CN103048135A - 一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法 - Google Patents
一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法 Download PDFInfo
- Publication number
- CN103048135A CN103048135A CN2012105429404A CN201210542940A CN103048135A CN 103048135 A CN103048135 A CN 103048135A CN 2012105429404 A CN2012105429404 A CN 2012105429404A CN 201210542940 A CN201210542940 A CN 201210542940A CN 103048135 A CN103048135 A CN 103048135A
- Authority
- CN
- China
- Prior art keywords
- fault
- rolling bearing
- identification method
- fault identification
- rotor rolling
- 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.)
- Pending
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开的是一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，通过搭建柔性转子滚动轴承基础系统试验台架，进行系统多故障的试验，对转子系统的位移、振动加速度、轴心轨迹等参数的监测，发明了信号采集、处理系统。针对实际的并发多故障现象，故障辨识，分别基于希尔伯特变换、小波分析、轴心轨迹图像处理等方法得到振动加速度、位移信号的时域和频域特征值，使用神经网络及支持向量机对不平衡故障、球轴承疲劳故障等进行诊断，提出高效的在线实时故障检测算法。
Description
技术领域
本发明涉及机械工程，尤其涉及一种一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法。
背景技术
高速旋转机械是机械、石油化工、航空航天、电力等工业部门中应用最为广泛的关键机组，例如高速加工机床、压缩机、电动机、发动机等。研究转子系统的不平衡、轴承疲劳和基础松动故障的实验、针对故障耦合形式提出准确、高效的辨识算法，是建立轴承转子系统故障诊断理论的需要，其成果将对促进高速滚动轴承及柔性转子系统性能的发展、对提高和保持高速旋转机械的综合指标和可靠性、提高整个系统的寿命和经济性指标都有着重要的理论意义和实用价值。
专利号为201010595048.3的发明涉及一种气体轴承-转子系统动态加载一体化实验台,涉及超高速旋转机械加载技术;主要基于超高速气体轴承支承模块,一体化基础支撑结构,迷宫-气膜联合密封结构,静、动态加载机构和转子系统等关键技术;包括径向气体轴承、止推气体轴承、径向-止推联合气体轴承、轴承拆卸工装、一体化机匣、凸台、盖板、密封支架、迷宫密封环、气膜密封环、主支撑架、激振器、可调简支梁、非连续变截面简支梁、简支梁加载调整螺栓、加载弹簧、力-频率传感器、可倾瓦加载轴承、蜗壳、驱动涡轮、止推盘、转轴等;缺少对多故障耦合的辨识研究，而本发明可测试转子系统的振动、温度、位移等信号以及轴承的磨损、润滑状态，且增加了数据采集及信号处理软件，发明了高效的柔性转子-滚动轴承-基础系统的多故障辨识算法，故障诊断准确率达到90%以上，提高了转子轴承系统故障诊断的正确率。
发明内容
本发明公开的是一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，通过搭建柔性转子滚动轴承基础系统试验台架，进行系统多故障的试验，对转子系统的位移、振动加速度、轴心轨迹等参数的监测，发明了信号采集、处理系统。针对实际的并发多故障现象，故障辨识，分别基于希尔伯特变换、小波分析、轴心轨迹图像处理等方法得到振动加速度、位移信号的时域和频域特征值，使用神经网络及支持向量机对不平衡故障、球轴承疲劳故障等进行诊断，提出高效的在线实时故障检测算法。
且提出如下创新点：
1、使用希尔伯特法提取特征值，有一定滤波作用，消除外界干扰。
2、目前使用希尔伯特法的研究多采用人工识别，项目提出将频谱图分区，提取各区能量总和作为特征值，便于进行智能识别。
3、使用能量值作为故障特征，通过智能识别能量值大小是否超过阈值，可判定系统是否正常运行，达到预判有无故障的效果。使用神经网络训练和测试样本。
4、将任意格式轴心轨迹图更改为统一像素大小以及统一灰度值，运用canny算子大小对图像做不同程度的边缘检测。
5、提取图像的七个不变矩作为主要评判标准，统一七个不变矩的大小的输出格式表示为科学计数法。
6、以七个不变矩和三个特征值为主要评判依据，作为支持向量机的训练和测试样本，运用支持向量机判断故障的种类。
7、应用小波对实验所得轴心轨迹的二维图像进行去噪处理，可得到高信噪比的轴心轨迹。
8、运用仿射不变矩的方法对轴心轨迹图像进行变换，得到可表示该图像的特征值。
9、以BP神经网络为识别工具，仿射变换得到的特征值为输入量，通过大量数据输入对神经网络进行训练，得到能够识别不同故障特征的神经网络诊断系统。
具体实施方式
下面对本发明的实施例作详细说明，本实施例选用BP神经网络对不平衡故障及轴承球疲劳故障的故障辨识，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
1. 读入相关信号
2. 对相关信号进行3层小波分解
3. 组装BP神经网络的训练用矩阵
4. 将训练用矩阵进行分组，分成训练时的输入矩阵和输出矩阵，并且做归一化处理。
5. 训练BP神经网络，同时做出残差图显示收敛情况。
6. 读入测试所用相关信号数据5000个
7. 对相关信号进行3层小波分解
8. 组装BP神经网络的测试用矩阵
9. 使用训练好的BP神经网络进行故障预测
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (9)
1.本发明是一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，其特征是，使用希尔伯特法提取特征值，有一定滤波作用，消除外界干扰。
2.根据权利要求1所述的柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，其特征是，采用人工识别，将频谱图分区，提取各区能量总和作为特征值，便于进行智能识别。
3.根据权利要求1所述的柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，其特征是，使用能量值作为故障特征，通过智能识别能量值大小是否超过阈值，可判定系统是否正常运行，达到预判有无故障的效果。
4.使用神经网络训练和测试样本。
5.根据权利要求1所述的柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，其特征是，将任意格式轴心轨迹图更改为统一像素大小以及统一灰度值，运用canny算子大小对图像做不同程度的边缘检测。
6.根据权利要求1所述的柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，其特征是，提取图像的七个不变矩作为主要评判标准，统一七个不变矩的大小的输出格式表示为科学计数法。
7.根据权利要求1所述的柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，其特征是，以七个不变矩和三个特征值为主要评判依据，作为支持向量机的训练和测试样本，运用支持向量机判断故障的种类。
8.根据权利要求1所述的柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，其特征是，应用小波对实验所得轴心轨迹的二维图像进行去噪处理，可得到高信噪比的轴心轨迹。
9.根据权利要求1所述的柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法，其特征是，运用仿射不变矩的方法对轴心轨迹图像进行变换，得到可表示该图像的特征值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012105429404A CN103048135A (zh) | 2012-12-15 | 2012-12-15 | 一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012105429404A CN103048135A (zh) | 2012-12-15 | 2012-12-15 | 一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103048135A true CN103048135A (zh) | 2013-04-17 |
Family
ID=48060857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012105429404A Pending CN103048135A (zh) | 2012-12-15 | 2012-12-15 | 一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103048135A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674538A (zh) * | 2013-12-18 | 2014-03-26 | 北京航天测控技术有限公司 | 一种直升机自动倾斜器多故障模式识别方法及装置 |
| CN104596767A (zh) * | 2015-01-13 | 2015-05-06 | 北京工业大学 | 一种基于灰色支持向量机的滚动轴承故障诊断与预测的方法 |
| CN104964821A (zh) * | 2015-05-22 | 2015-10-07 | 南京航空航天大学 | 一种用于轴系设备的故障检测方法和故障检测装置 |
| CN105973595A (zh) * | 2016-04-27 | 2016-09-28 | 清华大学深圳研究生院 | 一种滚动轴承故障的诊断方法 |
| CN106226074A (zh) * | 2016-09-22 | 2016-12-14 | 华中科技大学 | 基于卷积神经网络和小波灰度图的旋转机械故障诊断方法 |
| CN106323636A (zh) * | 2016-08-16 | 2017-01-11 | 重庆交通大学 | 栈式稀疏自动编码深度神经网络的机械故障程度特征自适应提取与诊断方法 |
| CN107702920A (zh) * | 2016-08-09 | 2018-02-16 | 大隈株式会社 | 轴承诊断装置 |
| CN108871760A (zh) * | 2018-06-07 | 2018-11-23 | 广东石油化工学院 | 一种高效齿轮故障模式识别方法 |
| CN109584228A (zh) * | 2018-11-27 | 2019-04-05 | 东南大学 | 基于二值图像和模型迁移学习的转子绕线图像检测方法 |
| CN110595779A (zh) * | 2019-04-26 | 2019-12-20 | 深圳市豪视智能科技有限公司 | 一种轴承异常的检测方法及相关设备 |
| CN111177898A (zh) * | 2019-12-16 | 2020-05-19 | 重庆大学 | 基于bp神经网络的滚动轴承-转子系统耦合性能求解方法 |
| CN112307965A (zh) * | 2020-10-30 | 2021-02-02 | 哈尔滨市科佳通用机电股份有限公司 | 一种滚动轴承施封锁丢失和折断故障检测方法 |
-
2012
- 2012-12-15 CN CN2012105429404A patent/CN103048135A/zh active Pending
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674538A (zh) * | 2013-12-18 | 2014-03-26 | 北京航天测控技术有限公司 | 一种直升机自动倾斜器多故障模式识别方法及装置 |
| CN104596767B (zh) * | 2015-01-13 | 2017-04-26 | 北京工业大学 | 一种基于灰色支持向量机的滚动轴承故障诊断与预测的方法 |
| CN104596767A (zh) * | 2015-01-13 | 2015-05-06 | 北京工业大学 | 一种基于灰色支持向量机的滚动轴承故障诊断与预测的方法 |
| CN104964821A (zh) * | 2015-05-22 | 2015-10-07 | 南京航空航天大学 | 一种用于轴系设备的故障检测方法和故障检测装置 |
| CN105973595A (zh) * | 2016-04-27 | 2016-09-28 | 清华大学深圳研究生院 | 一种滚动轴承故障的诊断方法 |
| CN107702920A (zh) * | 2016-08-09 | 2018-02-16 | 大隈株式会社 | 轴承诊断装置 |
| CN106323636A (zh) * | 2016-08-16 | 2017-01-11 | 重庆交通大学 | 栈式稀疏自动编码深度神经网络的机械故障程度特征自适应提取与诊断方法 |
| CN106226074A (zh) * | 2016-09-22 | 2016-12-14 | 华中科技大学 | 基于卷积神经网络和小波灰度图的旋转机械故障诊断方法 |
| CN108871760A (zh) * | 2018-06-07 | 2018-11-23 | 广东石油化工学院 | 一种高效齿轮故障模式识别方法 |
| CN109584228A (zh) * | 2018-11-27 | 2019-04-05 | 东南大学 | 基于二值图像和模型迁移学习的转子绕线图像检测方法 |
| CN110595779A (zh) * | 2019-04-26 | 2019-12-20 | 深圳市豪视智能科技有限公司 | 一种轴承异常的检测方法及相关设备 |
| CN110595779B (zh) * | 2019-04-26 | 2021-10-12 | 深圳市豪视智能科技有限公司 | 一种轴承异常的检测方法及相关设备 |
| CN111177898A (zh) * | 2019-12-16 | 2020-05-19 | 重庆大学 | 基于bp神经网络的滚动轴承-转子系统耦合性能求解方法 |
| CN111177898B (zh) * | 2019-12-16 | 2024-03-29 | 重庆大学 | 基于bp神经网络的滚动轴承-转子系统耦合性能求解方法 |
| CN112307965A (zh) * | 2020-10-30 | 2021-02-02 | 哈尔滨市科佳通用机电股份有限公司 | 一种滚动轴承施封锁丢失和折断故障检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103048135A (zh) | 一种柔性转子滚动轴承基础系统多故障耦合实验器及故障辨识方法 | |
| Mohd Ghazali et al. | Vibration analysis for machine monitoring and diagnosis: a systematic review | |
| WO2015015987A1 (ja) | 軸受装置の振動解析方法、軸受装置の振動解析装置、および転がり軸受の状態監視装置 | |
| JP6196093B2 (ja) | 軸受装置の振動解析方法、軸受装置の振動解析装置、および転がり軸受の状態監視装置 | |
| CN102713554B (zh) | 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统 | |
| CN103835882A (zh) | 大型风力发电机组状态监测与故障诊断系统 | |
| CA2875071A1 (en) | Method and system for testing operational integrity of a drilling rig | |
| Xue et al. | Automatic diagnosis method for structural fault of rotating machinery based on distinctive frequency components and support vector machines under varied operating conditions | |
| CN104849046A (zh) | 一种地铁齿轮传动装置模拟故障诊断试验台及诊断方法 | |
| CN202661241U (zh) | 一种模拟风电齿轮箱的振动测试装置 | |
| CN111256993A (zh) | 一种风电机组主轴承故障类型诊断方法及系统 | |
| Zhao et al. | An integrated framework of drivetrain degradation assessment and fault localization for offshore wind turbines | |
| Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
| CN202676450U (zh) | 风力发电机组传动系统故障诊断装置 | |
| CN113686576A (zh) | 基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法 | |
| JP6192414B2 (ja) | 転がり軸受の状態監視装置 | |
| JP6192413B2 (ja) | 軸受装置の振動解析方法、軸受装置の振動解析装置、および転がり軸受の状態監視装置 | |
| CN113916535B (zh) | 基于时频和cnn的轴承诊断方法、系统、设备及介质 | |
| Li et al. | On-line fault detection in wind turbine transmission system using adaptive filter and robust statistical features | |
| Chi et al. | Spectral DCS-based feature extraction method for rolling element bearing pseudo-fault in rotor-bearing system | |
| Zheng et al. | Variational mode decomposition applied to offshore wind turbine rolling bearing fault diagnosis | |
| Zhong et al. | Research of condition monitoring and fault diagnosis techniques for wind turbine gearbox | |
| CN115048960A (zh) | 一种设备状态检测方法 | |
| EP3953580A1 (en) | A method for computer-implemented monitoring of a component of a wind turbine | |
| Emeksiz et al. | Some prognostic and diagnostic methods for determining wind turbine failures-A review |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130417 |