CN110940518B - 一种基于故障数据的航天传动机构分析方法 - Google Patents
一种基于故障数据的航天传动机构分析方法 Download PDFInfo
- Publication number
- CN110940518B CN110940518B CN201911182135.3A CN201911182135A CN110940518B CN 110940518 B CN110940518 B CN 110940518B CN 201911182135 A CN201911182135 A CN 201911182135A CN 110940518 B CN110940518 B CN 110940518B
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- analysis
- database
- transmission mechanism
- 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.)
- Expired - Fee Related
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 57
- 238000004458 analytical method Methods 0.000 title claims abstract description 55
- 230000007246 mechanism Effects 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000003745 diagnosis Methods 0.000 claims abstract description 31
- 238000007726 management method Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000013500 data storage Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000012423 maintenance Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 23
- 230000006378 damage Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000000691 measurement method Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005096 rolling process Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 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
- G01M13/028—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
- G01M15/00—Testing of engines
- G01M15/02—Details or accessories of testing apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2255—Hash tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于故障数据的航天传动机构分析方法，所述方法包括以下步骤：S1：采集数据，采集航空发动机内外转子的转速，产生两个键相信号分别触发对应振点测点采样；S2：数据存储，在线监测时，设置的数据库分为配置数据库和机组数据库，每个传动机构对应一个机组数据库，配置数据库存储相关配置信息；S3：监测分析，对传动机构的振动信号进行全面监测分析，分为实时监测和历史查询两种模式；S4：故障诊断，包括a,检测分析数据特征提取；b,建立数据库；c,对新数据集进行分层；d,得出新数据故障诊断结果；S5：故障管理，得出诊断结果之后，给出每个故障的原因和解决措施，并根据故障类型给出相应的维修建议；本系统方法合理、可靠性高。
Description
技术领域
本发明属于航空传动故障设备领域，尤其涉及一种基于故障数据的航天传动机构分析方法。
背景技术
航空发动机支撑传动系统是是航空发动机的重要组成本部分，是飞机的心脏，一旦发生故障，常常导致严重的飞行事故；支撑传动系统核心部件是滚动轴承和传动轴，现有的故障诊断方法多采用在未拆解的情况下同时对轴承故障类型进行分析，并针对振动信号提出适用于航空发动机轴承和传动轴。
我国目前正在大力发展航空事业，并取得一定的优异成绩，但是我国目前没有先进成熟的航空传动系统故障检测诊断系统可以为整机振动提供有效的技术支持；现有的航空诊断系统健壮性不够，一旦主机服务器崩溃，将导致整个系统无法运行；当中心服务器数据库被外界攻击或者管理人员恶意修改数据将破坏数据真实性和权威性，严重影响我国航空事业发展。
中国专利申请201810868409 .3公开了一种航空发动机转子故障的诊断方法，该方法先利用电涡流加速度传感器对航空发动机转子的振动加速度信号进行采集，再对采集航空发动机转子的振动加速度信号进行降噪处理，并提取航空发动机转子降噪后的信号特征量，又基于马氏距离的自动密度峰值聚类对信号特征量进行聚类分析，该故障诊断方法利用小波分解并进行阈值处理，再通过提升小波重构，高效地去除了信号中的噪声干扰，并提取出降噪后的信号特征量，再基于马氏距离的自动密度峰值聚类对信号特征量进行聚类分析，从而在将噪音干扰消除至最小值，实现了对航空发动机转子故障信息的诊断。
中国专利申请201811489387 .6公开了一种航空发动机故障监测系统，包括飞机存储系统、信号处理和控制模块、显示输出模块、数据通信模块，所述信号处理和控制模块由下位机和上位机以及外部存储单元共同构成，所述外部存储单元由下位机的SDRAM和Flash组成，所述显示输出模块基于显示屏实现，所述数据通信模块由DSP的缓冲串口、主机接口( HPI )、串口通信模块、PC机串口、连接电缆和数字转换电路构成，飞机的发动机上安装有监测硬件；所述检测硬件与计算机连接，计算机内设置有分析软件，所述分析软件与云端数据库基于以太网连接，所述云端数据库与航班公司系统基于以太网连接，所述航班公司系统与移动客户端基于以太网连接。
但是上述现有技术中，实施难度大，故障系统存在不安全因素，管理系统健壮性不够，容易被恶意攻击，影响故障数据结果的真实可靠性。
发明内容
针对现有技术不足，本发明的目的在于提供一种基于故障数据的航天传动机构分析方法，解决了背景技术中提出的问题。
本发明提供如下技术方案：
一种基于故障数据的航天传动机构分析方法，所述方法包括以下步骤：
S1：采集数据，采集航空发动机内外转子的转速，产生两个键相信号分别触发对应振点测点采样；
S2：数据存储，在线监测时，设置的数据库分为配置数据库和机组数据库，每个传动机构对应一个机组数据库，配置数据库存储相关配置信息；
S3：监测分析，对传动机构的振动信号进行全面监测分析，分为实时监测和历史查询两种模式，分析结果能够显示在监测主机屏幕上。
S4：故障诊断，包括a,检测分析数据特征提取；b,建立数据库；c,对新数据集进行分层；d,得出新数据故障诊断结果；
S5：故障管理，得出诊断结果之后，故障类型分为整机故障和零件故障，给出每个故障的原因和解决措施，并根据故障类型给出相应的维修建议。
优选的，步骤S1中，航空传动机构的转速范围很宽，且对实时性要求很高，所以在高转速情况下采用测频法测量并采集数据，达到较高的测量精度；在低转速的情况下采用测周期法测量并采集数据；振动信号采集采用同整周期采样，同步整周期采用键相触发的采样方式，以给定的转速倍频和周期采样。
优选的，步骤S2中，机组数据库将采集的数据分为实时数据、当前数据、历史数据和异常数据四类，分别存储。
优选的，步骤S3中，监测数据分析包括主检测图分析、时域波形分析、振动棒图分析、参数总表分析、趋势分析、频域分析、启停分析、时频分析、轴心轨迹分析。
优选的，在步骤S4中，数据特征信号的提取，对机械设备构造损伤影响较大的因素时低频荷载幅值的大小即出现的次数，在传动系统运行过程中，多发故障发生时或即将发生时将会引起动态信号的表现出非平稳，可将其作为判断设备是否存在故障的特征数据进行提取。
优选的，在步骤S5中，故障管理包括故障报警指示模块。
一种基于故障数据的航天传动机构分析方法采用的故障数据分析系统，包括数据采集模块、检测主机；所述数据采集模块包括传感器和数据采集器；所述监测主机设有管理系统模块、通讯模块、数据处理模块、数据存储模块、监测分析模块、故障诊断模块、报警指示模块；所述传感器为电涡流传感器和压电式加速传感器；所述电涡流传感器设置在传动系统的转子滚动轴承上，测量滚动轴承的振动，所述压电式加速度传感器设置在传动机匣的内壁上，测量机匣的振动；所述数据采集器采集航空传动系统的转速和振动信号。
优选的，所述管理系统模块包括：数据层、中间层、应用层；所述数据层采用分布式P2P数据存储环境，使用开源区块链搭建管理系统模块；所述中间层由智能合约和Web3组成；所述应用层为交互层，通过可视化界面查看管理系统模块中的数据；所述数据采集模块与所述监测主机通过数据线连接；所述通讯模块与所述数据存储模块通过以太网连接。
优选的，故障数据采集后，将数据签名后存储至IPFS，IPFS会返回存储的数据索引哈希，之后将该索引哈希用系统公钥加密后存储到区块链上，IPFS可对大量数据进行去中心化的分布存储，在本系统中接收来自实训平台中心服务器的数据处理模块的数据，并存储在IPFS的节点上，后去接收应用层的数据调用；实现数据采集安全、存储安全，具备强大的安全性。
优选的，所述数据采集模块与数据处理模块不直接关联，数据采集模块负责数据采集和写入数据库，数据处理模块负责使用数据库中的数据进行分析和故障诊断，两者相互独立。
优选的，所述数据处理模块与通讯模块通过信号连接。
优选的，所述报警指示模块包括语音报警和指示灯闪烁，同时监测主机将故障数据结果显示在屏幕中。
优选的，所述航空传动系统的状态分为3类：正常、异常、报警；所有测点没有报警指标超过报警阈值的传动系统为正常；某一报警指标超过报警阈值为异常；报警：当系统某指标超过报警阈值时，系统能够发出报警信号，当系统恢复正常时，报警信号解除。
为了增加故障报警的准确性，所述报警阈值在未获得传动机构监测分析结果时，根据各个工作状态下的正常数据，计算数据指标，然后根据这些数据指标的均值μ和标准方差σ，则报警阈值x满足以下关系：
x=α·（μ+3σ）；
α为关系因子，取值范围为0.761-3.625。
优选的，所述数据存储模块为数据库，选用SQLServer数据库管理数据和数据备份，数据库负责接收采集模块发送的数据，同时相应数据处理模块的的查询和更新数据请求。
优选的，所述电涡流传感器的型号为3300XL-11mm涡流传感器；所述压电式加速传感器为Kistler9640A50传感器。
优选的，本系统实在Visual Studio 2015平台上选择C#语言进行开发，运用ADO.NET技术访问数据库，与SQLServer数据库搭配实现系统的高效开发。
另外，故障诊断方法为：a,检测分析数据特征提取，在原始的数据处理时候首先进行数据分段，然后再对每一段数据进行特征体提取，选取时域、频域和时频域数据特征；b,建立数据库，根据传动系统的转速和故障严重程度将数据特征信号分层，对每一层利用聚类算法找出每一层的聚类中心，得出较少的故障类型集合，在对每一小类进行分类器训练，就可以提取比较好的分类和训练结果；c,对新数据集进行分层，对于新的数据集首先通过聚类计算出其每一簇数据的中心，然后再与b中建立的数据库的每一层聚类中心求取欧氏距离，再把新的数据集的每个聚类中心的距离相加；距离和最小的归为一类，对新数据实现分层；d得出新数据故障诊断结果，c中的数据到了某一层后用b的方法判断其属于更小的集合一直到最底层，再将已经训练好的分类器进行故障诊断，判断故障结果。
对于数据特征信号的提取，对机械设备构造损伤影响较大的因素时低频荷载幅值的大小即出现的次数，在传动系统运行过程中，多发故障发生时或即将发生时将会引起动态信号的表现出非平稳，可将其作为判断设备是否存在故障的特征数据进行提取。
与现有技术相比，本发明具有以下有益效果：
（1）本发明一种航空传动故障数据分析系统，本系统中接收来数据采集模块的故障数据，经处理模块将数据存储在IPFS的节点上，后去接收应用层的数据调用；实现数据采集安全、存储安全，具备强大的安全性和实用性。
（2）本发明一种航空传动故障数据分析系统，结构合理，采用分层聚类对传动故障数据进行处理，按照故障的严重程度危害程度进行分层，能够优先诊断出损伤严重、危害程度大的故障，优先处理，增加航空传动机构的安全性。
（3）本发明一种航空传动故障数据分析系统，本系统设置的报警指示模块，通过限定均值μ和标准方差σ，报警阈值x的关系，振动信号使用组合报警的方法，提高报警的准确性和报价那个效率，较少误报警几率。
（4）本发明一种航空传动故障数据分析系统，本管理系统模块系统采用分布式存储，相比于传统信息管理系统面临的安全问题，更加能够保障系统的安全性。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明的步骤流程图。
图2是本发明的系统原理结构框图。
图3是本发明的故障诊断流程图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述。显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
实施例一：
请参阅图1，一种基于故障数据的航天传动机构分析方法，所述方法包括以下步骤：
S1：采集数据，采集航空发动机内外转子的转速，产生两个键相信号分别触发对应振点测点采样；
S2：数据存储，在线监测时，设置的数据库分为配置数据库和机组数据库，每个传动机构对应一个机组数据库，配置数据库存储相关配置信息；
S3：监测分析，对传动机构的振动信号进行全面监测分析，分为实时监测和历史查询两种模式，分析结果能够显示在监测主机屏幕上；
S4：故障诊断，包括a,检测分析数据特征提取；b,建立数据库；c,对新数据集进行分层；d,得出新数据故障诊断结果；
S5：故障管理，得出诊断结果之后，故障类型分为整机故障和零件故障，给出每个故障的原因和解决措施，并根据故障类型给出相应的维修建议。
步骤S1中，航空传动机构的转速范围很宽，且对实时性要求很高，所以在高转速情况下采用测频法测量并采集数据，达到较高的测量精度；在低转速的情况下采用测周期法测量并采集数据；振动信号采集采用同整周期采样，同步整周期采用键相触发的采样方式，以给定的转速倍频和周期采样。
步骤S2中，机组数据库将采集的数据分为实时数据、当前数据、历史数据和异常数据四类，分别存储。
步骤S3中，监测数据分析包括主检测图分析、时域波形分析、振动棒图分析、参数总表分析、趋势分析、频域分析、启停分析、时频分析、轴心轨迹分析。
在步骤S4中，数据特征信号的提取，对机械设备构造损伤影响较大的因素时低频荷载幅值的大小即出现的次数，在传动系统运行过程中，多发故障发生时或即将发生时将会引起动态信号的表现出非平稳，可将其作为判断设备是否存在故障的特征数据进行提取。
在步骤S5中，故障管理包括故障报警指示模块。
实施例二：
请参阅图2-3，一种基于故障数据的航天传动机构分析方法采用的故障数据分析系统，包括数据采集模块、检测主机；所述数据采集模块包括传感器和数据采集器；所述监测主机设有管理系统模块、通讯模块、数据处理模块、数据存储模块、监测分析模块、故障诊断模块、报警指示模块；所述传感器为电涡流传感器和压电式加速传感器；所述电涡流传感器设置在传动系统的转子滚动轴承上，测量滚动轴承的振动，所述压电式加速度传感器设置在传动机匣的内壁上，测量机匣的振动；所述数据采集器采集航空传动系统的转速和振动信号。
所述管理系统模块包括：数据层、中间层、应用层；所述数据层采用分布式P2P数据存储环境，使用开源区块链搭建管理系统模块；所述中间层由智能合约和Web3组成；所述应用层为交互层，通过可视化界面查看管理系统模块中的数据；所述数据采集模块与所述监测主机通过数据线连接；所述通讯模块与所述数据存储模块通过以太网连接。
故障数据采集后，将数据签名后存储至IPFS，IPFS会返回存储的数据索引哈希，之后将该索引哈希用系统公钥加密后存储到区块链上，IPFS可对大量数据进行去中心化的分布存储，在本系统中接收来自实训平台中心服务器的数据处理模块的数据，并存储在IPFS的节点上，后去接收应用层的数据调用；实现数据采集安全、存储安全，具备强大的安全性。
所述数据采集模块与数据处理模块不直接关联，数据采集模块负责数据采集和写入数据库，数据处理模块负责使用数据库中的数据进行分析和故障诊断，两者相互独立。
所述监测分析模块包括主检测图分析、时域波形分析、振动棒图分析、参数总表分析、趋势分析、频域分析、启停分析、时频分析、轴心轨迹分析。
所述数据处理模块与通讯模块通过信号连接。
所述故障诊断模块包括以下步骤：a,检测分析数据特征提取；b,建立数据库；c,对新数据集进行分层；d,得出新数据故障诊断结果。
所述报警指示模块包括语音报警和指示灯闪烁，同时监测主机将故障数据结果显示在屏幕中。
所述航空传动系统的状态分为3类：正常、异常、报警；所有测点没有报警指标超过报警阈值的传动系统为正常；某一报警指标超过报警阈值为异常；报警：当系统某指标超过报警阈值时，系统能够发出报警信号，当系统恢复正常时，报警信号解除。
为了增加故障报警的准确性，所述报警阈值在未获得传动机构监测分析结果时，根据各个工作状态下的正常数据，计算数据指标，然后根据这些数据指标的均值μ和标准方差σ，则报警阈值x满足以下关系：
x=α·（μ+3σ）；
α为关系因子，取值范围为0.761-3.625。
实施例三
与实施例一和二不同之处在于，所述数据存储模块为数据库，选用SQLServer数据库管理数据和数据备份，数据库负责接收采集模块发送的数据，同时相应数据处理模块的的查询和更新数据请求。
所述电涡流传感器的型号为3300XL-11mm涡流传感器；所述压电式加速传感器为Kistler9640A50传感器。
本系统实在Visual Studio 2015平台上选择C#语言进行开发，运用ADO.NET技术访问数据库，与SQLServer数据库搭配实现系统的高效开发。
另外，故障诊断方法为：a,检测分析数据特征提取，在原始的数据处理时候首先进行数据分段，然后再对每一段数据进行特征体提取，选取时域、频域和时频域数据特征；b,建立数据库，根据传动系统的转速和故障严重程度将数据特征信号分层，对每一层利用聚类算法找出每一层的聚类中心，得出较少的故障类型集合，在对每一小类进行分类器训练，就可以提取比较好的分类和训练结果；c,对新数据集进行分层，对于新的数据集首先通过聚类计算出其每一簇数据的中心，然后再与b中建立的数据库的每一层聚类中心求取欧氏距离，再把新的数据集的每个聚类中心的距离相加；距离和最小的归为一类，对新数据实现分层；d,得出新数据故障诊断结果，c中的数据到了某一层后用b的方法判断其属于更小的集合一直到最底层，再将已经训练好的分类器进行故障诊断，判断故障结果。
对于数据特征信号的提取，对机械设备构造损伤影响较大的因素时低频荷载幅值的大小即出现的次数，在传动系统运行过程中，多发故障发生时或即将发生时将会引起动态信号的表现出非平稳，可将其作为判断设备是否存在故障的特征数据进行提取。
通过上述技术方案得到的装置是一种基于故障数据的航天传动机构分析方法，所述管理系统模块中经处理模块将数据存储在IPFS的节点上，后去接收应用层的数据调用；实现数据采集安全、存储安全，具备强大的安全性和实用性；故障诊断采用分层聚类对传动故障数据进行处理，按照故障的严重程度危害程度进行分层，能够优先诊断出损伤严重、危害程度大的故障，优先处理，增加航空传动机构的安全性；本系统设置的报警指示模块，通过限定均值μ和标准方差σ，报警阈值x的关系，振动信号使用组合报警的方法，提高报警的准确性和报价那个效率，较少误报警几率；管理系统模块系统采用分布式存储，相比于传统信息管理系统面临的安全问题，更加能够保障系统的安全性；系统结构合理、可靠性高。
以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化；凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于故障数据的航天传动机构分析方法，其特征在于，所述方法包括以下步骤：
S1：采集数据，采集航空发动机内外转子的转速，产生两个键相信号分别触发对应振点测点采样；
S2：数据存储，在线监测时，设置的数据库分为配置数据库和机组数据库，每个传动机构对应一个机组数据库，配置数据库存储相关配置信息；
S3：监测分析，对传动机构的振动信号进行全面监测分析，分为实时监测和历史查询两种模式，分析结果能够显示在监测主机屏幕上；
S4：故障诊断，包括a,检测分析数据特征提取；b,建立数据库；c，对新数据集进行分层；d,得出新数据故障诊断结果；a，检测分析数据特征提取，在原始的数据处理时候首先进行数据分段，然后再对每一段数据进行特征体提取，选取时域、频域和时频域数据特征；b,建立数据库，根据传动系统的转速和故障严重程度将数据特征信号分层，对每一层利用聚类算法找出每一层的聚类中心，得出较少的故障类型集合，在对每一小类进行分类器训练，就可以提取比较好的分类和训练结果；c，对新数据集进行分层，对于新的数据集首先通过聚类计算出其每一簇数据的中心，然后再与b中建立的数据库的每一层聚类中心求取欧氏距离，再把新的数据集的每个聚类中心的距离相加；距离和最小的归为一类，对新数据实现分层；d，得出新数据故障诊断结果，c中的数据到了某一层后用b的方法判断其属于更小的集合一直到最底层，再将已经训练好的分类器进行故障诊断，判断故障结果；
S5：故障管理，得出诊断结果之后，故障类型分为整机故障和零件故障，给出每个故障的原因和解决措施，并根据故障类型给出相应的维修建议；
故障数据采集后，将数据签名后存储至IPFS，IPFS会返回存储的数据索引哈希，之后将该索引哈希用系统公钥加密后存储到区块链上，IPFS可对大量数据进行去中心化的分布存储，在本系统中接收来自实训平台中心服务器的数据处理模块的数据，并存储在IPFS的节点上，后去接收应用层的数据调用；航空传动机构的状态分为3类：正常、异常、报警；所有测点没有报警指标超过报警阈值的传动系统为正常；某一报警指标超过报警阈值为异常；报警：当系统某指标超过报警阈值时，系统能够发出报警信号，当系统恢复正常时，报警信号解除。
2.根据权利要求1所述一种基于故障数据的航天传动机构分析方法，其特征在于，步骤S1中，航空传动机构的转速范围很宽，且对实时性要求很高，所以在高转速情况下采用测频法测量并采集数据，达到较高的测量精度；在低转速的情况下采用测周期法测量并采集数据；振动信号采集采用同整周期采样，同步整周期采用键相触发的采样方式，以给定的转速倍频和周期采样。
3.根据权利要求1所述一种基于故障数据的航天传动机构分析方法，其特征在于，步骤S2中，机组数据库将采集的数据分为实时数据、当前数据、历史数据和异常数据四类，分别存储。
4.根据权利要求1所述一种基于故障数据的航天传动机构分析方法，其特征在于，步骤S3中，监测数据分析包括主检测图分析、时域波形分析、振动棒图分析、参数总表分析、趋势分析、频域分析、启停分析、时频分析、轴心轨迹分析。
5.根据权利要求1所述一种基于故障数据的航天传动机构分析方法，其特征在于，在步骤S4中，数据特征信号的提取，对机械设备构造损伤影响较大的因素时低频荷载幅值的大小即出现的次数，在传动系统运行过程中，多发故障发生时或即将发生时将会引起动态信号的表现出非平稳，将其作为判断设备是否存在故障的特征数据进行提取。
6.根据权利要求1所述一种基于故障数据的航天传动机构分析方法，其特征在于，在步骤S5中，故障管理包括故障报警指示模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911182135.3A CN110940518B (zh) | 2019-11-27 | 2019-11-27 | 一种基于故障数据的航天传动机构分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911182135.3A CN110940518B (zh) | 2019-11-27 | 2019-11-27 | 一种基于故障数据的航天传动机构分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110940518A CN110940518A (zh) | 2020-03-31 |
| CN110940518B true CN110940518B (zh) | 2021-08-24 |
Family
ID=69908251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911182135.3A Expired - Fee Related CN110940518B (zh) | 2019-11-27 | 2019-11-27 | 一种基于故障数据的航天传动机构分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110940518B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3109003B1 (fr) * | 2020-04-07 | 2022-10-28 | Airbus Helicopters | Procédé et dispositif de gestion de risques et d’alertes |
| CN111579001A (zh) * | 2020-06-02 | 2020-08-25 | 珠海格力智能装备有限公司 | 机器人的故障检测方法及装置 |
| CN112127982A (zh) * | 2020-09-30 | 2020-12-25 | 郑州铁路职业技术学院 | 一种基于温度预警的车辆发电机组的自保护系统及方法 |
| CN112711679B (zh) * | 2020-12-24 | 2023-09-05 | 中航贵州飞机有限责任公司 | 一种基于信息化平台的飞机接装故障管理系统及管理方法 |
| CN113074516B (zh) * | 2021-04-30 | 2022-07-22 | 深圳高发气体股份有限公司 | 一种采用单塔的制氩方法 |
| CN113281046B (zh) * | 2021-05-27 | 2024-01-09 | 陕西科技大学 | 一种基于大数据的纸机轴承监测装置及方法 |
| CN115788848B (zh) * | 2022-11-18 | 2023-07-14 | 珠海安诚电子科技有限公司 | 一种基于大数据的水泵故障监测系统及方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2277151A (en) * | 1993-04-05 | 1994-10-19 | Univ Brunel | Machine monitoring using neural network |
| US6629058B2 (en) * | 2000-04-20 | 2003-09-30 | Rion Co., Ltd. | Fault diagnosis method and apparatus |
| CN101571120A (zh) * | 2009-05-31 | 2009-11-04 | 北京航空航天大学 | 基于倍频相对能量和的分层聚类航空泵多故障诊断方法 |
| CN102156043A (zh) * | 2010-12-31 | 2011-08-17 | 北京四方继保自动化股份有限公司 | 风力发电机组在线状态监测与故障诊断系统 |
| CN104102726A (zh) * | 2014-07-22 | 2014-10-15 | 南昌航空大学 | 基于层次聚类的改进k均值聚类算法 |
| CN109736954A (zh) * | 2018-12-06 | 2019-05-10 | 芜湖市努尔航空信息科技有限公司 | 一种航空发动机故障监测系统 |
| CN109933040A (zh) * | 2017-12-18 | 2019-06-25 | 中国科学院沈阳自动化研究所 | 基于层次密度峰值聚类和最相似模态的故障监测方法 |
| CN110177017A (zh) * | 2019-06-04 | 2019-08-27 | 沃德(天津)智能技术有限公司 | 一种减速机智能故障诊断系统及其诊断方法 |
| CN110263837A (zh) * | 2019-06-13 | 2019-09-20 | 河海大学 | 一种基于多层dbn模型的断路器故障诊断方法 |
| CN110410282A (zh) * | 2019-07-24 | 2019-11-05 | 河北工业大学 | 基于som-mqe和sfcm的风电机组健康状态在线监测及故障诊断方法 |
-
2019
- 2019-11-27 CN CN201911182135.3A patent/CN110940518B/zh not_active Expired - Fee Related
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2277151A (en) * | 1993-04-05 | 1994-10-19 | Univ Brunel | Machine monitoring using neural network |
| US6629058B2 (en) * | 2000-04-20 | 2003-09-30 | Rion Co., Ltd. | Fault diagnosis method and apparatus |
| CN101571120A (zh) * | 2009-05-31 | 2009-11-04 | 北京航空航天大学 | 基于倍频相对能量和的分层聚类航空泵多故障诊断方法 |
| CN102156043A (zh) * | 2010-12-31 | 2011-08-17 | 北京四方继保自动化股份有限公司 | 风力发电机组在线状态监测与故障诊断系统 |
| CN104102726A (zh) * | 2014-07-22 | 2014-10-15 | 南昌航空大学 | 基于层次聚类的改进k均值聚类算法 |
| CN109933040A (zh) * | 2017-12-18 | 2019-06-25 | 中国科学院沈阳自动化研究所 | 基于层次密度峰值聚类和最相似模态的故障监测方法 |
| CN109736954A (zh) * | 2018-12-06 | 2019-05-10 | 芜湖市努尔航空信息科技有限公司 | 一种航空发动机故障监测系统 |
| CN110177017A (zh) * | 2019-06-04 | 2019-08-27 | 沃德(天津)智能技术有限公司 | 一种减速机智能故障诊断系统及其诊断方法 |
| CN110263837A (zh) * | 2019-06-13 | 2019-09-20 | 河海大学 | 一种基于多层dbn模型的断路器故障诊断方法 |
| CN110410282A (zh) * | 2019-07-24 | 2019-11-05 | 河北工业大学 | 基于som-mqe和sfcm的风电机组健康状态在线监测及故障诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110940518A (zh) | 2020-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110940518B (zh) | 一种基于故障数据的航天传动机构分析方法 | |
| 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 | |
| CN201311360Y (zh) | 一种振动在线监测故障诊断装置 | |
| CN109583386A (zh) | 一种智能旋转机械故障深度网络特征辨识方法 | |
| CN116070154B (zh) | 一种大型轴承保持器的故障检测方法、设备及介质 | |
| CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
| CN102706560B (zh) | 一种风力发电机组的状态监测方法和装置 | |
| CN107025355A (zh) | 一种基于模糊贴近度的船舶故障诊断方法及系统 | |
| TW202208746A (zh) | 風力發電機故障診斷系統及其方法 | |
| CN110958312B (zh) | 一种航空传动故障数据分析系统 | |
| CN117536872B (zh) | 一种罗茨风机状态监测系统与故障预测方法 | |
| CN115406522A (zh) | 基于声纹识别的电厂设备运行状态研究与应用 | |
| CN116071053B (zh) | 基于数字孪生的往复式压缩机状态预警系统 | |
| CN116538092B (zh) | 一种压缩机在线监测及诊断方法、装置、设备及存储介质 | |
| CN110160781B (zh) | 一种旋转机械故障分类的测试集重构和预测方法 | |
| CN109872511B (zh) | 一种针对轴向位移突变监测的自适应两级报警方法 | |
| CN110186684A (zh) | 一种航空发动机机械振动故障信号特征提取方法 | |
| CN115615696A (zh) | 一种基于声振信息融合的柴油机齿轮室故障诊断方法 | |
| CN107436244B (zh) | 基于频率分段振动数据采集的设备故障报警方法 | |
| CN111319787B (zh) | 一种直升机动部件振动监测数据有效性评估方法 | |
| CN114754900A (zh) | 一种船舶主机气缸温度传感器故障诊断方法及系统 | |
| CN106849867A (zh) | 一种光伏电站电压闪变检测系统和方法 | |
| CN102621489A (zh) | 基于小波神经网络的船舶发电机故障智能诊断系统 | |
| CN111639110A (zh) | 风电机组故障预警方法及装置 | |
| CN113037550B (zh) | 一种服务故障监控方法、系统及计算机可读存储介质 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210824 |