CN101836100A - 用于对滚动轴承检测和自动识别损伤的方法 - Google Patents
用于对滚动轴承检测和自动识别损伤的方法 Download PDFInfo
- Publication number
- CN101836100A CN101836100A CN200880113828A CN200880113828A CN101836100A CN 101836100 A CN101836100 A CN 101836100A CN 200880113828 A CN200880113828 A CN 200880113828A CN 200880113828 A CN200880113828 A CN 200880113828A CN 101836100 A CN101836100 A CN 101836100A
- Authority
- CN
- China
- Prior art keywords
- interval
- examined
- omega
- signal
- test
- 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.)
- Granted
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
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Rolling Contact Bearings (AREA)
- Feedback Control In General (AREA)
Abstract
本发明的主题是一种在诊断滚动轴承中以及在损伤发生的极早阶段检测损伤中可应用的用于检测和自动识别滚动轴承中的缺陷的方法。在本发明方法中,测量运转中的轴承的振动,将所测量模拟信号转换成数字数据,使用已知方法对它们进行滤波,然后检测冲击脉冲,于是识别被测试轴承(或多个轴承)中存在的缺陷,该方法的特征在于,检测冲击脉冲的步骤使用以这种形式(公式(I))所定义的冲击脉冲似然比(Ms)来进行,其中(公式II)是在具有预置数(L)的下一次滤波时的在测试间隔中存在的信号的均方值,而(公式III)是在具有预置数(L)的下一次滤波时的在参考间隔中存在的信号的均方值,同时为了确定冲击似然比(MS),构建二进制向量(p),它用于识别检测到的缺陷。
Description
本发明的主题是一种在诊断滚动轴承中以及在它们发生的极早阶段检测损伤中可应用的用于对滚动轴承检测和自动识别损伤的方法。
在诊断技术设备的当今方法中,在设备或其个体部件的使用早期发生的损伤以及存在的故障以及它们准确位置的检测是极为重要的,并且它能够进行得越早,则该方法的重要性越大。设备状况的诊断以及特别是旋转电机及其部件中的缺陷的检测和自动识别利用基于测量电或机械信号、它们的处理以及测量结果的分析和解释的方法。
操作期间监测轴承的当今应用的方法在于,将所测量并且经数字处理的结果与对于工作在正确状况并且没有任何故障的风险的轴承所得到的数据进行比较。在大多数情况下,这种比较由为此目的而训练的专业人员来进行。
轴承中的缺陷的早期确定的最频繁使用的方法在于,检查冲击脉冲与检查轴承的被测试部件的振动相结合。然后,脉冲的这类形状从所测量数据中选取,供进一步分析,它建议缺陷的存在的可能性。数据分析的计算机化方法允许早期检测故障,并且确定它们发生的位置、它们的类型和损伤程度。
从专利描述US 5477730已知用于检查滚动轴承的状况的方法和装置。该方法在于,检测由轴承所发射的第一振动信号,解调这些信号以便在解调之后输出信号,将输出信号从模拟信号转换成数字输出信号,通过从许多已知技术所选的数字滤波技术从这些信号中滤除噪声,以及将数字信号输出到输出装置。在本发明的另一个变型中,不是解调第一信号,而是使用从2000至15000Hz的范围之内的带通滤波,并且这种滤波之后的信号经过如前面所述的变换。在本发明的又一个变型中,将轴承所发射的第一振动信号从模拟转换成数字,于是使用从许多已知技术所选的数字滤波技术(包括从数字输出信号分离噪声信号的动作)从信号滤除噪声,然后将数字信号引入输出装置。
从专利申请WO00/04361已知一种用于评估轴承的元件状况的方法。通过产生模拟加速信号、将这个信号转换成数字数据、对数字信号取样以便定位它的来自轴承缺陷的分量,由此这种方法采用轴承元件振动的测量。该方法的特征在于,通滤波以便得到本质上由与轴承表面的微结构的总平滑度和冲击脉冲成比例的白噪声组成的信号,从而从数字加速信号去除任何不希望的决定性信号分量的影响。选择对轴承缺陷敏感的下列信号特性参数:尖锐振动脉冲或冲击脉冲,峰-峰幅值,没有冲击脉冲的与平均幅值成比例的平均值,信号的峰值含量。使用已知方法、所谓的包络信号估计的自动相关来进行以常规间隔的窄带冲击脉冲检测。
在用于对滚动轴承检测和自动识别损伤的方法中,以已知方式将作为模拟时间波信号所测量的运转中的轴承的振动转换成数字数据并且进行预滤波,该方法的本质在于,检测冲击脉冲的步骤通过使用在下列动作中确定的二进制向量p来执行:
-在所处理信号的预滤波时间波中,选择两个初始相邻向量间隔,一个是参考间隔而另一个是测试间隔,并且测试和参考间隔中存在的信号经过多次滤波,于是在各滤波之后,计算冲击脉冲似然比(likelihood ratio),其定义为测试间隔中存在的滤波信号的均方值与参考间隔中存在的滤波信号的均方值之比,
-将所计算的似然比与预置阈值进行比较,并且估计第一测试间隔中冲击脉冲发生的概率,
-与被检查测试间隔中的冲击脉冲发生有关的信息记录为二进制向量p的初始元素,以及然后
-对于在特定方向以某个偏移量迭代选择的所有连续测试和参考间隔来确定二进制向量p的所有其余元素,并且二进制向量p的那些元素在冲击脉冲发生的区域中取1,而在没有发生冲击脉冲的区域中取0。
优选地,经过第L次滤波的被检查测试间隔中的信号的均方值τt[L]根据下列关系来确定:
而经过第L次滤波的被检查参考间隔中的信号的均方值τr[L]根据以下这种关系来确定:
其中:
L-是来自范围1...NS的自然数,并且表示滤波器的数量,
Kt表示被检查测试间隔的长度,
Kr表示参考间隔的长度,
kt、kr表示连续自然数1至Kt或至Kr,
zt L表示代表经过第L次滤波的信号的被检查测试间隔的向量,
zr L表示代表经过第L次滤波的信号的被检查参考间隔的向量。
优选地,通过使用按照下列关系的自协方差矩阵Cr的奇异值分解(SVD),使用第L次滤波、即自适应滤波来确定被检查参考间隔中的信号的均方值τr[L]:
Cr=V∑rUT
其中,矩阵∑r是对角矩阵,其对角元素为非零且非负,并且表示均方值τr[L]:
以及矩阵V和U是正交矩阵,并且同时自协方差矩阵Cr具有如下形式:
其中:
其中:
xr[kr]是参考间隔的元素,
kr表示从1至Kr的连续自然数,
ir表示从1至L的连续自然数,
Kr表示参考间隔的长度,
L表示自适应滤波器的数量。
优选地,根据下列关系,使用第L次滤波、即自适应滤波来确定被检查测试间隔中的信号的均方值τt[L]:
其中,zt L是下列形式所提供的矩阵Zt的元素:
并且按照下列关系来计算矩阵Zt:
Zt=XtU
其中,矩阵Xt定义为:
以及矩阵U是正交矩阵,其元素是自适应滤波器系数,而:
Kt表示被检查测试间隔的长度;
xt[kt]是测试间隔的元素;
kt表示从1至Kt的连续自然数,
Nt=Kt-L
L表示自适应滤波器的数量。
优选地,测试和参考间隔中的信号的多次滤波通过使用带通滤波器来执行。
优选地,测试间隔的长度是参考间隔的长度的15%。
优选地,识别轴承(或多个轴承)中的缺陷的步骤通过下列动作,对于对所处理信号的时间波X的所有被检查测试和参考间隔所确定的二进制向量p以及被检查轴承(或多个轴承)的已知缺陷频率的集合Ff=[ff1,ff1,...,ffK]自动进行:
-对于来自被检查轴承的集合Ft的每个连续的已知缺陷频率ffK,确定属于已知缺陷频率ffK的邻域Pg的测试频率其中Pg是表示与已知缺陷频率相关的搜索频率范围的配置参数,然后使用已知最大似然数学原理,对于各测试频率vfK,使用二进制向量p来确定时域中的最大似然函数J,
-随后,检查哪一个测试频率vfK的最大似然函数J达到最大值JA,
-计算最大值JA与噪声等级nA之比FA,并且将结果与预置阈值参数SA进行比较:
-如果比率FA大于预置阈值参数SA,则自动产生与具有属于集合Ft并且对应测试频率vfK的特定频率的被检查轴承缺陷有关的信息,
-如果比率FA小于或等于预置阈值参数SA,则假定二进制向量p中存在的冲击脉冲中没有一个对应于被检查轴承的已知缺陷频率ffK的任一个缺陷频率,并且自动产生关于被检查轴承(或多个轴承)中没有发生特定缺陷的信息,其中噪声等级(nA)通过使用最大函数值(J)来计算。
优选地,按照下列关系,通过使谐波幅值Ak的平方之和为最大,来确定时域中对二进制向量p所计算的其最大似然函数达到最大值JA的测试频率vfK:
其中:Nh是被检查谐波的预置数量,
Ak是在时域中使用以正弦模型形式所提供的二进制向量p所确定的谐波幅值。
优选地,谐波幅值Ak的值在时域中使用以正弦模型形式所提供的二进制向量p来确定。
二进制向量p作为正弦模型和噪声向量之和来提供:
它还可以以如下矩阵形式来提供:
p=Bθ+e
其中:
ωk=2πvk/fs(k=1,2...Nh),其是与测试频率(vfK)对应的角速度,并且k=1,2...Nh,
fs是所测量模拟信号的模-数处理的取样频率,
e=[ε[n]]T-表示噪声向量,
n-表示从1至N-1的自然数,
N-表示二进制向量(p)中的元素的数量,
B是以如下形式所提供的已知常数参数的矩阵:
以及θ是以如下形式所提供的未知参数的向量:
它是下列关系的最小平方估计量:
θ=(BTB)-1BTp
其中,p是如下形式的二进制向量:
p=[p[0],p[1],...,p[N-1]]T
优选地,噪声等级nA通过取在来自集合Ff的被检查缺陷频率ffK的邻域中存在的最大函数值J的中值来计算。
备选地,噪声等级nA通过取在来自集合Ff的被检查缺陷频率ffK的邻域中存在的最大函数值J的平均值来计算。
与检测和自动识别滚动轴承中的缺陷的已知方法相比,本发明解决方案允许在缺陷出现的极早阶段来检测缺陷。所测量信号经过处理,使得非冲击脉冲相关的信号分量根据在特定测试和参考间隔中的冲击脉冲似然比计算与自适应滤波相结合从其中删除。此外,检测每个可能的冲击脉冲在时域中每次一个单独地执行,这与冲击脉冲检测基于频域的解调信号的分析的其它技术相反。因此,发明解决方案的灵敏度提高。由于冲击脉冲检测算法,创建二进制向量p,它仅包含冲击脉冲相关的信号分量。对于轴承故障识别,二进制向量p在时域中采用高分辨率最大似然方法来处理。在故障识别过程中根本不使用傅立叶变换。
根据本发明的方法作为附图中的一个实施例来提供,附图包括:
图1示出用于检测和自动识别滚动轴承中的缺陷的装置的框图,
图2是具有所指示测试和参考间隔的所处理信号X的时间波,
图3是二进制形式的向量p中的冲击脉冲的发生相对于具有所处理信号X的时间波的背景的图表,
图4是其中连同测试频率vfK已经指示已发生缺陷的频率ffault的频谱的片断,
图5是根据所提供方法、检测冲击脉冲时所执行的操作的图表,以及
图6是根据所提供方法、识别轴承中的缺陷时所执行的操作的图表。
滚动轴承2(置于旋转轴1上)包括在其壳体上标记的一些测量点和轴1速度传感器4,其中振动传感器3设置用于测量轴承振动。这些传感器连接到用于测量与运转轴承2的振动成比例的电压的模拟信号和测量该轴的转速的测量装置5。测量装置5的输出端连接到处理器6的输入端,在处理器6的存储器7中,可区别处理模块8和功能模块9。处理模块8包含处理系统10,其中,将测量信号转换成数字信号,然后将其作为输入数据发送给也包含在模块8中的高通滤波系统11,其中滤除进一步分析中不希望的信号分量。把从系统11所接收的输出数据馈送到冲击脉冲检测器12,它构成处理器6的功能模块9的其中一个系统。还将与在功能模块9中执行的数学计算相关的配置数据13以及作为被测试滚动轴承2的缺陷的已知频率的输入数据14馈送到功能模块9。把来自冲击脉冲检测器12的系统的输出数据传送给故障识别器15,它属于功能模拟9,并且在故障识别器15中执行滚动轴承的缺陷的识别。处理器6的输出端与用于可视化和/或记录所得结果16的装置连接,该装置可以是计算机显示器、打印机或者用于数据记录的任何载体。
本发明方法按照图6所示的下列动作来实现。
-振动和转速测量。通过振动传感器3和测量装置5,运转滚动轴承2的振动在所指示的那些测量点3中来测量,并且通过速度传感器4和测量装置5,测量(1)支承轴承的轴1的转速(活动101)。
-模-数转换。在处理单元10或者在测量装置5中将测量结果从模拟形式转换成数字数据,然后将这些结果作为信号时间波以数字形式存储在计算机装置的处理器6的存储器7中(活动102)。
-数字数据滤波。在高通滤波系统11中对所存储的数据进行预滤波,从而产生时间波X,X=x[k,k+1,k+2,...k+K],其中k表示范围在1至K的所处理信号的连续时间样本。作为高通滤波系统,例如可使用FIR(有限脉冲响应)滤波器。FIR滤波器的特性特征在于,它对给定序列的输入样本的响应具有有限长度。数据滤波的目的是去除比预置极限(构成配置参数其中之一)更低的频率的信号(活动103)。
-自适应滤波和冲击脉冲似然比MS和确定。将作为预滤波的结果所得到的数据传送给冲击脉冲检测器12,在其中,信号时间波经过自适应滤波,并且确定冲击脉冲似然比MS。在冲击脉冲检测器12中,从预滤波时间波X的开头,选择相邻的Kr长度的参考间隔和Kt长度的测试间隔。参考间隔的长度Kr小于具有最大频率(从输入数据(14)所得出的)的已知轴承缺陷的时间段,并且测试间隔的长度Kt小于或等于参考间隔的长度的至少一半。优选地,假定测试间隔的长度构成参考间隔的长度的15%。随后,假定有限数量的滤波器NS,优选地NS=5,并且对于各第L次滤波(Lth filtering),其中L是范围在1至NS的自然数,执行来自测试和参考间隔的信号的自适应滤波,此后,对于各第L次滤波,冲击脉冲似然比MS按照下列关系来计算(活动104):
其中,τt[L]是经过第L次自适应滤波的被检查测试间隔中的信号的均方值,按照下列形式所定义:
以及τr[L]是经过第L次自适应滤波的被检查参考间隔中的信号的均方值,按照下列形式所定义:
其中:
L-是来自1...NS的自然数,并且表示滤波器的数量,
K是所处理信号的被检查时间波的总长度,
Kt、Kr分别是测试和参考间隔的长度,
kt、kr是从1至Kt或至Kr的连续自然数,
zt L表示代表经过第L次自适应滤波的信号的被检查测试间隔的向量,
zr L表示代表经过第L次自适应滤波的信号的被检查参考间隔的向量。
-测试间隔中的冲击脉冲的发生的检验。对于各第L次自适应滤波,在提供给计算机装置存储器之前,将冲击脉冲似然比MS的值与预置阈值SL进行比较,以及如果似然比MS在至少S1个滤波器中大于SL,则这表示在被检查测试间隔中发生冲击脉冲,而如果似然比MS在不到S1个滤波器中大于SL,则这表示冲击脉冲在被检查测试间隔中没有发生,通过对于冲击脉冲的未发生采用数值“1”或数值“0”来填充向量pn的初始元素,测试间隔中的冲击脉冲的发生以二进制形式记录为向量pn(动作105)。
-二进制向量pn的其余元素的确定。在所处理信号的时间波X中,连续的相邻测试和参考间隔偏移量相对于先前通过预置步骤所确定的那些迭代地确定,并且重复进行与所有连续的测试间隔的对于预置滤波数量NS的自适应滤波、冲击脉冲似然比MS的确定、以及所处理信号的整个时间波X的所有间隔的冲击脉冲的发生的检验有联系的活动,因而得到二进制向量pn的其余元素。将二进制向量pn作为二进制时间波存储在处理器6的存储器7中,它在冲击脉冲发生的区域中取1,而在冲击脉冲没有发生的区域中取0(活动106)。
-确定向量pr。执行测试和参考间隔的所处理信号的已存储的预滤波时间波X中的时间样本的顺序的倒转,并且对于这种倒转信号时间波,执行如前面所述的从104至106的所有先前活动,并且将关于冲击脉冲存在的信息作为二进制向量pr来存储,其中值1表示给定时间样本的冲击脉冲的存在,而值0表示它的不存在(活动107)。
-确定向量p。二进制向量pr中的元素的顺序被倒转,并且与向量pn逻辑相加,以便得到二进制向量p。将二进制向量p作为二进制时间波存储在处理器6的存储器7中(活动109),它在冲击脉冲发生的区域中取1,而在冲击脉冲没有发生的区域中取0(活动108)。
-将向量p保存在处理器存储器中。所得到的结果存储在特殊设备18中(活动109)。
-然后,向量p的元素用作轴承缺陷的自动识别的初始数据(活动110)。
为了确定经过确定冲击脉冲似然比MS所需的第L次自适应滤波的参考间隔中的信号的均方值τr[L],使用数学关系式,其中自协方差矩阵Cr定义为正交矩阵V和UT与它的矩阵∑r之间的关系。矩阵∑r的对角元素为非零、非负,并且它们表示均方值τr[L]。这种关系通过下列公式示出:
Cr=V∑rUT (4)
其中,矩阵∑r通过下列关系来定义:
同时,自协方差矩阵Cr定义如下:
其中:
其中:
xr[kr]是参考间隔的元素,
kr表示从1至Kr的连续自然数,
ir表示从1至L的连续自然数,
Kr表示参考信号的长度,
作为关系式4和6的比较结果,使用自协方差矩阵奇异值分解(SVD)的奇异值分解,得到参考间隔中的信号的均方值τt[L]。
随后,为了确定经过第L次自适应滤波的测试间隔中的信号的均方值τt[L],该值是确定冲击脉冲似然MS所必需的,使用下列数学关系式:
其中,zt L是以下这种形式所提供的矩阵Zt的元素:
并且按照以下这种关系来计算矩阵Zt:
Zt=XtU (9)
其中,矩阵Xt定义为:
以及矩阵U是正交矩阵,其元素是自适应滤波的系数,而:
Kt表示被检查测试间隔的长度;
xt[kt]是测试间隔的元素;
kt表示从1至Kt的连续自然数,
Nt=Kt-L
然后,识别轴承(或多个轴承)中的缺陷的步骤利用图6所示的下列活动,对于通过本发明方法所确定的二进制向量p,并且基于被检查轴承的已知缺陷频率Ff=[ff1,ff2,...,ffK]的输入数据而在缺陷识别器15中自动进行。
-二进制抽取向量pd通过将二进制向量p经过采用预置抽取系数的抽取来确定,以便得到二进制抽取向量pd(活动111)。
-对于被测试轴承中的那些缺陷的连续的频率ffK来确定最大似然函数J。对于来自被测试轴承的集合Ff的各连续已知缺陷频率ffK,粗略地确定测试频率然后由已知缺陷频率ffK的邻域Pg精确确定,其中Pg又称作搜索频率范围,它是表示相对于给定缺陷频率的搜索范围的配置参数(参见图4)。随后,使用已知数学方法,对于各这种测试频率vfK,使用二进制抽取向量pd来确定最大似然函数J(活动112)。
-搜索具有最大幅值的冲击脉冲。最大似然函数J的最大值JA通过检查对于哪一个测试频率vfK的似然函数J达到最大值JA来确定(活动113)。
-有关被检查轴承中的缺陷的发生或不存在的信息的产生。计算最大值JA与噪声等级nA之比FA,并且将结果与预置阈值参数SA进行比较。如果比率大于预置阈值参数SA,则自动产生关于特定缺陷在被检查轴承中已经发生的信息、例如与测试频率vfK对应的ff1。
当比率FA小于或等于预置阈值参数SA时,表示以二进制向量形式所提供的已发现的冲击脉冲没有一个对应于被检查频率(其与被测试轴承的缺陷的测试频率会相似),然后自动产生关于在被测试轴承中没有发生特定缺陷的信息(活动114)。
为了确定最大似然函数J的最大值JA,使用下列数学关系:
其中:Nh是被检查谐波的预置数量,
以及Ak是在时域中使用以正弦模型的形式所提供的二进制向量p所确定的谐波幅值。
二进制向量p作为正弦模型和噪声向量之和来提供:
它又能以下列矩阵形式来提供:
p=Bθ+e (13)
其中:
ωk=2πvk/fs(k=1,2...Nh)是与特定频率(v)对应的角速度,k=1,2...Nh,
fs是执行模-数转换时的所测量模拟信号的取样频率,
e=[ε[n]]T-表示噪声向量,
n-表示从1至N-1的自然数,
N-表示二进制向量(p)中的元素的数量,
B是以如下形式所提供的已知常数参数的矩阵:
(14)
以及θ是以如下形式所提供的未知参数的向量:
它是以下这种关系的最小平方估计量:
θ=(BTB)-1BTp (15)
其中,p是以下这种形式的二进制向量:
p=[p[0],p[1],...,p[N-1]]T
关系式12和13的比较允许得到计算比率JA所需的谐波幅值Ak的值,然后将它用于确定缺陷发生的位置、即哪一个轴承可能有缺陷以及发生缺陷的类型。
噪声等级nA使用被检查缺陷频率ffK的邻域中存在的最大函数J的中值或平均值来计算。
所执行活动的最终结果是与被检查轴承(或多个轴承)中的缺陷的存在或不存在有关的信息的自动产生。缺陷的发生引起自动产生关于被检查轴承中的哪一个已经损伤以及缺陷的类型的信息。
Claims (11)
1.一种用于对滚动轴承检测和自动识别损伤的方法,其中,以已知方式将作为模拟时间波信号所测量的运转中的轴承的振动转换成数字数据并且进行预滤波,其特征在于,检测冲击脉冲的步骤通过使用在下列动作中确定的二进制向量(p)来执行:
-在所处理信号的预滤波时间波中,选择两个初始相邻向量间隔,一个是参考间隔而另一个是测试间隔,并且所述测试和参考间隔中存在的信号经过多次滤波,于是在各滤波之后,计算冲击脉冲似然比,其定义为所述测试间隔中存在的滤波信号的均方值与所述参考间隔中存在的滤波信号的均方值之比,
-将所计算的似然比与预置阈值进行比较,并且估计所述第一测试间隔中冲击脉冲发生的概率,
-与被检查测试间隔中的冲击脉冲发生有关的信息作为二进制向量(p)的初始元素来记录,以及然后
-对于在特定方向采用偏移量迭代地选择的所有连续的测试和参考间隔,来确定所述二进制向量(p)的所有其余元素,并且二进制向量(p)的那些元素在冲击脉冲发生的区域中取1,而在没有发生所述冲击脉冲的区域中取0。
2.如权利要求1所述的方法,其特征在于,经过第L次滤波的所述被检查测试间隔中的所述信号的均方值(τt[L])根据下列关系来确定:
而经过第L次滤波的所述被检查参考间隔中的所述信号的均方值(τr[L])根据以下这种关系来确定:
其中:
L-是来自间隔1...NS的自然数,并且表示滤波器的数量,
Kt表示所述被检查测试间隔的长度,
Kr表示所述参考间隔的长度,
kt、kr表示连续自然数1至Kt或至Kr,
zt L表示代表经过第L次滤波的所述信号的被检查测试间隔的向量,
zr L产表示代表经过第L次滤波的所述信号的被检查参考间隔的向量。
5.如权利要求1或2所述的方法,其特征在于,所述测试和参考间隔中的信号的多次滤波通过使用带通滤波器来执行。
6.如权利要求1-5中的任一项所述的方法,其特征在于,所述测试间隔的长度(Kt)是所述参考间隔的长度(Kr)的15%。
7.如权利要求1-6中的任一项所述的方法,其特征在于,识别轴承或者多个轴承中的缺陷的步骤通过下列动作、对于对所处理信号的时间波(X)的所有被检查测试和参考间隔所确定的所述二进制向量(p)以及被检查轴承或者多个轴承的已知缺陷频率的集合((Ff)=[ff1,ff1,...,ffK])自动进行:
-对于来自所述被检查轴承的所述集合(Ft)的每个连续的已知缺陷频率(ffK),确定属于所述已知缺陷频率(ffK)的邻域(Pg)的测试频率其中(Pg)是表示与已知缺陷频率相关的搜索频率范围的配置参数,以及然后使用已知最大似然数学原理,对于各测试频率(vfK),使用所述二进制向量(p)来确定时域中的最大似然函数(J),
-随后,检查哪一个测试频率(vfK)的最大似然函数(J)达到最大值(JA),
-计算所述最大值(JA)与噪声等级(nA)之比(FA),并且将该结果与所述预置阈值参数(SA)进行比较,其中所述噪声等级(nA)通过使用最大函数值(J)来计算,
-如果所述比率(FA)大于所述预置阈值参数(SA),则自动产生与具有属于集合(Ft)并且对应测试频率(vfK)的特定频率的被检查轴承缺陷有关的信息,
-如果所述比率(FA)小于或等于所述预置阈值参数(SA),则假定所述二进制向量(p)中存在的冲击脉冲没有一个对应于被检查轴承的已知缺陷频率(ffK)中的任一频率,并且自动产生关于所述被检查轴承中没有发生特定缺陷的信息。
8.如权利要求7所述的方法,其特征在于,按照以下这种关系,通过使谐波幅值(Ak)的平方之和为最大,来确定时域中对所述二进制向量(p)所计算的其最大似然函数达到最大值(JA)的测试频率(vfK):
其中:Nh是所述被检查谐波的预置数量,
Ak是在时域中使用以正弦模型形式所提供的所述二进制向量p所确定的谐波幅值。
9.如权利要求8所述的方法,其特征在于,谐波的幅值(AK)的值在时域中使用以正弦模型形式所提供的所述二进制向量(p)来确定,其中将所述二进制向量(p)作为正弦模型与所述噪声向量之和来提供:
它还可以以下列矩阵形式来提供:
p=Bθ+e
其中:
ωk=2πvk/fs,k=1,2...Nh,是与测试频率(vfK)对应的角速度,并且k=1,2...Nh,
fs是所测量模拟信号的模-数处理的取样频率,
e=[ε[n]]T-表示所述噪声向量,
n-表示从1至N-1的自然数,
N-表示所述二进制向量(p)中的元素的数量,
B是以如下形式所提供的已知常数参数的矩阵:
以及θ是以如下形式所提供的未知参数的向量:
它是下列关系的最小平方估计量:
θ=(BTB)-1BTp
其中,(p)是以下这种形式的二进制向量:
p=[p[0],p[1],...,p[N-1]]T。
10.如权利要求7所述的方法,其特征在于,所述噪声等级(nA)通过取来自所述集合(Ff)的被检查缺陷频率(ffK)的邻域中存在的最大函数值(J)的中值来计算。
11.如权利要求7所述的方法,其特征在于,所述噪声等级(nA)通过取来自所述集合(Ff)的被检查缺陷频率(ffK)的邻域中存在的最大函数值(J)的平均值来计算。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP07460032.1 | 2007-10-24 | ||
EP07460032A EP2053375B1 (en) | 2007-10-24 | 2007-10-24 | A method for detection and automatic identification of damage to rolling bearings |
PCT/EP2008/008988 WO2009053076A1 (en) | 2007-10-24 | 2008-10-17 | A method for detection and automatic identification of damage to rolling bearings |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101836100A true CN101836100A (zh) | 2010-09-15 |
CN101836100B CN101836100B (zh) | 2012-07-18 |
Family
ID=39154109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008801138280A Expired - Fee Related CN101836100B (zh) | 2007-10-24 | 2008-10-17 | 用于对滚动轴承检测和自动识别损伤的方法 |
Country Status (11)
Country | Link |
---|---|
US (1) | US8285498B2 (zh) |
EP (1) | EP2053375B1 (zh) |
KR (1) | KR101436190B1 (zh) |
CN (1) | CN101836100B (zh) |
AT (1) | ATE453856T1 (zh) |
DE (1) | DE602007004123D1 (zh) |
DK (1) | DK2053375T3 (zh) |
ES (1) | ES2336842T3 (zh) |
PL (1) | PL2053375T3 (zh) |
RU (1) | RU2470280C2 (zh) |
WO (1) | WO2009053076A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426189A (zh) * | 2011-10-21 | 2012-04-25 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种轴承脉冲检测方法 |
CN109219921A (zh) * | 2016-06-07 | 2019-01-15 | Abb瑞士股份有限公司 | 用于机电传动系中的旋转轴的扭转变形的确定以及dc链接降级的确定的方法和装置 |
CN110030959A (zh) * | 2018-06-08 | 2019-07-19 | 上海微小卫星工程中心 | 用于确定转动机构的周向磨损位置的装置和方法 |
CN110988130A (zh) * | 2019-12-18 | 2020-04-10 | 成都理工大学 | 一种用于岩质斜坡室内试验损伤识别的测试系统 |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8378816B2 (en) * | 2007-07-17 | 2013-02-19 | Clemson University | System and method to assess signal similarity with applications to diagnostics and prognostics |
WO2011107110A1 (de) | 2010-03-01 | 2011-09-09 | Siemens Aktiengesellschaft | Verfahren und vorrichtung zur frühzeitigen erkennung der entstehung von schäden in einem lager |
JP5442553B2 (ja) * | 2010-07-21 | 2014-03-12 | 日立建機株式会社 | 軸受の損傷検出方法 |
TWI438416B (zh) * | 2011-04-14 | 2014-05-21 | Delta Electronics Inc | 使用連續遞移轉換之信號分析系統及方法 |
WO2013044973A1 (de) * | 2011-09-30 | 2013-04-04 | Siemens Aktiengesellschaft | Verfahren und anordnung zum ermitteln und/oder überwachen des zustands eines wälzlagers |
CN102519726B (zh) * | 2011-12-28 | 2015-06-03 | 昆明理工大学 | 一种针对滚动轴承复合故障的声学诊断方法 |
US8811136B2 (en) * | 2012-11-19 | 2014-08-19 | Lsi Corporation | Harmonic ratio based defect classifier |
CN104330258A (zh) * | 2014-10-23 | 2015-02-04 | 徐州隆安光电科技有限公司 | 一种基于特征参量的滚动轴承故障灰色关联度辨识方法 |
CN104596766B (zh) * | 2014-12-24 | 2017-02-22 | 中国船舶工业系统工程研究院 | 一种轴承早期故障确定方法及装置 |
CN105067248B (zh) * | 2015-08-17 | 2018-04-27 | 安徽容知日新科技股份有限公司 | 设备转速和振动数据采集方法、装置和监测系统 |
KR101667164B1 (ko) * | 2015-10-02 | 2016-10-17 | 경북대학교 산학협력단 | 회전체 속도 기반의 베어링 고장 진단 방법 |
CN105606363B (zh) * | 2016-01-29 | 2017-11-07 | 济南大学 | 一种基于域自适应的轴承故障诊断方法 |
US10082443B2 (en) | 2016-02-26 | 2018-09-25 | General Electric Technology Gmbh | System and method for monitoring bearing health in a journal assembly |
CN106017927B (zh) * | 2016-05-18 | 2018-09-11 | 唐智科技湖南发展有限公司 | 一种识别轴承滚子间距变化的保持架故障诊断方法 |
ITUA20163745A1 (it) * | 2016-05-24 | 2017-11-24 | Nuovo Pignone Tecnologie Srl | Metodo e sistema per monitorare lo stato di salute di un cuscinetto a rotolamento di una macchina, e macchina equipaggiata con tale sistema |
CN106485070B (zh) * | 2016-09-30 | 2019-05-28 | 广州机智云物联网科技有限公司 | 一种自适应阈值调整方法 |
EP3309530A1 (en) | 2016-10-11 | 2018-04-18 | ABB Schweiz AG | Detection of bearing fault |
RU2659101C1 (ru) * | 2017-06-05 | 2018-06-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Владимирский Государственный Университет имени Александра Григорьевича и Николая Григорьевича Столетовых" (ВлГУ) | Способ определения момента трения в подшипниках качения |
CN107149485B (zh) * | 2017-06-07 | 2020-03-06 | 青岛海信医疗设备股份有限公司 | 基于医学的超声波信号处理方法及装置 |
JP2019045241A (ja) * | 2017-08-31 | 2019-03-22 | Ntn株式会社 | 転がり軸受の状態監視方法および状態監視装置 |
RU2680640C1 (ru) * | 2018-02-16 | 2019-02-25 | Владимир Сергеевич Давыдов | Способ вибродиагностики зарождающихся дефектов механизмов |
CN111553178A (zh) * | 2019-02-12 | 2020-08-18 | 斯凯孚公司 | 转动机械振动特性的智能识别方法 |
CN110174269B (zh) * | 2019-05-06 | 2021-02-26 | 江苏联能电子技术有限公司 | 变分模态分解和共振解调分析核电用泵冲击特征的方法 |
CN110307981B (zh) * | 2019-06-17 | 2021-01-26 | 西安工程大学 | 基于pnn-ifa的轴承故障诊断方法 |
CN111969639B (zh) * | 2020-08-17 | 2022-03-11 | 中国科学院电工研究所 | 电力电子化电网级联型换流器多时间尺度暂态建模方法 |
CN112561306B (zh) * | 2020-12-11 | 2023-12-08 | 领伟创新智能系统(浙江)有限公司 | 一种基于Hankel矩阵的滚动轴承健康状态评价方法 |
CN113405823B (zh) * | 2021-05-17 | 2022-05-20 | 同济大学 | 一种基于迭代扩展本征模态分解的旋转机械故障诊断方法 |
RU2769919C1 (ru) * | 2021-05-27 | 2022-04-08 | Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)" (СПбГЭТУ "ЛЭТИ") | Способ вибродиагностики возникновения зарождающихся дефектов в отдельных узлах механизмов |
CN114441174A (zh) * | 2022-02-09 | 2022-05-06 | 上海电气集团股份有限公司 | 滚动轴承复合故障的诊断方法、系统、设备及介质 |
CN115730199B (zh) * | 2022-11-10 | 2023-07-21 | 天地(常州)自动化股份有限公司北京分公司 | 一种滚动轴承振动信号降噪和故障特征提取方法和系统 |
CN116150635B (zh) * | 2023-04-18 | 2023-07-25 | 中国海洋大学 | 基于跨域关联性表示的滚动轴承未知故障检测方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3208268A (en) * | 1961-10-05 | 1965-09-28 | Skf Ind Inc | Detection of almost periodic occurrences |
SU783620A1 (ru) * | 1979-02-26 | 1980-11-30 | Каунасский Политехнический Институт Им. Антанаса Снечкуса | Способ диагностики подшипников качени |
SU951942A1 (ru) * | 1980-05-16 | 2006-04-10 | Г.В. Морозов | Способ обнаружения повреждений подшипников качения |
US5477730A (en) | 1993-09-07 | 1995-12-26 | Carter; Duncan L. | Rolling element bearing condition testing method and apparatus |
FI112972B (fi) | 1998-07-15 | 2004-02-13 | Abb Research Ltd | Laakerin kunnon arviointi |
US6591682B1 (en) * | 2000-08-14 | 2003-07-15 | Pruftechnik Dieter Busch Ag | Device and process for signal analysis |
CN2618156Y (zh) * | 2003-05-09 | 2004-05-26 | 康乃正 | 轴承振动实时记录装置 |
JP3875981B2 (ja) * | 2004-03-17 | 2007-01-31 | 新日本製鐵株式会社 | ころがり軸受の異常診断方法および装置 |
-
2007
- 2007-10-24 ES ES07460032T patent/ES2336842T3/es active Active
- 2007-10-24 DE DE602007004123T patent/DE602007004123D1/de active Active
- 2007-10-24 PL PL07460032T patent/PL2053375T3/pl unknown
- 2007-10-24 EP EP07460032A patent/EP2053375B1/en not_active Not-in-force
- 2007-10-24 DK DK07460032.1T patent/DK2053375T3/da active
- 2007-10-24 AT AT07460032T patent/ATE453856T1/de not_active IP Right Cessation
-
2008
- 2008-10-17 US US12/738,462 patent/US8285498B2/en active Active
- 2008-10-17 KR KR1020107008456A patent/KR101436190B1/ko active IP Right Grant
- 2008-10-17 WO PCT/EP2008/008988 patent/WO2009053076A1/en active Application Filing
- 2008-10-17 RU RU2010120713/28A patent/RU2470280C2/ru not_active IP Right Cessation
- 2008-10-17 CN CN2008801138280A patent/CN101836100B/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426189A (zh) * | 2011-10-21 | 2012-04-25 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种轴承脉冲检测方法 |
CN109219921A (zh) * | 2016-06-07 | 2019-01-15 | Abb瑞士股份有限公司 | 用于机电传动系中的旋转轴的扭转变形的确定以及dc链接降级的确定的方法和装置 |
CN109219921B (zh) * | 2016-06-07 | 2022-12-27 | Abb瑞士股份有限公司 | 用于机电传动系中的旋转轴的扭转变形的确定以及dc链接降级的确定的方法和装置 |
CN110030959A (zh) * | 2018-06-08 | 2019-07-19 | 上海微小卫星工程中心 | 用于确定转动机构的周向磨损位置的装置和方法 |
CN110988130A (zh) * | 2019-12-18 | 2020-04-10 | 成都理工大学 | 一种用于岩质斜坡室内试验损伤识别的测试系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101836100B (zh) | 2012-07-18 |
EP2053375A1 (en) | 2009-04-29 |
ATE453856T1 (de) | 2010-01-15 |
ES2336842T3 (es) | 2010-04-16 |
RU2470280C2 (ru) | 2012-12-20 |
RU2010120713A (ru) | 2011-11-27 |
EP2053375B1 (en) | 2009-12-30 |
DE602007004123D1 (de) | 2010-02-11 |
KR20100094452A (ko) | 2010-08-26 |
DK2053375T3 (da) | 2010-04-12 |
US8285498B2 (en) | 2012-10-09 |
KR101436190B1 (ko) | 2014-09-01 |
WO2009053076A1 (en) | 2009-04-30 |
PL2053375T3 (pl) | 2010-05-31 |
US20100280772A1 (en) | 2010-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101836100B (zh) | 用于对滚动轴承检测和自动识别损伤的方法 | |
He et al. | Fault feature extraction of rolling element bearings using sparse representation | |
RU2488815C2 (ru) | Способ и устройство для классификации генерирующих звук процессов | |
CN107209512A (zh) | 用于机器的声学或振动分析的学习阶段的方法、系统及计算机程序 | |
US6591682B1 (en) | Device and process for signal analysis | |
CN111964909A (zh) | 滚动轴承运行状态检测方法、故障诊断方法及系统 | |
CN110057918B (zh) | 强噪声背景下的复合材料损伤定量识别方法及系统 | |
CN113139430A (zh) | 用于故障检测的声信号分析方法、故障检测的方法、装置 | |
Mohamad et al. | Gear fault diagnostics using extended phase space topology | |
Haldar et al. | Data analysis challenges in structural health assessment using measured dynamic responses | |
CN112986388B (zh) | 一种基于宽频激励的道岔尖轨缺陷检测方法及系统 | |
CN115931318A (zh) | 故障智能诊断方法、装置、设备及存储介质 | |
Mustapha et al. | Damage detection using stress waves and multivariate statistics, an experimental case study of an aircraft component | |
CN112131781A (zh) | 基于全连接神经网络与传递率函数的钢结构损伤检测方法 | |
Unal et al. | Fault diagnosis of rolling bearing based on feature extraction and neural network algorithm | |
CN115326396A (zh) | 一种轴承故障的诊断方法及装置 | |
Zhen et al. | Damage detection of offshore platform structures using time domain response data | |
Chenxi et al. | Intelligent identification of bearing faults using time domain features | |
Sadoughi et al. | A practical bearing fault diagnoser | |
Hernández-Maqueda et al. | Incipient Damage Detection in a Truss-Type Bridge using vibration responses and MUSIC Technique | |
Trendafilova et al. | Data-driven methods for vibration-based monitoring based on singular spectrum analysis | |
CN110378370A (zh) | 一种基于脉冲涡流信号的油气井套管缺陷分类方法 | |
CN111042802A (zh) | 一种抽油机故障诊断方法、装置及系统 | |
CN110532635A (zh) | 一种基于时域的管道泄漏检测算法 | |
RU2787309C1 (ru) | Способ идентификации мультисинусоидальных цифровых сигналов |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20191127 Address after: Baden, Switzerland Patentee after: ABB Switzerland Co., Ltd. Address before: Zurich Patentee before: ABB Research Co., Ltd. |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120718 Termination date: 20201017 |