CN117087866A - 一种无人直升机动部件状态监控与故障诊断方法 - Google Patents
一种无人直升机动部件状态监控与故障诊断方法 Download PDFInfo
- Publication number
- CN117087866A CN117087866A CN202310939920.9A CN202310939920A CN117087866A CN 117087866 A CN117087866 A CN 117087866A CN 202310939920 A CN202310939920 A CN 202310939920A CN 117087866 A CN117087866 A CN 117087866A
- Authority
- CN
- China
- Prior art keywords
- frequency
- data
- fault
- amplitude
- tail
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003745 diagnosis Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000007246 mechanism Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 27
- 230000001133 acceleration Effects 0.000 claims description 20
- 238000001228 spectrum Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 4
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000005299 abrasion Methods 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 239000003638 chemical reducing agent Substances 0.000 claims description 2
- 238000010223 real-time analysis Methods 0.000 claims description 2
- HODRFAVLXIFVTR-RKDXNWHRSA-N tevenel Chemical compound NS(=O)(=O)C1=CC=C([C@@H](O)[C@@H](CO)NC(=O)C(Cl)Cl)C=C1 HODRFAVLXIFVTR-RKDXNWHRSA-N 0.000 claims description 2
- 238000003672 processing method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D2045/0085—Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种无人直升机动部件状态监控与故障诊断方法，包括以下步骤：步骤1，测点选取：在无人直升机机身的关键位置安装传感器，传感器实现传动系统、动力装置、旋翼系统、尾桨系统中旋转部件以及电器设备的信号拾取工作，通过专用线缆将模拟信号传递至机载数据采集设备中；步骤2，数据采集；步骤3，数据处理；步骤4，数据传输；步骤5，制定诊断方案；步骤6，输出诊断结果；步骤7，数据综合分析。本方法适用于无人直升机的动部件状态监测与故障诊断，故障机理清晰，实现方式简单可靠。
Description
技术领域
本发明涉及一种无人直升机动部件状态监控与故障诊断方法。
背景技术
无人直升机具备长时间空中悬停、垂直起降、低空速飞行、机动灵活的能力和复杂环境任务执行能力、坠毁零伤亡的特点，对起降场地的要求较低，能够在非铺装地面或城市高楼楼顶等场合起降，由于其使用的灵活性，直升机在航空器领域具有不可替代的作用。也正是由于复杂环境任务执行能力，导致无人直升机相关故障较多，亟需一种适应无人直升机的状态检测与故障诊断方法应对这种局面。
有人直升机上当前应用较多的HUMS(健康与使用监控系统)同样采集转速、温度、振动等信息，但不具备数据实时回传至地面站的能力，只能将结果显示在驾驶员座舱内，且不具备对应部件故障类型的预警，只能根据信号的总体特征进行分系统故障判断。
因此，设计一种适应无人直升机的、基于故障模式分析的、对主要动部件进行实时跟踪的无人直升机状态监控与机械故障诊断方法具有重要的现实意义。
发明内容
发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种无人直升机动部件状态监控与故障诊断方法，包括：测点选取、数据采集、数据处理、数据传输、诊断方案的制定以及诊断结果输出以及数据综合分析。
本发明包括以下步骤：
步骤1，测点选取：在无人直升机机身的关键位置安装传感器，传感器实现传动系统、动力装置、旋翼系统、尾桨系统中旋转部件以及电器设备的信号拾取工作，通过专用线缆将模拟信号传递至机载数据采集设备中；
步骤2，数据采集；
步骤3，数据处理；
步骤4，数据传输；
步骤5，制定诊断方案；
步骤6，输出诊断结果；
步骤7，数据综合分析。
步骤1中，无人直升机系统的动力传递方式分为两路，一路为发动机、皮带、主减速器、旋翼，另一路为发动机、皮带、尾传动轴、尾减速器-尾桨，确定出需要监控的对象和监控对象预计出现的故障类型，故障类型包括旋翼故障、尾桨故障、齿轮故障、轴承故障、皮带故障、传动轴故障以及发动机故障；
根据信号传输路线，基于路径最近和刚度最大的原则选取测点位置，优选出主齿轮箱的顶部输出轴承座、主齿轮箱底部支承轴承座、主齿轮箱动力输入轴承座、尾齿轮箱输出轴承座、发动机输出齿轮箱输出轴承座作为无人直升机的关键位置；
根据故障判别方式的不同(判别方式参见步骤5)，在主齿轮箱输出轴、尾传动轴、尾桨主轴的支承位置安装转速传感器。
比如，要判断旋翼动平衡故障，必须要用到振动幅值与振动相位这两个参数，就必须要在支撑旋翼轴的齿轮箱输出轴处安装振动加速度传感器和转速传感器；要判断齿轮与轴承故障就必须选用动态范围足够大的加速度传感器，涵盖2Hz到齿轮啮合频率6倍的范围。
步骤2包括：根据两个无人直升机系统的动力传递路径上各系统会出现的故障类型，进行机械故障机理分析，并根据分析结果，判断在额定工作转速下需要分析的频率范围，然后计算出对应各关键位置需要的采样频率，具体包括：主齿轮箱顶部输出轴承座和动力输入轴承座的六个通道需要监控主齿轮啮合频率信息，主齿轮箱底部支承轴承座测点的三个通道只需要监控支承轴承的信息，尾齿轮箱输出轴承座三个通道需要监控尾齿轮啮合频率信息，电器设备、任务设备需关注的频率范围最高只到发动机曲轴转速的四倍频率。
步骤3包括：计算每个通道的时域特征值，包括有效值、峰值系数、歪度指标、峭度指标，具体算法见《旋转机械故障机理及诊断技术》第四章“工程信号分析技术”；
根据测点所在位置进行对应故障信息的处理，包括：
旋翼动平衡状态数据处理：选取主齿轮箱顶部输出轴承座的水平左右通道的振动加速度数据，根据主齿轮箱输出轴的转速信息，进行频域数字滤波，只保留转速频率左右两侧各1/4转速范围的信号，然后计算转速峰值区间的跨度，确定振动加速度峰值位置，然后根据峰值位置与转速脉冲的关系计算出动平衡相位，并记录当前峰值作为幅值数据，对当前组数据的相位PHA、幅值AMP的均值和方差DIA进行记录。
步骤3中，设定主齿轮箱顶部输出轴承座水平左右通道的振动数据记为X序列x1，x2，x3，……，xn，xn表示度n个振动数据，n取值为自然数，根据采样频率和20kHz与频域分辨率的要求，计算点数为216，即每216个数据为一组，当前时间采集完成一组数据记为当前组数据，计算方法包括如下步骤：
步骤3-1、根据基2-FFT算法(算法参见《旋转机械故障机理及诊断技术》第三章“数字信号处理”第三节快速傅里叶变换——FFT)算出频谱数据；
步骤3-2、根据转速传感器信息，选取转速频率左右两侧各1/4转速范围的频域数据，其他频域数据置零，进行逆FFT分析(同样采取基-2算法，算法内旋转因子为-1)，得到旋转频率下的振动数据Y_；
步骤3-3、以转速传感器脉冲信号的第一个上升沿开始，搜索振动峰值所在的相对时间位置，按照两个脉冲信号上升沿折算为360°，计算出每一圈数据对应峰值的相对位置，同样以度(°)为单位给出，该相对位置称为相位，峰值称为幅值，记录该峰值和相位分别为AMP1和PHA1；
步骤3-4、按照步骤3-3的方法计算出当前组振动数据所有周期内的幅值和相位，得到数据序列AMP1，APM2，AMP3，……，AMPn和PHA1，PHA2，PHA3，……PHAn；(符号的下标表示周期数，n表示当前组振动数据包含的最大完整周期数)；
步骤3-5、根据大学教材《概率论与数理统计》计算方差的公式计算两数据序列的幅值均值MEN_AMP、相位均值MEN_PHA、幅值方差DIA_AMP和相位方差DIA_PHA；
步骤3还包括：尾传动轴和尾桨的动平衡状态数据处理：计算尾传动轴动平衡选取主齿轮箱动力输入轴承座、尾齿轮箱输出轴承座的竖直方向通道加速度数据，计算尾桨动平衡选取尾齿轮箱输出轴承座竖直方向通道加速度数据，具体算法参见步骤3-1～步骤3-5；
转轴弯曲状态数据处理：选取轴两端传感器的轴向通道加速度数据，结合轴的转速信息，进行频域数字滤波，只保留转速频率附近的信号，计算转速峰值区间的跨度，确定振动加速度峰值位置，根据峰值位置与转速脉冲的关系计算出振动相位和幅值数据，计算当前组数据的振动相位、幅值的均值和方差，对轴两端的幅值AMP和相位差PHA进行实时分析，具体算法参见步骤3-1～步骤3-5；
皮带磨损状态数据处理：选取皮带两端的测点，选中皮带两端的测点中与皮带平行的两通道，例如皮带为竖直方向布置，则选取两端测点的上下方向。通过基2-FFT计算，得到皮带频率一系列谐波的幅值，以2倍频谐波的幅值作为指示皮带磨损的参量；
齿轮状态数据处理，包括如下步骤：
步骤a1，时域同步平均，采样点数的设置必须考虑每个轴上齿轮的齿数，数字重采样频率Fs的设置为每周大于6倍齿数的基2数；比如，固定于主轴上的齿轮有17个齿，齿轮轴的工作频率为Ω，设定Ω＝6Hz，则数字重采样频率Fs为：
6×17×Ω＝612
由于29＝512，210＝1024，则Fs＝1024。
步骤a2，选取最新时刻的8周时域平均数据进行基2-FFT计算；
步骤a3，做细化谱分析，中心频率选择为齿轮啮合的1倍频、2倍频和3倍频，细化倍数根据分析频带宽度和各轴转频合理设计：要求频带宽度大于齿轮所在轴转频的12倍，频率分辨率小于0.1Hz；
比如，某齿轮箱内的一传动轴转频为10Hz，其上固定的齿轮齿数为23齿，这对齿的啮合频率为230Hz，则选择230Hz、460Hz和690Hz为中心频率，频带宽度大于12×10＝120Hz，具体算法参见“基于复解析带通滤波器的复调制细化谱分析的算法研究”。
步骤a4，针对齿轮啮合的1、2、3倍频细化谱的各边带，分别提取各个边带的幅值，并将幅值按齿轮啮合各倍频峰值无量纲化，并记录各个齿轮啮合频率和边带无量纲数据：
轴承状态数据处理，包括如下步骤：
步骤b1，按照各参考书所给公式计算故障频率，包括内圈故障频率、外圈故障频率、保持架故障频率和滚动体故障频率；
步骤b2，按与时域同步平均点数相同的原始点做FFT计算，计算得到数据列与前述齿轮故障分析中同一测点的时域同步平均的的FFT数据相减，并做FFT逆变换，然后进行时域特征值计算；
步骤b3，记录各个故障频率峰值、内圈、外圈故障频率两侧轴频边带的无量纲幅值，以及滚动体故障频率的1倍频和2倍频两侧的保持架边带无量纲幅值；
步骤b4，记录轴承轴向振动信号的FFT频谱中，轴频1倍频、2倍频和3倍频的幅值；
步骤b5，记录轴承附近测点的径向振动信号的FFT频谱中轴频1倍频、2倍频，……，10倍频幅值；
步骤b6，整个频谱内除去各激振力对应频率的峰值信息，计算剩余频谱的能量，记为底噪能量。
步骤4包括：将步骤3得到的各特征值下传，由地面站接收。
步骤5包括：诊断方案是基于对旋翼、尾桨、尾传动轴、齿轮以及轴承的故障机理分析得出的参数，并用于实际无人直升机的故障分析；
旋翼系统的不平衡主要的振源为旋翼，频率仅为旋翼的工作转速，稳定工况下振源也是稳定的，因此产生的振动幅值和相位也是稳定的。根据国家标准的要求，幅值的大小能够直接确定，相位的数据偏差则是试验现场分析得出的结论。
同样的不平衡机理也适用于尾桨和尾传动轴。
齿轮故障同样基于故障的机理分析，对齿轮的不同故障类型表现出来的形式在试验台上进行相同传输功率的试验，总结出各个参数的规律，指导实际的故障诊断。
轴承的故障诊断，是基于轴承的故障频率作用机理，结合在无人直升机上的实际作用场合，分析各个故障的表现形式，通过在试验台上植入故障，确定诊断方案。
步骤6包括：地面站接收来自链路的数据，地面站显控软件根据传输协议确定各字段特征值数据，然后根据诊断方案，匹配各个故障模式的特征值，给出诊断结果，当时域特征值与各故障信息未超过各阈值，则状态良好，如果超过阈值，则根据诊断方案给出故障代码。
步骤7包括：无人直升机飞行结束，返回地面，通过专用数据线缆将无人直升机飞行数据下载至数据综合分析系统，进行针对飞行工况的数据分析，建立各特征值随飞行时间的趋势跟踪，依据试验确定的寿命曲线，给出故障预测。
本发明有益效果在于：本方法根据无人直升机各系统可能出现的故障，在无人直升机机身选取测点，然后依据特定的数据采集方法采集振动和转速等信号，将其离散化，并根据数据处理方法得到一系列特征值，通过链路的有限带宽传送至地面站，地面站显控软件匹配各个故障模式(或组合)，若各特征值(组合)达到各故障模式的预警条件，则显控软件给出告警，并显示特定的故障代码，实现对各种故障进行实时监测与跟踪。无人直升机飞行结束后，将原始数据下载至数据综合分析系统进行多工况分析，并给出趋势跟踪，进行寿命预测和故障预测。本方法适用于无人直升机的动部件状态监测与故障诊断，故障机理清晰，实现方式简单可靠。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本发明的流程图。
图2为本发明的测点选取方法需考虑的系统图。
图3为本发明的数据采集方法图。
图4为本发明的数据处理流程图。
具体实施方式
本发明提供一种无人直升机动部件状态监控与故障诊断方法，包括：测点选取、数据采集、数据处理、数据传输、诊断方案的制定以及诊断结果输出以及数据综合分析，图1为本方法的原理和数据传输路径。
所属测点的选取，见图2，包括如下步骤：
根据无人直升机系统的动力传递方式，确定需要监控的对象和监控对象预计出现的故障类型，包括旋翼故障、尾桨故障、齿轮故障、轴承故障、皮带故障、传动轴故障以及发动机故障等。根据信号传输路线，基于路径最近和刚度最大的原则选取测点位置，优选出主齿轮箱的顶部输出轴承座、主齿轮箱底部支承轴承座、主齿轮箱动力输入轴承座，尾齿轮箱输出轴承座、发动机输出齿轮箱输出轴承座作为无人直升机的关键测点，额外地，根据需要，电器设备和任务设备安装位置同样选择为测点。
根据故障判别方式的不同，在主齿轮箱输出轴、尾传动轴、尾桨主轴的支承位置安装转速传感器。
所述数据采集方法，见图3，根据各系统会出现的故障类型，进行机械故障机理分析，并根据分析结果，判断在额定工作转速下需要分析的频率范围，然后计算出对应各测点需要的采样频率。
比如，主齿轮箱顶部输出轴承座和动力输入轴承座的六个通道需要监控主齿轮啮合频率信息，主齿轮箱底部支承轴承座测点的三个通道只需要监控支承轴承的信息，尾齿轮箱输出轴承座三个通道则需要监控尾齿轮啮合频率信息，而电器设备、任务设备需关注的频率范围最高只到发动机曲轴转速的四倍频率，采样频率应分别进行相应设置。
所述数据处理方法，数据的传递见图4，包括以下内容：
首先计算每个通道的时域特征值，包括：有效值、峰值系数、歪度指标、峭度指标
然后根据测点所在位置进行对应故障信息的处理，比如：
旋翼动平衡状态数据处理方法：选取主齿轮箱顶部输出轴承座的水平左右通道的振动加速度数据，根据主齿轮箱输出轴的转速信息，进行频域数字滤波，只保留该转速频率左右两侧各1/4转速范围的信号，然后计算转速峰值区间的跨度，确定振动加速度峰值位置，然后根据峰值位置与转速脉冲的关系计算出动平衡相位，并记录当前峰值作为幅值数据。对当前组数据的相位PHA、幅值AMP的均值和方差DIA进行记录。
尾传动轴和尾桨的动平衡状态的计算与旋翼类似，不同的是计算尾传动轴动平衡选取主齿轮箱动力输入轴承座、尾齿轮箱输出轴承座的竖直方向通道加速度数据，计算尾桨动平衡选取尾齿轮箱输出轴承座竖直方向通道加速度数据。
转轴弯曲状态数据处理方法：选取轴两端传感器的轴向通道加速度数据，然后结合该轴的转速信息，进行频域数字滤波，只保留转速频率附近的信号，然后计算转速峰值区间的跨度，确定振动加速度峰值位置，然后根据峰值位置与转速脉冲的关系计算出振动相位和幅值数据。根据计算当前组数据的相位、幅值的均值和方差。然后对轴两端的幅值AMP和相位差PHA进行实时分析。
皮带磨损状态数据处理方法：选取皮带两端的测点，选中其与皮带平行的两通道。通过FFT计算，得到皮带频率一系列谐波的幅值，以2倍频谐波的幅值作为指示皮带磨损的参量。
齿轮状态数据处理方法：
步骤a1，时域同步平均，算法见文献《基于TSA的直升机传动系统振动信号处理》；但采样点数的设置必须考虑每个轴上齿轮的齿数，数字重采样频率的设置为每周大于6倍齿数的基2数。
步骤a2，选取最新时刻的8周时域平均数据进行FFT分析；
步骤a3，做细化谱分析，中心频率选择为齿轮啮合的1倍频、2倍频和3倍频，细化倍数根据分析频带宽度以及各轴转频合理设计，要求频带宽度大于12倍齿轮所在轴转频，频率分辨率小于0.1Hz；
步骤a4，针对齿轮啮合的1、2、3倍频细化谱的各边带，分别提取各个边带的幅值，并将该幅值对齿轮啮合各倍频峰值无量纲化，并记录各个齿轮啮合频率以及边带无量纲数据：
轴承状态数据处理方法：
步骤b1，首先按照公开的轴承故障频率计算公式计算得到故障频率，包括内圈故障频率、外圈故障频率、保持架故障频率和滚动体故障频率；
步骤b2，按与时域同步平均点数相同的原始点做FFT分析，并取模，将该数据列与时域同步平均的的FFT数据相减。并做FFT逆变换，然后进行时域特征值计算。
步骤b3，记录各个故障频率峰值以及内圈、外圈故障频率两侧轴频边带的无量纲幅值，以及滚动体故障频率的1倍频和2倍频两侧的保持架边带无量纲幅值。
步骤b4，记录轴承轴向振动信号的FFT频谱中，轴频1倍频、2倍频和3倍频的幅值。
步骤b5，记录轴承附近测点的径向振动信号的FFT频谱中轴频1倍频、2倍频，……，10倍频幅值
步骤b6，整个频谱内除去各激振力对应频率的峰值信息，计算剩余频谱的能量，记为底噪能量。
所述数据传输方法，由于链路下行带宽有限，不可能将原始数据实时下传，因此，本方法设计为将数据处理后的各特征值下传，包括时域特征值，频域特征值等，由地面站接收。
所述诊断方案的制定，是根据各部件的故障模式具体制定，具体如表1所示：
表1
所述诊断结果的输出，具体为：
地面站接收来自链路的数据，地面站显控软件根据传输协议确定各字段特征值数据，然后根据诊断方案，匹配各个故障模式的特征值，给出诊断结果，当时域特征值与各故障信息未超过各阈值，则状态良好，若出现各特征值(或组合)超过阈值，则根据诊断方案给出故障代码。
所述数据综合分析，具体为：
无人直升机飞行结束，返回地面，通过专用数据线缆将无人直升机飞行数据下载至数据综合分析系统，进行针对飞行工况的数据分析，建立各特征值随飞行时间的趋势跟踪，依据试验确定的寿命曲线，给出故障预测。
具体实现中，本申请提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的一种无人直升机动部件状态监控与故障诊断方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机。MUU或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了一种无人直升机动部件状态监控与故障诊断方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.一种无人直升机动部件状态监控与故障诊断方法，其特征在于，包括以下步骤：
步骤1，测点选取：在无人直升机机身的关键位置安装传感器，传感器实现传动系统、动力装置、旋翼系统、尾桨系统中旋转部件以及电器设备的信号拾取工作，通过专用线缆将模拟信号传递至机载数据采集设备中；
步骤2，数据采集；
步骤3，数据处理；
步骤4，数据传输；
步骤5，制定诊断方案；
步骤6，输出诊断结果；
步骤7，数据综合分析。
2.根据权利要求1所述的方法，其特征在于，步骤1中，无人直升机系统的动力传递方式分为两路，一路为发动机、皮带、主减速器、旋翼，另一路为发动机、皮带、尾传动轴、尾减速器-尾桨，确定出需要监控的对象和监控对象预计出现的故障类型，故障类型包括旋翼故障、尾桨故障、齿轮故障、轴承故障、皮带故障、传动轴故障以及发动机故障；
根据信号传输路线，基于路径最近和刚度最大的原则选取测点位置，优选出主齿轮箱的顶部输出轴承座、主齿轮箱底部支承轴承座、主齿轮箱动力输入轴承座、尾齿轮箱输出轴承座、发动机输出齿轮箱输出轴承座作为无人直升机的关键位置；
根据故障判别方式的不同，在主齿轮箱输出轴、尾传动轴、尾桨主轴的支承位置安装转速传感器。
3.根据权利要求2所述的方法，其特征在于，步骤2包括：根据两个无人直升机系统的动力传递路径上各系统会出现的故障类型，进行机械故障机理分析，并根据分析结果，判断在额定工作转速下需要分析的频率范围，然后计算出对应各关键位置需要的采样频率，具体包括：主齿轮箱顶部输出轴承座和动力输入轴承座的六个通道需要监控主齿轮啮合频率信息，主齿轮箱底部支承轴承座测点的三个通道只需要监控支承轴承的信息，尾齿轮箱输出轴承座三个通道需要监控尾齿轮啮合频率信息，电器设备、任务设备需关注的频率范围最高只到发动机曲轴转速的四倍频率。
4.根据权利要求3所述的方法，其特征在于，步骤3包括：计算每个通道的时域特征值，包括有效值、峰值系数、歪度指标、峭度指标；
根据测点所在位置进行对应故障信息的处理，包括：
旋翼动平衡状态数据处理：选取主齿轮箱顶部输出轴承座的水平左右通道的振动加速度数据，根据主齿轮箱输出轴的转速信息，进行频域数字滤波，只保留转速频率左右两侧各1/4转速范围的信号，然后计算转速峰值区间的跨度，确定振动加速度峰值位置，然后根据峰值位置与转速脉冲的关系计算出动平衡相位，并记录当前峰值作为幅值数据，对当前组数据的相位PHA、幅值AMP的均值和方差DIA进行记录。
5.根据权利要求4所述的方法，其特征在于，步骤3中，设定主齿轮箱顶部输出轴承座水平左右通道的振动数据记为X序列x1，x2，x3，……，xn，xn表示度n个振动数据，n取值为自然数，根据采样频率和20kHz与频域分辨率的要求，计算点数为216，即每216个数据为一组，当前时间采集完成一组数据记为当前组数据，计算方法包括如下步骤：
步骤3-1、根据基2-FFT算法算出频谱数据；
步骤3-2、根据转速传感器信息，选取转速频率左右两侧各1/4转速范围的频域数据，其他频域数据置零，进行逆FFT分析，得到旋转频率下的振动数据Y_；
步骤3-3、以转速传感器脉冲信号的第一个上升沿开始，搜索振动峰值所在的相对时间位置，按照两个脉冲信号上升沿折算为360°，计算出每一圈数据对应峰值的相对位置，同样以度为单位给出，相对位置称为相位，峰值称为幅值，记录峰值和相位分别为AMP1和PHA1；
步骤3-4、按照步骤3-3的方法计算出当前组振动数据所有周期内的幅值和相位，得到数据序列AMP1，APM2，AMP3，……，AMPn和PHA1，PHA2，PHA3，……PHAn；
步骤3-5、计算两数据序列的幅值均值MEN_AMP、相位均值MEN_PHA、幅值方差DIA_AMP和相位方差DIA_PHA。
6.根据权利要求5所述的方法，其特征在于，步骤3还包括：尾传动轴和尾桨的动平衡状态数据处理：计算尾传动轴动平衡选取主齿轮箱动力输入轴承座、尾齿轮箱输出轴承座的竖直方向通道加速度数据，计算尾桨动平衡选取尾齿轮箱输出轴承座竖直方向通道加速度数据；
转轴弯曲状态数据处理：选取轴两端传感器的轴向通道加速度数据，结合轴的转速信息，进行频域数字滤波，只保留转速频率附近的信号，计算转速峰值区间的跨度，确定振动加速度峰值位置，根据峰值位置与转速脉冲的关系计算出振动相位和幅值数据，计算当前组数据的振动相位、幅值的均值和方差，对轴两端的幅值AMP和相位差PHA进行实时分析；
皮带磨损状态数据处理：选取皮带两端的测点，选中皮带两端的测点中与皮带平行的两通道，例如皮带为竖直方向布置，则选取两端测点的上下方向；通过基2-FFT计算，得到皮带频率一系列谐波的幅值，以2倍频谐波的幅值作为指示皮带磨损的参量；
齿轮状态数据处理，包括如下步骤：
步骤a1，时域同步平均：采样点数的设置必须考虑每个轴上齿轮的齿数，数字重采样频率Fs的设置为每周大于6倍齿数的基2数；
步骤a2，选取最新时刻的8周时域平均数据进行基2-FFT计算；
步骤a3，做细化谱分析：中心频率选择为齿轮啮合的1倍频、2倍频和3倍频，细化倍数根据分析频带宽度和各轴转频合理设计：要求频带宽度大于齿轮所在轴转频的12倍，频率分辨率小于0.1Hz；
步骤a4，针对齿轮啮合的1、2、3倍频细化谱的各边带，分别提取各个边带的幅值，并将幅值按齿轮啮合各倍频峰值无量纲化，并记录各个齿轮啮合频率和边带无量纲数据：
轴承状态数据处理，包括如下步骤：
步骤b1，按照各参考书所给公式计算故障频率，包括内圈故障频率、外圈故障频率、保持架故障频率和滚动体故障频率；
步骤b2，按与时域同步平均点数相同的原始点做FFT计算，计算得到数据列与前述齿轮故障分析中同一测点的时域同步平均的的FFT数据相减，并做FFT逆变换，然后进行时域特征值计算；
步骤b3，记录各个故障频率峰值、内圈、外圈故障频率两侧轴频边带的无量纲幅值，以及滚动体故障频率的1倍频和2倍频两侧的保持架边带无量纲幅值；
步骤b4，记录轴承轴向振动信号的FFT频谱中，轴频1倍频、2倍频和3倍频的幅值；
步骤b5，记录轴承附近测点的径向振动信号的FFT频谱中轴频1倍频、2倍频，……，10倍频幅值；
步骤b6，整个频谱内除去各激振力对应频率的峰值信息，计算剩余频谱的能量，记为底噪能量。
7.根据权利要求6所述的方法，其特征在于，步骤4包括：将步骤3得到的各特征值下传，由地面站接收。
8.根据权利要求7所述的方法，其特征在于，步骤5包括：诊断方案是基于对旋翼、尾桨、尾传动轴、齿轮以及轴承的故障机理分析得出的参数，并用于实际无人直升机的故障分析。
9.根据权利要求8所述的方法，其特征在于，步骤6包括：地面站接收来自链路的数据，地面站显控软件根据传输协议确定各字段特征值数据，然后根据诊断方案，匹配各个故障模式的特征值，给出诊断结果，当时域特征值与各故障信息未超过各阈值，则状态良好，如果超过阈值，则根据诊断方案给出故障代码。
10.根据权利要求9所述的方法，其特征在于，步骤7包括：无人直升机飞行结束，返回地面，通过专用数据线缆将无人直升机飞行数据下载至数据综合分析系统，进行针对飞行工况的数据分析，建立各特征值随飞行时间的趋势跟踪，依据试验确定的寿命曲线，给出故障预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310939920.9A CN117087866A (zh) | 2023-07-28 | 2023-07-28 | 一种无人直升机动部件状态监控与故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310939920.9A CN117087866A (zh) | 2023-07-28 | 2023-07-28 | 一种无人直升机动部件状态监控与故障诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117087866A true CN117087866A (zh) | 2023-11-21 |
Family
ID=88781295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310939920.9A Pending CN117087866A (zh) | 2023-07-28 | 2023-07-28 | 一种无人直升机动部件状态监控与故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117087866A (zh) |
-
2023
- 2023-07-28 CN CN202310939920.9A patent/CN117087866A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Teng et al. | Multi-fault detection and failure analysis of wind turbine gearbox using complex wavelet transform | |
| Blunt et al. | Detection of a fatigue crack in a UH-60A planet gear carrier using vibration analysis | |
| US9423290B2 (en) | Abnormality diagnostic device for rolling bearing, wind turbine generation apparatus and abnormality diagnostic system | |
| EP2743669B1 (en) | Fault detection system and associated method | |
| Villa et al. | Angular resampling for vibration analysis in wind turbines under non-linear speed fluctuation | |
| EP1613932B1 (en) | Method and system for analysing tachometer and vibration data from an apparatus having one or more rotary components | |
| EP0693176B1 (en) | Method and apparatus for analyzing and detecting faults in bearings and other rotating components that slip | |
| US11441940B2 (en) | Condition monitoring apparatus, condition monitoring system, and condition monitoring method | |
| WO2015015987A1 (ja) | 軸受装置の振動解析方法、軸受装置の振動解析装置、および転がり軸受の状態監視装置 | |
| Fan et al. | A hybrid approach for fault diagnosis of planetary bearings using an internal vibration sensor | |
| Bechhoefer et al. | Processing for improved spectral analysis | |
| US10360737B2 (en) | System and method for improved drive system diagnostics | |
| WO2013053989A1 (en) | A method and a system for the purpose of condition monitoring of gearboxes | |
| Yoon et al. | Vibration‐based wind turbine planetary gearbox fault diagnosis using spectral averaging | |
| KR101857355B1 (ko) | 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법 | |
| CN105675113A (zh) | 基于微型传感器的旋转机械角域振动信号获取装置和方法 | |
| JP7198089B2 (ja) | 電力変換装置、回転機システム、及び診断方法 | |
| Hassan et al. | Analysis of nonlinear vibration-interaction using higher order spectra to diagnose aerospace system faults | |
| US9897479B2 (en) | Assembly and method of component monitoring | |
| JP6192414B2 (ja) | 転がり軸受の状態監視装置 | |
| Li et al. | Application of a Method of Identifiying Instantaneous Shaft Speed from Spectrum in Aeroengine Vibration Analysis | |
| CN117087866A (zh) | 一种无人直升机动部件状态监控与故障诊断方法 | |
| CN110219816A (zh) | 用于风机故障诊断的方法和系统 | |
| Boudiaf et al. | An effective method for bearing faults diagnosis | |
| Zhou et al. | A comparative study of helicopter planetary bearing diagnosis with vibration and acoustic emission data |
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 |