CN115541235A - 航空发动机轴承早期故障的诊断方法、装置、系统和介质 - Google Patents

航空发动机轴承早期故障的诊断方法、装置、系统和介质 Download PDF

Info

Publication number
CN115541235A
CN115541235A CN202110732847.9A CN202110732847A CN115541235A CN 115541235 A CN115541235 A CN 115541235A CN 202110732847 A CN202110732847 A CN 202110732847A CN 115541235 A CN115541235 A CN 115541235A
Authority
CN
China
Prior art keywords
bearing
acoustic emission
diagnosing
early failure
aircraft 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
Application number
CN202110732847.9A
Other languages
English (en)
Inventor
凡非龙
曹明
魏芳
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.)
AECC Commercial Aircraft Engine Co Ltd
Original Assignee
AECC Commercial Aircraft Engine Co Ltd
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 AECC Commercial Aircraft Engine Co Ltd filed Critical AECC Commercial Aircraft Engine Co Ltd
Priority to CN202110732847.9A priority Critical patent/CN115541235A/zh
Publication of CN115541235A publication Critical patent/CN115541235A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00Testing of machine parts
    • G01M13/04Bearings
    • G01M13/045Acoustic 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

本发明公开了航空发动机轴承早期故障的诊断方法、装置、系统和介质,诊断方法,包括获取航空发动机轴承的声发射信号的短时均方根;根据短时均方根判断航空发动机轴承是否存在故障,若存在故障,则对短时均方根进行傅里叶变换以获取频谱;根据频谱中的目标谱峰判断是否存在航空轴承早期故障,目标谱峰为与航空发动机轴承的特征频率和特征频率的分频、倍频对应的谱峰本发明提出了利用声发射传感器实现航空轴承早期故障信号的采集监测方案,并基于短时均方根分析和傅里叶变换相结合的方式,降低虚警率,增加诊断结果的可信度。

Description

航空发动机轴承早期故障的诊断方法、装置、系统和介质
技术领域
本发明属于航空发动机轴承早期故障的诊断技术领域,尤其涉及一种航空发动机轴承早期故障的诊断方法、装置、系统和介质。
背景技术
目前主要通过振动信号来监测航空轴承故障,而振动传感器的频响范围低,一般都在10kHz(千赫兹)以内,不能有效的监测到轴承早期损伤时发生的声发射信号,声发射信号一般都在20kHz以上。
现有的专利和文献普遍都是对振动信号通过不同的微弱信号增强的方法来提高信噪比,实现轴承早期故障诊断。这些“早期”其实都是已经能在振动信号中表征,利用振动传感器能够捕捉,只是信号微弱,淹没在噪声中而已,而本文提到的早期故障是振动传感器无法捕捉的高频信号,一般都在20kHz以上。
专利申请CN108645620公开了一种利用振动信号来实现滚动轴承早期故障诊断方法,基于信息熵和多尺度形态学的方法来实现轴承的早期故障诊断。
专利申请CN112182912公开了一种利用振动信号来实现轴承早期故障诊断方法,基于奇异值与图论特征融合的方法来实现轴承早期故障诊断。
专利申请CN110926812公开了一种基于声发射的滚动轴承单故障识别的方法,该专利是利用自由场传声器的光纤传感器来获取声场阵列,与本文所述的声发射信号不同。
其他领域在声发射技术应用中,主要通过参数分析的方法来实现早期故障的监测,比如振铃计数、事件计数、持续时间等,通过这些参数只能监测设备是否存在故障,无法诊断出故障的类型。
发明内容
本发明要解决的技术问题是为了克服现有技术中航空发动机轴承早期故障诊断只能监测设备是否存在故障,无法诊断出故障的类型的缺陷,提供一种航空发动机轴承早期故障的诊断方法、装置、系统和介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种航空发动机轴承早期故障的诊断方法,包括以下步骤:
S1、获取航空发动机轴承的声发射信号的短时均方根;
S2、根据短时均方根判断航空发动机轴承是否存在故障,若存在故障,则对短时均方根进行傅里叶变换以获取频谱;
S3、根据频谱中的目标谱峰判断是否存在航空轴承早期故障,目标谱峰为与航空发动机轴承的特征频率和特征频率的分频、倍频对应的谱峰。
较佳地,步骤S1包括:
将预设周期对应的声发射信号按时间先后划分成若干信号段,分别获取每一个信号段的均方根以得到信号段对应的短时均方根。
较佳地,根据以下公式获取短时均方根:
Figure BDA0003140410350000021
其中,xrms(n)表征短时均方根,xi表征信号段的第i个采样数据,L2表征信号段的采样数据的总数量。
较佳地,步骤S2包括:
获取声发射信号对应的状态指标,状态指标为声发射信号对应的异常信号段的数量,异常信号段为对应的短时均方根大于第一阈值的信号段;
如果状态指标大于第二阈值,则存在航空轴承早期故障。
较佳地,步骤S2还包括:根据以下公式对短时均方根进行傅里叶变换,
Figure BDA0003140410350000022
k=0,1,…,N-1,N表征所述预设周期对应的所述信号段的总数量。
较佳地,L2=T2*Fs,T2表征信号段对应的时间长度,Fs为声发射信号的采样频率。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本发明的航空发动机轴承早期故障的诊断方法。
本发明还提供一种航空发动机轴承早期故障的诊断装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现本发明的航空发动机轴承早期故障的诊断方法。
本发明还提供一种航空发动机轴承早期故障的诊断系统,包括声发射传感器和本发明的航空发动机轴承早期故障的诊断装置;
声发射传感器设置于航空发动机的轴承座上以获取声发射信号,并将声发射信号传输至诊断装置。
较佳地,声发射传感器的数量为若干个。
本发明的积极进步效果在于:本发明提出了利用声发射传感器实现航空轴承早期故障信号的采集监测方案,并基于短时均方根分析和傅里叶变换相结合的方式,降低虚警率,增加诊断结果的可信度。
附图说明
图1为本发明的实施例1的航空发动机轴承早期故障的诊断方法的民用航空发动机的支撑结构示意图。
图2为本发明的实施例1的航空发动机轴承早期故障的诊断方法的采用的诊断系统的结构示意图。
图3为本发明的实施例1的航空发动机轴承早期故障的诊断方法的流程图。
图4为本发明的实施例1的航空发动机轴承早期故障的诊断方法的一种健康轴承的声发射信号时域波形图。
图5为本发明的实施例1的航空发动机轴承早期故障的诊断方法的一种存在早期故障的轴承的声发射信号时域波形图。
图6为本发明的实施例1的航空发动机轴承早期故障的诊断方法的一种健康轴承的声发射信号的短时均方根图。
图7为本发明的实施例1的航空发动机轴承早期故障的诊断方法的一种轴承早期故障时声发射信号的短时均方根图。
图8为本发明的实施例1的航空发动机轴承早期故障的诊断方法的一种健康轴承的声发射信号的频谱图。
图9为本发明的实施例1的航空发动机轴承早期故障的诊断方法的一种轴承早期故障时的声发射信号的频谱图。
图10为本发明的实施例3的航空发动机轴承早期故障的诊断装置的结构示意图。
图11为本发明的实施例3的航空发动机轴承早期故障的诊断系统的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种航空发动机轴承早期故障的诊断方法。典型民用航空发动机的支撑结构示意图如图1所示,其包括风扇转子101、低压轴102、高压轴103、低压轴轴承座104、高压轴轴承座106。航空主轴承位于轴承座内。
该航空发动机轴承早期故障的诊断方法基于一诊断系统实现。参照图2,该诊断系统包括诊断装置和对应设置在每个轴承座上安装声发射传感器。此处以5个声发射传感器为例进行说明,5个声发射传感器分别为1号声发射传感器、2号声发射传感器、3号声发射传感器、4号声发射传感器、5号声发射传感器。诊断装置包括处理器201、存储器202,存储器上存储有计算机程序,该计算机程序可在处理器上运行,处理器执行该计算机程序时实现本实施例的航空发动机轴承早期故障的诊断方法的相关步骤。其中,声发射(AcousticEmission)是指材料受外力或内力作用产生变形或其他损伤时,以弹性波形式释放出应力-应变的现象。
声发射传感器获取声发射信号。诊断装置接收声发射信号,对声发射信号进行调理、采集,将采集的数据进行处理分析得到状态指标进行诊断,最后将诊断结果传送给飞机/地面系统。
该航空发动机轴承早期故障的诊断方法主要通过分析采集的声发射信号来实现轴承早期故障诊断,当运行过程中每采集一定时长的声发射信号数据,诊断装置进行一次分析诊断。
参照图3,该航空发动机轴承早期故障的诊断方法包括以下步骤:
步骤S1、获取航空发动机轴承的声发射信号的短时均方根。
步骤S2、根据短时均方根判断航空发动机轴承是否存在故障,若存在故障,则对短时均方根进行傅里叶变换以获取频谱。
步骤S3、根据频谱中的目标谱峰判断是否存在航空轴承早期故障,目标谱峰为与航空发动机轴承的特征频率和特征频率的分频、倍频对应的谱峰。
具体实施时,首先在步骤S1中,利用斜率和极值的方法进行信号有效性判断,剔除采集得到的声发射信号中的异常点或坏点。
然后,将预设周期对应的声发射信号按时间先后划分成若干信号段。作为一种可选的实施方式,将几十毫秒的声发射信号划分成若干段,分别获取每一个信号段的均方根(RMS)以得到信号段对应的短时均方根(STRMS)。在其他可选的实施方式中,也可以根据信号段内的采样值获取其他短时统计指标,如标准差、峭度指标等。
短时均方根分析的具体流程如下:
首先,以时间T1为周期开展一次STRMS分析,则时间T1对应的数据长度L1=T1*Fs,其中,Fs为声发射信号的采样频率,数据长度L1表征时间T1内对应的声发射信号的采样值的数量。
然后,以时间T2为间隔将L1分成N个信号段,每个信号段的数据长度L2=T2*Fs。
最后,计算每个信号段的数据的短时均方根,公式为
Figure BDA0003140410350000051
Figure BDA0003140410350000061
其中,xi表征该信号段的第i个采样数据。
然后,在步骤S2中,获取该预设周期内的声发射信号对应的状态指标。状态指标为声发射信号对应的异常信号段的数量,异常信号段为对应的短时均方根大于第一阈值的信号段。具体实施时,将该预设周期内的每一个信号段的短时均方根与第一阈值比较,如果短时均方根大于第一阈值,则计数值加1,称为计数分析。例如,如果该预设周期内有2段的短时均方根大于设定的第一阈值,则状态指标为2。
在一些可选的实施方式中,第一阈值是利用健康系统的声发射信号计算其短时均方根,然后统计分布得到的。在另一些可选的实施方式中,第一阈值是计算大量健康系统声发射信号的短时均方根的均值(u)和标准差(σ),根据u+n*σ计算得到的阈值,n=1,2,3。
接下来,将该状态指标与第二阈值进行比较,状态指标大于第二阈值,则认为发动机存在故障,否则认为发动机无故障。具体实施时,第二阈值可根据经验以及虚警率要求进行设定。
若判断发动机存在故障,就基于短时均方根进行傅里叶变换以获取频谱,其公式为:
Figure BDA0003140410350000062
k=0,1,…,N-1;N表征该预设周期对应的信号段的总数量。
根据频谱中的目标谱峰判断是否存在航空轴承早期故障,目标谱峰为与航空发动机轴承的特征频率和特征频率的分频、倍频对应的谱峰。也即,通过分析频谱中是否存在轴承特征频率或其分频/倍频成分对应的谱峰来判断是否存在航空轴承早期故障。
图4示出了一种健康轴承的声发射信号时域波形图,其中,横轴表征时间,纵轴表征幅值。图5示出了一种存在早期故障的轴承的声发射信号时域波形图,其中,横轴表征时间,纵轴表征幅值。比较可见,发生轴承早期故障时声发射信号幅值会局部增加。
图6示出了一种健康轴承的声发射信号的短时均方根图,横轴表征时间,纵轴表征短时均方根值。图7示出了一种轴承早期故障时声发射信号的短时均方根图,横轴表征时间,纵轴表征短时均方根值,其可以有效的表征时域信号中幅值局部增大的程度和对应的时间。
图8示出了一种健康轴承的声发射信号的频谱图,横轴表征频率,纵轴表征幅值。图9示出了一种轴承早期故障时的声发射信号的频谱图,横轴表征频率,纵轴表征幅值。其中,F1对应航空发动机轴承的特征频率。可见,早期故障时轴承特征频率对应振动幅值占主导。
轴承由于裂纹或早期轻微损伤的出现,以及运行过程中轴承单元体与缺陷或损伤发生接触都会产生的声发射信号,声发射信号一般都在20kHz以上,针对振动传感器(如加速度传感器)频响范围低,不能有效捕捉,只有利用超高的频响范围的声发射传感器才能有效的采集监测。本实施例的航空发动机轴承早期故障的诊断方法提出了利用声发射传感器实现航空轴承早期故障信号的采集监测方案。
针对声发射信号易受高频信号干扰,容易出现虚警,本实施例的航空发动机轴承早期故障的诊断方法提出了一种短时均方根分析与傅里叶变换相结合的方式,可以有效降低虚警率,增加诊断结果的可信度。
由于声发射传感器超高的频响范围,本实施例的航空发动机轴承早期故障的诊断方法在较短的时间内就能捕获发动机有效的信息,利用较短的数据就能实现轴承早期故障诊断,再者算法简单可靠,能够快速处理响应,实现实时的监测诊断。
实施例2
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1的航空发动机轴承早期故障的诊断方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1的航空发动机轴承早期故障的诊断方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
实施例3
本实施例提供一种航空发动机轴承早期故障的诊断装置。参照图10,该航空发动机轴承早期故障的诊断装置包括存储器202、处理器201及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现实施例1的航空发动机轴承早期故障的诊断方法。
本实施例还提供一种航空发动机轴承早期故障的诊断系统。参照图11,该航空发动机轴承早期故障的诊断系统包括声发射传感器203和本实施例的航空发动机轴承早期故障的诊断装置。声发射传感器设置于航空发动机的轴承座上以获取声发射信号,并将声发射信号传输至诊断装置。航空发动机轴承早期故障的诊断装置声发射信号对航空发动机轴承是否存在早起故障进行诊断。
作为一种可选的实施方式,声发射传感器的数量为若干个。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种航空发动机轴承早期故障的诊断方法,其特征在于,包括以下步骤:
S1、获取所述航空发动机轴承的声发射信号的短时均方根;
S2、根据所述短时均方根判断所述航空发动机轴承是否存在故障,若存在故障,则对所述短时均方根进行傅里叶变换以获取频谱;
S3、根据所述频谱中的目标谱峰判断是否存在航空轴承早期故障,所述目标谱峰为与所述航空发动机轴承的特征频率和所述特征频率的分频、倍频对应的谱峰。
2.如权利要求1所述的航空发动机轴承早期故障的诊断方法,其特征在于,步骤S1包括:
将预设周期对应的所述声发射信号按时间先后划分成若干信号段,分别获取每一个所述信号段的均方根以得到所述信号段对应的所述短时均方根。
3.如权利要求2所述的航空发动机轴承早期故障的诊断方法,其特征在于,根据以下公式获取所述短时均方根:
Figure FDA0003140410340000011
其中,xrms(n)表征所述短时均方根,xi表征所述信号段的第i个采样数据,L2表征所述信号段的采样数据的总数量。
4.如权利要求3所述的航空发动机轴承早期故障的诊断方法,其特征在于,步骤S2包括:
获取所述声发射信号对应的状态指标,所述状态指标为所述声发射信号对应的异常信号段的数量,所述异常信号段为对应的所述短时均方根大于第一阈值的所述信号段;
如果所述状态指标大于第二阈值,则存在航空轴承早期故障。
5.如权利要求4所述的航空发动机轴承早期故障的诊断方法,其特征在于,步骤S2还包括:根据以下公式对所述短时均方根进行傅里叶变换,
Figure FDA0003140410340000012
N表征所述预设周期对应的所述信号段的总数量。
6.如权利要求2所述的航空发动机轴承早期故障的诊断方法,其特征在于,L2=T2*Fs,T2表征所述信号段对应的时间长度,Fs为所述声发射信号的采样频率。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的航空发动机轴承早期故障的诊断方法。
8.一种航空发动机轴承早期故障的诊断装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的航空发动机轴承早期故障的诊断方法。
9.一种航空发动机轴承早期故障的诊断系统,其特征在于,包括声发射传感器和如权利要求8所述的航空发动机轴承早期故障的诊断装置;
所述声发射传感器设置于所述航空发动机的轴承座上以获取声发射信号,并将所述声发射信号传输至所述诊断装置。
10.如权利要求9所述的航空发动机轴承早期故障的诊断系统,其特征在于,所述声发射传感器的数量为若干个。
CN202110732847.9A 2021-06-30 2021-06-30 航空发动机轴承早期故障的诊断方法、装置、系统和介质 Pending CN115541235A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110732847.9A CN115541235A (zh) 2021-06-30 2021-06-30 航空发动机轴承早期故障的诊断方法、装置、系统和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110732847.9A CN115541235A (zh) 2021-06-30 2021-06-30 航空发动机轴承早期故障的诊断方法、装置、系统和介质

Publications (1)

Publication Number Publication Date
CN115541235A true CN115541235A (zh) 2022-12-30

Family

ID=84705548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110732847.9A Pending CN115541235A (zh) 2021-06-30 2021-06-30 航空发动机轴承早期故障的诊断方法、装置、系统和介质

Country Status (1)

Country Link
CN (1) CN115541235A (zh)

Similar Documents

Publication Publication Date Title
US10175070B2 (en) Selective decimation and analysis of oversampled data
JP4745385B2 (ja) 飛行機の構造体の監視方法および監視装置
JP3321487B2 (ja) 機器/設備診断方法およびシステム
Jamaludin et al. Monitoring extremely slow rolling element bearings: part I
JP5740208B2 (ja) 軸受診断方法及びシステム
KR101482509B1 (ko) 베어링 결함 진단 시스템 및 그 진단 방법
CN110160765A (zh) 一种基于声音或振动信号的冲击特征识别方法及系统
KR101129466B1 (ko) 웨이블렛 스레스홀딩 함수와 4차 모멘트를 이용한 회전기계의 상태 진단 방법
US10018596B2 (en) System and method for monitoring component health using resonance
US8355879B2 (en) Trending of vibration data taking into account torque effect
Meng et al. Health indicator of bearing constructed by rms-CUMSUM and GRRMD-CUMSUM with multifeatures of envelope spectrum
CN109932179A (zh) 一种基于ds自适应谱重构的滚动轴承故障检测方法
CN113109051B (zh) 基于振动数据极差序列的故障预警方法和系统
CN111964909A (zh) 滚动轴承运行状态检测方法、故障诊断方法及系统
CN114813124B (zh) 一种轴承故障的监测方法及装置
JPWO2004068078A1 (ja) 状態判定方法と状態予測方法及び装置
CN115541235A (zh) 航空发动机轴承早期故障的诊断方法、装置、系统和介质
CN113944600B (zh) 一种利用应力波技术检测风机主轴承故障的方法和系统
Jiang et al. Rolling bearing quality evaluation based on a morphological filter and a Kolmogorov complexity measure
CN114562429A (zh) 一种基于净空及声振监测的风电机组叶片损伤预警方法
Unal et al. Fault diagnosis of rolling bearing based on feature extraction and neural network algorithm
Thapliyal et al. Application of DWT and PDD for bearing fault diagnosis using vibration signal
Dietel et al. Fault detection in rotating machinery using spectral modeling
JP3422873B2 (ja) 振動監視装置
Ferreira et al. Cloud-based framework for advanced maintenance tasks

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