CN111504859A - 一种润滑油磨粒在线监测与评估的系统及方法 - Google Patents
一种润滑油磨粒在线监测与评估的系统及方法 Download PDFInfo
- Publication number
- CN111504859A CN111504859A CN202010352461.0A CN202010352461A CN111504859A CN 111504859 A CN111504859 A CN 111504859A CN 202010352461 A CN202010352461 A CN 202010352461A CN 111504859 A CN111504859 A CN 111504859A
- Authority
- CN
- China
- Prior art keywords
- abrasive particles
- signal
- evaluation
- value
- health state
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 131
- 238000011156 evaluation Methods 0.000 title claims abstract description 70
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000010687 lubricating oil Substances 0.000 title claims abstract description 20
- 230000036541 health Effects 0.000 claims abstract description 101
- 230000005284 excitation Effects 0.000 claims abstract description 69
- 230000006698 induction Effects 0.000 claims abstract description 53
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000012360 testing method Methods 0.000 claims description 117
- 239000003921 oil Substances 0.000 claims description 35
- 239000002184 metal Substances 0.000 claims description 34
- 239000006061 abrasive grain Substances 0.000 claims description 24
- 230000005294 ferromagnetic effect Effects 0.000 claims description 22
- 238000013139 quantization Methods 0.000 claims description 21
- 230000015572 biosynthetic process Effects 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 20
- 238000003786 synthesis reaction Methods 0.000 claims description 20
- 230000003862 health status Effects 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000005315 distribution function Methods 0.000 claims description 13
- 230000001939 inductive effect Effects 0.000 claims description 13
- 239000007788 liquid Substances 0.000 claims description 10
- 239000000314 lubricant Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 230000001965 increasing effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 8
- 230000003321 amplification Effects 0.000 description 7
- 238000003199 nucleic acid amplification method Methods 0.000 description 7
- 230000003750 conditioning effect Effects 0.000 description 6
- 238000002955 isolation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/1031—Investigating individual particles by measuring electrical or magnetic effects thereof, e.g. conductivity or capacity
-
- G01N2015/1024—
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明涉及一种润滑油磨粒在线监测与评估的系统及方法,该系统包括:信号获取装置,用于提供激励源以产生激励信号,利用传感器对油液采集得到感应信号并进行处理得到数字信号;分析评估装置,用于根据所述数字信号进行计算和分析得到磨粒信息,基于磨粒信息计算健康等级隶属度,并对设备的健康状态进行评估得到评估结果;显示装置,用于对磨粒信息和所述评估结果进行显示。本发明通过在线系统实时对润滑油中各项磨粒进行监测,根据监测的单位时间磨粒数量、大小计算健康状态等级隶属度,得到分析结果与评估结果,确定设备健康状态等级,用于装甲车等车辆的润滑油在线监测预评估,实时对具有灵敏度高、线性度好、抗干扰能力高的且结构简单的特点。
Description
技术领域
本发明涉及设备状态监测领域,尤其涉及一种润滑油磨粒在线监测与评估的系统及方法。
背景技术
设备磨损失效是最常见的失效形式,机械设备70%以上的故障与磨损有关,通过对油液的监测和分析所获得的参数能很好地判断设备的润滑磨损状态。目前在工业发达的国家中,油液分析技术正在或已经成为机械设备状态监测及故障诊断的不可缺少的方法之一,在发动机、齿轮传动、轴承系统、液压系统等方面取得了显著的效益。
油液分析技术分为离线式和在线式。离线式监测系统主要集中在光谱分析、铁谱分析、颗粒计数、油品理化分析等方面。在线式监测系统采用的分析原理主要有电磁法、X射线能谱、静电法和光电法等。其中,离线式监测系统具有很高的监测精度,但是实验室分析费时较长(需要采集、传送、处理样品和等待分析结果)和检测成本高,可能出现实验室分析结果未完成而系统里的油液质量已经变差导致系统损坏的情况。因此离线式监测系统存在工作量大、不能实时反应油液的特征、会造成迟判误判以及检测仪器成本高的缺点。
在线式监测系统很好克服了离线式监测系统成本高、操作复杂、实时性较差等问题,成为新一代油液监测技术发展的主要方向。但油液在线监测具有很多干扰因素,要想及时发现问题就必须具备很高的测量精度。但是目前的在线式监测系统普遍存在监测系统易受工作环境恶劣的影响、监测系统监测精度低、输入阻抗小、抗干扰能力弱、评估手段匮乏的问题。
上述缺陷是本领域技术人员期望克服的。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题,本发明提供一种润滑油磨粒在线监测装置及健康状态评估方法,进而至少在一定程度上克服现有技术中油液在线监测干扰因素多,测量精度低的问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
本发明的一实施例提供一种润滑油磨粒在线监测与评估的系统,包括:
信号获取装置,用于提供激励源以产生激励信号,利用传感器对油液采集得到感应信号并进行处理得到数字信号;
分析评估装置,用于根据所述数字信号进行计算和分析得到磨粒信息,基于磨粒信息计算健康等级隶属度,并对设备的健康状态进行评估得到评估结果;
显示装置,用于对所述磨粒信息和所述评估结果进行显示。
在本发明一实施例中,所述信号获取装置包括:
激励源电路,用于产生正弦激励信号;
电感式传感器,与所述激励源电路连接,用于在所述正弦激励信号控制下对油液磨粒通过传感器线圈时产生感应信号;
信号处理电路,用于接收所述感应信号并对感应信号进行滤波和解调处理,得到处理后的信号;
模数转换电路,用于对所述处理后的信号进行模数转换得到数字信号。
在本发明一实施例中,所述激励源电路包括:信号发生电路、电压跟随电路、同相比例放大电路和推挽式甲乙类功放电路;
所述信号发生电路用于产生频率为1kHz,相位为0的正弦波;
电压跟随电路,用于对所述正弦波增大信号的幅度;
同相比例放大电路,用于对所述正弦波信号进行放大;
推挽式甲乙类功放电路,与所述同比例放大电路形成环路负反馈,用于产生两路正弦激励信号,其中所述两路正弦激励信号为等大反向的信号。
在本发明一实施例中,所述电感式传感器为三螺线管型的电感式传感器,包括:
由惰性材料制成的骨架,用于作为油液流通的管路;以及
绕制在所述骨架上的线圈,所述线圈包括两个激励线圈和一个感应线圈,感应线圈位于中间,且感应线圈的中点与两个激励线圈的轴向中点重合;
其中所述推挽式甲乙类功放电路与两个激励线圈连接,分别向两个激励线圈一对一地提供两路正弦激励信号。
在本发明一实施例中,所述磨粒信息包括磨粒的尺寸、属性和单位时间数量,所述分析评估装置包括:
分析模块,用于根据所述数字信号判断油液中是否有金属磨粒,并在油液中含有金属磨粒时进行分析得到磨粒信息,所述磨粒信息为金属磨粒的尺寸、属性、单位时间数量;
监测模块,用于对设备按照预设周期进行一次磨粒测试得到磨粒信息;
评估模块,用于根据所述磨粒信息进行证据合成得到评估结果,所述评估结果为设备的健康状态等级。
本发明的另一实施例还提供一种润滑油磨粒在线监测与评估的方法,包括:
提供激励源以产生激励信号;
利用传感器对油液采集得到感应信号并进行处理得到数字信号;
根据所述数字信号进行计算和分析得到磨粒信息;
基于磨粒信息计算健康等级隶属度,并对设备的健康状态进行评估得到评估结果;
对所述磨粒信息和所述评估结果进行显示。
在本发明一实施例中,所述磨粒信息为金属磨粒的尺寸、属性、单位时间数量,所述根据所述数字信号进行计算和分析得到磨粒信息包括:
根据所述数字信号判断油液中是否有金属磨粒,当有金属磨粒时,根据检测的感应线圈的感应电势的相位判断所述金属磨粒的属性为铁磁性还是非铁磁性;
在本发明一实施例中,所述基于磨粒单位时间数量计算健康等级隶属度,并对设备的健康状态进行评估得到评估结果包括:
对设备按照预设周期进行一次磨粒测试,且测试时设备非故障,得到磨粒的测试值;
根据磨粒的本次测试值与上次非故障测试值、历史非故障测试平均值以及标准值分别进行偏差与归一化计算,并根据得到的三个归一化量值计算得到健康状态指数;
建立时间修正函数对健康状态指数进行时间修正,将修正后的健康状态指数带入到健康状态等级隶属度分布函数中得到健康状态等级隶属度;
根据所述健康等级隶属度结合置信度进行基本可信度分配,得到基本可信度分布函数;
根据所述基本可信度分布函数利用D-S证据合成规则确定设备的健康状态等级。
在本发明一实施例中,所述根据磨粒的本次测试值与上次非故障测试值、历史非故障测试平均值以及标准值分别进行偏差与归一化计算包括:
根据磨粒数量的本次测试值与历史非故障测试平均值计算本次测试值与历史非故障测试平均值的第一偏差δL;
根据本次测试值与历史非故障测试平均值选取半梯形归一化量化函数;
根据所述半梯形归一化量化函数计算本次测量值与历史非故障测试平均值的偏差的第一归一化量值λL;
根据磨粒数量的本次测试值与上次非故障测试值计算本次测试值与上次非故障测试值的第二偏差δS;
根据本次测试值与上次非故障测试值选取半梯形归一化量化函数;
根据所述半梯形归一化量化函数计算本次测量值与上次非故障测试值的偏差的第二归一化量值λS;
根据磨粒数量的本次测试值与标准值计算本次测试值与标准值的第三偏差δB;
根据本次测试值与标准值选取半梯形归一化量化函数;
根据所述半梯形归一化量化函数计算本次测量值与标准值的偏差的第三归一化量值λB。
在本发明一实施例中,所述根据得到的三个归一化量值计算得到健康状态指数包括:
若λL、λS、λB均等于1,说明设备健康状态为“健康”,不存在健康隐患,健康状态指数为1;
若λL、λS、λB三个归一化量值均在0.7到1之间,说明健康状态可以接受,健康状态指数为三者的算术平均值;
若λL、λS、λB中至少一个小于0.7且大于0,说明可能存在健康隐患,健康状态指数取三者中最小值;
若λL、λS、λB中至少一个为0,说明处于“疾病”状态,健康状态指数为0。
(三)有益效果
本发明的有益效果是:本发明实施例提供的一种润滑油磨粒在线监测与评估的系统及方法,通过在线系统实时对润滑油中各项磨粒参数进行监测,再根据监测的磨粒信息计算健康状态等级隶属度,构建设备健康状态综合评价体系得到磨粒信息与评估结果,确定设备健康状态等级,用于装甲车等车辆的润滑油在线监测预评估,实时对具有灵敏度高、线性度好、抗干扰能力高的且结构简单的特点。
附图说明
图1为本发明一个实施例提供的一种润滑油磨粒在线监测与评估的系统的组成示意图;
图2为本发明一个实施例图1中的润滑油磨粒在线监测与评估的系统的一种结构框图;
图3为本发明一实施例中电感式传感器的结构示意图;
图4为本发明一实施例中传感器结构的原理图;
图5为本发明一实施例图1中分析评估装置的示意图;
图6为本发明另一实施例提供的一种润滑油磨粒在线监测与评估的方法的步骤流程图;
图7为本发明另一实施例中步骤S640的步骤流程图;
图8为本发明另一实施例中进行设备健康状态等级评估的流程示意图;
图9为本发明另一实施例中选取的半梯形归一化量化函数的示意图;
图10为本发明另一实施例中时间修正函数的示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明提供一种用于装甲车辆的润滑油磨粒在线监测与评估的系统及方法,具有灵敏度高、线性度良好、抗干扰能力强且结构简单的特点。通过对润滑油中各项磨粒进行监测,再根据监测的磨粒信息计算健康状态等级隶属度,构建设备健康状态综合评价体系,分析得到磨粒行箱,确定健康状态等级。
图1为本发明一个实施例提供的一种润滑油磨粒在线监测与评估的系统的组成示意图,如图1所示,该系统100包括:信号获取装置110、分析评估装置120和显示装置130。
信号获取装置110用于提供激励源以产生激励信号,利用传感器对油液采集得到感应信号并进行处理得到数字信号;分析评估装置120用于根据所述数字信号进行计算和分析得到磨粒信息,基于磨粒信息计算健康等级隶属度,并对设备的健康状态进行评估得到评估结果;显示装置130用于对所述磨粒信息和所述评估结果进行显示。
其中信号获取装置110可以进一步包括激励源电路、电感式传感器、信号处理电路和模数转换电路,后续将具体介绍。
图2为本发明一个实施例图1中的润滑油磨粒在线监测与评估的系统的一种结构框图,如图2所示,包括:激励源电路210、电感式传感器220、信号处理电路230、模数转换电路240、微处理器250和通信电路260。其中激励源电路210用于产生正弦激励信号,而且是产生两路完全相同的激励信号提供给传感器的两个激励线圈;电感式传感器220与所述激励源电路210连接,用于在所述正弦激励信号控制下对油液磨粒通过传感器线圈时产生感应信号;信号处理电路230用于接收所述感应信号并对感应信号进行滤波和解调处理,得到处理后的信号;模数转换电路240用于对所述处理后的信号进行模数转换得到数字信号。数字信号进入微处理器250进行处理,微处理器250将处理后的数据结果通过通信电路260发送给上位机。其中上位机中可以包括显示装置,对磨粒信息和评估结果进行显示。
在本发明一实施例中,所述激励源电路210进一步包括:信号发生电路、电压跟随电路、同相比例放大电路和推挽式甲乙类功放电路,其中所述信号发生电路可以为直接数字频率合成(Direct Digital Synthesis,简称DDS)信号发生器用于产生频率为1kHz,相位为0的正弦波;电压跟随电路用于对所述正弦波增大信号的幅度;同相比例放大电路用于对所述正弦波扩大信号的驱动能力;推挽式甲乙类功放电路,与所述同比例放大电路形成环路负反馈,用于产生两路正弦激励信号。
上述DDS信号发生电路选用ADI芯片AD9833,AD9833是一款低功耗、可编程波形发生器,能够产生正弦波、三角波和方波输出。使用微控制器编程对AD9833进行配置,使其输出频率为1kHz,相位为0的正弦波;然后使用运放NE5532对正弦波进行电压跟随和同相比例放大,目的是加大信号的幅度和信号的驱动能力,将放大信号通过推挽式甲乙类功放,并和前端比例放大电路形成大环路负反馈,对放大器的频率特性、失真率和输出阻抗进行改善,使信号进一步放大并加大功率,使其可以激励后级传感器的激励线圈,该功放在8Ω的负载下可以达到5W以上的输出功率,且波形无明显失真,满足驱动激励线圈的要求。
在本发明一实施例中,所述电感式传感器220为三螺线管型的电感式传感器,包括:由惰性材料制成的骨架,用于作为油液流通的管路;以及绕制在所述骨架上的线圈,所述线圈包括两个激励线圈和一个感应线圈,感应线圈位于中间,且感应线圈的中点与两个激励线圈的轴向中点重合。另外,所述推挽式甲乙类功放电路与两个激励线圈连接,分别向两个激励线圈一对一地提供两路正弦激励信号。
图3为本发明一实施例中电感式传感器的结构示意图,如图3所示,两个激励线圈分别标记为激励线圈01和激励线圈02,在骨架上绕制激励线圈和感应线圈03,在两侧绕制两个完全相同的激励线圈。其中激励线圈01和激励线圈02与激励源相连,感应线圈03与处理单元连接,处理单元可以对感应线圈03产生的信号进行调理、模数转换等处理。
图4为本发明一实施例中传感器结构的原理图,如图4所示,在螺线管的两端绕制激励线圈01和02,在螺线管的中间绕制感应线圈03,两侧感应线圈01和02的中点与两个激励线圈的轴向中点重合。以螺线管端部中心轴线一点为坐标轴原点,螺线管轴线方向为x轴,径向为y轴。假设m为激励线圈的长度,n为激励线圈远离感应线圈的一端到感应线圈中心处的长度,如图4所示。当油液中没有金属磨粒通过传感器线圈时,由于两个激励线圈中的激励信号为等大反向的,因此在感应线圈中理论上是没有感应信号产生的;当油液中有金属磨粒通过传感器线圈时,平衡状态被打破,由于相对电感发生变化,金属磨粒从传感器的一端到另一端的过程中会产生一个类似AM调制波的感应信号,其中感应信号的大小与金属磨粒的尺寸和材质有关。
在本发明一实施例中,信号处理电路230包括前级运算放大电路、AM波解调电路、低通滤波电路、高通滤波电路以及后级运算放大电路。其中前级放大电路可以选用AD620芯片进行比例放大,该芯片是一款低成本、高精度仪表放大器,仅需要一个外部电阻就可以设置增益,简化了运放比例放大电路;AM波解调电路用于对AM波的解调,可以选用AD835乘法器;将感应信号和激励信号相乘后通过低通滤波后得到解调信号,低通滤波器可以选用的是二阶巴特沃斯滤波器;高通滤波器可以选用无源二阶RC滤波;后级运算放大电路可以选用AD620芯片再次对信号进行比例放大。
在本发明一实施例中,模数转换电路240可以选用CS1237,该芯片为单电源供电,高精度低功耗,真双极性差分模拟输入,微控制单元(Microcontroller Unit,简称MCU))可以通过2线的串行外设接口(Serial Peripheral Interface,简称SPI接口)SCLK、DOUT与CS1237进行通信,对其进行配置,如通道选择、PGA选择、输出速率选择。
在本发明一实施例中,微处理器250可以选用LPC1768微控制器,LPC1768是NXP公司推出的基于ARM Cortex-M3内核的微控制器LPC17XX系列中的一员。LPC17XX系列Cortex-M3微处理器用于处理要求高度集成和低功耗的嵌入式应用。
在本发明一实施例中,通信电路260的通信方式可以选用RS485串口通讯,电路采用RSM485光电隔离芯片。RSM485系列隔离收发器模块,是集成电源隔离、电气隔离、RS-485接口芯片和总线保护器件于一身,方便嵌入用户设备,使产品具有连接RS-485网络的功能。该系列模块采用灌封工艺,具有很好的隔离特性,隔离电压高达2500VDC。
在本发明一实施例中,所述磨粒信息包括磨粒的尺寸、属性和单位时间数量。图5为本发明一实施例图1中分析评估装置的示意图,如图5所示,分析评估装置120包括:分析模块121、监测模块122和评估模块123。其中分析模块121用于根据所述数字信号判断油液中是否有金属磨粒,并在油液中含有金属磨粒时进行分析得到磨粒信息,所述磨粒信息为金属磨粒的尺寸、属性;监测模块122用于对设备按照预设周期进行一次磨粒测试得到磨粒单位时间数量;评估模块123用于根据所述磨粒单位时间数量进行证据合成得到评估结果,所述评估结果为设备的健康状态等级。
其中以装甲车的润滑油磨粒监测为例,将铁磁100μm、铁磁200μm、铁磁300μm、非铁磁400μm、非铁磁500μm磨粒的单位时间数量作为5个关键参数对设备的健康状态等级进行评估。
综上所述,本发明提供的润滑油磨粒在线监测与评估的系统,包括激励源电路、传感器、信号调理电路、模数转换电路、微处理器和通信电路。激励源电路产生两路完全相同的激励信号通过传感器的两个激励线圈,传感器的感应线圈的信号连接到信号调理电路对信号进行放大滤波和解调,之后通过模数转换电路对信号进行模数转换,将模拟信号转换成数字量进入微处理器进行处理,微处理器将处理后的数据结果通过通信电路发送给上位机。该系统结构合理,对传感器输出的微弱信号的监测灵敏度高,线性度好,抗干扰能力强,工作稳定可靠,操作方便,实时性好,测量精度高,监测结果准确可靠。可运用于各种装甲车辆,对发动机和变速箱中油液的磨粒污染程度进行实时的监测,避免由于机械磨损不能及时发现和处理,而引起机械故障,造成严重后果。
图6为本发明另一实施例提供的一种润滑油磨粒在线监测与评估的方法的步骤流程图,如图6所示,具体包括以下步骤:
步骤S610、提供激励源以产生激励信号;
步骤S620、利用传感器对油液采集得到感应信号并进行处理得到数字信号;
步骤S630、根据所述数字信号进行计算和分析得到磨粒信息;
步骤S640、基于磨粒单位时间数量计算健康等级隶属度,并对设备的健康状态进行评估得到评估结果;
步骤S650、对所述磨粒信息和所述评估结果进行显示。
以下对图6所示方法进行详细介绍:
在步骤S610中,激励源电路的DDS模块在微处理器LPC1768的控制下产生1kHz的正弦小信号,该正弦小信号通过后级的电压跟随电路、同相比例放大电路和推挽式甲乙类功放电路产生两路相同的激励信号,其中一路激励信号输入到信号调理电路,另一路激励信号输入传感器的激励线圈。
在步骤S620中,在激励信号作用下得到转换的数字信号。首先,由于传感器的磁惰性材料制成的骨架中心是油液的油路,当油液中没有金属磨粒通过传感器线圈时,两个激励线圈中的激励信号为等大反向的,感应线圈中不产生感应信号;当油液中有金属磨粒通过传感器线圈时,两个激励线圈的平衡状态被打破,感应线圈中产生感应信号,由于相对电感发生变化,金属磨粒从传感器的一端到另一端的过程中会产生一个类似AM调制波的信号,其中信号大小与磨粒的尺寸有关。其次,传感器上产生的感应信号连接信号调理电路,用于对感应信号进行进一步的处理。
其中,信号调理电路中前级运算放大电路对激励信号和感应信号进行同比例放大并将放大后的信号输入AM波解调电路,AM波解调电路对放大后的信号进行解调并将解调后的信号依次输入低通滤波电路和高通滤波电路得到包络信号,后级运算放大电路对包络信号进行比例放大,使其最大的输出幅值要接近后级模数转换电路输入的最大值。模数转换电路选用CS1237芯片,将包络信号的模拟信号转换成微处理器可以分析处理的数字信号,并将数字信号输入微处理器。
所述的模数转换电路将包络信号的模拟信号转换成微处理器可以分析处理的数字信号。
在步骤S630中,根据所述数字信号进行计算和分析得到分析结果(也就是磨粒的尺寸、属性和单位时间数量这些磨粒信息),微处理器选用LPC1768微控制器,使用该控制器对ADC芯片进行实时的采集,当有金属磨粒通过传感器时,LPC1768通过接收到的数字量分析判断金属磨粒的尺寸大小,并将该尺寸通过RS485通信的方式发送给上位机。
该步骤中的分析结果为金属磨粒的尺寸、属性、单位时间数量,步骤S630具体包括:
首先,根据所述数字信号判断油液中是否有金属磨粒,当有金属磨粒时,根据检测的感应线圈的感应电势的相位判断所述金属磨粒的属性为铁磁性还是非铁磁性。
当金属磨粒进入初级线圈时,使得进入部分的磁阻下降,引起磁感应强度增大,从而使被覆盖的那部分线圈局部电感增大。
通过检测感应线圈的感应电势,便可推算出流经管道的金属磨粒大小,即半径。另外,根据感应电势的相位区别,可区分金属磨粒的铁磁性和非铁磁性属性,具体为:由于铁磁质磨粒通过螺旋线圈时增强其等效电感,而非铁磁质磨粒通过螺旋线圈时则削弱其等效电感,所以根据感应电势的相位区别,即铁磁性磨粒与非铁磁性磨粒的感应信号相位相反可以确定金属磨粒的属性。
金属磨粒的单位时间数量可以是通过测量得到每10秒内检测到的磨粒个数。
在步骤S640中,还采用磨粒信息对设备的健康状态进行评估。该步骤中采用基于时间修正的D-S证据理论实时健康状态评估模型,将设备健康状态划分为5级,利用设备的测试数据值分别与上次非故障测试值、历史非故障测试均值以及标准值加以比较,并对其进行时间修正,结合D-S证据理论融合多源信息,实现此类设备的实时健康状态评估。
以对装甲车设备的健康状态进行分析和评估为例,假定反映其设备健康状态的关键参数有5个(如铁磁100μm、铁磁200μm、铁磁300μm、非铁磁400μm、非铁磁500μm磨粒的单位时间数量),在使用一段时间候进行一次磨粒测试,测试时未发现故障,5个关键的磨粒测试值、上次未故障测试值、历史未故障测试均值及标准值,从数组测试数据中选取与平均值最接近的测试值进行计算。依次计算5个参数与上次测试值、历史均值和标准值的偏差,然后进行偏差的归一化值,进一步计算5个参数的健康状态。当5个磨粒信息在装甲车健康状态发生变化时,任何一个参数超标,都可判断其健康状况。因此,可对这五个参数赋予相同的权重。将测试的五个参数的健康状态指数向量进行时间修正,将修正后的健康状态指数代入健康状态等级隶属度分布函数,可计算得到隶属度。取置信水平为0.9,依据相关参数的健康状态等级隶属度进行基本可信度分配。依据最大隶属度原则,进行证据合成确定设备健康状态等级。
图7为本发明另一实施例中步骤S640的步骤流程图,如图7所示,具体包括以下步骤:
在步骤S641中,对设备按照预设周期进行一次磨粒测试,且测试时设备非故障,得到磨粒的测试值。
在步骤S642中,根据磨粒信息的本次测试值与上次非故障测试值、历史非故障测试平均值以及标准值分别进行偏差与归一化计算,并根据得到的三个归一化量值计算得到健康状态指数;
在步骤S643中,建立时间修正函数对健康状态指数进行时间修正,将修正后的健康状态指数带入到健康状态等级隶属度分布函数中得到健康状态等级隶属度;
在步骤S644中,根据所述健康等级隶属度结合置信度进行基本可信度分配,得到基本可信度分布函数;
在步骤S645中,根据所述基本可信度分布函数利用D-S证据合成规则确定设备的健康状态等级。
基于上述步骤,对于长期储存设备的健康状态评估,最重要工作是对测试数据的归一化处理,假设选取n个相互独立且能够有效反映设备健康状态的测试参数,为使这些参数能更好地描述设备的健康状态,要将其本次测试值分别与上次非故障测试值、历史非故障测试均值以及标准值加以比较,因此测试数据的归一化处理包括3项:本次测试数据与上次非故障测试数据比较值、本次测试数据与历史非故障测试均值比较值和本次测试数据与标准数据比较值。
图8为本发明另一实施例中进行设备健康状态等级评估的流程示意图,如图8所示,包括以下步骤:
步骤S801,确定设备状态评估识别框架;
步骤S802,计算测试数据的归一化量值,该步骤具体包括测试数据的归一化处理、计算三个偏差值、选取归一量化函数从而计算得到归一化量值;
步骤S803,确定证据合成规则,该步骤具体包括确定D-S证据合成规则、确定基本可信度分配函数、信度函数以及得到Dempster合成法则;
步骤S804,根据归一化量值和证据合成规则确定设备的健康状态等级。
在本发明一实施例中,步骤S802中对测试数据的归一化处理包括:
11)根据磨粒数量(具体为单位时间数量)的本次测试值与历史非故障测试平均值计算本次测试值与历史非故障测试平均值的第一偏差δL,计算公式为:
δL=|X-XL| 公式8
其中δL为本次测试值与历史非故障测试平均值的第一偏差,X为磨粒的本次测试值,XL为历史非故障测试平均值;
12)根据本次测试值与历史非故障测试平均值选取半梯形归一化量化函数。图9为本发明另一实施例中选取的半梯形归一化量化函数的示意图,如图9所示,δ0为最大误差限。
13)根据所述半梯形归一化量化函数计算本次测量值与历史非故障测试平均值的偏差的第一归一化量值λL,计算公式为:
其中λL为本次测量值与历史非故障测试平均值的偏差的归一化量值;
14)根据磨粒数量的本次测试值与上次非故障测试值计算本次测试值与上次非故障测试值的第二偏差δS;
15)根据本次测试值与上次非故障测试值选取半梯形归一化量化函数;
16)根据所述半梯形归一化量化函数计算本次测量值与上次非故障测试值的偏差的第二归一化量值λS;
17)根据磨粒数量的本次测试值与标准值计算本次测试值与标准值的第三偏差δB;
18)根据本次测试值与标准值选取半梯形归一化量化函数;
19)根据所述半梯形归一化量化函数计算本次测量值与标准值的偏差的第三归一化量值λB。
在本发明一实施例中,根据上述步骤得到的三个归一化量值计算得到健康状态指数包括:
若λL、λS、λB均等于1,说明设备健康状态为“健康”,不存在健康隐患,健康状态指数为1;
若λL、λS、λB三个归一化量值均在0.7到1之间,说明健康状态可以接受,健康状态指数为三者的算术平均值;
若λL、λS、λB中至少一个小于0.7且大于0,说明可能存在健康隐患,健康状态指数取三者中最小值;
若λL、λS、λB中至少一个为0,说明处于“疾病”状态,健康状态指数为0。
基于上述,设备的健康状态指数可表示为:
在本发明一实施例中,步骤S803中D-S证据合成规则具体如下:
对于一个评估问题,其所有可能的评估结果的集合用Θ表示,称作识别框架。设备健康状态评估的任何结论都是Θ的一个子集。设Θ为某一评估问题的识别框架,其幂集记为2θ,如果集函数mass:2θ→[0,1]满足且称m为识别框架Θ上的基本可信度分配函数。如果函数Bel:2θ→[0,1]满足称函数Bel为识别框架Θ上的信度函数。Dempster合成法则是证据理论的核心,其将来自不同信息源的独立证据组合,产生更可靠的证据信息。设Bel1和Bel2是同一识别框架θ上的2个信度函数,m1和m2分别是其对应的基本可信度分配函数,则Dempster合成法则为
由于设备健康状态指数既与本次测试数据和标准数据有关,还与上次非故障测试数据和历史非故障测试数据均值有关,为了更加精确地描述设备健康状态的退化过程,对设备健康状态进行更加准确的评估,需要建立时间修正函数对设备健康状态指数进行修正。
时间修正函数通常可根据设备的实际退化过程及专家系统来得到,图10为本发明另一实施例中时间修正函数的示意图,如图10所示,K1为对应T1时刻的设备健康指数,K2为对应T2时刻的设备健康指数,T1为修正前的时刻,T2为修正后的时刻,T3为设备健康状态完全退化的时刻,此后无需再进行修正。设备健康状态指数时间修正函数的数学表达式为:
其中λ为修正前的设备健康指数,λ′为修正后的设备健康指数,t为要进行评估的时间,△t为要评估时间与本次测试时间之差。
时间修正之后,以5个关键参数为例,根据设备健康状态的退化过程及专家经验,可采用三角模糊函数作为设备健康状态指数的健康状态等级隶属度函数,其数学表达式为
然后,将修正后的健康状态指数带入到健康状态等级隶属度分布函数中得到健康状态等级隶属度。基本可信度由隶属度结果与置信度共同得出,以an,i表示第i个基本属性被评为第n个等级的信任度;an,i计算方法如下:an,i=yn×置信度,式中,取置信度为0.9。
最后,依据最大隶属度原则,进行证据合成确定设备健康状态等级。按Dempster合成法则进行证据合并,先进行参数1(m1)和参数2(m2)的合成,即
K1=m1(θ2)m2(θ1)+m1(θ3)m2(θ1)+m1(θ3)m2(θ2) 公式18
m(θ4)=m(θ5) 公式22
按照上述方法在进行参数3(m3)、参数4(m4)、参数5(m5)的合成最终得到合成结果为M。依据最大隶属度原则,可知某型履带式装甲车发动机的健康状态等级。
综上所述,本发明提供的润滑油磨粒在线监测与评估的方法中提出一种D-S证据理论评估模型,将测试数据分别与上次非故障测试值、历史非故障测试值、以及标准值加以比较,然后进行时间修正,最后利用D-S证据理论融合优化,可以一定程度上解决在长时间不测试的情况下,了解设备健康状态的难题。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种润滑油磨粒在线监测与评估的系统,其特征在于,包括:
信号获取装置,用于提供激励源以产生激励信号,利用传感器对油液采集得到感应信号并进行处理得到数字信号;
分析评估装置,用于根据所述数字信号进行计算和分析得到磨粒信息,基于磨粒信息计算健康等级隶属度,并对设备的健康状态进行评估得到评估结果;
显示装置,用于对所述磨粒信息和所述评估结果进行显示。
2.如权利要求1所述的润滑油磨粒在线监测与评估的系统,其特征在于,所述信号获取装置包括:
激励源电路,用于产生正弦激励信号;
电感式传感器,与所述激励源电路连接,用于在所述正弦激励信号控制下对油液磨粒通过传感器线圈时产生感应信号;
信号处理电路,用于接收所述感应信号并对感应信号进行滤波和解调处理,得到处理后的信号;
模数转换电路,用于对所述处理后的信号进行模数转换得到数字信号。
3.如权利要求2所述的润滑油磨粒在线监测与评估的系统,其特征在于,所述激励源电路包括:信号发生电路、电压跟随电路、同相比例放大电路和推挽式甲乙类功放电路;
所述信号发生电路用于产生频率为1kHz,相位为0的正弦波;
电压跟随电路,用于对所述正弦波增大信号的幅度;
同相比例放大电路,用于对所述正弦波信号进行放大;
推挽式甲乙类功放电路,与所述同比例放大电路形成环路负反馈,用于产生两路正弦激励信号,其中所述两路正弦激励信号为等大反向的信号。
4.如权利要求3所述的润滑油磨粒在线监测与评估的系统,其特征在于,所述电感式传感器为三螺线管型的电感式传感器,包括:
由惰性材料制成的骨架,用于作为油液流通的管路;以及绕制在所述骨架上的线圈,所述线圈包括两个激励线圈和一个感应线圈,感应线圈位于中间,且感应线圈的中点与两个激励线圈的轴向中点重合;
其中所述推挽式甲乙类功放电路与两个激励线圈连接,分别向两个激励线圈一对一地提供两路正弦激励信号。
5.如权利要求1所述的润滑油磨粒在线监测与评估的系统,其特征在于,所述磨粒信息包括磨粒的尺寸、属性和单位时间数量,所述分析评估装置包括:
分析模块,用于根据所述数字信号判断油液中是否有金属磨粒,并在油液中含有金属磨粒时进行分析得到磨粒信息,所述磨粒信息为金属磨粒的尺寸、属性、单位时间数量;
监测模块,用于对设备按照预设周期进行一次磨粒测试得到磨粒信息;
评估模块,用于根据所述磨粒信息进行证据合成得到评估结果,所述评估结果为设备的健康状态等级。
6.一种润滑油磨粒在线监测与评估的方法,其特征在于,包括:
提供激励源以产生激励信号;
利用传感器对油液采集得到感应信号并进行处理得到数字信号;
根据所述数字信号进行计算和分析得到磨粒信息;
基于磨粒信息计算健康等级隶属度,并对设备的健康状态进行评估得到评估结果;
对所述磨粒信息和所述评估结果进行显示。
7.如权利要求6所述的润滑油磨粒在线监测与评估的方法,其特征在于,所述磨粒信息为金属磨粒的尺寸、属性、单位时间数量,所述根据所述数字信号进行计算和分析得到磨粒信息包括:
根据所述数字信号判断油液中是否有金属磨粒,当有金属磨粒时,根据检测的感应线圈的感应电势的相位判断所述金属磨粒的属性为铁磁性还是非铁磁性。
8.如权利要求6所述的润滑油磨粒在线监测与评估的方法,其特征在于,所述基于磨粒单位时间数量计算健康等级隶属度,并对设备的健康状态进行评估得到评估结果包括:
对设备按照预设周期进行一次测试,且测试时设备非故障,得到磨粒的测试值;
根据磨粒数量的本次测试值与上次非故障测试值、历史非故障测试平均值以及标准值分别进行偏差与归一化计算,并根据得到的三个归一化量值计算得到健康状态指数;
建立时间修正函数对健康状态指数进行时间修正,将修正后的健康状态指数带入到健康状态等级隶属度分布函数中得到健康状态等级隶属度;
根据所述健康等级隶属度结合置信度进行基本可信度分配,得到基本可信度分布函数;
根据所述基本可信度分布函数利用D-S证据合成规则确定设备的健康状态等级。
9.如权利要求8所述的润滑油磨粒在线监测与评估的方法,其特征在于,所述根据磨粒数量的本次测试值与上次非故障测试值、历史非故障测试平均值以及标准值分别进行偏差与归一化计算包括:
根据磨粒数量的本次测试值与历史非故障测试平均值计算本次测试值与历史非故障测试平均值的第一偏差δL;
根据本次测试值与历史非故障测试平均值选取半梯形归一化量化函数;
根据所述半梯形归一化量化函数计算本次测量值与历史非故障测试平均值的偏差的第一归一化量值λL;
根据磨粒数量的本次测试值与上次非故障测试值计算本次测试值与上次非故障测试值的第二偏差δS;
根据本次测试值与上次非故障测试值选取半梯形归一化量化函数;
根据所述半梯形归一化量化函数计算本次测量值与上次非故障测试值的偏差的第二归一化量值λS;
根据磨粒数量的本次测试值与标准值计算本次测试值与标准值的第三偏差δB;
根据本次测试值与标准值选取半梯形归一化量化函数;
根据所述半梯形归一化量化函数计算本次测量值与标准值的偏差的第三归一化量值λB。
10.如权利要求9所述的润滑油磨粒在线监测与评估的方法,其特征在于,所述根据得到的三个归一化量值计算得到健康状态指数包括:
若λL、λS、λB均等于1,说明设备健康状态为“健康”,不存在健康隐患,健康状态指数为1;
若λL、λS、λB三个归一化量值均在0.7到1之间,说明健康状态可以接受,健康状态指数为三者的算术平均值;
若λL、λS、λB中至少一个小于0.7且大于0,说明可能存在健康隐患,健康状态指数取三者中最小值;
若λL、λS、λB中至少一个为0,说明处于“疾病”状态,健康状态指数为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010352461.0A CN111504859B (zh) | 2020-04-28 | 2020-04-28 | 一种润滑油磨粒在线监测与评估的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010352461.0A CN111504859B (zh) | 2020-04-28 | 2020-04-28 | 一种润滑油磨粒在线监测与评估的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111504859A true CN111504859A (zh) | 2020-08-07 |
CN111504859B CN111504859B (zh) | 2021-04-06 |
Family
ID=71871552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010352461.0A Active CN111504859B (zh) | 2020-04-28 | 2020-04-28 | 一种润滑油磨粒在线监测与评估的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111504859B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113607613A (zh) * | 2021-07-07 | 2021-11-05 | 中联重科股份有限公司 | 用于检测油液中磨屑的检测装置和工程机械 |
CN113671282A (zh) * | 2021-07-07 | 2021-11-19 | 中联重科股份有限公司 | 判定机械设备健康状况的判定方法和判定装置及工程机械 |
CN114088927A (zh) * | 2021-12-02 | 2022-02-25 | 绍兴淼汇能源科技有限公司 | 一种润滑油在线健康监测方法 |
CN114220189A (zh) * | 2021-12-15 | 2022-03-22 | 震坤行工业超市(上海)有限公司 | 一种监测方法、预测系统、电子设备及存储介质 |
CN114324829A (zh) * | 2021-12-31 | 2022-04-12 | 四川德胜集团钒钛有限公司 | 冶金产线润滑油管理系统 |
CN114636555A (zh) * | 2022-03-22 | 2022-06-17 | 南京航空航天大学 | 一种航空发动机磨损故障模糊融合诊断方法及系统 |
CN115639116A (zh) * | 2022-11-14 | 2023-01-24 | 南京航空航天大学 | 一种感应式油液磨粒传感器信号处理系统及方法 |
CN116559389A (zh) * | 2023-07-06 | 2023-08-08 | 北京中医药大学 | 中药性味检测装置及检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050046840A1 (en) * | 2003-08-28 | 2005-03-03 | Hideo Kusuzawa | Particle diameter measuring apparatus |
CN103217366A (zh) * | 2013-04-07 | 2013-07-24 | 电子科技大学 | 一种在线油路磨粒信号的处理方法 |
CN103217365A (zh) * | 2013-03-29 | 2013-07-24 | 电子科技大学 | 一种在线油路磨粒监测装置 |
CN203365280U (zh) * | 2013-06-09 | 2013-12-25 | 桂林电子科技大学 | 油液金属磨粒在线监测系统 |
CN106940281A (zh) * | 2016-12-09 | 2017-07-11 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于信息融合技术智能模型的航空油液分析方法 |
CN107355200A (zh) * | 2017-09-08 | 2017-11-17 | 北京科技大学 | 一种纳微米颗粒分散体系改善水驱选井方法 |
CN111024574A (zh) * | 2019-12-30 | 2020-04-17 | 广研检测(广州)有限公司 | 基于永磁体和高频激励的油液金属颗粒检测装置 |
-
2020
- 2020-04-28 CN CN202010352461.0A patent/CN111504859B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050046840A1 (en) * | 2003-08-28 | 2005-03-03 | Hideo Kusuzawa | Particle diameter measuring apparatus |
CN103217365A (zh) * | 2013-03-29 | 2013-07-24 | 电子科技大学 | 一种在线油路磨粒监测装置 |
CN103217366A (zh) * | 2013-04-07 | 2013-07-24 | 电子科技大学 | 一种在线油路磨粒信号的处理方法 |
CN203365280U (zh) * | 2013-06-09 | 2013-12-25 | 桂林电子科技大学 | 油液金属磨粒在线监测系统 |
CN106940281A (zh) * | 2016-12-09 | 2017-07-11 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于信息融合技术智能模型的航空油液分析方法 |
CN107355200A (zh) * | 2017-09-08 | 2017-11-17 | 北京科技大学 | 一种纳微米颗粒分散体系改善水驱选井方法 |
CN111024574A (zh) * | 2019-12-30 | 2020-04-17 | 广研检测(广州)有限公司 | 基于永磁体和高频激励的油液金属颗粒检测装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113607613A (zh) * | 2021-07-07 | 2021-11-05 | 中联重科股份有限公司 | 用于检测油液中磨屑的检测装置和工程机械 |
CN113671282A (zh) * | 2021-07-07 | 2021-11-19 | 中联重科股份有限公司 | 判定机械设备健康状况的判定方法和判定装置及工程机械 |
CN114088927A (zh) * | 2021-12-02 | 2022-02-25 | 绍兴淼汇能源科技有限公司 | 一种润滑油在线健康监测方法 |
CN114220189A (zh) * | 2021-12-15 | 2022-03-22 | 震坤行工业超市(上海)有限公司 | 一种监测方法、预测系统、电子设备及存储介质 |
CN114220189B (zh) * | 2021-12-15 | 2024-03-29 | 震坤行工业超市(上海)有限公司 | 一种监测方法、预测系统、电子设备及存储介质 |
CN114324829A (zh) * | 2021-12-31 | 2022-04-12 | 四川德胜集团钒钛有限公司 | 冶金产线润滑油管理系统 |
CN114636555A (zh) * | 2022-03-22 | 2022-06-17 | 南京航空航天大学 | 一种航空发动机磨损故障模糊融合诊断方法及系统 |
CN114636555B (zh) * | 2022-03-22 | 2023-10-13 | 南京航空航天大学 | 一种航空发动机磨损故障模糊融合诊断方法及系统 |
CN115639116A (zh) * | 2022-11-14 | 2023-01-24 | 南京航空航天大学 | 一种感应式油液磨粒传感器信号处理系统及方法 |
CN116559389A (zh) * | 2023-07-06 | 2023-08-08 | 北京中医药大学 | 中药性味检测装置及检测方法 |
CN116559389B (zh) * | 2023-07-06 | 2023-10-20 | 北京中医药大学 | 中药性味检测装置及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111504859B (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111504859B (zh) | 一种润滑油磨粒在线监测与评估的系统及方法 | |
US5965819A (en) | Parallel processing in a vibration analyzer | |
CN104458521B (zh) | 一种在线监测油液的装置及方法 | |
CN103592208A (zh) | 抗环境磁场干扰的电磁式油液金属颗粒监测传感器 | |
CN102183366A (zh) | 滚动轴承振动测量和故障分析装置及方法 | |
CN110929769B (zh) | 一种基于振动和声音的电抗器机械类故障联合检测模型、方法及装置 | |
EP1423715B1 (en) | Diagnostics for piezoelectric sensor | |
CN101004438A (zh) | 基于虚拟仪器的励磁试验测试系统 | |
CN111678698B (zh) | 一种基于声振信号融合的滚动轴承故障检测方法 | |
US8680842B2 (en) | Method for measurement of total harmonic distortion | |
Kerst et al. | A model-based approach for the estimation of bearing forces and moments using outer ring deformation | |
US6225810B1 (en) | Loop resistance tester (LRT) for cable shield integrity | |
CN111007390B (zh) | 基于代数方法的模拟电路故障诊断模型 | |
CN111060302A (zh) | 多参数设备状态综合监测诊断装置和诊断方法 | |
CN1120366C (zh) | 基于非线性频谱分析的故障检测与诊断方法 | |
CN108375531A (zh) | 一种装甲车辆用在线磨粒监测装置 | |
CN115015756A (zh) | 一种细碎融合的新材料混合机故障诊断方法 | |
JPH07280603A (ja) | 機械の異常判定方法 | |
CN113532492A (zh) | 一种光纤布拉格光栅位移输出信号的静态锁相放大电路 | |
CN211978642U (zh) | 一种装甲车辆润滑油磨粒在线监测装置 | |
CN114486252B (zh) | 一种矢量模极大值包络的滚动轴承故障诊断方法 | |
CN110057587A (zh) | 一种核电用泵轴承智能故障诊断方法及系统 | |
CN113866478A (zh) | 杂散电流测量方法及其装置、设备和系统 | |
CN114397542A (zh) | 一种发电机定子局部放电评估方法及系统 | |
CN112001264A (zh) | 一种监测传感器降噪方法、装置、设备及计算机存储介质 |
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 |