CN111183345A - 用于搜索能够影响旋转机械动力传输装置的缺陷的方法和装置 - Google Patents
用于搜索能够影响旋转机械动力传输装置的缺陷的方法和装置 Download PDFInfo
- Publication number
- CN111183345A CN111183345A CN201880058292.0A CN201880058292A CN111183345A CN 111183345 A CN111183345 A CN 111183345A CN 201880058292 A CN201880058292 A CN 201880058292A CN 111183345 A CN111183345 A CN 111183345A
- Authority
- CN
- China
- Prior art keywords
- signal
- signals
- matrix
- fourier transform
- discrete fourier
- 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000005540 biological transmission Effects 0.000 title claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims description 60
- 239000013598 vector Substances 0.000 claims description 35
- 238000012952 Resampling Methods 0.000 claims description 18
- 230000001066 destructive effect Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 description 23
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000005457 optimization Methods 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H57/00—General details of gearing
- F16H57/01—Monitoring wear or stress of gearing elements, e.g. for triggering maintenance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/14—Frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M1/00—Testing static or dynamic balance of machines or structures
- G01M1/14—Determining imbalance
- G01M1/16—Determining imbalance by oscillating or rotating the body to be tested
- G01M1/22—Determining imbalance by oscillating or rotating the body to be tested and converting vibrations due to imbalance into electric variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H57/00—General details of gearing
- F16H57/01—Monitoring wear or stress of gearing elements, e.g. for triggering maintenance
- F16H2057/012—Monitoring wear or stress of gearing elements, e.g. for triggering maintenance of gearings
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Acoustics & Sound (AREA)
- Computing Systems (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Signal Processing (AREA)
- Discrete Mathematics (AREA)
- Mechanical Engineering (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明的方法包括:‑获得信号s的步骤(E10),所述信号s可由高频信号s1和低频信号s2的乘积建模,由旋转机械动力传输装置产生,并由传感器采集;‑确定信号s1和s2的评估值的步骤(E20),所述步骤将信号s的全部或部分与这些评估值的乘积之间的差最小化;‑分析信号s1和s2的评估值以检测影响该旋转机械动力传输装置的缺陷的存在的步骤(E30);‑如果在分析步骤(E40)之后检测到缺陷,则根据信号s1和s2的至少一个评估值定位所述缺陷的步骤(E50)。
Description
技术领域
本发明涉及旋转机械的健康监测的通用领域,例如特别是航空工业中常用的旋转机械。
其更具体是涉及根据由该机械装置在其使用过程中产生的信号(例如振动、声音或瞬时速度信号),搜索可能影响旋转机械动力传输装置(例如齿轮、滚珠轴承、电机等)的缺陷(例如磨损、裂纹等)。
背景技术
目前,例如在航空中使用的旋转机械动力传输装置的维修主要基于对这些装置的视觉和内窥镜检查。在设计这些装置时,通过考虑相对较大的安全裕度,计算出其后建议进行维修的运行小时(例如,当在飞机中安装该装置时的飞行小时)数。然而,这种方法存在几个缺点。
事实上,一种处于完美状态的旋转装置可被拆卸用于验证,然后不适当或不准确地重新组装。相反,这种方法不允许快速地检测在组装后不久就会变坏的旋转装置,这可能危及安装该旋转装置的系统用户。
此外,目前实施的视觉和内窥镜检查是一项相对较长且繁琐的操作,这使安装该装置的系统(例如,飞机发动机)移动了相当长的时间。该检查也取决于操作者,且因此可能是误差原因。
为了克服这些缺点,特别是为了允许准确和早期地检测可能影响旋转机器的缺陷,已知为了确保这种机器的健康监测可以对机器进行振动监测。由这种旋转机器在其运行过程中产生的振动(或振动信号)确实是其健康状态的一种非常相关的特征,立即反映出影响其结构或其运行速度的任何变化。这些信号可以从定位在被监测旋转机器上或其附近的传感器采集,例如加速度计等。
因此,振动监测对于检测影响旋转机器的缺陷或故障特别是有效。为此,这通常基于分析从由旋转机器产生的振动信号(例如它们的峰-峰振幅、其功率、其统计动差甚至其谐波的振幅)提取的标准指示的分析。
如今振动监测技术中的主要问题在于被检测缺陷的位置,特别是当目标旋转机械是一种由几个旋转元件组成的系统时。在所采集的振动信号中,分离不同元件的作用有利地允许很容易地定位在旋转机器上检测到的缺陷。
C.Capdessus等人,标题为“齿轮的振动分析:倒频谱、相关性、频谱”,《信号处理》第8卷第5期,示出了一种旋转装置(例如由以相对接近的转速旋转的两个有齿的轮组成的齿轮)产生振动信号,所述振动信号可被建模为两个周期信号的乘积(即函数),并且更具体地表示该齿轮的这两个有齿的轮啮合的第一“高频”信号或分量以及表示该齿轮的这两个有齿的轮的贡献之和的第二“低频”信号或分量的乘积。
基于此观测,应用于这种齿轮的现有技术中已知的振动监测方法包括通过带通滤波器对由齿轮产生的在齿轮啮合频率周围(优选地在集中最大能量的主谐波周围)的振动信号的频谱进行滤波。因此获得的频谱然后返回到零频率周围。与返回到零频率周围的频谱对应的时间信号与由齿轮产生的振动信号的低频分量成比例,换句话说,与表示齿轮的这两个有齿的轮的贡献之和的第二信号成比例。该信号与第二信号成比例的滤波允许提取齿轮的每个有齿的轮的贡献。然后,可以分别地分析每种贡献,特别是通过上述指示(峰-峰振幅、统计矩等),以搜索是否存在影响相关联齿轮的可能缺陷。需要注意的是,通常直接地在时间信号上实施所有这些操作。
当振动信号的能量集中在单一谐波上时,该方法特别是有效。然而,当几个谐波在振动信号的频谱中可见时,所实施的带通滤波忽略了由振动信号承载的大部分信息。这导致被计算和用于检测缺陷的指示不准确,从而影响所进行的检测的可靠性。
发明目的和概述
本发明的主要目的是克服上述缺点,并提出一种用于搜索可能影响旋转机械动力传输装置的缺陷的方法,所述机械装置是一种包括两个有齿的轮的飞机齿轮,所述方法包括:
-获得信号s的步骤,所述信号s可通过高频信号s1和低频信号s2的乘积建模,由旋转机械动力传输装置产生,并由传感器采集;
-确定信号s1和s2的评估值的步骤,所述步骤将信号s的全部或部分与这些评估值的乘积之间的差最小化,所述确定步骤包括:
ο对从持续时间等于分析持续时间的信号s推导的序列重新采样的步骤(E22),所述分析持续时间是低频信号s2的周期的整数倍,以等于分析持续时间的一部分的规则间距对从信号s推导的所述序列重新采样;
ο获得被重新采样序列的离散傅里叶变换的步骤(E23),所述离散傅里叶变换包括多个谐波;
ο根据所获得的离散傅里叶变换构造矩阵M(S)的步骤(E24),矩阵的尺寸取决于被确定用于信号s1的谐波数以及被确定用于信号s2的谐波数,矩阵的每个分量包括所获得的离散傅里叶变换的谐波的振幅;
ο实施矩阵M(S)的秩1近似并获得信号s1和s2的评估值的离散傅立叶变换的步骤(E25);
-分析信号s1和s2的评估值以检测是否存在影响旋转机械传输装置的缺陷的步骤;
-如果在分析步骤结束时检测到缺陷,则根据信号s1和s2的至少一个评估值定位所述缺陷的步骤。
相关地,本发明涉及一种用于搜索可能影响旋转机械动力传输装置的缺陷的装置,所述机械装置是一种包括两个有齿的轮的飞机齿轮,所述搜索装置包括:
-获得模块,其被构造成获得信号s,所述信号s可通过高频信号s1和低频信号s2的乘积建模,由旋转机械动力传输装置产生,并由传感器采集;
-确定模块,其被构造成通过使信号s的全部或部分与这些评估值的乘积之间的差最小化来确定信号s1和s2的评估值,所述确定模块被构造成:
ο对从持续时间等于分析持续时间的信号s推导的序列重新采样,所述分析持续时间是低频信号s2的周期的整数倍,以等于分析持续时间的一部分的规则间距对从信号s推导的所述序列重新采样;
ο获得被重新采样序列的离散傅里叶变换,所述离散傅里叶变换包括多个谐波;
ο根据所获得的离散傅里叶变换构造矩阵M(S),矩阵的尺寸取决于被确定用于信号s1的谐波数以及被确定用于信号s2的谐波数,矩阵的每个分量包括所获得的离散傅里叶变换的谐波的振幅;
ο实施矩阵M(S)的秩1近似,并获得信号s1和s2的评估值的离散傅立叶变换;
-分析模块,其被构造成分析信号s1和s2的评估值,以检测是否存在影响旋转机械传输装置的缺陷;以及
-在由分析模块检测到缺陷时被激活的定位模块,其被构造成根据信号s1和s2的至少一个评估值定位所述缺陷。
本发明还涉及一种用于旋转机械动力传输装置的无损控制系统,所述机械装置是一种包括两个有齿的轮的飞机齿轮,所述控制系统包括:
-被构造成采集信号s的传感器,所述信号s可通过高频信号s1和低频信号s2的乘积来建模,并由旋转机械动力传输装置产生;
-根据本发明用于搜索可能影响旋转机械动力传输装置的缺陷并被构造成获得和使用由传感器采集的信号的装置。
因此,本发明提出了一种基于对由所观测的旋转机械装置产生的信号s解调的振动监测技术,同时省去了现有技术中进行的带通滤波。需要注意的是,只要能以两个高频和低频信号的乘积形式对信号s的性质建模,就不存在任何限制。信号s特别是可以是振动信号、声音信号,或甚至瞬时速度信号。
为此,本发明提出了用优化步骤代替现有技术中实施的滤波步骤:该优化步骤包括使信号s的全部或部分与之间与信号s1和s2的评估值的乘积的差最小化,所述信号s由旋转机械装置产生并且可以通过两个信号s1和s2的乘积建模。在优化步骤结束时因此获得的信号s1和s2的评估值允许更好地重建由传感器采集的信号s。根据在优化步骤中从信号s1和s2获得的评估值,可以很容易并且更准确地识别旋转机械装置的每个元件在被采集的信号s中的贡献,这允许将在装置上检测到的缺陷很容易地定位在这些元件中的至少一个上,如果需要的话。
实施根据本发明克服信号滤波的优化步骤有利地允许利用振动信号s中所包含的全部有用信息并导致非常精确地评估信号s1和s2。本发明因此提供了一种准确且可靠的监测技术,只要由此产生的信号(例如振动或声音或瞬时速度信号)可以通过上述的低频信号和高频信号的乘积建模,所述监测技术就能够很容易地应用于任何类型的旋转机械动力传输装置。这种旋转机械装置通常是如上所述由两个有齿的轮形成的齿轮,但本发明也适用于其他类型的旋转机械动力传输装置,例如适用于异步热机或电动机、适用于滚珠轴承等。
应当注意的是,由本发明提出的监测技术有利地要求仅使用一个传感器将被检测的缺陷定位在所观测的旋转机械装置上,如果需要的话,这有助于其实施。
对于信号s1和s2的评估值,考虑具有等于分析持续时间的持续时间的所采集信号序列有利地允许实时地实施本发明。
在一个特定实施例中,根据本发明的搜索方法包括:
-获得旋转机械动力传输装置的运动学参数的步骤;
-根据所述运动学参数s确定信号的分析持续时间的步骤。
持续时间为低频信号s2的周期的整数倍的序列的使用允许获得具有几个谐波的频谱,在每个所述谐波周围都存在与低频信号s2的频谱对应的一系列或多或少的扩展“峰值”。在由本发明实施的优化步骤中,可以很容易地利用频谱的这种形式。然而,即使将分析持续时间选择为相对较短(例如等于低频信号周期的两倍),在本实施例中也可以有利地获得这种频谱,这使得实时地实施由本发明提出的搜索方法成为可能。
根据本发明,该搜索方法进一步包括在使用其确定信号s1和s2的评估值之前,以等于分析持续时间的一部分的规则间距对从振动信号推导的序列重新采样的步骤。
该重新采样步骤有利地允许获得以狄拉克级数形式的频谱的每个谐波周围的系列峰值。因此可以很容易地利用这些狄拉克序列中所包含的信息(峰值并不通过边缘效应展开),并且允许改进由本发明实施的信号s1和s2的评估精度。
此外,在确定信号s1和s2的评估值的步骤中,该搜索方法包括:
-从信号s获得源于信号s的重新采样序列的离散傅里叶变换(或DFT)的步骤,该离散傅里叶变换包括多个谐波;
-从所获得的离散傅里叶变换构造矩阵M(S)的步骤,该矩阵的尺寸取决于被确定用于信号s1的谐波数以及被确定用于信号s2的谐波数,该矩阵的每个分量包括所获得的离散傅里叶变换的谐波振幅;
-实施矩阵M(S)的秩1近似并获得信号s1和s2的评估值的离散傅立叶变换的步骤。
本发明提供了一种非常简单的方法来实施优化步骤,其允许在没有损失有用信息的情况下确定信号s1和s2的评估值。这类优化问题确实是一种在约束条件下的非线性和非二次型问题,所述问题可特别是在嵌入式和实时的环境下证明很难解决。由于重新采样被采集的信号S以及以矩阵形式(即以矩阵M(S)的形式)重新排列被重新采样的频谱的步骤,可将该优化问题减少到一种可很容易解决的最佳秩1近似。
为了实施矩阵M(S)的秩1近似,可以使用不同的技术。
因此,在一个特定实施例中:
-实施矩阵M(S)的秩1近似的步骤将矩阵M(S)分解成奇异值,所述分解提供矩阵M(S)的第一左奇异向量,矩阵M(S)的第一右奇异向量以及矩阵M(S)的第一奇异值;以及
-从矩阵M(S)的第一左奇异向量获得信号s1评估值的离散傅里叶变换,从矩阵M(S)的第一右奇异向量获得信号s2评估值的离散傅里叶变换,第一左或右奇异向量之一或两者都被加权,所施加权重的乘积等于矩阵M(S)的第一奇异值。
需要注意的是,在本发明的含义中,在确定步骤中确定的信号s1和s2的评估值不必在时域中确定,而是可以在频域中确定。因此,考虑到将时间信号与其频谱以及更具体地与其离散傅里叶变换联系的已知关系,信号s1的评估值与信号s2的评估值的离散傅里叶变换构成本发明含义中的信号s1和s2的评估值。因此,为了进行信号s1和s2的评估值分析以及进行搜索影响旋转机械装置的缺陷,不必通过例如经由逆傅立叶变换变换在获得步骤中获得的离散傅立叶变换而返回到时域内。
此外,所考虑和获得的频谱不必完整。它们可以是局部的,并且仅包括用于本发明的频率(通常信号s1的谐波以及由信号s2的谐波对其进行的调制)。在本发明的含义中,术语频谱包括这些不同的构造(全部频谱或仅局部频谱)。
因此,在一个特定实施例中,根据在获得步骤中获得的信号s1和s2的评估值的傅里叶变换直接实施分析信号s1和s2的评估值的步骤。
在一个可替代实施例中,确定信号s1和s2的评估值的步骤进一步包括在时域中变换根据信号s1和s2的评估值获得的离散傅里叶变换的步骤。
以其时间形式或以其频率形式直接分析信号s1和s2的评估值的选择取决于被考虑用于搜索可能影响旋转装置的缺陷的指示。
在一个特定实施例中,搜索方法包括对信号s2滤波的至少一个步骤,使得可以识别对机械装置的不同元件的振动信号的贡献,在定位一种在分析步骤结束时检测到的缺陷的步骤中使用所述被识别的贡献。
该步骤允许从信号s2分离可能受缺陷影响的旋转装置的每个元件的贡献,并促进该缺陷的定位。独立于其他贡献分析因此分离的每种贡献(通过计算例如先前提到的关于该贡献的指示),以检测其是否呈现异常。如果需要的话,与所分析的贡献对应的缺陷在元件上的定位是直接的。
如上所述,本发明适用于搜索影响飞机齿轮的缺陷,所述飞机齿轮包括两个有齿的轮,但本发明也可适用于任何类型的旋转机械动力传输装置,只要由这些装置产生的振动信号可以低频信号和高频信号的乘积形式进行建模。因此,本发明在航空领域具有优选但非限制性的应用,所述领域使用多种旋转装置来验证该假设,例如包括两个有齿的轮的齿轮、滚珠轴承等,所述旋转装置特别是装备飞机并且更具体地飞机发动机。
在一个特定实施例中,由计算机程序指令确定根据本发明的搜索方法的步骤。
因此,本发明还涉及一种在信息或记录介质上的计算机程序,该程序可能在搜索装置中实施,或者更通常地在计算机中实施,该程序包括适于实施确定如上所述的无损控制方法的步骤的指令。
该程序可以使用任何编程语言,并且可以是源代码、目标代码或在源代码和目标代码之间的中间代码的形式,例如局部编译的形式,或任何其他期望的形式。
本发明还涉及由计算机读取,并且包括如上所述的计算机程序指令的信息或记录介质。
信息介质可以是能够存储程序的任何实体或装置。例如,介质可包括例如ROM的存储设备,例如CD-ROM或微电子电路ROM,或者例如软盘或硬盘等磁记录设备。
另一方面,信息介质可以是传输介质,例如可经由电缆或光缆、通过无线电或通过其它方式发送的电或光信号。根据本发明的程序可以特别是在因特网类型的网络上下载。
或者,信息介质可以是其中集成有程序的集成电路,所述电路适于执行或用于执行所讨论的方法。
附图说明
从以下给出的描述,参考附图,本发明的其他特征和优点将显而易见,所述附图由此图示一种没有任何限制特征的示例性实施例。在图中:
-图1在其环境中,在一个特定实施例中表示根据本发明的无损控制系统;
-图2表示属于图1的无损控制系统的根据本发明的搜索装置的硬件结构;
-图3以流程图的形式表示如由图2的搜索装置实施的根据本发明的搜索方法的主要步骤;
-图4和5表示在根据本发明的搜索方法中可以使用的信号的傅里叶变换的示例。
具体实施方式
图1在其环境中,在一个特定实施例中表示根据本发明的无损控制系统1。
系统1被构造成实施旋转机械动力传输装置2的无损控制。在图1设想的示例中,旋转机械装置2是一种包括两个有齿的轮R1和R2的齿轮,所述有齿的轮具有能够传输功率的正齿,例如航空工业中通常使用并且装备飞机发动机的有齿的轮。
有齿的轮R1和R2是本发明的含义中的机械装置2的元件。有齿的轮R1具有整数N1个齿,有齿的轮R2具有整数N2个齿。假设N1和N2是已知的。同样假设当驱动齿轮2时,分离两个连续齿的啮合周期Te是已知的。
需要注意的是,本发明不限于这类齿轮甚至不限于齿轮,并且可应用于其他旋转机械动力传输装置,例如应用于滚珠轴承、异步热或电动机等。
以已知的方式,在被驱动时,这种旋转机械动力传输装置产生一种确定类型的时间信号s,并且它们的参数与旋转机械装置的运动学相关联。该信号s(t)在此为振动信号,该振动信号可以以高频信号s1和低频信号s2的乘积形式进行建模,即:
s(t)=s1(t)x s2(t) (Eq.1)
作为一种变型,可以设想除振动信号以外的信号,由于它们可以像信号s一样以两个信号s1和s2的乘积形式进行建模。因此,特别是,信号s(t)可以是声音信号(反映由该旋转机械装置产生的空气振动)或由定位在旋转轴中的一个上的传感器测量的瞬时速度信号。
高频信号s1是一种具有与啮合频率相同频率的周期信号。低频信号s2可在这里所设想的包括两个有齿的轮R1和R2的齿轮的示例中以如下形式书写:
s2(t)=1+sR1(t)+sR2(t) (Eq.2)
其中sR1(t)指代具有与有齿的轮R1的旋转频率相同频率的信号,sR2(t)指代具有与有齿的轮R2的旋转频率相同频率的信号。换句话说,信号s1(t)通过具有等于有齿的轮R1的旋转周期的周期的周期信号sR1(t)调幅,以及通过具有等于有齿的轮R2的旋转周期的周期的周期信号sR2(t)调幅。
因此,示意性地在该建模中,信号s1(t)表示由驱动齿轮产生的“平均”信号,信号sR1(t)表示由影响有齿的轮R1的缺陷(裂纹、瑕疵等)引起的信号s1(t)的干扰,并且信号sR2(t)表示由影响有齿的轮R2的缺陷(裂纹、瑕疵等)引起的信号s1(t)的干扰。信号sR1(t)和sR2(t)表征对本发明含义中的有齿的轮R1和R2的振动信号的贡献。
根据本发明,无损控制系统1根据当驱动齿轮2时由此产生的振动信号s(t)实施齿轮2的一无损控制。为此,其配备有一位于齿轮2附近以测量和获得信号s(t)的传感器3。传感器3例如是加速度计或扩音器。其在齿轮2附近定位以允许其采集由后者产生的振动信号对本领域技术人员来说并不困难(例如,其尽可能放置在靠近支撑齿轮的轮的轴中的一个的轴承处),并取决于所考虑的旋转机械装置以及它的使用环境。这里没有详细地描述。
由传感器3采集的振动信号s(t)被传输到无损控制系统1的装置4,所述装置4能够处理该信号并对其进行分析,以检测齿轮2上是否存在可能的缺陷。装置4是根据本发明用于搜索缺陷的装置。
在这里描述的实施例中,搜索装置4具有计算机的硬件架构,如图2所示。
它具体包括处理器5、随机存取存储器6、只读存储器7、非易失性闪存8以及通信设备9,所述通信设备9具体使搜索装置4可与传感器3通信,以获得由齿轮2产生并由传感器3采集的振动信号。这些通信设备包括例如数字数据总线,如果搜索装置4机载有与齿轮2(例如,飞机上机载)相同的设备,或者电信网络上的通信接口等。
搜索装置4的只读存储器7构成一根据本发明的记录介质,其可由处理器5读取,并且根据本发明其上记录有计算机程序PROG。
计算机程序PROG在此限定了功能和软件模块,其被构造成实施一种根据本发明的用于搜索影响齿轮2的可能的缺陷的方法。这些功能模块基于和/或控制如上所述的搜索装置4的硬件元件5-9。如图1所示,它们具体包括:
-获得模块4A,该获得模块4A被构造成获得由传感器3测量并由受驱动的齿轮2产生的振动信号s,该模块基于通信设备9;
-确定模块4B,该确定模块4B被构造成确定信号s1和s2的评估值,所述信号s1和s2的乘积使与振动信号s的差最小化;
-分析模块4C,该分析模块4C被构造成分析由确定模块4B确定的信号s1和s2的评估值,以检测影响该旋转机械动力传输装置的缺陷的存在;以及
-4D定位模块,该4D定位模块在分析模块4C检测到缺陷时被激活,其被构造成根据信号s1和s2的评估值的至少一个定位所述缺陷。
在此所描述的实施例中,搜索装置4还具有通知模块4E,该通知模块4E能够通知用户或远程设备在齿轮上存在缺陷,如果需要的话。该通知模块4E可以具体基于搜索装置4的通信设备9或其输入/输出设备,例如能够向安装在搜索装置4附近的用户发送缺陷检测的信号的屏幕或扩音器。
现在参照根据本发明的搜索方法的步骤更详细地描述这些不同模块的功能。
图3以流程图的形式在一种特定实施例中示出了根据本发明的搜索方法的主要步骤,其中由无损控制系统1的搜索装置4实施该搜索方法。
作为该方法的预备步骤,假设齿轮2以啮合周期Te驱动,并产生如上所述的振动信号s(t)。
该振动信号s(t)由传感器3在预定测量持续时间Tacq上采集,并提供给搜索装置4。振动信号s(t)在此为采样信号,其包括对应于采样周期Tech的多个采样时刻t1,…,tNech的多个Nech采样。
例如,选择Tacq为等于低频信号s2的周期的一倍。作为一种变型,可将Tacq选择为等于低频信号s2的几个周期,以允许对信号中存在的噪声进行滤波。
由模块4A获得振动信号s(t),用于经由具体配备搜索装置4的通信设备9获得搜索装置4(步骤E10)。获得模块4A将所获得的振动信号s(t)提供给确定模块4B进行处理。
如前所述,由齿轮2产生并由传感器3采集的振动信号s(t)很明显,因为其可被建模为高频信号s1和低频信号s2的乘积(参见以上的等式(Eq.1))。通过高频信号和低频信号,这里应该理解的是,高频信号s1是周期性的并且具有高于同样也是周期性的低频信号s2的频率。如等式(Eq.2)所示,低频信号s2还包括由于有齿的轮R1引起的贡献sR1以及由于有齿的轮R2引起的贡献sR2。由确定模块4B对振动信号s(t)的处理包括确定对信号s1和s2中的每个的评估值,以便能够分析它们从而检测是否存在影响齿轮的缺陷,如果需要的话。
为此,与现有技术中已知的处理不同,确定模块4B并不在齿轮的啮合频率周围实施次优带通滤波以提取低频信号s2。但是,通过使在振动信号s(t)与这些评估值的乘积之间的差最小化,即通过解决以下优化问题,确定模块4B确定信号s1和s2(分别标注为和)的评估值(步骤E20):
其中,信号s1和s2的评估值分别在周期Te和周期T2的该组周期函数集合上寻找。
发明人已经发现,在特别有利的实施例中,经由具有在振动信号s(t)上实施的一些简单预处理操作的矩阵处理,可以非常简单地解决该优化问题。
作为一种变型,确定模块4B可使用其他用于解决在等式(等式4)中提到的优化问题的技术,例如梯度下降、牛顿或高斯-牛顿方法、符号方法、扩展卡尔曼滤波器、随机梯度下降等。
在此所描述的实施例中,为了以简单方式确定信号s1和s2的评估值,确定模块4B首先实施信号s(t)的重新采样(步骤E21)。
为此,首先根据齿轮2的运动学参数,特别是根据齿轮N1的齿数N1,根据齿轮N2的齿数N2,以及根据齿轮2的啮合周期Te,确定模块4B确定振动信号s(t)的分析持续时间Tmax。
这里假设齿轮2的这些运动学参数已经例如由监督由无损控制系统1进行的无损控制的操作者预先传输到搜索装置4,并且例如存储在其非易失性存储器8中。
作为一种变型,可由搜索装置4通过经由搜索装置4的输入/输出装置询问用户来获得这些参数,或搜索装置4可预先用这些参数构造,特别是当其被机载并将在没有操作者干预的情况下以自主的方式操作时。
需要注意的是,齿数N1和N2取决于齿轮2,并且因此预先设定和已知。啮合周期Te就其本身而言取决于发动机转速:其可预先地设置并被施加到电机,或如上所述由操作者或用户提供,或甚至通过为此提供的补充模块进行评估。
在此将由确定模块4B确定的分析持续时间Tmax取为等于低频信号s2的周期T2的整数倍Nmax(Nmax是大于或等于1的整数),即Tmax=Nmax×T2。对于包括如图1所设想的两个有齿的轮R1和R2的齿轮,低频信号s2的周期T2等于:
T2=Ntot×Te
其中,Ntot是N1和N2的最小公倍数。
Nmax的选择当然取决于由传感器3对振动信号s(t)的采集持续时间Tacq以及取决于本发明的应用背景:事实上需要很好地理解的是,如果期望一种实时的应用,将优先地选择很小的数目Nmax。相反,选择的Nmax越大,影响信号的噪声越低。
然后,确定模块4B从已被发送到其上的振动信号s(t)提取持续时间等于分析持续时间Tmax的序列s’(步骤E21)。然后,其对因此以等于分析时间Tmax的一部分持续时间的规则间距所提取的序列重新采样(步骤E22),即:
ΔT=Tmax/n (等式3)
其中n指代预定数量的样本。使用标准插值技术进行该重新采样,例如线性插值技术或Whittaker-Shannon技术等。所获得的重新采样序列被标注为sr。
整数n的选择源于一种折衷:n越大,与重新采样相关联的信息损失受限制越多,但与重新采样相关联的计算复杂度就越高。但需要注意的是,将n选择大于T2/Tech(Tech指代信号s的采样周期)是无用的,因为不存在更多的信息增益。
需要注意的是,如果所考虑的重新采样间距是规则的,然而它不必随时间保持恒定:由等式(等式3)限定的间距确实有利地适应于轮的转速以及啮合速度(即,所进行的重新采样为“角”采样,由轮的角变量确定)。如果轮加速,则重新采样间距随恒定的采样数n而变化。
由于这种重新采样,并且考虑到振动信号s(t)的特性,需要确保的是,从振动信号s(t)中提取的持续时间Tmax的重新采样序列sr的频谱包括对应于高频信号s1的一系列谐波,每个谐波由对应于低频信号s2的频谱模式的狄拉克所环绕。需要注意的是,在没有重新采样的情况下,狄拉克由或多或少展开的“大写字母(capital)”所代替,其具有引入当处理振动信号时应该考虑的噪声的效果(例如,通过由狄拉克近似每个大写字母(capital))。
发明人具有在确定模块4B使用重新采样的序列sr作为振动信号s(t)的近似方案的明智想法,从而解决由等式(等式4)给出的优化问题,以及利用如上提出的该序列的频谱性质来简化优化问题的解析。
事实上,等式(Eq.4)可在谱域中以如下形式书写:
其中n指代在重新采样步骤E22中先前引入的样本数,Sr,分别指代信号Sr,的离散傅里叶变换,‖‖指代欧几里得范数,*指代卷积算符。如果E()指代整数部分的函数,在此使用离散傅里叶变换Sr,的矢量表示以及以下协定:谐波0为在矢量Sr中的位置E((n+1)/2),谐波1为在位置E((n+1)/2)+1,谐波-1为在位置E((n+1)/2)-1,等等。
然而,由于在步骤E21中进行的重新采样,所有信号都在谱域中都为狄拉克级数的形式,等式(Eq.5)中存在的卷积包括“在每次操作”的仅一项。因此,优化等式(Eq.5)的问题等同于由以下等式(Eq.6)限定的问题:
其中,M(S)指代一种矩阵,其分量对应于离散傅里叶变换Sr的狄拉克振幅,指代一种列向量,其分量对应于离散傅里叶变换的狄拉克振幅(换句话说,其为通过从向量删除与信号s1的谐波并不对应的输入所获得的列向量),指代一种列向量,其分量对应于离散傅里叶变换的狄拉克振幅(换句话说,其为通过从向量删除与信号s2的谐波并不对应的输入所获得的列向量),并且‖‖Fro指代本身已知并且此处不再回顾的矩阵Froebenius范数。由等式(Eq.6)限定的该问题的方案可以已知的方式由矩阵M(S)的第一奇异值获得,如下文中更详细描述的那样。
因此,在步骤E22中进行的重新采样之后,确定模块4B确定了重新采样的序列sr的离散傅里叶变换Sr(步骤23)。
图4示出了在无噪音的情况下所获得的傅里叶变换Sr的形状。在该图中区分了四个谐波H1、H2、H3和H4(对应于高频信号s1的谐波),每个谐波在任一侧上由一组狄拉克对称地环绕(图4中在每个谐波的每侧上存在三个狄拉克)。位于高频信号s1的每个谐波的任一侧上的狄拉克组对应于低频信号s2的频谱的谐波。
从该获得的狄拉克的“频谱”,确定模块4B构造一矩阵M(S)(步骤E24),其尺寸取决于被确定用于高频信号s1的谐波的整数nh1,以及被确定用于低频信号s2的谐波的整数nh2。在此处所描述的实施例中,矩阵M(S)具有(1+2nh1)行以及(1+2nh2)列,矩阵M(S)的分量对应于在离散傅里叶变换Sr中选择的狄拉克的振幅。
分别考虑用于信号s1和s2中每个的谐波nh1和nh2的数量取决于所考虑的旋转装置类型,更确切地说,取决于图1的示例中所考虑的齿轮的类型。如果一缺陷影响了所考虑的齿轮,则在信号s1和s2的离散傅里叶变换Sr中存在的谐波数可增加,并且有必要考虑足够大的数量nh1和nh2,以免在离散傅里叶变换Sr的处理过程中丢失信息。相反,由齿轮产生的振动信号的质量越高,离散傅里叶变换中的谐波就越少。可通过测试受不同缺陷影响的不同齿轮而试验性地确定数量nh1和nh2。
发明人已经试验发现,数量nh1大致等于10,包含在8到12之间的数量nh2对应于一用于覆盖许多齿轮的良好折衷,而不管组成这些齿轮的有齿的轮的齿数为多少。
从齿轮2的运动学参数可知离散傅里叶变换Sr中信号s1和s2的不同谐波的位置:它们定位在信号s1的谐波频率-nh1.f1,(-nh1+1).f1,…,f1,…,nh1.f1处,以及在每个这些频率周围定位在信号s2的谐波频率的-nh2.f2,(-nh2+1).f2,…,f2,…,nh2.f2处,信号s1和s2的频率f1和f2可根据以下表达式从齿数N1和N2以及啮合周期Te导出:
f1=1/Te
以及
f2=1/T2=f1/Ntot。
知晓这些位置后,确定模块4B通过将傅里叶变换Sr的狄拉克(谐波)的振幅值与矩阵的每个分量相关联来构造矩阵M(S),即,如果M(S)[i,j]指代位于第i行和第j列交叉处的矩阵分量,其中i为整数,例如i=1,2,…,2.nh1+1,j为整数,例如j=1,2,…,2.nh2+1:
M(S)[i,j]=Sr[N0+(N.(i-nh1-1)+Ntot(j-nh2-1)](Eq.7)
其中N0=E((n+1)/2)并且N为整数,验证:
考虑先前引入的标记。图5中图解了由确定模块4B实施以构造矩阵M(S)的操作。
为此目的可由确定模块4B使用几种近似方法,例如交替投影算法、交替变量算法或完全分解成奇异值。这些方法适用于实时操作。
在这里所描述的实施例中,为了实施矩阵M(S)的秩1近似,确定模块4B将矩阵M(S)分解成奇异值(步骤E25)。在该分解结束时,其获得三个矩阵U、D和V,使得:
M(S)=UDVH
H表示Hermitian算符,U和V表示单位矩阵,D表示包含矩阵M(S)的奇异值的对角矩阵。单位矩阵U和V分别包括被称为左奇异向量的奇异向量以及与对角矩阵D中所包含的奇异值对应的被称为右奇异向量的奇异向量。
根据这种分解(或“奇异值分解”的简写SVD),所述奇异值在矩阵D中按降序排列。确定模块4B然后从矩阵D提取矩阵M(S)的第一奇异值d(对应于该矩阵的最大奇异值),并从矩阵U和V提取矩阵M(S)的第一左奇异向量u,以及与第一奇异值d对应的矩阵M(S)的第一左奇异向量v(步骤E26)。
然后其从奇异值d和向量u和v中获得表示两个频谱并分别对应于信号s1和s2的频谱评估值的两个向量:
以及
。这两个向量实际上包含信号s1和s2的被评估的谐波。
对于i=-nh1,…,nh1
对于i=-nh2,…,nh2
其中,u[i]指代向量u的第i个分量,相应地v[i]指代向量v的第i个分量。换句话说,频谱包括2.nh1+1次谐波,由向量u的分量将所述谐波的振幅赋予奇异值d,并且频谱包括2.nh2+1次谐波,由矢量v的分量给出所述谐波的振幅。
对于i=-nh1,…,nh1
对于i=-nh2,…,nh2
然后,分析模块4C将标准分析技术应用于已经由确定模块4B向其传输的信号s1和s2的评估值,以检测是否存在影响齿轮2的缺陷(步骤E30)。
它可以预先对信号s2的评估值滤波,以识别有齿的轮R1和R2中每个的贡献(即先前引入的信号sR1和sR2的评估值),然后将上述标准分析技术应用于因此识别的每个贡献。这些技术可直接地应用于所述评估值的频谱形式,或应用于它们的时间形式。
例如,在分析步骤E30中,分析模块4C可以根据所识别的贡献评估标准故障指示,例如谐波的峰度、峰-峰振幅或相对振幅,并将这些指示与一预定的阈值进行比较(测试步骤E40)。这些故障指示中的一个超过该阈值表明存在影响齿轮的缺陷。
另外,如果在与有齿的轮R1相关联的贡献上检测到该超过,则缺陷位于有齿的轮R1上(本发明含义中的定位步骤E50)。相反,如果在与有齿的轮R2相关联的贡献上检测到该超过,则缺陷位于有齿的轮R2上(本发明含义中的定位步骤E50)。该定位允许对齿轮进行有目的性和高效的维护。
在这里所描述的特定实施例中,如果需要的话,由搜索装置经由其通知模块4E将所检测的缺陷及其位置通知到负责维护齿轮2的操作者。例如,可通过向操作者或维护系统发送通知消息,通过在搜索装置4的屏幕上显示消息等来完成该通知。
因此,本发明提出了一种非常有效的方法,该方法用于处理从齿轮,以及更通常地从旋转机械动力传输装置推导的振动信号,处理从其安装的环境(例如飞机发动机)推导的寄生信号,而无需借助于基于多个传感器的复杂源分离方法(尽可能多的源分离),以及无需损失源于实施带通滤波的信息。该旋转装置的不同元件对振动信号的贡献(即图1的示例中所考虑的齿轮的两个轮的贡献)可以独立地研究,这使得可以在需要时识别缺陷元件。
需要注意的是,尽管已经参考由齿轮产生的振动信号描述了本发明,但本发明可以与其他类型的信号相同的方式应用于例如声音或瞬时速度信号。
Claims (8)
1.一种用于搜索可能影响旋转机械动力传输装置(2)的缺陷的方法,所述机械装置是包括两个有齿的轮的飞机齿轮,该方法包括:
-获得信号s的步骤(E10),所述信号s可通过高频信号s1和低频信号s2的乘积建模,由所述旋转机械动力传输装置产生,并由一传感器采集;
-确定所述信号s1和s2的评估值的步骤(E20),所述步骤将信号s的全部或部分与这些评估值的乘积之间的差最小化,所述确定步骤包括:
o对从持续时间等于一分析持续时间的信号s推导的序列进行重新采样的步骤(E22),所述分析持续时间是所述低频信号s2的周期的整数倍,以等于所述分析持续时间的一部分的规则间距对从信号s推导的所述序列进行重新采样;
o获得被重新采样的该序列的离散傅里叶变换的步骤(E23),所述离散傅里叶变换包括多个谐波;
o根据所获得的离散傅里叶变换构造一矩阵M(S)的步骤(E24),该矩阵的尺寸取决于被确定用于所述信号s1的谐波数以及被确定用于所述信号s2的谐波数,该矩阵的每个分量均包括所获得的离散傅里叶变换的谐波的振幅;
o实施所述矩阵M(S)的秩1近似并获得所述信号s1和s2的评估值的离散傅立叶变换的步骤(E25);
-分析所述信号s1和s2的评估值,以检测是否存在影响所述旋转机械动力传输装置的缺陷的步骤(E30);
-如果在分析步骤(E40)结束时检测到缺陷,则根据所述信号s1和s2的至少一个评估值定位所述缺陷的步骤(E50)。
2.根据权利要求1所述的搜索方法,包括:
-获得所述旋转机械动力传输装置的运动学参数的步骤;
-根据所述运动学参数确定所述信号s的所述分析持续时间的步骤,所述分析持续时间为所述低频信号s2周期的整数倍。
3.根据权利要求1或2所述的搜索方法,其中:
-实施所述矩阵M(S)的秩1近似的步骤将所述矩阵M(S)分解成奇异值,所述分解提供所述矩阵M(S)的第一左奇异向量,所述矩阵M(S)的第一右奇异向量以及所述矩阵M(S)的第一奇异值;以及
-从所述矩阵M(S)的第一左奇异向量获得所述信号s1的评估值的离散傅里叶变换,从所述矩阵M(S)的第一右向量获得所述信号s2的评估值的离散傅里叶变换,所述第一左或右奇异向量中的之一或两者被加权,所施加权重的乘积等于所述矩阵M(S)的第一奇异值。
4.根据权利要求3所述的搜索方法,其中,确定所述信号s1和s2的评估值的步骤还包括在该时域中变换由所述信号s1和s2的评估值获得的离散傅里叶变换的步骤。
5.根据权利要求1至4中任一项所述的搜索方法,包括对所述信号s2滤波的至少一个步骤,使得可识别对该机械装置的不同元件的振动信号的贡献,在分析步骤结束时定位所检测到的缺陷的步骤过程中使用所述被识别的贡献。
6.根据权利要求1至5中任一项所述的搜索方法,其中,根据所述信号s1和s2的评估值的离散傅里叶变换实施分析所述信号s1和s2的评估值的步骤。
7.一种用于搜索可能影响旋转机械动力传输装置的缺陷的装置(4),所述机械装置是一飞机齿轮,该飞机齿轮包括两个有齿的轮,所述搜索装置包括:
-获得模块(4A),该获得模块设置为获得信号s,所述信号s可由高频信号s1和低频信号s2的乘积建模,由所述旋转机械动力传输装置产生,并由一捕获器采集;
-确定模块(4B),该确定模块被构造成通过使所述信号s的全部或部分与这些评估值的乘积之间的差最小化来确定所述信号s1和s2的评估值,所述确定模块被构造成:
o对从持续时间等于一分析持续时间的所述信号s推导的序列进行重新采样,所述分析持续时间是所述低频信号s2的周期的整数倍,以等于所述分析持续时间的一部分的规则间距对从所述信号s推导的所述序列进行重新采样;
o获得被重新采样的序列的离散傅里叶变换,所述离散傅里叶变换包括多个谐波;
o根据所获得的离散傅里叶变换构造一矩阵M(S),该矩阵的尺寸取决于被确定用于所述信号s1的谐波数以及被确定用于所述信号s2的谐波数,该矩阵的每个分量均包括所获得的离散傅里叶变换的谐波的振幅;
o实施所述矩阵M(S)的秩1近似,并获得所述信号s1和s2的评估值的离散傅立叶变换;
-分析模块(4C),该分析模块被构造成分析所述信号s1和s2的评估值,以检测影响所述旋转机械动力传输装置的缺陷的存在;以及
-定位模块(4D),如果由所述分析模块检测到一缺陷,则该定位模块被激活,该定位模块被构造成根据所述信号s1和s2的至少一个评估值定位所述缺陷。
8.一种用于旋转机械动力传输装置(2)的无损控制系统(1),所述机械装置是一飞机齿轮,所述飞机齿轮包括两个有齿的轮,所述控制系统包括:
-传感器(3),该传感器设置为采集信号s,所述信号s可由高频信号s1和低频信号s2的乘积建模,并由所述旋转机械动力传输装置产生;
-根据权利要求7所述的用于搜索可能影响旋转机械动力传输装置的缺陷并设置为获得和使用由传感器采集的信号s的装置(4)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1757165 | 2017-07-27 | ||
FR1757165A FR3069668B1 (fr) | 2017-07-27 | 2017-07-27 | Procede et dispositif de recherche d'un defaut susceptible d'affecter un dispositif mecanique tournant de transmission de puissance |
PCT/FR2018/051886 WO2019020922A1 (fr) | 2017-07-27 | 2018-07-23 | Procede et dispositif de recherche d'un defaut susceptible d'affecter un dispositif mecanique tournant de transmission de puissance |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111183345A true CN111183345A (zh) | 2020-05-19 |
CN111183345B CN111183345B (zh) | 2022-04-19 |
Family
ID=60182709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880058292.0A Active CN111183345B (zh) | 2017-07-27 | 2018-07-23 | 用于搜索能够影响旋转机械动力传输装置的缺陷的方法和装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200232880A1 (zh) |
EP (1) | EP3658881B1 (zh) |
CN (1) | CN111183345B (zh) |
FR (1) | FR3069668B1 (zh) |
WO (1) | WO2019020922A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110977614B (zh) * | 2019-12-18 | 2020-08-04 | 常州机电职业技术学院 | 一种数控机床健康诊断方法 |
FR3106885B1 (fr) * | 2020-02-03 | 2021-12-24 | Safran | Procede d’aide à la navigation d’un porteur mobile |
GB202013058D0 (en) | 2020-08-21 | 2020-10-07 | Oxford Genetics Ltd | Process for making a recombinant AAV library |
WO2022038367A1 (en) | 2020-08-21 | 2022-02-24 | Oxford Genetics Limited | Process for making a recombinant aav library |
GB202013057D0 (en) | 2020-08-21 | 2020-10-07 | Oxford Genetics Ltd | Method of making recombinant aavs |
FR3141522A1 (fr) * | 2022-10-26 | 2024-05-03 | Safran | Dispositif de surveillance de l’état d’endommagement d’une transmission de puissance |
CN117474891B (zh) * | 2023-11-10 | 2024-06-14 | 艾普零件制造(苏州)股份有限公司 | 一种齿轮热处理缺陷检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6507789B1 (en) * | 2000-07-18 | 2003-01-14 | General Electric Company | Gear transmission condition monitoring method and apparatus |
US20060150738A1 (en) * | 2004-12-16 | 2006-07-13 | Nigel Leigh | Vibration analysis |
CN102243140A (zh) * | 2011-04-18 | 2011-11-16 | 杨彦利 | 一种基于子带信号分析的机械设备状态监测方法 |
US20150088435A1 (en) * | 2013-09-24 | 2015-03-26 | Sikorsky Aircraft Corporation | Gear fault detection |
CN105651376A (zh) * | 2014-11-10 | 2016-06-08 | 上海宝钢工业技术服务有限公司 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
CN105917207A (zh) * | 2014-01-10 | 2016-08-31 | 韦伯斯姆公司 | 提供包括转动机械部件的机械结构的状态评估的方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2803036B1 (fr) * | 1999-12-23 | 2002-10-11 | Snecma | Detection de l'endommagement de pieces d'un moteur |
US7945397B2 (en) * | 2009-04-02 | 2011-05-17 | Honeywell International Inc. | System and method for gearbox health monitoring |
US9772219B2 (en) * | 2012-09-11 | 2017-09-26 | S.P.M. Instrument Ab | Apparatus for monitoring the condition of a machine |
JP7454160B2 (ja) * | 2016-05-09 | 2024-03-22 | ストロング フォース アイオーティ ポートフォリオ 2016,エルエルシー | 産業用のモノのインターネットのための方法およびシステム |
-
2017
- 2017-07-27 FR FR1757165A patent/FR3069668B1/fr not_active Expired - Fee Related
-
2018
- 2018-07-23 US US16/634,028 patent/US20200232880A1/en active Pending
- 2018-07-23 CN CN201880058292.0A patent/CN111183345B/zh active Active
- 2018-07-23 EP EP18773524.6A patent/EP3658881B1/fr active Active
- 2018-07-23 WO PCT/FR2018/051886 patent/WO2019020922A1/fr active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6507789B1 (en) * | 2000-07-18 | 2003-01-14 | General Electric Company | Gear transmission condition monitoring method and apparatus |
US20060150738A1 (en) * | 2004-12-16 | 2006-07-13 | Nigel Leigh | Vibration analysis |
CN102243140A (zh) * | 2011-04-18 | 2011-11-16 | 杨彦利 | 一种基于子带信号分析的机械设备状态监测方法 |
US20150088435A1 (en) * | 2013-09-24 | 2015-03-26 | Sikorsky Aircraft Corporation | Gear fault detection |
CN105917207A (zh) * | 2014-01-10 | 2016-08-31 | 韦伯斯姆公司 | 提供包括转动机械部件的机械结构的状态评估的方法及装置 |
CN105651376A (zh) * | 2014-11-10 | 2016-06-08 | 上海宝钢工业技术服务有限公司 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
Also Published As
Publication number | Publication date |
---|---|
FR3069668A1 (fr) | 2019-02-01 |
FR3069668B1 (fr) | 2021-02-12 |
EP3658881A1 (fr) | 2020-06-03 |
US20200232880A1 (en) | 2020-07-23 |
EP3658881B1 (fr) | 2021-07-07 |
WO2019020922A1 (fr) | 2019-01-31 |
CN111183345B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111183345B (zh) | 用于搜索能够影响旋转机械动力传输装置的缺陷的方法和装置 | |
CN110567574B (zh) | 一种旋转叶片叶端定时振动参数辨识方法与系统 | |
CN107505135B (zh) | 一种滚动轴承复合故障提取方法及系统 | |
McDonald et al. | Maximum correlated Kurtosis deconvolution and application on gear tooth chip fault detection | |
US7430483B2 (en) | Method and apparatus for diagnosing a mechanism | |
EP3049788B1 (en) | Gear fault detection | |
EP2085902B1 (en) | Order tracking method and system | |
US20100280772A1 (en) | Method for detection and automatic identification of damage to rolling bearings | |
KR20200075148A (ko) | 문제소음 발음원 식별을 위한 소음데이터의 인공지능 장치 및 전처리 방법 | |
Klausen et al. | Cross-correlation of whitened vibration signals for low-speed bearing diagnostics | |
EP2345894B1 (en) | Trending of vibration data taking into account torque effect | |
CN105352726B (zh) | 一种齿轮的故障诊断方法 | |
IL184970A (en) | Method and system for diagnosing an aircraft from measurements performed on the aircraft | |
Pawlik | The use of the acoustic signal to diagnose machines operated under variable load | |
Matania et al. | Algorithms for spectrum background estimation of non-stationary signals | |
FR3102858A1 (fr) | Procédé, dispositif et programme d’ordinateur de surveillance d’une machine tournante d’un aéronef | |
CN110219816A (zh) | 用于风机故障诊断的方法和系统 | |
Nacib et al. | A comparative study of various methods of gear faults diagnosis | |
CN114486252B (zh) | 一种矢量模极大值包络的滚动轴承故障诊断方法 | |
KR101752298B1 (ko) | 회전익 진동 기반 건전성 감시 장치 및 이를 이용하는 감시 방법 | |
EP1686443A1 (en) | Methods, systems, and computer program products for implementing condition monitoring activities | |
Shome et al. | FPGA based signal prefiltering system for vibration analysis of induction motor failure detection | |
EP3104152B1 (en) | Method and controller for determining an undesired condition in an electrical drive system | |
Hang et al. | A novel unbalanced signal extraction method based on quadratic SSA-VMD for micro-motor rotor | |
Daniel et al. | A Novel Hybrid Acquisition System for Industrial Condition Monitoring and Predictive Maintenance |
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 |