CN114104332B - 直升机动部件的状态指标动态阈值的获取方法和装置 - Google Patents

直升机动部件的状态指标动态阈值的获取方法和装置 Download PDF

Info

Publication number
CN114104332B
CN114104332B CN202111382011.7A CN202111382011A CN114104332B CN 114104332 B CN114104332 B CN 114104332B CN 202111382011 A CN202111382011 A CN 202111382011A CN 114104332 B CN114104332 B CN 114104332B
Authority
CN
China
Prior art keywords
state
vibration data
index
state index
dynamic threshold
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
Application number
CN202111382011.7A
Other languages
English (en)
Other versions
CN114104332A (zh
Inventor
熊天旸
袁志文
胡坚
张先辉
李新民
金小强
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.)
China Helicopter Research and Development Institute
Original Assignee
China Helicopter Research and Development Institute
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 China Helicopter Research and Development Institute filed Critical China Helicopter Research and Development Institute
Priority to CN202111382011.7A priority Critical patent/CN114104332B/zh
Publication of CN114104332A publication Critical patent/CN114104332A/zh
Application granted granted Critical
Publication of CN114104332B publication Critical patent/CN114104332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Transportation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明提供一种直升机动部件的状态指标动态阈值的获取方法和装置，该方法包括：获取直升机上的待监测的动部件处的传感器提供的持续预设时长的振动数据；对所述振动数据进行降噪处理；计算降噪处理后的振动数据的至少一个状态指标；根据各状态指标，利用kσ准则确定各状态指标各自对应的动态阈值，动态阈值用于评判所述待监测的动部件的健康状态。能通过计算齿轮状态指标的动态阈值反映齿轮的真实健康状态。

Description

直升机动部件的状态指标动态阈值的获取方法和装置
技术领域
本发明属于直升机健康监测与故障诊断技术领域，涉及一种直升机动部件的状态指标动态阈值的获取方法和装置。
背景技术
现代维修体系由周期维修、视情维修向基于状态维修(CBM)发展。判断状态指标是否超限(即是否超出阈值)是CBM的关键环节。
目前，直升机动部件的阈值都是基于动部件的尺寸参数确定的固定值。而对于直升机而言，不同的使用阶段，动部件的状态指标阈值会动态变化。根据固定的阈值来判断直升机动部件是否有故障，往往会不准确。
发明内容
本发明提供一种直升机动部件的状态指标动态阈值的获取方法和装置，解决直升机动部件的健康监测指标难以确定动态阈值以判定动部件故障与否的问题。
本发明第一方面提供一种直升机动部件的状态指标动态阈值的获取方法，包括：
获取直升机上的待监测的动部件处的传感器提供的持续预设时长的振动数据；
对所述振动数据进行降噪处理；
计算降噪处理后的振动数据的至少一个状态指标；
根据各状态指标，利用kσ准则确定各状态指标各自对应的动态阈值，动态阈值用于评判所述待监测的动部件的健康状态。
可选的，所述振动数据包括正常状态和故障状态下的振动数据；所述计算降噪处理后的振动数据的至少一个状态指标，包括：
根据降噪处理后的正常状态和故障状态下的振动数据，计算正常状态和故障状态下的状态指标；
所述直升机动部件的状态指标动态阈值的获取方法还包括：
采用ROC曲线和/或贝叶斯推理，根据正常状态和故障状态下的状态指标计算参考阈值、真正率TPR和负正率FPR；
在真正率TPR和负正率FPR的取值均在预设范围内，但参考阈值与动态阈值的误差大于预设误差范围时，调整kσ准则的k取值，重新计算动态阈值，直至动态阈值与参考阈值的误差不大于预设误差范围。
可选的，在所述待监测的动部件为齿轮时；所述状态指标包括：均方根状态指标、残余信号均方根状态指标、信号峭度状态指标、残余信号峭度状态指标、平均边带指数状态指标和差分信号M6A状态指标。
可选的，所述对所述振动数据进行降噪处理，包括：
对所述振动数据进行时域同步平均处理。
本发明第二方面还提供一种直升机状态指标阈值的获取装置，包括：
振动数据获取模块，用于获取直升机上的待监测的动部件处的传感器提供的持续预设时长的振动数据；
降噪模块，用于对所述振动数据进行降噪处理；
状态指标计算模块，用于计算降噪处理后的振动数据的至少一个状态指标；
动态阈值计算模块，用于根据各状态指标，利用kσ准则确定各状态指标各自对应的动态阈值，动态阈值用于评判所述待监测的动部件的健康状态。
可选的，所述振动数据包括正常状态和故障状态下的振动数据；所述状态指标计算模块具体用于，根据降噪处理后的正常状态和故障状态下的振动数据，计算正常状态和故障状态下的状态指标；
所述直升机动部件的状态指标动态阈值的获取装置还包括：
参考阈值计算模块，用于采用ROC曲线和/或贝叶斯推理，根据正常状态和裂纹故障状态下的状态指标计算参考阈值、真正率TPR和负正率FPR；
动态阈值计算模块还用于，在真正率TPR和负正率FPR的取值均在预设范围内，但参考阈值与动态阈值的误差大于预设误差范围时，调整kσ准则的k 取值，重新计算动态阈值，直至动态阈值与参考阈值的误差不大于预设误差范围。
可选的，在所述待监测的动部件为齿轮时；所述状态指标包括：均方根状态指标、残余信号均方根状态指标、信号峭度状态指标、残余信号峭度状态指标、平均边带指数状态指标和差分信号M6A状态指标。
可选的，所述降噪模块具体用于，对所述振动数据进行时域同步平均处理。
本发明提供一种直升机动部件的状态指标动态阈值的获取方法和装置，该方法包括：获取直升机上的待监测的动部件处的传感器提供的持续预设时长的振动数据；对所述振动数据进行降噪处理；计算降噪处理后的振动数据的至少一个状态指标；根据各状态指标，利用kσ准则确定各状态指标各自对应的动态阈值，动态阈值用于评判所述待监测的动部件的健康状态。能通过计算齿轮状态指标的动态阈值反映齿轮的真实健康状态，并且由于该动态阈值方法在只有正常状态下的数值就能获取阈值，该方法也能很好的应用到型号的健康与使用监测系统中。
附图说明
图1是本发明提供的直升机动部件的状态指标动态阈值的获取方法的流程示意图。
具体实施方式
下面结合附图对本发明提供的直升机动部件的状态指标动态阈值的获取方法进行详细说明。
图1是本发明提供的直升机动部件的状态指标动态阈值的获取方法的流程示意图，参照图1，本发明提供的直升机动部件的状态指标动态阈值的获取方法，包括：
S1、获取直升机上的待监测的动部件处的传感器提供的持续预设时长的振动数据；
S2、对所述振动数据进行降噪处理；
S3、计算降噪处理后的振动数据的至少一个状态指标；
S4、根据各状态指标，利用kσ准则确定各状态指标各自对应的动态阈值，动态阈值用于评判所述待监测的动部件的健康状态。
本发明提供一种齿轮状态指标阈值的计算方法，首先通过时域同步平均预处理方法，去除环境噪声影响；其次计算不同特征参数的状态指标；再次利用 kσ准则确定动态阈值，计算如下：动态阈值＝m+kσ(m为平均值，σ为标准差)，根据齿轮的故障程度，k一般取3、5、7，本发明以下实施例以k为3的情况进行说明；可选的，最后还可通过故障种子试验利用ROC曲线或贝叶斯推理确定动态阈值，计算真正率(TPR)和负正率(FPR)，验证kσ准则计算动态阈值的有效性。
本发明提供的齿轮状态指标动态阈值计算方法，能通过计算齿轮状态指标的动态阈值反映齿轮的真实健康状态。
示例性的，选用健康状态的主动锥齿轮和植入故障的从动锥齿轮，用于得到故障状态相关数据。首先，负载为0r/min，转速依次从600r/min、1200r/min、 1800r/min、2400r/min、3000r/min、3450r/min开始提升，每阶段运行约1min；至额定转速3450r/min时，负载依次从0、25％、50％、75％、100％开始提升，每阶段运行约1小时，每个植入故障的试验件运行约5小时，植入了3个故障试验件共运行约15小时；
选用健康状态的主动锥齿轮和从动锥齿轮，用于得到长时磨损试验数据。首先，负载为0r/min，转速依次从600r/min、1200r/min、1800r/min、2400r/min、 3000r/min、3450r/min开始提升，每阶段运行约1min；至额定转速3450r/min 时，负载依次从0、25％、50％、75％、100％开始提升，每阶段运行约1min，最后在额定转速为3450r/min，负载为100％状态下正常运行。试验每运行3-4 小时后停车检查试验台，确保试验件无损坏后，继续运行，此试验共运行约40 小时。
对试验数据进行预处理，采用每个状态的1分钟数据，重采样为每圈256 个点，3圈为一组进行时域同步平均(TSA)，共得到正常状态和故障状态各200 组数据。TSA处理后的数据去除了背景噪声，更具有规律性。
利用状态指标——均方根(RMS)(其公式为：式中x 为一次采集的数据序列，i为数据采集批次，N为一次数据采集的次数)，分别求得正常状态和故障状态的RMS，由3σ准则利用健康状态的RMS数据计算阈值，由ROC曲线和贝叶斯推理利用正常状态和故障状态的RMS数据计算阈值、 TPR、FPR，通过TPR与FPR说明ROC曲线和贝叶斯推理的准确性，利用ROC 曲线和贝叶斯推理计算的阈值，验证3σ准则计算阈值的有效性。
利用状态指标——残余信号均方根(Kg)(其公式为：其中x为时域同步平均后的数据，xR为残余信号即滤掉啮合频率及其谐波分量的一阶边频带的差分信号，RMSxR为残余信号的均方根值，RMSx为原始的经过同步平均后信号的均方根值。分别求得正常状态和故障状态的Kg，由3σ准则利用健康状态的Kg数据计算阈值，由ROC曲线和贝叶斯推理利用正常状态和故障状态的Kg数据计算阈值、TPR、FPR，通过TPR 与FPR说明ROC曲线和贝叶斯推理的准确性，利用ROC曲线和贝叶斯推理计算的阈值，验证3σ准则计算阈值的有效性。
利用状态指标——信号峭度(Km)(其公式为：),/>为采集数据的平均值，分别求得正常状态和故障状态的Km，由3σ准则利用健康状态的Km数据计算阈值，由ROC曲线和贝叶斯推理利用正常状态和故障状态的Km数据计算阈值、TPR、FPR，通过TPR与FPR说明ROC曲线和贝叶斯推理的准确性，利用ROC曲线和贝叶斯推理计算的阈值，验证3σ准则计算阈值的有效性。
利用状态指标——残余信号峭度(Kr)(其公式为：)，计算公式与Km指标类似，此时的xr(i)、/>分别为残余信号和残余信号的均值， i＝1,2,…N，N为一次数据采集的长度。分别求得正常状态和故障状态的Kr，由 3σ准则利用健康状态的Kr数据计算阈值，由ROC曲线和贝叶斯推理利用正常状态和故障状态的Kr数据计算阈值、TPR、FPR，通过TPR与FPR说明ROC 曲线和贝叶斯推理的准确性，利用ROC曲线和贝叶斯推理计算的阈值，验证3σ准则计算阈值的有效性。
利用状态指标——平均啮合频率边带指数(MODx)(其公式为：)，其中N是边频的数目，Smaxi是第i个边频分量的最大线性幅值。分别求得正常状态和故障状态的MODx，由3σ准则利用健康状态的MODx 数据计算阈值，由ROC曲线和贝叶斯推理利用正常状态和故障状态的MODx 数据计算阈值、TPR、FPR，通过TPR与FPR说明ROC曲线和贝叶斯推理的准确性，利用ROC曲线和贝叶斯推理计算的阈值，验证3σ准则计算阈值的有效性。
利用差分信号的状态指标——M6A(其公式为：式中 di为差分信号中第i个数据，表示差分信号的均值，N为差分信号时间记录的总点数)分别求得正常状态和故障状态的M6A，由3σ准则利用健康状态的M6A 数据计算阈值，由ROC曲线和贝叶斯推理利用正常状态和故障状态的M6A数据计算阈值、TPR、FPR，通过TPR与FPR说明ROC曲线和贝叶斯推理的准确性，利用ROC曲线和贝叶斯推理计算的阈值，验证3σ准则计算阈值的有效性。
通过对RMS,Kg,Km,Kr,MODx,M6A指标，由3种不同的阈值计算方法计算可得：ROC曲线和贝叶斯推理能计算传动齿轮动态阈值，虽然ROC曲线和贝叶斯推理能给出阈值的正确率和漏报率，但在型号应用中无法给出故障种子数据，因此，ROC曲线和贝叶斯推理主要用于验证3σ准则的有效性；
3σ准则设定的阈值与ROC曲线、贝叶斯推理计算的阈值在一个水平上，因其计算阈值仅需正常试验数据，可以在无法获取故障种子试验数据的情况下给出动态阈值的范围。

Claims (6)

1.一种直升机动部件的状态指标动态阈值的获取方法，其特征在于，包括：
获取直升机上的待监测的动部件处的传感器提供的持续预设时长的振动数据；
对所述振动数据进行降噪处理；
计算降噪处理后的振动数据的至少一个状态指标；
根据各状态指标，利用kσ准则确定各状态指标各自对应的动态阈值，动态阈值用于评判所述待监测的动部件的健康状态；
所述振动数据包括正常状态和故障状态下的振动数据；所述计算降噪处理后的振动数据的至少一个状态指标，包括：
根据降噪处理后的正常状态和故障状态下的振动数据，计算正常状态和裂纹故障状态下的状态指标；
所述方法还包括：
采用ROC曲线和/或贝叶斯推理，根据正常状态和裂纹故障状态下的状态指标计算参考阈值、真正率TPR和负正率FPR；
在真正率TPR和负正率FPR的取值均在预设范围内，但参考阈值与动态阈值的误差大于预设误差范围时，调整kσ准则的k取值，重新计算动态阈值，直至动态阈值与参考阈值的误差不大于预设误差范围。
2.根据权利要求1所述的方法，其特征在于，在所述待监测的动部件为齿轮时；所述状态指标包括：均方根状态指标、残余信号均方根状态指标、信号峭度状态指标、残余信号峭度状态指标、平均边带指数状态指标和差分信号M6A状态指标。
3.根据权利要求1所述的方法，其特征在于，所述对所述振动数据进行降噪处理，包括：
对所述振动数据进行时域同步平均处理。
4.一种直升机状态指标阈值的获取装置，其特征在于，包括：
振动数据获取模块，用于获取直升机上的待监测的动部件处的传感器提供的持续预设时长的振动数据；
降噪模块，用于对所述振动数据进行降噪处理；
状态指标计算模块，用于计算降噪处理后的振动数据的至少一个状态指标；
动态阈值计算模块，用于根据各状态指标，利用kσ准则确定各状态指标各自对应的动态阈值，动态阈值用于评判所述待监测的动部件的健康状态；
所述振动数据包括正常状态和故障状态下的振动数据；所述状态指标计算模块具体用于，根据降噪处理后的正常状态和故障状态下的振动数据，计算正常状态和裂纹故障状态下的状态指标；
所述装置还包括：
参考阈值计算模块，用于采用ROC曲线和/或贝叶斯推理，根据正常状态和裂纹故障状态下的状态指标计算参考阈值、真正率TPR和负正率FPR；
动态阈值计算模块还用于，在真正率TPR和负正率FPR的取值均在预设范围内，但参考阈值与动态阈值的误差大于预设误差范围时，调整kσ准则的k取值，重新计算动态阈值，直至动态阈值与参考阈值的误差不大于预设误差范围。
5.根据权利要求4所述的装置，其特征在于，在所述待监测的动部件为齿轮时；所述状态指标包括：均方根状态指标、残余信号均方根状态指标、信号峭度状态指标、残余信号峭度状态指标、平均边带指数状态指标和差分信号M6A状态指标。
6.根据权利要求4所述的装置，其特征在于，所述降噪模块具体用于，对所述振动数据进行时域同步平均处理。
CN202111382011.7A 2021-11-19 2021-11-19 直升机动部件的状态指标动态阈值的获取方法和装置 Active CN114104332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111382011.7A CN114104332B (zh) 2021-11-19 2021-11-19 直升机动部件的状态指标动态阈值的获取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111382011.7A CN114104332B (zh) 2021-11-19 2021-11-19 直升机动部件的状态指标动态阈值的获取方法和装置

Publications (2)

Publication Number Publication Date
CN114104332A CN114104332A (zh) 2022-03-01
CN114104332B true CN114104332B (zh) 2023-09-22

Family

ID=80396905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111382011.7A Active CN114104332B (zh) 2021-11-19 2021-11-19 直升机动部件的状态指标动态阈值的获取方法和装置

Country Status (1)

Country Link
CN (1) CN114104332B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116577716B (zh) * 2023-07-06 2023-10-20 西安高压电器研究院股份有限公司 一种电流传感器振动特性测试方法、相关设备及相关系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105675320A (zh) * 2016-01-06 2016-06-15 山东大学 一种基于声学信号分析的机械系统运行状态实时监控方法
CN109446625A (zh) * 2018-10-22 2019-03-08 南昌航空大学 一种基于贝叶斯推理的直升机动部件动态阈值计算方法
CN110208019A (zh) * 2019-05-14 2019-09-06 北京博华信智科技股份有限公司 一种动设备状态监测动态阈值预警方法
CN110844111A (zh) * 2019-10-11 2020-02-28 中国直升机设计研究所 一种多特征指标锥齿轮健康状态评估方法
CN111108362A (zh) * 2017-09-06 2020-05-05 日本电信电话株式会社 异常声音探测装置、异常模型学习装置、异常探测装置、异常声音探测方法、异常声音生成装置、异常数据生成装置、异常声音生成方法以及程序
CN113283315A (zh) * 2021-05-12 2021-08-20 中国航空工业集团公司上海航空测控技术研究所 一种多飞行状态直升机故障动态监测告警方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3011946B1 (fr) * 2013-10-11 2016-07-08 Snecma Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance
US10753881B2 (en) * 2016-05-27 2020-08-25 Purdue Research Foundation Methods and systems for crack detection
US20190095808A1 (en) * 2017-09-27 2019-03-28 Intel Corporation Methods and apparatus to dynamically adjust an analytics threshold

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105675320A (zh) * 2016-01-06 2016-06-15 山东大学 一种基于声学信号分析的机械系统运行状态实时监控方法
CN111108362A (zh) * 2017-09-06 2020-05-05 日本电信电话株式会社 异常声音探测装置、异常模型学习装置、异常探测装置、异常声音探测方法、异常声音生成装置、异常数据生成装置、异常声音生成方法以及程序
CN109446625A (zh) * 2018-10-22 2019-03-08 南昌航空大学 一种基于贝叶斯推理的直升机动部件动态阈值计算方法
CN110208019A (zh) * 2019-05-14 2019-09-06 北京博华信智科技股份有限公司 一种动设备状态监测动态阈值预警方法
CN110844111A (zh) * 2019-10-11 2020-02-28 中国直升机设计研究所 一种多特征指标锥齿轮健康状态评估方法
CN113283315A (zh) * 2021-05-12 2021-08-20 中国航空工业集团公司上海航空测控技术研究所 一种多飞行状态直升机故障动态监测告警方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于ROC曲线的两类分类问题性能评估方法;韦修喜;周永权;;计算机技术与发展(第11期);全文 *

Also Published As

Publication number Publication date
CN114104332A (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
EP2414807B1 (en) System and method for gearbox health monitoring
Forrester Analysis of gear vibration in the time-frequency domain
US9618037B2 (en) Apparatus and method for identifying health indicators for rolling element bearings
Wang et al. A neuro-fuzzy approach to gear system monitoring
CN114104332B (zh) 直升机动部件的状态指标动态阈值的获取方法和装置
EP3631205A1 (en) Wind turbine fault detection using acoustic, vibration, and electrical signals
CN109883691A (zh) 核估计和随机滤波集成的齿轮剩余寿命预测方法
CN108361207B (zh) 一种用于离心泵振动监测与故障预警的装置及方法
CN110779724B (zh) 一种基于频域组稀疏降噪的轴承故障诊断方法
CN112906157B (zh) 一种主轴轴承健康状态评估及剩余寿命预测方法及装置
EP2345894A2 (en) Trending of vibration data taking into account torque effect
CN113533962B (zh) 基于多物理信号传感器决策融合的感应电机健康诊断系统
CN114563182A (zh) 一种风电机组主轴轴承碰磨故障识别方法、系统、介质及设备
CN113702030A (zh) 基于最大平均窗峭度盲解卷积的机械故障诊断方法及系统
CN110844111B (zh) 一种多特征指标锥齿轮健康状态评估方法
JP4307591B2 (ja) 加速度センサを備えた乗り物、特にヘリコプタの遊星歯車装置を監視する方法
CN115876507A (zh) 基于换流阀冷却系统的故障诊断系统
Afia et al. An early gear fault diagnosis method based on RLMD, Hilbert transform and cepstrum analysis
CN113032915A (zh) 一种制造装备主轴轴承健康状态评估方法及装置
Wang et al. A model-based gear diagnostic technique
CN114370998B (zh) 一种齿轮箱齿轮故障自动诊断方法及系统
Assaf et al. Diagnosis for systems with multi-component wear interactions
Bechhoefer et al. Mechanical Diagnostics System Engineering in IMD HUMS
CN109813546B (zh) 一种齿轮箱敲击异响下线检测方法
Manhertz et al. Managing measured vibration data for malfunction detection of an assembled mechanical coupling

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