CN113884236B - 一种多传感器融合动平衡分析方法、***、设备、介质 - Google Patents
一种多传感器融合动平衡分析方法、***、设备、介质 Download PDFInfo
- Publication number
- CN113884236B CN113884236B CN202110977791.3A CN202110977791A CN113884236B CN 113884236 B CN113884236 B CN 113884236B CN 202110977791 A CN202110977791 A CN 202110977791A CN 113884236 B CN113884236 B CN 113884236B
- Authority
- CN
- China
- Prior art keywords
- dynamic balance
- signal
- blind source
- amplitude
- information
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 74
- 230000004927 fusion Effects 0.000 title claims abstract description 32
- 238000000926 separation method Methods 0.000 claims abstract description 51
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 6
- 238000002474 experimental method Methods 0.000 description 8
- 230000005284 excitation Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
- G01M1/00—Testing static or dynamic balance of machines or structures
- G01M1/14—Determining imbalance
- G01M1/16—Determining imbalance by oscillating or rotating the body to be tested
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明属于信号处理技术领域，公开了一种多传感器融合动平衡分析方法、***、设备、介质，所述多传感器融合动平衡分析方法包括：从工业现场采集包含水平和垂直方向上的原始振动信号；通过幅值、相似性信息确定待分析信号源；借助目标经验模式分解对原始信号进行分解；根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；采用目标盲源分离方法实现信号的分解；结合盲源分析结果识别动平衡成分；通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；采用影响系数法进行动平衡配重计算，获得动平衡计算结果。本发明能有效去除掺杂在动平衡分析频率中的其他故障信息干扰，从本质上实现设备的动平衡，延长动平衡后设备的使用时间。
Description
技术领域
本发明属于信号处理技术领域，尤其涉及一种多传感器融合动平衡分析方法、***、设备、介质。
背景技术
近年来，大型旋转机械设备正向着高功效、大功率、高精度和自动化等方向快速发展。作为旋转设备的关键组件，转子的运行状态直接关系着旋转设备的***性能和使用寿命。装配不良、交变载荷影响、热变形等因素使得转子在长期的运转过程中不可避免的产生各类故障，进而引起机械设备振动、噪声，甚至产生机构破坏。不平衡、不对中、油膜涡动等是旋转机械常见的故障形式。其中由转子不平衡产生的惯性力和力矩是旋转机械振动产生的重要影响因素之一。资料显示，旋转机械的振动故障有70％来源于转子***的不平衡。
目前，现场动平衡技术是解决原始转子不平衡的常用方法，这其中影响系数法和模态分析法是现场动平衡的主要手段。不平衡转子在振动信号中通常以基频分量呈现，降低基频振动成为消除不平衡的终极目标。然而，并不是只有不平衡故障与基频分量有关，机械松动、碰磨、油膜涡动、管道激励等均为影响基频，盲目的动平衡分析并不能从本质上解决转子***振动问题，进一步引起的转子碰摩、基础松动等复合故障。有时候，尽管动平衡降低了***的振动，由于没有找到振动根源，短暂的运行后，仍会出现振动加大的现象。
因此，在不增加旋转设备启停车次数的情况下，对转子***振动进行溯源，开发一种快速便捷、准确的动平衡分析方法，将由不平衡引起的振动与其他振动有效分离，从根本上去除不平衡影响，对于降低***振动、提升转子运行质量是非常有必要的。
通过上述分析，现有技术存在的问题及缺陷为：
(1)实际应用中，并不是只有不平衡故障与基频分量有关，机械松动、碰磨、油膜涡动、管道激励等均为影响基频，盲目的动平衡分析并不能从本质上解决转子***振动问题，进一步引起的转子碰摩、基础松动等复合故障。
(2)现场动平衡技术中，尽管动平衡降低了***的振动，由于没有找到振动根源，短暂的运行后，仍会出现振动加大的现象。
解决以上问题及缺陷的难度为：
(1)基于现有的信号分析源从本质上有效提取并分离出耦合故障源，是进一步排除故障的必经之路，然而不同故障源有时表现出相似的故障特性。
(2)信号源对转子故障响应结果不尽相同，单一信号源及欠定分析方法并不能全面综合地涵盖所有故障信息，欠定的信号源实现耦合故障的分离一直是一个重要的研究方向。
解决以上问题及缺陷的意义为：本发明借助多传感器融合信息，将现有的经验模式分解方法与盲源分离方法有效结合，实现不同类型耦合转子故障的识别与分离，防止因叠加故障造成的误判、误诊。从本质上实现动平衡有效成分的提取，实现固有不平衡分量的剥离和确认。与此同时，工程技术人员在综合评定各类故障影响效果后，对症下药地实现各类故障成分地降低与消除，有效地保证机组长时间安全运行，进而为生产企业降本增效提供有力支撑。
发明内容
针对现有技术存在的问题，本发明提供了一种多传感器融合动平衡分析方法、***、设备、介质，尤其涉及一种用于旋转设备的基于盲源分离的多传感器融合动平衡分析方法、***、设备、介质。
本发明是这样实现的，一种多传感器融合动平衡分析方法，所述多传感器融合动平衡分析方法包括以下步骤：
步骤一，从工业现场或实验台同步采集包含水平和垂直方向上的原始振动信号，最大程度地获取机组振动故障源信息。
步骤二，通过幅值、相似性信息确定待分析信号源；提升故障信息量的同时，降低因多组传感器信息处理导致的分析效率和分析质量对算法有效性的影响。
步骤三，借助目标经验模式分解对原始信号进行分解；提取与不平衡故障相关性强的有用信息，摒弃其他故障成分干扰。
步骤四，根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；主要实现降低因多组模式分解结果导致的分析效率和分析质量对算法有效性的影响。步骤五，采用目标盲源分离方法实现信号的分解；将不同故障耦合成分分解到不同的信号中以供后续分析。
步骤六，结合盲源分析结果识别动平衡成分；实现不同故障耦合信息的分离和识别。
步骤七，结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；为动平衡分析提供有效输入信息。
步骤八，采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。从本质上实现最终的动平衡分析
进一步，步骤二中，所述待分析信号源的确定，包括：
通过多组相互垂直安装的传感器的幅值和位置进行确定；按照信号幅值大小进行排序，选择幅值最大的通道传感器信息进行实验分析。
其中，所述选择幅值最大的通道传感器信息进行实验分析为：选择所述多组幅值最大的通道传感器中前几个相互垂直的传感器信号进行动平衡分析。
进一步，步骤三中，所述目标经验模式分解为但不限于集合经验模态分解。
进一步，步骤五中，所述目标盲源分离方法为但不限于非负矩阵分解；
其中，所述盲源分离之前需确定故障源个数，包括：
对确定的分析信号源采用奇异值分解，通过相邻奇异值之间的比例关系，选择比例关系最大的分析结果作为故障源个数。
进一步，步骤六中，所述动平衡成分的确定原则，包括：
动平衡主要集中在一倍频，故将盲源分离结果中一倍频幅值大小、与二倍频比值以及是否存在其它倍频成分作为动平衡分量的确定标准；确定原则按照两个倍频之间的比例关系、多倍频成分以及一倍频幅值大小确定。
进一步，步骤七中，所述结合键相信号信息，计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息， 包括：
添加配重，按照原始振动幅值和相位信息的获取方法重复步骤一至步骤七，获得试重工况下的信号一倍频幅值和相位信息。
本发明的另一目的在于提供一种应用所述多传感器融合动平衡分析方法的多传感器融合动平衡分析***，所述多传感器融合动平衡分析***包括：
原始振动信号获取模块，用于从工业现场或实验台采集包含水平和垂直方向上的原始振动信号；
待分析信号源确定模块，用于通过幅值、相似性信息确定待分析信号源；
原始信号分解模块，用于借助目标经验模式分解对原始信号进行分解；
待分析信号确定模块，用于根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；
信号分解模块，用于采用目标盲源分离方法实现信号的分解；
动平衡成分识别模块，用于结合盲源分析结果识别动平衡成分；
动平衡成分所在信号计算模块，用于结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；
动平衡配重计算模块，用于采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
从工业现场或实验台采集包含水平和垂直方向上的原始振动信号；通过幅值、相似性信息确定待分析信号源；借助目标经验模式分解对原始信号进行分解；根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；采用目标盲源分离方法实现信号的分解；结合盲源分析结果识别动平衡成分；结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
从工业现场或实验台采集包含水平和垂直方向上的原始振动信号；通过幅值、相似性信息确定待分析信号源；借助目标经验模式分解对原始信号进行分解；根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；采用目标盲源分离方法实现信号的分解；结合盲源分析结果识别动平衡成分；结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述多传感器融合动平衡分析***。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的多传感器融合动平衡分析方法，尤其涉及一种基于盲源分离的用于旋转设备的动平衡分析方法，摒弃了工程技术人员将基频分量直接视为动平衡分量的误区，而本发明将其作为不同故障叠加后的综合倍频成分进行论证求解，可以在不额外增加启停车次数的条件下，有效去除掺杂在动平衡分析频率中的其他故障信息干扰，从本质上实现设备的动平衡，延长动平衡后设备的使用时间，有效地剥离出动平衡以外的其他故障成分，使得工程技术人员有的放矢地针对不同故障采用不同的、有针对性地维护维修策略。降低误诊、误判引起的不必要启车，从而提升诊断效果以辅助设备长期稳定工作。
为了有效分析振动根源，从多组传感器中准确提取振动信号中的转子不平衡成分，进而发现故障产生的根本原因，本发明提供了一种基于盲源分离的多传感器融合动平衡分析方法，通过多传感器信息融合技术降低由单一传感器信息的不完备出现的平衡误差，提高动平衡的平衡效果和持续性，同时结合分离结果判定其他形式的故障。本发明首先采集待测平稳转速下的多个传感器原始振动信号，并基于集合经验模式分解对原始信号进行分析得到预处理信号，使用奇异值分解法确定故障源数目，然后采用盲源分离模型对该信号进行故障模式分离，随后根据一倍频幅值占比确定动平衡分量，最终获得因单一动平衡影响造成的振动成分，与此同时，根据获得的其他信号的故障特征确定其他故障的产生原因，追根溯源，消除故障干扰，确保生产的长周期安全运行。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述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是本发明实施例提供的多传感器融合动平衡分析方法流程图。
图2是本发明实施例提供的多传感器融合动平衡分析方法原理图。
图3是本发明实施例提供的多传感器融合动平衡分析***结构框图；
图中：1、原始振动信号获取模块；2、待分析信号源确定模块；3、原始信号分解模块；4、待分析信号确定模块；5、信号分解模块；6、动平衡成分识别模块；7、盲源分离信号计算模块；8、动平衡配重计算模块。
图4是本发明实施例提供的验证实验所使用的转子实验台示意图。
图5是本发明实施例提供的盲源分离处理结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种多传感器融合动平衡分析方法、***、设备、介质，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的多传感器融合动平衡分析方法包括以下步骤：
S101，从工业现场或实验台采集包含水平和垂直方向上的原始振动信号；
S102，通过幅值、相似性信息确定待分析信号源；
S103，借助目标经验模式分解对原始信号进行分解；
S104，根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；
S105，采用目标盲源分离方法实现信号的分解；
S106，结合盲源分析结果识别动平衡成分；
S107，结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；
S108，采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。
本发明实施例提供的多传感器融合动平衡分析方法原理图如图2所示。
如图3所示，本发明实施例提供的多传感器融合动平衡分析***包括：
原始振动信号获取模块1，用于从工业现场或实验台采集机组运行状态下包含水平和垂直方向上的原始振动信号；
待分析信号源确定模块2，用于通过幅值、相似性信息确定待分析信号源；
原始信号分解模块3，用于借助目标经验模式分解对原始信号进行分解；
待分析信号确定模块4，用于根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；
信号分解模块5，用于采用目标盲源分离方法实现信号的分解；
动平衡成分识别模块6，用于结合盲源分析结果识别动平衡成分；
盲源分离信号计算模块7，用于结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；
动平衡配重计算模块8，用于采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。
下面结合具体实施例对本发明的技术方案作进一步描述。
为了有效分析振动根源，从多组传感器中准确提取振动信号中的转子不平衡成分，进而发现故障产生的根本原因，本实施例提供了一种基于盲源分离的多传感器融合动平衡分析方法，通过多传感器信息融合技术降低由单一传感器信息的不完备出现的平衡误差，提高动平衡的平衡效果和持续性，同时结合分离结果判定其他形式的故障。具体实施时，首先采集待测平稳转速下的多个传感器原始振动信号，并基于集合经验模式分解对原始信号进行分析得到预处理信号，使用奇异值分解法确定故障源数目，然后采用盲源分离模型对该信号进行故障模式分离，随后根据一倍频幅值占比确定动平衡分量，最终获得因单一动平衡影响造成的振动成分，与此同时，根据获得的其他信号的故障特征确定其他故障的产生原因，追根溯源，消除故障干扰，确保生产的长周期安全运行。
为了验证实验效果，转子动平衡在特定实验台上完成，该实验台除了满足动平衡实验要求，同时提供了恒定径向力的实施，以此模拟“管道激励”故障，形成不平衡和“管道激励”故障的叠加。实验分两个部分：无径向力和有径向力两种工况，以模拟单一不平衡和不平衡管道激励复合故障两种故障。对于单一不平衡故障按照常规动平衡方法完成，不进行盲源分离等分析，记录添加配重的质量和方位记为m0∠p0，将其作为参考比对信息。随后添加某一方向某一大小的径向力，分别计算直接动平衡和本发明提出的配重大小和方位，依次记为 m1∠p1和m2∠p2。将本发明提取的配重大小和方位m2∠p2与m0∠p0比较以验证本发明的分析效果。
本发明实施例提供的验证实验所使用的转子实验台如图4所示。
步骤(S1)：同步采集转子实验台的信号，包括四路电涡流振动信号和一路键相信号。不失一般性，本实例中信号通过标准本特利转子实验台获取数据并实施。
步骤(S2)：获取两组相互垂直方向传感器数据信息。表1为各传感器原始振动通频幅值(附加径向力下)。
表1四组原始信号提取的通频值
| 测点 | 通道1 | 通道2 | 通道3 | 通道4 |
| 通频值 | 15.3 | 22.1 | 53.4 | 36.4 |
步骤(S3)：根据信号选取原则确定待分析信号，并确定传感器，以备试重分析。
步骤(S4)：使用集合模态分解对待分析信号进行处理，对分解结果进行奇异值SVD分解，按照故障源数目确定方法计算故障源数目。
步骤(S5)：盲源分离实现多传感器信号主要分量的分离，识别并提取动平衡所在信号。
步骤(S6)：结合键相信息截取不低于3个完整周期的振动信号，并进行阶比分析，采用傅里叶变换获得精确地幅值和相位信息。
步骤(S7)：添加试重，当转速达到工作转速后，按照步骤(S1～S6)重复以上计算试重添加后的精确的幅值和相位信息，需要说明的是，该部分(S3)传感器选择直接与上一步保持一致。
步骤(S8)：影响系数法计算所加配重大小和方位，并将其余无附加径向力条件下的动平衡配重结果进行比较，计算误差，分析误差来源。
本发明实施例提供的盲源分离处理结果如图5所示。
表2模态分量奇异值分解随特征值个数变化结果
| 特征 | 值 | 特征 | 值 |
| λ<sub>1</sub> | 28273.32 | λ<sub>4</sub> | 3459.35 |
| λ<sub>2</sub> | 28106.73 | λ<sub>5</sub> | 2187.63 |
| λ<sub>3</sub> | 4004.33 | λ<sub>6</sub> | 2182.94 |
表3无附加径向力下常规动平衡振动分析结果
| 无附加力 | 振动幅值/μm | 振动相位/° |
| 原始振动 | 104.68 | 340 |
| 试重起车 | 50.82 | 344 |
| 平衡起车 | 25.5 | 55 |
表4附加径向力下常规动平衡振动分析结果
| 有附加力 | 振动幅值/μm | 振动相位/° |
| 原始振动 | 46.04 | 24 |
| 试重起车 | 72.44 | 23 |
| 平衡起车 | 8.91 | 127 |
表5无附加力下影响系数法平衡矢量计算
表6有附加力下影响系数法平衡矢量计算
表7附加径向力下本发明动平衡计算结果
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种多传感器融合动平衡分析方法，其特征在于，所述多传感器融合动平衡分析方法包括以下步骤：
步骤一，从工业现场或实验台采集包含水平和垂直方向上的原始振动信号；
步骤二，通过幅值、相似性信息确定待分析信号源；
步骤三，借助集合经验模式分解方法对原始信号进行分解；
步骤四，根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；
步骤五，采用目标盲源分离方法实现信号的分解；
步骤六，结合盲源分析结果识别动平衡成分；
步骤七，结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；
步骤八，采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。
2.如权利要求1所述多传感器融合动平衡分析方法，其特征在于，步骤二中，所述待分析信号源的确定，包括：
通过多组相互垂直安装的传感器的幅值和位置进行确定；按照信号幅值大小进行排序，选择幅值最大的通道传感器信息进行实验分析；
其中，所述选择幅值最大的通道传感器信息进行实验分析为：选择所述幅值最大的通道传感器中前几个相互垂直的传感器信号进行动平衡分析。
3.如权利要求1所述多传感器融合动平衡分析方法，其特征在于，步骤五中，所述目标盲源分离方法为非负矩阵分解；
其中，所述盲源分离之前需确定故障源个数，包括：
对确定的分析信号源采用奇异值分解，通过相邻奇异值之间的比例关系，选择比例关系最大的分析结果作为故障源个数。
4.如权利要求1所述多传感器融合动平衡分析方法，其特征在于，步骤六中，所述动平衡成分的确定原则，包括：
动平衡主要集中在一倍频，故将盲源分离结果中一倍频幅值大小、与二倍频比值以及是否存在其它倍频成分作为动平衡分量的确定标准；确定原则按照两个倍频之间的比例关系、多倍频成分以及一倍频幅值大小确定。
5.如权利要求1所述多传感器融合动平衡分析方法，其特征在于，步骤七中，所述结合键相信号信息，计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息，包括：
添加配重，按照原始振动幅值和相位信息的获取方法重复步骤一至步骤七，获得试重工况下的信号一倍频幅值和相位信息。
6.一种实施权利要求1～5任意一项所述多传感器融合动平衡分析方法的多传感器融合动平衡分析***，其特征在于，所述多传感器融合动平衡分析***包括：
原始振动信号获取模块，用于从工业现场或实验台采集包含水平和垂直方向上的原始振动信号；
待分析信号源确定模块，用于通过幅值、相似性信息确定待分析信号源；
原始信号分解模块，用于借助集合经验模式分解对原始信号进行分解；
待分析信号确定模块，用于根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；
信号分解模块，用于采用目标盲源分离方法实现信号的分解；
动平衡成分识别模块，用于结合盲源分析结果识别动平衡成分；
盲源分离信号计算模块，用于结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；
动平衡配重计算模块，用于采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。
7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
从工业现场或实验台采集包含水平和垂直方向上的原始振动信号；通过幅值、相似性信息确定待分析信号源；借助目标经验模式分解对原始信号进行分解；根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；采用目标盲源分离方法实现信号的分解；结合盲源分析结果识别动平衡成分；结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。
8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
从工业现场或实验台采集包含水平和垂直方向上的原始振动信号；通过幅值、相似性信息确定待分析信号源；借助目标经验模式分解对原始信号进行分解；根据分解后的结果与原信号间的相似性确定盲源分离待分析信号；采用目标盲源分离方法实现信号的分解；结合盲源分析结果识别动平衡成分；结合键相信号信息，通过傅里叶变换计算动平衡分量所在盲源分离信号的一倍频幅值和相位信息；采用影响系数法进行动平衡配重计算，最终获得动平衡计算结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110977791.3A CN113884236B (zh) | 2021-08-24 | 2021-08-24 | 一种多传感器融合动平衡分析方法、***、设备、介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110977791.3A CN113884236B (zh) | 2021-08-24 | 2021-08-24 | 一种多传感器融合动平衡分析方法、***、设备、介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113884236A CN113884236A (zh) | 2022-01-04 |
| CN113884236B true CN113884236B (zh) | 2022-06-21 |
Family
ID=79011335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110977791.3A Active CN113884236B (zh) | 2021-08-24 | 2021-08-24 | 一种多传感器融合动平衡分析方法、***、设备、介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113884236B (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1789942A (zh) * | 2005-12-12 | 2006-06-21 | 西安交通大学 | 基于经验模态分解的柔性转子全息动平衡方法 |
| CN101059386A (zh) * | 2007-06-04 | 2007-10-24 | 西安交通大学 | 基于进动矢量的全息现场动平衡方法 |
| CN101403684A (zh) * | 2008-11-06 | 2009-04-08 | 上海交通大学 | 基于盲源分析技术的旋转机械复合故障的诊断方法 |
| JP2011191249A (ja) * | 2010-03-16 | 2011-09-29 | Kobe Steel Ltd | バランス試験における監視方法及び動バランス計測装置 |
| CN102288285A (zh) * | 2011-05-24 | 2011-12-21 | 南京航空航天大学 | 一种单通道振动信号的盲源分离方法 |
| CN104931197A (zh) * | 2015-06-29 | 2015-09-23 | 吉林大学 | 基于eemd的自动平衡机振动信号处理方法 |
| CN105606304A (zh) * | 2016-03-23 | 2016-05-25 | 广东顺威精密塑料股份有限公司 | 一种用于动平衡机的智能动平衡测试*** |
| CN105928666A (zh) * | 2016-04-20 | 2016-09-07 | 中国石油大学(华东) | 基于希尔伯特黄变换与盲源分离的泄漏声波特征提取方法 |
| CN106096562A (zh) * | 2016-06-15 | 2016-11-09 | 浙江大学 | 基于振动信号盲源分离和稀疏成分分析的风电机组齿轮箱故障诊断方法 |
| CN107607342A (zh) * | 2017-09-22 | 2018-01-19 | 沈阳工业大学 | 空调机房设备群的健康能效检测方法 |
| WO2018100641A1 (ja) * | 2016-11-29 | 2018-06-07 | 株式会社長浜製作所 | 動釣合い試験機 |
| CN108801630A (zh) * | 2018-06-22 | 2018-11-13 | 石家庄铁道大学 | 单通道盲源分离的齿轮故障诊断方法 |
| CN110633696A (zh) * | 2019-09-30 | 2019-12-31 | 常州工学院 | 一种基于ceemdan-ica-swt的柴油机振源多信息联合识别方法 |
| CN111458141A (zh) * | 2020-04-10 | 2020-07-28 | 中国工程物理研究院机械制造工艺研究所 | 基于经验模态分解和奇异值分解的振源数估计方法 |
| CN112082793A (zh) * | 2020-08-31 | 2020-12-15 | 洛阳师范学院 | 一种基于SCA和FastICA的旋转机械耦合故障诊断方法 |
| CN112179653A (zh) * | 2020-09-07 | 2021-01-05 | 神华铁路装备有限责任公司 | 滚动轴承振动信号盲源分离方法、装置及计算机设备 |
| CN112232256A (zh) * | 2020-10-26 | 2021-01-15 | 南京读动信息科技有限公司 | 一种无接触式运动及体测数据采集*** |
| CN112257530A (zh) * | 2020-10-13 | 2021-01-22 | 西安电子科技大学 | 基于盲信号分离和支持向量机的滚动轴承故障诊断方法 |
| CN112906158A (zh) * | 2021-02-25 | 2021-06-04 | 武汉科技大学 | 一种基于多传感器多元数据融合的机械故障诊断方法 |
| CN113074935A (zh) * | 2021-04-01 | 2021-07-06 | 西华大学 | 一种用于齿轮箱冲击故障特征的声学分离和诊断方法 |
-
2021
- 2021-08-24 CN CN202110977791.3A patent/CN113884236B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1789942A (zh) * | 2005-12-12 | 2006-06-21 | 西安交通大学 | 基于经验模态分解的柔性转子全息动平衡方法 |
| CN101059386A (zh) * | 2007-06-04 | 2007-10-24 | 西安交通大学 | 基于进动矢量的全息现场动平衡方法 |
| CN101403684A (zh) * | 2008-11-06 | 2009-04-08 | 上海交通大学 | 基于盲源分析技术的旋转机械复合故障的诊断方法 |
| JP2011191249A (ja) * | 2010-03-16 | 2011-09-29 | Kobe Steel Ltd | バランス試験における監視方法及び動バランス計測装置 |
| CN102288285A (zh) * | 2011-05-24 | 2011-12-21 | 南京航空航天大学 | 一种单通道振动信号的盲源分离方法 |
| CN104931197A (zh) * | 2015-06-29 | 2015-09-23 | 吉林大学 | 基于eemd的自动平衡机振动信号处理方法 |
| CN105606304A (zh) * | 2016-03-23 | 2016-05-25 | 广东顺威精密塑料股份有限公司 | 一种用于动平衡机的智能动平衡测试*** |
| CN105928666A (zh) * | 2016-04-20 | 2016-09-07 | 中国石油大学(华东) | 基于希尔伯特黄变换与盲源分离的泄漏声波特征提取方法 |
| CN106096562A (zh) * | 2016-06-15 | 2016-11-09 | 浙江大学 | 基于振动信号盲源分离和稀疏成分分析的风电机组齿轮箱故障诊断方法 |
| WO2018100641A1 (ja) * | 2016-11-29 | 2018-06-07 | 株式会社長浜製作所 | 動釣合い試験機 |
| CN107607342A (zh) * | 2017-09-22 | 2018-01-19 | 沈阳工业大学 | 空调机房设备群的健康能效检测方法 |
| CN108801630A (zh) * | 2018-06-22 | 2018-11-13 | 石家庄铁道大学 | 单通道盲源分离的齿轮故障诊断方法 |
| CN110633696A (zh) * | 2019-09-30 | 2019-12-31 | 常州工学院 | 一种基于ceemdan-ica-swt的柴油机振源多信息联合识别方法 |
| CN111458141A (zh) * | 2020-04-10 | 2020-07-28 | 中国工程物理研究院机械制造工艺研究所 | 基于经验模态分解和奇异值分解的振源数估计方法 |
| CN112082793A (zh) * | 2020-08-31 | 2020-12-15 | 洛阳师范学院 | 一种基于SCA和FastICA的旋转机械耦合故障诊断方法 |
| CN112179653A (zh) * | 2020-09-07 | 2021-01-05 | 神华铁路装备有限责任公司 | 滚动轴承振动信号盲源分离方法、装置及计算机设备 |
| CN112257530A (zh) * | 2020-10-13 | 2021-01-22 | 西安电子科技大学 | 基于盲信号分离和支持向量机的滚动轴承故障诊断方法 |
| CN112232256A (zh) * | 2020-10-26 | 2021-01-15 | 南京读动信息科技有限公司 | 一种无接触式运动及体测数据采集*** |
| CN112906158A (zh) * | 2021-02-25 | 2021-06-04 | 武汉科技大学 | 一种基于多传感器多元数据融合的机械故障诊断方法 |
| CN113074935A (zh) * | 2021-04-01 | 2021-07-06 | 西华大学 | 一种用于齿轮箱冲击故障特征的声学分离和诊断方法 |
Non-Patent Citations (3)
| Title |
|---|
| The Numerical Simulation of Liquid-Vapor Stratified Flow in Horizontal Metal-Foam Tubes;Wang JX 等;《JOURNAL OF NANOSCIENCE AND NANOTECHNOLOGY》;20150430;第15卷(第4期);第1-7页 * |
| 基于盲源分离的滚动轴承故障诊断研究;罗义胜;《中国优秀硕士学位论文全文数据库》;20170131;正文第42-62页 * |
| 改进经验模态分解在动平衡信号提取中的应用;秦鹏 等;《仪器仪表学报》;20070131;第28卷(第1期);第1-5页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113884236A (zh) | 2022-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Fan fault diagnosis based on symmetrized dot pattern analysis and image matching | |
| CN104048595A (zh) | 一种旋转机械角度不对中故障定量化检测***及方法 | |
| Yi et al. | A promising new tool for fault diagnosis of railway wheelset bearings: SSO-based Kurtogram | |
| CN104215395A (zh) | 一种转子不平衡故障的检测方法及装置 | |
| Gradzki et al. | Method of shaft crack detection based on squared gain of vibration amplitude | |
| Plante et al. | Rotating machine fault detection using principal component analysis of vibration signal | |
| CN115410729A (zh) | 一种核反应堆轴封泵振动在线监测方法、***及介质 | |
| CN110646138A (zh) | 一种旋转机械无键相无试重动平衡方法和分析装置 | |
| CN113357101B (zh) | 一种风力发电机电磁时空耦合载荷的识别方法 | |
| CN113884236B (zh) | 一种多传感器融合动平衡分析方法、***、设备、介质 | |
| CN109781442B (zh) | 一种磁浮列车转向架裂缝故障的检测方法 | |
| CN112945535B (zh) | 一种基于数值模拟的旋转机械故障检测方法及装置 | |
| Da Costa et al. | Orbit analysis for imbalance fault detection in rotating machinery | |
| Reges et al. | A new method for the vibration amplitude assessment of the ESP systems considering the vibration orbit | |
| CN113532776B (zh) | 一种发电机轴瓦瓦枕绝缘垫失效诊断方法及*** | |
| CN106403880B (zh) | 一种压缩机转子和定子之间的间隙检测方法和装置 | |
| Mustafa et al. | Experimental research on machinery fault simulator (MFS): A review | |
| CN106338363A (zh) | 动平衡校正工艺 | |
| Ma et al. | The NRSF-SVM based method for nonlinear rotor bearing fault diagnosis | |
| Koshekov et al. | Modernization of vibration analyzers based on identification measurements | |
| Kawada et al. | Visualization of contact vibration generated on turbine model using fast Haar wavelet transform | |
| Baglio et al. | On-line condition monitoring tool for nuclear research reactors coolant system components | |
| Cheng et al. | Development of autoencoder-based status diagnosis method for ball bearing tribology status monitoring | |
| Walker et al. | Physics-based simulation for health management of rotating machinery | |
| CN110374858B (zh) | 一种海洋平台水泵载荷识别方法 |
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 |