CN117907822A - 传动机构上的磨损、齿轮损伤和/或轴承损伤的自动检测方法 - Google Patents
传动机构上的磨损、齿轮损伤和/或轴承损伤的自动检测方法 Download PDFInfo
- Publication number
- CN117907822A CN117907822A CN202310967534.0A CN202310967534A CN117907822A CN 117907822 A CN117907822 A CN 117907822A CN 202310967534 A CN202310967534 A CN 202310967534A CN 117907822 A CN117907822 A CN 117907822A
- Authority
- CN
- China
- Prior art keywords
- transmission
- damage
- signal
- signal curve
- motor
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 71
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 230000005540 biological transmission Effects 0.000 title claims description 81
- 230000007246 mechanism Effects 0.000 title description 4
- 238000005299 abrasion Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000009825 accumulation Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000006735 deficit Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 10
- 238000009826 distribution Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H57/00—General details of gearing
- F16H57/01—Monitoring wear or stress of gearing elements, e.g. for triggering maintenance
-
- 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
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L3/00—Measuring torque, work, mechanical power, or mechanical efficiency, in general
- G01L3/02—Rotary-transmission dynamometers
-
- 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
-
- 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
- G01M13/04—Bearings
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H57/00—General details of gearing
- F16H57/01—Monitoring wear or stress of gearing elements, e.g. for triggering maintenance
- F16H2057/012—Monitoring wear or stress of gearing elements, e.g. for triggering maintenance of gearings
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
用于检测电机‑传动机构单元的磨损和/或损伤的方法，该单元具有电机和与其在输出侧联接的传动机构，当电机使其移动时，通过检测模块将输入和/或输出扭矩直接或间接地确定为与该扭矩明显相关的测量变量，为该移动各自生成信号曲线，其表示随着与传动机构的位置相关的变量而变化的直接或间接确定的输入和/或输出扭矩，自动分析至少部分的信号曲线，识别与传动机构位置相关变量的区域，用于相应信号曲线的传动机构损伤特性的指定特征可分配给该区域，识别的区域被自动分配给直方图中的一类，并且自动检查直方图中是否存在一类中登记的不期望的累积使得存在磨损或传动机构损伤。通过阈值比较自动评估生成的数字阵列，如超过阈值则可进行损伤报告。
Description
技术领域
本发明涉及一种用于检测具有电机和与所述电机在输出侧联接的传动机构的电机-传动机构单元的磨损、齿轮损伤和/或轴承损伤的方法。
背景技术
由于汽车和制造业的自动化不断提高，单个部件和组件的自动状态监测变得越来越重要。
特别是对于与安全相关的部件和组件，额外的数字备份层面(digitale Rückfallebene)的重要性越来越大。因此，在损伤危及功能之前及时检测的方法至关重要。
这样的方法例如从DE 10 2016 222 660 A1中已知，其中执行以下程序步骤以检测机电驱动器的平移运动部件上的损伤和/或磨损：
–测量提供给电驱动器的电流，
–执行时间-频率分析，
–将从该时间-频率分析获得的经测量的电流的频谱与预定频谱进行比较，以及
–如果两个频谱的比较确定预定值的偏差，则触发故障信号。
此外，US 4 965 513 A描述了一种通过对电机电流进行分析来监测电驱动阀的操作状态的方法。为此，将各种频率分析方法应用于电机电流，以产生电机电流的噪声签名，通过该噪声签名应可以检测磨损和异常运行状态。基于噪声签名，电驱动阀的不同特性的运行状态应该是可检测的，特别是，可以检测在频谱和振幅中表现出来的所有机械负载变化的总和。如果在运行状态中的不同时间段产生这种噪声签名，则应可检测到老化和磨损或异常运行条件。
现有技术中已知的这些方法存在这样的事实，即在具有电机和与该电机在输出侧联接的传动机构的电机-传动机构单元的环境影响和/或运行状态发生变化时，对电机电流信号的处理不足以确保获得关于磨损和损伤的可靠的报告。这些问题通过EP 4 012 426A1中描述的方法来解决，但该方法仍可以在资源利用和早期损伤检测方面进一步改进。
发明内容
因此，本发明的目的在于提供一种用于自动检测传动机构上的齿轮损伤的方法，所述方法能够实现改进的、节省资源的和早期的损伤检测，所述损伤检测也在很大程度上独立于电机-传动机构单元的变化的环境影响和/或运行状态。
在根据本发明的用于检测具有电机和与所述电机在输出侧联接的传动机构的电机-传动机构单元的磨损和/或损伤的方法中，当所述传动机构被所述电机移动时，输入和/或输出扭矩由检测模块直接地确定，例如通过扭矩测量轴确定，或者间接地确定，例如通过测量一种或多种电机电流，作为与所述输入和/或输出扭矩明显相关的测量变量。以此方式，针对这样的运动各自产生与扭矩相关的信号曲线，所述信号曲线表示随着与所述传动机构的位置相关的变量而变化的分别直接或间接确定的输入和/或输出扭矩。
术语“传动机构的位置”意指在变送器移动过程中，传动机构的部件在空间中的定向和/或姿态发生变化。因此，传动机构的位置可以描述成，例如通过形成所述传动机构的齿轮的哪些齿相互啮合，或者例如齿轮相对于参考点具有何种旋转角度。
为了简化，以下使用术语“传动机构损伤”作为齿轮的磨损和损伤或齿轮齿部损伤以及轴承损伤的统称。
此外，为了清楚起见，与扭矩相关的信号曲线(其表示随着与所述传动机构的位置相关的变量而变化的直接或间接确定的输入和/或输出扭矩)在下文中简称为“信号曲线”或“多个信号曲线“。
此外，根据本发明的方法，自动分析所述信号曲线中至少部分的信号曲线。在这种自动分析中，分别识别出与所述传动机构的位置相关的变量的区域，在所述区域中出现用于传动机构损伤特性的指定特征。
如果存在传动机构损伤，其有规律地影响电机的扭矩行为，例如因为临时的低效的扭矩传输，通过的相应的控制来增加输入扭矩，以确保所需的输出扭矩。
因此，在最简单的情况下，这种分析可以简单地包括确定信号曲线中的最大值，确定信号曲线的部分区域下方的面积，或确定信号曲线的最可能具有预定曲线形状的位置。在更复杂的情况下，在应用相应的标准之前也可以进行信号曲线的预选或预处理。
在所分析的每个信号曲线中，识别出满足用于损伤检测的标准(例如最大信号曲线)的区域(所述区域例如可以对应于传动机构的确定的齿轮的角度位置)。
这个识别区域自动分配给直方图的一个类别(即，换言之，登记(eingetragen)到该类别中，使得分配给所述类别的事件或区域的数量增加，这特别地可以通过立即求和来实现；但也可以例如通过保留分配给某个类别的信号曲线的相应列表来实现)，并且自动检查直方图中是否存在一个类别中的登记的不期望的累积(特别是通过比较求和事件数或者确定和比较列表长度)。如果是这种情况，则确实存在传动机构损伤。在这种情况下，例如可以生成警告信息，以便在电机-传动机构单元发生完全损伤之前消除损伤。
本发明所基于的第一个重要构思在于，在没有传动机构损伤的电机-传动机构单元的信号曲线上可以应用损伤检测标准，这通常导致位置的基本上随机分布的结果，其中所述标准在所述位置将传动机构损伤定位在相应的信号曲线中。即使在特殊情况下，在特定应用中没有发生这些假设的传动机构损伤的随机分布，也可以容易地获得未损伤的传动机构中预期的结果分布，并将其用作损伤监测的基础，例如，在其中进行加权背景校正。
然而，当传动机构损伤开始出现时，在例如用于扭矩传递负载的损伤的齿的信号曲线的一个或多个区域中由所述传动机构损伤引起的并且随着损伤的增加而增加的信号曲线的变化将导致预期的结果分布明显改变。
第二个重要构思在于，通常不需要确定传动机构损伤的确切位置或类型，而是仅需要判断出在任意位置存在传动机构损伤，因为由此产生的传动机构更换需求与传动机构的哪个部件损伤无关。
这允许基于直方图的方法，其中在信号曲线的记录期间运行的路径/角度被划分为多个区域，并且对于这些区域的每一个对在该区域中满足损伤检测标准的频率进行计数。由此具有大小只有几千字节的存储器是足够的，其中只需要执行非常简单的计算操作。对于是否存在真实的传动机构损伤的评估，通过该直方图中的分布与预期分布、特别是随机分布的偏差来体现，该评估可以从数学上通过简单的比较操作实现。因此，通过使用本发明的方法，所需的计算能力与所需的存储空间一样低。
在所述方法的一个优选实施例中，进行待分析的信号曲线的自动预选。
特别地可以规定，在预选期间，仅允许对含有完全覆盖预定区域的传动机构位置的扭矩信息的信号曲线进行进一步评估。
可替换地或附加地，预选可以以这样的方式进行，即在预选期间，仅考虑其中绝对最大值和绝对最小值与信号曲线的平均值的偏差不超过预定阈值的信号曲线。此措施的目的在考虑极端负载变化时是显而易见的。特别是在旋转方向翻转和/或负载翻转时，短期扭矩峰值使得难以可靠地确定指示损伤的特征。
在所述方法的一个优选变型中，从待分析的信号曲线中确定和去除相同部分，这允许对信号曲线进行分析。例如，可以通过形成用于使信号曲线平滑的信号曲线的平滑平均值来进行所述确定；可以通过从信号曲线的相应的相关测量值中减去所述平滑平均值来去除所述相同部分。
如果另外地通过平滑的信号曲线进行除法，则可以对依赖于扭矩的周期性出现的振幅进行校正。附加的进一步平滑和/或低通滤波也可以消除来自信号曲线的任何干扰信号。
为此替代的方法规定，通过对信号曲线应用带通滤波器来确定并去除所述相同部分。这种方法的优点是其执行需要相对较低的计算能力，这有助于其在汽车领域的标准下实施。
优选地，带通滤波器的频率上限和频率下限被选择为输入转速的函数，使得传动机构的待监测部件的齿啮合频率表示信号的周期性波动的主要部分。
以指定的相同部分对所述信号曲线进行归一化可以进一步提高分析的可靠性。
优选地，直方图以数字阵列的形式存储，所述数字阵列针对与所述传动机构位置相关的变量的每个区域存储所述信号曲线的数字ni，在其分析期间，将用于所述传动机构损伤特性的特征分配给所述区域，并且存储该角度区域的滚动次数ri。这里i指示相应的角度区域。这是一种需要小永久存储空间的高效存储方法。
由于随着测量周期数量的增加，阵列中的数可能会变得非常大，因此又需要更多的存储空间，并且存在很少被滚动的角度区域，因此优选根据滚动次数进行损伤事件的校正或类型的归一化。
以下规则用于获得数字阵列中的校正值ni-neu和ri-neu：
1.
2.ri-neu＝ri-c
式(1)
其中，表示所有登记ni的平均值。rsup表示整个阵列中的最大滚动次数。可能出现的负的ni-neu值都将被设置为恒定的正值。此外，还删除了可能的小数位。此外，在逐单元地应用式(1)的第1步后为了限制ri的小数位，根据式(1)在步骤2中从ri中减去常数值c(例如数字阵列中的最小ri)。这种方法一方面确保了整个数字阵列小数位的限制，还确保了滚动次数ri和其相应的损伤事件ni的充分相关性。
为了决定是否发布传动机构损伤警告，可以通过阈值比较来评估数字阵列。
其中根据下式验证阈值比较。
在上式中，X表示以没有nmax的所有登记ni的平均值归一化最大数量nmax，Trel表示，超过所述阈值则发出传动机构损伤警告。i表示角度区域的指数，是求和的运行变量，j表示整个角度区域所划分的类别的数量。
在本发明的一个优选的实施例中规定，在自动检查直方图中是否存在在一个类别中的登记的不期望的累积使得存在磨损和/或传动机构损伤时，校正非随机分布的背景。以此方式，可以校正取决于电机传动单元的具体应用而可能出现的系统效应。
所提出的方法能够检测不同传动机构类型上的传动机构损伤。例如正齿轮传动、螺旋齿轮传动和蜗轮传动，它们也用于汽车行业的安全相关应用。
根据应用情况，可能存在某些传动机构损伤仅在电机-传动机构布置的一个运行方向上可见的情况。如果根据运行方向分别地分析信号曲线，则可以可靠地证明这种传动机构损伤。
附图说明
下面将参照附图更详细地解释本发明。附图中示出：
图1示出示例性的机械结构，其可以通过本发明的方法监测齿轮损伤的出现，
图2示出完好的传动机构和损伤传动机构的示例性信号曲线的比较，
图3示出取决于负载循环的传动机构的测量的信号曲线的最大值的发展的示意图，
图4示出电机-传动机构单元的损伤的传动机构的真实信号曲线，
图5示出信号曲线的可能分析的流程图，
图6示出在执行图5中流程图的第二步骤之后，从图4中的真实信号曲线获得的中间结果，
图7示出在执行图5中流程图的第三步骤之后，从图6中的中间结果得到的中间结果，
图8示出执行完图5中的流程图之后获得的在随机分布的角度位置满足损伤标准的信号曲线的直方图(代表完好的传动机构的行为)，以及
图9示出执行完图5中的流程图后获得的损伤的传动机构的直方图。
具体实施方式
图1示出电机-传动机构单元10的示例性机械结构，其可通过本发明方法监测传动机构损伤的发生。电机-传动机构单元10必须具有电机1，该电机在此处特别地通过电动机实现。电动机的具体设计在此并不重要；例如，它可以是伺服电机、无刷直流电机或者也可以是有刷电动机。
电机-传动机构单元10必须具有检测模块2，该模块可设计和操作成能够直接或间接地将输入和/或输出扭矩各记录为明确相关的、特别是成比例的测量变量，例如时间分辨的电机电流。在电机-传动机构单元10操作期间重复测量该测量变量，同时传动机构或构成传动机构的部件位于不同的位置，特别是接合位置，使得在电机-传动机构单元10的移动期间分别生成信号曲线，该信号曲线反映作为与传动机构位置相关的变量的函数的直接或间接确定的输入和/或输出扭矩。
利用驱动器1驱动待监控的传动机构3(这里示例性地为螺旋齿轮/蜗杆传动机构)，使得在负载4的影响下(其大小可以改变)，由驱动器引起移动，例如移动推杆。
根据本发明，由该检测模块2记录的信号曲线用作用于齿轮损伤发生的特征参数，这使得能够直接或间接地检测传动机构在负载下的扭矩曲线，并且使得能够识别信号曲线中的不规则性，从而能够实现早期检测损伤。
图2示出用这种检测模块2记录的用于识别传动机构损伤的信号曲线的可用性。完好的传动机构3的扭矩曲线21以虚线示出，而齿根具有裂纹的损伤的传动机构3的扭矩曲线22以实线示出。
此示例中所示的数据表示通过扭矩测量轴检测到的输入扭矩作为与旋转角度相关联的变量的函数，同时相应的传动机构3以限定的速度从限定的起始位置驱动到限定的结束位置。在此示例中将相应的测量值对应于相对采样指数以生成相应的信号曲线，该相对采样指数因此与测量时间成比例，并且因此可以可重复地被分配给给定的传动机构位置。
传动机构位置通常可以通过与此相关的多个变量来确定，例如取决于电机的运行时间，通过电机转子的位置监测，通过被电机-传动机构单元10移动的推杆的位置监测或类似措施。
损伤的传动机构3的信号曲线22与完好的传动机构3的信号曲线21的不同之处在于出现的最大值。信号曲线22中的这些明显突出的调制(Modulationen)是由损伤的齿的啮合引起的，这导致驱动电机由于低效的扭矩传递而增加输入扭矩来确保所需的输出扭矩。
这种异常可以用来定义检测损伤的标准。这种标准的示例是数据的极值(最大值，最小值等)，与旋转角度相关的特定区域的最大值/最小值以下的面积(总和、积分)或类似特征参数。如果发生损伤，这些特征中的一个或多个明显增加并标记损伤发生的开始。
为了说明这一事实，图3示出根据图2的比较得出的示例性特性的示意图，具体地以作为相应的负载循环的函数的单个信号曲线的最大值的形式。负载循环是传动机构3从定义的起始位置到定义的结束位置的过程。通过检测模块2针对这些负载循环中的每一个已经测量了扭矩曲线。图3中登记的每个数据点对应于相关负载循环的扭矩曲线的最大振幅。
图3可以看出，此特征的值(即与扭矩相关联的相应信号曲线中的最大振幅)在最大的完成负载循环数的大约95％之后开始升高，在本示例中，这是齿断裂发生开始的指标。
在理想的条件下，例如可以在实验室中电机-传动机构单元10的耐久性测试时实现的那些条件下，可以根据直接或间接获得的扭矩测量数据可靠地确定传动机构损伤。这些条件在两个方面是理想的：
首先，环境条件是可控的，因此近似恒定，这有助于精确识别特征。在实际应用中对电机-传动机构单元10的运行进行现场测量时，情况要复杂得多。两个相近进行的运行循环的信号曲线可能彼此截然不同，例如在输出负载的转速和时间曲线方面。
其次，在实验室条件下，大量的计算能力和存储空间经常可用于自动数据分析，而这种资源在实际条件下的操作中(例如在车辆中)仅以有限的水平存在。
为了说明这一点，图4用实线示出由扭矩测量轴确定的电机-传动机构单元10的扭矩曲线31的示例，该电机-传动机构单元具有受损的传动机构3，该传动机构在运行期间经受变化的负载。在此，扭矩对应于在电机-传动机构单元的输出处的角度位置绘制，该角度位置可以例如直接通过旋转编码器或间接地根据时间信号曲线来获得。可以看到损伤的齿影响的区域用圆圈突出显示；测量信号的平滑平均值32以虚线示出。这个例子直接表明，即使确定存在损伤，在信号曲线中检测这种损伤并可靠地将其分配到角度位置的任务是多么复杂。
这里的挑战是，在不同的测量条件下记录的测量信号之间的可比性必须通过尽可能少的计算工作量来实现。
然而，如果应用图5所示的分析程序的步骤，则即使在这种情况下，也可以使用可管理的硬件资源对传动机构损伤进行可靠的监测。
首先，对待使用的测量循环进行预选(图5中的点(1.))。仅具有限定的角度区域的循环才允许进行评估。此外，绝对的最大值和最小值与信号曲线的平均值的偏差不应超过阈值。第一措施确保所有期望的角度区域都包括在信号曲线中，并且任选地忽略信号曲线的不期望的区域；第二，由输出扭矩引起的波动不会大到无法校正。
在图5的第(2.)点中去除相同部分。这特别地可以通过两种方法来实现：
I)形成强平滑信号曲线(图4中的虚线)和原始信号曲线(见图4中的实线)之间的差异。此外，任选地可以进一步执行通过强平滑信号曲线的除法以校正依赖于扭矩的周期性出现的振幅，和/或任选地还可以执行进一步的平滑和/或低通滤波，以消除来自信号曲线的任何干扰信号。
II)将带通滤波器应用于信号。频率上限和下限可以选择成作为输入转速的函数，使得要考虑的传动机构部件的齿啮合频率表示信号曲线的周期性波动的主要部分。这种方法的一个优点在于在通用编程语言中更容易执行。
这两种方法都可以用较少的计算工作量和简单的数学运算来执行。
图6将应用方法I)后获得的校正信号35显示为实线，为了更好地说明，将该校正信号上的平滑平均值36显示为虚线。特别是在求平均值后，经过训练有素的眼睛现在可以在校正的信号曲线中检测到高于大约-300°的最大值，这表明传动机构损伤。
在接下来的两个步骤中，即图5中的(3.)和(4.)，现在识别与传动机构位置相关的变量的区域，针对相应的信号曲线的、用于传动机构损伤特性的指定特征能够分配给该区域。在此示例中，在信号曲线中最大值的出现代表用于传动机构损伤特性的特征。在图5中的步骤(4.)中，确定发生传动机构损伤特征的位置αmax。
在这种情况下，图6中的角度标度被转换为这样的角度标度，该角度标度指示被监测的传动机构部件的相应位置(始终位于0°和360°之间)。此外，校正后的信号曲线经过分类(Klasseneinteilung)，其中每个类别包括固定的角度区域，在本示例中分别为10°。对一个类别内的校正的信号曲线的所有值进行求和。由此产生的信号41以条形图的形式示意性地在图7中示出。识别在条形图(41)中具有最高值的条的位置处的角度αmax；该角度对应于识别出的与传动机构的位置相关变量的相应区域，在该区域中出现针对相应的信号曲线的用于传动机构损伤特性的指定的特征。这导致待进一步处理的数据量明显减少，因为高分辨率校正的信号曲线被转换成具有少量相关数据点的结构，其中相应的组(Bins)中具有相应的和。
如果由于检测模块2的原因，检测到的信号曲线是指示被监测的传动机构部件的相应位置的角度标度的函数，则在图5中的步骤(1.)和(2.)之后生成的校正信号曲线可以直接进行分类和类别内的求和。
对通过预选(图5中的步骤(1.))的每个单独的信号曲线确定一个αmax。该值登记入直方图(51、52)中，该直方图显示αmax出现的频率(图5中的第(5.)点)。
图8显示代表基于完好的传动机构随机生成的信号曲线的直方图(51)。使用上述根据图5中描述的算法评估这些信号曲线。如所预期地，可以看出提取的αmax近似随机分布，因此直方图(51)形成均匀分布的基本水平。在一些应用中，当叠加这种分布的系统效应被校正时，这种均匀分布的基本水平也可能发生。
如果将另外三十个信号曲线添加到大约三十个评估的数据集中，其中在本示例中存在损伤的蜗轮，则会产生图9中所示的直方图52，该直方图在负载的损伤的齿的位置(在此处约为70°)处具有显著的最大值。
为了满足较小的可用的永久存储空间的要求，本发明的方法只需要大小为几千字节的数字阵列，该数字阵列必须被永久存储。表1示意性地显示可以如何构建类别大小为10°，类别指数为i的阵列，以及如何“填充”各个单元。
| 角度α(°) | 0 | 10 | 20 | 30 | 40 | … | 360 |
| 数量ni | 2 | 4 | 9 | 3 | 25 | … | 0 |
| 滚动ri | 30 | 28 | 25 | 25 | 5 | … | 2 |
表1
在这种情况下，仅对在特定角度位置的单个事件的数量ni以及这个角度区域的滚动次数ri进行计数并存储。
例如，数字阵列中最大值的角度位置的简单查询，与阈值比较进行结合，可以允许对传动机构状态进行评估。由于随着测量循环数量的增加，阵列中的数字可能变得非常大，因此又需要更多的存储空间，并且存在很少被滚动的角度区域，因此必须根据滚动次数进行损伤事件的校正或类型的归一化。
以下规则用于确定数字阵列中的校正值ri-neu和ri-neu：
1.
2.ri-neu＝ri--c
式(1)
在此，代表所有登记ni的平均值。rsup表示整个阵列中的最大滚动次数。可能出现的负的ni-neu值都将被设置为恒定的正值。此外，还删除了可能的小数位。此外，在逐单元地应用式(1)的第1步后为了限制ri的小数位，根据式(1)在步骤2中从ri中减去常数值c(例如数字阵列中的最小ri)。这种方法一方面确保了整个数字阵列小数位的限制，还确保了滚动次数ri和其相应的损伤事件ni的充分相关性。
每次将来自式(1)的规则应用于所有单元之后，阈值比较允许对传动机构状态进行评估。式(2)以符号的形式表示阈值比较：
在此，X是最大数量nmax除以没有nmax的单个登记ni的平均值。这里j表示阵列类别的数量。如果X超过预定的相对阈值Trel，则表明传动机构是“不正常”。因此可以发布维护建议(图4，步骤6)。
上述逻辑显示出电机-传动机构单元10状态监测的计算资源节约的可能性，其中无需额外的硬件即可以以尽可能低的附加成本实现系统监测。
附图标记列表
1 电机
2 检测模块
3 传动机构
4 负载
10 电机-传动机构单元
21 信号曲线
22 信号曲线
31 信号曲线
32 平滑平均值
35 校正信号曲线
36 平滑平均值
41 直方图
51 直方图
52 直方图。
Claims (15)
1.一种用于检测具有电机(1)和与所述电机在输出侧联接的传动机构(3)的电机-传动机构单元(10)的磨损、齿轮损伤和/或轴承损伤的方法，其中
-当所述传动机构(3)被所述电机(1)移动时，检测模块(2)将输入和/或输出扭矩直接地或间接地确定为与所述输入和/或输出扭矩明显相关的测量变量，从而为所述移动各自生成信号曲线(21、22、31)，所述信号曲线表示随着与所述传动机构(3)的位置相关的变量而变化的直接或间接确定的输入和/或输出扭矩，
-自动分析所述信号曲线(21、22、31)中至少部分的信号曲线，其中识别与所述传动机构(3)的位置相关的变量的区域，针对相应的信号曲线(21、22、31)的、用于传动机构损伤特性的指定特征能够分配给所述区域，
-所识别的区域被自动分配给直方图(51、52)的一个类别，以及
-自动检查所述直方图(51、52)中是否存在在一个类别中的登记的不期望的累积使得存在磨损和/或传动机构损伤。
2.根据权利要求1所述的方法，
其特征在于，进行待分析的信号曲线(21、22、31)的自动预选。
3.根据权利要求2所述的方法，
其特征在于，在所述预选的期间，仅允许对含有覆盖预定区域的传动机构位置的扭矩信息的信号曲线(21、22、31)进行进一步评估。
4.根据权利要求2或3所述的方法，
其特征在于，在所述预选的期间，仅允许对全局最大值和全局最小值与所述信号曲线平均值的偏差不超过预定阈值的信号曲线(21、22、31)进行进一步评估。
5.根据权利要求1至4中任一项所述的方法，
其特征在于，从待分析的信号曲线(21、22、31)中确定并去除相同部分。
6.根据权利要求5所述的方法，
其特征在于，通过形成用于使信号曲线平滑的信号曲线(21、22)的平滑平均值(32)来确定相同部分，并且通过从相应的不平滑的信号曲线(21、22、31)的相关测量值中减去所述平滑平均值(32)来去除所述相同部分。
7.根据权利要求6所述的方法，
其特征在于，进一步通过所述平滑信号曲线进行除法，以校正依赖于扭矩的、周期性出现的振幅，和/或可选地执行进一步的平滑和/或低通滤波，以消除来自所述信号曲线的任何干扰信号。
8.根据权利要求6所述的方法，
其特征在于，通过对所述信号曲线(21、22、31)应用带通滤波器来确定和去除所述相同部分。
9.根据权利要求8所述的方法，
其特征在于，所述带通滤波器的频率上限和频率下限被选择为输入转速的函数，使得所述传动机构(3)的待监测部件的齿啮合频率表示信号的周期性波动的主要部分。
10.根据权利要求5至9中任一项所述的方法，
其特征在于，以指定的相同部分对所述信号曲线(21、22、31)进行归一化。
11.根据权利要求1至10中任一项所述的方法，
其特征在于，所述直方图(50，51)被存储为数字阵列，所述数字阵列针对与所述传动机构(3)位置相关的变量的每个区域存储所述信号曲线(21、22、31)的数字ni，在其分析期间，将用于所述传动机构损伤特性的特征分配给所述区域，并且存储该角度区域的滚动次数ri。
12.根据权利要求11所述的方法，
其特征在于，所述数字阵列用校正值ni-neu和ri-neu至少更新一次，所述校正值由以下规则确定，
1.
2.ri-neu＝ri-c
其中
表示所有登记ni的平均值，
rsup显示整个阵列中的最大滚动次数，
可能出现的负的ni-neu值被设置为恒定的正值，
删除可能的小数位，
并且c是常数值，特别地是在所述更新之前的所述数字阵列中的最小ri。
13.根据权利要求1所述的方法，
其特征在于，根据下式
进行阈值比较，其中
X是计算出的当前值，
Trel表示阈值，超过所述阈值则发出传动机构损伤警告，
nmax是所述数字阵列中损伤事件的最大数量，
rmax表示相关的滚动次数，
ni表示所述数字阵列中所述损伤事件的第i个登记，
ri是相应的滚动次数，j是所述角度区域的总数。
14.根据权利要求1至13中任一项所述的方法，
其特征在于，在自动检查所述直方图(51、52)中是否存在在一个类别中的登记的不期望的累积使得存在磨损和/或传动机构损伤时，校正非随机分布的背景。
15.根据权利要求1至14中任一项所述的方法，
其特征在于，根据运行方向分别地分析所述信号曲线(21、22、31)。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP22202382.2A EP4357749A1 (de) | 2022-10-19 | 2022-10-19 | Verfahren zur automatischen detektion von verschleiss, verzahnungsschäden und/oder lagerschäden an einem getriebe |
| EP22202382.2 | 2022-10-19 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117907822A true CN117907822A (zh) | 2024-04-19 |
Family
ID=89846369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310967534.0A Pending CN117907822A (zh) | 2022-10-19 | 2023-08-02 | 传动机构上的磨损、齿轮损伤和/或轴承损伤的自动检测方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20240229911A9 (zh) |
| EP (1) | EP4357749A1 (zh) |
| KR (1) | KR20240054872A (zh) |
| CN (1) | CN117907822A (zh) |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4965513A (en) | 1986-09-30 | 1990-10-23 | Martin Marietta Energy Systems, Inc. | Motor current signature analysis method for diagnosing motor operated devices |
| US8180143B2 (en) * | 2008-12-23 | 2012-05-15 | General Electric Company | Method and system for estimating contact patterns |
| SE534531C2 (sv) * | 2010-03-30 | 2011-09-20 | Rubico Ab | Metod för feldetektion av rullningslager genom förhöjning av statistisk asymmetri |
| EP3527961A1 (en) * | 2011-07-14 | 2019-08-21 | S.P.M. Instrument AB | A condition monitoring system |
| DE102012022661A1 (de) * | 2012-11-21 | 2014-05-22 | Imo Holding Gmbh | Wartungsoptimiertes Schwenkantriebs- oder Schneckengetriebesystem und damit ausgerüstete Maschine bzw. Anlage oder Fahrzeugbaugruppe |
| DE102016222660A1 (de) | 2016-11-17 | 2018-05-17 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Erkennen von Veränderungen in einem elektrisch betriebenen Antrieb |
| EP4012426B1 (de) | 2020-12-14 | 2023-09-06 | IMS Gear SE & Co. KGaA | Verfahren zur korrektur eines zeitabhängigen messsignals einer motor-getriebeeinheit sowie verfahren zur erkennung von verschleiss und/oder einer beschädigung derselben mittels dieses korrekturverfahrens |
-
2022
- 2022-10-19 EP EP22202382.2A patent/EP4357749A1/de active Pending
-
2023
- 2023-08-02 CN CN202310967534.0A patent/CN117907822A/zh active Pending
- 2023-09-06 KR KR1020230118220A patent/KR20240054872A/ko unknown
- 2023-10-18 US US18/381,455 patent/US20240229911A9/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| KR20240054872A (ko) | 2024-04-26 |
| US20240229911A9 (en) | 2024-07-11 |
| US20240133456A1 (en) | 2024-04-25 |
| EP4357749A1 (de) | 2024-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2083338B1 (de) | Verfahren und Vorrichtung zum Überwachen einer Maschine | |
| US10725465B2 (en) | State diagnostic device | |
| EP3186598B1 (en) | Monitoring of a device having a movable part | |
| US9465387B2 (en) | Anomaly diagnosis system and anomaly diagnosis method | |
| US5602761A (en) | Machine performance monitoring and fault classification using an exponentially weighted moving average scheme | |
| US20070282545A1 (en) | Probabilistic Stress Wave Analysis System and Method | |
| KR102119661B1 (ko) | 회전기기 고장 예지를 위한 건전성 지표 추이 및 잔존수명 예측 기법 | |
| US11630028B2 (en) | Method and controller for deciding whether a bearing is faulty or not | |
| CN110646204A (zh) | 用于损坏早期识别的方法，以及用于执行该方法的程序和控制装置 | |
| KR102040179B1 (ko) | 제조 설비의 이상 감지 및 진단 방법 | |
| EP3975077A1 (en) | Monitoring device and method for segmenting different times series of sensor data points | |
| JPH07159231A (ja) | ポンプ劣化診断システム | |
| CN106052847B (zh) | 对具有旋转的机器组件的机器的监控 | |
| CN116561514A (zh) | 车辆轮毂轴承单元的故障诊断方法、系统、装置及介质 | |
| CN118051863B (zh) | 一种基于数字计量技术的健康数据采集系统及方法 | |
| US20220187165A1 (en) | Method for correcting a time-dependent measurement signal of a motor transmission unit as well as a method for detecting wear and/or damage of the same by means of this correction method | |
| CN115508703A (zh) | 一种多源信息融合的电机故障诊断方法及系统 | |
| JP3108405B2 (ja) | 機器の診断方法 | |
| CN114220189A (zh) | 一种监测方法、预测系统、电子设备及存储介质 | |
| CN117907822A (zh) | 传动机构上的磨损、齿轮损伤和/或轴承损伤的自动检测方法 | |
| CN112526962A (zh) | 用于工艺技术设施的诊断方法和诊断系统以及训练方法 | |
| CN112329258B (zh) | 试验箱部件老化判断方法、装置、电子设备和存储介质 | |
| US11953878B2 (en) | Method and system for condition monitoring of a cyclically moving machine component | |
| Sun et al. | Defect-sensitive testing data analysis method for industrial robots quality inspection | |
| US11537117B2 (en) | Method for setting alarm levels for a machine |
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 |