CN104697796A - 一种基于滚动轴承的分段故障检测的方法 - Google Patents

一种基于滚动轴承的分段故障检测的方法 Download PDF

Info

Publication number
CN104697796A
CN104697796A CN201510150449.0A CN201510150449A CN104697796A CN 104697796 A CN104697796 A CN 104697796A CN 201510150449 A CN201510150449 A CN 201510150449A CN 104697796 A CN104697796 A CN 104697796A
Authority
CN
China
Prior art keywords
state
rolling bearing
bearing
phase
stage
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
Application number
CN201510150449.0A
Other languages
English (en)
Inventor
程卫东
刘东东
赵德尊
于春阳
刘文强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201510150449.0A priority Critical patent/CN104697796A/zh
Publication of CN104697796A publication Critical patent/CN104697796A/zh
Pending legal-status Critical Current

Links

Abstract

一种基于滚动轴承的分段故障检测分段检测的方法,属于机械结构故障诊断领域。解决了在滚动轴承在线监测诊断中，检测提取的历史数据太多需要的内存非常大，存储及传输困难的问题和连续监测诊断所需的成本较高造成资源浪费的问题。这种分阶段间歇式的状态检测方法分为阶段1、阶段2、阶段3和阶段4组成，前三阶段采用间歇式检测，最后阶段采用连续检测。各个阶段通过检测的振动水平进行自动跳转，同时，当处于下个阶段状态时可以向上个状态转变，排除偶然因素引起的状态跳转，满足了对滚动轴承故障诊断的精确性要求，整体检测时间很大程度减小降低了成本，同时对操作工的技术要求低，具有很强的实际意义。

Description

一种基于滚动轴承的分段故障检测的方法
技术领域
本发明属于机械结构故障诊断领域，具体涉及一种滚动轴承在线故障诊断中的分段检测的一种方法。
背景技术
滚动轴承作为旋转机械的支撑部件扮演着非常重要的作用，据统计旋转机械发生的故障30％是由滚动轴承的故障引起的，由于滚动轴承的故障而造成的经济损失不可计数，因此，滚动轴承的故障诊断在我国越来越引起人们的关注。滚动轴承的在线诊断通过对轴承的运转状态的监测，可以很好的预防避免了设备由于滚动轴承故障而引起的损失。国内外的基于滚动轴承的在线状态检测主要包括：①离线定期检测方式②在线监测离线分析方式③自动在线检测方式。自动在线检测方式可以实现对监测数据的分析，通过与专家经验和一些标准对比可以实现自动报警。但是，如果采取连续的在线监测会使采集到的滚动轴承的信息非常大，这些数据占用的内存空间非常大，不利于数据的存储和传输。一般的无损数据压缩技术的压缩率仅为1/2～1/5，满足不了对数据进行存储和传输的要求。对滚动轴承状态的连续检测的成本非常高，对于一些收益比较小的工厂连续监测也可能无法实施。
发明内容
本发明主要是解决滚动轴承在线监测诊断的数据非常大，存储这些检测的历史数据需要的内存非常大，一般设备满足不了对于这些历史数据的存储及传输困难的问题和连续监测诊断所需的成本较高的难题。
本发明为解决这种难题所提出一种基于滚动轴承故障监测的间歇式检测的方法，具体技术方案如下：
基于滚动轴承出现故是一个逐步积累的过程，提出把滚动轴承的整个寿命根据出现故障的可能性的大小分为四个阶段，并且把每个阶段根据专家经验或工人师傅的经验分为若干状态。这四个阶段包括：基本不可能发生故障、发生故障概率非常小、发生故障的可能性稍大和可能发生故障比较大。这里只在最后一个阶段对轴承进行连续状态检测，而其它三个阶段发生故障可能性大小并结合经验，确定每个阶段检测的时间间隔，这里很明显这三个阶段的时间间隔依次减小。
在自动在线监测方式中，检测到的信号包含丰富的故障信息，通过分析采集到的振动特征水平来判断轴承产生故障的可能的大小。比如，当滚动轴承处于第一阶段时，通过分析检测到的振动水平，如果轴承的振动水平增大则等到状态转换时自动进入下一个阶段检测，以减小检测时间间隔。每个阶段又分为几个状态，这些轴承状态更加精确的描述轴承出现故障的可能性并且方便不同状态的转换。另外，该系统还包含返回上一阶段的流程，以防由于外界因素等导致轴承振动水平的突然变化而引起的进入下一阶段，造成检测周次变小。
本发明和已有的技术相比产生的有益效果是：本方法采用自动跳转的间歇式故障检测，状态的跳转不是只往下一个状态跳转，而且包含了由下一个状态转为上一个状态，排除了由于偶然因素引起的状态转移，节省了内存空间和解决了由于数据过大而传输困难。另外，间歇式故障诊断也很大程度上避免了资源浪费，节约成本。
附图说明
图1滚动轴承的四阶段间歇式故障检测示意图
图2滚动轴承的四阶段间歇式故障检测的状态转换流程
具体实施方式
参照附图为具体实施方式对本方法进一步详细说明：
如附图1所示，滚动轴承的整个寿命被分为四个阶段，阶段1：基本不可能发生故障，阶段2：发生故障概率非常小，阶段3：发生故障的可能性稍大，阶段4：发生故障的可能性比较大；在第一个阶段的检测周期为T1,第二个阶段的检测周期为T2，第三个周期的检测周期为T3，最后一个周期采用连续状态监测。如附图2所示，第一个阶段分为两个状态S1和S2，第二个状态分为状态S3和S4，第三个状态分为S5﹑S6和S7，最后状态分为S8﹑S9和S10.其中S1表示几乎不发生故障，S2～S8表示滚动轴承发生故障的概率逐渐增大，S9表示对轴承进行预防性的更换，S10表示滚动轴承已经出现故障正在更换。
在自动在线监测方式中，当滚动轴承处于第一阶段时，通过分析检测到的振动水平，由状态S1可以向状态S2转变，由状态S2也可以向状态S1，在这两个状态中检测周期都是T1；轴承的振动水平增大时由状态S2向状态S3或状态S4转变，如果振动水平是由于外界因素偶然引起的可以由状态S3状态S2转变，进而恢复到检测周期T1，以降低成本。以此类推，当轴承进入S8时，状态检测便由间歇式检测变为了连续状态检测，这时发生故障的可能性很大，当轴承进入S9时，对轴承进行预防性的维修或更换；如果轴承进入状态S10，报警器报警，表明轴承已经损坏，对轴承进行维修或更换。
本检测方法从第一个阶段到第三个阶段都采用基于振动水平大小自动跳转的间歇式轴承的故障检测技术，避免了由于数据太大而造成内存空间和解决了由于数据过大而传输困难。另外，间歇式故障诊断也很大程度上避免了资源浪费，节约成本。因此，这种基于滚动轴承的分段故障检测的方法具有很大的实际应用意义。

Claims (2)

1.一种基于滚动轴承的分段故障检测的方法,其特征在于：滚动轴承的整个寿命被分为四个阶段，阶段1：基本不可能发生故障，阶段2：发生故障概率非常小，阶段3：发生故障的可能性稍大，阶段4：发生故障的概率较大；在第一个阶段的检测周期为T1,第二个阶段的检测周期为T2，第三个周期的检测周期为T3，最后一个周期采用连续状态监测；第一个阶段分为两个状态S1和S2，第二个状态分为状态S3和S4，第三个状态分为S5﹑S6和S7，最后状态分为S8﹑S9和S10，其中S1表示几乎不发生故障，S2～S8表示滚动轴承发生故障的概率逐渐增大，S9表示对轴承进行预防性的更换，S10表示滚动轴承已经出现故障正处在更换状态。
2.根据权利要求1所述的滚动轴承的分段故障检测方法，其特征在于：在自动在线监测方式中，当滚动轴承处于第一阶段时，通过分析检测到的振动水平，由状态S1可以向状态S2转变，由状态S2也可以向状态S1，在这两个状态中检测周期都是T1；轴承的振动水平增大时由状态S2向状态S3或状态S4转变，如果振动水平是由于外界因素偶然引起的可以由状态S3状态S2转变，进而恢复到检测周期T1，以降低成本；以此类推，当轴承进入S8时，状态检测便由间歇式检测变为了连续状态检测，这时发生故障的可能性很大，当轴承进入S9时，对轴承进行预防性的更换；如果轴承进入状态S10，报警器报警，表明轴承已经损坏，对轴承进行更换。
CN201510150449.0A 2015-04-01 2015-04-01 一种基于滚动轴承的分段故障检测的方法 Pending CN104697796A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510150449.0A CN104697796A (zh) 2015-04-01 2015-04-01 一种基于滚动轴承的分段故障检测的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510150449.0A CN104697796A (zh) 2015-04-01 2015-04-01 一种基于滚动轴承的分段故障检测的方法

Publications (1)

Publication Number Publication Date
CN104697796A true CN104697796A (zh) 2015-06-10

Family

ID=53345154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510150449.0A Pending CN104697796A (zh) 2015-04-01 2015-04-01 一种基于滚动轴承的分段故障检测的方法

Country Status (1)

Country Link
CN (1) CN104697796A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109147086A (zh) * 2017-06-19 2019-01-04 通用汽车环球科技运作有限责任公司 用于产生关于车辆中的部件的预后信息的方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1241721A (zh) * 1999-03-22 2000-01-19 西安交通大学 基于非线性频谱分析的故障检测与诊断方法
CN101266197A (zh) * 2007-03-12 2008-09-17 斯奈克玛 一种检测发动机轴承损坏的方法
CN103364027A (zh) * 2012-03-30 2013-10-23 极晨智道信息技术(北京)有限公司 一种旋转机械劣化趋势预测的方法和装置
JP2014225080A (ja) * 2013-05-15 2014-12-04 Ntn株式会社 監視システムおよびその診断装置・監視端末

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1241721A (zh) * 1999-03-22 2000-01-19 西安交通大学 基于非线性频谱分析的故障检测与诊断方法
CN101266197A (zh) * 2007-03-12 2008-09-17 斯奈克玛 一种检测发动机轴承损坏的方法
CN103364027A (zh) * 2012-03-30 2013-10-23 极晨智道信息技术(北京)有限公司 一种旋转机械劣化趋势预测的方法和装置
JP2014225080A (ja) * 2013-05-15 2014-12-04 Ntn株式会社 監視システムおよびその診断装置・監視端末

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姜万录 等: "《液压故障的智能信息诊断与监测》", 31 May 2013, 机械工业出版社 *
常西畅 等: "《频谱分析仪及其在故障诊断中的应用》", 31 January 2006, 中国宇航出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109147086A (zh) * 2017-06-19 2019-01-04 通用汽车环球科技运作有限责任公司 用于产生关于车辆中的部件的预后信息的方法和系统

Similar Documents

Publication Publication Date Title
CN105467949A (zh) 基于物联网和dsp的起重机远程监控与智能维护系统
CN103742358B (zh) 一种复合式风力发电机组状态监控系统
CN108869264B (zh) 泵站机组故障诊断预警系统
CN103353893B (zh) 调度自动化系统分布式数据采集故障智能诊断方法
CN102546216A (zh) 网络管理系统中的告警消息处理方法及网络管理系统
CN104038373A (zh) 信息预警与自修复系统及方法
CN101883003A (zh) 一种计算机操作系统强制运行方法
CN105548744A (zh) 一种基于运检大数据的变电设备故障识别方法及其系统
CN107491021A (zh) 家用电器及其故障诊断系统、方法和服务器
CN112068535A (zh) 一种站台门智能运维系统
CN202472920U (zh) 变电站自动化监控系统
CN104697796A (zh) 一种基于滚动轴承的分段故障检测的方法
CN108445857B (zh) 一种scada系统的1+n冗余机制设计方法
US8402308B2 (en) Apparatus and method for failure management of RFID middleware management system
CN109034419A (zh) 应用大数据理论优化核电厂在役检查项目和频率的方法
CN202091172U (zh) 气体压缩机状态监测和可靠性分析装置
CN109687584B (zh) 一种输电物联通信网络接入优化方法
CN103645060A (zh) 基于状态监控系统的风力发电机组突发故障识别诊断方法
CN114047730B (zh) 一种高效省能火电厂发电生产优化控制装置
CN110427689B (zh) 基于信息新技术的燃机机组机群监测诊断方法
CN113098132A (zh) 一种基于群智能优化的改进机器学习故障诊断系统
CN103899483A (zh) 一种风力发电机组状态监控系统
CN104374311A (zh) 一种风力发电机位移监测系统
CN203651040U (zh) 压力机连杆润滑监测装置
CN201203801Y (zh) 一种设备运行故障自诊断系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150610

WD01 Invention patent application deemed withdrawn after publication