。
以风电机组叶片为例,在实际应用中,可以将叶片转动一圈所花费的时间作为周期时间。当叶片上的螺栓出现松动时,叶片每旋转一圈都会产生冲击信号,因此若冲击信号在连续多个周期时间内重复出现,则基本上可以确定冲击信号的产生是由于叶片上的螺栓松动造成的,此时可以执行S103。
S103:判定螺栓故障。
由上述技术方案可以看出,从获取的加速度振动信号中提取冲击信号;判断冲击信号是否满足预设的故障信号分布规律。故障信号分布规律记录了当叶片上的螺栓出现故障时所产生的故障信号的形式。若冲击信号满足预设的故障信号分布规律,则说明叶片上的螺栓出现了故障,此时可以判定螺栓故障。通过对加速度振动信号进行信号分析识别螺栓故障,无需针对于每个螺栓设置额外的硬件设备,便可以判定出叶片上是否出现螺栓松等故障,在实现螺栓故障检测准确性的基础上,极大的降低螺栓故障检测的硬件成本,实时性好、能早期发现故障及时指导预防性维修和健康管理。
叶片运行过程中产生的加速度振动信号包括有离心力振动信号、重力振动信号、螺栓的冲击信号、法兰开闭振动信号。法兰开闭振动信号可以有效的反映叶片法兰和轮毂法兰之间存在的缝隙。
以风电机组叶片为例,在判定出螺栓故障之后,则说明叶片法兰和轮毂法兰之间会存在缝隙,在本发明实施例中,可以按照预设的信号分布规则,从加速度振动信号中滤除干扰信号,以得到法兰开闭振动信号。
根据加速度振动信号中包含的信号类型,离心力振动信号、重力振动信号和螺栓的冲击信号均属于干扰信号。
其中,离心力振动信号和重力振动信号属于叶片运转过程中产生的常规信号,在实际应用中,可以按照离心力振动信号和重力振动信号的分布规律设置常规信号分布规律。信号分布规则可以包括螺栓故障对应的故障信号分布规律以及常规信号对应的常规信号分布规律。
在本发明实施例中,为了便于用户直观的了解叶片法兰和轮毂法兰之间的缝隙,可以对法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
在实际应用中,除了依赖于信号的分布规律从加速度振动信号中滤除干扰信号之外,也可以在轮毂侧即法兰固定侧设置加速度传感器,并且在叶片侧即法兰非固定侧设置加速度传感器,此时采集的加速度振动信号包括第一加速度振动信号和第二加速度振动信号;其中,第一振动加速度信号为设置于法兰固定侧的加速度传感器采集的振动加速度信号;第二振动加速度信号为设置于法兰非固定侧的加速度传感器采集的振动加速度信号。
由于第二加速度振动信号属于法兰非固定侧对应的振动加速度信号,因此第二加速度振动信号中包含有法兰开闭振动信号;而第一加速度振动信号属于法兰固定侧对应的振动加速度信号,因此第一加速度振动信号中并不包含法兰开闭振动信号。因此,在判定螺栓故障之后,可以计算第二加速度振动信号与第一加速度振动信号的差值信号,并将差值信号作为法兰开闭振动信号;对法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
相对位移量即为叶片法兰和轮毂法兰之间的缝隙值。
相对位移量越大,说明叶片法兰和轮毂法兰之间的缝隙越大,叶片在转动过程中存在的安全风险就越高,因此,在本发明实施例中,可以在得到法兰的相对位移量之后,判断相对位移量是否超过预设限值。若相对位移量超过预设限值,则可以向管理人员所使用的终端设备发送提醒信息,以便于管理人员及时检修叶片,以避免危险情况的发生。
图3为本发明实施例提供的一种检测螺栓故障的装置的结构示意图,包括提取单元31、判断单元32和确定单元33;
提取单元31,用于从获取的加速度振动信号中提取冲击信号;
判断单元32,用于判断冲击信号是否满足预设的故障信号分布规律;
确定单元33,用于若冲击信号满足预设的故障信号分布规律,则判定螺栓故障。
可选地,判断单元具体用于判断冲击信号的最大量值是否达到预设阈值;若冲击信号的最大量值达到预设阈值,则判断冲击信号是否在连续多个周期时间内重复出现;其中,周期时间依据螺栓所在设备的运动周期设置;
相应的,确定单元用于若冲击信号在连续多个周期时间内重复出现,则判定螺栓故障。
可选地,还包括滤除单元;
滤除单元,用于在若冲击信号满足预设的故障信号分布规律,则判定螺栓故障之后,按照预设的信号分布规则,从加速度振动信号中滤除干扰信号,以得到法兰开闭振动信号。
可选地,还包括重积分单元;
重积分单元,用于对法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
可选地,加速度振动信号包括第一加速度振动信号和第二加速度振动信号;其中,第一振动加速度信号为设置于法兰固定侧的加速度传感器采集的振动加速度信号;第二振动加速度信号为设置于法兰非固定侧的加速度传感器采集的振动加速度信号;
相应的,还包括计算单元和重积分单元;
计算单元,用于在若冲击信号满足预设的故障信号分布规律,则判定螺栓故障之后,计算第二加速度振动信号与第一加速度振动信号的差值信号,并将差值信号作为法兰开闭振动信号;
重积分单元,用于对法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
可选地,提取单元具体用于对加速度振动信号进行滤波解调或谐振解调,以得到冲击信号。
图3所对应实施例中特征的说明可以参见图1所对应实施例的相关说明,这里不再一一赘述。
由上述技术方案可以看出,从获取的加速度振动信号中提取冲击信号;判断冲击信号是否满足预设的故障信号分布规律。故障信号分布规律记录了当叶片上的螺栓出现故障时所产生的故障信号的形式。若冲击信号满足预设的故障信号分布规律,则说明叶片上的螺栓出现了故障,此时可以判定螺栓故障。通过对加速度振动信号进行信号分析识别螺栓故障,无需针对于每个螺栓设置额外的硬件设备,便可以判定出叶片上是否出现螺栓松等故障,在实现螺栓故障检测准确性的基础上,极大的降低螺栓故障检测的硬件成本,实时性好、能早期发现故障及时指导预防性维修和健康管理。
图4为本发明实施例提供的一种检测螺栓故障的装置40的硬件结构示意图,包括:
存储器41,用于存储计算机程序;
处理器42,用于执行计算机程序以实现上述任意实施例所述的检测螺栓故障的方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述任意实施例所述的检测螺栓故障的方法的步骤。
以上对本发明实施例所提供的一种检测螺栓故障的方法、装置和计算机可读存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。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的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
Claims (9)
1.一种检测螺栓故障的方法,其特征在于,包括:
从获取的加速度振动信号中提取冲击信号;
判断所述冲击信号是否满足预设的故障信号分布规律;
若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障;
所述加速度振动信号包括第一加速度振动信号和第二加速度振动信号;其中,所述第一加速度振动信号为设置于法兰固定侧的加速度传感器采集的振动加速度信号;所述第二加速度振动信号为设置于法兰非固定侧的加速度传感器采集的振动加速度信号;
相应的,在所述若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障之后还包括:
计算所述第二加速度振动信号与所述第一加速度振动信号的差值信号,并将所述差值信号作为法兰开闭振动信号;
对所述法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
2.根据权利要求1所述的检测螺栓故障的方法,其特征在于,所述判断所述冲击信号是否满足预设的故障信号分布规律;若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障包括:
判断所述冲击信号的最大量值是否达到预设阈值;
若所述冲击信号的最大量值达到预设阈值,则判断所述冲击信号是否在连续多个周期时间内重复出现;其中,所述周期时间依据螺栓所在设备的运动周期设置;
若所述冲击信号在连续多个周期时间内重复出现,则判定螺栓故障。
3.根据权利要求1所述的检测螺栓故障的方法,其特征在于,在所述若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障之后还包括:
按照预设的信号分布规则,从所述加速度振动信号中滤除干扰信号,以得到法兰开闭振动信号。
4.根据权利要求3所述的检测螺栓故障的方法,其特征在于,在所述按照预设的信号分布规则,从所述加速度振动信号中滤除干扰信号,以得到法兰开闭振动信号之后还包括:
对所述法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
5.根据权利要求1-4任意一项所述的检测螺栓故障的方法,其特征在于,所述从获取的加速度振动信号中提取冲击信号包括:
对所述加速度振动信号进行滤波解调或谐振解调,以得到冲击信号。
6.一种检测螺栓故障的装置,其特征在于,包括提取单元、判断单元和确定单元;
所述提取单元,用于从获取的加速度振动信号中提取冲击信号;
所述判断单元,用于判断所述冲击信号是否满足预设的故障信号分布规律;
所述确定单元,用于若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障;
所述加速度振动信号包括第一加速度振动信号和第二加速度振动信号;其中,所述第一加速度振动信号为设置于法兰固定侧的加速度传感器采集的振动加速度信号;所述第二加速度振动信号为设置于法兰非固定侧的加速度传感器采集的振动加速度信号;相应的,还包括计算单元和重积分单元;所述计算单元,用于在所述若所述冲击信号满足预设的故障信号分布规律,则判定螺栓故障之后,计算所述第二加速度振动信号与所述第一加速度振动信号的差值信号,并将所述差值信号作为法兰开闭振动信号;所述重积分单元,用于对所述法兰开闭振动信号进行重积分,以得到法兰的相对位移量。
7.根据权利要求6所述的检测螺栓故障的装置,其特征在于,所述判断单元具体用于判断所述冲击信号的最大量值是否达到预设阈值;若所述冲击信号的最大量值达到预设阈值,则判断所述冲击信号是否在连续多个周期时间内重复出现;其中,所述周期时间依据螺栓所在设备的运动周期设置;
相应的,所述确定单元用于若所述冲击信号在连续多个周期时间内重复出现,则判定螺栓故障。
8.一种检测螺栓故障的装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至5任意一项所述检测螺栓故障的方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任意一项所述检测螺栓故障的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011584954.3A CN112580586B (zh) | 2020-12-28 | 2020-12-28 | 一种检测螺栓故障的方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011584954.3A CN112580586B (zh) | 2020-12-28 | 2020-12-28 | 一种检测螺栓故障的方法、装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112580586A CN112580586A (zh) | 2021-03-30 |
CN112580586B true CN112580586B (zh) | 2024-04-30 |
Family
ID=75140402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011584954.3A Active CN112580586B (zh) | 2020-12-28 | 2020-12-28 | 一种检测螺栓故障的方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580586B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113933393B (zh) * | 2021-10-16 | 2024-04-02 | 北京创程科技有限公司 | 一种基于电磁超声与3d相控阵的螺栓监测*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150026416A (ko) * | 2013-09-03 | 2015-03-11 | 자동차부품연구원 | 자동차 허브 베어링 모니터링 시스템 및 모니터링 방법 |
CN108918173A (zh) * | 2018-07-26 | 2018-11-30 | 唐智科技湖南发展有限公司 | 一种检测受电弓或网线故障的方法及*** |
CN109333161A (zh) * | 2018-09-13 | 2019-02-15 | 温州大学 | 一种用于机床主轴传动部件故障检测的智能螺栓监测*** |
CN111929074A (zh) * | 2020-08-19 | 2020-11-13 | 北京经纬恒润科技有限公司 | 车辆机械旋转部件故障诊断方法及装置 |
-
2020
- 2020-12-28 CN CN202011584954.3A patent/CN112580586B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150026416A (ko) * | 2013-09-03 | 2015-03-11 | 자동차부품연구원 | 자동차 허브 베어링 모니터링 시스템 및 모니터링 방법 |
CN108918173A (zh) * | 2018-07-26 | 2018-11-30 | 唐智科技湖南发展有限公司 | 一种检测受电弓或网线故障的方法及*** |
CN109333161A (zh) * | 2018-09-13 | 2019-02-15 | 温州大学 | 一种用于机床主轴传动部件故障检测的智能螺栓监测*** |
CN111929074A (zh) * | 2020-08-19 | 2020-11-13 | 北京经纬恒润科技有限公司 | 车辆机械旋转部件故障诊断方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于振动分析的船舶旋转机械故障诊断研究;朱煜等;《江苏船舶》;20161031;第33卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112580586A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3631205B1 (en) | Wind turbine fault detection using acoustic, vibration, and electrical signals | |
CN102707232B (zh) | 电动机设备状态在线监测装置及其监测方法 | |
CN104075795B (zh) | 用于监测风力发电机组的叶轮振动状态的方法和*** | |
US7677869B2 (en) | Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations | |
EP1531376B1 (en) | Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations | |
CN105179179A (zh) | 一种风力发电机组的全状态监测方法和*** | |
CN105403402B (zh) | 风力发电机组传动链***扭振状态的监测方法 | |
CN110940917B (zh) | 一种电动机故障预警方法及*** | |
CN101403648A (zh) | 大型汽轮发电机组汽流激振故障实时诊断方法 | |
CN103998775A (zh) | 用于确定风能源设备的转子叶片的机械损坏的方法 | |
CN102706560A (zh) | 一种风力发电机组的状态监测方法和装置 | |
WO2022147684A1 (zh) | 用于识别机械装置或机械部件中的异常的方法及装置 | |
CN112580586B (zh) | 一种检测螺栓故障的方法、装置和计算机可读存储介质 | |
CN111594395B (zh) | 一种风电机组塔筒共振识别方法、装置及监测报警*** | |
EP3951167B1 (en) | Condition monitoring system | |
CN111795824B (zh) | 机械动力***故障诊断方法及*** | |
KR20120063634A (ko) | 기계시스템 상태감시장치 및 상태감시방법 | |
CN116892489A (zh) | 一种基于声发射及振动的风机传动链状态监测方法及*** | |
CN113777486A (zh) | 电机故障诊断的方法、装置及电机故障诊断*** | |
CN114754913B (zh) | 一种基于弯扭信息融合的寿命预测方法及装置 | |
CN117373221A (zh) | 用于风电机组的气象异常预警方法及*** | |
WO2022004110A1 (ja) | 回転電機の損傷診断システム及び損傷診断方法 | |
CN107436244A (zh) | 基于频率分段振动数据采集的设备故障报警方法 | |
CN117028164A (zh) | 一种风电机组振动检测方法和设备 | |
CN114239637A (zh) | 一种设备振动实时分析健康诊断*** |
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 |