CN110672319B - 基于吸引子的大型船舶轴系校中安全状态评估方法 - Google Patents
基于吸引子的大型船舶轴系校中安全状态评估方法 Download PDFInfo
- Publication number
- CN110672319B CN110672319B CN201910961744.2A CN201910961744A CN110672319B CN 110672319 B CN110672319 B CN 110672319B CN 201910961744 A CN201910961744 A CN 201910961744A CN 110672319 B CN110672319 B CN 110672319B
- Authority
- CN
- China
- Prior art keywords
- shafting
- attractor
- signals
- signal
- frequency
- 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
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
- G01M13/028—Acoustic or vibration analysis
-
- 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
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Abstract
本发明提供一种基于吸引子的大型船舶轴系校中安全状态评估方法。本发明方法包括如下步骤:采集不同位置轴系轴承座处振动信号,提取出大幅值的周期信号即主频信号和小幅值的非周期信号即边频信号;将主频信号和边频信号组合成特征信号,通过特征信号构建轴系吸引子;根据轴系吸引子的结构特征和演变特性,判断轴系校中的安全状态。本发明所述方法应用谐波小波包变换对振动信号的频段进行精细分解,将噪声信号和有效信号分解在不同频段上,实现二者的分离,分别提取主频信号和边频信号;先将两种信号组合成特征信号,再通过特征信号构建轴系吸引子;根据轴系吸引子的结构特征和演变特性,判断轴系校中的安全状态。
Description
技术领域
本发明涉及一种安全状态评估方法,尤其涉及一种基于吸引子的大型船舶轴系校中安全状态评估方法,通过借助吸引子理论揭示轴系校中的演变机制,建立轴系校中安全状态评估方法,实现大型船舶轴系校中的安全状态检测与评估。
背景技术
在船舶大型化的进程中,人们在追求低碳、环保、节能、高效和低成本的同时,更要重视船舶的航行安全性能。然而如何提升船舶的航行性能仍面临着诸多的技术挑战,其中保证推进动力系统的可靠运行是提升船舶航行性能的重要方面,尤其是船舶轴系。
船舶轴系是船舶动力系统的重要组成部分,主要将主机产生的驱动力矩传递给螺旋桨,同时将螺旋桨产生的推力传递给船体,进而使得船舶前进。船舶轴系校中的运行状态,直接影响到船舶的航行安全。目前轴系校中方法可以在船舶未航行时保证轴系校中处于合理状态,但是船舶在实际航行过程中轴系会受到诸多动态因素的影响,如船体变形、螺旋桨交变弯曲力矩、轴承油膜等因素。这些动态因素会对轴系校中的状态产生不利的影响。轴系校中状态不好,在运行中会造成轴承轴瓦迅速磨损甚至破坏,艉轴密封元件快速磨损造成泄露,主机曲轴臂距差超出允许范围。最终导致轴系振动加剧、稳定性降低,当振动过大时,甚至会导致轴系产生故障。对于校中安装好的轴系,在实际运行过程中,其校中状态的检测和评定方法,在国内外的研究中对此很少涉及。因此需要一种新的方法评估轴系在实际不确定性动态因素影响下运行的校中状态,建立轴系校中安全状态评估方法,为船舶轴系状态监测的研究提供新方法,这对于船舶推进动力系统可靠性和安全性有着深渊影响。
发明内容
根据上述提出的技术问题,而提供一种基于吸引子的大型船舶轴系校中安全状态评估方法。本发明主要结合谐波小波包的变换分解和吸引子理论分析轴系的振动信号,揭示轴系校中不确定性状态的演变机制,建立轴系校中安全状态评估方法,实现大型船舶轴系校中的安全状态检测与评估。该方法可操作性强,实用性强。本发明采用的技术手段如下:
一种基于吸引子的大型船舶轴系校中安全状态评估方法,包括如下步骤:
步骤1、采集不同位置轴系轴承座处振动信号,提取出大幅值的周期信号即主频信号和小幅值的非周期信号即边频信号;
步骤2、将主频信号和边频信号组合成特征信号,通过特征信号构建轴系吸引子;
步骤3、根据轴系吸引子的结构特征和演变特性,判断轴系校中的安全状态。
进一步地,所述步骤1中,具体采用加速度传感器采集不同位置轴系轴承座处振动信号,其中,采样频率1024Hz,采样间隔0.5Hz;利用谐波小波包对振动信号进行10层分解,分解至1024个频段;其中,提取出的边频信号范围为0~100HZ。
进一步地,所述步骤2中,先将主频信号和0-100Hz边频信号进行时域线性相加组合成特征信号,通过特征信号构建轴系吸引子。
进一步地,所述步骤3中,根据轴系吸引子的结构特征和演变特性判断轴系校中安全状态:轴系吸引子为环面吸引子并表现出发散的拟周期运动时,轴系校中处于非安全状态;轴系吸引子为双环面交叉并表现出分岔运动时,轴系校中处于过渡状态;轴系吸引子为多环面交叉的混沌吸引子并表现出收敛的混沌运动时,轴系校中处于安全状态。
本发明具有以下优点:本发明所述方法应用谐波小波包变换对振动信号的频段进行精细分解,将噪声信号和有效信号分解在不同频段上,实现二者的分离,分别提取主频信号和边频信号;先将两种信号组合成特征信号,再通过特征信号构建轴系吸引子;根据轴系吸引子的结构特征和演变特性,判断轴系校中的安全状态。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于吸引子的大型船舶轴系校中安全状态评估方法的流程示意图;
图2为本发明实施例中谐波小波包频域分解示意图,图中:B-分析频带带宽;fn-信号的最高分析频率;s-频段数;j-谐波小波包分解层数;
图3为本发明实施例中轴系校中试验台,附图标记如下:(1)电机;(2)中间轴承;(3)艉前轴承;(4)艉后轴承;(5)螺旋桨;(6)三轴加速度传感器;
图4为本发明实施例中在不安全状态下(转速90r/min),振动信号的(a)时域图和(b)频谱图;
图5为本发明实施例中在不安全状态下(转速90r/min),主频信号的(a)时域图和(b)频谱图;
图6为本发明实施例中在不安全状态下(转速90r/min),0-100Hz边频信号的(a)时域图和(b)频谱图;
图7为本发明实施例中在不安全状态下(转速90r/min),特征信号的(a)时域图和(b)频谱图;
图8为本发明实施例中在不安全状态下,不同转速下轴系吸引子的演变过程:(a)30r/min、(b)60r/min、(c)90r/min、(d)120r/min;
图9为本发明实施例中在准安全状态下,不同转速下轴系吸引子的演变过程:(a)150r/min、(b)180r/min、(c)210r/min、(d)240r/min;
图10为本发明实施例中在安全状态下,不同转速下轴系吸引子的演变过程:(a)270r/min、(b)300r/min、(c)330r/min、(d)360r/min。
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中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
下述实施例中一种基于吸引子的大型船舶轴系校中安全状态评估方法在大型船舶推进轴系-螺旋桨-船体耦合振动综合分析试验平台(下文简称试验平台)上进行。如图3所示,电机1通过联轴器带动轴系转动,转速可以通过控制箱内的调速器进行控制,中间轴承2、艉前轴承3、艉后轴承4布置在轴系的不同位置,起到支撑,润滑的作用;螺旋桨5实时模拟船舶的负载变化;多个三轴加速度传感器6分别布置在中间轴承2、艉前轴承3、艉后轴承4的相应位置,用于采集轴系轴承座处的振动信号。三轴加速度传感器6采集的振动信号通过DASP信号采集系统实现数据的采集与存储。
实施例1:
如图1所示,一种基于吸引子的大型船舶轴系校中安全状态评估方法,
轴系校中安全状态的改变可以通过改变轴系转速而实现。通过控制箱内的调速器调节电机转速,进而控制轴系转速,最终使得轴系校中处于不同的安全状态。
本实施例以尾后轴承座的测量为例,并对测得的振动数据进行分析,中间轴承座和艉前轴承座同理:
步骤1、通过布置在艉后轴承5相应位置的一个三轴加速度传感器6采集轴系轴承座处的振动信号,如图4所示;
步骤2、利用调速器先以30r/min的步长使轴系转速从30r/min逐步提升到360r/min,每一转速条件下运行10min,试验连续进行120min;
步骤3、自30r/min开始既应用集成了放大器和A/D转换的数据采集装置采集三轴加速度传感器6测取轴瓦轴承座处振动信号,每间隔2min采集一次振动信号,采样频率1024Hz,采样间隔0.5Hz,并将采集的振动信号输入计算机储存;
本实施例以不安全状态下(转速90r/min)为例,步骤4、如图2所示,利用谐波小波包变换对采集的振动信号进行10层分解,分解至1024个频段,每个频段带宽为1Hz,得到不同频段的振动信号,如图4所示;
步骤5、根据轴系振动特性提取出大幅值的周期信号即如图5所示的主频信号和小幅值的非周期信号即0-100Hz如图6所示的边频信号;
步骤6、先将主频信号和0-100Hz边频信号进行时域相加组合成如图7所示的特征信号,再通过特信号构建出轴系吸引子;
步骤7、如图8~10所示,根据轴系吸引子的结构特征和演变特性,判断轴系校中的安全状态;
通过上述方法构建出的轴系吸引子能够准确的反映出轴系校中的安全状态轴系校中的安全状态。轴系吸引子为环面吸引子并表现出发散的拟周期运动时,轴系校中处于非安全状态;轴系吸引子为双环面交叉并表现出分岔运动时,轴系校中处于过渡状态;轴系吸引子为多环面交叉的混沌吸引子并表现出收敛的混沌运动时,轴系校中处于安全状态。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (1)
1.一种基于吸引子的大型船舶轴系校中安全状态评估方法,其特征在于,包括如下步骤:
步骤1、采集不同位置轴系轴承座处振动信号,提取出大幅值的周期信号即主频信号和小幅值的非周期信号即边频信号;
步骤2、将主频信号和边频信号组合成特征信号,通过特征信号构建轴系吸引子;
步骤3、根据轴系吸引子的结构特征和演变特性,判断轴系校中的安全状态;
所述步骤1中,具体采用加速度传感器采集不同位置轴系轴承座处振动信号,其中,采样频率1024Hz,采样间隔0.5Hz;利用谐波小波包对振动信号进行10层分解,分解至1024个频段;其中,提取出的边频信号范围为0~100Hz;
所述步骤2中,先将主频信号和0-100Hz边频信号进行时域线性相加组合成特征信号,通过特征信号构建轴系吸引子;
所述步骤3中,根据轴系吸引子的结构特征和演变特性判断轴系校中安全状态:轴系吸引子为环面吸引子并表现出发散的拟周期运动时,轴系校中处于非安全状态;轴系吸引子为双环面交叉并表现出分岔运动时,轴系校中处于过渡状态;轴系吸引子为多环面交叉的混沌吸引子并表现出收敛的混沌运动时,轴系校中处于安全状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910961744.2A CN110672319B (zh) | 2019-10-11 | 2019-10-11 | 基于吸引子的大型船舶轴系校中安全状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910961744.2A CN110672319B (zh) | 2019-10-11 | 2019-10-11 | 基于吸引子的大型船舶轴系校中安全状态评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110672319A CN110672319A (zh) | 2020-01-10 |
CN110672319B true CN110672319B (zh) | 2021-04-23 |
Family
ID=69081427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910961744.2A Active CN110672319B (zh) | 2019-10-11 | 2019-10-11 | 基于吸引子的大型船舶轴系校中安全状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672319B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113432875B (zh) * | 2021-06-03 | 2022-07-19 | 大连海事大学 | 一种基于摩擦振动递归特征的滑动轴承摩擦状态识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187593A (zh) * | 2007-12-18 | 2008-05-28 | 华南理工大学 | 电站汽轮机转子振动故障的柯尔莫果洛夫熵诊断方法 |
KR20080004503U (ko) * | 2007-04-06 | 2008-10-09 | 박권순 | 집어기를 구비한 어신 증폭 자동챔질 낚시 기구(100) |
CN101726356A (zh) * | 2009-12-02 | 2010-06-09 | 南京航空航天大学 | 微弱振动信号的谐波小波频域提取与振源识别方法 |
WO2013103971A1 (en) * | 2012-01-06 | 2013-07-11 | University Of New Hampshire | Systems and methods for chaotic entanglement using cupolets |
CN103208032A (zh) * | 2013-03-20 | 2013-07-17 | 辽宁工程技术大学 | 一种基于小波和混沌优化lssvm的周期来压预测方法 |
CN105240187A (zh) * | 2015-11-18 | 2016-01-13 | 哈尔滨工业大学 | 基于混沌理论实现水轮机状态监测和故障诊断的方法 |
CN107246967A (zh) * | 2017-07-07 | 2017-10-13 | 武汉钢铁有限公司 | 用于齿轮箱设备故障诊断的信号处理方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782475B (zh) * | 2010-02-08 | 2011-07-20 | 天津工业大学 | 基于风力发电机组振动的叶片故障诊断方法 |
CN103344432A (zh) * | 2013-06-04 | 2013-10-09 | 中国人民解放军陆军航空兵学院 | 直升机轴承故障的光纤光栅声发射检测方法 |
CN107609272A (zh) * | 2017-09-12 | 2018-01-19 | 浙江海洋大学 | 一种船舶搁浅后轴系安全转速图谱确定方法 |
CN108731945B (zh) * | 2018-08-02 | 2019-12-13 | 南昌航空大学 | 一种航空发动机转子系统故障信号特征信息的提取方法 |
-
2019
- 2019-10-11 CN CN201910961744.2A patent/CN110672319B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080004503U (ko) * | 2007-04-06 | 2008-10-09 | 박권순 | 집어기를 구비한 어신 증폭 자동챔질 낚시 기구(100) |
CN101187593A (zh) * | 2007-12-18 | 2008-05-28 | 华南理工大学 | 电站汽轮机转子振动故障的柯尔莫果洛夫熵诊断方法 |
CN101726356A (zh) * | 2009-12-02 | 2010-06-09 | 南京航空航天大学 | 微弱振动信号的谐波小波频域提取与振源识别方法 |
WO2013103971A1 (en) * | 2012-01-06 | 2013-07-11 | University Of New Hampshire | Systems and methods for chaotic entanglement using cupolets |
CN103208032A (zh) * | 2013-03-20 | 2013-07-17 | 辽宁工程技术大学 | 一种基于小波和混沌优化lssvm的周期来压预测方法 |
CN105240187A (zh) * | 2015-11-18 | 2016-01-13 | 哈尔滨工业大学 | 基于混沌理论实现水轮机状态监测和故障诊断的方法 |
CN107246967A (zh) * | 2017-07-07 | 2017-10-13 | 武汉钢铁有限公司 | 用于齿轮箱设备故障诊断的信号处理方法和装置 |
Non-Patent Citations (2)
Title |
---|
Investigation on evolvement of dynamic behaviors of ship shaft bearing system under the different rub impact states based on attractor;He xiaoliang;《Ocean engineering》;20201130;全文 * |
不同摩擦状态下滑动轴承碰摩振动信号提取方法与特性研究;张宇航;《万方文库》;20180801;正文第46-48页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110672319A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7027782B2 (ja) | 転がり軸受の異常診断装置 | |
EP3732457B1 (fr) | Procédé et dispositif de surveillance d'un roulement équipant un dispositif tournant | |
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 | |
CN106347578A (zh) | 一种船舶推进轴系轴承振动故障监测方法 | |
CN108008718B (zh) | 基于模型的智能型船舶机舱监测报警系统 | |
CN110672319B (zh) | 基于吸引子的大型船舶轴系校中安全状态评估方法 | |
KR20110131411A (ko) | 허브 베어링 검사 방법 | |
CN108225169B (zh) | 一种大型船舶推进轴系状态监控方法 | |
THAMBA et al. | Journal bearing fault detection based on Daubechies wavelet | |
Jiang et al. | A study on defect identification of planetary gearbox under large speed oscillation | |
CN204649225U (zh) | 一种船舶轴系运动在线监测装置 | |
EP3531098A1 (fr) | Procede de surveillance et de detection de la formation d'une degradation dans au moins une piece mobile d'un mecanisme tournant et systeme associe | |
Tsai et al. | Multisensor fusion time–frequency analysis of thruster blade fault diagnosis based on deep learning | |
Jang et al. | Vibration data feature extraction and deep learning-based preprocessing method for highly accurate motor fault diagnosis | |
CN111610038B (zh) | 一种故障诊断系统、方法、装置、设备及其存储介质 | |
WO2023203304A1 (fr) | Méthode de surveillance d'une machine tournante pour la détection d'un défaut d'un roulement d'aéronefs | |
CN110633686A (zh) | 一种基于振动信号数据驱动的设备转速识别方法 | |
CN112706901B (zh) | 一种半潜船主推进系统半监督故障诊断方法 | |
Carlton | Podded propulsors: some results of recent research and full scale experience | |
CN113221292A (zh) | 波浪发电机预测性维护模型和维护方法 | |
Li et al. | Deep learning based end-to-end rolling bearing fault diagnosis | |
CN113283295A (zh) | 一种从微弱信号中识别船舶轴系动态固有频率的方法 | |
US20230316827A1 (en) | Diagnostic apparatus, moving body, computer readable storage medium, and diagnostic method | |
Shen et al. | Modelling and predictive investigation on the vibration response of a propeller shaft based on a convolutional neural network | |
CN113833476B (zh) | 一种主轴承的状态检测系统及状态检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |