CN117890104A - 齿轮箱的故障诊断方法、系统、设备及介质 - Google Patents
齿轮箱的故障诊断方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117890104A CN117890104A CN202211223686.1A CN202211223686A CN117890104A CN 117890104 A CN117890104 A CN 117890104A CN 202211223686 A CN202211223686 A CN 202211223686A CN 117890104 A CN117890104 A CN 117890104A
- Authority
- CN
- China
- Prior art keywords
- signal
- parameter
- gear box
- time domain
- frequency
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005236 sound signal Effects 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 33
- 230000036541 health Effects 0.000 claims description 23
- 230000004927 fusion Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000009434 installation Methods 0.000 description 9
- 230000009467 reduction Effects 0.000 description 8
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G01M13/02—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种齿轮箱的故障诊断方法、系统、设备及介质,其中,齿轮箱的故障诊断方法包括获取齿轮箱的预设参数信号;其中,预设参数信号包括齿轮箱的输入轴和输出轴之间的转速差信号、以及输入轴、输出轴、齿轮箱的箱体分别对应的振动信号和声信号中的至少一种;获取预设参数信号对应目标时域信号;其中,目标时域信号包括参数时域残差信号和/或参数时域差异信号;计算得到目标时域信号对应的目标信号峭度值;判断目标信号峭度值是否满足第一故障判断条件,若是,则确定齿轮箱中发生故障,从而能够实现对齿轮箱的故障进行及时、高效且高精确诊断,有效避免了漏检、误检的情形,提高齿轮箱运行的安全性和可靠性。
Description
技术领域
本发明涉及故障诊断技术领域,具体涉及一种齿轮箱的故障诊断方法、系统、设备及介质。
背景技术
齿轮箱是涡扇发动机重要的传动子系统,传统三转子和双转子涡扇发动机里有AGB(Accessory Gear Box,附件齿轮箱)、TGB(Transitional Gear Box,过渡齿轮箱)等;显然,AGB的监测对于保证发动机安全、可靠地运行具有重要意义。在新的GTF(Geared TurboFan,齿轮减速涡轮风扇)发动机构型里,在低压涡轮和风扇之间引入了一个星齿轮减速齿轮箱,针对该齿轮箱的故障检测与预测对于该构型齿轮箱的安全运行具有重要意义。
传统的齿轮箱的故障诊断方案采用安装在输入输出轴、齿轮箱表面、及发动机其他位置的振动传感器信号来进行行星齿轮箱和星齿轮箱的故障诊断与预测。但是会存在以下问题:(1)发动机机械系统非常复杂,所以在低于20kHz的频率范围里振动信号污染严重,单纯基于该频段振动信号的故障诊断漏检、虚警率较高;(2)基于单一信号的诊断精度和结果可信度都较差。
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齿轮箱的故障诊断结果不准确的缺陷,提供一种齿轮箱的故障诊断方法、系统、设备及介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种齿轮箱的故障诊断方法,所述故障诊断方法包括:
获取所述齿轮箱的预设参数信号;其中,所述预设参数信号包括所述齿轮箱的输入轴和输出轴之间的转速差信号、以及所述输入轴、所述输出轴、所述齿轮箱的箱体分别对应的振动信号和声信号中的至少一种;
获取所述预设参数信号对应目标时域信号;其中,所述目标时域信号包括参数时域残差信号和/或参数时域差异信号;
计算得到所述目标时域信号对应的目标信号峭度值;
判断所述目标信号峭度值是否满足第一故障判断条件,若是,则确定所述齿轮箱中发生故障。
较佳地,在所述目标时域信号包括所述参数时域残差信号时,所述获取所述预设参数信号对应目标时域信号的步骤包括:
对所述预设参数信号进行频域分析以获取参数频域信号;
基于所述参数频域信号计算得到参数频域残差信号;
基于所述参数频域残差信号计算得到所述参数时域残差信号;
所述计算得到所述目标时域信号对应的目标信号峭度值的步骤包括:
基于所述参数时域残差信号计算得到残差信号峭度值。
较佳地,在所述目标时域信号包括所述参数时域差异信号时,所述获取所述预设参数信号对应目标时域信号的步骤包括:
基于所述参数频域残差信号计算得到参数频域差异信号;
基于所述参数频域差异信号计算得到所述参数时域差异信号;
所述计算得到所述目标时域信号对应的目标信号峭度值的步骤包括:
基于所述参数时域差异信号计算得到差异信号峭度值。
较佳地,所述基于所述参数频域信号计算得到参数频域残差信号的步骤包括:
计算得到所述参数频域信号与所述齿轮箱中齿轮所在转轴的转速频率、齿轮的啮合频率、所述转速频率的高次谐波成分、所述啮合频率的高次谐波成分之间的第一差值,将所述第一差值作为所述参数频域残差信号;
所述基于所述参数频域残差信号计算得到所述参数时域残差信号的步骤包括:
对所述参数频域残差信号进行傅里叶逆变换,以获取所述参数时域残差信号。
较佳地,所述基于所述参数频域残差信号计算得到参数频域差异信号的步骤包括:
计算得到所述参数频域残差信号与设定阶边频带内的信号的第二差值,将所述第二差值作为获取参数频域差异信号;
所述基于所述参数频域差异信号计算得到所述参数时域差异信号的步骤包括:
对所述参数频域差异信号进行傅里叶逆变换,以获取所述参数时域差异信号。
较佳地,当所述预设参数信号为所述转速差信号时,所述故障诊断方法还包括:
计算得到所述转速差信号对应的转速差时间导数;
判断所述转速差时间导数是否满足第二故障判断条件,若是,则确定所述齿轮箱中发生故障。
较佳地,所述故障诊断方法还包括:
获取所述齿轮箱内齿轮的特征频率处的啮合频率关联参数;
其中,所述特征频率包括所述齿轮的啮合频率和/或所述啮合频率对应的超次谐波,所述啮合频率关联参数包括所述特征频率对应的幅值和/或所述幅值对应的统计特性;
判断所述啮合频率关联参数是否满足第三故障判断条件,若是,则确定所述齿轮箱中发生故障。
较佳地,所述故障诊断方法还包括:
基于所述齿轮的啮合频率、所述啮合频率对应的超次谐波和齿轮轴的转速频率,计算得到边频带能量参数;
其中,所述边频带能量参数包括各阶边频带总能量和/或所述各阶边频带总能量的总和;
判断所述边频带能量参数是否满足第四故障判断条件,若是,则确定所述齿轮箱中发生故障。
较佳地,所述故障诊断方法还包括:
基于预设融合算法将所述目标信号峭度值、所述转速差时间导数、所述啮合频率关联参数和所述边频带能量参数中的至少两种进行融合以获取齿轮箱故障诊断健康指示;其中,所述齿轮箱故障诊断健康指示用于表征所述齿轮箱的故障诊断结果
较佳地,所述故障诊断方法还包括:
基于所述第一故障判断条件、所述第二故障判断条件、所述第三故障判断条件和所述第四故障判断条件中的至少一种以设置多级告警阈值;其中,不同的所述告警阈值对应不同的告警信息
较佳地,所述幅值的统计特性包括平均值、分散度、偏度中的至少一种;
和/或,
所述告警阈值包括警告阈值和报警阈值;
和/或,
所述预设融合算法包括加权平均算法、D-S证据理论算法(一种信息融合算法)。
较佳地,所述基于所述参数时域差异信号计算得到差异信号峭度值中计算所述残差信号峭度值的计算公式为:
其中,i为正整数,ri为第i个残差信号,为残差信号平均值,r为残差信号;
和/或,
所述基于所述参数时域差异信号计算得到差异信号峭度值中计算所述差异信号峭度值的计算公式为:
其中,i为正整数,di为第i个差异信号,为差异信号平均值。
较佳地,所述边频带总能量的计算公式为:
其中,i为正整数,CIfe(1:i)为第i阶的边频带总能量,ωG是齿轮啮合频率,M是边频带宽度定义阶数,ωS是相应齿轮轴转速频率。
本发明还提供一种齿轮箱的故障诊断系统,所述故障诊断系统包括:
参数信号获取模块,用于获取所述齿轮箱的预设参数信号;其中,所述预设参数信号包括所述齿轮箱的输入轴和输出轴之间的转速差信号、以及所述输入轴、所述输出轴、所述齿轮箱的箱体分别对应的振动信号和声信号中的至少一种;
目标时域信号获取模块,用于获取所述预设参数信号对应目标时域信号;其中,所述目标时域信号包括参数时域残差信号和/或参数时域差异信号;
计算模块,用于计算得到所述目标时域信号对应的目标信号峭度值;
判断模块,用于判断所述目标信号峭度值是否满足第一故障判断条件,若是,则确定所述齿轮箱中发生故障。
较佳地,在所述目标时域信号包括所述参数时域残差信号时,所述目标时域信号获取模块还用于,对所述预设参数信号进行频域分析以获取参数频域信号;
基于所述参数频域信号计算得到参数频域残差信号;
基于所述参数频域残差信号计算得到所述参数时域残差信号;
所述计算模块还用于,基于所述参数时域残差信号计算得到残差信号峭度值。
较佳地,在所述目标时域信号包括所述参数时域差异信号时,所述目标时域信号获取模块还用于,基于所述参数频域残差信号计算得到参数频域差异信号;
基于所述参数频域差异信号计算得到所述参数时域差异信号;
所述计算模块还用于,基于所述参数时域差异信号计算得到差异信号峭度值。
较佳地,所述目标时域信号获取模块,还用于计算得到所述参数频域信号与所述齿轮箱中齿轮所在转轴的转速频率、齿轮的啮合频率、所述转速频率的高次谐波成分、所述啮合频率的高次谐波成分之间的第一差值,将所述第一差值作为所述参数频域残差信号;
对所述参数频域残差信号进行傅里叶逆变换,以获取所述参数时域残差信号。
较佳地,所述目标时域信号获取模块,还用于计算得到所述参数频域残差信号与设定阶边频带内的信号的第二差值,将所述第二差值作为获取参数频域差异信号;
对所述参数频域差异信号进行傅里叶逆变换,以获取所述参数时域差异信号。
较佳地,当所述预设参数信号为所述转速差信号时,所述计算模块还用于,计算得到所述转速差信号对应的转速差时间导数;
所述判断模块,还用于判断所述转速差时间导数是否满足第二故障判断条件,若是,则确定所述齿轮箱中发生故障。
较佳地,所述故障诊断系统还包括:
啮合频率获取模块,用于获取所述齿轮箱内齿轮的特征频率处的啮合频率关联参数;
其中,所述特征频率包括所述齿轮的啮合频率和/或所述啮合频率对应的超次谐波,所述啮合频率关联参数包括所述特征频率对应的幅值和/或所述幅值对应的统计特性;
所述判断模块,还用于判断所述啮合频率关联参数是否满足第三故障判断条件,若是,则确定所述齿轮箱中发生故障。
较佳地,所述故障诊断系统还包括:
边频带能量获取模块,用于基于所述齿轮的啮合频率和所述啮合频率对应的超次谐波、齿轮轴的转速频率,计算得到边频带能量参数;其中,所述边频带能量参数包括各阶边频带总能量和/或所述各阶边频带总能量的总和;
所述判断模块,还用于判断所述边频带能量参数是否满足第四故障判断条件,若是,则确定所述齿轮箱中发生故障。
较佳地,所述故障诊断系统还包括:
故障融合模块,用于基于预设融合算法将所述目标信号峭度值、所述转速差时间导数、所述啮合频率关联参数和所述边频带能量参数中的至少两种进行融合以获取齿轮箱故障诊断健康指示;其中,所述齿轮箱故障诊断健康指示用于表征所述齿轮箱的故障诊断结果。
较佳地,所述故障诊断系统还包括:
告警阈值设置模块,用于基于所述第一故障判断条件、所述第二故障判断条件、所述第三故障判断条件和所述第四故障判断条件中的至少一种以设置多级告警阈值;其中,不同的所述告警阈值对应不同的告警信息。
较佳地,所述幅值的统计特性包括平均值、分散度、偏度中的至少一种;
和/或,
所述告警阈值包括警告阈值和报警阈值;
和/或,
所述预设融合算法包括加权平均算法、D-S证据理论算法。
较佳地,所述残差信号峭度值的计算公式为:
其中,i为正整数,ri为第i个残差信号,为残差信号平均值,r为残差信号;
和/或,
所述差异信号峭度值的计算公式为:
其中,i为正整数,di为第i个差异信号,为差异信号平均值。
较佳地,所述边频带总能量的计算公式为:
其中,i为正整数,CIfe(1:i)为第i阶的边频带总能量ωG是齿轮啮合频率,M是边频带宽度定义阶数,ωS是相应齿轮轴转速频率。
本发明还提供一种电子设备,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,所述处理器执行计算机程序时实现如上所述的齿轮箱的故障诊断方法。
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,所述计算机程序被处理器执行时实现如上所述的齿轮箱的故障诊断方法。
本发明的积极进步效果在于:通过获取齿轮箱的预设参数信号,并基于预设参数信号获取对应目标时域信号,以计算得到目标时域信号对应的目标信号峭度值,进而判断目标信号峭度值是否满足第一故障判断条件,从而能够实现对齿轮箱的故障进行及时、高效且高精确诊断,有效避免了漏检、误检的情形,提高齿轮箱运行的安全性和可靠性。
附图说明
图1为本发明实施例1提供的齿轮箱的故障诊断方法的第一流程示意图。
图2为本发明提供的传感器的安装位置示意图。
图3为本发明实施例1提供的齿轮箱的故障诊断方法的第二流程示意图。
图4为本发明实施例1提供的齿轮箱的故障诊断方法的第三流程示意图。
图5为本发明实施例1提供的齿轮箱的故障诊断方法的第四流程示意图。
图6为本发明实施例2提供的齿轮箱的故障诊断系统的结构示意图。
图7为本发明实施例3提供的一种电子设备的结构示意图。
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。
齿轮箱通常由多部件组成,齿轮是其中的重要组成部分,齿轮承担着动力和载荷传递的重要作用,齿轮发生故障将直接影响齿轮箱整体的运行平稳性。齿轮微弱局部故障是齿轮故障中经常出现的,虽然其对齿轮的平稳运行的影响不大,但随着时间的推移故障会慢慢恶化,因此,及时且准确地诊断出齿轮箱的故障是非常有必要的。
实施例1
本实施例提供一种齿轮箱的故障诊断方法,如图1所示,本实施例的故障诊断方法包括:
S101、获取齿轮箱的预设参数信号;
其中,预设参数信号包括齿轮箱的输入轴和输出轴之间的转速差信号、以及输入轴、输出轴、齿轮箱的箱体分别对应的振动信号和声信号等。
需要说明的是,预设参数信号的可以通过设置在齿轮箱相应位置的各类型传感器获取,如使用振动传感器,那么预设参数信号为振动信号,如使用声传感器,那么预设参数信号为声信号,而当预设参数信号为转速差信号,则是需要通过转速传感器分别获取齿轮箱的输入轴和输出轴的转速信号进而计算以获取转速差信号,对转速差信号做进一步说明,在发动机处于稳态工况时(发动机高压转子、低压转子转速波动在一定范围内,例如正负0.5%),收集齿轮箱的输入轴的第一转速信号N1、输出轴的第二转速信号N2,那么转速差信号deltaN为输出轴的转速减去输入轴的转速乘以减速比,即deltaN=N2–R*N1,R为齿轮箱的减速比。
其中,图2是以星齿轮箱为例的转速传感器、振动传感器、声传感器的安装位置示意图,本领域技术人员可以根据齿轮箱的类型选择传感器安装位置以及安装数量等,且均可以根据实际情况进行重新设置与调整。
S102、获取预设参数信号对应目标时域信号;其中,目标时域信号包括参数时域残差信号和/或参数时域差异信号。
S103、计算得到目标时域信号对应的目标信号峭度值。
S104、判断目标信号峭度值是否满足第一故障判断条件,若是,则执行步骤S104a,若否,则执行步骤S104b。
步骤S104a、确定齿轮箱中发生故障。
步骤S104b、确定齿轮箱正常。
本实施例通过获取齿轮箱的预设参数信号,并基于预设参数信号获取对应目标时域信号,以计算得到目标时域信号对应的目标信号峭度值,进而判断目标信号峭度值是否满足第一故障判断条件,从而能够实现对齿轮箱的故障精确诊断,相比现有基于单一信号的故障指示更准确,有效避免了漏检、误检的情形,对于单个或少数几个齿的故障具有更好的检测效果。
可选地,在通过传感器获取对应的信号后,为了减小或避免干扰对故障诊断结果的影响,可以选择采用时域平均(Time Synchronous Averaging,TSA算法)算法处理转速信号、振动信号、声信号进行降噪处理;根据频率分辨率要求决定TSA算法每次截取的时长。以转速信号为例,如果关注最高频率为Fm,则理论最低TSA每段截取时长应该至少为2/Fm。而TSA截取的时长应该为目标转轴转速下转一周所需时长的整数倍,即NN*RPM/60,NN为整数,RPM为转速。为了满足频率分辨率要求,则选取最小的NN满足:NN*RPM/60≥2/Fm,另外,是否采用TSA算法取决于具体场景。
在一种可选地实施方式中,在目标时域信号包括参数时域残差信号时,步骤S102包括:
S102a、对预设参数信号进行频域分析以获取参数频域信号。
可选地,在获取到预设参数信号后,可以对预设参数信号进行频域分析-傅里叶变换,以获取到与预设参数信号对应的参数频域信号。
S102b、基于参数频域信号计算得到参数频域残差信号。
可选地,在步骤S102b中,计算得到所述参数频域信号与所述齿轮箱中齿轮所在转轴的转速频率、齿轮的啮合频率、所述转速频率的高次谐波成分、所述啮合频率的高次谐波成分之间的第一差值,将所述第一差值作为所述参数频域残差信号。
S102c、基于参数频域残差信号计算得到参数时域残差信号。
可选地,在步骤S102c中,对所述参数频域残差信号进行傅里叶逆变换,以获取所述参数时域残差信号。
步骤S103包括:
S103a、基于参数时域差异信号计算得到差异信号峭度值。
在另一种可选地实施方式中,在目标时域信号包括参数时域差异信号时,步骤S102包括:
S102d、基于参数频域残差信号计算得到参数频域差异信号。
可选地,在步骤S102d中,计算得到参数频域残差信号与设定阶边频带内的信号的第二差值,将第二差值作为获取参数频域差异信号。
S102e、基于参数频域差异信号计算得到参数时域差异信号。
可选地,在步骤S102e中,对参数频域差异信号进行傅里叶逆变换,以获取参数时域差异信号。
步骤S103包括:
S103b、基于参数时域差异信号计算得到差异信号峭度值。
可选地,在步骤S103a中可以通过下述公式计算残差信号峭度值:
其中,i为正整数,ri为第i个残差信号,为残差信号平均值,r为残差信号。
在步骤S103b中可以通过下述公式计算差异信号峭度值:
其中,i为正整数,di为第i个差异信号,为差异信号平均值。
作为本实施例的一个可选实施方式,如图3所示,当预设参数信号为转速差信号时,本实施例的故障诊断方法还包括:
S201、计算得到转速差信号对应的转速差时间导数。
具体地,对转速差信号deltaN进行关于时间求导获取对应的转速差时间导数(时域齿轮箱健康状态指示)。在另一种可选地实施方式中,也可以采用经过或未经过TSA处理的齿轮箱输出轴转速值N2进行计算以获取/>(时域齿轮箱康状态指示)。
S202、判断转速差时间导数是否满足第二故障判断条件,若是,则执行步骤S202a,若否,则执行步骤S202b。
步骤S202a、确定齿轮箱中发生故障。
步骤S202b、确定齿轮箱正常。
作为本实施例的一个可选实施方式,如图4所示,本实施例的故障诊断方法还包括:
S301、获取齿轮箱内齿轮的特征频率处的啮合频率关联参数;其中,特征频率包括齿轮的啮合频率和/或啮合频率对应的超次谐波(共NN阶),啮合频率关联参数包括特征频率对应的幅值CIf(1:NN)和/或特征频率对应的幅值对应的统计特性。可选地,幅值的统计特性包括但不限于平均值、分散度、偏度中的至少一种。
需要说明的是,本实施方式中可以通过获取对应齿轮所在轴的转速以及该齿轮的齿数进而获取到对应齿轮的啮合频率,啮合频率对应的超次谐波为啮合频率的整数倍的高倍数,例如,以啮合频率为100HZ,那么其超次谐波可以为200HZ、300HZ、400HZ等等。
S302、判断啮合频率关联参数是否满足第三故障判断条件,若是,则执行步骤S302a,若否,则执行步骤S302b。
步骤S302a、确定齿轮箱中发生故障。
步骤S302b、确定齿轮箱正常。
作为本实施例的一个可选实施方式,如图5所示,本实施例的故障诊断方法还包括:
S401、基于齿轮的啮合频率、啮合频率对应的超次谐波和齿轮轴的转速频率,计算得到边频带能量参数;其中,边频带能量参数包括各阶边频带总能量和/或各阶边频带总能量的总和。
需要说明的是,边频带是指各阶边频带以啮合频率及其各阶超次谐波为中心、带宽为相应轴转速的整数倍(以1~2倍为例),因此,边频能量及其统计分布特性也可以作为故障指示。
S402、判断边频带能量参数是否满足第四故障判断条件,若是,则执行步骤S402a,若否,则执行步骤S402b。
步骤S402a、确定齿轮箱中发生故障。
步骤S402b、确定齿轮箱正常。
本实施例的边频带总能量的计算公式为:
其中,i为正整数,CIfe(1:i)为第i阶的边频带总能量,ωG是齿轮啮合频率,M是边频带宽度定义阶数,ωS是相应齿轮轴转速频率。需要说明的是,针对太阳轮和行星轮由于相应轴转速频率不同,太阳轮和行星轮边频带能量也不同。上述所描述各阶边频带总能量CIfe(1:i)的总和也是一个齿轮箱故障特征指示。上述主要针对但不限于分布式齿轮故障。
需要说明的是,本实施例中的需要判断各项参数是否满足故障判断条件,因此,相应的故障判断条件则可根据参数的实际设置进行调整,如以目标信号峭度值和第一故障判断条件为例,将目标信号峭度值大于预设阈值作为第一故障判断条件,那么在当目标信号峭度值满足了第一故障判断条件(即目标信号峭度值大于预设阈值),则确定齿轮箱故障,上述内容为示例,并不将目标信号峭度值和第一故障判断条件限定于此。
在一种可选地实施方式中,本实施例的故障诊断方法还包括:
S501、基于第一故障判断条件、第二故障判断条件、第三故障判断条件和第四故障判断条件中的至少一种以设置多级告警阈值;其中,不同的告警阈值对应不同的告警信息。在一个例子中,告警阈值可以包括警告阈值和报警阈值。
本实施例同时设立多级阈值,如警告阈值和报警阈值,可对齿轮箱的运行状态进行故障预警,体现了多元信息融合反应故障的特点,进一步提高齿轮箱的故障诊断准确度。
本实施例通过上述多种故障诊断方法获取齿轮箱故障诊断指示,从而得到了基于齿轮箱多种参数信号导数的时域、频域、及时频域混合故障状态指示(ConditionIndicator,CI),进而提高诊断结果准确性。
作为本实施例的一个可选实施方式,本实施例的故障诊断方法还包括:
S601、基于预设融合算法将目标信号峭度值、转速差时间导数、啮合频率关联参数和边频带能量参数中的至少两种进行融合以获取齿轮箱故障诊断健康指示;其中,齿轮箱故障诊断健康指示用于表征齿轮箱的故障诊断结果。
可选地,本实施例的预设融合算法包括但不限于加权平均算法、D-S证据理论算法。
需要说明的是,本实施例的诊断方法可以将转速差信号、振动信号、声信号任意组合搭配,以适应各类型的齿轮箱,从而将基于齿轮箱输入输出轴转速信号、振动信号、声信号(含超声)的故障诊断指示进行特征融合,得到相比单一状态指示更准确的融合齿轮箱健康状态评估。
下面基于齿轮箱的转速信号、振动信号和声信号为基础,具体说明本实施例的故障诊断方法的实现原理:
第一部分、故障信号传感策略
1.在发动机处于稳态工况时,收集系统齿轮箱输入输出轴转速信号N1和N2以及输入输出轴振动、声信号;收集齿轮箱箱体振动、声信号。
第二部分、基于齿轮箱输入输出轴转速信号的齿轮箱故障诊断状态指示
1.采用经过或未经过TSA处理的齿轮箱输出轴转速差deltaN,计算时域齿轮箱健康状态指示:
2.计算基于啮合频率及其超次谐波、以及相应边频带的频域齿轮箱故障特征指示;
a)计算齿轮特征频率处(齿轮啮合频率及其多阶谐波,共NN阶)幅值CIf(1:NN)和相应统计分布特性。需要强调,可以将特征频率处(齿轮啮合频率及其多阶谐波,共NN阶)幅值都可被视作齿轮故障特征状态指示,也可以将其相应统计特性,例如平均值、分散度、偏度等视为状态指示。
b)计算各阶边频带总能量CIfe(1:i),和相应统计分布特性;同上述,边频能量及其统计分布特性都可以作为故障表征值;同2a)边频能量及其统计分布特性都可以作为故障表征值;各个边频带总能量定义为:
各个边频带总能量定义为:
CIfe(1:i)为,ω为,i为,f(ω)为,ωG为齿轮啮合频率,M为边频带宽度定义阶数,ωS为相应齿轮轴转速频率显然,针对太阳轮和行星轮由于相应轴转速频率不同,太阳轮和行星轮边频带能量也不同。上述所描述各阶边频带总能量CIfe(1:i)的总和也是一个齿轮箱故障特征指示。显然,针对太阳轮和行星轮由于相应轴转速频率不同,太阳轮和行星轮边频带能量也不同;
c)上述所描述各阶边频带总能量CIfe(1:i)的总和也是一个齿轮箱故障特征指示。上述列出的故障表征值主要针对但不限于分布式齿轮故障
上述列出的故障表征值主要针对但不限于分布式齿轮故障。
3.计算基于齿轮箱输入输出轴转速差残差信号
从频域信号中减去齿轮所在转轴转速频率和啮合频率对应成分,及它们的高次谐波成分得到/>频域残差信号;
对频域残差信号进行傅里叶逆变换,得到时域残差信号。
4.进一步对齿轮箱输入输出轴转速差残差信号进行处理,得到齿轮箱输入输出轴转速差差异信号
从步骤3得到的输入输出轴转速差残差频域信号中减掉一阶边频带内的信号成分,就得到频域差异信号;
对d deltaN/dt频域差异信号进行傅里叶逆变换,得到时域差异信号。
5.计算基于齿轮箱输入输出轴转速差残差信号的时域齿轮箱故障特征指示
计算时域残差信号峭度值(4阶):
还可以定义高于4阶(6阶和8阶)的时域残差信号状态指示:
此外,计算峭度值时分母里的方差项可以采用健康数据计算,这样定义的齿轮箱状态指示对故障更敏感。
需要指出,目前步骤5列出的故障表征值主要针对但不限于单个或少数几个齿的故障,区别于步骤2中所列“分布式齿轮故障”。
6.计算基于齿轮箱输入输出轴转速差差异信号的频域齿轮箱故障表征值
假设差异信号表示为d,则相应的齿轮箱故障状态指示如下所示,在阶数为4时就是差异时域信号峭度,阶数也可以是6阶或8阶
7.基于转速差信号的各个齿轮故障表征值是否超过警告阈值或是超过报警阈值,如果是则相应状态指示报警齿轮箱故障(或早期故障)。
8.采用统计方法建立基于齿轮箱输出轴、输入轴转速信号的时域和频域星齿轮箱和行星齿轮箱状态指示阈值:警告和报警两级阈值。
第三部分、基于振动和声信号的齿轮箱故障诊断状态指示
1.采用时域平均算法(TSA)对齿轮箱输出和输入轴、箱体振动和声信号进行处理;输入输出轴超声信号需要先进行包络谱分析,然后再采用TSA算法降噪。
2.对于振动(或声)信号V1、V2进行频域分析-傅里叶变换;得到频域信号Vf1(ω),Vf2(ω)。
3.计算时域振动(或声)残差信号;算法与前述第二部分步骤3类似。
从输出轴振动、声信号V2频域分析结果中减去齿轮所在转轴转速频率和啮合频率,及它们的高次谐波,得到频域齿轮箱残差信号Vf2-r(ω);
对该输出轴振动频域残差信号进行傅里叶逆变换,得到时域齿轮箱残差信号Vt2-r(t)。
4.计算时域振动(或声)差异信号;算法与前述第二部分步骤4类似。
5.基于频域振动信号Vf2(ω)的齿轮故障特征;方法与前述第二部分步骤2类似。
6.基于时域残差信号Vf2-r(t)计算频域齿轮故障特征,基于时域齿轮箱残差信号Vt2-r(t)计算其峭度值。
第四部分、齿轮箱融合故障诊断
基于齿轮输出和输入轴转速信号、及齿轮箱输出、输入轴、箱体振动信号和声信号的齿轮箱融合故障诊断。
针对基于转速信号的故障健康指示和基于振动、声信号的健康指示进行融合,得到最终的齿轮健康指示,融合算法包括但不限于加权平均、D-S证据理论等。还需要说明的是,本实施例的预设参数包括但不限于所列出的几种,因而本实施例的故障诊断方法同样可以适用于基于其他参数信号。
本实施例基于融合算法基于转速信号的故障健康指示和基于振动、声信号的健康指示进行融合,以从多维度全面及时地诊断和检测齿轮箱是否中发生故障,体现了多元信息融合反应故障的特点,进一步提高齿轮箱的故障诊断准确度。
实施例2
本实施例提供一种齿轮箱的故障诊断系统,如图6所示,本实施例的故障诊断系统包括:
参数信号获取模块1,用于获取齿轮箱的预设参数信号;其中,预设参数信号包括齿轮箱的输入轴和输出轴之间的转速差信号、以及输入轴、输出轴、齿轮箱的箱体分别对应的振动信号和声信号等。
需要说明的是,预设参数信号的可以通过设置在齿轮箱相应位置的各类型传感器获取,如使用振动传感器,那么预设参数信号为振动信号,如使用声传感器,那么预设参数信号为声信号,而当预设参数信号为转速差信号,则是需要通过转速传感器分别获取齿轮箱的输入轴和输出轴的转速信号进而计算以获取转速差信号,对转速差信号做进一步说明,在发动机处于稳态工况时(发动机高压转子、低压转子转速波动在一定范围内,例如正负0.5%),收集齿轮箱的输入轴的第一转速信号N1、输出轴的第二转速信号N2,那么转速差信号deltaN为输出轴的转速减去输入轴的转速乘以减速比,即deltaN=N2–R*N1,R为齿轮箱的减速比。
其中,图2是以星齿轮箱为例的转速传感器、振动传感器、声传感器的安装位置示意图,本领域技术人员可以根据齿轮箱的类型选择传感器安装位置以及安装数量等,且均可以根据实际情况进行重新设置与调整。
目标时域信号获取模块2,用于获取预设参数信号对应目标时域信号。其中,目标时域信号包括参数时域残差信号和/或参数时域差异信号。
计算模块3,用于计算得到目标时域信号对应的目标信号峭度值。
判断模块4,用于判断目标信号峭度值是否满足第一故障判断条件,若是,则确定齿轮箱中发生故障。
本实施例通过获取齿轮箱的预设参数信号,并基于预设参数信号获取对应目标时域信号,以计算得到目标时域信号对应的目标信号峭度值,进而判断目标信号峭度值是否满足第一故障判断条件,从而能够实现对齿轮箱的故障精确诊断,相比现有基于单一信号的故障指示更准确,有效避免了漏检、误检的情形,对于单个或少数几个齿的故障具有更好的检测效果。
可选地,在通过传感器获取对应的信号后,为了减小或避免干扰对故障诊断结果的影响,可以选择采用时域平均(Time Synchronous Averaging,TSA算法)算法处理转速信号、振动信号、声信号进行降噪处理;根据频率分辨率要求决定TSA算法每次截取的时长。以转速信号为例,如果关注最高频率为Fm,则理论最低TSA每段截取时长应该至少为2/Fm。而TSA截取的时长应该为目标转轴转速下转一周所需时长的整数倍,即NN*RPM/60,NN为整数,RPM为转速。为了满足频率分辨率要求,则选取最小的NN满足:NN*RPM/60≥2/Fm,另外,是否采用TSA算法取决于具体场景。
在一种可选地实施方式中,在目标时域信号包括参数时域残差信号时,目标时域信号获取模块2还用于,对预设参数信号进行频域分析以获取参数频域信号。
可选地,在获取到预设参数信号后,可以对预设参数信号进行频域分析-傅里叶变换,以获取到与预设参数信号对应的参数频域信号。
基于参数频域信号计算得到参数频域残差信号。
可选地,计算得到参数频域信号与齿轮箱中齿轮所在转轴的转速频率、齿轮的啮合频率、转速频率的高次谐波成分、啮合频率的高次谐波成分之间的第一差值,将第一差值作为参数频域残差信号。
基于参数频域残差信号计算得到参数时域残差信号。
可选地,对参数频域残差信号进行傅里叶逆变换,以获取参数时域残差信号。
计算模块3还用于,基于参数时域残差信号计算得到残差信号峭度值。
在另一种可选地实施方式中,在目标时域信号包括参数时域差异信号时,目标时域信号获取模块2还用于,基于参数频域残差信号计算得到参数频域差异信号。
可选地,计算得到参数频域残差信号与设定阶边频带内的信号的第二差值,将第二差值作为获取参数频域差异信号。
基于参数频域差异信号计算得到参数时域差异信号。
可选地,对参数频域差异信号进行傅里叶逆变换,以获取参数时域差异信号。
计算模块3还用于,基于参数时域差异信号计算得到差异信号峭度值。
可选地,基于参数时域差异信号计算得到差异信号峭度值。
作为一种可选地实施方式,可以通过下述公式计算残差信号峭度值:
其中,i为正整数,ri为第i个残差信号,为残差信号平均值,r为残差信号。
可以通过下述公式计算差异信号峭度值:
其中,i为正整数,di为第i个差异信号,为差异信号平均值。
作为本实施例的一个可选实施方式,当预设参数信号为转速差信号时,本实施例的计算模块3还用于,计算得到转速差信号对应的转速差时间导数。
具体地,对转速差信号deltaN进行关于时间求导获取对应的转速差时间导数(时域齿轮箱健康状态指示)。在另一种可选地实施方式中,也可以采用经过或未经过TSA处理的齿轮箱输出轴转速值N2进行计算以获取/>(时域齿轮箱康状态指示)。
判断模块4,还用于判断转速差时间导数是否满足第二故障判断条件,若是,则确定齿轮箱中发生故障。
作为本实施例的一个可选实施方式,本实施例的故障诊断系统还包括:
啮合频率获取模块5,用于获取齿轮箱内齿轮的特征频率处的啮合频率关联参数;其中,特征频率包括齿轮的啮合频率和/或啮合频率对应的超次谐波(共NN阶),啮合频率关联参数包括特征频率对应的幅值CIf(1:NN)和/或幅值对应的统计特性。可选地,幅值的统计特性包括但不限于平均值、分散度、偏度中的至少一种。
需要说明的是,本实施方式中可以通过获取对应齿轮所在轴的转速以及该齿轮的齿数进而获取到对应齿轮的啮合频率,啮合频率对应的超次谐波为啮合频率的整数倍的高倍数,例如,以啮合频率为100HZ,那么其超次谐波可以为200HZ、300HZ、400HZ等等。
判断模块4,还用于判断啮合频率关联参数是否满足第三故障判断条件,若是,则确定齿轮箱中发生故障。
作为本实施例的一个可选实施方式,本实施例的故障诊断系统还包括:
边频带能量获取模块6,用于基于齿轮的啮合频率、啮合频率对应的超次谐波、齿轮轴的转速频率,计算得到边频带能量参数;其中,边频带能量参数包括各阶边频带总能量和/或各阶边频带总能量的总和。
需要说明的是,边频带是指各阶边频带以以啮合频率及其各阶超次谐波为中心、带宽为相应轴转速的整数倍(以1~2倍为例),因此,边频能量及其统计分布特性也可以作为故障指示。
判断模块4,还用于判断边频带能量参数是否满足第四故障判断条件,若是,则确定齿轮箱中发生故障。
本实施例的边频带总能量的计算公式为:
其中,i为正整数,CIfe(1:i)为第i阶的边频带总能量,ωG是齿轮啮合频率,M是边频带宽度定义阶数,ωS是相应齿轮轴转速频率。需要说明的是,针对太阳轮和行星轮由于相应轴转速频率不同,太阳轮和行星轮边频带能量也不同。上述所描述各阶边频带总能量CIfe(1:i)的总和也是一个齿轮箱故障特征指示。上述主要针对但不限于分布式齿轮故障。
需要说明的是,本实施例中的需要判断各项参数是否满足故障判断条件,因此,相应的故障判断条件则可根据参数的实际设置进行调整,如以目标信号峭度值和第一故障判断条件为例,将目标信号峭度值大于预设阈值作为第一故障判断条件,那么在当目标信号峭度值满足了第一故障判断条件(即目标信号峭度值大于预设阈值),则确定齿轮箱故障,上述内容为示例,并不将目标信号峭度值和第一故障判断条件限定于此。
在一种可选地实施方式中,本实施例的故障诊断系统还包括:
告警阈值设置模块7,用于基于第一故障判断条件、第二故障判断条件、第三故障判断条件和第四故障判断条件中的至少一种以设置多级告警阈值;其中,不同的告警阈值对应不同的告警信息。
本实施例同时设立多级阈值,如警告阈值和报警阈值,可对齿轮箱的运行状态进行故障预警,体现了多元信息融合反应故障的特点,进一步提高齿轮箱的故障诊断准确度。
本实施例通过上述多种故障诊断方法获取齿轮箱故障诊断指示,从而得到了基于齿轮箱多种参数信号导数的时域、频域、及时频域混合故障状态指示(ConditionIndicator,CI),进而提高诊断结果准确性。
作为本实施例的一个可选实施方式,本实施例的故障诊断系统还包括:
故障融合模块8,用于基于预设融合算法将目标信号峭度值、转速差时间导数、啮合频率关联参数和边频带能量参数中的至少两种进行融合以获取齿轮箱故障诊断健康指示;其中,齿轮箱故障诊断健康指示用于表征齿轮箱的故障诊断结果。
需要说明的是,本实施例可以将转速差信号、振动信号、声信号任意组合搭配,以适应各类型的齿轮箱,从而将基于齿轮箱输入输出轴转速信号、振动信号、声信号(含超声)的故障诊断指示进行特征融合,得到相比单一状态指示更准确的融合齿轮箱健康状态评估。
本实施例提供的具体例子与实施例1相同,在此不做赘述。
本实施例基于融合算法基于转速信号的故障健康指示和基于振动、声信号的健康指示进行融合,以从多维度全面及时地诊断和检测齿轮箱是否中发生故障,体现了多元信息融合反应故障的特点,进一步提高齿轮箱的故障诊断准确度。
实施例3
图7为本发明实施例3提供的一种电子设备的结构示意图。电子设备包括存储器、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,处理器执行程序时实现实施例1的齿轮箱的故障诊断方法。图7显示的电子设备30仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备30可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备30的组件可以包括但不限于:上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器,例如随机存取存储器(RAM)321和/或高速缓存存储器322,还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325,这样的程序模块324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1的齿轮箱的故障诊断方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且,模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图7所示,网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的设备30使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
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,程序被处理器执行时实现实施例1的齿轮箱的故障诊断方法中的步骤。
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,当程序产品在终端设备上运行时,程序代码用于使终端设备执行实现实施例1的齿轮箱的故障诊断方法中的步骤。
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,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。
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。
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 (16)
1.一种齿轮箱的故障诊断方法,其特征在于,所述故障诊断方法包括:
获取所述齿轮箱的预设参数信号;其中,所述预设参数信号包括所述齿轮箱的输入轴和输出轴之间的转速差信号、以及所述输入轴、所述输出轴、所述齿轮箱的箱体分别对应的振动信号和声信号中的至少一种;
获取所述预设参数信号对应目标时域信号;其中,所述目标时域信号包括参数时域残差信号和/或参数时域差异信号;
计算得到所述目标时域信号对应的目标信号峭度值;
判断所述目标信号峭度值是否满足第一故障判断条件,若是,则确定所述齿轮箱中发生故障。
2.如权利要求1所述齿轮箱的故障诊断方法,其特征在于,在所述目标时域信号包括所述参数时域残差信号时,所述获取所述预设参数信号对应目标时域信号的步骤包括:
对所述预设参数信号进行频域分析以获取参数频域信号;
基于所述参数频域信号计算得到参数频域残差信号;
基于所述参数频域残差信号计算得到所述参数时域残差信号;
所述计算得到所述目标时域信号对应的目标信号峭度值的步骤包括:
基于所述参数时域残差信号计算得到残差信号峭度值。
3.如权利要求2所述齿轮箱的故障诊断方法,其特征在于,在所述目标时域信号包括所述参数时域差异信号时,所述获取所述预设参数信号对应目标时域信号的步骤包括:
基于所述参数频域残差信号计算得到参数频域差异信号;
基于所述参数频域差异信号计算得到所述参数时域差异信号;
所述计算得到所述目标时域信号对应的目标信号峭度值的步骤包括:
基于所述参数时域差异信号计算得到差异信号峭度值。
4.如权利要求2所述齿轮箱的故障诊断方法,其特征在于,所述基于所述参数频域信号计算得到参数频域残差信号的步骤包括:
计算得到所述参数频域信号与所述齿轮箱中齿轮所在转轴的转速频率、齿轮的啮合频率、所述转速频率的高次谐波成分、所述啮合频率的高次谐波成分之间的第一差值,将所述第一差值作为所述参数频域残差信号;
所述基于所述参数频域残差信号计算得到所述参数时域残差信号的步骤包括:
对所述参数频域残差信号进行傅里叶逆变换,以获取所述参数时域残差信号。
5.如权利要求3所述齿轮箱的故障诊断方法,其特征在于,所述基于所述参数频域残差信号计算得到参数频域差异信号的步骤包括:
计算得到所述参数频域残差信号与设定阶边频带内的信号的第二差值,将所述第二差值作为获取参数频域差异信号;
所述基于所述参数频域差异信号计算得到所述参数时域差异信号的步骤包括:
对所述参数频域差异信号进行傅里叶逆变换,以获取所述参数时域差异信号。
6.如权利要求1所述齿轮箱的故障诊断方法,其特征在于,当所述预设参数信号为所述转速差信号时,所述故障诊断方法还包括:
计算得到所述转速差信号对应的转速差时间导数;
判断所述转速差时间导数是否满足第二故障判断条件,若是,则确定所述齿轮箱中发生故障。
7.如权利要求6所述齿轮箱的故障诊断方法,其特征在于,所述故障诊断方法还包括:
获取所述齿轮箱内齿轮的特征频率处的啮合频率关联参数;
其中,所述特征频率包括所述齿轮的啮合频率和/或所述啮合频率对应的超次谐波,所述啮合频率关联参数包括所述特征频率对应的幅值和/或所述幅值对应的统计特性;
判断所述啮合频率关联参数是否满足第三故障判断条件,若是,则确定所述齿轮箱中发生故障。
8.如权利要求7所述齿轮箱的故障诊断方法,其特征在于,所述故障诊断方法还包括:
基于所述齿轮的啮合频率、所述啮合频率对应的超次谐波和齿轮轴的转速频率,计算得到边频带能量参数;
其中,所述边频带能量参数包括各阶边频带总能量和/或所述各阶边频带总能量的总和;
判断所述边频带能量参数是否满足第四故障判断条件,若是,则确定所述齿轮箱中发生故障。
9.如权利要求8中所述的齿轮箱的故障诊断方法,其特征在于,所述故障诊断方法还包括:
基于预设融合算法将所述目标信号峭度值、所述转速差时间导数、所述啮合频率关联参数和所述边频带能量参数中的至少两种进行融合以获取齿轮箱故障诊断健康指示;其中,所述齿轮箱故障诊断健康指示用于表征所述齿轮箱的故障诊断结果。
10.如权利要求9所述的齿轮箱的故障诊断方法,其特征在于,所述故障诊断方法还包括:
基于所述第一故障判断条件、所述第二故障判断条件、所述第三故障判断条件和所述第四故障判断条件中的至少一种以设置多级告警阈值;其中,不同的所述告警阈值对应不同的告警信息。
11.如权利要求10所述的齿轮箱的故障诊断方法,其特征在于,所述幅值的统计特性包括平均值、分散度、偏度中的至少一种;
和/或,
所述告警阈值包括警告阈值和报警阈值;
和/或,
所述预设融合算法包括加权平均算法、D-S证据理论算法。
12.如权利要求3所述的齿轮箱的故障诊断方法,其特征在于,所述基于所述参数时域差异信号计算得到差异信号峭度值中计算所述残差信号峭度值的计算公式为:
其中,i为正整数,ri为第i个残差信号,为残差信号平均值,r为残差信号;
和/或,
所述基于所述参数时域差异信号计算得到差异信号峭度值中计算所述差异信号峭度值的计算公式为:
其中,i为正整数,di为第i个差异信号,为差异信号平均值。
13.如权利要求8所述的齿轮箱的故障诊断方法,其特征在于,所述边频带总能量的计算公式为:
其中,i为正整数,CIfe(1:i)为第i阶的边频带总能量,ωG是齿轮啮合频率,M是边频带宽度定义阶数,ωS是相应齿轮轴转速频率。
14.一种齿轮箱的故障诊断系统,其特征在于,所述故障诊断系统包括:
参数信号获取模块,用于获取所述齿轮箱的预设参数信号;其中,所述预设参数信号包括所述齿轮箱的输入轴和输出轴之间的转速差信号、以及所述输入轴、所述输出轴、所述齿轮箱的箱体分别对应的振动信号和声信号中的至少一种;
目标时域信号获取模块,用于获取所述预设参数信号对应目标时域信号;其中,所述目标时域信号包括参数时域残差信号和/或参数时域差异信号;
计算模块,用于计算得到所述目标时域信号对应的目标信号峭度值;
判断模块,用于判断所述目标信号峭度值是否满足第一故障判断条件,若是,则确定所述齿轮箱中发生故障。
15.一种电子设备,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,所述处理器执行计算机程序时实现如权利要求1-13中任一项所述的齿轮箱的故障诊断方法。
16.一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如权利要求1-13中任一项所述的齿轮箱的故障诊断方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211223686.1A CN117890104A (zh) | 2022-10-08 | 2022-10-08 | 齿轮箱的故障诊断方法、系统、设备及介质 |
PCT/CN2023/114708 WO2024074084A1 (zh) | 2022-10-08 | 2023-08-24 | 齿轮箱的故障诊断方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211223686.1A CN117890104A (zh) | 2022-10-08 | 2022-10-08 | 齿轮箱的故障诊断方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117890104A true CN117890104A (zh) | 2024-04-16 |
Family
ID=90607530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211223686.1A Pending CN117890104A (zh) | 2022-10-08 | 2022-10-08 | 齿轮箱的故障诊断方法、系统、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117890104A (zh) |
WO (1) | WO2024074084A1 (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1300668A1 (en) * | 2001-10-05 | 2003-04-09 | Chadwick-Helmuth Company Inc. | Method for the separation of epicyclic planet gear vibration signatures |
KR101275702B1 (ko) * | 2012-02-15 | 2013-06-17 | 목포대학교산학협력단 | 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법 및 그 장치 |
CN105136454A (zh) * | 2015-10-15 | 2015-12-09 | 上海电机学院 | 一种风电机组齿轮箱故障识别方法 |
CN105424364A (zh) * | 2015-11-09 | 2016-03-23 | 北京交通大学 | 列车轴承故障的诊断方法和装置 |
CN110082101B (zh) * | 2018-01-23 | 2021-08-03 | 中国航发商用航空发动机有限责任公司 | 基于输入输出扭矩动力学特性的行星齿轮系统故障监测方法 |
CN110514437B (zh) * | 2019-08-23 | 2020-08-18 | 西安交通大学 | 一种用于故障诊断的行星齿轮箱振动信号分离方法 |
CN111323220B (zh) * | 2020-03-02 | 2021-08-10 | 武汉大学 | 风力发电机齿轮箱故障诊断方法及系统 |
CN113834657B (zh) * | 2021-09-24 | 2022-10-11 | 北京航空航天大学 | 一种基于改进mset及频谱特征的轴承故障预警及诊断方法 |
CN115031959A (zh) * | 2022-05-26 | 2022-09-09 | 上海电气风电集团股份有限公司 | 齿轮故障诊断方法及其系统及计算机可读存储介质 |
-
2022
- 2022-10-08 CN CN202211223686.1A patent/CN117890104A/zh active Pending
-
2023
- 2023-08-24 WO PCT/CN2023/114708 patent/WO2024074084A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024074084A1 (zh) | 2024-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2743669B1 (en) | Fault detection system and associated method | |
Qiao et al. | A survey on wind turbine condition monitoring and fault diagnosis—Part II: Signals and signal processing methods | |
EP3631205B1 (en) | Wind turbine fault detection using acoustic, vibration, and electrical signals | |
Lei et al. | Gear crack level identification based on weighted K nearest neighbor classification algorithm | |
Yang et al. | ARX model-based gearbox fault detection and localization under varying load conditions | |
Zappalá et al. | Side‐band algorithm for automatic wind turbine gearbox fault detection and diagnosis | |
Sharma et al. | Gear crack detection using modified TSA and proposed fault indicators for fluctuating speed conditions | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
Caso et al. | Monitoring of misalignment in low speed geared shafts with acoustic emission sensors | |
MX2014014577A (es) | Metodos y aparatos para el diagnostico de defectos en un sistema mecanico. | |
EP3452799B1 (en) | Method of identifying a fault in a system of gears in a wind turbine | |
WO2017170270A1 (ja) | 歯車装置の状態監視システムおよび状態監視方法 | |
CN110988472B (zh) | 基于电流信号的风力发电机变桨传动齿轮故障诊断方法 | |
Feng et al. | A novel cyclic-correntropy based indicator for gear wear monitoring | |
US20210293665A1 (en) | State monitoring device and state monitoring system | |
Skrimpas et al. | Residual signal feature extraction for gearbox planetary stage fault detection | |
JP2017207435A (ja) | 異常診断方法 | |
CN117890104A (zh) | 齿轮箱的故障诊断方法、系统、设备及介质 | |
Nacib et al. | A comparative study of various methods of gear faults diagnosis | |
CN116499742A (zh) | 一种基于集成学习的旋转机械故障监测方法 | |
CN110082101B (zh) | 基于输入输出扭矩动力学特性的行星齿轮系统故障监测方法 | |
JP6869156B2 (ja) | 状態監視装置および状態監視方法 | |
JP6644610B2 (ja) | シングルピニオン式の遊星歯車装置の歯数特定装置および歯数特定方法 | |
Yu | Early fault detection for gear shaft and planetary gear based on wavelet and hidden Markov modeling | |
CN113447264B (zh) | 一种行星齿轮箱断齿故障在线声学监测诊断方法 |
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 |