CN108317052B - 齿轮的损伤因子的检测方法及装置、风力发电机组 - Google Patents
齿轮的损伤因子的检测方法及装置、风力发电机组 Download PDFInfo
- Publication number
- CN108317052B CN108317052B CN201710041095.5A CN201710041095A CN108317052B CN 108317052 B CN108317052 B CN 108317052B CN 201710041095 A CN201710041095 A CN 201710041095A CN 108317052 B CN108317052 B CN 108317052B
- Authority
- CN
- China
- Prior art keywords
- gear
- shaft
- tsa
- signal
- damage factor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001228 spectrum Methods 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 22
- 230000001360 synchronised effect Effects 0.000 claims abstract description 8
- 230000004044 response Effects 0.000 claims description 70
- 238000005070 sampling Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 37
- 238000004458 analytical method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000008458 response to injury Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 244000309464 bull Species 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- 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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明实施例提供一种齿轮的损伤因子的检测方法及装置、风力发电机组，其中方法包括：对采集的齿轮的信号进行指定轴的时域同步平均TSA处理，得到TSA波形信号；根据所述TSA波形信号，获取所述TSA波形信号对应的包络线；根据设定的转换规则，将所述包络线转换成对应的阶次谱；根据所述阶次谱，检测所述齿轮的损伤因子。本发明实施例的技术方案，能够根据齿轮的信号和指定轴的信息，确定齿轮的损伤因子，减小得到的齿轮的损伤因子的误差，提高了齿轮损伤评估的准确性。
Description
技术领域
本发明实施例涉及机械无损检测技术领域，尤其涉及一种齿轮的损伤因子的检测方法及装置、风力发电机组。
背景技术
齿轮是构成机械设备的重要零件，大型机械设备的齿轮承载扭矩较大，在长时间连续工作的环境下，齿轮的轮齿极易产生疲劳裂纹、齿面磨损、点蚀和胶合等失效损伤，如不能得到及时有效的维修，则会产生折齿、断裂等事故，使设备无法运行，给生产带来重大损失。
齿轮损伤的评估通常是通过相应轴的转动周期域内的相应模式来实现的。一般来说，齿轮的轮齿损伤后，在与其它齿轮啮合时，会发生冲击型振动，产生附加的振动响应信号，并形成特定的波形信号，若齿轮在转速较低的状态下，产生的附加振动响应信号通常为低频响应信号，形成的波形信号的幅值较低，此时，通常利用时域同步平均(TimeSynchronous Averaging，TSA)技术提高振动响应信号的信噪比，增加形成的波形信号的幅值，再利用时域峭度(Kurtosis)分析或阶次域的齿轮啮合频率的旁瓣能量分析的方法，得到齿轮的损伤因子，进而对齿轮损伤进行评估。
但是，利用时域峭度分析识别齿轮损伤意味着齿轮每次轴旋转，峰值相应数据重复一次，其中，影响峰值变化的因素设定为齿轮损伤生成的振动响应信号，但实际中还有其它因素影响峰值变化，简单的将时域峭度系数作为齿轮的损伤因子，会存在误差，降低了齿轮损伤评估的准确性；而利用阶次域的齿轮啮合频率的旁瓣能量分析识别齿轮损伤时，由于齿轮损伤生成的振动响应信号通常是冲击式的反映，并且其重复周期域轴速一致，因此，在轴的阶次域内任何与轴速周期有关的响应变化都会反映在旁瓣能量中，利用阶次域的齿轮啮合频率的旁瓣能量分析得到的分析结果作为齿轮的损伤因子同样会存在误差，降低了齿轮损伤评估的准确性。
在实现本发明的过程中，发明人发现，采用对波形信号进行时域峭度分析的方式，或是采用对波形信号进行阶次域的齿轮啮合频率的旁瓣能量分析的方式，根据其分析结果得到的齿轮损伤因子均存在误差，导致齿轮损伤评估的准确性较低。
发明内容
本发明实施例提供一种齿轮的损伤因子的检测方法及装置、风力发电机组，用以解决现有技术中采用对波形信号进行时域峭度分析的方式，或是采用对波形信号进行阶次域的齿轮啮合频率的旁瓣能量分析的方式，根据其分析结果得到的齿轮损伤因子均存在误差，导致齿轮损伤评估的准确性较低的问题。
本发明实施例提供一种齿轮的损伤因子的检测方法，包括：
对采集的齿轮的信号进行指定轴的时域同步平均TSA处理，得到TSA波形信号；
根据所述TSA波形信号，获取所述TSA波形信号对应的包络线；
根据设定的转换规则，将所述包络线转换成对应的阶次谱；
根据所述阶次谱，检测所述齿轮的损伤因子。
本发明实施例还提供一种齿轮的损伤因子的检测装置，包括：
处理模块，用于对采集的齿轮的信号进行指定轴的时域同步平均TSA处理，得到TSA波形信号；
获取模块，用于根据所述TSA波形信号，获取所述TSA波形信号对应的包络线；
转换模块，用于根据设定的转换规则，将所述包络线转换成对应的阶次谱；
检测模块，用于根据所述阶次谱，检测所述齿轮的损伤因子。
本发明实施例还提供一种风力发电机组，包括发电机和与所述发电机连接的变速箱，所述风力发电机组还包括：以上所述的装置，用以检测所述变速箱中齿轮的损伤因子。
本发明实施例的齿轮的损伤因子的检测方法及装置、风力发电机组，通过对采集的齿轮的信号进行指定轴的TSA处理，得到TSA波形信号后，根据该TSA波形信号，获取TSA波形信号对应的包络线，并根据设定的转换规则，将包络线转换成对应的阶次谱之后，再根据得到的阶次谱，检测齿轮的损伤因子。本发明实施例的技术方案，能够根据齿轮的信号和指定轴的信息，确定齿轮的损伤因子，减小得到的齿轮的损伤因子的误差，提高了齿轮损伤评估的准确性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明实施例的一部分，本发明实施例的示意性实施例及其说明用于解释本发明实施例，并不构成对本发明实施例的不当限定。在附图中：
图1为本发明实施例所提供的齿轮的损伤因子的检测方法实施例一的流程图；
图2为模拟齿轮啮合频率和其谐波的振动响应信号的示意图；
图3为图2对应的阶次谱示意图；
图4为图2中模拟齿轮加入小幅幅值调制信号后轴周期响应示意图；
图5为图4对应的阶次谱示意图；
图6为图2中模拟齿轮加入大幅幅值调制信号后轴周期响应示意图；
图7为图6对应的阶次谱示意图；
图8为风力涡轮发电机组的振动响应信号示意图；
图9为图8对应的极坐标中的振动响应信号示意图；
图10为图9对应的阶次谱示意图；
图11为图10中的X＝192阶谐波(也是齿轮啮合频率的2阶谐波)附近放大后的阶次谱示意图；
图12为本发明实施例所提供的齿轮的损伤因子的检测方法实施例二的流程图；
图13为多级风机齿轮箱中的次高速小齿轮的实物图；
图14为图13中次高速小齿轮对应的原始的振动响应信号示意图；
图15为图14对应的次高速轴TSA后的波形信号示意图；
图16为图15对应的包络线示意图；
图17为图16对应的阶次谱示意图；
图18为图14对应的高速轴TSA后的波形信号示意图；
图19为提取图18的包络线后对应的阶次谱示意图；
图20为三级齿轮箱中的次低轴上的大齿轮的实物图；
图21为图20对应的振动响应信号示意图；
图22为图21对应的次低轴TSA后的波形信号示意图；
图23为提取图22的包络线后转换形成的阶次谱示意图；
图24为针对图4进行包络线提取后转换形成的阶次谱示意图；
图25为针对图5进行包络线提取后转换形成的阶次谱示意图；
图26为本发明实施例所提供的齿轮的损伤因子的检测装置实施例一结构示意图；
图27为本发明实施例所提供的齿轮的损伤因子的检测装置实施例二结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例具体实施例及相应的附图对本发明实施例技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明实施例一部分实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明实施例保护的范围。
以下结合附图，详细说明本发明实施例各实施例提供的技术方案。
实施例一
图1为本发明实施例所提供的齿轮的损伤因子的检测方法实施例一的流程图，如图1所示，本发明实施例的齿轮的损伤因子的检测方法，具体可以包括如下步骤：
100、对采集的齿轮的信号进行指定轴的TSA处理，得到TSA波形信号。
一般来说，齿轮的轮齿损伤发生后，在与其它齿轮啮合时，便会发生附加的冲击型振动响应信号。基于此现象，现有技术中，可以从时间域提取齿轮的损伤信息，例如，将时域峭度作为一项指标去评估齿轮的损伤程度。或者，可以从阶次域提取齿轮的损伤信息，例如，对啮合频率的边带能量计算方法作为评估齿轮的损伤程度。
上述各方法的前提是假设损坏的齿轮啮合的冲击响应信号为评估齿轮的损伤程度主要的因素，在齿轮转速很高的情况下，损坏的齿轮啮合的冲击响应信号比较明显，采用上述各方法能够较好的评估齿轮的损伤程度。但是齿轮在转速较低的状态下，产生的振动响应信号通常为低频响应信号，形成的波形信号的幅值较低，需要利用TSA技术提高振动响应信号的信噪比，增加形成的波形信号的幅值。
在一个具体实现过程中，损坏的齿轮啮合的冲击响应信号只是评估齿轮的损伤程度的一个因素，特别是在齿轮低转速状态下，与损坏的齿轮直接相连的轴的相关信息是识别哪个齿轮损伤的关键因素，但是，齿轮在转动过程中，可测得的轴信息通常为高速转动的轴的信息或者主轴的信息，其它转速较低的轴的信息是无法测量的，而与损坏的齿轮直接连接的轴并不一定是高速转动的轴或者主轴，因此，为了能够得到更加准确的评估齿轮的损伤程度，在采集到待测的齿轮的信号后，需要对该信号进行指定轴的TSA处理，得到TSA波形信号，其中齿轮的信号至少包括：齿轮的振动响应信号和齿轮的已知轴的轴速度信号。
例如，指定轴为与待测的齿轮直接相连的轴，指定轴带动待测的齿轮转动，已知轴为可以直接测量轴速度的轴，本发明实施例中可以选择高速轴或者主轴作为已知轴，通常情况下齿轮啮合时与每个齿轮连接的轴之间存在着一定的运动学关系，例如轴与轴之间的几何关系、轴与轴之间的转速比等，因此在测量出已知轴的轴速度信号之后，可以根据已知轴和指定轴之间的运动学关系得到指定轴的轴速度，再利用TSA技术对得到的指定轴的齿轮信号进行处理后，得到TSA波形信号，如此可以有效地除去与指定轴不相关的信号，提高与指定轴相关的信号，如齿轮啮合响应信号和该响应信号对应的谐波的信噪比。
101、根据该TSA波形信号，获取TSA波形信号对应的包络线。
在得到TSA波形信号后，可以对该TSA波形信号进行时域峭度分析或者阶次域的齿轮啮合频率的旁瓣能量分析。
但是，在概率论和统计学中，时域峭度可以衡量一个实值随机变量的概率分布的分布函数的尾巴拖得有多长，可以定义为公式E1：
其中，X为随机变量；μ为随机变量的期望值；xi为某一随机样本中的数据；而
为样本的均值。单一的正弦波的时域峭度数为1.5，任何时域峭度数大于1.5就意味着有某些偏离正弦的峰值。利用时域峭度分析识别齿轮损伤意味着齿轮每次轴旋转，峰值相应数据重复一次，其中，影响峰值变化的因素设定为齿轮损伤生成的振动响应信号，但实际中还有其它因素影响峰值变化，简单的将时域峭度系数作为齿轮的损伤因子，会存在误差。
例如，图2为模拟齿轮啮合频率和其谐波的振动响应信号的示意图，图3为图2对应的阶次谱示意图，其中该模拟齿轮并无任何损伤。如图2所示，本发明实施例中的模拟齿轮经计算得到的时域峭度系数为6.2，若将该时域峭度系数作为该模拟齿轮的损伤因子，在评估齿轮损伤程度时，会认为该模拟齿轮有比较明显的损伤，与事实不符合，而图3中，该阶次谱中无任何旁瓣能量，说明该模拟齿轮是无损伤的，与事实符合，因此，简单的将时域峭度系数作为齿轮的损伤因子，会存在误差，导致对齿轮的损伤程度误评估。
而将得到的TSA波形信号利用阶次域的齿轮啮合频率的旁瓣能量分析时，由于齿轮损伤生成的振动响应信号通常是冲击式的反映，并且其重复周期域轴速一致，因此，在轴的阶次域内任何与轴速周期有关的响应变化都会反映在旁瓣能量中，利用阶次域的齿轮啮合频率的旁瓣能量分析得到的分析结果作为齿轮的损伤因子同样会存在误差。
例如，齿轮在制造中的误差或者齿轮转动一周的过程中受力不均匀等会生成小幅幅值调剂信号，图4为图2中模拟齿轮加入小幅幅值调制信号后轴周期响应示意图，图5为图4对应的阶次谱示意图。如图4所示，在加入小幅幅值调制信号后，例如25％的幅值调制，模拟齿轮的时域峭度系数为6.3。如图5所示，其对应的阶次谱中出现旁瓣能量，此时说明该模拟齿轮是有损伤的，与事实不符合。
在一个具体实现过程中，随着幅值调剂信号的增大，其对应的阶次谱中出现旁瓣能量也越明显，图6为图2中模拟齿轮加入大幅幅值调制信号后轴周期响应示意图，图7为图6对应的阶次谱示意图。如图6所示，在加入大幅幅值调制信号后，例如100％的幅值调制，模拟齿轮的时域峭度系数为8.3。如图7所示，其对应的阶次谱中出现较大的旁瓣能量，此时说明该模拟齿轮是有明显损伤的，与事实不符合，因为这样的调制信号不一定是齿轮损伤引起的。
例如，在风力涡轮发电机组的故障诊断中大幅幅值调制信号是比较常见的，例如，在一个第一级齿轮是行星齿轮的齿轮箱中，行星齿轮随着行星架的运动，其齿轮啮合的位置相对于固定的传感器位置是周期性变化的，齿轮啮合振动的幅值因振动传递的距离不同而引起的衰减量不同。对于每一个行星齿轮而言，啮合振动幅值变化的周期正好是行星架的转动周期。
图8为风力涡轮发电机组的振动响应信号示意图，该风力涡轮发电机的行星齿轮级由3个行星齿轮组成，环齿轮有96齿，图8所示的振动响应信号已经转换成指定轴的轴周期域，并运用TSA技术进行数据清理，从指定轴周期域可以看到行星齿轮经过传感器时的调制现象。图9为图8对应的极坐标中的振动响应信号示意图，图10为图9对应的阶次谱示意图；图11为图10中的X＝192阶谐波(也就是齿轮啮合频率的2阶谐波)附近放大后的阶次谱示意图。
如图9所示，当行星齿轮经过传感器时，所引起的幅值调制信号更加明显，其中图9中的内圈表示幅值调制信号的最小值，外圈表示幅值调制信号的最大值，行星齿轮经过传感器时，所引起的幅值调制信号在最大值和最小之间跳动，行星齿轮随着行星架的运动，其齿轮啮合的位置相对于固定的传感器位置是周期性变化的，齿轮啮合振动的幅值因振动传递的距离不同而引起的衰减量不同，导致幅值调制信号并不是均匀的。
如图10和图11所示，图10中的X＝192阶谐波相当于行星齿轮啮合频率(X＝96)的2阶谐波，图11为该2阶谐波附近放大后的阶次谱示意图。当将该振动响应信号转换到阶次谱时，因幅值调制信号生成的旁瓣能量是显而易见的，但实际上该行星齿轮并无损伤。所以，使利用阶次域的齿轮啮合频率的旁瓣能量分析得到的分析结果作为齿轮的损伤因子同样会存在误差，导致对齿轮的损伤程度误评估。
因此，本发明实施例中，为了进一步加强对因齿轮损伤引起的、关于指定轴的轴周期响应信号的检测，在得到TSA波形信号后，可以进一步获取该TSA波形信号对应的包络线，此时得到的包络线中不仅包括齿轮的信号，还包括根据指定轴的信息生成的信号，为后续检测进行齿轮的损伤因子提供更加全面的信号。
例如，本发明实施例的齿轮的损伤因子的检测方法中，在获取TSA波形信号对应的包络线时，可以通过但不限制于：基于希尔伯特变换的检测方法或者基于指数衰减的检测方法。
102、根据设定的转换规则，将包络线转换成对应的阶次谱。
可以利用但不限制于用傅里叶变换将得到的包络线从指定轴周期域转换成对应的轴的阶次域，形成阶次谱。
103、根据得到的阶次谱，检测齿轮的损伤因子。
在指定轴周期域的包络线中，齿轮损伤响应的一周一次响应信号为主要因素时，相应的阶次谱中，指定轴转动的基频阶次和前几阶谐波的阶次是主要的因素，因此可以根据得到的阶次谱，利用相关算法得到齿轮的损伤因子。本发明实施例中，得到的阶次谱中既包括齿轮的信号，又包括指定轴的信息，可以从多方面数据检测齿轮的损伤因子，使得到的齿轮的损伤因子更加准确。
本发明实施例所提供的齿轮的损伤因子的检测方法，通过对采集的齿轮的信号进行指定轴的TSA处理，得到TSA波形信号后，根据该TSA波形信号，获取TSA波形信号对应的包络线，并根据设定的转换规则，将包络线转换成对应的阶次谱之后，再根据得到的阶次谱，检测齿轮的损伤因子。本发明实施例的技术方案，能够根据齿轮的信号和指定轴的信息，确定齿轮的损伤因子，减小得到的齿轮的损伤因子的误差，提高了损伤因子准确性。
实施例二
图12为本发明实施例所提供的齿轮的损伤因子的检测方法实施例二的流程图，如图12所示，本发明实施例所提供的齿轮的损伤因子的检测方法在图1所示实施例的基础上进一步更加详细的对本发明的技术方案进行描述。
如图12所示，本发明实施例所提供的齿轮的损伤因子的检测方法。具体可以包括如下步骤：
200、采集齿轮的振动响应信号和齿轮的已知轴的轴速度信号。
例如，可以使用传感器采集齿轮的振动响应信号，本发明实施例中的传感器可以包括但不限制于：加速度传感器、应变片、基于压电效应的薄膜或晶片。为了更精确的检测齿轮的损伤因子，还需要采集齿轮的已知轴的轴速度信号，本发明实施例中，可以将高速轴或者发电机的轴作为已知轴，将已知轴每转动一次的脉冲信号作为已知轴的轴速度信号进行采集，具体地，可以通过但不限制于：基于光敏元件、基于激光或基于霍尔效应的方式，采集已知轴的轴速度信号。
需要说明的是，已知轴的轴速度信号还可以以其它形式进行采集，例如，每周多个脉冲的时间序列或者每周的精确时间等。另外，若条件允许的情况下，已知轴还可以为主轴或者任意轴，本发明实施例不做具体限制。
201、根据齿轮的振动响应信号和齿轮的已知轴的轴速度信号，生成振动响应信号对应的振动响应数据和轴速度信号对应的齿轮的轴速度数据。
齿轮的振动响应信号和齿轮的已知轴的轴速度信号在相同的时间间隔被异步采样，可以通过数字信号处理算法用软件合成相同的时间间隔的同步采样数据。例如，生成振动响应信号对应的振动响应数据和轴速度信号对应的齿轮的轴速度数据。
本发明实施例中优选为模-数转换，其精度不小于16位。当已知轴的轴速度信号是以整周期时间来提供时，精确校对已知轴转动的起始时刻是很重要的。
202、根据已知轴的轴速度数据和已知轴与指定轴之间的运动学关系，将齿轮的振动响应数据转换成指定轴的等转角采样数据。
例如，一个典型的风力涡轮发电机齿轮箱中，通常有多级的齿轮和不同的齿轮模式，如平行齿轮或者行星齿轮，以实现高倍率的转速增速。而直接可以被测量得到的轴速度信号，通常为高速轴或者主轴，其它轴的轴速度信号是无法通过测量得到的。但是，不同轴之间的运动学关系是恒定的，例如，已知轴的轴速度变化、已知轴与指定轴之间的几何关系、已知轴与指定轴之间的转速比等轴信息是可以被获知的，因此，在可以根据已知轴的轴速度数据和已知轴与指定轴之间的运动学关系，利用合成转速计信号处理技术，将齿轮的振动响应数据转换成指定轴的等转角采样数据，实现齿轮的振动响应数据与指定轴相关联。
203、对等转角采样数据进行TSA处理，得到等转角采样数据对应的TSA波形信号。
利用TSA技术，对获得的等转角采样数据进行处理，以增强与指定轴同步的信号成分，如指定轴的转动响应信号、齿轮啮合响应信号和齿轮的损伤信号等，同时，除去或者降低与指定轴异步的信号。
204、根据该TSA波形信号，获取TSA波形信号对应的包络线。
205、根据设定的转换规则，将包络线转换成对应的阶次谱。
206、选取阶次谱中指定数目的谐波。
207、根据构建的齿轮损伤因子算法，将指定数目的谐波对应的谐波数据进行计算，得到齿轮的损伤因子。
在指定轴周期域的包络线中，齿轮损伤响应的一周一次响应信号为主要因素时，相应的阶次谱中，指定轴转动的基频阶次和前几阶谐波的阶次是主要的因素。基于此现象，本发明实施例可以定义齿轮的损伤因子的计算公式E2为：
其中，DELGear为齿轮的损伤因子，Ai是指定轴转动的基频阶次和谐波阶次的幅值，n是用于运算谐波阶数。通常，最低几阶谐波便能够得到齿轮的损伤因子。
208、将损伤因子与设定的阈值进行比较，若损伤因子大于或等于设定的阈值，执行步骤209；否则若损伤因子小于设定的阈值，执行步骤210。
在得到齿轮的损伤因子之后，可以与设定的阈值进行比较，从而判断齿轮是否损伤。
209、确定齿轮已损伤。
若损伤因子大于或等于设定的阈值，说明齿轮已经损伤。
210、确定齿轮未损伤。
否则若损伤因子小于设定的阈值，说明齿轮未损伤。
进一步地，上述实施例的齿轮的损伤因子的检测方法，可以通过以下示例进行验证。
例1
图13为多级风机齿轮箱中的次高速小齿轮的实物图，如图13所示，该次高速小齿轮以及其它多个部件均存在损伤。图14为图13中次高速小齿轮对应的原始的振动响应信号示意图，图15为图14对应的次高速轴TSA后的波形信号示意图；如图14所示，由于齿轮箱各部件的运行响应信号以及各损伤部件的损伤响应信号，使得次高速小齿轮的损伤响应信号在中高速轴的轴周期域内不明显。如图15所示，在将图14中的各信号，利用TSA技术处理后，得到的次高速小齿轮在中高速轴的轴周期域内的TSA波形信号。
图16为图15对应的包络线示意图，图17为图16对应的阶次谱示意图。如图16和图17所示，将图15中对应的包络线提取出来之后，转化成图17所对应的阶次谱。选取图17中的X＝1、X＝2和X＝3，三个谐波作为分析对象，利用上述步骤207中的公式，将X＝1对应的Y＝1.091、X＝2对应的Y＝0.5326和X＝3对应的Y＝0.2931代入该公式中，可以计算得到DELGear＝1.25。
例2
本实施例与例1为同一齿轮箱上同一传感器的响应结果，不同的是本实施例将无损伤的高速轴作为指定轴，其振动响应信号也相应的转换到高速轴的周期域。
图18为图14对应的高速轴TSA后的波形信号示意图；图19为提取图18的包络线后对应的阶次谱示意图。将图19中的数据代入到上述步骤207中的公式后，可以计算得到DELGear＝0.15，该值远远小于次高速轴得到的DELGear，可以判断出高速轴是无损伤的，与实际情况符合。
例3
图20为三级齿轮箱中的次低轴上的大齿轮的实物图，如图20所示，在该齿轮上有两颗相邻的轮齿上存在较小的破损。图21为图20对应的振动响应信号示意图，如图21所示，由于该齿轮的运行响应信号以及各损伤部件的损伤响应信号，使得该齿轮的损伤响应信号在次低轴的轴周期域内不明显。图22为图21对应的次低轴TSA后的波形信号示意图；图23为提取图22的包络线后转换形成的阶次谱示意图；将图23中数据代入到上述步骤207中的公式后，可以计算得到DELGear＝1.77，该值远远大于例2中的DELGear，可以判断出该齿轮是损伤的，与实际情况符合。
例4
图24为针对图4进行包络线提取后转换形成的阶次谱示意图，其对应的DELGear＝0.103，图25为针对图5进行包络线提取后转换形成的阶次谱示意图，其对应的DELGear＝0.494。
基于例1-例4所示实施例，可以得知，本发明实施例的齿轮的损伤因子的检测方法能够根据齿轮的信号和指定轴的信息，确定齿轮的损伤因子，减小得到的齿轮的损伤因子的误差，提高了损伤因子准确性。
基于例1-例4所示实施例，上述步骤208中的设定的阈值可以为0.5，本发明实施例的齿轮的损伤因子的检测方法，在评估齿轮的损伤程度时，可以有效的确认齿轮的损伤程度，减小误评估的概率。
实施例三
图26为本发明实施例所提供的齿轮的损伤因子的检测装置实施例一结构示意图。如图26所示，本发明实施例的齿轮的损伤因子的检测装置，可以包括处理模块10、获取模块11、转换模块12和检测模块13。在一个具体实现过程中，各模块之间可完成数据相互转换。
处理模块10，用于对采集的齿轮的信号进行指定轴的时域同步平均TSA处理，得到TSA波形信号。
例如，齿轮的信号至少包括：齿轮的振动响应信号和齿轮的已知轴的轴速度信号。
获取模块11，用于根据得到的TSA波形信号，获取该TSA波形信号对应的包络线。
转换模块12，用于根据设定的转换规则，将获取的包络线转换成对应的阶次谱；
检测模块13，用于根据该阶次谱，检测齿轮的损伤因子。
本发明实施例的齿轮的损伤因子的检测装置，通过采用上述各模块实现对齿轮的损伤因子进行检测的实现机制与上述图1所示实施例的实现机制相同，详细可以参考上述图1所示实施例的记载，在此不再赘述。
本发明实施例所提供的齿轮的损伤因子的检测方法，通过上述各模块能够对采集的齿轮的信号进行指定轴的TSA处理，得到TSA波形信号后，根据该TSA波形信号，获取TSA波形信号对应的包络线，并根据设定的转换规则，将包络线转换成对应的阶次谱之后，再根据得到的阶次谱，检测齿轮的损伤因子。本发明实施例的技术方案，能够根据齿轮的信号和指定轴的信息，确定齿轮的损伤因子，减小得到的齿轮的损伤因子的误差，提高了损伤因子准确性。
实施例四
图27为本发明实施例所提供的齿轮的损伤因子的检测装置实施例二结构示意图。如图27所示，本发明实施例的齿轮的损伤因子的检测装置在图26所示实施例的基础上，进一步还可以包括比较模块14和确定模块15。
比较模块14，用于将损伤因子与设定的阈值进行比较。
确定模块15，用于若损伤因子大于或等于设定的阈值，确定齿轮已损伤；若损伤因子小于设定的阈值，确定齿轮未损伤。
在一个具体实现过程中，处理模块10，具体用于：
根据齿轮的振动响应信号和齿轮的已知轴的轴速度信号，生成振动响应信号对应的振动响应数据和轴速度信号对应的齿轮的轴速度数据；
根据轴速度数据和已知轴与指定轴之间的运动学关系，将振动响应数据转换成指定轴的等转角采样数据；
对等转角采样数据进行TSA处理，得到等转角采样数据对应的TSA波形信号。
检测模块13，具体用于：
选取阶次谱中指定数目的谐波；
根据构建的齿轮损伤因子算法，将指定数目的谐波对应的谐波数据进行计算，得到齿轮的损伤因子。
本发明实施例的齿轮的损伤因子的检测装置，通过采用上述各模块实现对齿轮的损伤因子进行检测的实现机制与上述图12所示实施例的实现机制相同，详细可以参考上述图12所示实施例的记载，在此不再赘述。
本发明实施例还提供一种风力发电机组，包括发电机和与所述发电机连接的变速箱，所述风力发电机组还包括：如图26或图27所述的装置，用以检测所述变速箱中齿轮的损伤因子。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本发明实施例的实施例可提供为方法、系统或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (7)
1.一种齿轮的损伤因子的检测方法，其特征在于，包括：
对采集的齿轮的信号进行指定轴的时域同步平均TSA处理，得到TSA波形信号，其中所述指定轴为与所述齿轮直接相连以带动所述齿轮转动的轴；
根据所述TSA波形信号，获取所述TSA波形信号对应的包络线；
根据设定的转换规则，将所述包络线转换成对应的阶次谱；
根据所述阶次谱，检测所述齿轮的损伤因子，
其中，所述齿轮的信号至少包括：齿轮的振动响应信号和齿轮的已知轴的轴速度信号，其中，所述已知轴为能够直接测量出轴速度的轴，所述已知轴为高速轴或者主轴，
其中，根据所述阶次谱，检测所述齿轮的损伤因子，包括：
选取所述阶次谱中指定数目的谐波；
根据构建的齿轮损伤因子算法，将所述指定数目的谐波对应的谐波数据进行计算，得到所述齿轮的损伤因子：
其中，DELGear为齿轮的损伤因子，Ai是所述指定轴转动的基频阶次和谐波阶次的幅值，n是用于运算谐波阶数。
2.根据权利要求1所述的方法，其特征在于，对采集的齿轮的信号进行指定轴的时域同步平均TSA处理，得到TSA波形信号，包括：
根据所述齿轮的振动响应信号和所述齿轮的已知轴的轴速度信号，生成所述振动响应信号对应的振动响应数据和所述轴速度信号对应的齿轮的轴速度数据；
根据所述轴速度数据和所述已知轴与所述指定轴之间的运动学关系，将所述振动响应数据转换成指定轴的等转角采样数据；
对所述等转角采样数据进行TSA处理，得到所述等转角采样数据对应的TSA波形信号。
3.根据权利要求1或2所述的方法，其特征在于，在检测所述齿轮的损伤因子之后，还包括：
将所述损伤因子与设定的阈值进行比较；
若所述损伤因子大于或等于所述设定的阈值，确定所述齿轮已损伤；
若所述损伤因子小于所述设定的阈值，确定所述齿轮未损伤。
4.一种齿轮的损伤因子的检测装置，其特征在于，包括：
处理模块，用于对采集的齿轮的信号进行指定轴的时域同步平均TSA处理，得到TSA波形信号，其中所述指定轴为与所述齿轮直接相连以带动所述齿轮转动的轴；
获取模块，用于根据所述TSA波形信号，获取所述TSA波形信号对应的包络线；
转换模块，用于根据设定的转换规则，将所述包络线转换成对应的阶次谱；
检测模块，用于根据所述阶次谱，检测所述齿轮的损伤因子，
其中，所述齿轮的信号至少包括：齿轮的振动响应信号和齿轮的已知轴的轴速度信号，其中，所述已知轴为能够直接测量出轴速度的轴，
其中，所述检测模块，具体用于：
根据所述阶次谱，检测所述齿轮的损伤因子，包括：
选取所述阶次谱中指定数目的谐波；
根据构建的齿轮损伤因子算法，将所述指定数目的谐波对应的谐波数据进行计算，得到所述齿轮的损伤因子：
其中，DELGear为齿轮的损伤因子，Ai是所述指定轴转动的基频阶次和谐波阶次的幅值，n是用于运算谐波阶数。
5.根据权利要求4所述的装置，其特征在于，所述处理模块，具体用于：
根据所述齿轮的振动响应信号和所述齿轮的已知轴的轴速度信号，生成所述振动响应信号对应的振动响应数据和所述轴速度信号对应的齿轮的轴速度数据；
根据所述轴速度数据和所述已知轴与所述指定轴之间的运动学关系，将所述振动响应数据转换成指定轴的等转角采样数据；
对所述等转角采样数据进行TSA处理，得到所述等转角采样数据对应的TSA波形信号。
6.根据权利要求4或5所述的装置，其特征在于，还包括：
比较模块，用于将所述损伤因子与设定的阈值进行比较；
确定模块，用于若所述损伤因子大于或等于所述设定的阈值，确定所述齿轮已损伤；若所述损伤因子小于所述设定的阈值，确定所述齿轮未损伤。
7.一种风力发电机组，包括发电机和与所述发电机连接的变速箱，其特征在于，所述风力发电机组还包括：权利要求4-6中任一项所述的装置，用以检测所述变速箱中齿轮的损伤因子。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710041095.5A CN108317052B (zh) | 2017-01-17 | 2017-01-17 | 齿轮的损伤因子的检测方法及装置、风力发电机组 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710041095.5A CN108317052B (zh) | 2017-01-17 | 2017-01-17 | 齿轮的损伤因子的检测方法及装置、风力发电机组 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108317052A CN108317052A (zh) | 2018-07-24 |
| CN108317052B true CN108317052B (zh) | 2020-08-14 |
Family
ID=62892369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710041095.5A Active CN108317052B (zh) | 2017-01-17 | 2017-01-17 | 齿轮的损伤因子的检测方法及装置、风力发电机组 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108317052B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109813546B (zh) * | 2019-03-20 | 2020-09-15 | 苏州微著设备诊断技术有限公司 | 一种齿轮箱敲击异响下线检测方法 |
| CN111855209A (zh) * | 2020-07-29 | 2020-10-30 | 潍柴动力股份有限公司 | 驱动桥主减速器齿轮故障的预测诊断方法及系统 |
| CN112082757B (zh) * | 2020-08-25 | 2022-04-29 | 麦格纳动力总成(江西)有限公司 | 变速箱齿轮的齿面评价方法及装置 |
| CN112595443B (zh) * | 2020-11-27 | 2021-10-22 | 重庆大学 | 齿圈载荷分布检测系统与方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW579424B (en) * | 2001-07-09 | 2004-03-11 | Shell Int Research | Vibration analysis for predictive maintenance in machinery |
| US8082115B2 (en) * | 2009-11-16 | 2011-12-20 | Nrg Systems, Inc. | Data acquisition system for condition-based maintenance |
| CN103926075B (zh) * | 2014-03-28 | 2017-01-18 | 中能电力科技开发有限公司 | 一种提高风电机组齿轮箱故障分析精度的方法 |
| CN103884502B (zh) * | 2014-04-02 | 2018-01-05 | 清华大学 | 一种变转速下风力发电机行星齿轮系统故障诊断方法 |
| CN104407291B (zh) * | 2014-11-12 | 2017-05-03 | 南方电网科学研究院有限责任公司 | 一种风电机组故障诊断系统与方法 |
| CN104568435A (zh) * | 2015-01-23 | 2015-04-29 | 国电联合动力技术有限公司 | 一种基于时频能量谱提取风机状态信号调制成分的方法 |
-
2017
- 2017-01-17 CN CN201710041095.5A patent/CN108317052B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108317052A (zh) | 2018-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108317052B (zh) | 齿轮的损伤因子的检测方法及装置、风力发电机组 | |
| Cheng et al. | Particle swarm optimization algorithm to solve the deconvolution problem for rolling element bearing fault diagnosis | |
| Abboud et al. | Advanced bearing diagnostics: A comparative study of two powerful approaches | |
| CN104819766B (zh) | 基于谐噪比的包络解调频带确定方法 | |
| Sharma et al. | Gear crack detection using modified TSA and proposed fault indicators for fluctuating speed conditions | |
| Chen et al. | Detecting of transient vibration signatures using an improved fast spatial–spectral ensemble kurtosis kurtogram and its applications to mechanical signature analysis of short duration data from rotating machinery | |
| Zhao et al. | Compound faults detection of rolling element bearing based on the generalized demodulation algorithm under time-varying rotational speed | |
| Bafroui et al. | Application of wavelet energy and Shannon entropy for feature extraction in gearbox fault detection under varying speed conditions | |
| Feng et al. | Vibration signal models for fault diagnosis of planet bearings | |
| Zhao et al. | A tacho-less order tracking technique for large speed variations | |
| Simm et al. | Laser based measurement for the monitoring of shaft misalignment | |
| EP2072975A1 (en) | Method and apparatus for vibration-based automatic condition monitoring of a wind turbine | |
| Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
| Zhu et al. | An accurate integral method for vibration signal based on feature information extraction | |
| Cheng et al. | Quantitative damage detection for planetary gear sets based on physical models | |
| Yang et al. | Development of crack induced impulse-based condition indicators for early tooth crack severity assessment | |
| Yang et al. | Analysis of vibration signals and detection for multiple tooth cracks in spur gearboxes | |
| Nacib et al. | A comparative study of various methods of gear faults diagnosis | |
| Rahmoune et al. | Early detection of pitting failure in gears using a spectral kurtosis analysis | |
| Yanqiang et al. | A novel bevel gear fault diagnosis method based on ensemble empirical mode decomposition and support vector machines | |
| CN116499742A (zh) | 一种基于集成学习的旋转机械故障监测方法 | |
| CN108572074B (zh) | 轴承故障的检测方法及装置、风力发电机组 | |
| CN110569478B (zh) | 用于编码器信号分析的改进变分模态分解方法 | |
| Zhou et al. | Gear fault diagnosis under the run-up condition using fractional fourier transform and hilbert transform | |
| Nguyen et al. | Improvements in the Wavelet Transform and Its Variations: Concepts and Applications in Diagnosing Gearbox in Non-Stationary Conditions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 100011 Beijing Dongcheng District, West Binhe Road, No. 22 Applicant after: National energy investment Refco Group Ltd Applicant after: Beijing low carbon clean energy research institute Address before: 100011 Beijing, Dongcheng District Anwai Binhe West Road No. 22 Shenhua building Applicant before: Shenhua Group LLC Applicant before: National Institute of Clean and Low Carbon Energy |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |