CN104568438A - 发动机轴承故障检测系统及方法 - Google Patents
发动机轴承故障检测系统及方法 Download PDFInfo
- Publication number
- CN104568438A CN104568438A CN201410519554.2A CN201410519554A CN104568438A CN 104568438 A CN104568438 A CN 104568438A CN 201410519554 A CN201410519554 A CN 201410519554A CN 104568438 A CN104568438 A CN 104568438A
- Authority
- CN
- China
- Prior art keywords
- bearing
- engine bearing
- engine
- photoelectric sensor
- signal
- 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
本发明涉及一种发动机轴承故障检测系统及方法,属于发动机维护和检测领域,该系统包括采集发动机轴承振动信号和转速信号的信号采集单元、处理器和显示器,处理器连接信号采集单元和显示器,其中转速信号采用光电传感器测量,显示器同时显示一个或多个轴承状态。信号采集单元包括振动传感器和光电传感器,振动传感器检测发动机轴承的振动状态参数,光电传感器检测轴承的转速状态参数。本发明中使用了振动传感器和光电传感器对轴承运行参数进行监测,并利用遗传优化相关向量机模型对参数进行分析,光电传感器能够在转速分辨率较低的情况下正常计数比之转速传感器准确度更高,解决了现有技术中发动机轴承检测维修准确度不高的问题。
Description
技术领域
本发明涉及发动机维护和检测领域,特别涉及一种发动机轴承故障检测系统及方法。
背景技术
航空发动机必须定期大修。发动机大修出厂前,每一台均须通过操作者细听轴承转动时发出的声音以判定其轴间轴承和转子间轴承是否存在故障。由于人类听觉的灵敏度和分辨率是有限的,而且存在着个体差异,这种由专业人员的听觉来判断轴承故障的方法,仅仅依据专业人员的工作经验,其人为的因素显然是很大的。实践证明,即便是经验丰富的专业人员,彼此间也存在着听力误差,因而很容易造成判断错误,或是耽误发动机的修理时间,或是影响发动机维修质量和飞机飞行的安全。
发明内容
为了解决现有技术中发动机轴承检测维修准确度不高的问题,本发明提供一种发动机轴承故障检测系统及方法。
本发明的技术方案是:一种发动机轴承故障检测系统,该系统包括采集发动机轴承振动信号和转速信号的信号采集单元、处理器和显示器,处理器连接信号采集单元和显示器,其中转速信号采用光电传感器测量,显示器同时显示一个或多个轴承状态。
所述的信号采集单元包括振动传感器和光电传感器,振动传感器检测发动机轴承的振动状态参数,光电传感器检测轴承的转速状态参数。所述信号采集单元的振动传感器和光电传感器设有若干个。
所述的处理器利用遗传优化相关向量机模型对信号采集单元采集到的数据进行分析处理。
一种发动机轴承故障检测方法,该方法步骤包括:
步骤一、建立数据库,并进行数据预处理;
步骤二、建立相关向量机模型,利用遗传算法优化训练相关向量机模型参数;
步骤三、采用相关向量机模型对待测发动机轴承数据进行诊断分析;
步骤四、输出诊断结果;
步骤五、诊断结果和参数数据存入数据库。
所述步骤一中的数据库包括由样本轴承数据和检测的轴承数据参数组成。
所述步骤二中的遗传算法流程包括:
A. 计算适应度;
B. 选择染色体进行复制;
C. 交叉、变异过程;
D. 产生新群体;
E. 判断是否满足终止条件;
F. 满足终止条件则结束,不满足则返回步骤A。
所述步骤三中的待测发动机轴承数据是信号采集单元对发动机轴承进行监测得到的发动机轴承振动参数和转速参数。
本发明有如下积极效果:本发明中使用了振动传感器和光电传感器对轴承运行参数进行监测,并利用遗传优化相关向量机模型对参数进行分析,比之现有技术中只监测振动参数的设备,光电传感器能够在转速分辨率较低的情况下正常计数比之转速传感器准确度更高,本发明减小了人为误差,具有科学分析、判断准确、操作简单、使用方便等一系列优点,在航空发动机动的检修过程中发挥极为显著的良好效果。
附图说明
图1 是本发明中的冷却塔风机监测系统的原理框图;
图2 是本发明中的冷却塔风机监测方法的工作流程图;
图3 是本发明中的遗传优化相关向量机模型的流程图。
具体实施方式
下面对照附图,通过对实施例的描述,本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等,作进一步详细的说明,以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
一种发动机轴承故障检测系统,如图1所示,该系统包括信号采集单元、处理器和显示器,处理器连接信号采集单元和显示器,处理器连接显示器,显示器连接多个处理器显示一个或者多个轴承的检测状态信号,减少了设备成本。
信号采集单元包括振动传感器和光电传感器,振动检测周振动信号,光电传感器的感光标记安装在轴承外侧,光电传感器的接收端口和发射端口与感光标记保持一致,光电式传感器具有非接触、响应快、性能可靠等特点。现有发动机转数测量是通过内部安装的转速传感器进行测量,测试范围≧1000r/min,在低频段出现信号失真情况,转速采样分辨率较低。信号采集单元中的振动传感器检测发动机轴承的振动状态参数,光电传感器检测轴承的转速状态参数。
处理器,连接信号采集单元和显示器,接收信号采集单元的数据信息并进行数据处理和分析,从而输出检测结果对异常情况发出警示或报警。本发明中的处理器利用了遗传优化的相关向量机模型分析处理信号采集单元的数据,因为传感器对发动机轴承的监测是实时的,所以很容易产生偶然误差数据导致监控终端误报警,所以本发明中使用了遗传优化的相关向量机方法对数据进行分析处理,根据发动机轴承振动特征,研究轴承的振动信号进而准确判断出轴承是否完好,将缺陷轴承的振动特征与缺陷的结构分析和检测结合起来,从而判断轴承的状态和故障情况。本发明减小了人为误差,同时设置的光电传感器增大了准确度,具有科学分析、判断准确、操作简单、使用方便等一系列优点,在航空发动机动的检修过程中发挥极为显著的良好效果。
显示器连接多个处理器,接收处理器发送的正常信号和异常信号,监控人员从显示器就可以看到多个发动机轴承的检测情况,不需要一个个人工检查和查看,节省了大量的人力工作。
一种发动机轴承故障检测方法,如图2所示,该方法步骤包括:
S01步骤一、建立轴承参数数据库,并进行数据预处理。
轴承数据库是指由样本数据和监测参数组成的数据库,样本数据可以是出厂设置的数据,也包括发动机轴承正常工作时监测到的数据保存在数据库,方便对遗传优化相关向量机模型进行机器训练。
预处理是对数据进行归一化处理,归一化可以加快训练网络的收敛性, 归一化的具体作用是归纳统一样本的统计分布性。无论是为了建模还是为了计算,首先基本度量单位要同一,遗传算法是以样本在事件中的统计分别几率来进行训练和预测的,归一化是同一在0-1之间的统计概率分布;SVM是以降维后线性划分距离来分类和仿真的,因此时空降维归一化是统一在-1--+1之间的统计坐标分布。
S02步骤二、建立相关向量机模型,利用遗传算法优化训练相关向量机模型参数。
建立相关向量机模型首先选择合适的函数,并对其超参数进行遗传优化训练,建立合适的相关向量机模型,利用遗传算法优化训练相关向量机模型参数,让模型更容易收敛,运算速度更快。建立相关向量机模型时,先利用已知样本数据库进行遗传算法优化训练成功建立模型,已知样本数据库保存了风机正常状态下的参数数据,对相关向量机模型进行训练。
核函数的选择时常用的相关向量机模型核函数有4 种:
线性核函数:
多项式核函数:
高斯径向基( RBF) 核函数:
Sigmoid 核函数:
选择合适的核函数是该方法能成功使用的关键,通过测试验证训练,比较各自泛化性能,本文优先选择RBF 核函数作为故障诊断的相关向量机模型。
相关向量机模型算法中超参数的选择对相关向量机模型算法的分类准确率起着决定性的作用,以往文献常用的参数寻优方法多采用人为列举寻优、交叉验证等方式设置参数,但是此类方法所需时间过长,同时还存在容易陷入局部最优的问题。遗传算法是一种借鉴生物界自然选择和自然遗传机制的搜索算法,它能在复杂而庞大的搜索空间中寻找最优或准最优解,且有算法简单、适用、鲁棒性强等优点,它的应用目前很成熟。本文采用遗传算法优化相关向量机模型,把二者结合起来,功能互补从而建立故障监测系统。
遗传算法优化相关向量机方法中的遗传算法要素包括:
A.计算适应度。计算适用度值:个体适应度采用网络的函数误差,即误差大的个体其适应度小,具体表示为适应度为网络误差函数的倒数。
B.选择染色体进行复制。选择染色体复制:个体适应度的计算完成后,选择适应度大的个体遗传到下一代,使权值越来越接近最优解空。
C.交叉、变异过程。交叉、变异过程 :采用基于概率的双向随机搜索技术,以一定的概率,随机地从父本种群中选取两条染色体进行交叉操作,当新染色体使当前解质量提高时,就接收这个被改进的解作为新的当前解。
D.产生新群体。
E.判断是否满足终止条件。
F.满足终止条件则结束,不满足则返回步骤A。
如图3所示,在本发明中,在遗传算法优化相关向量机的过程中,就是先初始化相关向量机的核函数,然后利用已知样本对相关向量机进行机器训练,本发明中是进行遗传优化训练,输出最佳相关向量机参数,从而建立相关向量机模型,一旦机器训练中不满足遗传优化的终止条件,则返回步骤A,继续利用已知数据库进行遗传优化的训练。
S03步骤三、采用相关向量机模型对待测发动机轴承数据进行诊断分析。
相关向量机模型分析待测数据前先对模型进行机器训练,即利用步骤一中建立的数据库对遗传优化的相关向量机模型进行机器训练,在正常稳定状态的数据下,可以保证故障模式的区分和模型的正常使用。机器训练后,模型才会对待测数据进行诊断分析,待测数据是指监测发动机轴承状态的振动传感器和光电传感器检测检测到的轴承转速参数数据。遗传优化相关向量机模型一旦对比接收到的检测数据大于系统设定阈值,处理器就会发出警示信号。
S04步骤四、输出诊断结果。当信号采集单元的振动传感器和光电传感器检测的数据振动数据异常时,说明轴承振动异常或者转速,有可能轴承出现故障,处理器接收到异常的数据参数就会发出警示信号到显示器。此外,当接头松动或者空调内部漏气时,就会形成气流,风量传感器检测到的数据就会出现异常,处理器根据风量传感器的异常也会发出警示信号到车载显示器提醒驾驶人员及时检查汽车空调或请专业人士进行查看,避免汽车空调进一步的损坏。
S05步骤五、诊断结果和参数数据存入数据库。大多时候发动机轴承是处于正常运行状态,但是随着发动机使用年限的增长,轴承有些磨损,系统设定的阈值也应该随之更新。所以,当诊断结果是正常状态没有故障时,对应的传感器数据就会保存在数据库中,故障状态下的参数数据和结果也会存入数据库中,方便调用和数据对比,达到已知更新数据库的目的,系统检测准确度更高,检测系统更加实用。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (8)
1.一种发动机轴承故障检测系统,其特征在于,该系统包括采集发动机轴承振动信号和转速信号的信号采集单元、处理器和显示器,处理器连接信号采集单元和显示器,其中转速信号采用光电传感器测量,显示器同时显示一个或多个轴承状态。
2.根据权利要求1所述的发动机轴承故障检测系统,其特征在于,所述的信号采集单元包括振动传感器和光电传感器,振动传感器检测发动机轴承的振动状态参数,光电传感器检测轴承的转速状态参数。
3.根据权利要求2所述的发动机轴承故障检测系统,其特征在于,所述信号采集单元的振动传感器和光电传感器设有若干个。
4.根据权利要求1所述的发动机轴承故障检测系统,其特征在于,所述的处理器利用遗传优化相关向量机模型对信号采集单元采集到的数据进行分析处理。
5.一种发动机轴承故障检测方法,其特征在于,该方法步骤包括:
步骤一、建立数据库,并进行数据预处理;
步骤二、建立相关向量机模型,利用遗传算法优化训练相关向量机模型参数;
步骤三、采用相关向量机模型对待测发动机轴承数据进行诊断分析;
步骤四、输出诊断结果;
步骤五、诊断结果和参数数据存入数据库。
6.根据权利要求5所述的发动机故障检测方法,其特征在于,所述步骤一中的数据库包括由样本轴承数据和检测的轴承数据参数组成。
7.根据权利要求5所述的冷却塔风机监测方法,其特征在于,所述步骤二中的遗传算法流程包括:
计算适应度;
选择染色体进行复制;
交叉、变异过程;
产生新群体;
判断是否满足终止条件;
满足终止条件则结束,不满足则返回步骤A。
8.根据权利要求5所述的冷却塔风机监测方法,其特征在于,所述步骤三中的待测发动机轴承数据是信号采集单元对发动机轴承进行监测得到的发动机轴承振动参数和转速参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410519554.2A CN104568438A (zh) | 2014-10-07 | 2014-10-07 | 发动机轴承故障检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410519554.2A CN104568438A (zh) | 2014-10-07 | 2014-10-07 | 发动机轴承故障检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104568438A true CN104568438A (zh) | 2015-04-29 |
Family
ID=53085019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410519554.2A Pending CN104568438A (zh) | 2014-10-07 | 2014-10-07 | 发动机轴承故障检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104568438A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808649A (zh) * | 2015-03-13 | 2015-07-29 | 芜湖凯博实业股份有限公司 | 一种冷却塔风机监测系统及方法 |
CN107036816A (zh) * | 2016-11-17 | 2017-08-11 | 重庆工商大学 | 一种航空发动机轴承故障诊断方法 |
WO2019024450A1 (zh) * | 2017-08-01 | 2019-02-07 | 上海庆科信息技术有限公司 | 一种设备故障检测方法及装置 |
WO2020103761A1 (zh) * | 2018-11-22 | 2020-05-28 | 湖南工程学院 | 一种轴承维修时机获取方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462846A (zh) * | 2014-12-22 | 2015-03-25 | 山东鲁能软件技术有限公司 | 一种基于支持向量机的设备故障智能诊断方法 |
-
2014
- 2014-10-07 CN CN201410519554.2A patent/CN104568438A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462846A (zh) * | 2014-12-22 | 2015-03-25 | 山东鲁能软件技术有限公司 | 一种基于支持向量机的设备故障智能诊断方法 |
Non-Patent Citations (6)
Title |
---|
SHUEN-DE WU 等: "Bearing Fault Diagnosis Based on Multiscale Permutation Entropy and Support Vector Machine", 《ENTROPY》 * |
何学文 等: "支持向量机及其在机械故障诊断中的应用", 《中南大学学报(自然科学版)》 * |
朱霄珣: "基于支持向量机的旋转机械故障诊断与预测方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
杨敏敏: "基于支持向量机的滚动轴承故障诊断方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
王凯 等: "遗传算法和支持向量机在机械故障诊断中的应用研究", 《机械强度》 * |
袁胜发 等: "支持向量机及其在机械故障诊断中的应用", 《振动与冲击》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808649A (zh) * | 2015-03-13 | 2015-07-29 | 芜湖凯博实业股份有限公司 | 一种冷却塔风机监测系统及方法 |
CN107036816A (zh) * | 2016-11-17 | 2017-08-11 | 重庆工商大学 | 一种航空发动机轴承故障诊断方法 |
CN107036816B (zh) * | 2016-11-17 | 2019-06-11 | 重庆工商大学 | 一种航空发动机轴承故障诊断方法 |
WO2019024450A1 (zh) * | 2017-08-01 | 2019-02-07 | 上海庆科信息技术有限公司 | 一种设备故障检测方法及装置 |
WO2020103761A1 (zh) * | 2018-11-22 | 2020-05-28 | 湖南工程学院 | 一种轴承维修时机获取方法 |
US11796420B2 (en) | 2018-11-22 | 2023-10-24 | Hunan Institute Of Engineering | Bearing maintenance timing acquisition method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106323635B (zh) | 一种滚动轴承故障在线检测与状态评估方法 | |
US7444251B2 (en) | Detecting and diagnosing faults in HVAC equipment | |
KR102427205B1 (ko) | 인공지능 모델을 위한 학습 데이터 생성 장치 및 방법 | |
CN103674234B (zh) | 一种风力发电机组振动异常的状态预警方法及系统 | |
CN110414155A (zh) | 一种带有单测点的风机部件温度异常检测和报警方法 | |
CN104297003B (zh) | 基于动态报警阈值的转向架旋转部件的故障监测方法 | |
CN109613428A (zh) | 一种能像系统及其在电机设备故障检测方法中的应用 | |
CN104568438A (zh) | 发动机轴承故障检测系统及方法 | |
CN103969052B (zh) | 基于离群分析的柴油机故障诊断方法 | |
CN107844067B (zh) | 一种水电站闸门在线状态监测控制方法及监测系统 | |
CN103674538A (zh) | 一种直升机自动倾斜器多故障模式识别方法及装置 | |
CN110375983A (zh) | 基于时间序列分析的阀门故障实时诊断系统及诊断方法 | |
CN104596775A (zh) | 发动机失火诊断系统及其方法 | |
CN104697765A (zh) | 汽车空调故障检测系统及方法 | |
CN116428124A (zh) | 一种基于同型号设备数量较多的故障诊断方法 | |
CN104808649A (zh) | 一种冷却塔风机监测系统及方法 | |
CN108763966A (zh) | 一种尾气检测作弊监管系统及方法 | |
CN115145788A (zh) | 一种针对智能运维系统的检测数据生成方法和装置 | |
CN107607342A (zh) | 空调机房设备群的健康能效检测方法 | |
CN109263650A (zh) | 识别人工介入的方法、装置及交通工具 | |
CN204027820U (zh) | 汽车空调故障检测系统 | |
CN207992717U (zh) | 一种水电站闸门在线状态监测系统 | |
CN109739197A (zh) | 一种化工废料处理设备的多工况故障预测方法 | |
CN106195247B (zh) | 一种基于大数据管理模式的变速器控制系统 | |
CN109990803A (zh) | 检测系统异常的方法、装置及传感器处理的方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150429 |
|
RJ01 | Rejection of invention patent application after publication |