CN111623867A - 一种缸套-活塞组件磨损状态的预测方法 - Google Patents
一种缸套-活塞组件磨损状态的预测方法 Download PDFInfo
- Publication number
- CN111623867A CN111623867A CN202010347146.9A CN202010347146A CN111623867A CN 111623867 A CN111623867 A CN 111623867A CN 202010347146 A CN202010347146 A CN 202010347146A CN 111623867 A CN111623867 A CN 111623867A
- Authority
- CN
- China
- Prior art keywords
- piston assembly
- cylinder sleeve
- frequency
- internal combustion
- combustion engine
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- 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
- G01M15/04—Testing internal-combustion engines
- G01M15/042—Testing internal-combustion engines by monitoring a single specific parameter not covered by groups G01M15/06 - G01M15/12
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Testing Of Engines (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种缸套‑活塞组件磨损状态的预测方法,包括如下步骤:a、用检测方式对内燃机缸套‑活塞组件进行多次检测;b、记录下不同磨损状态的内燃机缸套‑活塞组件的检测结果,形成参照表;c、用上述步骤a中的检测方式对待检测内燃机缸套‑活塞组件进行检测;d、将步骤C中测得的结果与步骤b中形成的参照表进行对比,即可得知该内燃机缸套‑活塞组件的磨损状态;本发明通过上述检测方式的设置,可以有效反映缸套‑活塞组件磨损的磨损状态,具有计算速度快,识别准确率高,预测更加稳定的优点。
Description
技术领域
本发明属于检测技术领域,尤其是涉及一种缸套-活塞组件磨损状态的预测方法。
背景技术
随着内燃机朝着高速、高加速、重载发展,往往达不到设计寿命缸套-活塞组件就出现了损坏;缸套-活塞最容易出现的损坏形式是磨损,现有的对缸套-活塞组件磨损状态的检测方法无法对缸套-活塞组件的磨损状态形成一个量化的指标参照,导致使用者无法及时的采取措施,影响内燃机的正常工作和使用寿命。
发明内容
本发明为了克服现有技术的不足,提供一种检测准确的缸套-活塞组件磨损状态的预测方法。
为了实现上述目的,本发明采用以下技术方案:一种缸套-活塞组件磨损状态的预测方法,包括如下步骤:
a、用检测方式对内燃机缸套-活塞组件进行多次检测;
b、记录下不同磨损状态的内燃机缸套-活塞组件的检测结果,形成参照表;
c、用上述步骤a中的检测方式对待检测内燃机缸套-活塞组件进行检测;
d、将步骤C中测得的结果与步骤b中形成的参照表进行对比,即可得知该内燃机缸套-活塞组件的磨损状态;
上述步骤a中的检测方式包括以下步骤:
S1、获取处于自激励状态下的内燃机缸套-活塞组件处的振动信号;
S2、获取缸套-活塞组件的敏感频率;
S3、对所述步骤S1中获得的振动信号进行多层小波包分解,获得多个小波包分量;
S4、根据所述步骤S2中获得的敏感频率,在所述步骤S3中获得的多个小波包分量中,选取包含该敏感频率的小波包分量进行信号重构,获得重构信号,记为yat(2);
S6、计算得到方差特征值va;
本申请通过上述检测方式的应用,使得对内燃机缸套-活塞组件的磨损状态形成一个量化的参照表,继而使得在检测待测的内燃机缸套-活塞组件时,只需将检测得到的数值与参照表进行对比,即可准确的得知内燃机缸套-活塞组件的磨损状态,检测更为精准,测量更为方便;且该种检测方法信号获取更为容易,抗干扰能力强,检测设备成本低,安装方便,适用性强,计算速度快,识别准确率高,预测更加稳定。
进一步的,所述步骤S6中的计算公式为:va=var(yat(2));其中,var代表求解方差的函数。
进一步的,上述步骤S1与步骤S2的中间步骤为:对上述步骤S1中获得的振动信号进行处理,得出结构的固有频率,并获得缸套-活塞组件磨损前后的振动信号频域(固有频率)能量分布。
进一步的,所述敏感频率的获取方法为:对比缸套-活塞组件磨损前后振动信号频域能量分布,获得频率能量改变较大的频率(即振动信号突变时所对应的频率),称之为敏感频率。
进一步的,对所述振动信号进行的处理为低通滤波。
进一步的,上述步骤S2与步骤S3的中间步骤为:依据步骤S2中获得的敏感频率,选择小波包分解的层数。
进一步的,所述小波包分解的层数为7层。
综上所述,本发明通过上述检测方式的设置,可以有效反映缸套-活塞组件磨损的磨损状态,具有计算速度快,识别准确率高,预测更加稳定的优点。
附图说明
图1是本发明中检测方式的流程示意图;
图2是本发明中振动信号监测系统的示意图;
图3是本发明中采集到的自激励时的振动信号频谱图;
图4是本发明缸套-活塞组件磨损前后振动信号频域能量分布对比图;
图5是本发明中的小波包分解示意图;
图6是本发明中的振动信号特征值提取过程示意图;
图7是本发明中提取的振动信号特征值表;
图8是本发明中不同柴油机提取的方差特征值对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明;应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明;此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1-8所示,一种缸套-活塞组件磨损状态的预测方法,包括如下步骤:
a、用检测方式对内燃机缸套-活塞组件进行多次检测;
b、记录下不同磨损状态的内燃机缸套-活塞组件的检测结果,形成参照表;
c、用上述步骤a中的检测方式对待检测内燃机缸套-活塞组件进行检测;
d、将步骤C中测得的结果与步骤b中形成的参照表进行对比,即可得知该内燃机缸套-活塞组件的磨损状态;
上述步骤a中的检测方式包括以下步骤:
S1、获取处于自激励状态下的内燃机缸套-活塞组件处的振动信号;对获得的振动信号进行低通滤波处理,得出结构的固有频率,并获得缸套-活塞组件磨损前后的振动信号频域(固有频率)能量分布;
S2、对比缸套-活塞组件磨损前后振动信号频域能量分布,获得频率能量改变较大的频率(即振动信号突变时所对应的频率),称之为敏感频率;依据获得的敏感频率,选择小波包分解的层数;
S3、对所述步骤S1中获得的振动信号进行多层小波包分解,获得多个小波包分量;
S4、根据所述步骤S2中获得的敏感频率,在所述步骤S3中获得的多个小波包风量中,选取包含该敏感频率的小波包分量进行信号重构,获得重构信号,记为yat(2);
S6、计算得到方差特征值va。
进一步详细说明,本申请通过获取内燃机缸套-活塞组件磨附近处的振动信号,辨识出固有频率后经过小波包分解与特征值提取过程,建立缸套-活塞组件磨损状态辨识模型,通过长时间的监测,达到通过振动信号预测缸套-活塞组件磨损状态的目的。
本发明的对象针对河南柴油机公司生产的TBD234V12发电柴油机,选取其在自激励状态下缸套-活塞组件附近处的振动信号作为分析对象,对其A1缸中的缸套-活塞组件磨损状态进行辨识,本发明进行了长时间的自激励过程中的振动信号的获取,对缸套-活塞组件磨损状态进行预测。如图1所示,本发明实施例具体包括以下步骤:
(1)在先申请专利CN201911314340.0“一种基于爆燃激励辨识柴油机工作模态参数的方法及系统”中提及的方法:基于待辨识柴油机的结构,布置传感器的安装点,贴装振动传感器;安装柴油机及采集仪,搭建信号采集平台;启动柴油机,利用燃烧室爆燃产生无规则湍流运动,在湍流主动激励作用下,对柴油机进行自激励,振动传感器采集柴油机工作状态下的振动信号;采集仪从振动传感器获取所述振动信号,利用模态辨识软件对柴油机的工作模态进行辨识,获取柴油机的工作模态参数,采集内燃机缸套-活塞组件附近处的固有频率。
具体的,如图2所示,利用振动传感器采集内燃机缸套-活塞组件处的振动,并对振动信号进行计算,辨识出结构的固有频率。其振动信号中含有内燃机缸套-活塞组件往复直线远动的工作状态,采集到的振动信号如图3所示。
(2)对自激励状态下获取的振动信号进行分析,分析其频域能量分布情况,获得缸套-活塞组件不同状态下的频谱,对比缸套-活塞组件磨损前后振动信号频域(固有频率)能量分布变化,根据所述缸套-活塞组件磨损后的振动信号频域能量分布与其磨损前的振动信号频域能量分布的对比,选取出其频率能量改变比较大的频率(即振动信号突变时所对应的频率)作为小波包分解层数选择的依据,通过对缸套-活塞组件磨损前后的振动信号进行频域分析可以反映出由于缸套-活塞组件磨损造成的频域能量分布变化最敏感的频率成分。
具体的,如图4所示,图4中的两种信号分别是缸套-活塞组件在寿命终点与新缸套-活塞组件两种条件下采集的信号的频谱分析,通过对比可以发现其在54.25hz时振动信号变化最为敏感,其频率能量变化相对很大,其在整个过程中表征缸套-活塞组件的状态比较敏感,由此可以将其作为下步小波包分解层数选取提供依据,在进行小波包分析的时候,其频带包含此频率(固有频率)成分。
(3)根据步骤(2)中频谱分析后,敏感频段的确定对每次自激励获得的振动信号进行多层小波包分解,将振动信号进行小波包理论分解到不同的频段,获得多个小波包分量,根据缸套-活塞组件磨损前后频域能量分布差别,从包含敏感频率的小波包分量重构后的信号求其方差特征值,以该方差特征值实现内燃机缸套-活塞组件磨损状态的预测。由于缸套-活塞组件磨损会造成频域能量发生变化,小波包分解可以将整个频域范围内的振动信号分解到不同的频段,从缸套-活塞组件磨损前后变化频率(固有频率)所在的频段提取特征值,可以使表征缸套-活塞组件磨损的特征值更加稳定,更能反映缸套-活塞组件的磨损状态。
具体的,根据最敏感频率确定分解层数,其中振动信号的采样频率为2048HZ,小波包分解的有效频率为1024HZ,最敏感的频率成分为54.25hz,对小波包进行7层分解,第7层的每个频段为1024/27=8HZ,小波包分量(7,6)包含的频段为48hz~56hz,正好包含了最敏感的频率成分54.25hz,在对振动信号进行分析时,小波包分解层数越多,越能定位有用频率,但是分解层数过多会造成频率混叠,经过实际分析直接选择小波包7层分解即可,小波包的分解示意图如图5所示,根据图5可知,初始层为(0,0),第一层为(1,0)、(1,1),第二层为(2,0)、(2,1)、(2,2)、(2,3),第三层为(3,0)、(3,1)、(3,2)、(3,3)、(3,4)、(3,5)、(3,6)、(3,7),第四层共有16个小波包分量,为(4,0)、(4,1)、(4,2)、……、(4,13)、(4,14)、(4,15),……,第7层共有128个小波包分量,分别为(7.0)、(7.1)、(7.2)、……、(7.254)、(7.255)、(7.256)。
然后对包涵敏感频率的小波包分量(7,6)进行重构,记为yat(2),求其方差特征值va,va=var(yat(2)),其中yat(2)代表小波包分量(7,6)重构后的信号,var代表求解方差的函数。
本实施例选取A1缸处在自激励作用下获取的振动信号小波包分析后敏感频段的相对能量做为分析样本,对其进行方差分析,经过定期的信号采集,提取特征值的过程如图6所示,提取的振动信号方差特征值如图7所示,图7中a点表示特征值线性趋势,b点为换掉旧缸套-活塞组件时振动信号方差特征值,c点为换上新缸套-活塞组件时振动信号方差特征值。
最后将提取的方差特征值做为评价缸套-活塞组件磨损的评价指标,实现缸套-活塞组件磨损磨损状态的预测,其评价依据如下:随着缸套-活塞组件的磨损劣化越来越严重,提取的方差特征值呈现增大的趋势,随着缸套-活塞组件磨损的逐步加大,其获取的方差特征值逐步增大,当缸套-活塞组件完全达到寿命的终点时,方差特征值达到0.21,同时在更换新的缸套-活塞组件后,其特征值会明显的减小,趋近于0,因此可采用振动信号小波包分量重构后的信号求其方差特征值做为评价缸套-活塞组件状态的评价指标;针对缸套-活塞组件的工作状态通过定时获取其振动信号,对其进行方差特征值的提取,则可以快速判别其缸套-活塞组件的工作状态。如图8所示为不同缸内提取其方差特征值,其中a和c为中度磨损时对应的方差特征值,b为严重磨损时对应的方差特征值,d为轻度磨损时对应的方差特征值,以方差特征值表征出丝杠的不同磨损状态,可以将此完整缸套-活塞组件的方差特征值作为同类型缸套-活塞组件的工作状态进行评估,一则是对缸套-活塞组件的实时状态作出精确的评估,同时可以通过样本特征值的比较预测出缸套-活塞组件的有效工作时间。
综上,本发明通过获取内燃机缸套-活塞组件附近处的振动信号,经过自激励获取能够敏感识别缸套-活塞组件磨损的频段(固有频率),后经过小波包分解与对应频段方差特征值的提取,实现对缸套-活塞组件磨损状态的预测,达到通过振动信号预测缸套-活塞组件磨损状态的目的,具有预测速度快、成本低、准确率高的优点,可实现缸套-活塞组件磨损状态的在线快速评价。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种缸套-活塞组件磨损状态的预测方法,其特征在于:包括如下步骤:
a、用检测方式对内燃机缸套-活塞组件进行多次检测;
b、记录下不同磨损状态的内燃机缸套-活塞组件的检测结果,形成参照表;
c、用上述步骤a中的检测方式对待检测内燃机缸套-活塞组件进行检测;
d、将步骤c中测得的结果与步骤b中形成的参照表进行对比,即可得知该内燃机缸套-活塞组件的磨损状态;
上述步骤a中的检测方式包括以下步骤:
S1、获取处于自激励状态下的内燃机缸套-活塞组件处的振动信号;
S2、获取缸套-活塞组件的敏感频率;
S3、对所述步骤S1中获得的振动信号进行多层小波包分解,获得多个小波包分量;
S4、根据所述步骤S2中获得的敏感频率,在所述步骤S3中获得的多个小波包风量中,选取包含该敏感频率的小波包分量进行信号重构,获得重构信号,记为yat(2);
S6、计算得到方差特征值va。
2.根据权利要求1所述的缸套-活塞组件磨损状态的预测方法,其特征在于:所述步骤S6中的计算公式为:va=var(yat(2));其中,var代表求解方差的函数。
3.根据权利要求1所述的缸套-活塞组件磨损状态的预测方法,其特征在于:上述步骤S1与步骤S2的中间步骤为:对上述步骤S1中获得的振动信号进行处理,得出结构的固有频率,并获得缸套-活塞组件磨损前后的振动信号频域(固有频率)能量分布。
4.根据权利要求3所述的缸套-活塞组件磨损状态的预测方法,其特征在于:所述敏感频率的获取方法为:对比缸套-活塞组件磨损前后振动信号频域能量分布,获得频率能量改变较大的频率(即振动信号突变时所对应的频率),称之为敏感频率。
5.根据权利要求3所述的缸套-活塞组件磨损状态的预测方法,其特征在于:对所述振动信号进行的处理为低通滤波。
6.根据权利要求1所述的缸套-活塞组件磨损状态的预测方法,其特征在于:上述步骤S2与步骤S3的中间步骤为:依据步骤S2中获得的敏感频率,选择小波包分解的层数。
7.根据权利要求6所述的缸套-活塞组件磨损状态的预测方法,其特征在于:所述小波包分解的层数为7层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010347146.9A CN111623867A (zh) | 2020-04-27 | 2020-04-27 | 一种缸套-活塞组件磨损状态的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010347146.9A CN111623867A (zh) | 2020-04-27 | 2020-04-27 | 一种缸套-活塞组件磨损状态的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111623867A true CN111623867A (zh) | 2020-09-04 |
Family
ID=72257970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010347146.9A Pending CN111623867A (zh) | 2020-04-27 | 2020-04-27 | 一种缸套-活塞组件磨损状态的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111623867A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103048384A (zh) * | 2012-12-20 | 2013-04-17 | 刘铁军 | 一种基于压电智能骨料的混凝土湿度监测方法 |
CN103941645A (zh) * | 2014-04-09 | 2014-07-23 | 南京航空航天大学 | 薄壁零件复杂工况加工状态监测方法 |
CN105033763A (zh) * | 2015-09-02 | 2015-11-11 | 华中科技大学 | 一种数控机床滚珠丝杠磨损状态的预测方法 |
CN108520125A (zh) * | 2018-03-29 | 2018-09-11 | 上海理工大学 | 一种预测刀具磨损状态的方法及系统 |
CN108844725A (zh) * | 2018-04-24 | 2018-11-20 | 天津大学 | 一种汽车发动机轴瓦磨损故障诊断方法 |
-
2020
- 2020-04-27 CN CN202010347146.9A patent/CN111623867A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103048384A (zh) * | 2012-12-20 | 2013-04-17 | 刘铁军 | 一种基于压电智能骨料的混凝土湿度监测方法 |
CN103941645A (zh) * | 2014-04-09 | 2014-07-23 | 南京航空航天大学 | 薄壁零件复杂工况加工状态监测方法 |
CN105033763A (zh) * | 2015-09-02 | 2015-11-11 | 华中科技大学 | 一种数控机床滚珠丝杠磨损状态的预测方法 |
CN108520125A (zh) * | 2018-03-29 | 2018-09-11 | 上海理工大学 | 一种预测刀具磨损状态的方法及系统 |
CN108844725A (zh) * | 2018-04-24 | 2018-11-20 | 天津大学 | 一种汽车发动机轴瓦磨损故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
刘星: "基于伺服驱动信号的滚珠丝杠磨损状态在线识别技术研究", 《中国优秀硕士/博士学位论文全文数据库》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2220472B1 (en) | Method and apparatus for determining a normal combustion characteristic for an internal combustion engine from an accelerometer signal | |
CN102095560B (zh) | 基于噪声测试的机械故障判别方法 | |
CN203298717U (zh) | 基于电涡流的柴油机缸套与活塞环之间油膜厚度检测装置 | |
CN109883703B (zh) | 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法 | |
CN111157249B (zh) | 一种柴油机故障监测预警方法及装置 | |
US20040260454A1 (en) | Vibro-acoustic engine diagnostic system | |
CN112098102B (zh) | 一种基于ewt-scwt的内燃机异响识别与诊断方法 | |
KR102063974B1 (ko) | 이산 푸리에 변환과 선형 성분이 제거된 엔진 속도의 변동 분석을 활용한 엔진 실화 진단 시스템 및 방법 | |
Zhang et al. | Fault feature extraction of diesel engine based on bispectrum image fractal dimension | |
Wei et al. | Characterisation of acoustic emissions for the frictional effect in engines using wavelets based multi-resolution analysis | |
CN107702919A (zh) | 基于声发射的滑动轴承润滑状态监测方法 | |
CN112668419B (zh) | 一种基于振动信号的发动机排放物预测方法 | |
Wang et al. | Condition monitoring on grease lubrication of rolling bearing using AE technology | |
CN111623867A (zh) | 一种缸套-活塞组件磨损状态的预测方法 | |
CN110530647B (zh) | 基于声发射技术和曲轴瞬时转速的内燃机健康监测方法 | |
CN112487709A (zh) | 一种基于敏感性分析的船用柴油机故障溯源方法 | |
Albarbar | An investigation into diesel engine air-borne acoustics using continuous wavelet transform | |
Arnone et al. | Diesel engine combustion monitoring through block vibration signal analysis | |
Mao et al. | Vibration-based fault diagnosis method for conrod small-end bearing knock in internal combustion engines | |
CN108287074B (zh) | 一种v型机燃烧状况在线监测诊断方法 | |
CN115655731A (zh) | 柴油机状态监测方法、装置及存储介质 | |
CN112621381B (zh) | 机床进给系统健康状态智能评估方法及装置 | |
Ramteke et al. | Effects of piston scuffing fault on the performance and vibro-acoustic characteristics of a diesel engine: an experimental study | |
Sinche et al. | Vibrations associated with the quality of combustion derived from induced failures in a spark ignition engine | |
RU2774697C1 (ru) | Способ вибродиагностики для определения степени и скорости развития зарождающихся дефектов промышленного оборудования |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |