CN116448835B - 运转式齿轮状态监测装置及状态检测方法 - Google Patents
运转式齿轮状态监测装置及状态检测方法 Download PDFInfo
- Publication number
- CN116448835B CN116448835B CN202310727447.8A CN202310727447A CN116448835B CN 116448835 B CN116448835 B CN 116448835B CN 202310727447 A CN202310727447 A CN 202310727447A CN 116448835 B CN116448835 B CN 116448835B
- Authority
- CN
- China
- Prior art keywords
- data
- vibration
- gear
- sensor
- capacitance
- 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
- 238000012806 monitoring device Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 230000007246 mechanism Effects 0.000 claims abstract description 37
- 238000009661 fatigue test Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 24
- 230000004927 fusion Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 229910052751 metal Inorganic materials 0.000 claims description 2
- 239000002184 metal Substances 0.000 claims description 2
- 239000003921 oil Substances 0.000 abstract description 45
- 238000005452 bending Methods 0.000 abstract description 16
- 239000000428 dust Substances 0.000 abstract description 13
- 239000010687 lubricating oil Substances 0.000 abstract description 9
- 230000002159 abnormal effect Effects 0.000 abstract description 8
- 238000012360 testing method Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 12
- 239000013598 vector Substances 0.000 description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 235000006545 Ziziphus mauritiana Nutrition 0.000 description 1
- 240000000038 Ziziphus mauritiana Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
-
- 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
- G01M13/021—Gearings
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请揭示了一种运转式齿轮状态监测装置及状态检测方法，电容传感器固定于第一固定机构，当第一固定机构连接于回油管路时，电容传感器对应夹持回油管路设置；振动传感器固定于第二固定机构，当第二固定机构连接于回油管路时，振动传感器对应紧贴回油管路或运转式齿轮疲劳试验设备设置；本发明提供的运转式齿轮状态监测装置及状态检测方法，匹配运转式齿轮疲劳试验设备的回油管路设置，电容传感器获得的电容数据，信号计算模块通过电容数据，计算回油管路内润滑油中磨屑的含量，进而对接触疲劳损伤进行在线和实时的判断；振动传感器用于获得运转式齿轮疲劳试验设备中齿轮的振动数据，通过振动数据的异常情况对弯曲疲劳损伤进行在线和实时的判断。
Description
技术领域
本发明涉及齿轮监测领域，特别涉及一种运转式齿轮状态监测装置及状态检测方法。
背景技术
对齿轮产品进行运转试验，可以探究其强度、疲劳、胶合及其他相关性能，用以指导齿轮设计和优化提升。常见的齿轮疲劳形式分为接触疲劳和弯曲疲劳，对应的疲劳失效表征分别为齿面出现点蚀和齿根出现裂纹或断裂。通过使试验齿轮副在受控载荷下进行长时间的啮合运转，测定齿面或齿根发生疲劳失效时的运转循环次数，可对试验齿轮的疲劳性能进行定量研究，获得反映试验齿轮承载能力的“应力-循环次数”对应关系，也可对不同材料、工艺、镀层、修形方式等种类的试验件疲劳性能进行对比。
在运转式齿轮疲劳试验设备上进行齿轮运转试验，是开展疲劳试验的主要方法。但目前现有设备主要功能目的为提供试验所需运转能力和润滑条件，缺乏对于试验齿轮在试验过程中的状态监测。对于试验齿轮在疲劳试验过程中的失效过程以及失效判定，现缺乏有效实时在线监测手段，大多依靠停机后打开试验齿轮安装位置的齿轮箱，对齿轮进行直接的目视、拓印观察，以求观察齿轮齿面是否出现点蚀或齿根出现裂纹甚至断裂的情况。此现有检查方法受人为感知因素影响较大，比较依赖试验人员的经验积累，对齿轮疲劳试验数据的一致性及准确性具有较大主观影响。另外每次观察都需要进行停机操作，对试验连续性、试验周期和准确性同样具有较大影响。目前也存在一些，传感方式的监测方法，如中国专利CN209460187U中公开的技术方案中，探测极板为同心圆柱形，完全放置于变速箱内；当齿轮间有磨损时，检测区域的铁屑会增多；探测极板间材料的电介质常数发生改变，导致电容式传感器采集的电容数据增大，当该电容数据达到或者超过阈值时，由主控模块控制报警模块报警。但还是存在便捷性、及时性、综合性以及准确性等方面的缺陷。
发明内容
本发明的主要目的为提供一种运转式齿轮状态监测装置及状态检测方法，旨在解决现有技术中对于运转式齿轮运转试验中，对于齿轮状态监控存在便捷性、及时性、综合性以及准确性不足的问题。
为了实现上述目的，本发明提供一种运转式齿轮状态监测装置，用于连接到运转式齿轮疲劳试验设备的回油管路，包括：
第一固定机构，用于连接于所述回油管路；
电容传感器，固定于所述第一固定机构，其中，当所述第一固定机构连接于所述回油管路时，所述电容传感器对应夹持所述回油管路设置；
第二固定机构，用于连接于所述回油管路；
振动传感器，固定于所述第二固定机构，其中，当所述第二固定机构连接于所述回油管路时，所述振动传感器对应紧贴所述回油管路或所述运转式齿轮疲劳试验设备设置；
信号采集模块，与所述振动传感器以及所述电容传感器形成电性连接，用于接收所述电容传感器发送的电容数据以及接收所述振动传感器发送的振动数据；
信号计算模块，用于接收所述信号采集模块发送的通讯数据并计算处理。
进一步地，所述第一固定机构与所述第二固定机构相连形成一体结构。
进一步地，还包括设置于所述第一固定机构的屏蔽筒，所述屏蔽筒对应包裹于所述电容传感器的外周，其中，所述屏蔽筒与所述电容传感器为分离设置，所述屏蔽筒为金属材质。
本发明还提供一种状态检测方法，应用于上述的运转式齿轮状态监测装置，包括：
S1、获取电容传感器的电容数据和振动传感器的振动数据；
S2、使用D-S证据理论算法对电容数据和振动数据进行融合，获得融合单一信号；
S3、对融合单一信号进行模糊熵计算；
S4、齿轮运转状态感知。
进一步地，所述S1的步骤与S2的步骤之间包括：
K1、获取各齿轮的转速为若干判断频率，根据判断频率生成判断频率范围；
K2、对振动数据进行傅里叶变换得到频率与振幅的关系数据；
K3、将频率与振幅的关系数据中判断频率范围内的关系数据进行傅里叶逆变化，重新获得振动数据。
进一步地，所述K2的步骤之后包括：
将频率与振幅的关系数据中各判断频率范围内的关系数据分别进行傅里叶逆变化，获得多个子振动数据。
进一步地，所述S2的步骤包括：
S2.1计算mass函数的距离和相关性度量；
S2.2获得相关系数的分布系数；
S2.3构建mass函数，并融合电容数据和振动数据为融合单一信号。
进一步地，所述S3的步骤包括：
S3.1对融合单一信号构建动态128位的时序数据滑动窗口；
S3.2在时序数据滑动窗口内重构信号相空间；
S3.3计算相邻重构信号相空间的相似度；
S3.4获得时序数据滑动窗口的模糊熵。
进一步地，所述S4的步骤包括：
S4.1将模糊熵与预设阈值进行对比，获得第一对比结果；
S4.2根据第一对比结果获得齿轮运转状态结论。
本发明还提供了一种状态检测方法，应用于上述的运转式齿轮状态监测装置，包括：
P1、获取电容传感器的电容数据，将电容数据累计为电容差值数据；
P2、获取振动传感器的振动数据；
P3、使用D-S证据理论算法对电容差值数据和振动数据进行融合，获得融合单一信号；
P4、对融合单一信号进行模糊熵计算；
P5、齿轮运转状态感知。
本发明提供的运转式齿轮状态监测装置及状态检测方法，运转式齿轮状态监测装置使用过程中，匹配运转式齿轮疲劳试验设备的回油管路设置，电容传感器获得的电容数据，信号计算模块通过电容数据，计算出回油管路内润滑油中磨屑的含量，进而对接触疲劳损伤进行在线和实时的判断；振动传感器用于获得运转式齿轮疲劳试验设备中齿轮的振动数据，通过振动数据的异常情况对弯曲疲劳损伤进行在线和实时的判断；及时判定齿轮的工作状态，提高监测准确度及效率。
附图说明
图1 是本发明一实施例运转式齿轮状态监测装置的示意图；
图2 是本发明第二个实施例状态检测方法的步骤示意图；
图3 是本发明第三个实施例状态检测方法的步骤示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”“上述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件、单元、模块和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、单元、模块、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语（包括技术术语和科学术语），具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
参照图1，本发明一实施例中，一种运转式齿轮状态监测装置，用于连接到运转式齿轮疲劳试验设备100的回油管路110，包括：
第一固定机构200，用于连接于所述回油管路110；
电容传感器300，固定于所述第一固定机构200，其中，当所述第一固定机构200连接于所述回油管路110时，所述电容传感器300对应夹持所述回油管路110设置；
第二固定机构400，用于连接于所述回油管路110；
振动传感器500，固定于所述第二固定机构400，其中，当所述第二固定机构400连接于所述回油管路110时，所述振动传感器500对应紧贴所述回油管路110或所述运转式齿轮疲劳试验设备100设置；
信号采集模块600，与所述振动传感器500以及所述电容传感器300形成电性连接，用于接收所述电容传感器300发送的电容数据以及接收所述振动传感器500发送的振动数据；
信号计算模块700，用于接收所述信号采集模块600发送的通讯数据并计算处理。
现有技术中，有检查方法受人为感知因素影响较大，比较依赖试验人员的经验积累，对齿轮疲劳试验数据的一致性及准确性具有较大主观影响。另外每次观察都需要进行停机操作，对试验连续性、试验周期和准确性同样具有较大影响；也存在一些，传感方式的监测方法，但还是存在便捷性、及时性、综合性以及准确性等方面的缺陷。
在本发明中，通过在运转式齿轮疲劳试验设备100的回油管路110上固定运转式齿轮状态监测装置来实现对接触疲劳和弯曲疲劳进行监控。电容传感器300用于获取运转式齿轮疲劳试验设备100中齿轮120的接触疲劳状态。在运转式齿轮疲劳试验设备100中齿轮120没有任何磨损而未产生任何磨屑111时，回油管路110中的润滑油的介电常数是稳定的。随着疲劳试验的进行，齿轮120开始不断产生有磨屑111，此时回油管路110中的润滑油由于增加了分散于其中的磨屑111，其介电常数发生了规律性的变化，此时用过电容传感器300获得的电容数据改变，能对应计算出磨屑111的浓度。具体运转式齿轮疲劳试验设备100的回油管路110上是否具有去除磨屑111的过滤装置对于电容传感器300的工作并无影响，但过滤装置在回油管路110上的设置位置不能是相当于运转式齿轮状态监测装置的上游。电容传感器300包括第一电极侧和第二电极侧，从而对应夹持回油管路110，但电容传感器300的截面不限制为圈形的造型，从而将回油管路110完全包裹夹持；第一电极侧和第二电极侧也可以是平板造型而夹持回油管路110。振动传感器500用于获取运转式齿轮疲劳试验设备100中齿轮120的弯曲疲劳状态。齿轮120发生弯曲疲劳时，其形成的振动传递到回油管路110上而为振动传感器500所拾取。振动传感器500用于获得振动数据，当回油管路110为刚性时，则振动传感器500对应紧贴回油管路110或运转式齿轮疲劳试验设备100设置均可，而当回油管路110为柔性时，振动传感器500对应紧贴运转式齿轮疲劳试验设备100设置则更佳。当振动传感器500对应紧贴回油管路110时，由于电容传感器300也是对应回油管路110设置的，此时运转式齿轮状态监测装置使用过程中直接固定于回油管路110即可，使用过程便利，且受到外界振动的干扰较小；而当振动传感器500对应紧贴运转式齿轮疲劳试验设备100时，通过运转式齿轮状态监测装置的位置调整也不难实现。
在不同实施例中，第一固定机构200与第二固定机构400可以是分离设置的或者是一体设置的。而在不同实施例中，信号采集模块600与信号计算模块700可以是分体设置的或者是功能集成设置的（如信号采集模块600与信号计算模块700共同构成处理器900）。
在运转式齿轮状态监测装置的工作过程中，通过电容传感器300、信号采集模块600和信号计算模块700对回油管路110中润滑油中的磨屑111含量进行持续累积采集和计算，可获知在一段时间内的齿轮120的接触磨损情况，再依据相关判定算法，可精准判定与之相关的齿轮120接触疲劳情况；通过振动传感器500、信号采集模块600和信号计算模块700对回油管路110（或者运转式齿轮疲劳试验设备100）的振动状态进行监控，再依据相关判定算法，可精准判定与之相关的齿轮120弯曲疲劳情况。信号采集模块600将电容传感器300发送的电容数据以及振动传感器500发送的振动数据进行调理和放大等处理，进而为信号计算模块700对后续计算处理提供便利。信号采集模块600与电容传感器300以及振动传感器500之间的联系可以通过电缆800实现。信号计算模块700的计算处理过程中，获取信号计算模块700发送的电容数据和振动数据；使用D-S证据理论算法对电容数据和振动数据进行融合，获得融合单一信号；对融合单一信号进行模糊熵计算并相应给出齿轮运转状态感知。信号计算模块700的具体状态检测方法在后续实施例中将详细阐述。特别是，可以将接触疲劳情况和弯曲疲劳情况可以通过具体判断处理方法合二为一，共同组成运转式齿轮疲劳试验设备100中齿轮120的工作状态，并由信号计算模块700进行输出，供操作人员进行决策。
综上，运转式齿轮状态监测装置使用过程中，匹配运转式齿轮疲劳试验设备100的回油管路110设置，电容传感器300获得的电容数据，信号计算模块700通过电容数据，计算出回油管路110内润滑油中磨屑111的含量，进而对接触疲劳损伤进行在线和实时的判断；振动传感器500用于获得运转式齿轮疲劳试验设备100中齿轮120的振动数据，通过振动数据的异常情况对弯曲疲劳损伤进行在线和实时的判断；及时判定齿轮120的工作状态，提高监测准确度及效率。
在一个实施例中，所述第一固定机构200与所述第二固定机构400相连形成一体结构。
在本实施例中，通过将第一固定机构200与第二固定机构400设置为一个整体结构，那么降低了整个运转式齿轮状态监测装置的安装难度。例如第一固定机构200为一个夹持结构从而能在回油管路110上固定，而第二固定机构400是设置于第一固定机构200上的安装孔，此时振动传感器500能安装于安装孔中。
在一个实施例中，还包括设置于所述第一固定机构200的屏蔽筒，所述屏蔽筒对应包裹于所述电容传感器300的外周，其中，所述屏蔽筒与所述电容传感器300为分离设置，所述屏蔽筒为金属材质。
电容传感器300用于获得介电常数的改变，为了降低外部电磁环境对电容传感器300的干扰，在本实施例中，电容传感器300呈现筒状，从而将电容传感器300整体包裹，外界的电磁环境对于电容传感器300工作的影响降低，屏蔽筒的材质选择可以是铁、铝或者铜等。
参照图2，本发明还提供了一种状态检测方法，应用于上述的运转式齿轮状态监测装置，包括：
S1、获取电容传感器300的电容数据和振动传感器500的振动数据；
S2、使用D-S证据理论算法对电容数据和振动数据进行融合，获得融合单一信号；
S3、对融合单一信号进行模糊熵计算；
S4、齿轮运转状态感知。
具体计算示例如下：
（1）对监测参数（电容数据和振动数据）的预处理，得到各参数的特征向量：
振动数据可经相关去噪处理后，采用快速傅里叶变换处理获得功率谱作为振动参数的特征向量，计算公式为。
Xi为功率谱（即振动参数特征向量），N为采样长度，∆t为时长，xi为振动加速度信号，j为系统参数，k=0，1，…，（N-1）/2。
由电容传感器监测到的电容数据，即作为反映磨粒情况的特征向量直接使用。
（2）计算D-S证据理论算法中mass函数的距离和相关性度量：
获得监测参数的特征向量后，设标准样本特征向量为/>。计算向量/>与/>的距离为/>，证据体/>与目标之间的相关系数/>即为距离的倒数，而/>即为最大相关性。
（3）获得证据体与各目标相关系数的分布系数：
证据体与各目标相关系数的分布系数为。
为目标相关系数的数量。
（4）构建不同传感器信息融合mass函数，并融合信息:
首先计算传感器的可靠性系数，/>为最大相关性，/>为分布系数。
由此融合mass函数即为，Ri为不同传感器的可靠性系数，/>为最大相关性，/>为分布系数，/>即为mass函数。
（5）对融合后的单一信息构建动态128位时序数据滑动窗口：
构建128位时序数据滑动窗口，即需要构建一个128维的时间序列
（6）重构时间序列窗口内的信号相空间：
定义相空间维度m，重构相空间。其中，/>为相空间均值。
（7）使用模糊隶属度函数计算两个相邻时序窗口内的信号重构相空间相似度：
其中，r为相似容限度，表示两相邻时间序列/>与/>对应元素之间的最大差值。μ函数则为/>的一个函数表达。
（8）获得时间序列的模糊熵，并与判定值进行比较：
定义函数，则对于m+1时刻下的时间序列/>可构建函数/>。对于有限时间序列，其模糊熵可以表示为。
（9）得出齿轮运转状态结论。
在本实施例中，状态检测方法应用的情况为回油管路110上未设置有去除磨屑111的过滤装置。此时润滑油中所有磨屑111含量即为全部，也就能反映接触疲劳损伤，电容传感器300在各个时间点的电容数据均能反映磨屑111的浓度（对应接触疲劳状态）；相应的，振动传感器500的瞬时振动数据也能反映齿轮120的弯曲疲劳状态。在S1和S2步骤中，采用D-S证据理论算法的参数化算法，在特征级层面对反映磨屑111剥落的电容数据变化和振动情况的振动数据进行交叉融合，形成包含二者特征的统一时序信号数据；在S3和S4步骤中，对融合单一信号进行模糊熵计算，从而实时得出齿轮状态结论。
需要说明的是，齿轮运转状态感知给出的判断是运转式齿轮疲劳试验设备100中所有齿轮120的接触疲劳与弯曲疲劳的情况，当然需要针对单个齿轮120进行测试的话，则需要将其他齿轮120的强度设置得远高于该单个齿轮。
在一个实施例中，所述S1的步骤与S2的步骤之间包括：
K1、获取各齿轮120的转速为若干判断频率，根据判断频率生成判断频率范围；
K2、对振动数据进行傅里叶变换得到频率与振幅的关系数据；
K3、将频率与振幅的关系数据中判断频率范围内的关系数据进行傅里叶逆变化，重新获得振动数据。
齿轮120的在弯曲疲劳的情况下，某个单独齿结构发生了异常变化，从而产生了相应的振动数据。在本实施例中，获取各个齿轮120转速，也就是频率，如只包含两个齿轮120，且转速分别为3000和6000转每分钟，判断频率也就是50次每秒和100次每秒。当然判断频率是点值，左右扩大取值范围而生成判断频率范围，如将50Hz和100Hz的判断频率分别生成为40至60Hz的判断频率范围以及80至120Hz的判断频率范围。因为上述两个齿轮120上发生弯曲疲劳后，产生的异常振动频率分别会集中在50Hz和100Hz，也就是落入40至60Hz的判断频率范围以及80至120Hz的判断频率范围；其他因素产生的异常振动较大概率不会落入判断频率范围。在S1的步骤中，振动传感器500获得的是时间与强度信号的关系数据（振动数据），在K2的步骤中，对振动数据进行傅里叶变换得到频率与振幅的关系数据；那么在K3的步骤中，将判断频率范围外的数据清除，只将振动数据中判断频率范围内的关系数据进行傅里叶逆变化，重新获得振动数据。此时振动数据经过清洗，其他不相关的数据被剔除，而可以专注于弯曲疲劳产生的振动。
在一个实施例中，所述K2的步骤之后包括：
将频率与振幅的关系数据中各判断频率范围内的关系数据分别进行傅里叶逆变化，获得多个子振动数据。
在本实施例中，独立于S4步骤中给出的齿轮运转状态感知，将各判断频率范围内的关系数据分别进行傅里叶逆变化，重新获得了多个时间与强度信号的关系数据（子振动数据）分别对应各个齿轮120。通过以上子振动数据，能分别对不同的齿轮120的弯曲疲劳进行监控。
在一个实施例中，所述S2的步骤包括：
S2.1计算mass函数的距离和相关性度量；
S2.2获得相关系数的分布系数；
S2.3构建mass函数，并融合电容数据和振动数据为融合单一信号。
在本实施例中，给出了D-S证据理论算法的应用的具体步骤过程。
在一个实施例中，所述S3的步骤包括：
S3.1对融合单一信号构建动态128位的时序数据滑动窗口；
S3.2在时序数据滑动窗口内重构信号相空间；
S3.3计算相邻重构信号相空间的相似度；
S3.4获得时序数据滑动窗口的模糊熵。
在本实施例中，给出了具体模糊熵计算的步骤过程。
在一个实施例中，所述S4的步骤包括：
S4.1将模糊熵与预设阈值进行对比，获得第一对比结果；
S4.2根据第一对比结果获得齿轮运转状态结论。
在本实施例中，设置一个作为评判标准的预设阈值，通过模糊熵与上述预设阈值之间大小关系给出齿轮运转状态结论，上述结论不仅可以是定性的还可以是定量的，具体的可以根据模糊熵与预设阈值之间的大小关系具体量值，给出齿轮运转状态结论的定量值。
参照图3，本发明还提供了一种状态检测方法，应用于上述的运转式齿轮状态监测装置，包括：
P1、获取电容传感器300的电容数据，将电容数据累计为电容差值数据；
P2、获取振动传感器500的振动数据；
P3、使用D-S证据理论算法对电容差值数据和振动数据进行融合，获得融合单一信号；
P4、对融合单一信号进行模糊熵计算；
P5、齿轮运转状态感知。
在本实施例中，状态检测方法应用的情况为回油管路110上设置有去除磨屑111的过滤装置。此时润滑油中磨屑111经过一次循环后会为过滤装置所去除，降低了磨屑111在运转式齿轮疲劳试验设备100中、回油管路110中或者齿轮120上的异常累积而对最终接触疲劳状态的判断造成的负面影响。那么在此时电容传感器300的电容数据需要进行累计而形成电容差值数据，通过电容差值数据反映接触疲劳状态。在P3步骤中，采用D-S证据理论算法的参数化算法，在特征级层面对反映磨屑111剥落的电容差值数据和振动情况的振动数据进行交叉融合，形成包含二者特征的统一时序信号数据；在P4和P5步骤中，对融合单一信号进行模糊熵计算，从而实时得出齿轮状态结论。
综上所述，本发明提供的运转式齿轮状态监测装置及状态检测方法，运转式齿轮状态监测装置使用过程中，匹配运转式齿轮疲劳试验设备100的回油管路110设置，电容传感器300获得的电容数据，信号计算模块700通过电容数据，计算出回油管路110内润滑油中磨屑111的含量，进而对接触疲劳损伤进行在线和实时的判断；振动传感器500用于获得运转式齿轮疲劳试验设备100中齿轮120的振动数据，通过振动数据的异常情况对弯曲疲劳损伤进行在线和实时的判断；及时判定齿轮120的工作状态，提高监测准确度及效率。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种采用运转式齿轮状态监测装置的状态检测方法，其特征在于：
所述运转式齿轮状态监测装置，用于连接到运转式齿轮疲劳试验设备（100）的回油管路（110），包括：
第一固定机构（200），用于连接于所述回油管路（110）；
电容传感器（300），固定于所述第一固定机构（200），其中，当所述第一固定机构（200）连接于所述回油管路（110）时，所述电容传感器（300）对应夹持所述回油管路（110）设置；
第二固定机构（400），用于连接于所述回油管路（110）；
振动传感器（500），固定于所述第二固定机构（400），其中，当所述第二固定机构（400）连接于所述回油管路（110）时，所述振动传感器（500）对应紧贴所述回油管路（110）或所述运转式齿轮疲劳试验设备（100）设置；
信号采集模块（600），与所述振动传感器（500）以及所述电容传感器（300）形成电性连接，用于接收所述电容传感器（300）发送的电容数据以及接收所述振动传感器（500）发送的振动数据；
信号计算模块（700），用于接收所述信号采集模块（600）发送的通讯数据并计算处理
所述状态检测方法包括：
S1、获取电容传感器（300）的电容数据和振动传感器（500）的振动数据；
S2、使用D-S证据理论算法对电容数据和振动数据进行融合，获得融合单一信号；
S3、对融合单一信号进行模糊熵计算；
S4、齿轮运转状态感知；
所述S2的步骤包括：
S2.1计算mass函数的距离和相关性度量；
S2.2获得相关系数的分布系数；
S2.3构建mass函数，并融合电容数据和振动数据为融合单一信号；
所述S3的步骤包括：
S3.1对融合单一信号构建动态128位的时序数据滑动窗口；
S3.2在时序数据滑动窗口内重构信号相空间；
S3.3计算相邻重构信号相空间的相似度；
S3.4获得时序数据滑动窗口的模糊熵。
2.根据权利要求1所述的状态检测方法，其特征在于，所述第一固定机构（200）与所述第二固定机构（400）相连形成一体结构。
3.根据权利要求1所述的状态检测方法，其特征在于，所述运转式齿轮状态监测装置还包括设置于所述第一固定机构（200）的屏蔽筒，所述屏蔽筒对应包裹于所述电容传感器（300）的外周，其中，所述屏蔽筒与所述电容传感器（300）为分离设置，所述屏蔽筒为金属材质。
4.根据权利要求1所述的状态检测方法，其特征在于，所述S1的步骤与S2的步骤之间包括：
K1、获取各齿轮（120）的转速为若干判断频率，根据判断频率生成判断频率范围；
K2、对振动数据进行傅里叶变换得到频率与振幅的关系数据；
K3、将频率与振幅的关系数据中判断频率范围内的关系数据进行傅里叶逆变化，重新获得振动数据。
5.根据权利要求4所述的状态检测方法，其特征在于，所述K2的步骤之后包括：
将频率与振幅的关系数据中各判断频率范围内的关系数据分别进行傅里叶逆变化，获得多个子振动数据。
6.根据权利要求1所述的状态检测方法，其特征在于，所述S4的步骤包括：
S4.1将模糊熵与预设阈值进行对比，获得第一对比结果；
S4.2根据第一对比结果获得齿轮运转状态结论。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310727447.8A CN116448835B (zh) | 2023-06-20 | 2023-06-20 | 运转式齿轮状态监测装置及状态检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310727447.8A CN116448835B (zh) | 2023-06-20 | 2023-06-20 | 运转式齿轮状态监测装置及状态检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116448835A CN116448835A (zh) | 2023-07-18 |
| CN116448835B true CN116448835B (zh) | 2023-10-17 |
Family
ID=87120591
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310727447.8A Active CN116448835B (zh) | 2023-06-20 | 2023-06-20 | 运转式齿轮状态监测装置及状态检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116448835B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117387939B (zh) * | 2023-12-08 | 2024-02-09 | 珠海市钧兴机电有限公司 | 齿轮测试控制方法、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060087680A (ko) * | 2005-01-31 | 2006-08-03 | 금오기전 주식회사 | 가진장치와 용량 센싱 장치를 이용한 오일증기 검출기 |
| RU2315975C1 (ru) * | 2006-05-16 | 2008-01-27 | Государственное образовательное учреждение высшего профессионального образования "Южно-Российский государственный технический университет (Новочеркасский политехнический институт)" ГОУ ВПО ЮРГТУ (НПИ) | Способ оценки технического состояния машин и механизмов |
| JP2012181169A (ja) * | 2011-03-03 | 2012-09-20 | Ntn Corp | 転動部品の状態監視装置および状態監視方法 |
| CN107290041A (zh) * | 2017-07-28 | 2017-10-24 | 河海大学 | 一种基于相空间重构和kpcm聚类的变压器绕组松动状态监测方法 |
| GB201811734D0 (en) * | 2018-07-18 | 2018-08-29 | Jr Dynamics Ltd | Oil plug |
| CN108693335A (zh) * | 2017-04-06 | 2018-10-23 | 北京至感传感器技术研究院有限公司 | 风电机组润滑油在线监测系统 |
| CN109282988A (zh) * | 2018-11-28 | 2019-01-29 | 中北大学 | 一种齿轮疲劳寿命地面试验平台 |
| CN109541412A (zh) * | 2018-12-20 | 2019-03-29 | 国网上海市电力公司 | 基于套管末屏的变压器过电压和局放综合监测系统及方法 |
| CN112665856A (zh) * | 2020-12-16 | 2021-04-16 | 华东交通大学 | 一种齿轮箱在线监测系统 |
-
2023
- 2023-06-20 CN CN202310727447.8A patent/CN116448835B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060087680A (ko) * | 2005-01-31 | 2006-08-03 | 금오기전 주식회사 | 가진장치와 용량 센싱 장치를 이용한 오일증기 검출기 |
| RU2315975C1 (ru) * | 2006-05-16 | 2008-01-27 | Государственное образовательное учреждение высшего профессионального образования "Южно-Российский государственный технический университет (Новочеркасский политехнический институт)" ГОУ ВПО ЮРГТУ (НПИ) | Способ оценки технического состояния машин и механизмов |
| JP2012181169A (ja) * | 2011-03-03 | 2012-09-20 | Ntn Corp | 転動部品の状態監視装置および状態監視方法 |
| CN108693335A (zh) * | 2017-04-06 | 2018-10-23 | 北京至感传感器技术研究院有限公司 | 风电机组润滑油在线监测系统 |
| CN107290041A (zh) * | 2017-07-28 | 2017-10-24 | 河海大学 | 一种基于相空间重构和kpcm聚类的变压器绕组松动状态监测方法 |
| GB201811734D0 (en) * | 2018-07-18 | 2018-08-29 | Jr Dynamics Ltd | Oil plug |
| CN109282988A (zh) * | 2018-11-28 | 2019-01-29 | 中北大学 | 一种齿轮疲劳寿命地面试验平台 |
| CN109541412A (zh) * | 2018-12-20 | 2019-03-29 | 国网上海市电力公司 | 基于套管末屏的变压器过电压和局放综合监测系统及方法 |
| CN112665856A (zh) * | 2020-12-16 | 2021-04-16 | 华东交通大学 | 一种齿轮箱在线监测系统 |
Non-Patent Citations (4)
| Title |
|---|
| WK型电铲减速机综合在线状态监测系统的可行性研究;陈晓勇;张华明;;露天采矿技术(第03期);全文 * |
| 基于D－S 证据理论变压器绕组机械状态评估;张彬等;《东北电力技术》;第44卷(第4期);正文第2页第3-7段，第3页第4段 * |
| 基于非线性关联维特征提取的机械自动化监测系统;常勇智;邱亚泽;郑振;涂毫杰;;计算机与数字工程(第12期);全文 * |
| 风机齿轮箱油液在线监测技术应用;潘波等;《电子测试》(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116448835A (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Application of bandwidth EMD and adaptive multiscale morphology analysis for incipient fault diagnosis of rolling bearings | |
| Yan et al. | Research on an enhanced scale morphological-hat product filtering in incipient fault detection of rolling element bearings | |
| Saidi et al. | Bi-spectrum based-EMD applied to the non-stationary vibration signals for bearing faults diagnosis | |
| Lei et al. | Gear crack level identification based on weighted K nearest neighbor classification algorithm | |
| Elasha et al. | Pitting detection in worm gearboxes with vibration analysis | |
| Elasha et al. | Application of acoustic emission in diagnostic of bearing faults within a helicopter gearbox | |
| CN116448835B (zh) | 运转式齿轮状态监测装置及状态检测方法 | |
| Shanbr et al. | Detection of natural crack in wind turbine gearbox | |
| Kumar et al. | Misalignment effect on gearbox failure: An experimental study | |
| CN102441579B (zh) | 热连轧轧机运行状态的在线监测方法 | |
| Wang et al. | A computer-vision-based rotating speed estimation method for motor bearing fault diagnosis | |
| Kong et al. | Fault feature extraction of planet gear in wind turbine gearbox based on spectral kurtosis and time wavelet energy spectrum | |
| Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
| Isham et al. | A review on variational mode decomposition for rotating machinery diagnosis | |
| Segla et al. | Bearing fault diagnosis with an improved high frequency resonance technique | |
| Wang et al. | Condition monitoring and fault diagnosis methods for low-speed and heavy-load slewing bearings: A literature review | |
| JP5765881B2 (ja) | 設備機器の診断装置 | |
| Jain et al. | A review on vibration signal analysis techniques used for detection of rolling element bearing defects | |
| Touti et al. | An improved electromechanical spectral signature for monitoring gear-based systems driven by an induction machine | |
| Wang et al. | Tacholess order-tracking approach for wind turbine gearbox fault detection | |
| Schmidt et al. | Combining an optimisation-based frequency band identification method with historical data for novelty detection under time-varying operating conditions | |
| Djemili et al. | A wind turbine bearing fault detection method based on improved CEEMDAN and AR-MEDA | |
| Li et al. | On-line fault detection in wind turbine transmission system using adaptive filter and robust statistical features | |
| Zhan et al. | Adaptive autoregressive modeling of non-stationary vibration signals under distinct gear states. Part 2: experimental analysis | |
| Osman et al. | A leakage-free resonance sparse decomposition technique for bearing fault detection in gearboxes |
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 |