CN103884506B - 基于无线网的生产设备在线监测及故障诊断系统及方法 - Google Patents
基于无线网的生产设备在线监测及故障诊断系统及方法 Download PDFInfo
- Publication number
- CN103884506B CN103884506B CN201410115189.9A CN201410115189A CN103884506B CN 103884506 B CN103884506 B CN 103884506B CN 201410115189 A CN201410115189 A CN 201410115189A CN 103884506 B CN103884506 B CN 103884506B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- rolling bearing
- vibration
- bearing
- 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
Abstract
本发明公开了一种基于无线网的生产设备在线监测及故障诊断系统及方法。该系统包括无线检测仪表,用于实时的采集生产设备中滚动轴承的振动传感信号、旋转转速信号和温度信号,以及对信号进行调理、加密并以数据包的方式进行无线发送;与无线检测仪表无线连接的数据服务器和监控终端,并按照以下方式进行故障诊断:在监控终端监测到一个数据包时,实时的计算出该滚动轴承振动速度的最大值,当该最大值大于设定值时,滚动轴承发生故障,否则滚动轴承正常;在滚动轴承发生故障时,再通过小波分析法提取滚动轴承的故障特征频率,以确定滚动轴承的故障类型和部位。本发明具有能实时检测生产设备运转情况并能确切知道缺陷产生的原因的优点。
Description
技术领域
本发明涉及信号采集与分析技术领域,更具体的说,特别涉及一种基于无线网的生产设备在线监测及故障诊断系统及方法。
背景技术
目前国内在进行生产设备的故障检测、故障诊断方面采用的是以下三种技术,一是听设备运转声响,二是测量设备温度,三是进行油品分析:即测量润滑油中铁屑的含量、大小和形状。通过上述三个方面凭经验判断设备是否有故障以及故障严重程度。
在部分大型、连续生产企业,如:发电厂、钢铁厂、造纸厂等,已开始探索采用频谱分析方法,采用手持式监测设备采集数据,其分析指标主要是峰值、均方差、自功率谱等,分析对象主要是设备整体振动值、旋转机构的不对中、不平衡等。
然而,现有技术的设备状态数据是采用离线方式、用手持式设备采集得来,并且现有的分析技术通常是在设备缺陷较严重的时候才能发现设备有缺陷,只能凭经验判断设备是否还能使用。不能实现实时监测生产设备运转的情况。
发明内容
本发明的目的在于提供一种能够实时检测生产设备运转情况的基于无线网的生产设备在线监测及故障诊断系统。
为了解决以上提出的问题,本发明采用的技术方案为:
一种基于无线网的生产设备在线监测及故障诊断系统,包括无线检测仪表,用于实时的采集生产设备中滚动轴承的振动传感信号、旋转转速信号和温度信号,以及对信号进行调理、加密并以数据包的方式进行无线发送;与无线检测仪表无线连接的数据服务器和监控终端,用以接收无线检测仪表无线发送的数据包,并按照以下方式进行故障诊断:
在监控终端监测到一个数据包时,实时的计算出该滚动轴承振动速度的最大值,当该最大值大于设定值时,滚动轴承发生故障,否则滚动轴承正常;在滚动轴承发生故障时,局部损伤的滚动轴承元件在运转过程中产生的高频振动会激起轴承非旋转部分的振动的固有频率和旋转部分的振动的特征频率,同时高频振动的幅值还受到脉冲激发力的调制,使滚动轴承故障振动信号表现为周期性的非平稳特征,再通过小波分析法提取滚动轴承的故障特征频率,以确定滚动轴承的故障类型和部位。
根据本发明的一优选实施例:所述小波分析法的具体分析过程包括,
首先选用小波分析函数,设函数ψ(t)∈L2(R)∩L(R)且则生成如下的函数族{ψa,b(t)}:
式(1)中a是频率参数,b是时间参数;
然后,根据有限能量的函数f(t)∈L2(R)可知关于ψ(t)的连续小波变换定义为:
再根据小波变换具有等距特性,得出:
式(3)中
再确定无线检测仪表接收到的振动信号为:
式中dk:故障脉冲冲击的强度系数;
xT(t):故障冲击作用下引起的振动响应信号;
n(t):故障冲击以外的其它原因引起的振动响应信号,为噪声信号;
Tr:故障冲击的周期,其倒数即为故障特征频率fr;
再确定滚动轴承的单位脉冲响应函数h(t)为,
式中ξ:阻尼比;
ωn:无阻尼固有频率;
ωd:有阻尼固有频率,当ξ较小时,可认为ωd≈ωn;
m:滚动轴承质量;
再由(4)和(5)式可以得到某个固有频率振动信号为:
再构造如下的小波基函数:
式(7)中,参数σ>0,控制小波的基函数的衰减快慢;参数ω>0,控制小波基函数的振荡周期;
再根据式(3),将|Wf(a,b)|2/(Cψa2)看作是(a,b)平面上的能量密度函数,即|Wf(a,b)|2*Δa*Δb/(Cψa2)给出了以频率a和时间b为中心的、频率间隔Δa、时间间隔为Δb的能量,可将(3)式转化成:
∫R|f(t)|2dt=∫RE(b)db (8)
式中,时间-小波能量谱为:
根据式(9)得出在频率a积分区间内的振动信号的能量随时间的分布情况为,
再确定E'(b)的周期即得出故障冲击的周期Tr;
最后根据滚动轴承的内圈、外圈、滚动体和保持架四个基本部件的故障特征频率不同确定滚动轴承的故障位置。
根据本发明的一优选实施例:还包括与每个轴承对应的无线传输节点,用于接入至少一组振动传感信号、旋转转速信号和温度信号;连接在多个无线传输节点之间的无线接入网关,用于将每个无线传输节点所接入的振动传感信号、旋转转速信号和温度信号进行无线传送。
根据本发明的一优选实施例:所述无线检测仪表包括用于检测滚动轴承的振动传感信号、旋转转速信号和温度信号的传感器,与传感器连接的信号调理变送部分,与信号调理变送部分连接的嵌入式处理器,以及与嵌入式处理器连接的无线收发器。
根据本发明的一优选实施例:所述无线检测仪表通过层出化的异构网络形成数据中心式的仪表网络;或通过手持式的移动设备构成点对点的仪表网络。
根据本发明的一优选实施例:所述滚动轴承振动速度的设定值为0.5mm/s。
根据本发明的一优选实施例:所述数据服务器和监控终端采用CS架构,所述监控终端内设有故障诊断软件,用于进行数据浏览、查询和分析,所述数据服务器用于任务调度、网络通讯、测试数据处理和存储数据库。
根据本发明的一优选实施例:所述无线传输节点的参数为,
发射频率:433MHz;
输入接口:6路4-20mA电流信号或者0-5V电压信号;
发射功率:400mW;
接收灵敏度:-119dB;
工作信道:32频段;
空中通信速率:125Kbps;
所述无线接入网关的参数为,
无线信道频率:433MHz;
有线信道:以太网/CAN/RS485/RS232;
发射功率:200mW;
接收灵敏度:-119dB;
工作信道:32频段;
空中通信速率:125Kbps。
一种根据上述的基于无线网的生产设备在线监测及故障诊断系统的方法,包括以下步骤,
S1.无线检测仪表实时的采集生产设备中滚动轴承的振动传感信号、旋转转速信号和温度信号,且对信号进行调理、加密并以数据包的方式进行无线发送至数据服务器和监控终端;
S2.监控终端在接收到数据包时,实时的计算出该滚动轴承振动速度的最大值,当该最大值大于设定值时,滚动轴承发生故障,否则滚动轴承正常;
S3.在滚动轴承发生故障时,局部损伤的滚动轴承元件在运转过程中产生的高频振动会激起轴承非旋转部分的振动的固有频率和旋转部分的振动的特征频率,同时高频振动的幅值还受到脉冲激发力的调制,使滚动轴承故障振动信号表现为周期性的非平稳特征,再通过小波分析法提取滚动轴承的故障特征频率,以确定滚动轴承的故障类型和部位。
根据本发明的一优选实施例:在步骤S2中的滚动轴承振动速度的设定值为0.5mm/s。
与现有技术相比,本发明的有益效果在于:
本发明的系统是基于无线物联网来实时监测生产设备的运行情况,主要是针对生产设备的滚动轴承,在设备刚出现缺陷的时候就能立即发现,并能确切知道缺陷产生的原因,例如:能够准确判断出是否出现不对中、不平衡、底座松动等引起振动加剧的现象,有利于立即采取措施消除或减轻引起设备故障的原因,此外,还能准确的判断设备缺陷位置、严重程度,以此判断设备是否还能使用;
本发明是利用无线物联网技术实现生产设备的在线监测,并采用基于信号分析领域的信号采样、信号传输、信号变换的数学模型及振动加速度包络频谱分析技术而研发,是对当前频谱分析技术的深化,并且分析对象主要是设备的心脏——轴承,除可以分析、判断旋转机构的不对中、不平衡等设备缺陷外,主要是可以分析、判断轴承外圈、内圈、旋转体、支架是否产生缺陷及损坏程度并判断轴承是否还可以使用,同时利用无线物联网技术的好处是无论身在何处,只要能联接互联网,就可以共享实时在线设备检测信息,进行设备故障诊断。
附图说明
图1.为本发明的基于无线网的生产设备在线监测及故障诊断系统的框架图。
图2.为本发明的基于无线网的生产设备在线监测及故障诊断系统中无线检测仪表的框架图。
图3.为一个典型的滚动轴承故障振动信号图。
图4.为一个脉冲冲击周期内某单个固有频率ωn振动的波形图。
图5.为脉冲响应小波的波形图。
图6.为一个外圈缺陷的滚动轴承振动加速度信号的时域波形。
图7.为图6中的滚动轴承的时间-小波能量谱图。
图8.为一个内圈缺陷的滚动轴承振动加速度信号的时域波形。
图9.为图8中的滚动轴承的时间-小波能量谱图。
图10为本发明基于无线网的生产设备在线监测及故障诊断方法流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
参阅图1和图10所示,本发明提供一种基于无线网的生产设备在线监测及故障诊断系统,包括无线检测仪表,用于实时的采集生产设备中滚动轴承的振动传感信号、旋转转速信号和温度信号,以及对信号进行调理、加密并以数据包的方式进行无线发送;与无线检测仪表无线连接的数据服务器和监控终端,用以接收无线检测仪表无线发送的数据包,并按照以下方式进行故障诊断:在监控终端监测到一个数据包时,实时的计算出该滚动轴承振动速度的最大值,当该最大值大于设定值时,滚动轴承发生故障,否则滚动轴承正常,也就是整体振动速度峰值指标的方法,该方法的原理是:滚动轴承振动速度的瞬时值随着时间不断地变化,而在某段时间内振动速度的最大值称为峰值。实验证明,正常的滚动轴承振动速度峰值≤5mm/s(也就是设定值),当滚动轴承出现伤痕时,峰值指标有时会达到10mm/s;在滚动轴承发生故障时,局部损伤的滚动轴承元件在运转过程中产生的高频振动会激起轴承非旋转部分的振动的固有频率和旋转部分的振动的特征频率,同时高频振动的幅值还受到脉冲激发力的调制,使滚动轴承故障振动信号表现为周期性的非平稳特征,再通过小波分析法提取滚动轴承的故障特征频率,以确定滚动轴承的故障类型和部位。
本发明的监测和故障诊断的流程为:第一步.无线检测仪表实时的采集生产设备中滚动轴承的振动传感信号、旋转转速信号和温度信号,且对信号进行调理、加密并以数据包的方式进行无线发送至数据服务器和监控终端;第二步.监控终端在接收到数据包时,实时的计算出该滚动轴承振动速度的最大值,当该最大值大于设定值时,滚动轴承发生故障,否则滚动轴承正常;第三步.在滚动轴承发生故障时,局部损伤的滚动轴承元件在运转过程中产生的高频振动会激起轴承非旋转部分的振动的固有频率和旋转部分的振动的特征频率,同时高频振动的幅值还受到脉冲激发力的调制,使滚动轴承故障振动信号表现为周期性的非平稳特征,再通过小波分析法提取滚动轴承的故障特征频率,以确定滚动轴承的故障类型和部位。
在小波分析时,由于物体的振动固有频率计算公式为:
式中,k为物体劲度系数,单位N/m,m为物体质量,单位:kg。
可以得出滚动轴承四个部件的特征频率为:
轴承外圈特征频率计算公式:
轴承内圈特征频率计算公式::
轴承旋转体特征频率计算公式:
轴承保持架特征频率计算公式:
其中,d为滚动体直径;D为滚动轴承平均直径(滚动体中心处直径);为径向方向接触角;n为滚动体数目;No为轴承外圈转速频率;Ni为轴承内圈转速频率,No和Ni是通过无线检测仪表检测的转速旋转信号获取的。
本发明采用小波变换来分析滚动轴承故障振动信号,可以获得比傅立叶变换更为有效的诊断特征信息,这是因为小波变换是一种新的时频信号分析方法,它具有时域和频域的局部化及可变时频窗的特点,在分析非平稳信号时能获得比传统的傅立叶分析更为显著的效果。连续小波具有细致的时间尺度网格划分,小波基的选取仅仅要求满足容许条件,而且具有时不变特性,因此连续小波变换可以充分发挥小波变换在细致刻划信号方面的能力,非常适合滚动轴承的故障诊断。小波变换系数的大小实际上反映了信号局部与各小波基函数的相似程度,系数越大,表示信号局部与对应的小波基函数越相似,因此不同的小波基函数对信号分析的结果有较大的区别,为了能够更有效地提取信号的故障特征,应该选择合适的小波基函数。而本发明实现小波分析的过程具体如下:
首先选用小波分析函数,设函数ψ(t)∈L2(R)∩L(R)且则按如下生成的函数族{ψa,b(t)}:
其中,该函数叫分析小波(Analyzing Wavelet)或连续小波,ψ叫基小波或母小波(Mother Wavelet),是它的傅里叶变换,式(1)中a是频率参数,b是时间参数;
然后,根据有限能量的函数f(t)∈L2(R)可知关于ψ(t)的连续小波变换定义为:
再根据小波变换具有等距特性,也就是说f(t)的小波变换是能量守恒的得出:
式(3)中称为小波的容许条件(Admission Condition);
当滚动轴承存在局部故障时,轴承缺陷将产生脉冲冲击响应,由于激励是一种瞬态激振,它将引起轴承系统固有频率的共振。而假设故障冲击点到传感器安装位置这一传递通道不变,将滚动轴承视为一个系统,其单位脉冲响应函数为h(t),传感器接(也是无线检测仪表)受到的振动信号为:
式中dk:故障脉冲冲击的强度系数;
xT(t):故障冲击作用下引起的振动响应信号;
n(t):故障冲击以外的其它原因引起的振动响应信号,为噪声信号;
Tr:故障冲击的周期,其倒数即为故障特征频率fr,不同的故障冲击周期不同,因此可以通过故障冲击周期Tr的大小来判断故障类型;
参阅图3所示,该图为一典型的滚动轴承故障振动信号,当滚动轴承发生故障时,虽然由于冲击力的宽带性质,会激起轴承系统的多个固有频率振动,但是这些固有频率振动的周期都等于故障冲击周期Tr。因此,本发明可以先考虑只有某单个固有频率振动的情况,此时把轴承振动系统看成是沿脉冲冲击方向的一个质量为m的单自由度系统,故而单位脉冲响应函数h(t)为:
式中ξ:阻尼比;
ωn:无阻尼固有频率;
ωd:有阻尼固有频率,当ξ较小时,可认为ωd≈ωn;
m:滚动轴承质量;
再由(4)和(5)式可以得到某个固有频率振动信号为:
参阅图4所示,为在一个脉冲冲击周期内某单个固有频率ωn振动的波形图,它是损伤引起的固有衰减振动,在实际的信号中,它被淹没在其它噪声信号中,为了从滚动轴承故障振动信号中提取这些损伤特征成分,必须要选择合适的小波基函数。
而小波变换系数的大小实际上反映了信号局部与各小波基函数的相似程度,系数越大,表示信号局部与对应的小波基函数越相似。因此,本实施例所选择的小波基函数外形应与滚动轴承故障振动信号特征相似。对比式(6),可以构造如下的函数作为小波基函数:
很显然,ψ(t)满足小波容许的条件,称为脉冲响应小波,其波形如图5所示。在式(7)中,参数σ>0,控制小波的基函数的衰减快慢;参数ω>0,控制小波基函数的振荡周期;可以根据需要选择合适的参数σ,不断地改变小波变换尺度,就可以提取包含若干个不同的固有频率的滚动轴承的振动信号的故障特征。
再根据式(3),将|Wf(a,b)|2/(Cψa2)看作是(a,b)平面上的能量密度函数,即|Wf(a,b)|2*Δa*Δb/(Cψa2)给出了以频率a和时间b为中心的、频率间隔Δa、时间间隔为Δb的能量,可将(3)式转化成:
∫R|f(t)|2dt=∫RE(b)db (8)
式中,时间-小波能量谱为:
该式(9)给出了信号所有的能量在时间轴上分布情况。
再根据式(9)得出在频率a积分区间内的振动信号的能量随时间的分布情况为,
再确定E'(b)的周期即得出故障冲击的周期Tr;
最后根据滚动轴承的内圈、外圈、滚动体和保持架四个基本部件的故障特征频率不同确定滚动轴承的故障位置。
该公式(10)综合了从频率a1到频率a2局部频带内的所有振动信号的能量。当滚动轴承发生故障时,在脉冲力的作用时刻附近,信号发生突变,产生的高频振动激起了轴承振动系统的特征频率,这些特征振动成分由于阻尼的存在而迅速衰减掉。而在没有脉冲力作用的时刻,振动信号的频率较低,主要是一些噪声和干扰信号,也有可能是由于旋转部件的不对中或不平衡等因素引起。如果选择合适的参数a1、a2使积分区间落在轴承系统特征频率区间范围以内,由于特征振动成分集中在脉冲力作用时刻附近,此时E'(b)的值较大;而在远离脉冲力作用时刻主要是低频干扰和噪声成分,E'(b)的值较小。因此E'(b)随时间变化的频率与脉冲力发生的频率相等,说明E'(b)含有周期性的成分,周期就等于故障冲击的周期Tr,这样就可以对E'(b)作自相关分析来提取其周期成分来得出滚动轴承的内圈、外圈、滚动体和保持架四个基本部件的故障特征频率不同确定滚动轴承的故障位置。
在本发明中,具体的无线检测仪表与数据服务器和监控终端的无线传输方案为,每个轴承对应有无线传输节点,用于接入至少一组振动传感信号、旋转转速信号和温度信号;连接在多个无线传输节点之间的无线接入网关,用于将每个无线传输节点所接入的振动传感信号、旋转转速信号和温度信号进行无线传送。
在本实施例中,每一个轴承连接一个无线传输节点,每个传输节点可以接入2路振动传感信号,2路旋转转速信号以及2路温度信号,并且传输节点的通信距离最大为1800米,支持网状网络,并且本实施例使用支持中继传输的无线节点,所以无线传感器本身就具有了AP(无线路由)功能,即无需另加专门的AP设备(无线路由器)。
本实施例中所采用的无线传输节点的参数为:
发射频率:433MHz;
输入接口:6路4-20mA电流信号或者0-5V电压信号;
发射功率:400mW;
接收灵敏度:-119dB;
工作信道:32频段;
空中通信速率:125Kbps;
本实施例中所采用的无线接入网关的参数为:
无线信道频率:433MHz;
有线信道:以太网/CAN/RS485/RS232;
发射功率:200mW;
接收灵敏度:-119dB;
工作信道:32频段;
空中通信速率:125Kbps。
本发明考虑到无线检测仪表硬件的一般性和通用性,设计了无线检测仪表的平台硬件框图如图2所示,由于不同用途的传感器在结构上有较大的差异,所以本发明仅在结构示意图上说明其构成部分,主要包括以下几个主要部分,用于检测滚动轴承的振动传感信号、旋转转速信号和温度信号的传感器(可包括振动传感、转速传感器和温度传感器),与传感器连接的信号调理变送部分(包括图2中所指出的前置放大器、滤波器、可变增益放大器和信号激励等部分),与信号调理变送部分连接的嵌入式处理器(图2中所指出的MCU部分),以及与嵌入式处理器连接的无线收发器(可以采用Zigbee无线收发器)。
并且在其中的嵌入式处理器内包括了信号数字处理程序和通信协议栈,这是由于在无线检测仪表中,重点需要解决稳定性和可靠性问题,以及无线信号对测量或者控制信号产生的干扰问题。
由于无线检测仪表实际上包含了仪表的应用层通信协议和无线传输协议本身。并且仪表在行业的发展过程中已经形成了许多成熟的被广泛遵从的规约和协议,比如MODBUS,有些协议与传输介质无关,有些针对有线通信介质。为了兼容现有的设备和软件工作方式,本实施例将无线检测仪表的通信划分成无线传输协议和应用层通信协议,其中,后者与传统的完全兼容,前者基于所采用的无线传输手段,如蓝牙,或者WIFI,或者Zigbee等。而在短距离传输或者多设备组成网状网络方面,无线传感网协议主要包括IEEE-802.15.4协议和Zigbee协议。
由于在本发明的系统中,各类的传感器分布范围较大,且位置复杂,如使用传统的有线布设布线成本和维护成本较高,故而本发明采用的是433MHz频段的无线传输节点,无线自组网系统进行无线接入。
本发明的无线检测仪表在使用过程中,既可以通过层次化的异构网络,形成数据中心式的仪表网络,统一监控管理;也可以通过手持式的移动接收设备,形成点对点的连接关系,方便在很多特殊场合进行现场调试。
本发明的系统软件运行于监控终端的服务器平台上,基于以太网或者485或者CAN总线接口,接收所有的传感器信号,进行分析并显示,同时也监测所有无线传输点的工作情况以及无线网络的拓扑结构,以便于实时的观察。
并且,本发明的数据服务器和监控终端采用CS架构,所述监控终端内设有故障诊断软件,用于进行数据浏览、查询和分析,所述数据服务器用于任务调度、网络通讯、测试数据处理和存储数据库。
下面具体介绍两个例子来对本发明作进一步的介绍:
例一,图6为一个具有外圈缺陷的滚动轴承振动加速度信号的时域波形,经计算其故障特征频率为76Hz,故障脉冲冲击周期为图7为它的时间-小波能量谱的自相关函数,从图7中可以看出,自相关函数明显地呈周期性衰减,说明其中含有周期性的成分,衰减的周期为与计算的故障脉冲冲击的周期一致,由此可以判断该滚动轴承具有外圈故障,因此分析结果与实际情况一致。
例二,图8为一具有内圈缺陷的滚动轴承振动加速度信号的时域波形,其实际的故障特征频率为99.2Hz,故障脉冲冲击周期为图9为它的时间-小波能量谱的自相关函数,很显然它也呈周期性的衰减,衰减的周期为与计算的故障脉冲冲击的周期一致,由此可以判断该滚动轴承具有内圈故障,因此分析结果与实际情况一致。
通过上述两个例子可以看出,通过对具有外圈和内圈缺陷的滚动轴承故障振动信号的分析,说明时间-小波能量谱自相关分析法能有效地提取故障特征,同样本发明对滚动体和保持架也同样具有可行性,这是因为:轴承虽然零部件很多,且由于调制作用,使得轴承振动信号很复杂,在频谱上出现诸多频率成份。但是,若轴承没有故障,那么它发出的信号的幅值小于0.5mm/s,不会出现在某一频率附近或一个频率段产生较大的幅值。而如果轴承某一部件产生故障,由于故障的冲击作用,首先轴承的振动特征频率段会产生较大的幅值;由于轴承的四个基本部件(内圈、外圈、滚动体和保持架)的故障特征频率不同,而且产生故障部位的故障特征频率附近的幅值也会很高,大于1mm/s,据此可以判定轴承是否产生故障及故障的部位。并且,实际的运用中,可以根据轴承的型号和环境等具体情况设定故障特征频率上的幅值和固有振动频率上的幅值的阈值,由此作为故障诊断的依据之一。
在本发明所采用的小波分析法中,信号的时频分布被用来在时间和频率二维空间中表示信号的瞬态特征,是广泛应用的机械设备故障诊断中的特征表示的有效方法。而传统的傅里叶分析方法是将整个时域信息转换到频域上,缺乏时频局部化能力。其对于高速转动的轴承,信号幅度大,信息特征明显,这种方法尚能行的通。但对于低速转动的轴承,产生的故障冲击信号本身就十分微弱平缓,经过外壳传递到传感器的过程中又衰减了一部分,如果采用傅里叶分析方法的话,会将故障信息淹没在整个频域轴上,从而无法做出正确的判断。而小波变换是一种新的时频信号分析方法,它具有时域和频域的局部化及可变时频窗的特点,在分析非平稳信号时能获得比传统的傅立叶分析更为显著的效果。
在本发明中为了便于理解,可以作如下比喻来理解小波分析在本发明的监测及故障诊断系统中的作用:可以把小波分析理解为照相机的镜头,当尺度由小到大变化时,就相当于将照相机镜头由远及近地接近目标。在小尺度空间里,对应远镜头下观察到的目标,只能看到目标大致的概貌;在大尺度空间里,对应近镜头下观察目标,可观测到目标的细微部分;因此,随着尺度由小到大的变化,在各尺度上可以由粗及精地观察目标,获取信号的瞬态突变成分。可见,尤其是对于低速重载的滚动轴承,小波分析工具能快速准确的判断出故障,并且无线检测仪表所获取的温度信号还能用于对小波分析结论的进行证明佐证,这是由于当滚动轴承的缺陷由小变大时,滚动轴承上的温度也随着升高,也就是说温度信号所获取的温度逐渐增加。
采用本发明的系统可以实时的进行监测和故障诊断,可在设备刚出现缺陷的时候就能立即发现,并能确切知道缺陷产生的原因,这点主要通过以下的实例来进行说明:以轴承频谱分析为例(总共包括四种情况),说明如何依据特征频谱分析做出故障诊断:
1、完好情况:完好的轴承,其频谱特征是轴承的四种特征频率(外圈、内圈、旋转体和支架)的振动加速度包络值≤0.5,只有零散峰值,表示表面可能有些许毛刺;
2、缺陷出现:频谱图上四种特征频率出现较明显峰值,幅值≥0.5,且有逐渐增大趋势(用瀑布图观察特征频谱发展趋势),表明轴承的相应部位出现缺陷。此时应观察水平方向振动基频幅值是否急剧放大(底座松动、不平衡)或基频是否出现谐波、是否径向出现较大1、2、3倍谐波且2倍频分量逐渐增大并可能超过基频(不对中)等现象,若有这些频谱特征,就要采取相应措施,消除底座松动、不平衡、不对中等因素,减轻对轴承的损害,保持频谱图在四种特征频率上的峰值不再增大,从而保证轴承可以继续使用;
3、缺陷严重:当频谱图在四种特征频率上出现明显峰值,幅值≥1,且有边频出现,并逐渐趋大时,表示轴承损坏程度已经日趋严重,此时轴承仍可使用,但要加强保养,注意观察其频谱上四个特征频率的变化;
4、损坏:当轴承频谱图上四种特征频率、边带的峰值由大变小、逐渐消失时,表示轴承损坏已经很严重,随时都会出现故障、卡死,并会造成设备其他部分出现损坏,此时应立即安排停修,更换轴承,同时无线检测仪表所获取的温度信号也将逐渐增加。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种基于无线网的生产设备在线监测及故障诊断系统,其特征在于:包括无线检测仪表,用于实时的采集生产设备中滚动轴承的振动传感信号、旋转转速信号和温度信号,以及对信号进行调理、加密并以数据包的方式进行无线发送;与无线检测仪表无线连接的数据服务器和监控终端,用以接收无线检测仪表无线发送的数据包,并按照以下方式进行故障诊断:
在监控终端监测到一个数据包时,实时的计算出该滚动轴承振动速度的最大值,当该最大值大于设定值时,滚动轴承发生故障,否则滚动轴承正常;在滚动轴承发生故障时,局部损伤的滚动轴承元件在运转过程中产生的高频振动会激起轴承非旋转部分的振动的固有频率和旋转部分的振动的特征频率,同时高频振动的幅值还受到脉冲激发力的调制,使滚动轴承故障振动信号表现为周期性的非平稳特征,再通过小波分析法提取滚动轴承的故障特征频率,以确定滚动轴承的故障类型和部位;
所述小波分析法的具体分析过程包括,
首先选用小波分析函数,设函数ψ(t)∈L2(R)∩L(R)且则生成如下的函数族{ψa,b(t)}:
式(1)中a是频率参数,b是时间参数;
然后,根据有限能量的函数f(t)∈L2(R)可知关于ψ(t)的连续小波变换定义为
再根据小波变换具有等距特性,得出:
式(3)中
再确定无线检测仪表接收到的振动信号为:
式中dk:故障脉冲冲击的强度系数;
xT(t):故障冲击作用下引起的振动响应信号;
n(t):故障冲击以外的其它原因引起的振动响应信号,为噪声信号;
Tr:故障冲击的周期,其倒数即为故障特征频率fr;
再确定滚动轴承的单位脉冲响应函数h(t)为,
式中ξ:阻尼比;
ωn:无阻尼固有频率;
ωd:有阻尼固有频率,当ξ较小时,可认为ωd≈ωn;
m:滚动轴承质量;
再由(4)和(5)式可以得到某个固有频率振动信号为:
再构造如下的小波基函数:
式(7)中,参数σ>0,控制小波的基函数的衰减快慢;参数ω>0,控制小波基函数的振荡周期;
再根据式(3),将|Wf(a,b)|2/(Cψa2)看作是(a,b)平面上的能量密度函数,即[|Wf(a,b)|2*Δa*Δb]/(Cψa2)给出了以频率a和时间b为中心的、频率间隔Δa、时间间隔为Δb的能量,可将(3)式转化成:
∫R|f(t)|2dt=∫RE(b)db (8)
式中,时间-小波能量谱为:
根据式(9)得出在频率a积分区间内的振动信号的能量随时间的分布情况为,
再确定E'(b)的周期即得出故障冲击的周期Tr;
最后根据滚动轴承的内圈、外圈、滚动体和保持架四个基本部件的故障特征频率不同确定滚动轴承的故障位置。
2.根据权利要求1所述的基于无线网的生产设备在线监测及故障诊断系统,其特征在于:还包括与每个轴承对应的无线传输节点,用于接入至少一组振动传感信号、旋转转速信号和温度信号;连接在多个无线传输节点之间的无线接入网关,用于将每个无线传输节点所接入的振动传感信号、旋转转速信号和温度信号进行无线传送。
3.根据权利要求1所述的基于无线网的生产设备在线监测及故障诊断系统,其特征在于:所述无线检测仪表包括用于检测滚动轴承的振动传感信号、旋转转速信号和温度信号的传感器,与传感器连接的信号调理变送部分,与信号调理变送部分连接的嵌入式处理器,以及与嵌入式处理器连接的无线收发器。
4.根据权利要求1所述的基于无线网的生产设备在线监测及故障诊断系统,其特征在于:所述无线检测仪表通过层出化的异构网络形成数据中心式的仪表网络;或通过手持式的移动设备构成点对点的仪表网络。
5.根据权利要求1所述的基于无线网的生产设备在线监测及故障诊断系统,其特征在于:所述滚动轴承振动速度的设定值为0.5mm/s。
6.根据权利要求1所述的基于无线网的生产设备在线监测及故障诊断系统,其特征在于:所述数据服务器和监控终端采用CS架构,所述监控终端内设有故障诊断软件,用于进行数据浏览、查询和分析,所述数据服务器用于任务调度、网络通讯、测试数据处理和存储数据库。
7.根据权利要求2所述的基于无线网的生产设备在线监测及故障诊断系统,其特征在于:
所述无线传输节点的参数为,
发射频率:433MHz;
输入接口:6路4-20mA电流信号或者0-5V电压信号;
发射功率:400mW;
接收灵敏度:-119dB;
工作信道:32频段;
空中通信速率:125Kbps;
所述无线接入网关的参数为,
无线信道频率:433MHz;
有线信道:以太网/CAN/RS485/RS232;
发射功率:200mW;
接收灵敏度:-119dB;
工作信道:32频段;
空中通信速率:125Kbps。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410115189.9A CN103884506B (zh) | 2014-03-25 | 2014-03-25 | 基于无线网的生产设备在线监测及故障诊断系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410115189.9A CN103884506B (zh) | 2014-03-25 | 2014-03-25 | 基于无线网的生产设备在线监测及故障诊断系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103884506A CN103884506A (zh) | 2014-06-25 |
CN103884506B true CN103884506B (zh) | 2019-07-23 |
Family
ID=50953525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410115189.9A Active CN103884506B (zh) | 2014-03-25 | 2014-03-25 | 基于无线网的生产设备在线监测及故障诊断系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103884506B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6190343B2 (ja) * | 2014-09-12 | 2017-08-30 | 株式会社神戸製鋼所 | 回転機の異常診断装置、回転機の異常診断方法、及び、回転機 |
CN105806604B (zh) * | 2016-03-18 | 2018-10-19 | 北京唐智科技发展有限公司 | 一种机车车辆走行部轴承保持架故障预报警方法 |
EP3605037B1 (en) | 2017-03-24 | 2023-07-12 | NSK Ltd. | Machine component diagnosis system |
CN106812916A (zh) * | 2017-03-28 | 2017-06-09 | 康为同创集团有限公司 | 齿轮箱及轨道交通车辆 |
CN106989923A (zh) * | 2017-03-28 | 2017-07-28 | 南京航空航天大学 | 基于定子电流小波包分析的永磁机轴承点蚀故障检测方法 |
CN107643182B (zh) * | 2017-09-08 | 2018-09-25 | 安徽大学 | 基于欠采样信号的轴承故障诊断方法及无线网络节点装置 |
CN108489540A (zh) * | 2018-03-15 | 2018-09-04 | 上海士翌测试技术有限公司 | 基于wifi通讯的智能传感系统 |
JP7082516B2 (ja) * | 2018-04-16 | 2022-06-08 | 株式会社小松製作所 | 機械装置の状態監視システム及び機械装置の状態監視方法 |
CN108826579A (zh) * | 2018-05-08 | 2018-11-16 | 苏州尚能物联网科技有限公司 | 一种暖通空调系统设备振动数据采集与处理系统 |
CN109813422A (zh) * | 2018-07-30 | 2019-05-28 | 杭州哲达科技股份有限公司 | 一种用于运转设备安康实时监测方法 |
JP7155049B2 (ja) * | 2019-03-08 | 2022-10-18 | 株式会社日立製作所 | 転がり軸受の状態監視システムおよび状態監視方法 |
US11643301B2 (en) * | 2019-10-28 | 2023-05-09 | Otis Elevator Company | System and method for monitoring sheave bearing condition |
CN111076762A (zh) * | 2019-12-31 | 2020-04-28 | 湖南景程电子科技有限公司 | 一种无线电子仪表配置集成系统 |
CN111060317A (zh) * | 2020-01-03 | 2020-04-24 | 上海电器科学研究所(集团)有限公司 | 一种矿用扇风电动机滚动轴承故障信号的判断方法 |
CN112650166A (zh) * | 2020-12-14 | 2021-04-13 | 云南迦南飞奇科技有限公司 | 基于无线网络的生产线状况大数据系统及其诊断方法 |
CN114646467B (zh) * | 2020-12-21 | 2023-08-18 | 宇通客车股份有限公司 | 一种适用于整车环境的驱动电机轴承检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1022702A2 (en) * | 1999-01-22 | 2000-07-26 | Eaton Corporation | Self-powered wireless tranducer |
CN101354312A (zh) * | 2008-09-05 | 2009-01-28 | 重庆大学 | 轴承故障诊断系统 |
CN101685042A (zh) * | 2008-09-25 | 2010-03-31 | 上海宝钢工业检测公司 | 冷轧加热炉炉辊运行状态的在线监测方法 |
CN101850368A (zh) * | 2009-03-31 | 2010-10-06 | 上海宝钢工业检测公司 | 酸洗连轧机联合机组断带在线检测方法 |
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
CN102053016A (zh) * | 2010-11-08 | 2011-05-11 | 江苏大学 | 旋转机械滚动轴承的无线振动监测系统 |
CN103335841A (zh) * | 2013-06-04 | 2013-10-02 | 辽宁大学 | 一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002098585A (ja) * | 2000-09-25 | 2002-04-05 | Takasago Thermal Eng Co Ltd | 回転機器の異常検出方法及びその装置 |
-
2014
- 2014-03-25 CN CN201410115189.9A patent/CN103884506B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1022702A2 (en) * | 1999-01-22 | 2000-07-26 | Eaton Corporation | Self-powered wireless tranducer |
CN101354312A (zh) * | 2008-09-05 | 2009-01-28 | 重庆大学 | 轴承故障诊断系统 |
CN101685042A (zh) * | 2008-09-25 | 2010-03-31 | 上海宝钢工业检测公司 | 冷轧加热炉炉辊运行状态的在线监测方法 |
CN101850368A (zh) * | 2009-03-31 | 2010-10-06 | 上海宝钢工业检测公司 | 酸洗连轧机联合机组断带在线检测方法 |
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
CN102053016A (zh) * | 2010-11-08 | 2011-05-11 | 江苏大学 | 旋转机械滚动轴承的无线振动监测系统 |
CN103335841A (zh) * | 2013-06-04 | 2013-10-02 | 辽宁大学 | 一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103884506A (zh) | 2014-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103884506B (zh) | 基于无线网的生产设备在线监测及故障诊断系统及方法 | |
CN102156043B (zh) | 风力发电机组在线状态监测与故障诊断系统 | |
Barszcz et al. | Application of spectral kurtosis for detection of a tooth crack in the planetary gear of a wind turbine | |
CN109101768A (zh) | 基于压缩感知的叶端定时传感器布局优化设计方法 | |
CN107884214B (zh) | 一种列车走行部部件故障多参数综合决策方法及装置 | |
CN103940611B (zh) | 一种风电机组变工况下滚动轴承自适应异常检测方法 | |
CN107013473A (zh) | 一种泵站实时在线监测与能效管理方法及系统 | |
CN103472802B (zh) | 风力发电机组智能状态监测终端及其数据处理方法 | |
CN104677623A (zh) | 一种风力发电机叶片故障在位声学诊断方法及监测系统 | |
CN101858778A (zh) | 基于振动监测的风力发电机组故障自动诊断方法 | |
CN104260754B (zh) | 基于轴箱振动加速度的轨道高低不平顺预测系统及方法 | |
Ni et al. | Rolling element bearings fault diagnosis based on a novel optimal frequency band selection scheme | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN106289822A (zh) | 一种列车故障检测系统及方法 | |
CN107866696A (zh) | 管理系统和装置、主轴故障检测方法、计算机可读介质 | |
CN106769053A (zh) | 一种基于声发射信号的水轮机故障诊断系统及方法 | |
CN108021064A (zh) | 一种动力设备健康状况在线诊断方法 | |
CN113239613A (zh) | 一种水轮机组摆度报警判断方法 | |
CN103941722A (zh) | 通过部件特征倍频幅值趋势监测和诊断设备故障的方法 | |
CN106706084A (zh) | 天然气超声流量计通用远程诊断系统及方法 | |
CN108303465A (zh) | 一种基于机床振动的故障检测方法及系统 | |
CN110056640A (zh) | 基于加速度信号和边缘计算的减速机无线故障诊断方法 | |
Zhang et al. | Optimised ensemble empirical mode decomposition with optimised noise parameters and its application to rolling element bearing fault diagnosis | |
CN205981152U (zh) | 一种便于监测刀具磨损量的盾构机滚刀 | |
Guo et al. | Fast spectral correlation detector for periodic impulse extraction of rotating machinery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |