CN112105907B - 用于监测齿轮系统的方法和设备 - Google Patents
用于监测齿轮系统的方法和设备 Download PDFInfo
- Publication number
- CN112105907B CN112105907B CN201980030924.7A CN201980030924A CN112105907B CN 112105907 B CN112105907 B CN 112105907B CN 201980030924 A CN201980030924 A CN 201980030924A CN 112105907 B CN112105907 B CN 112105907B
- Authority
- CN
- China
- Prior art keywords
- signal
- monitoring
- digital signal
- vibration
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000001360 synchronised effect Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000003595 spectral effect Effects 0.000 claims description 18
- 238000012952 Resampling Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000004229 Alkannin Substances 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 239000004172 quinoline yellow Substances 0.000 claims description 2
- 239000002151 riboflavin Substances 0.000 claims description 2
- 239000004231 Riboflavin-5-Sodium Phosphate Substances 0.000 claims 2
- 230000000737 periodic effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000004230 Fast Yellow AB Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004901 spalling Methods 0.000 description 1
- 239000004149 tartrazine Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Acoustics & Sound (AREA)
- Discrete Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及用于监测包括至少两个轮的齿轮系统(1)的方法,每个轮具有特征频率(f1,f2),代表这些振动的振动或声学信号已由传感器(21)采集,振动或声学数字信号x(t)已获得,对于系统(1)的每个特征频率,该方法包括以下步骤:借助于滤波器对数字信号进行滤波(E1)以获得至少一种故障的至少一个振动分量的图像监测信号;确定(E3)所述监测信号的、由监测信号的希尔伯特变换的平方绝对值限定的平方包络,以从监测信号中提取与轮的旋转相关联的调制信号的图像;确定(E4)所述平方包络相对于在齿轮的轮中选择的感兴趣的轮的旋转周期的同步平均值,所述平均值有助于衰减源自其他机械源的包络中的虚假分量;根据所述同步平均值确定(E5)监测指示符,所述监测指示符由同步平均值的、通过所述同步平均值的中值归一化的平方根限定。
Description
技术领域
本发明涉及通过分析由机械故障产生的振动信号来检测检测齿轮中的机械故障的领域,并且有利地发现在检测飞行器发动机或直升机发动机中的这种故障中的应用,以用于监测这种系统。
背景技术
齿轮是由至少两个啮合的齿轮组成的机械系统,该齿轮用于在齿轮之间传递旋转运动。
由这种齿轮产生的振动会携带有关这种齿轮的健康状态的有用信息。因此,这些振动分析是一种有效的、非侵入性的且低成本的监测手段。
实际上,从“信号”的角度来看,可以将在(准)稳定状态下运行的单个齿轮的测得的振动建模为啮合信号se(t)与两个调制信号s1(t)和s2(t)的乘积。该乘积表示如下:
s(t)=se(t)(1+s1(t)+s2(t))
其中:
·se(t):啮合信号相对于啮合周期Te=1/fe是周期性的;
·s1(t):轮1的调制信号相对于旋转周期T1=1/f1是周期性的;
·s2(t):轮2的调制信号相对于旋转周期T2=1/f2是周期性的。
Z1和Z2分别是指轮1和轮2的齿数。频率fe、f1和f2根据以下公式联系在一起:
fe=Z1f1=Z2f2
频率fe是啮合频率,f1和f2分别是轮1和轮2的旋转频率。
信号se(t)在物理上表示对齿间接触时产生的啮合力的响应,因此啮合周期是指齿的接合与齿的脱离之间的时间段。
感兴趣的调制信号sI(t)(I=1,2)在物理上表示由轮I引起的啮合的不规律性。
理想情况下,sI(t)是理想的轮的常数(也就是说,没有异常,但可能有小的不规则性)。然而,在实践中,不规律性的存在是常见的,并且不一定意味着存在故障。实际上,不规律性可能是由于微小的制造误差、组装误差或不对称误差引起的。为此,关于轮I的健康状态的信息取决于信号sI(t)的形状。
例如,如果信号sI(t)呈现具有瞬变的周期性序列,则表明存在局部故障(例如剥落类型的局部故障)。
齿轮的故障检测中的已知问题是,即使在轮中的其中一个轮上存在故障,啮合信号在能量上也比调制信号强得多。
因此,故障的特征常常被啮合现象所掩盖。
用于检测故障的一种经典方法是监测信号频谱(以dB为单位)中啮合频率周围调制的演变。
但是,这种传统方法的缺点是经常不准确,因为这种传统方法不提供有关调制信号的形状的信息。
另一种传统方法是在以啮合谐波为中心的频带中解调(幅度和频率)。
该方法旨在恢复调制信号(sI(t))的包络(或相位)的图像,但是在发生其他干扰(周期性干扰、静止噪声)的情况下,性能较差,这是复杂系统中的典型场景。
其他源分离方法可以有效地恢复调制信号的图像,但是需要很高的计算成本。
发明内容
本发明的一个目的是提出一种用于监测齿轮系统的方法,该方法操作简单并且有效。
为此,本发明提出一种用于监测齿轮系统的方法,齿轮系统包括至少两个轮,每个轮具有特征频率,代表这些振动的振动或声学信号已由传感器采集,振动或声学数字信号x(t)已获得,对于系统的每个特征频率,该方法包括以下步骤:
-借助于滤波器对数字信号进行滤波E1以获得至少一种故障的至少一个振动分量的图像监测信号;
-确定E3所述监测信号的、由监测信号的希尔伯特变换的平方绝对值限定的平方包络,以从监测信号中提取与轮的旋转相关联的调制信号的图像;
-确定E4所述平方包络相对于在齿轮的轮中选择的感兴趣的轮的旋转周期的同步平均值,所述平均值使得能够衰减来自其他机械源的包络中的虚假分量;
-根据所述同步平均值确定E5监测指示符,所述监测指示符由同步平均值的、通过同步平均值的中值归一化的平方根限定。
关于步骤E1,其目的在于通过应用最佳滤波器来改善由有缺陷的轮产生的调制的形状。例如,可以根据谱峭度来计算该滤波器:
其中,谱峭度KSx(f)被定义为:
其中,X(nΔt;f)是x(t)的短时傅里叶变换,Δt是频谱的时间分辨率,n是时间指数,并且<*>是相对于n的平均运算符。也可以应用其他滤波器。
关于步骤E3,由于与故障有关的信息是由调制信号承载而不是由啮合信号承载的,因此确定E3平方包络能够突出潜在故障的调制信号并补偿啮合的影响。
关于步骤E4,所计算的平方包络具有与原始信号相同的长度,并且包括添加在信号上的、感兴趣的轮从一个循环旋转到另一循环时的异步干扰。由于轮的调制本质上是周期性的,因此周期的平均值(即应用的同步平均值)将保留感兴趣的轮的调制,并拒绝来自其他机械源或电磁源的所有异步干扰。
关于步骤E5,其使得能够获得在感兴趣的轮的循环(或旋转或周期)上定义的调制的平方图像(因为使用了平方包络)。为了获得调制信号的图像(该图像在物理上代表感兴趣的轮的齿的表面的刚度),要获取调制信号的平方根。通过中值进行归一化能够使该指示符归一化,从而使该指示符具有通用性。
有利地,本发明由以下特征补充,这些特征被单独采用或以其技术上可能的任一组合采用。
该方法包括以下步骤:当指示符围绕单位圆变化时,在由此获得的指示符的极坐标中显示用于发送至少一种故障信号的指示符。
该方法包括以下步骤:从选择性谱峭度获取滤波器,该选择性谱峭度由数字信号的谱峭度的、与所述特征频率有关的一部分限定。
有利地,确定数字信号的选择性谱峭度包括以下子步骤:
-确定数字信号的、由以下方程定义的短时傅里叶变换:
其中,Δt/δt=Nh(1-ρ),其中,ρ是指滑动窗口的重叠率,S=T/Δt是短时傅里叶变换相对于变量iΔt的数字长度,T是信号的采集时间段;
-对于每个频率mΔf,根据如下公式对获得的短时傅里叶变换进行归一化:
-对于每个频率mΔf,确定相对于时间轴的离散傅里叶变换,
-借助于以下函数来确定选择性谱峭度:
其中,c=1,2,3…并且使得c<S/2k-1。
根据以下公式通过选择性谱峭度的平方根来限定获取滤波器的步骤:
其中,fI是所考虑的特征频率。
该方法包括以下步骤:从谱峭度或从数字信号的峰度获取滤波器。
该方法包括测量并采集振动或声学数字信号x(t)的步骤,该获取通过加速度计或传声器来实现。
该方法包括对振动或声学数字信号进行角度重新采样的步骤。
本发明还涉及一种监测系统,该监测系统包括被配置成实施根据本发明的方法的处理单元,所述系统优选地包括用于测量并采集振动数字信号x(t)的测量采集单元,所述采集测量单元包括传感器,该传感器优选地是加速度计或传声器。
本发明还涉及一种计算机程序产品,该计算机程序产品包括程序代码指令,当该方法由至少一个处理器执行时,该程序代码指令用于执行根据本发明的方法的步骤。
本发明的优点较多:
·使用的指示符简单直观。实际上,本发明提出了一种单一的归一化指示符,该归一化指示符直接反映被监测轮的齿的状态,并且与齿轮的物理性质一致(不同于计算统计类型或能量类型的点指示符的其他方法)。该归一化指示符不仅能够检测故障的存在,还能够提供有关故障类型(即局部类型或分散类型)的更多信息。
·该方法对来自机械源、电气源或电磁源的噪声具有鲁棒性。
·本发明易于实现且速度很快:所使用的所有转换都具有非常合理的计算时间,并且不需要很大的存储空间。所使用的运算主要是加法运算、乘法运算和傅里叶变换运算,这些运算可以通过快速傅里叶变换(FFT)算法轻松实现。
附图说明
本发明的其他特征、目的和优点将从仅是说明性的和非限制性的并且应参照附图阅读的以下描述中显现,在附图中:
-图1示出了根据本发明的监测方法的步骤;
-图2示出了根据本发明的监测方法的步骤的子步骤;
-图3示出了在根据本发明的监测方法期间获得的监测指示符的显示。
具体实施方式
图1示出了根据本发明的监测系统和方法的示例性实施方式。
对包括至少两(2)个齿轮(或轮)的系统1进行监测以从该系统中检测出任何机械故障。这样的系统存在于飞行器发动机、直升机发动机、机动车辆、风力涡轮机等中。
测量单元2能够在齿轮系统1运行时测量并获取由齿轮系统1产生的振动信号。
这样的采集单元包括被配置成测量振动信号的传感器21。传感器21能够获得代表振动信号的模拟信号,并且传感器21连接到被配置成提供振动数字信号x(t)的采集链22。传感器21例如是传声器。
采集链22本身包括调节器(未示出)、模拟抗混叠滤波器(未示出)、采样保持电路(未示出)以及模拟-数字转换器(未示出)。采集链22的元件对于本领域技术人员是众所周知的,在此将不详细描述。
然后,将获得的振动数字信号x(t)馈送到处理单元3,该处理单元被配置成实施用于监测齿轮系统的方法,目的是监测齿轮系统并从齿轮系统中检测可能的机械故障。特别地,如下文将详细描述的,获得了监测信号,该监测信号使得可以确定易于使用的监测指示符。
处理单元3特别地被配置成实施将在下文中描述的各种步骤。
处理单元3能够将用于显示的监测指示符传输到显示单元4,以便特别地被操作者看到。该显示单元还能够显示由监测信号产生的各种指示符。
现在对监测方法进行描述。
经由测量和采集单元2获取振动数字信号x(t)=x(nδt)(步骤E0)。该数字信号是由传感器21和采集链22测量并采集的模拟信号的数字版本。
数字信号x(t)具有预定的时间段T=L.δt,其中,δt=1/Fs是采样周期,L是信号的数字长度,在该预定的时间段期间,系统1在稳定状态下运行,也就是说,系统1在几乎恒定的速度和负载下运行。
如果速度曲线v(t)的标准偏差不超过其速度平均值的5%,则可以验证该平稳性条件:
待监测的系统1的运动学CIN被认为是已知的,以便能够计算齿轮的特征频率(例如针对两轮系统在背景技术中给出的频率fe、f1和f2)。
将借助于最佳滤波器对数字信号进行滤波(步骤E1),以获得脉冲信号的图像。由此滤波信号是监测信号。
替代地,可以对所采集的数字信号实施角度重新采样步骤(步骤E2)。这种步骤的优点是使循环内容与电机的轴同步。然而,角度重新采样需要存在与x(t)一起采集的测速信号,使得可以估算速度并使角度范围(x(θ),其中,θ是角度变量)内的信号进行转换。因此,在该变型中,在以下步骤中使用的是角度范围内的信号。
让我们回到数字信号的滤波(步骤E1)。该滤波步骤特别地包括获取最佳滤波器(步骤E10)。最佳滤波器例如是借助于选择性谱峭度、谱峭度或峰度进行估算的维纳滤波器。
该步骤是带通型滤波,其中,滤波信号呈现出故障的振动分量的图像。
选择性谱峭度(标记为KSS)是指谱峭度中与特征频率有关的部分。选择性的概念与以下事实有关:换句话说,KSS是KS的、通常计算的一部分的选择。KSS有利地能够表征与目标特征频率有关的瞬变。
首先,将短时傅里叶变换(TFCT)应用于数字信号(步骤E101)。
其中,Δt/δt=Nh(1-ρ),其中,ρ是指滑动窗口的重叠率,S=T/Δt是指TFCT相对于变量iΔt的数字长度(T是指信号采集时间段)。TFCT是维度为Nh×S的矩阵,Nh和S分别为频率和时间轴。
然后,对于每个频率mΔf,通过标准偏差对TFCT进行归一化(步骤E102),公式如下:
然后,对于每个频率mΔf,计算XN(iΔt;mΔf)相对于时间轴的离散傅里叶变换,并且该离散傅里叶变换按如下公式进行定义(步骤E103):
然后,令k为整数,使得感兴趣的轮的特征频率被写成以下形式:fI=kΔα,然后,根据如下公式获得KSS(步骤E104):
其中,c=1,2,3…并且使得c<S/2k-1。
以补充的方式,如果频率fI与频率分辨率Δα不一致,则可设置内插(例如三次内插)以执行求和。
因此,获得针对待监测的系统1的每个感兴趣的频率的KSS。
以补充的方式,在执行角度重新采样的情况下,可以以与针对x(t)所描述的方式完全相似的方式将KSS应用于角度信号x(θ)。
一旦获得针对每个频率的KSS,就根据如下公式估算最佳滤波器(步骤E105):
然后,借助于该滤波器对数字信号进行有效滤波(步骤E11),以从待监测系统的频谱角度提高与可疑部分的频率相关的脉冲性。
然后,由以下公式给出滤波信号,标记为y(t):
其中,X(jδf)是x(t)的傅里叶变换,即
并且δf=Fs/L是频率分辨率。
为了突出显示由感兴趣的轮引起的调制,根据如下公式计算滤波信号的平方包络EC(步骤E3):
EC(nδt)=|Hilbert{y(nδt)}|2
如所观察到的,这是滤波信号的希尔伯特变换的绝对值的平方。
信号的平方包络比单独包络更可取,因为信号的平方包络更有效。实际上,单独包络包括会引起伪像(没有物理意义的成份)。
该步骤E3能够从在步骤E1中进行滤波的信号中提取调制信号的、与轮的旋转相关联的图像。
尽管滤波信号的平方包络受控于可疑轮的调制,但可能存在来自机械链的其他部件的干扰。出现这些干扰的原因是,从KSS派生的滤波器是最佳滤波器,该最佳滤波器保留了感兴趣的信号的走向(也就是说,使感兴趣的轮的滤波信号与调制信号之间的平方误差最小)。
为了抵制任何异步干扰,相对于(在齿轮的轮中的一个轮中选择的)感兴趣的轮的旋转周期来计算同步平均值MS(步骤E4)。通过将感兴趣的周期TI的每转点数指定为N=TI/δt,同步平均值被写成如下公式:
这样获得的同步平均值MS可以用作监测指示符。在这种情况下,必须能够跟踪该同步平均值随着时间的演变。换句话说,始终需要参考来评估和量化故障的演变。
同步平均值能够衰减来自其他机械源的包络中的虚假分量。因此,获得了无噪声包络,该无噪声包络具有感兴趣的轮的调制信号的平方的图像。
同样,优选地,按照如下公式,根据被中值归一化的同步平均值来确定故障指示符(步骤E5):
平方根的存在使指示符与信号的幅度能够一致(回想一下,获得的结果是平方包络)。
使用中值是因为中值对与可能存在本地故障有关的异常值具有鲁棒性。
以补充的方式,该指示符以极坐标的方式显示(步骤E6):
P(φ)=P(2πn/N)=I(nδt)0≤φ<2π
实际上,齿轮的圆形几何形状使极性表示更加直观,并提供了易于理解的监测手段。
在没有故障的情况下,指示符的这种曲线在单位圆附近略有变化,这与曲线在单位圆外部明显变形的故障情况不同。
无论采集条件(例如传感器的位置)如何,这样的指示符与其他系统相比都具有优势。当有多个发动机要分析时,这是非常有益的。
图3示出了所提出的指示符,该指示符在四种不同情况下应用于减速器的轮,其中一种情况包括剥落故障(右下方的曲线)。左上方的曲线表示完美的轮,而其余曲线(右上方和左下方)表示具有较小几何误差的轮,尽管该轮完全健康。
Claims (11)
1.用于监测齿轮系统(1)的方法,所述齿轮系统包括至少两个轮,每个轮具有特征频率(f1,f2),代表所述齿轮系统的振动的振动或声学信号已由传感器(21)采集,振动或声学数字信号x(t)已获得,对于系统(1)的每个特征频率,所述方法包括以下步骤:
-借助于滤波器对数字信号进行滤波(E1)以获得至少一种故障的至少一个振动分量的图像监测信号;
-确定(E3)所述监测信号的、由监测信号的希尔伯特变换的平方绝对值限定的平方包络,以从所述监测信号中提取与所述轮的旋转相关联的调制信号的图像;
-确定(E4)所述平方包络相对于在所述齿轮系统的轮中选择的感兴趣的轮的旋转周期的同步平均值,所述平均值使得能够衰减来自其他机械源的包络中的虚假分量;
-根据所述同步平均值确定(E5)监测指示符,所述监测指示符由被所述同步平均值的中值归一化的同步平均值的平方根限定。
2.根据权利要求1所述的方法,其中,所述方法包括以下步骤:当指示符围绕单位圆变化时,在由此获得的指示符的极坐标中显示(E6)用于发送至少一种故障信号的指示符。
3.根据权利要求1或2所述的方法,其中,所述方法包括以下步骤:从选择性谱峭度获取(E106)滤波器,所述选择性谱峭度由所述数字信号的谱峭度的、与所述特征频率有关的一部分限定。
4.根据权利要求3所述的方法,其中,确定所述数字信号的选择性谱峭度包括以下子步骤:
-确定(E101)所述数字信号的、由以下公式限定的短时傅里叶变换,
其中,Δt/δt=Nh(1-ρ),其中,ρ是指滑动窗口的重叠率,S=T/Δt是指所述短时傅里叶变换相对于变量iΔt的数字长度,T是指信号的采集时间段;
-对于每个频率mΔf,确定(E103)相对于时间轴的离散傅里叶变换,
-借助于以下函数来确定(E104)所述选择性谱峭度:
其中,c=1,2,3...并且使得c<S/2k-1。
6.根据权利要求1或2所述的方法,其中,所述方法包括以下步骤:从所述数字信号的谱峭度或峰度获取滤波器。
7.根据权利要求1或2所述的方法,其中,所述方法包括测量并采集振动或声学数字信号x(t)的步骤(E0),以上采集振动或声学数字信号x(t)通过加速度计或传声器来实现。
8.根据权利要求1或2所述的方法,其中,所述方法包括对所述振动或声学数字信号进行角度重新采样的步骤(E2)。
9.监测系统,所述监测系统包括被配置成实施根据权利要求1至8中任一项所述的方法的处理单元,所述系统包括用于测量并采集振动数字信号x(t)的测量采集单元(2),所述测量采集单元(2)包括传感器(21)。
10.根据权利要求9所述的监测系统,其中,所述传感器是加速度计或传声器。
11.计算机程序存储介质,所述计算机程序存储介质包括程序代码指令,所述程序代码指令用于执行根据权利要求1至8中任一项所述的方法的步骤,该方法由至少一个处理器执行。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1853561 | 2018-04-24 | ||
FR1853561A FR3080450B1 (fr) | 2018-04-24 | 2018-04-24 | Procede et dispositif de surveillance d'un systeme a engrenages |
PCT/FR2019/050945 WO2019207242A1 (fr) | 2018-04-24 | 2019-04-19 | Procédé et dispositif de surveillance d'un système à engrenages |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112105907A CN112105907A (zh) | 2020-12-18 |
CN112105907B true CN112105907B (zh) | 2023-05-05 |
Family
ID=62751132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980030924.7A Active CN112105907B (zh) | 2018-04-24 | 2019-04-19 | 用于监测齿轮系统的方法和设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11927501B2 (zh) |
EP (1) | EP3785006B1 (zh) |
CN (1) | CN112105907B (zh) |
FR (1) | FR3080450B1 (zh) |
WO (1) | WO2019207242A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3079976B1 (fr) * | 2018-04-09 | 2020-04-17 | Safran | Module d'acquisition pour un systeme de surveillance d'une machine tournante, systeme et procede de surveillance |
JP2022100163A (ja) * | 2020-12-23 | 2022-07-05 | トヨタ自動車株式会社 | 音源推定サーバ、音源推定システム、音源推定装置、音源推定方法 |
CN113074935B (zh) * | 2021-04-01 | 2022-09-13 | 西华大学 | 一种用于齿轮箱冲击故障特征的声学分离和诊断方法 |
FR3133920A1 (fr) | 2022-03-28 | 2023-09-29 | Institut National Des Sciences Appliquées Lyon | Méthode de surveillance du régime moteur d'une machine tournante, notamment d'un moteur d'aéronef |
CN116718373B (zh) * | 2023-06-13 | 2024-01-05 | 长江勘测规划设计研究有限责任公司 | 一种齿轮齿条驱动机构故障特征信号识别方法及装置 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3712130A (en) * | 1970-10-30 | 1973-01-23 | Gen Electric | Detection of distributed defects in gear assemblies |
JPH0733976B2 (ja) * | 1989-02-02 | 1995-04-12 | 富士電機株式会社 | 歯車の異常診断装置 |
JPH02222818A (ja) * | 1989-02-23 | 1990-09-05 | Fuji Electric Co Ltd | 歯車異常診断装置 |
US6526356B1 (en) * | 2001-06-19 | 2003-02-25 | The Aerospace Corporation | Rocket engine gear defect monitoring method |
TW579424B (en) * | 2001-07-09 | 2004-03-11 | Shell Int Research | Vibration analysis for predictive maintenance in machinery |
JP3874110B2 (ja) * | 2002-08-30 | 2007-01-31 | 日本精工株式会社 | 異常診断システム |
FR2966597B1 (fr) * | 2010-10-21 | 2012-11-30 | Maia Eolis | Procede de surveillance d'un element tournant appartenant a une transmission mecanique d'un aerogenerateur |
CN102636347A (zh) * | 2012-04-24 | 2012-08-15 | 西安交通大学 | 一种用于变转速齿轮箱的振动信号时域同步平均方法 |
CN102759448B (zh) * | 2012-06-26 | 2014-11-05 | 西安瑞特快速制造工程研究有限公司 | 基于柔性时域平均的齿轮箱故障检测方法 |
FR2994261B1 (fr) * | 2012-07-31 | 2014-07-18 | Eurocopter France | Procede de detection de defauts d'un roulement par analyse vibratoire |
CN102866010B (zh) * | 2012-09-28 | 2015-02-04 | 苏州大学 | 一种信号的谱峭度滤波方法及相关装置 |
FR3010523B1 (fr) * | 2013-09-06 | 2015-09-25 | Safran | Procede de caracterisation d'une piece en materiau composite |
FR3016819B1 (fr) * | 2014-01-24 | 2016-02-12 | Snecma | Procede de soudage a friction inertielle de deux parties d'un sous-ensemble tournant de turbomachine |
CN104006962A (zh) * | 2014-05-08 | 2014-08-27 | 昆明理工大学 | 一种齿轮故障特征提取方法及系统 |
US9841352B2 (en) * | 2014-06-19 | 2017-12-12 | United Technologies Corporation | System and method for monitoring gear and bearing health |
CN104198186A (zh) * | 2014-08-29 | 2014-12-10 | 南京理工大学 | 基于小波包与谱峭度结合的齿轮故障诊断方法及装置 |
CN104596756A (zh) * | 2015-02-02 | 2015-05-06 | 华北电力大学 | 用于旋转机械故障诊断的多频带包络谱阵 |
CN104819766B (zh) * | 2015-05-13 | 2018-05-18 | 西安交通大学 | 基于谐噪比的包络解调频带确定方法 |
CN105092241B (zh) * | 2015-08-10 | 2018-10-02 | 昆明理工大学 | 一种齿轮局部故障诊断方法及系统 |
CN106092567A (zh) * | 2016-07-02 | 2016-11-09 | 哈尔滨工业大学深圳研究生院 | 旋转机械故障振动同步测量方法 |
CN106548150A (zh) * | 2016-11-03 | 2017-03-29 | 中国船舶重工集团公司第七0三研究所 | 一种用于人字齿轮故障特征提取的瞬时频率分析方法 |
-
2018
- 2018-04-24 FR FR1853561A patent/FR3080450B1/fr not_active Expired - Fee Related
-
2019
- 2019-04-19 WO PCT/FR2019/050945 patent/WO2019207242A1/fr unknown
- 2019-04-19 CN CN201980030924.7A patent/CN112105907B/zh active Active
- 2019-04-19 US US17/050,275 patent/US11927501B2/en active Active
- 2019-04-19 EP EP19728478.9A patent/EP3785006B1/fr active Active
Also Published As
Publication number | Publication date |
---|---|
EP3785006B1 (fr) | 2021-11-24 |
WO2019207242A1 (fr) | 2019-10-31 |
EP3785006A1 (fr) | 2021-03-03 |
US20210239570A1 (en) | 2021-08-05 |
FR3080450A1 (fr) | 2019-10-25 |
US11927501B2 (en) | 2024-03-12 |
FR3080450B1 (fr) | 2020-03-20 |
CN112105907A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112105907B (zh) | 用于监测齿轮系统的方法和设备 | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
US8066486B2 (en) | Method and apparatus for vibration-based automatic condition monitoring of a wind turbine | |
Zhao et al. | A tacho-less order tracking technique for large speed variations | |
Blunt et al. | Detection of a fatigue crack in a UH-60A planet gear carrier using vibration analysis | |
CN110617964A (zh) | 用于滚动轴承故障诊断的同步压缩变换阶比分析法 | |
US20040176902A1 (en) | Vibration monitoring system for gas turbine engines | |
CN110763462B (zh) | 一种基于同步压缩算子的时变振动信号故障诊断方法 | |
US20090319206A1 (en) | Timing analysis | |
JP6236402B2 (ja) | 回転モーターの振動信号を取得するためのシステム | |
JP2005233789A (ja) | 回転機械の異常診断方法、異常診断装置および異常診断システム | |
JPH10504107A (ja) | 回転機械の共振を検出するためのエンコーダ信号のディジタル信号処理 | |
CN105675113B (zh) | 基于微型传感器的旋转机械角域振动信号获取装置和方法 | |
US10365297B2 (en) | System and method for generation of a tachometer signal and reduction of jitter | |
CN111397877B (zh) | 一种旋转机械拍振故障检测与诊断方法 | |
JPH09113416A (ja) | ころがり軸受の損傷診断方法 | |
Groover et al. | Removal of order domain content in rotating equipment signals by double resampling | |
JP2015505058A5 (zh) | ||
JP5218614B2 (ja) | 異常診断装置、回転装置、鉄道車両、自動車及び異常診断方法 | |
CN117836599A (zh) | 检测旋转系统中轴承缺陷的方法以及实施该方法的监控系统 | |
CN117686232A (zh) | 一种燃气轮机振动基频实时提取方法、装置及存储介质 | |
CN115683644B (zh) | 航空发动机双源拍振特征识别方法 | |
KR101752298B1 (ko) | 회전익 진동 기반 건전성 감시 장치 및 이를 이용하는 감시 방법 | |
JP4848803B2 (ja) | 異常診断装置、回転装置及び異常診断方法 | |
CN113029553B (zh) | 齿轮箱轴转速信息提取方法、系统、装置及存储介质 |
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 |