CN112857798A - 一种基于频谱分析的多轴系机械传动系统质量评估方法 - Google Patents

一种基于频谱分析的多轴系机械传动系统质量评估方法 Download PDF

Info

Publication number
CN112857798A
CN112857798A CN202110204186.2A CN202110204186A CN112857798A CN 112857798 A CN112857798 A CN 112857798A CN 202110204186 A CN202110204186 A CN 202110204186A CN 112857798 A CN112857798 A CN 112857798A
Authority
CN
China
Prior art keywords
frequency
vibration
mechanical transmission
acceleration sensor
shafting
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
Application number
CN202110204186.2A
Other languages
English (en)
Other versions
CN112857798B (zh
Inventor
李聪明
武兵
牛蔺楷
李国彦
熊晓燕
兰媛
钮晨光
李利娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN202110204186.2A priority Critical patent/CN112857798B/zh
Publication of CN112857798A publication Critical patent/CN112857798A/zh
Application granted granted Critical
Publication of CN112857798B publication Critical patent/CN112857798B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及一种基于频谱分析的多轴系机械传动系统质量评估方法，可应用于大中型多轴系机械传动系统的出厂检测或维修后的产品质量分级，本发明属于机械设备状态监测与故障诊断领域。针对传统检测方法在多级机械传动设备质量评估和出厂分级中应用的不足，提出一种基于频谱分析的多轴系机械传动系统质量评估方法，该方法可有效、准确识别多级传动产生的复合信号中的故障特征信息。同时，建立一定的特征比对和异常分级方法，用于多级机械传动设备的整体质量评估。

Description

一种基于频谱分析的多轴系机械传动系统质量评估方法
技术领域
本发明属于机械设备状态监测与故障诊断领域。涉及一种利用频域分析技术对机械传动系统进行质量评估的方法，可应用于大中型多轴系机械传动系统的出厂检测或维修后的产品质量分级。
背景技术
采煤机、掘进机等作为综采成套装备的主要设备，是集电气、液压、机械为一体的大型复杂系统，会在恶劣环境中长时间连续作业，如出现故障只能返厂维修，导致整个采煤工作的中断，造成巨大的经济损失。同时，此类重型复杂系统缺乏可靠的出厂质量检测方法，仅通过实验台加载来监测温升和异响，依靠人力重复拆装排查故障，导致无法准确确定故障位置和类型，严重影响产品出厂分级和维修进度。
近些年，机械设备的状态监测和故障诊断技术得到飞速发展，常见的检测方法有振动法、特征分析法、声学法、超声波探伤法等，采用故障诊断技术进行大型复杂设备的质量评估成为发展趋势。
对于机械设备的故障诊断，最为有效的方法之一是采用振动法，即通过传感器采集关键部件位置处的振动信号，利用时频变换得到频谱或功率谱，进而从谱中查找故障信息。然而机械设备类型繁多，出现的故障也多种多样，故障特征频率既可能为周转部件的转频又可能为以啮合频率/转频为中心频率的边频带。尤其对于采煤机、掘进机等多轴系机械设备，主要由多个定轴系或行星轮系组成，轴系通常包括轴、齿轮和轴承三种部件。故障信息经多级机械传动系统传递后，频谱中的信号多为部件间和轴系间的复合故障信号，故障特征频率所处位置及能量分布难以确定，需凭借操作人员根据经验对频谱进行多次局部放大查找并比对特征频率值。其弊端可归类为如下几点：1)有可能遗漏某些故障特征频率；2)多个故障特征频率值较为接近时，无法有效分辨；3)故障成分所携带能量远小于所在频带能量，造成故障特征频率易淹没于频谱中，使得此类故障无法有效识别。因此，传统检测方法无法有效应用于多级机械传动设备的质量评估和出厂分级。
发明内容
本发明的目的在于针对传统检测方法在多级机械传动设备质量评估和出厂分级中应用的不足，提出一种基于频谱分析的多轴系机械传动系统质量评估方法，该方法可有效、准确识别多级传动产生的复合信号中的故障特征信息。同时，建立一定的特征比对和异常分级方法，用于多级机械传动设备的整体质量评估。
为实现上述目的，本发明的技术方案如下：
一种基于频谱分析的多轴系机械传动系统故障分析方法，对采集的振动信号进行频域变换，并对变换后的数据进行峭度分析，进而对机械传动系统进行故障分析，包括以下步骤：
步骤1，采集多级机械传动设备各轴系处的振动信号；
步骤2，提取单个轴系的振动信号，并将提取的单个轴系振动信号进行频谱或功率谱变换，将时域信号转换成频域信号；
步骤3，依据啮合频率或转频结合设定的频率容差计算截断信号区间，将步骤2的频域信号进行截断；
步骤4，对步骤3的截断信号进行归一化，并计算归一化后的各个信号区间的峭度值；
步骤5，判断步骤4计算的各个区间峭度值是否超过阈值，如果超过阈值，则认定其对应谱线为有效的边频分量或倍频分量，则将该边频分量或倍频分量加入倍频/边频分量集，则进行步骤6；如果峭度值没有超过阈值则，认定其对应谱线不是有效边频分量或倍频分量，则执行步骤8；
步骤6，将步骤5中提取的倍频/边频分量集中的频率与故障特征频率进行特征对比，判断该边频分量或倍频分量是否是特征分量，如果是则加入特征分量集并执行步骤7，如果不是则执行步骤8；
步骤7，判断特征分量集中各个特征分量的在各个幅度阈值区间的数量，判断该轴系状态是否异常，如果轴系状态异常则进行记录；
步骤8，重复执行步骤1，并在步骤2中提取其他轴系的振动信号，直到全部轴系的振动信号被全部遍历完；
步骤9，汇总全部轴系的故障状态，汇总异常状态的轴系的数量；
步骤10，根据异常状态的轴系的数量对多级机械传动设备进行状态评估。
步骤5中判断峭度值是否超过阈值，具体为通过截断信号的峭度值判断是否存在以啮合频率为中心的有效故障边频分量或倍频分量。
步骤6中的对比具体为通过步骤2提取的单个振动信号最大幅值处的频率来确定啮合频率，根据倍频/边频分量集中各个分量的频率与啮合频率的差值△f是否与故障频率相近来确定是否属于故障特征频率，若是则将该特征频率分量加入特征分量集；
步骤7具体为设定分级规则，根据不同幅度阈值区间统计特征分量个数，同时由幅度阈值区间和特征分量个数确定异常分级。
本发明的效果和益处是：该方法对频域的局部截断信号进行归一化，可有效解决故障特征频率易淹没于频谱所引起的此类故障无法有效识别的问题；通过频域峭度值，判断是否形成有效边频/倍频分量，解决了故障特征频率的遗漏问题；通过幅度阈值和特征个数，实现所有轴系的异常分级，为多级机械传动设备的整体质量评估提供有效方法。在进行振动检测时，同时利用多个加速度传感器进行差分，克服了外界振动带来的干扰，可以用于正在移动或者周围振动干扰较大的情况；同时利用激光多普勒测振仪测定加速度传感器的振动情况，并将其检测结果在频域上与加速度传感器的检测结果进行叠加后再进行分析，可以发挥两种传感器的检测优势，避免单一传感器收集信号的不准确性。
附图说明
图1为本发明实施例的方法流程示意图。
图2为本发明实施例的特征比对方法示意图。
图3为本发明实施例的异常分级方法流程示意图。
图4为本发明具体实施例的信号波形图。
具体实施方式
下面结合技术方案和附图，详细叙述本发明的具体实施方式。
实施例1：
一种基于频谱分析的多轴系机械传动系统质量评估方法，具体步骤如下：
第一步，采集多级机械传动设备各轴系处的振动信号；
第二步，对单个轴系振动信号进行频谱/功率谱变换；
第三步，依据啮合频率/转频和设定的频率容差计算截断信号区间；
第四步，对截断信号(频域)进行归一化并计算峭度值；
第五步，判断峭度是否超过阈值：大于设定阈值，判断为有倍频/边频分量，并添加至倍频/边频分量集中；小于设定阈值，判断为无倍频/边频分量，不添加至倍频/边频分量集中；
第六步，利用特征比对方法，返回特征分量集；
第七步，利用异常分级方法，返回异常分级状态；
第八步，汇总各个轴系的故障状态；
第九步，重复执行第一步，直至遍历完所有振动信号数据；
第十步，显示多级机械传动设备质量评估结果。
上述步骤的具体内容是：
第一步，利用加速度传感器采集多级机械传动设备各轴系处的振动信号；
第二步，对单个轴系部件振动信号(如图4(a)所示)进行频谱变换(如图4(b)所示)；
第三步，依据啮合频率为494Hz、故障特征频率为13.7Hz和频率容差为10％，计算截断信号区间为481.7～509.1Hz；
第四步，对481.7～509.1Hz的截断信号进行-1～1区间归一化(如图4(c)所示)，并计算峭度值；
第五步，其峭度值为180超过设定阈值100。判断为有倍频/边频分量，并添加至倍频/边频分量集中；
第六步，根据故障特征频率为13.7Hz，在倍频/边频分量集中比对成功；
第七步，超过幅度阈值-0.25，输出异常(分级)状态；
第八步，重复执行第一步，直至遍历完所有振动信号数据；
第九步，汇总各个轴系的故障状态；
第十步，汇总各个轴系的故障状态个数为1，显示多级机械传动设备质量评估结果为“良”。
实施例2：
故障检测装置包括激光振动检测模块、加速度传感器模块和数据分析模块，激光振动检测模块和加速度传感器模块连接在数据分析模块上，数据分析模块用于执行前述的分析方法；
加速度传感器模块包括多个相互独立的第一加速度传感器和一个第二加速度传感器；多个独立的第一加速度传感器分别布置在多级机械传动设备的各个转动节点外部，用于收集其位置上的振动信号；一个第二加速度传感器设置在多级机械传动设备外部一相对于地面静止的物体上；多个第一加速度传感器和一个第二加速度传感器均将其采集的振动信号发送至数据分析模块，第一加速度传感器测量的振动信号为V1，第二加速度传感器测量的振动信号为V2；
激光振动检测模块包括激光多普勒测振仪，激光多普勒测振仪安装在一个5自由度机械臂上，且该5自由度机械臂相对于多级机械传动设备独立；工作时激光多普勒测振仪垂直对准第一加速度传感器，测量加速度传感器自身振动信号，得到振动信号V3；
进行分析时，先利用V1与V2进行差分，将得到的差分信号V1-V2作为某第一加速度传感器采集的多级机械传动设备各轴系处的振动信号，同时将第一加速度传感器采集信号V1进行频域变换后得到F1，将对准该第一加速度传感器采集的振动信号进行频域变换后得到F3，并F1+F3作为采集的多级机械传动设备各轴系处的振动频域信号进行同步分析；将两个分析结果进行比对，如果两个分析结果不同，则以评估结果更差的分析结果作为最终分析结果进行输出。
当然上述分析也可以单独对F3进行分析，或者将V1-V2的结果进行频域变换后在与F3进行频域叠加，之后进行分析，其都是可行的。
以上所述，仅为本发明的优选实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (5)

1.一种基于频谱分析的多轴系机械传动系统故障分析方法，对采集的振动信号进行频域变换，并对变换后的数据进行峭度分析，进而对机械传动系统进行故障分析，其特征在于包括以下步骤：
步骤1，采集多级机械传动设备各轴系处的振动信号；
步骤2，提取单个轴系的振动信号，并将提取的单个轴系振动信号进行频谱或功率谱变换，将时域信号转换成频域信号；
步骤3，依据啮合频率或转频结合设定的频率容差计算截断信号区间，将步骤2的频域信号进行截断；
步骤4，对步骤3的截断信号进行归一化，并计算归一化后的各个信号区间的峭度值；
步骤5，判断步骤4计算的各个区间峭度值是否超过阈值，如果超过阈值，则认定其对应谱线为有效的边频分量或倍频分量，将该边频分量或倍频分量加入倍频/边频分量集，进行步骤6；如果峭度值没有超过阈值则，认定其对应谱线不是有效边频分量或倍频分量，则执行步骤8；
步骤6，将步骤5中提取的倍频/边频分量集中的频率与故障特征频率进行特征对比，判断该边频分量或倍频分量是否是特征分量，如果是则加入特征分量集并执行步骤7，如果不是则执行步骤8；
步骤7，判断特征分量集中各个特征分量的在各个幅度阈值区间的数量，判断该轴系状态是否异常，如果轴系状态异常则进行记录；
步骤8，重复执行步骤1，并在步骤2中提取其他轴系的振动信号，直到全部轴系的振动信号被全部遍历完；
步骤9，汇总全部轴系的故障状态，汇总异常状态的轴系的数量；
步骤10，根据异常状态的轴系的数量对多级机械传动设备进行状态评估。
2.根据权利要求1所述的方法，其特征在于：
步骤5中判断峭度值是否超过阈值，具体为通过截断信号的峭度值判断是否存在以啮合频率为中心的有效故障边频分量或倍频分量。
3.根据权利要求1所述的方法，其特征在于：
步骤6中的对比具体为通过步骤2提取的单个振动信号最大幅值处的频率来确定啮合频率，根据倍频/边频分量集中各个分量的频率与啮合频率的差值△f是否与故障频率相近来确定是否属于故障特征频率，若是则将该特征频率分量加入特征分量集。
4.根据权利要求1所述的方法，其特征在于：
步骤7具体为设定分级规则，根据不同幅度阈值区间统计特征分量个数，同时由幅度阈值区间和特征分量个数确定异常分级。
5.一种用于执行权利要求1-4任一项的方法的故障检测装置，包括激光振动检测模块、加速度传感器模块和数据分析模块，其特征在于：
激光振动检测模块和加速度传感器模块连接在数据分析模块上，数据分析模块用于执行权利要求1-4任一项的分析方法；
加速度传感器模块包括多个相互独立的第一加速度传感器和一个第二加速度传感器；多个独立的第一加速度传感器分别布置在多级机械传动设备的各个转动节点外部，用于收集其位置上的振动信号；一个第二加速度传感器设置在多级机械传动设备外部一相对于地面静止的物体上；多个第一加速度传感器和一个第二加速度传感器均将其采集的振动信号发送至数据分析模块，第一加速度传感器测量的振动信号为V1，第二加速度传感器测量的振动信号为V2；激光振动检测模块包括激光多普勒测振仪，激光多普勒测振仪安装在一个5自由度机械臂上，且该5自由度机械臂相对于多级机械传动设备独立；工作时激光多普勒测振仪垂直对准第一加速度传感器，测量加速度传感器自身振动信号，得到振动信号V3；
进行分析时，先利用V1与V2进行差分，将得到的差分信号V1-V2作为某第一加速度传感器采集的多级机械传动设备各轴系处的振动信号，同时将第一加速度传感器采集信号V1进行频域变换后得到F1，将对准该第一加速度传感器采集的振动信号进行频域变换后得到F3，并F1+F3作为采集的多级机械传动设备各轴系处的振动频域信号进行同步分析；将两个分析结果进行比对，如果两个分析结果不同，则以评估结果更差的分析结果作为最终分析结果进行输出。
CN202110204186.2A 2021-02-23 2021-02-23 一种基于频谱分析的多轴系机械传动系统质量评估方法及装置 Active CN112857798B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110204186.2A CN112857798B (zh) 2021-02-23 2021-02-23 一种基于频谱分析的多轴系机械传动系统质量评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110204186.2A CN112857798B (zh) 2021-02-23 2021-02-23 一种基于频谱分析的多轴系机械传动系统质量评估方法及装置

Publications (2)

Publication Number Publication Date
CN112857798A true CN112857798A (zh) 2021-05-28
CN112857798B CN112857798B (zh) 2023-03-10

Family

ID=75990588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110204186.2A Active CN112857798B (zh) 2021-02-23 2021-02-23 一种基于频谱分析的多轴系机械传动系统质量评估方法及装置

Country Status (1)

Country Link
CN (1) CN112857798B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113418700A (zh) * 2021-06-23 2021-09-21 太原理工大学 一种智能传感器及矿用皮带机传动系统健康状态监测方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012100434A (ja) * 2010-11-02 2012-05-24 Akebono Brake Ind Co Ltd 鉄道車両用異常診断システム
CN102798529A (zh) * 2012-08-30 2012-11-28 桂林电子科技大学 大型风力机组轴承故障诊断方法及系统
CN104198187A (zh) * 2014-09-04 2014-12-10 昆明理工大学 一种机械振动故障特征时域盲提取方法
CN106441894A (zh) * 2016-09-28 2017-02-22 清华大学 基于希尔伯特变换的磁悬浮轴承轴系跌落轨迹响应识别方法及装置
CN106872166A (zh) * 2017-02-27 2017-06-20 哈尔滨理工大学 一种风力发电机主传动链轴系扭振故障检测系统
CN108716989A (zh) * 2018-05-17 2018-10-30 长沙理工大学 一种汽轮发电机组轴系扭振故障监测方法、监测器及系统
CN108844733A (zh) * 2018-04-18 2018-11-20 苏州微著设备诊断技术有限公司 一种基于kl散度与均方根值的齿轮状态监测指标提取方法
US10168248B1 (en) * 2015-03-27 2019-01-01 Tensor Systems Pty Ltd Vibration measurement and analysis
CN109883706A (zh) * 2019-04-08 2019-06-14 西安交通大学 一种滚动轴承局部损伤微弱故障特征提取方法
CN110231166A (zh) * 2019-07-02 2019-09-13 北京天泽智云科技有限公司 一种变转速工况下三级传动齿轮箱的智能诊断方法
CN111780971A (zh) * 2020-06-10 2020-10-16 杭州杰牌传动科技有限公司 一种基于转速传感器的多轴传动装置故障诊断系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012100434A (ja) * 2010-11-02 2012-05-24 Akebono Brake Ind Co Ltd 鉄道車両用異常診断システム
CN102798529A (zh) * 2012-08-30 2012-11-28 桂林电子科技大学 大型风力机组轴承故障诊断方法及系统
CN104198187A (zh) * 2014-09-04 2014-12-10 昆明理工大学 一种机械振动故障特征时域盲提取方法
US10168248B1 (en) * 2015-03-27 2019-01-01 Tensor Systems Pty Ltd Vibration measurement and analysis
CN106441894A (zh) * 2016-09-28 2017-02-22 清华大学 基于希尔伯特变换的磁悬浮轴承轴系跌落轨迹响应识别方法及装置
CN106872166A (zh) * 2017-02-27 2017-06-20 哈尔滨理工大学 一种风力发电机主传动链轴系扭振故障检测系统
CN108844733A (zh) * 2018-04-18 2018-11-20 苏州微著设备诊断技术有限公司 一种基于kl散度与均方根值的齿轮状态监测指标提取方法
CN108716989A (zh) * 2018-05-17 2018-10-30 长沙理工大学 一种汽轮发电机组轴系扭振故障监测方法、监测器及系统
CN109883706A (zh) * 2019-04-08 2019-06-14 西安交通大学 一种滚动轴承局部损伤微弱故障特征提取方法
CN110231166A (zh) * 2019-07-02 2019-09-13 北京天泽智云科技有限公司 一种变转速工况下三级传动齿轮箱的智能诊断方法
CN111780971A (zh) * 2020-06-10 2020-10-16 杭州杰牌传动科技有限公司 一种基于转速传感器的多轴传动装置故障诊断系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张自来等: "部分进汽下汽轮机调节级轴系振动失稳试验研究", 《汽轮机技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113418700A (zh) * 2021-06-23 2021-09-21 太原理工大学 一种智能传感器及矿用皮带机传动系统健康状态监测方法

Also Published As

Publication number Publication date
CN112857798B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
de Azevedo et al. A review of wind turbine bearing condition monitoring: State of the art and challenges
Sheng Wind turbine gearbox condition monitoring round robin study-vibration analysis
CN102243140B (zh) 一种基于子带信号分析的机械设备状态监测方法
Qu et al. A new acoustic emission sensor based gear fault detection approach
CN107324214A (zh) 海洋平台起重机智能状态监测方法
CN102155988B (zh) 设备监诊方法
CN105424359A (zh) 一种基于稀疏分解的齿轮和轴承混合故障特征提取方法
Dybała Diagnosing of rolling-element bearings using amplitude level-based decomposition of machine vibration signal
Klausen et al. Multi-band identification for enhancing bearing fault detection in variable speed conditions
CN111767897B (zh) 一种基于支持向量机的钢轨裂纹缺陷的识别方法
Yunusa-Kaltungo et al. Use of composite higher order spectra for faults diagnosis of rotating machines with different foundation flexibilities
CN109253244A (zh) 一种多齿轮系统大型机械齿轮箱故障检测方法
CN112857798B (zh) 一种基于频谱分析的多轴系机械传动系统质量评估方法及装置
Li et al. Transmissibility function-based fault diagnosis methods for beam-like engineering structures: a review of theory and properties
CN110987396B (zh) 一种用于采煤机摇臂的智能故障诊断及寿命预测方法
Poveda-Martínez et al. A comparison between psychoacoustic parameters and condition indicators for machinery fault diagnosis using vibration signals
CN104457973A (zh) 一种盾构掘进过程中振动信号检测及故障诊断系统
CN102879475B (zh) 基于pca和tdf对16锰钢承力件进行疲劳损伤状态的识别系统
Feng et al. Gas turbine blade fracturing fault diagnosis based on broadband casing vibration
CN105203937A (zh) 一种变压器内部放电模式识别方法及故障诊断系统
CN113280910A (zh) 一种长材生产线设备实时监测方法及系统
Qiao et al. Nonlinear spectrum feature fusion diagnosis method for RV reducer of industrial robots
CN101769785A (zh) 一种注水机组振动状态的点检方法及检测装置
CN104156339A (zh) 一种利用二次排列熵识别周期微弱脉冲信号的方法
Qu et al. On research of incipient gear pitting fault detection using optic fiber sensors

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