CN113933055A - 滚动轴承滚道缺陷尺寸量化方法、装置及系统 - Google Patents
滚动轴承滚道缺陷尺寸量化方法、装置及系统 Download PDFInfo
- Publication number
- CN113933055A CN113933055A CN202111169511.2A CN202111169511A CN113933055A CN 113933055 A CN113933055 A CN 113933055A CN 202111169511 A CN202111169511 A CN 202111169511A CN 113933055 A CN113933055 A CN 113933055A
- Authority
- CN
- China
- Prior art keywords
- rolling
- rolling bearing
- defect
- time information
- defect size
- 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
- 238000005096 rolling process Methods 0.000 title claims abstract description 226
- 230000007547 defect Effects 0.000 title claims abstract description 196
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000001133 acceleration Effects 0.000 claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000011002 quantification Methods 0.000 claims abstract description 29
- 230000003993 interaction Effects 0.000 claims abstract description 14
- 238000013139 quantization Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000012886 linear function Methods 0.000 claims description 7
- 238000005314 correlation function Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 5
- 238000004134 energy conservation Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000003116 impacting effect Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000005284 excitation Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000004445 quantitative analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于故障诊断、机械动力学及信号处理技术领域，涉及一种滚动轴承滚道缺陷尺寸量化方法、装置及系统；所述方法包括采集故障滚动轴承振动加速度信号；采用自回归模型增强故障振动特征；提取滚动体与缺陷区域前边沿相互作用激起的局部振动加速度信号，对其拟合并求积分得到振动速度信号；利用该振动速度信号的拐点建立函数关系式，得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；对自回归振动特征增强后的信号进行包络提取，得到第二和第三关键时间信息；将各关键时间信息输入滚动轴承缺陷尺寸量化模型，解得滚动轴承滚道缺陷尺寸。本发明能有效增强滚动轴承缺陷量化方法的鲁棒性，并提高尺寸量化的精度和准确性。
Description
技术领域
本发明属于故障诊断技术、机械动力学及信号处理技术领域，更具体的涉及一种滚动轴承滚道缺陷尺寸量化方法、装置及系统。
背景技术
滚动轴承滚道缺陷量化分析技术在滚动轴承损伤程度评价、剩余寿命预测以及机械设备运维策略等方面发挥着关键性作用；其量化分析结果更是一种直观的滚动轴承缺陷评价指标。传统的缺陷量化估计方法一般是直接提取出滚动体滚过缺陷区域所激起的两次冲击间的时间间隔，将其直接与缺陷尺寸关联从而得到缺陷尺寸量化估计结果；或者是基于简单的缺陷尺寸量化解析模型，将提取出的两次冲击间的时间间隔作为模型的输入参数，通过基于简单代数关系的模型输出缺陷尺寸量化估计结果。
然而，上述估计方法都忽略了滚动体在开始与缺陷前边沿相互作用时，映射于振动加速度信号中的关键时刻信息，该时刻信息真实反映了滚动体与缺陷接触时的几何位置关系，该接触几何位置关系直接决定着滚动体与滚道接触间产生的接触位移和接触力的变化，最终会影响整个轴承的接触刚度的变化，而接触刚度的变化与振动加速度信号中的冲击性特征产生机理直接关联。此外，此关键时间信息作为滚动体开始与缺陷前边沿的时间反映，亦必然与缺陷尺寸大小存在某种内在映射联系，在整个缺陷尺寸量化所需的时间信息中具有关键性作用，对整个缺陷尺寸量化结果的精度有重要影响。
总而言之，缺少上述振动加速度信号中的关键时刻信息则会导致滚动体滚入缺陷区对应的时间信息提取具有模糊性，并且极易受到转速影响，将会导致最终的缺陷尺寸量化精度差且缺乏稳定性。
发明内容
基于现有技术存在的问题，本发明之目的是为提供一种滚动轴承滚道缺陷尺寸量化方法、装置及系统；用以克服传统技术对滚动体滚入缺陷区对应的时间信息提取的模糊性问题，从而实现滚动轴承缺陷尺寸精确量化。
在本发明的第一方面，本发明提供了一种滚动轴承滚道缺陷尺寸量化方法，所述方法包括：
通过多个压电式加速度传感器采集故障滚动轴承振动加速度信号；
采用自回归模型对采集的故障滚动轴承振动加速度信号进行故障振动特征增强；
从自回归处理后的故障滚动轴承振动加速度信号中提取出滚动体与缺陷区域前边沿相互作用激起的局部振动加速度信号，拟合该段局部振动加速度信号，并对该段局部信号积分得到振动速度信号；
获取上一步骤所得振动速度信号的拐点，利用拐点信息建立相关函数解析式，得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；
对自回归处理后的故障滚动轴承振动加速度信号进行包络提取，得到第二关键时间信息和第三关键时间信息；
将各关键时间信息输入滚动轴承缺陷尺寸量化模型中，计算解得滚动轴承滚道缺陷尺寸。
在本发明的第二方面，本发明还提供了一种滚动轴承滚道缺陷尺寸量化装置，所述装置包括：
信号采集模块，用于通过多个压电式加速度传感器采集故障滚动轴承振动加速度信号；
信号处理模块，用于采用自回归模型对采集的故障滚动轴承振动加速度信号进行故障振动特征增强；
特征提取模块，用于从自回归处理后的故障滚动轴承振动加速度信号中提取出滚动体与缺陷区域前边沿相互作用引起的局部振动加速度信号，拟合该局部振动加速度信号，并对该局部信号积分得到振动速度信号；
关键时间信息计算模块，用于获取振动速度信号的拐点，利用拐点信息建立相关函数解析式，得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；以及用于对自回归处理后的故障滚动轴承振动加速度信号进行包络提取，得到第二关键时间信息和第三关键时间信息；
缺陷尺寸量化输出模块，用于将各关键时间信息输入缺陷尺寸量化模型中，计算解得滚动轴承滚道缺陷尺寸。
在本发明的第三方面，本发明还提供了一种滚动轴承滚道缺陷尺寸量化系统，所述系统包括：
至少一个处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如本发明第一方面所述的一种滚动轴承滚道缺陷尺寸量化方法。
本发明的有益效果：
本发明中利用数字拟合技术和积分理论，能够准确计算出滚动体开始与缺陷区前边沿相互作用并映射于振动信号中的第一关键时间信息，能够有效克服传统技术通过经验选择该时间信息所带来的缺陷尺寸量化结果精度差和计算结果不稳定的缺点。
本发明中通过对滚动体-缺陷接触全过程引起的多事件激励从基于物理学、动力学及Hertz接触理论等多理论维度考量，对滚动体-缺陷接触全过程进行分析，构建滚动轴承缺陷尺寸量化模型，该模型能够建立故障诱发机制与振动响应的内在映射联系，从动力学角度揭示故障滚动轴承多事件激励产生机理。
本发明中将多事件激励发生时所反映在振动响应中的时间信息纳入缺陷尺寸量化建模考虑，成功克服了传统缺陷尺寸量化模型中所存在的计算精度低且计算结果易受转速影响等缺点。
附图说明
图1为本发明实施例中滚动体与外圈缺陷接触示意图；
图2为本发明实施例中滚动轴承滚道缺陷尺寸量化流程图；
图3为本发明优选实施例中滚动轴承滚道缺陷尺寸量化流程图；
图4为本发明实施例中滚动轴承滚道缺陷尺寸量化装置结构示意图；
图5为本发明实施例中滚动轴承滚道缺陷尺寸量化系统结构示意图；
图6为本发明中采集到的振动加速度信号经自回归滤波后的特征增强信号；
图7为本发明中关键时间信息(Tstart，Tloss，Timpact)提取示意图；
图8为本发明中缺陷尺寸量化结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例中滚动体与外圈缺陷接触示意图，如图1所示，图中记录了滚动体位于多个关键角度位置时(Cs，Cl，Ci代表滚动体的中心坐位置)与缺陷接触的相对几何位置关系；其中，Cs表示滚动体开始与缺陷区前边沿相互作用，对应时间位置Tstart；Cl表示滚动体恰好与缺陷区前边沿和内圈脱离接触，对应时间位置Tloss；Ci表示滚动体刚好撞击缺陷区后边沿,对应时间位置Timpact；上述相对位置关系表明滚动体在滚过缺陷的全过程中，与缺陷在不同角位置发生接触时所构成的几何关系。滚动体于不同角位置时将产生接触位移与接触力的变化，从而引起接触刚度的变化，此刚度变化将反映于轴承系统振动响应中的冲击性振动特征。
基于上述分析可知，滚动轴承缺陷尺寸量化精度受到上述三个时间位置的影响；而传统技术一般是通过经验选择该第一关键时间信息Tstart，但是这种根据经验选择的方式受限于技术人员的主观认识，容易导致缺陷尺寸量化结果的方差远远大于实际方差，严重影响了量化精度；基于此，本发明通过数字拟合技术和积分理论来提取出第一关键时间信息，能够让提取出的结果具有标准化、准确化和真实化等特点。
图2为本发明实施例中滚动轴承滚道缺陷尺寸量化流程图，如图2所示，所述量化流程包括：101、通过多个压电式加速度传感器采集故障滚动轴承振动加速度信号；
本实施例中可以以一定的采样频率采集不同故障的滚动轴承在不同运行状态下的振动加速度信号xm[n]，其中m＝1,2,…,M，M表示所采集的振动加速度信号的数量，n＝1,2,…,N，N表示每段振动加速度信号的采样点数量，从而获取振动加速度信号集X＝{x1[n],x2[n],...,xM[n]}。
102、采用自回归模型对采集的故障滚动轴承振动加速度信号进行故障振动特征增强处理；
本实施例中，运用自回归(Autoregressive model，AR)模型对采集到的故障滚动轴承振动加速度信号进行降噪和故障冲击特征增强处理。
103、从自回归处理后的故障滚动轴承振动加速度信号中提取出滚动体与缺陷区域前边沿相互作用引起的局部振动加速度信号，拟合该局部振动加速度信号，并对该局部振动加速度信号积分得到振动速度信号；
在本实施例中，利用数字拟合技术对自回归处理后的振动加速度信号中对应于滚动体与缺陷区域前边沿相互作用全过程引起的局部振动加速度信号进行拟合，并得到对应拟合的局部振动加速度信号，通过积分理论技术将前述拟合所得的局部振动加速度信号积分变换为振动速度信号，使信噪比能够进一步提高。
104、获取振动速度信号的拐点，利用拐点信息建立相关函数解析式得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；
在本实施例中，首先需要获取振动速度信号的拐点，而该拐点可以对应到拟合局部振动加速度信号的局部最小值点，本实施例利用振动速度信号的拐点坐标和拐点处的斜率，建立通过该拐点的一次函数，并计算得到该一次函数与时间轴的交点坐标，该交点坐标对应的时间值作为滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息。
105、对自回归处理后的故障滚动轴承振动加速度信号进行包络提取，得到第二关键时间信息和第三关键时间信息；
在本实施例中，对上一步自回归滤波后的振动加速度信号，求取其包络信号，以更加凸显滚动体滚入缺陷区时所引起的多事件冲击特征；提取出滚动体完全滚入缺陷区且恰好与缺陷区前边沿和内圈脱离接触所对应的第二关键时间信息；提取出滚动体撞击缺陷区后边沿所对应的第三关键时间信息。
106、将各关键时间信息输入缺陷尺寸量化模型中，计算解得滚动轴承滚道缺陷尺寸。
将前述步骤所得各关键时间信息包括第一关键时间信息、第二关键时间信息以及第三关键时间信息输入缺陷尺寸量化模型，就可计算得到滚动轴承滚道缺陷尺寸。
其中，缺陷尺寸量化模型的建立过程包括确定滚动体开始与缺陷区前边沿发生接触阶段，滚动体完全滚入缺陷区同时脱离与滚动轴承内圈的接触阶段，以及滚动体撞击缺陷区后边沿阶段；分别对三个阶段中滚动体与缺陷区域接触进行受力分析，得到滚动体与缺陷区域之间的作用力关系；对滚动体与滚道接触所在角位置进行判别与分析，计算得到滚动体与滚道接触产生的接触形变；对滚动体在不同角度位置的线速度进行分析与计算，得到滚动体的运动角位置关系；并结合滚动体在关键角位置处的能量守恒关系式以及接触几何位置关系式，最终建立缺陷尺寸量化模型，该模型可以表示为Wd＝Wd1+Wd2+Wd3；
其中，Wd表示滚动轴承滚道缺陷尺寸；Wd1表示缺陷尺寸第一部分；Wd2表示缺陷尺寸第二部分；Wd3表示缺陷尺寸第三部分；Dball为滚动体直径，Dm为轴承节圆直径，Vball为滚动体的线速度，Vby为滚动体恰好脱离内圈和缺陷区前边沿时的线速度，lob为滚动体与外圈接触椭圆的长半轴长度；φs为滚动体恰好与缺陷区后边沿撞击时，其中心与缺陷区后边沿的连线与竖直方向的夹角。
为了更为直观的展示本发明的缺陷尺寸量化过程，图3为本发明优选实施例中滚动轴承滚道缺陷尺寸量化流程图，如图3所示，所述量化流程包括：
信号采集步骤：通过多个压电式加速度传感器拾取故障滚动轴承振动加速度信号。
故障冲击特征增强处理步骤：运用自回归模型，对采集到的故障滚动轴承振动加速度信号进行故障振动特征增强处理。
数字拟合与积分变换处理步骤：提取经自回归处理后的信号中包含的对应于滚动体-缺陷接触引起的振动加速度信号，运用数字拟合技术拟合该段振动加速度信号，然后求取该拟合信号的积分并得到振动速度信号。
关键时间信息提取步骤：建立通过上一步得到的振动速度信号的拐点的一次函数关系式，并求取该函数关系式与时间轴的交点坐标，该交点坐标的时间坐标值即为滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息Tstart；运用包络分析技术对自回归技术处理后的振动加速度信号进行包络提取，获取第二关键时间信息Tloss和第三关键时间信息Timpact。
滚动轴承缺陷尺寸量化步骤：基于物理学、动力学和Hertz接触理论等多理论和多学科知识对滚动体-缺陷相互作用诱发的多事件激励开展机理分析，并对滚动体-缺陷接触全过程构建几何接触关系式，推导并建立缺陷尺寸量化模型；以上一步提取得到的关键时间信息Tstart、Tloss和Timpact作为滚动轴承缺陷尺寸量化模型的输入，并计算解得缺陷区尺寸Wd。在一些实施例中，所述故障冲击特征增强步骤具体为：首先确定自回归(Autoregressive,AR)模型的阶次O，本实施例中可以设定为O＝390。利用峭度(Kurtosis)这一统计量对故障冲击之敏感特性，对拾取到的振动加速度信号基于AR模型滤波，对滤波后的信号X(t)求取其峭度值K；以最大峭度值Kmax对应的阶次O作为AR模型的最佳滤波阶次进行滤波，并输出得到AR滤波后的故障振动特征增强的信号X(t)。
其中，AR模型线性预测表示为：
式中，xi-k为振动加速度信号在时间位置i-k处的取值，O为AR模型阶次，ck(k＝1,2,3,…,O)为自回归系数，εi为AR模型之残余信号，主要包含噪声及信号中非平稳信号(即为故障滚动轴承之冲击特征信号成分)。
通过计算上式各阶次对应的AR模型输出εi的峭度值K(此处，Xi＝εi)，即：
式中，Xi为AR滤波后的残余信号，下标i为振动信号索引值；
为信号Xi的均值，L为信号长度，σ为信号标准差。
通过上述峭度值计算公式，比较得到最大峭度值Kmax，并以其对应的阶次O作为AR模型最优阶次对信号进行滤波，得到故障振动特征增强的振动加速度信号最优输出X(t)。
在一些实施例中，所述数字拟合与积分变换处理步骤具体为：利用上一步AR模型滤波后的故障振动特征增强的振动信号X(t)，可以基于Matlab中的Curve Fitting工具对振动加速度信号中由滚动体-缺陷前边沿相互作用引起的局部振动加速度信号进行拟合，并得到拟合后的函数关系式；对该函数关系式进行不定积分，并得到振动速度信号v(t)。
在一些实施例中，所述关键时间信息提取步骤具体为：上一步中，滚动体-缺陷前边沿相互作用引起的局部振动加速度信号的局部最小值amin与其积分所得速度信号中的拐点相对应；利用该拐点坐标值A(T0,V0)以及该拐点处的斜率kA(即kA＝amin)，建立通过该拐点的一次函数关系式，即
amin(T-T0)+V0-V＝0 (3)
式中，T为时间，V为振动速度。令V＝0，可解得与时间轴的交点Tc为：
该时间信息Tc可近似作为滚动体开始与缺陷区前边沿相互作用时对应的时间信息Tstart，即Tc≈Tstart。
对上一步AR滤波后的振动加速度信号，求取其包络信号，以更加凸显滚动体滚入缺陷区时所引起的多事件冲击特征；提取滚动体滚入缺陷区后至恰好与缺陷区前边沿及内圈同时失去接触时对应的时间信息Tloss和滚动体撞击缺陷区后边沿所对应的时间信息Timpact。
在一些实施例中，所述滚动轴承缺陷尺寸量化具体步骤为：将上一步提取到的多事件激励关键时间信息Tstart、Tloss、Timpact代入滚动轴承缺陷尺寸量化解析模型，可解得缺陷尺寸(本模型中，根据滚动体与缺陷相互作用的激励机理，分三个部分建立缺陷尺寸量化模型，如图1所示)，即：
缺陷尺寸第一部分Wd1为：
式中，Dball为滚动体直径，Dm为轴承节圆直径，Vball为滚动体的线速度，Vby为滚动体恰好脱离内圈和缺陷区前边沿时的线速度，lob为滚动体与外圈接触椭圆的长半轴长度。
缺陷尺寸第二部分Wd2为：
缺陷尺寸第三部分Wd3为：
式中，φs为滚动体刚好与缺陷区后边沿撞击时，其中心与缺陷区后边沿的连线与竖直方向的夹角，如图1所示。
最后缺陷尺寸(宽度)可表示为：Wd＝Wd1+Wd2+Wd3。
基于以上所述的一种滚动轴承滚道缺陷尺寸量化方法实施例的描述，本公开还提供了一种滚动轴承滚道缺陷尺寸量化装置。所述装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本公开实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4为本发明实施例中滚动轴承滚道缺陷尺寸量化装置结构示意图，如图4所示，所述缺陷尺寸量化装置结构如图4所示，包括：
301、信号采集模块，用于通过多个压电式加速度传感器采集故障滚动轴承振动信号；
303、信号处理模块，用于采用自回归模型对采集的故障滚动轴承振动加速度信号进行故障振动特征增强；
305、特征提取模块，用于从自回归处理后的故障滚动轴承振动加速度信号中提取出滚动体-缺陷接触诱发的局部振动加速度信号，拟合该段局部振动加速度信号，并对该局部信号积分得到振动速度信号；
307、关键时间信息计算模块，用于获取振动速度信号的拐点，利用拐点信息得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；以及用于对自回归处理后的故障滚动轴承振动加速度信号进行包络提取，得到第二关键时间信息和第三关键时间信息；
309、缺陷尺寸量化输出模块，用于将各关键时间信息输入缺陷尺寸量化模型，计算解得滚动轴承滚道缺陷尺寸。
在一些实施例中，所述装置还包括缺陷尺寸量化模型模块，用于建立缺陷尺寸量化模型；具体用于确定滚动体开始与缺陷区前边沿发生接触阶段，滚动体完全滚入缺陷区同时脱离与滚动轴承内圈的接触阶段，以及滚动体撞击缺陷区后边沿阶段；分别对三个阶段中滚动体与缺陷区域接触进行受力分析，得到滚动体与缺陷区域之间的作用力关系；对滚动体与滚道接触进行接触形变计算，得到滚动体与滚道接触之间的接触形变量；对滚动体在不同角度位置的线速度进行分析与计算，得到滚动体的运动角位置关系；并结合滚动体在关键角位置处的能量守恒关系式以及接触几何位置关系式，最终建立缺陷尺寸量化模型。
在一个实施例中，还提供一种滚动轴承滚道缺陷尺寸量化系统，所述缺陷尺寸量化系统包括：
一个或多个处理器以及用于存储处理器可执行指令的存储器，例如应用程序。存储器中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器被配置为执行指令，以执行上述可以实施于代理服务端一侧的方法。
在一个优选实施例中，图5是本发明实施例提供的一种滚动轴承滚道缺陷尺寸量化系统结构图。如图5所示，该缺陷尺寸量化系统400包括通过系统总线连接的处理器410、非易失性存储介质430、内存储器450及网络接口440。其中，缺陷尺寸量化系统的非易失性存储介质430存储有操作系统431及计算机可执行指令432，该计算机可执行指令432用于实现本发明实施例中提供的一种滚动轴承滚道缺陷尺寸量化方法。该处理器410用于提供计算和控制能力，支撑整个缺陷尺寸量化系统的运行。缺陷尺寸量化系统中的内存储器450为非易失性存储介质中430的操作系统431及计算机可执行指令432的运行提供环境，网络接口用于与其它的计算机设备进行网络通信。该缺陷尺寸量化系统可以是手机、平板电脑、PC(personal computer)等终端，也可以是服务器构成或者搭载的系统等等。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的缺陷尺寸量化系统的限定，具体地计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
关于上述实施例中的缺陷尺寸量化系统，其中各个模块组件及功能已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，上述所述的装置、设备、系统等根据方法实施例的描述还可以包括其它的实施方式，具体的实现方式可以参照相关方法实施例的描述。同时各个方法以及装置、设备、服务器实施例之间特征的相互组合组成的新的实施例仍然属于本公开所涵盖的实施范围之内，在此不作一一赘述。
图6是采集到的振动加速度信号经AR滤波后的结果图，图6中记录了滚动轴承外圈0.81mm缺陷在转速400.56转/分钟条件下0.6s内的振动加速度信号，表明了滚动轴承滚道缺陷对整个轴承的振动响应会造成冲击性的振动，以及AR模型对轴承振动响应中的冲击性特征的增强和提高信噪比。
图7是关键时刻信息(Tstart，Tloss，Timpact)提取示意图，图7中记录了滚动体在滚过缺陷区域的全过程中，其与缺陷区前边沿、前边沿与内圈以及外圈三个关键角位置相互作用所引起的滚动轴承振动加速度信号中的冲击性振动特性，表明了滚动轴承滚道表面缺陷对滚动体与轴承内外滚道接触特性的改变，从而造成整个轴承系统的刚度系数发生突变，此刚度突变映射于滚动轴承的振动信号中，即表现为冲击性振动特征。
图8是本发明中滚道缺陷尺寸量化结果，图8中记录了滚动轴承外圈0.81mm缺陷尺寸在不同转速条件下，运用本发明提出的缺陷尺寸量化方案计算得到的结果及其与实际缺陷尺寸的对比，表明本发明所提出的缺陷尺寸量化方案的正确性和有效性。
在本发明的描述中，需要理解的是，术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“外”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋转”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种滚动轴承滚道缺陷尺寸量化方法，其特征在于，所述方法包括：
通过多个压电式加速度传感器采集故障滚动轴承振动加速度信号；
采用自回归模型对采集的故障滚动轴承振动加速度信号进行故障振动特征增强；
从自回归处理后的故障滚动轴承振动加速度信号中提取关联滚动体与缺陷区域前边沿相互作用激起的局部振动加速度信号，拟合该局部振动加速度信号，并对该段信号积分得到振动速度信号；
获取上一步骤所得振动速度信号的拐点，利用拐点信息建立相关函数解析式，得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；
对自回归处理后的故障滚动轴承振动加速度信号进行包络提取，得到第二关键时间信息和第三关键时间信息；
将各关键时间信息输入滚动轴承缺陷尺寸量化模型中，计算解得滚动轴承滚道缺陷尺寸。
2.根据权利要求1所述的一种滚动轴承滚道缺陷尺寸量化方法，其特征在于，所述利用拐点信息建立相关函数解析式，得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息包括利用振动速度信号的拐点坐标和拐点处的斜率，建立过该拐点的一次函数，计算得到该一次函数与时间轴的交点坐标，该交点坐标对应的时间坐标作为滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息。
3.根据权利要求1所述的一种滚动轴承滚道缺陷尺寸量化方法，其特征在于，缺陷尺寸量化模型的建立过程包括确定滚动体开始与缺陷区前边沿发生接触阶段，滚动体完全滚入缺陷区同时脱离与滚动轴承内圈接触阶段，以及滚动体撞击缺陷区后边沿阶段；分别对此三个阶段中滚动体与缺陷区域接触状态进行受力分析，得到滚动体与缺陷区域间的相互作用力关系；对滚动体与滚道接触所在角位置进行判别与分析，计算得到滚动体与滚道接触产生的接触形变；对滚动体在不同角度位置的线速度进行分析与计算，得到滚动体的运动角位置；并结合滚动体在关键角度位置处的能量守恒关系式以及接触几何位置关系式，最终建立滚动轴承滚道缺陷尺寸量化模型。
4.根据权利要求1或3所述的一种滚动轴承滚道缺陷尺寸量化方法，其特征在于，所述滚动轴承缺陷尺寸量化模型表示为：
Wd＝Wd1+Wd2+Wd3
其中，Wd表示滚动轴承滚道缺陷尺寸；Wd1表示缺陷尺寸第一部分；Wd2表示缺陷尺寸第二部分；Wd3表示缺陷尺寸第三部分；Dball为滚动体直径，Dm为轴承节圆直径，Vball为滚动体线速度，Vby为滚动体恰好脱离内圈和缺陷区域前边沿时的线速度，lob为滚动体与外圈接触椭圆的长半轴长度；φs为滚动体恰好与缺陷区后边沿撞击时，其中心与缺陷区后边沿的连线与竖直方向的夹角。
5.一种滚动轴承滚道缺陷尺寸量化装置，其特征在于，所述装置包括：
信号采集模块，用于通过多个压电式加速度传感器采集故障滚动轴承振动加速度信号；
信号处理模块，用于采用自回归模型对采集的故障滚动轴承振动加速度信号进行故障振动特征增强；
特征提取模块，用于从自回归处理后的故障滚动轴承振动加速度信号中提取出滚动体与缺陷区域前边沿相互作用激起的局部振动加速度信号，拟合该段局部振动加速度信号，对该局部信号求积分并得到振动速度信号；
关键时间信息计算模块，用于获取振动速度信号的拐点，利用该拐点信息建立相关函数解析式，得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；以及用于对自回归处理后的故障滚动轴承振动加速度信号进行包络提取，得到第二关键时间信息和第三关键时间信息；
缺陷尺寸量化输出模块，用于将各关键时间信息输入到滚动轴承缺陷尺寸量化模型中，计算解得滚动轴承滚道缺陷尺寸。
6.根据权利要求5所述的一种滚动轴承滚道缺陷尺寸量化装置，其特征在于，所述关键时间信息计算模块包括第一关键时间信息计算单元、第二关键时间信息计算单元以及第三关键时间信息计算单元；所述第一关键时间信息计算单元利用振动速度信号的拐点坐标和拐点处的斜率，建立出该拐点的一次函数，计算得到该一次函数与时间轴的交点坐标，该交点对应的时间坐标作为滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；所述第二关键时间信息计算单元用于提取滚动体完全滚入缺陷区且恰好与缺陷区前边沿和内圈脱离接触所对应的第二关键时间信息；所述第三关键时间信息计算单元用于提取出滚动体撞击缺陷区后边沿所对应的第三关键时间信息。
7.根据权利要求5所述的一种滚动轴承滚道缺陷尺寸量化装置，其特征在于，所述装置还包括缺陷尺寸量化模型模块，用于建立缺陷尺寸量化模型；具体用于确定滚动体开始与缺陷区前边沿发生接触阶段，滚动体完全滚入缺陷区同时脱离与滚动轴承内圈的接触阶段，以及滚动体撞击缺陷区后边沿阶段；分别对此三个阶段中滚动体与缺陷区域接触进行受力分析，得到滚动体与缺陷区域之间的作用力关系；对滚动体与滚道接触所在角位置进行判别与分析，计算得到滚动体与滚道接触产生的接触形变；对滚动体在不同角度位置的线速度进行分析与计算，得到滚动体的运动角位置关系；并结合滚动体在关键角位置处的能量守恒关系式以及接触几何位置关系式，最终建立缺陷尺寸量化模型。
8.一种滚动轴承滚道缺陷尺寸量化系统，其特征在于，所述系统包括：
至少一个处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1～4中任一项所述的一种滚动轴承滚道缺陷尺寸量化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111169511.2A CN113933055B (zh) | 2021-10-08 | 2021-10-08 | 滚动轴承滚道缺陷尺寸量化方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111169511.2A CN113933055B (zh) | 2021-10-08 | 2021-10-08 | 滚动轴承滚道缺陷尺寸量化方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113933055A true CN113933055A (zh) | 2022-01-14 |
| CN113933055B CN113933055B (zh) | 2024-06-04 |
Family
ID=79277982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111169511.2A Active CN113933055B (zh) | 2021-10-08 | 2021-10-08 | 滚动轴承滚道缺陷尺寸量化方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113933055B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114970615A (zh) * | 2022-05-12 | 2022-08-30 | 重庆邮电大学 | 一种滚动轴承外圈滚道缺陷尺寸量化估计方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105938468A (zh) * | 2016-06-07 | 2016-09-14 | 北京交通大学 | 一种滚动轴承的故障诊断方法 |
| JP2017219469A (ja) * | 2016-06-09 | 2017-12-14 | 日本精工株式会社 | 状態監視装置及び状態監視方法 |
| WO2018113415A1 (zh) * | 2016-12-23 | 2018-06-28 | 舍弗勒技术股份两合公司 | 一种滚动轴承检测方法及装置 |
| CN109211566A (zh) * | 2018-08-21 | 2019-01-15 | 北京工业大学 | 一种滚动轴承外圈缺陷二维量化诊断方法 |
| CN109612732A (zh) * | 2019-01-24 | 2019-04-12 | 北华大学 | 一种基于解卷积和包络谱的滚动轴承故障诊断方法 |
| CN110196166A (zh) * | 2019-05-28 | 2019-09-03 | 重庆邮电大学 | 一种滚动轴承高速运动滚动体的定位方法 |
| CN113092115A (zh) * | 2021-04-09 | 2021-07-09 | 重庆大学 | 数模联合驱动的全寿命滚动轴承数字孪生模型构建方法 |
-
2021
- 2021-10-08 CN CN202111169511.2A patent/CN113933055B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105938468A (zh) * | 2016-06-07 | 2016-09-14 | 北京交通大学 | 一种滚动轴承的故障诊断方法 |
| JP2017219469A (ja) * | 2016-06-09 | 2017-12-14 | 日本精工株式会社 | 状態監視装置及び状態監視方法 |
| WO2018113415A1 (zh) * | 2016-12-23 | 2018-06-28 | 舍弗勒技术股份两合公司 | 一种滚动轴承检测方法及装置 |
| CN108241021A (zh) * | 2016-12-23 | 2018-07-03 | 舍弗勒技术股份两合公司 | 一种滚动轴承检测方法及装置 |
| CN109211566A (zh) * | 2018-08-21 | 2019-01-15 | 北京工业大学 | 一种滚动轴承外圈缺陷二维量化诊断方法 |
| CN109612732A (zh) * | 2019-01-24 | 2019-04-12 | 北华大学 | 一种基于解卷积和包络谱的滚动轴承故障诊断方法 |
| CN110196166A (zh) * | 2019-05-28 | 2019-09-03 | 重庆邮电大学 | 一种滚动轴承高速运动滚动体的定位方法 |
| CN113092115A (zh) * | 2021-04-09 | 2021-07-09 | 重庆大学 | 数模联合驱动的全寿命滚动轴承数字孪生模型构建方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨子臻: "轴承滚道缺陷与转子不平衡耦合故障机理研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, 15 February 2021 (2021-02-15), pages 029 - 256 * |
| 赵伟坤: "基于双脉冲特征的滚动轴承缺陷尺寸估计方法", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 9, 15 September 2019 (2019-09-15), pages 8 - 49 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114970615A (zh) * | 2022-05-12 | 2022-08-30 | 重庆邮电大学 | 一种滚动轴承外圈滚道缺陷尺寸量化估计方法 |
| CN114970615B (zh) * | 2022-05-12 | 2024-05-31 | 重庆邮电大学 | 一种滚动轴承外圈滚道缺陷尺寸量化估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113933055B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112955839B (zh) | 异常检测装置、异常检测方法和程序 | |
| Shi et al. | A two-stage sound-vibration signal fusion method for weak fault detection in rolling bearing systems | |
| CN111562108A (zh) | 一种基于cnn和fcmc的滚动轴承智能故障诊断方法 | |
| CN109520738B (zh) | 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法 | |
| Ding et al. | Sparsity-based algorithm for condition assessment of rotating machinery using internal encoder data | |
| CN113933055A (zh) | 滚动轴承滚道缺陷尺寸量化方法、装置及系统 | |
| TWI653410B (zh) | 滾珠傳動組件預壓力診斷方法 | |
| CN113901379A (zh) | 一种边缘端的实时数据动态在线快速处理方法 | |
| CN112098102A (zh) | 一种基于ewt-scwt的内燃机异响识别与诊断方法 | |
| CN113445992B (zh) | 抽油机运动位移的处理方法和装置 | |
| Yang et al. | Application of bispectrum diagonal slice feature analysis to monitoring CNC tool wear states | |
| Thanagasundram et al. | A fault detection tool using analysis from an autoregressive model pole trajectory | |
| CN102053166B (zh) | 确定转速的方法 | |
| JP3108405B2 (ja) | 機器の診断方法 | |
| CN112621381B (zh) | 机床进给系统健康状态智能评估方法及装置 | |
| TW201633025A (zh) | 工具機主軸故障形式的診斷方法及其系統 | |
| CN109684970B (zh) | 一种结构动力响应的移动主成分分析的窗口长度确定方法 | |
| CN114486252B (zh) | 一种矢量模极大值包络的滚动轴承故障诊断方法 | |
| Zhao et al. | Incipient chatter fast and reliable detection method in high-speed milling process based on cumulative strategy | |
| CN116147910A (zh) | 回转机构运行状态检测方法、装置、控制器及作业机械 | |
| CN102059255A (zh) | 一种高线轧机早期故障微弱特征提取的方法 | |
| CN114120252A (zh) | 自动驾驶车辆状态的识别方法、装置、电子设备及车辆 | |
| JP2004279056A (ja) | 回転機械の診断方法及びそのプログラム | |
| CN109241147B (zh) | 一种用于评估统计值变异性的方法 | |
| CN113654637A (zh) | 一种电机轴齿轮噪声评价方法、装置、设备及存储介质 |
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 |