CN101571120B - 基于倍频相对能量和的分层聚类航空泵多故障诊断方法 - Google Patents
基于倍频相对能量和的分层聚类航空泵多故障诊断方法 Download PDFInfo
- Publication number
- CN101571120B CN101571120B CN200910085098A CN200910085098A CN101571120B CN 101571120 B CN101571120 B CN 101571120B CN 200910085098 A CN200910085098 A CN 200910085098A CN 200910085098 A CN200910085098 A CN 200910085098A CN 101571120 B CN101571120 B CN 101571120B
- Authority
- CN
- China
- Prior art keywords
- fault
- hydraulic pump
- frequency
- signal
- pump
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明公开了一种基于倍频相对能量和的分层聚类航空泵多故障诊断方法,该方法首先依靠故障模式影响分析技术对航空液压泵进行传感器优化布局并采集传感器信号,然后将航空液压泵常见的故障进行分层聚类,确定故障诊断的顺序和层次,再进行第一诊断层、第二诊断层和第三诊断层故障诊断,完成对航空泵的多故障诊断。该方法实现了航空泵的多故障高精度诊断;针对航空液压泵典型渐进性故障在故障初期特征非常微弱的特点,设计了一种倍频相对能量和故障特征提取方法,有效实现微弱信号的故障特征提取,大量实验证明这种方法准确而高效。
Description
技术领域
本发明属于航空液压泵状态监测与故障诊断领域,针对机载航空液压泵健康管理系统对航空液压泵故障诊断算法快速性的要求,本发明给出一种基于倍频相对能量和的分层聚类航空液压泵多故障诊断方法。
背景技术
随着现代战争对作战飞机任务出勤率和战备完好率要求的提高,加之测试技术、信号分析技术和计算机技术飞速发展,目前国外先进飞机均采用了完备的故障预测与健康管理系统(PHM系统)以实现状态监测、故障诊断和寿命预测,从而有效降低飞机事故率,节省维修费用。故障诊断技术是飞机PHM系统中的关键技术之一,对航空机电设备进行高效快速的故障诊断是目前该领域的研究热点。
随着现代飞机向着高速、大机动、大功率方向的发展,航空液压泵源系统作为为飞机主操纵系统、辅助操纵系统、发动机相关部件辅助调整、减速板收放、起落架收放和机轮刹车及前轮转弯系统提供能源的关键功能系统,其性能与安全可靠性对飞机的飞行品质至关重要。航空液压泵是飞机液压泵源系统的核心部件,为飞机起飞、操纵、起落架收放和刹车提供能源,要求在整个飞行过程中连续可靠的运行。目前国内飞机上只对航空液压泵的工作压力和油液温度进行简单监测,根本谈不上故障诊断和寿命预测。我国新一代大型军用运输机和大型客机的研制均明确提出了要装备飞机液压系统PHM系统,因此研究高效快速的航空液压泵故障诊断方法具有重要的理论和应用价值。
近年来,国内外学者针对航空液压泵的故障诊断提出了众多可行的方法,如围绕泵源系统振动信号进行频谱分析、功率谱估计、粗糙集理论、小波分析、模糊故障诊断、人工神经网络和支持向量机等;也有利用泵的瞬时角速度、电动机的功率和电流等信号进行故障诊断的。以上方法总的来说可以分为基于解析模型的方法和基于信号处理的方法两大类。由于航空液压泵结构复杂,故障间耦合强,使得泵源系统高度非线性,很难建立准确的数学模型;基于信号处理的方法以采集的传感器信号为基础,通过各种信号处理方法挖掘其中隐含的信息进行诊断操作,避免了基于解析模型的缺点,成为一种较为实用的故障诊断方法。
航空液压泵故障模式繁多,故障间耦合强,具有固有的流固耦合特性,故障特征提取困难,突出地表现为一种测量信息覆盖多种故障特征,而一种故障模式需要多种检测信号才可诊断定位,所以很难基于单一传感器信息,利用信号处理方法实现航空液压泵渐进性和并发性多故障的成功诊断,杜隽,王少萍等在2008年《流体传动与控制》第5期上发表的《航空液压泵源健康管理系统硬件平台设计》一文中给出了航空泵源系统健康管理过程中传感器优化布局方案,在航空液压泵故障诊断时合理安排多种类型传感器,通过多传感器信息融合技术,使用基于信号处理的方法,在航空液压泵故障机理研究的基础上,实现高效准确的故障诊断。
目前已有学者在航空液压泵故障诊断过程中采用多传感器信息融合技术,提取航空液压泵故障特征进行故障诊断,取得了较好的效果,但仍存在缺陷:多数故障诊断方法只限于航空液压泵单一故障的诊断,而实际航空液压泵源系统中,由于航空液压泵工作环境十分恶劣,多种故障可能在短时间内同时发生,此时故障特征间的耦合使得针对单一故障的故障诊断方法变得非常困难;少数故障诊断方法虽然可以实现多故障诊断,但只是对航空液压泵不同位置的振动信号进行分析处理,再采用相同的故障特征提取方法进行诊断研究,而实际航空液压泵不同故障模式具有不同的敏感故障表征,有些故障并非对振动信号最敏感,所以这类故障诊断方法无法实现同时对不同类型故障进行高精度故障诊断;目前常见的故障诊断方法大多以神经网络技术为核心,通过神经网络实现故障分类,而神经网络技术的缺点是训练样本数量较大,学习时间较长,运算量大,无法满足航空液压泵在线故障诊断的快速性要求,同时这种方法诊断的精度与训练样本的数量密切相关,样本数量不足或过多,会造成模型训练不足或过拟合,导致诊断模型精度不足或泛化能力差,而训练样本数量的确定目前尚无通用方法,只能凭经验决定,这些原因导致基于神经网络的故障诊断方法在航空液压泵故障诊断应用中存在局限性.
发明内容
本发明的目的是:克服目前采用多传感器信息融合技术进行航空液压泵故障诊断过程中存在的缺陷,提供一种基于倍频相对能量和的分层聚类航空液压泵多故障诊断方法。
本发明的一种基于倍频相对能量和的分层聚类航空液压泵多故障诊断方法,首先在航空液压泵源系统中,安装航空液压泵出口压力传感器、出口流量传感器、泵回油流量传感器、泵体轴向加速度传感器和泵体径向加速度传感器共五个传感器,采集传感器信号。从对航空液压泵性能影响程度的角度,按照故障重要度从高到低的顺序对航空液压泵使用过程中常见的五类故障进行分层诊断和定位,提出一种按故障重要度分层、按故障特征提取方法聚类的多故障诊断机制。具体是指将航空液压泵入口压力不足故障和配流盘偏磨故障作为第一诊断层,这一层“重要度最高”,依据出口压力、出口流量和泵回油流量三个传感器信号,采用相对简单的频谱分析和流量相加故障特征提取方法对这两类故障进行诊断和定位;然后将航空液压泵轴承故障作为第二诊断层,这一层“重要度高”,依据泵体径向加速度传感器信号,采用倒谱包络故障特征提取方法对这类故障进行诊断和定位;最后将航空液压泵斜盘不对中故障和柱塞球头游隙增大故障作为第三诊断层,这一层“重要度较高”,依据泵体轴向和径向加速度传感器信号,采用本发明中设计的“倍频相对能量和”故障特征提取方法对这两类故障进行诊断和定位。本发明提供的故障诊断方法适用于航空液压泵在线故障诊断,具有高效快速的特点,在泵运行过程中不断执行以下诊断步骤,并输出故障诊断结果,这符合机载液压泵源健康管理系统的技术要求。
本发明一种基于倍频相对能量和的分层聚类航空泵多故障诊断方法,与目前存在的航空液压泵故障诊断方法相比具有以下优点:
一、合理选择需要监测的航空液压泵物理参数(即五种传感器信号参数),并进行传感器优化布局,应用多传感器信息融合技术在分层聚类基础上实现了航空液压泵常见五类故障的诊断;
二、在航空液压泵多故障诊断过程中,深入分析各类故障的敏感故障表征,然后针对不同的故障模式,分析不同的传感器信号,采用尽可能简单高效的故障特征提取方法,实现多故障高精度诊断;
三、针对航空液压泵典型渐进性故障在故障初期特征非常微弱的特点,设计了一种倍频相对能量和故障特征提取方法,有效实现微弱信号的故障特征提取,大量实验证明这种方法准确而高效。
附图说明
图1:基于倍频相对能量和的分层聚类航空泵多故障诊断方法流程图;
图2:入口压力不足故障诊断方法流程图;
图3:第二层故障诊断方法流程图;
图4:倍频相对能量和故障特征提取方法流程图;
图5:入口压力不足与正常时,航空液压泵出口压力频谱对比曲线;
图6a:正常转子轴承倒谱包络后频谱曲线;
图6b:转子轴承滚柱故障倒谱包络后频谱曲线;
图7a:柱塞球头游隙增大泵轴向振动功率谱;
图7b:柱塞球头游隙增大泵径向振动功率谱;
图8a:正常柱塞泵轴向振动功率谱;
图8b:正常柱塞泵径向振动功率谱。
具体实施方式
下面结合附图介绍本发明所采取的技术方案。本发明提供的基于倍频相对能量和的分层聚类航空泵多故障诊断方法流程如图1所示,具体通过如下步骤实现:
第一步、依靠故障模式影响分析技术对航空液压泵进行传感器优化布局并采集传感器信号。
航空液压泵一般采用恒压变量直轴斜盘式柱塞泵,这类泵是靠柱塞在柱塞腔内往复运动来改变柱塞腔容积实现吸油和排油,是容积式液压泵的一种。为了成功实现航空液压泵多故障诊断,需要采用多传感器信息融合技术,这就要求合理选择传感器类型并进行优化布局。王少萍教授在2000年编著的《工程可靠性》一书中指出:故障模式影响分析技术FMEA(Failure Mode and Effect Analysis)是用于分析元部件故障模式及其影响、给出故障原因和故障检测方法的一种技术;FMEA不仅可以给出元部件所有的故障模式,而且可以给出故障预防和纠正措施,从而为传感器布局提供依据。
对航空液压泵进行故障模式影响分析,本着尽量采用航空液压泵源系统原有传感器和新增传感器不影响系统结构的原则优化需要监测的物理量,再通过对故障诊断原理的深入研究,最终确定选择以下三类传感器:
1、压力传感器:用来监测液压泵出口压力值。出口压力综合反映了系统及系统内元件的工作状态,通过对航空液压泵出油口压力的监测,可以对系统失压、压力不可调、压力波动与不稳等与压力相关的故障进行监控。
2、流量传感器:用来监测航空液压泵出口流量和回油流量值.通过监测出口流量可以判断当前航空液压泵是处于大流量状态还是小流量状态,不同流量状态下对泵的故障诊断需要采用不同的故障特征提取方法.在航空液压泵高速旋转过程中,配流盘磨损是最容易发生的故障,它导致的直接后果就是泵的容积效率大大降低,回油流量显著增大,由于泵的转子与配流盘之间间隙很小,很难直接测量磨损量,所以我们通过监测航空液压泵回油流量来诊断配流盘磨损故障.
3、加速度传感器:用来监测航空液压泵泵体的轴向和径向振动信号。泵在工作过程中,航空液压泵机械连接、配合件间隙松动、摩擦副磨损、缸体或柱塞的疲劳裂纹以及轴承损伤都会引起泵体附加振动,大量实验表明泵的很多故障往往都是以异常振动的形式表现出来,因此泵体振动信号中蕴含了丰富的故障信息,对其进行深入分析可以获得较好的故障诊断效果。
根据以上所述,本发明采集航空液压泵出口压力传感器、出口流量传感器、泵回油流量传感器、泵体轴向加速度传感器和泵体径向加速度传感器共五个传感器的信号,通过分析这些传感器信号实现高效快速的故障诊断。
第二步、依据不同故障的重要度和故障特征提取方法将航空液压泵常见的五类故障进行分层聚类,确定故障诊断的顺序和层次。
通过大量内外场调研,航空液压泵常见的故障类型有以下五种:
1、配流盘磨损:指配流盘与转子端面在高压高速的工作环境下,产生接触面之间的粘着磨损或磨粒磨损以及气蚀等,配流盘磨损的直接后果是使泵的容积效率下降,回油流量增加而出口流量减小,这种故障是造成飞机液压柱塞泵失效的主要形式。
2、入口压力不足:航空液压泵要想实现稳定工作必须吸入具有一定压力的油液,当出现吸入油液增压不足或管路不畅等情况时,就造成了航空液压泵入口压力不足故障,这使泵的主要外部特性如出口压力和流量发生较大变化,影响液压泵正常工作。
3、航空液压泵轴承故障:航空液压泵长期工作在交变载荷下,轴承滚柱、内环和外环的滚动表面很容易产生润滑不良、点蚀及疲劳损伤等故障。无论哪种故障,都会在运转过程中产生冲击,进而产生周期性振动。
4、柱塞球头游隙增大:指航空液压泵柱塞球头与滑靴球窝之间的间隙超出正常范围,这种故障会引起泵体附加振动,是航空液压泵一种常见典型渐进性故障。当柱塞游隙在一定范围内时,泵的主要外部特性没有明显变化,随着磨损加剧,当游隙超出安全范围时,球头和滑靴可能突然拉脱,在一瞬间破坏整个泵源系统,对飞行安全造成严重威胁。
5、斜盘不对中:航空液压泵由于装配过程中的装配误差或者长期工作磨损后,斜盘两侧耳轴与泵壳体之间的间隙变大,使得斜盘在转子和柱塞组件的带动下来回蹿动,不能对中工作,会对航空液压泵的外部特性造成不良影响。这种故障也属于航空液压泵典型的渐进性故障。
当航空液压泵多故障同时发生时,不同的故障模式有不同的敏感特征,且相互耦合,为了有效进行故障诊断,本发明提出一种航空液压泵分层聚类多故障诊断方法。从对泵性能影响程度的角度按照故障重要度从高到低的顺序对上述五类故障进行分层,同时将具有相近或相同故障特征提取方法的故障划归为同一类进行诊断,这个过程称为“分层聚类”过程。
以上五类故障中,配流盘磨损和入口压力不足故障会对航空液压泵的外部特性如出口压力和出口流量造成显著影响,使航空液压泵不能正常工作,严重时会造成泵源系统失效;同时这两类故障在诊断时只需对流量和出口压力信号进行比较简单的分析,即可有效提取故障特征,所以将这两类故障划为“重要度最高”的第一诊断层,最先对这两类故障进行诊断.
轴承故障相比较而言对航空液压泵的性能影响不如前两种严重,同时由于轴承故障产生的故障信号比较微弱,需要采用比较复杂的故障特征提取方法才能有效提取故障特征,所以将航空液压泵轴承故障单独划为“重要度高”的第二诊断层。
斜盘不对中和柱塞球头游隙增大故障都属于航空液压泵典型的渐进性故障,在故障初期泵的性能没有明显变化,但是到了故障末期随着磨损加剧可能会造成航空液压泵性能突然失效,对飞机液压系统产生严重影响。这两类故障产生时会造成航空液压泵体的附加振动,但是由于振动信号在检测时呈现出较强随机性,信噪比较低,所以在故障初期故障特征非常微弱,很难采用常见的频谱分析方法有效提取故障特征。这里采用本发明中设计的倍频相对能量和故障特征提取方法,快速有效提取故障特征实现故障诊断。将这两类故障划为“重要度较高”的第三诊断层,在最后一步中实现故障诊断。
第三步、第一诊断层——入口压力不足和配流盘磨损故障诊断。
入口压力不足故障诊断方法流程如图2所示,首先通过航空泵额定转速下出口流量大小判断当前泵的工作状态。大流量状态下,采集回油流量值,计算出口流量和回油流量之和,若两者之和明显小于额定值,则出现了入口压力不足故障,这里所述的额定值是航空液压泵出厂时的额定性能参数,即出口流量和回油流量之和;当航空液压泵工作在小流量状态下时,对出口压力信号作快速傅利叶变换(FFT),得到FFT幅值谱,该频谱图中若在某一特定频率处幅值较大,明显超出阈值,则可确定出现了入口压力不足故障。
上述大流量状态和小流量状态是指:航空泵工作在额定转速下,当出口流量等于泵的最大输出流量,则表示大流量状态;当出口流量很小,近似为零,则表示小流量状态。
上述小流量状态下故障诊断阈值的确定方法是:选取正常液压泵,并确保入口压力处于额定状态,使液压泵工作在小流量状态下,采集出口压力信号并进行快速傅利叶变换得到幅值谱,考察幅值谱曲线中的最大幅值,该数值就是小流量状态下入口压力不足故障的诊断阈值。
上述快速傅利叶变换FFT是目前进行信号频谱分析的最常用方法,其计算通式为:
式中x(t)表示以时间为自变量的时域信号,是被处理信号;X(f)表示进行傅利叶变换后得到的频率域信号,以频率为自变量。称|X(f)|为FFT幅值谱,它表示原始信号中各谐波分量的幅值大小沿频率轴的分布状况。当原始信号呈现出频率恒定的正弦振荡,则表示该频率处原始信号能量较大,反映在FFT幅值谱中就是在某一特定频率处幅值谱的值较大,明显超出其他频率处的值。
配流盘磨损故障诊断方法:该故障比较容易诊断,采集航空液压泵回油流量数值,当回油流量超出额定范围,则可确定发生了配流盘磨损故障。
第四步、第二诊断层——航空液压泵轴承故障诊断。
航空液压泵内部转子支撑轴承是比较重要的一组轴承,由滚子、轴承外环和保持架组成.当轴承发生故障时,引起的附加振动相对于泵体其他振动而言是十分微弱的.廖伯瑜在2005年编著的《机械故障诊断基础》一书中指出,对于轴承故障采用传统频谱分析方法FFT变换,很难有效提取轴承故障特征.对于轴承故障的诊断方法,王少萍教授在1994年编写的博士学位论文《液压泵计算机辅助测试及故障诊断研究》一文中指出,采用倒谱包络方法,可以有效提取信噪比小的故障信号的故障特征,适用于轴承故障的诊断;倒谱包络模型实质是对从传感器获得的信号进行倒频谱分析,然后对其倒频谱信号进行包络提取,从而双重性地突出了故障信息,为信噪比小的故障特征的提取提供依据.
方长森于1981年编著的《滚动轴承分析方法》一书中给出了轴承局部损伤时振动频率公式,当轴承滚动体发生故障时,可以通过(2)式计算其故障信号对应的特征频率:
式中:fr-泵的轴转速;d-滚动体直径;D-轴承节圆直径;α-轴承接触角。
如果液压泵轴承发生故障,将在液压泵径向产生附加振动。所以在进行本层故障诊断时,如图3所示,先将采集到的液压泵径向振动信号按照王少萍教授在1994年编写的博士学位论文《液压泵计算机辅助测试及故障诊断研究》一文中给出的倒谱包括方法进行故障特征提取,得到倒谱包络曲线,这条曲线以频率为自变量;再根据轴承和液压泵的实际参数按照(2)式计算故障特征频率;最后在倒谱包络曲线中,在轴承故障特征频率附近检查幅值的大小,当幅值超过阈值时,则可确定发生了液压泵轴承故障。
上述航空泵轴承故障诊断中阈值的确定方法为:选取正常液压泵,使其在额定工况下运行,采集泵径向振动信号;按照上述倒谱包络方法进行径向振动信号处理,并按照(2)式计算轴承特征频率,考察轴承特征频率附近倒谱包络曲线中幅值的大小,找到最大值;对径向振动信号进行多次以上处理步骤,最后求出倒谱包络曲线中轴承特征频率附近幅值的最大值,该数值就是轴承故障诊断中的阈值。
第五步、第三诊断层——采用倍频相对能量和故障特征提取方法进行斜盘不对中和柱塞球头游隙增大故障诊断。
斜盘不对中和柱塞球头游隙增大故障都属于液压泵典型的渐进性故障,在故障初期,故障特征非常微弱。实际情况中由于液压泵工作环境一般都较为恶劣,外部干扰影响大,泵体振动信号检测呈现出较强的随机性,且信噪比较低,很多有用的信息被淹没,故障特征变得更加不明显,降低了故障诊断的鲁棒性,因此在进行这两类故障诊断时提高信号的信噪比成为故障诊断的关键,
本发明设计了一种倍频相对能量和故障特征提取方法,将采集到的振动信号按照该方法进行故障特征提取,可以有效获得故障特征,实现高效准确的故障诊断。倍频相对能量和故障特征提取方法通过如下步骤实现,流程如图4:
第一步,通过快速傅利叶变换FFT的计算通式(1)将液压泵轴向和径向加速度传感器信号从时域变换到频域。设轴向加速度传感器信号为xa(t),经过FFT变换后得到的频谱幅度谱为|Xa(f)|;径向加速度传感器信号为xr(t),经过FFT变换后得到的频谱幅度谱为|Xr(f)|。
第二步,求信号的功率谱密度函数。
从能量的概念出发,根据帕斯维尔(Parseval)定理,信号的总能量与其傅利叶变换频谱之间具有如下关系:
式中E为信号总能量,x(t)为原始时域信号,X(f)为傅利叶变换后的频域信号,上式中|X(f)|2为信号的功率谱密度函数。信号的功率谱密度函数|X(f)|2即为傅利叶变换后幅度谱|X(f)|的平方,通过平方运算可以更加突出能量大的点,同时使能量较小的频率点处幅值变得更加微弱,从而达到增大信噪比的目的。
轴向加速度传感器信号的功率谱密度函数为|Xa(f)|2,径向加速度传感器的功率谱密度函数为|Xr(f)|2。
第三步,计算倍频能量距离,进行倍频相对能量和故障特征提取。
根据液压泵故障模式影响分析,其常见的故障在轴频率及其倍频点有响应,这里最高倍频选8倍频。在轴向振动信号功率谱中,分别在以轴频率和各倍频点为中心,以±10Hz为半径小频率范围内,计算平均能量,记为|Xa(Δif0)|2(i=1,2,3,4,5,6,7,8),表示第i倍频处±10Hz小频率范围内的平均能量,f0表示液压泵的轴频率,通过下式计算:
n表示液压泵的转速,单位为转每分(rpm)。2倍频至8倍频的频率值为if0Hz(i=2,3,4,5,6,7,8)。
寻找轴频率和各倍频点±10Hz小范围内的最大能量值,记为|Xamax(if0)|2(i=1,2,3,4,5,6,7,8),表示第i倍频处±10Hz小频率范围内的最大能量。这里定义轴向倍频能量距离为:
以上介绍了倍频相对能量和故障特征提取方法的设计过程,通过这种方法得到的倍频能量距离AS和RS由于放大了相对差距,故可以有效提取故障特征,然后根据以下原则进行故障诊断:
●如果AS≥阈值且RS≥阈值,则液压泵正常;
●如果AS<阈值且RS<阈值,则发生了柱塞球头游隙增大故障;
●如果AS≥阈值且RS<阈值,则发生了斜盘不对中故障。
该处阈值的确定方法是:选取正常航空泵,使其在额定工况下运行,采集泵体轴向和径向振动信号;按照上述倍频相对能量和故障特征提取方法进行数据处理,计算正常航空泵的倍频能量距离AS和RS;考察航空泵大流量状态下AS和RS的数值,选取最小值;进行多组以上实验,最后找到大流量状态下AS和RS的最小值,该数值就是诊断阈值。
本发明提供的基于倍频相对能量和的分层聚类航空液压泵多故障诊断方法,第一步依靠故障模式影响分析技术FMEA对航空液压泵进行传感器优化布局并采集传感器信号;第二步依据不同故障的重要度和故障特征提取方法将航空液压泵常见的五类故障进行分层聚类,确定故障诊断的顺序和层次;第三步对第一诊断层进行诊断;第四步对第二诊断层航空液压泵进行诊断;第五步给出了倍频相对能量和故障特征提取方法的设计过程,并依靠该方法进行第三诊断层进行诊断.经过以上各个步骤后,实现了对于多故障同时发生的航空液压泵的诊断.
实施例
本发明设计的故障诊断方法的目的是实现航空液压泵泵常见五类故障的准确高效诊断。具体实施中选择一台故障泵,在实验开始之前先将液压泵分解,仔细观察和测量液压泵内部各个元部件,确定已经发生了配流盘磨损故障和轴承故障,然后按照以下各个步骤进行故障诊断。
一、传感器优化布局,采集传感器信号。
按照前述第一步所述,在实验台上分别安装合适量程的液压泵出口压力传感器、出口流量传感器、泵回油流量传感器、泵体轴向加速度传感器和泵体径向加速度传感器共五个传感器,并采集这些传感器的信号。泵体轴向加速度传感器安装在与液压泵轴线方向平行或重合的位置上,径向加速度传感器安装在转子支撑轴承外侧,以便有效测量泵体振动信号。
二、设置入口压力不足和柱塞球头游隙增大故障,确定航空液压泵各类故障的诊断层次和顺序。
所选航空液压泵的额定入口压力为0.4MPa,将泵源系统增压油箱的增压装置关闭,使泵入口压力降到0MPa,以此模拟实际使用中航空液压泵入口压力不足故障。
为了验证上述第五步所述内容,本实施方式中选择柱塞球头游隙增大故障作为诊断范例,采用人工设置故障的方法,验证倍频相对能量和故障特征提取方法的有效性。具体设置方法为:人为拉大航空液压泵所有柱塞和球窝之间的间隙,按照间隙依次变大的顺序,分别设置12次故障,并分别采集泵体振动信号进行故障诊断。
通过以上故障设置,本实施方案中的故障泵就同时具有了入口压力不足故障,配流盘磨损故障,轴承故障和柱塞球头游隙增大故障这四类航空液压泵常见故障。依据上述第二步中所述的分层聚类思想,确定故障诊断的层次和顺序:
●先诊断第一层次——入口压力不足和配流盘磨损故障;
●其次诊断第二层次——航空液压泵轴承故障;
●最后诊断第三层次——柱塞球头游隙增大故障。
三、第一诊断层——入口压力不足和配流盘磨损故障诊断。
使故障航空液压泵在额定转速下工作,工作状态为大流量状态。泵出厂时的额定性能参数显示,当液压泵在额定转速下工作时,大流量状态下出口流量和回油流量之和为16L/min左右;而计算此故障泵出口流量和回油流量之和仅为15L/min,明显小于额定值,说明该液压泵发生了入口压力不足故障,这与实际情况相符。
再检查此时的回油流量,正常状态下,泵的回油流量不大于2.5L/min,而此时故障泵的回油流量达到了4.2L/min,远大于正常值,说明发生了配流盘磨损故障,这也与实际情况相符合。
然后使故障泵工作在小流量状态,对此时泵的出口压力传感器信号进行快速傅利叶变换,得到频谱图,如附图5所示。图中虚线表示入口压力不足时出口压力信号的频谱,实线表示入口压力正常时泵出口压力频谱,从图中很容易看出故障时在6.7Hz左右,频谱幅值明显大于其它频率处的值,而在正常状态下频谱曲线没有明显的峰值,这一现象表明出现了入口压力不足故障。这一结论与实际情况相符。
四、第二诊断层——航空液压泵轴承故障诊断。
根据公式(2)计算轴承的故障频率为597Hz,所以实际情况下,故障特征频率应该在597Hz左右。对故障泵径向振动信号按照前述第四步所述方法进行倒谱包络计算,得到倒谱包络曲线,如附图6a、6b所示。图6a表示正常转子轴承倒谱包络后频谱曲线,可以看出曲线中没有明显峰值;图6b表示转子轴承滚柱故障时倒谱包络后频谱曲线,可以看出在598.5Hz左右出现明显峰值,这一现象表明出现了轴承故障。这一结论与实际情况相符。
五、第三诊断层——柱塞球头游隙增大故障诊断。
先按照前述第五步所述计算故障泵轴向和径向振动信号的功率谱曲线,如附图7a、7b所示。图7a为柱塞球头游隙增大泵轴向振动功率谱,图7b为柱塞球头游隙增大泵径向振动功率谱;图8a、8b为正常液压泵轴向和径向振动功率谱图。
本实验故障泵的转速为n=4000rpm,通过(4)式计算其轴频率为f0=66.7Hz,所以2倍频至8倍频分别为133.3Hz,199.9Hz,266.7Hz,333.3Hz,399.9Hz,466.6Hz和533.3Hz。
分别在大流量状态和零流量状态下按照(5)式和(6)式计算故障泵轴向倍频能量距离AS和径向倍频能量距离RS,计算结果见表1。
表1柱塞球头游隙增大时正常与故障倍频能量距离对比
试验组别 | 大流量轴向AS | 大流量径向RS | 零流量轴向AS | 零流量径向RS |
正常1 | 145.920 | 155.001(正确) | 475.225 | 325.433(正确) |
正常2 | 109.624 | 241.725(正确) | 572.976 | 647.37(正确) |
故障1 | 83.568 | 57.2748(正确) | 75.944 | 76.378(正确) |
故障2 | 75.269 | 69.3237(正确) | 63.512 | 85.2406(正确) |
故障3 | 56.782 | 76.3885(正确) | 79.856 | 91.235(正确) |
故障4 | 44.2367 | 52.6475(正确) | 49.5178 | 45.8329(正确) |
故障5 | 42.8594 | 43.0802(正确) | 44.5606 | 39.6562(正确) |
故障6 | 51.2141 | 54.9795(正确) | 38.8364 | 43.5177(正确) |
故障7 | 43.5363 | 61.0365(正确) | 40.4428 | 38.1944(正确) |
试验组别 | 大流量轴向AS | 大流量径向RS | 零流量轴向AS | 零流量径向RS |
故障8 | 47.1916 | 53.7937(正确) | 43.6413 | 58.6208(正确) |
故障9 | 53.762 | 169.305(漏检) | 70.1275 | 36.2533(正确) |
故障10 | 79.261 | 70.9282(正确) | 36.4812 | 43.5657(正确) |
故障11 | 63.493 | 113.613(漏检) | 56.589 | 41.8283(正确) |
故障12 | 86.853 | 94.4219(正确) | 45.558 | 43.4412(正确) |
通过表1的数据可知,当发生柱塞球头游隙增大故障时,无论是轴向还是径向振动的倍频能量距离都会变小,其中最明显的是零流量状态下AS和RS的值。这是因为零流量时,流体脉动造成的振动最小,轴频及各个倍频点处的能量也比较小,所以故障信号更容易产生影响;当处于大流量工况时,因为流体脉动造成的振动非常大,轴频和各个倍频点处的能量也比较大,故障信号产生的影响相对较小。
这里设置轴向和径向倍频能量距离的阈值为100,按照上述第五步的判据进行故障诊断,即如果AS<阈值且RS<阈值成立,则发生了柱塞球头游隙增大故障,诊断结果见表1中括号里的内容。诊断结果显示基于倍频相对能量和的故障诊断方法正确率很高,尤其是在故障泵零流量状态下,诊断正确率达到100%。
Claims (4)
1.基于倍频相对能量和的分层聚类航空泵多故障诊断方法,其特征在于如下步骤:
第一步、依靠故障模式影响分析技术对航空液压泵进行传感器优化布局并采集传感器信号;
所述传感器包括压力传感器、流量传感器、加速度传感器,其中压力传感器用来监测航空液压泵出口压力值;流量传感器用来监测航空液压泵出口流量和回油流量值;加速度传感器用来监测航空液压泵泵体的轴向和径向振动信号;
第二步、将航空液压泵常见的故障进行分层聚类,确定故障诊断的顺序和层次;航空液压泵常见的故障类型有配流盘磨损、入口压力不足故障、航空液压泵轴承故障、柱塞球头游隙增大和斜盘不对中,从对泵性能影响程度的角度按照故障重要度从高到低的顺序对上述五类故障进行分层,同时将具有相近或相同故障特征提取方法的故障划归为同一类进行诊断,这个过程称为“分层聚类”过程,其中配流盘磨损和入口压力不足故障为第一诊断层;轴承故障为第二诊断层;斜盘不对中和柱塞球头游隙增大故障为第三诊断层;
第三步、第一诊断层故障诊断;
入口压力不足故障诊断方法为:
首先通过航空液压泵出口流量大小判断当前泵的工作状态,大流量状态下,采集回油流量值,计算出口流量和回油流量之和,若两者之和明显小于额定值,则出现了入口压力不足故障;所述的额定值是航空液压泵出厂时的额定性能参数;当航空液压泵工作在小流量状态下时,对出口压力信号作快速傅利叶变换,得到FFT幅值谱,该频谱图中若在某一特定频率处幅值明显超出阈值,则出现了入口压力不足故障;
配流盘磨损故障诊断方法:采集航空液压泵回油流量数值,当回油流量超出额定值范围,则确定发生了配流盘磨损故障;
第四步、第二诊断层故障诊断;
先将采集到的航空液压泵径向振动信号按照倒谱包络方法进行故障特征提取,得到倒谱包络曲线,这条曲线以频率为自变量;再根据轴承和航空液压泵的实际参数按照下式:
式中:fr-泵的轴转速;d-滚动体直径;D-轴承节圆直径;α-轴承接触角;
计算故障特征频率;最后在倒谱包络曲线中,在轴承故障特征频率附近检查幅值的大小,当幅值超过阈值时,则确定发生了航空液压泵轴承故障;
第五步、第三诊断层故障诊断;
将采集到的振动信号按照倍频相对能量和故障特征提取方法进行故障特征提取,步骤如下:
(1)通过快速傅利叶变换FFT的计算通式将航空液压泵轴向和径向加速度传感器信号从时域变换到频域;
设轴向加速度传感器信号为xa(t),经过FFT变换后得到的频谱幅度谱为|Xa(f)|;
设径向加速度传感器信号为xr(t),经过FFT变换后得到的频谱幅度谱为|Xr(f)|;
(2)求信号的功率谱密度函数;
轴向加速度传感器信号的功率谱密度函数为|Xa(f)|2,径向加速度传感器信号的功率谱密度函数为|Xr(f)|2;
(3)计算倍频能量距离,进行倍频相对能量和故障特征提取;
轴向倍频能量距离为:
径向倍频能量距离为:
根据轴向倍频能量距离AS和径向倍频能量距离RS提取故障特征,然后根据以下原则进行故障诊断:
●如果AS≥阈值且RS≥阈值,则航空液压泵正常;
●如果AS<阈值且RS<阈值,则发生了柱塞球头游隙增大故障;
●如果AS≥阈值且RS<阈值,则发生了斜盘不对中故障;
2.根据权利要求1所述的基于倍频相对能量和的分层聚类航空液压泵多故障诊断方法,其特征在于:所述第五步中的快速傅利叶变换FFT计算通式为:
式中x(t)表示以时间为自变量的时域信号,是被处理信号;X(f)表示进行傅利叶变换后得到的频率域信号,以频率为自变量,称|X(f)|为FFT幅值谱,它表示原始信号中各谐波分量的幅值大小沿频率轴的分布状况。
3.根据权利要求1所述的基于倍频相对能量和的分层聚类航空液压泵多故障诊断方法,其特征在于:所述第五步中的功率谱密度函数通过如下方法获得:从能量的概念出发,根据帕斯维尔定理,信号的总能量与其傅利叶变换频谱之间具有如下关系:
式中E为信号总能量,x(t)为原始时域信号,X(f)为傅利叶变换后的频域信号,上式中|X(f)|2为信号的功率谱密度函数,信号的功率谱密度函数|X(f)|2即为傅利叶变换后幅度谱|X(f)|的平方。
4.根据权利要求1所述的基于倍频相对能量和的分层聚类航空液压泵多故障诊断方法,其特征在于:所述第五步中的轴向倍频能量距离的计算过程为:根据航空液压泵故障模式影响分析,其常见的故障在轴频率及其倍频点有响应,这里最高倍频选8倍频,在轴向振动信号功率谱中,分别在以轴频率和各倍频点为中心,以±10Hz为半径小频率范围内,计算平均能量,记为|Xa(Δif0)|2(i=1,2,3,4,5,6,7,8),表示第i倍频处±10Hz小频率范围内的平均能量,f0表示航空液压泵的轴频率,通过下式计算:
n表示航空液压泵的转速,单位为转每分钟,2倍频至8倍频的频率值为if0Hz(i=2,3,4,5,6,7,8),寻找轴频率和各倍频点±10Hz小范围内的最大能量值,记为|Xamax(if0)|2(i=1,2,3,4,5,6,7,8),表示第i倍频处±10Hz小频率范围内的最大能量,从而得到轴向倍频能量距离为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910085098A CN101571120B (zh) | 2009-05-31 | 2009-05-31 | 基于倍频相对能量和的分层聚类航空泵多故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910085098A CN101571120B (zh) | 2009-05-31 | 2009-05-31 | 基于倍频相对能量和的分层聚类航空泵多故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101571120A CN101571120A (zh) | 2009-11-04 |
CN101571120B true CN101571120B (zh) | 2010-05-12 |
Family
ID=41230563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910085098A Expired - Fee Related CN101571120B (zh) | 2009-05-31 | 2009-05-31 | 基于倍频相对能量和的分层聚类航空泵多故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101571120B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101968379B (zh) * | 2010-09-30 | 2013-03-06 | 南昌航空大学 | 航空发动机转子系统工况振动信号特征信息提取方法 |
CN102123177A (zh) * | 2011-03-22 | 2011-07-13 | 上海交通大学 | 基于网络实现的旋转机械故障检测系统及其在线检测方法 |
GB2536461A (en) * | 2015-03-18 | 2016-09-21 | Edwards Ltd | Pump monitoring apparatus and method |
CN104929921B (zh) * | 2015-05-12 | 2017-07-04 | 北京航空航天大学 | 一种分布式控制体体积温升模型的航空液压泵故障诊断方法 |
CN106909919A (zh) * | 2017-04-19 | 2017-06-30 | 武汉惜源科技有限公司 | 一种泵站监测征兆提取方法和系统 |
CN109655274A (zh) * | 2017-10-11 | 2019-04-19 | 中国航发西安动力控制科技有限公司 | 一种具备泵故障诊断功能的环境试验器 |
CN108825482B (zh) * | 2018-04-25 | 2020-08-07 | 中国航空工业集团公司北京长城航空测控技术研究所 | 一种飞机轴向柱塞泵的故障检测方法及检测系统 |
CN108593296B (zh) * | 2018-04-26 | 2020-01-31 | 济南大学 | 一种基于倒谱伪边距的轴承单点故障诊断方法 |
CN108644130B (zh) * | 2018-05-24 | 2020-01-14 | 中国船舶重工集团公司第七一九研究所 | 一种泵组故障的检测方法 |
CN111795824B (zh) * | 2019-04-09 | 2022-03-04 | 中国航发商用航空发动机有限责任公司 | 机械动力系统故障诊断方法及系统 |
CN110135088B (zh) * | 2019-05-20 | 2022-08-23 | 哈尔滨工业大学 | 基于退化特征参数正常包络模型的模拟电路早期故障检测方法 |
CN110553844B (zh) * | 2019-07-24 | 2020-12-25 | 西安交通大学 | 旋转机械的不对中故障检测方法及其检测系统 |
CN110411558B (zh) * | 2019-07-26 | 2022-06-07 | 中国航发沈阳发动机研究所 | 一种航空发动机振动测试值限定方法及振动故障判断方法 |
CN110958312B (zh) * | 2019-11-27 | 2022-05-20 | 中北大学 | 一种航空传动故障数据分析系统 |
CN110940518B (zh) * | 2019-11-27 | 2021-08-24 | 中北大学 | 一种基于故障数据的航天传动机构分析方法 |
CN111060337B (zh) * | 2019-12-05 | 2022-05-06 | 杭州哲达科技股份有限公司 | 一种基于专家系统的运转设备实时故障诊断方法 |
CN111536053A (zh) * | 2020-05-06 | 2020-08-14 | 大唐环境产业集团股份有限公司 | 一种基于振动频谱分析的泵汽蚀报警装置及检测方法 |
CN114576152B (zh) * | 2020-12-01 | 2024-01-16 | 格兰富控股联合股份公司 | 水泵状态监测系统、监测方法、装置、电子设备和介质 |
CN112901472B (zh) * | 2021-01-27 | 2023-03-24 | 赛腾机电科技(常州)有限公司 | 一种基于信号特征频率自动识别柱塞泵故障的诊断方法 |
CN113217365B (zh) * | 2021-03-31 | 2022-11-11 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种脱硫设施循环浆液泵状态监测方法、系统及设备 |
CN114810572B (zh) * | 2022-04-19 | 2023-08-22 | 鲁东大学 | 一种液压泵故障诊断方法及装置 |
CN117195103B (zh) * | 2023-11-01 | 2024-02-27 | 浙江大学高端装备研究院 | 一种轴向柱塞泵故障源确定方法、装置和设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1825082A (zh) * | 2006-03-31 | 2006-08-30 | 洛阳轴研科技股份有限公司 | 滚动轴承故障自动诊断系统 |
-
2009
- 2009-05-31 CN CN200910085098A patent/CN101571120B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1825082A (zh) * | 2006-03-31 | 2006-08-30 | 洛阳轴研科技股份有限公司 | 滚动轴承故障自动诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101571120A (zh) | 2009-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101571120B (zh) | 基于倍频相对能量和的分层聚类航空泵多故障诊断方法 | |
CN101581295B (zh) | 一种基于dsp的机载液压泵源故障诊断系统 | |
Tang et al. | A fault diagnosis method for loose slipper failure of piston pump in construction machinery under changing load | |
Du et al. | Layered clustering multi-fault diagnosis for hydraulic piston pump | |
CN105697353B (zh) | 一种变工况液压泵故障模拟及状态检测综合试验装置 | |
Elasha et al. | Application of acoustic emission in diagnostic of bearing faults within a helicopter gearbox | |
CN109488630B (zh) | 基于谐波相对指标的离心风机转子不对中故障诊断方法 | |
US20070261492A1 (en) | Turbine engine stall warning system | |
CN102449309A (zh) | 用于确定推进器的状况指示器的系统和方法 | |
CN111963415A (zh) | 一种液压柱塞泵的故障诊断方法及系统 | |
CN107727333A (zh) | 一种用于液压缸泄漏分析的诊断方法 | |
CN114934898B (zh) | 基于多模态参数的液压泵故障诊断分析系统 | |
CN104976139A (zh) | 一种基于高斯模型的机械设备状态诊断方法 | |
CN110287546B (zh) | 一种高压内啮合齿轮泵多轴疲劳寿命预测方法 | |
CN102095796A (zh) | 一种结合主动超声与被动声学探测流体空化的装置及方法 | |
CN104267097A (zh) | 一种风机叶片裂纹位置确定方法 | |
CN106762343A (zh) | 基于在线数据的水轮发电机组推力轴承故障的诊断方法 | |
CN103278324B (zh) | 一种风力发电机组主传动系统故障诊断模拟装置 | |
Cao et al. | Numerical method to predict vibration characteristics induced by cavitation in centrifugal pumps | |
CN104121178A (zh) | 输油泵故障诊断系统及方法 | |
CN116538092B (zh) | 一种压缩机在线监测及诊断方法、装置、设备及存储介质 | |
CN109139443B (zh) | 一种基于位移信号的活塞杆故障诊断方法 | |
CN113095540A (zh) | 数据整合方法及数据整合系统 | |
CN115898848A (zh) | 一种柱塞泵的监测方法及监测系统 | |
CN104156623A (zh) | 一种机械复合故障的诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100512 Termination date: 20120531 |