CN1191968A - 基于扭振的回转机械状态监测方法 - Google Patents
基于扭振的回转机械状态监测方法 Download PDFInfo
- Publication number
- CN1191968A CN1191968A CN98112805A CN98112805A CN1191968A CN 1191968 A CN1191968 A CN 1191968A CN 98112805 A CN98112805 A CN 98112805A CN 98112805 A CN98112805 A CN 98112805A CN 1191968 A CN1191968 A CN 1191968A
- Authority
- CN
- China
- Prior art keywords
- torsional
- monitoring method
- torsional oscillation
- state monitoring
- rotary machines
- 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.)
- Granted
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开一种基于扭振的回转机械状态监测方法,其步骤是采集信号预处理后进行归一化处理,然后进行起停车分析、稳态与非稳态信息处理及特征提取,利用提取的特征是进行状态评估和趋势分析,再进行未来状态预报和多传感器信息融合,最后完成诊断决策,本方法可准确测量转轴的扭转振动,监测转轴诊断关键组件的隐含故障的运行状态,调整设备运行参数和负荷状态确保设备安全运行。
Description
本发明属于机械技术领域,进一步涉及机械诊断与控制学领域的以激光多普勒扭振传感器的输出信号,监测各类回转机械的运行状态并诊断其关键组件(如轧辊,转子,滚动轴承,传动齿轮和联轴节)隐含故障的方法。
扭转振动与横向振动一样,也是转轴的基本振动形式之一。目前,基于横向振动的大型回转机械状态监测和故障诊断方法以Bently公司的DDM和ADRE为典型代表。该方法通过时域波形图,轴心轨迹图,傅立叶谱图和简单的趋势分析功能来诊断不平衡,对中不良等常见故障。它完全抛弃了有关转轴转速波动的扭振的信息。然而,汽轮发电机组和离心压缩机组在运行中转子部件的某些隐含故障:横向裂纹,对中不良及动静碰磨均会在扭振信号中得到明显的反映。并且,对于承受高扭矩载荷的回转类设备,其横向振动特征已不明显,如冶金行业的大型轧机,由于坯料不均匀或轧辊磨损,作用在轧辊上的轧制力矩也随之波动,从而使传动轴系的扭转振动也会发生相应的变化;又如传动齿轮箱,齿轮刚度的瞬时变化,齿廓破坏而使得运行平稳性受到影响都将反映在齿轮轴的扭转振动上。而周强在文“齿轮故障诊断参数的研究”)(<动态分析与测试技术>1997No.2)中所提出的在箱体外壁测试振动,由于传递路径长,信噪比低,在对齿面损伤如:点蚀,胶合,齿根疲劳裂纹及局部断齿的监测诊断中常常会出现漏诊和谎报的情形。
本发明的目的在于提供一套完善的转速波动和扭转振动监测诊断方法,通过本方法,用户可以准确便捷地测量整个转轴的扭转振动(瞬时转速信息),并进一步通过分析扭振信号所携带的载荷波动,传动件廓形劣化及扭转刚度的瞬时波动信息,来诊断主要组件的隐含故障并评定设备的运行状态,调整设备的运行参数和负荷状态,在确保设备安全的前提下,提高运行质量。
本发明的具体实施步骤如下:
1.选择测试截面。根据监测诊断要求和设备状况,选定测试截面:
2.采集扭振信号并进行预处理。通过激光多普勒扭振传感器测量任一截面的瞬时转速波动信号,然后利用专用的数据采集器完成隔直,滤波及模数转换等预处理工作;
3.扭振信号归一化处理。将采集的扭振信号与电涡流传感器测取的键相信号进行归一化处理;
4.起停车分析。在被监测设备的起停车阶段,连续测取扭振信号并绘制出扭振Bode图,Nyquest图以及瀑布图;然后,对比正常状态的特性曲线,诊断前述组件的潜在缺陷和故障;再根据上述Bode图,Nyquest图以及瀑布图提供的信息,估算整个轴系的各阶扭振固有频率和相应振型。
5.稳态信息处理及特征提取。在被监测设备的工作阶段,定期地测取扭振信号并绘制出扭振信号的时域波形图和傅立叶谱图,并计算出扭振各频率分量精确的幅值,频率,相位值以及峰峰值,均方差等各特征量。
6.非平稳信息处理及特征提取。针对扭振信号调频,调幅的非平稳特性,采用Hilbert变换进行包络解调,在复平面分析其瞬时频率和幅值的变化,再采用先进的时频分析技术,将一维信号拓展到二维时频平面上进行特征提取。
7.当前状态评估。利用第5~6步骤提取的特征量进行状态评估,判断主要组件的故障类型和严重程度。
8.历史趋势分析。利用第5~6步骤提取的特征量进行趋势分析,把握整个转轴潜在故障(如横向裂纹)发生,发展的整个过程。
9.未来状态预报。以趋势分析为基础,采用先进的预测方法,来预报机组未来的运行趋势,协助制定机组的维修计划,以实现机组的主动维护。
10.多传感器信息融合。通过计算机间的数据通讯与现有横向振动状态监测系统进行数据交换,并进一步进行多传感器的信息融合。
11.作出诊断决策。利用第4~10步骤的分析结果,作出诊断决策,确保设备安全经济运行。
本发明提供的转轴扭振状态监测和故障诊断方法,为回转机械故障诊断领域开辟了新的思路,具有以下特点:
1.扭转振动能更直接地反映回转机械的运行状态,对转轴扭矩的波动,组件刚度变化和轮廓缺陷异常敏感;
2.采用扭振趋势分析和预报技术,为实现设备主动维护提供可靠的技术保障;
3.采用Hilbert包络解调及先进的时频分析技术,处理伴随着复杂的调频,调幅现象的非平稳信号,能更直观,深入地把握扭转振动的变化规律。
4.采用起停车分析技术测试轴系的各阶扭振频率和振型,对于改进设计,安全运行有重大意义。
5.采用激光多普勒扭转振动传感器,与其他传统的扭振测量方法相比,该方法采用非接触测量,对测试对象无特殊要求(如计数齿轮),具有很宽的频率测试范围,不受轴横向振动的影响。从而使得扭转振动测量更方便,可靠。
6.该系统容易在现有的基于横向振动的监测系统的基础上加以扩充,实现两系统间的信息融合与共享,以期多角度,全方位利用诊断信息,增强诊断结论的可信度。
本发明用于监测诊断转子横向裂纹的装置如图2所示。1,2分别为转轴的两测试截面,3为键相传感器,4,5分别为两激光多普勒扭振传感器,6为数据采集器,7为便携式计算机。整个监测诊断过程如下:
1.根据监测横向裂纹的要求,选择两个测试截面1和2;
2.使用激光多普勒扭振传感器4,5分别测量截面1,2处扭振信号,同时通过键相传感器3测量键相信号,并将采集到的三路信号接入数据采集器6完成预处理工作,再将上述三路信号送入便携式计算机7进行后续处理;
3.将两路扭振信号按键相信号进行归一化处理;
4.在转子起车阶段,连续测取上述三路信号,并绘制了如图3所示的Bode图(幅频特性曲线),其中水平轴r为转速,垂直轴A为幅值。普通转子的响应一般只包括工频分量(IX),而裂纹转子的频率响应包括工频分量和倍频分量(图中2X和3X),而且2X和3X会出现明显的谐波响应;
5.定期测量扭振信号并绘制其时域波形图和傅立叶谱图,在频域,精确计算各频率分量精确的幅值,频率,相位信息;在时域,计算峰峰值和均方差值;另外,将两测试截面的扭振信号作差,绘制了如图4所示的转角差曲线,其中水平轴t为时间,垂直轴K为扭转刚度,θ为两截面的转角差。由于裂纹转子的扭振刚度呈现周期性变化,由此将导致转子两端的转角差也会出现周期性的变化,结合键相信号,我们可以准确判定裂纹的周向位置;
6.采用Hilbert包络解调以及小波,短时傅立叶变换进一步提取其非平稳特征;
7.根据峰峰值判定转子故障的严重程度,根据扭振各频率分量的幅值,相位信息以及转角差信息来判断转子是否出现横向裂纹;
8.以两截面的转角差为特征量,作出趋势图,来准确地把握横向裂纹的扩展规律;
9.通过转角差的历史数据训练神经网络,预报横向裂纹的扩展趋势,以便确定最佳的停机时间;
10.通过测量水平和垂直两方向的横向振动,绘制了二维全息谱图(图5),可见明显的IX,2X分量,而且1X分量椭圆比较圆,2X分量椭圆比较扁。进一步判啶转子出现了横向裂纹;
11.综合以上分析,特别是第4,5,10步提取的诊断特征,可以确定转子确实出现了横向裂纹,并建议严密监测其扩展趋势。
图1为本发明的流程图。
Claims (8)
1.基于扭振的回转机械状态监测方法,其具体步骤如下:
(1)选择测试截面;
(2)采集扭振信号并进行预处理;
(3)扭振信号归一化处理;
(4)起停车分析;
(5)稳态信息处理及特征提取;
(6)非平稳信息处理及特征提取;
(7)当前状态评估;
(8)历史趋势分析;
(9)未来状态预报;
(10)多传感器信息融合;
(11)作出诊断决策。
2.根据权利要求1所述的基于扭振的回转机械状态监测方法,其特征在于:所述的采集扭振信号并进行预处理是通过激光多普勒扭振传感器测量任一截面的瞬时转速波动信号,然后利用专用的数据采集器完成隔直,滤波及模数转换等预处理工作。
3.根据权利要求1所述的基于扭振的回转机械状态监测方法,其特征在于:所述的起停车分析是在被监测设备的起停车阶段,连续测取扭振信号并绘制出扭振Bode图,Nyquest图以及瀑布图;然后,对比正常状态的特性曲线,诊断前述组件的潜在缺陷和故障;再根据上述Bode图,Nyquest图以及瀑布图提供的信息,估算整个轴系的各阶扭振固有频率和相应振型。
4.根据权利要求1所述的基于扭振的回转机械状态监测方法,其特征在于:所述的稳态信息处理及特征提取是在被监测设备的工作阶段,定期地测取扭振信号并绘制出扭振信号的时域波形图和傅立叶谱图,并计算扭振各频率分量精确的幅值,频率,相位值以及峰峰值,均方差等各特征量。
5.根据权利要求1所述的基于扭振的回转机械状态监测方法,其特征在于:所述的非平稳信息处理及特征提取是针对扭振信号调频,调幅的非平稳特性,采用Hilbert变换进行包络解调,在复平面分析其瞬时频率和幅值的变化,再采用先进的时频分析技术,将一维信号拓展到二维时频平面上进行特征提取。
6.根据权利要求1所述的基于扭振的回转机械状态监测方法,其特征在于:所述的的历史趋势分析是利用5~6步提取的特征量进行趋势分析,把握整个轴系潜在故障(如横向裂纹)发生,发展的整个过程。
7.根据权利要求1所述的基于扭振的回转机械状态监测方法,其特征在于:所述的的未来状态预报是以趋势分析为基础,采用先进的预测方法,来预报机组未来的运行趋势,协助制定机组的维修计划,以实现机组的主动维护。
8.根据权利要求1所述的基于扭振的回转机械状态监测方法,其特征在于:所述的多传感器信息融合是通过计算机间的数据通讯与现有横向振动状态监测系统进行数据交换,并进一步进行多传感器的信息融合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 98112805 CN1086808C (zh) | 1998-01-14 | 1998-01-14 | 基于扭振的回转机械状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 98112805 CN1086808C (zh) | 1998-01-14 | 1998-01-14 | 基于扭振的回转机械状态监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1191968A true CN1191968A (zh) | 1998-09-02 |
CN1086808C CN1086808C (zh) | 2002-06-26 |
Family
ID=5222601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 98112805 Expired - Fee Related CN1086808C (zh) | 1998-01-14 | 1998-01-14 | 基于扭振的回转机械状态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1086808C (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102090705A (zh) * | 2010-08-26 | 2011-06-15 | 龙岩烟草工业有限责任公司 | 一种提高烘丝工序过程能力的方法 |
CN102090703A (zh) * | 2010-08-26 | 2011-06-15 | 龙岩烟草工业有限责任公司 | 一种提高制丝工艺参数控制效果的方法 |
CN104089693A (zh) * | 2014-04-19 | 2014-10-08 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种汽轮发电机组转动轴扭振模态在线测量方法 |
CN105587475A (zh) * | 2015-12-16 | 2016-05-18 | 北京金风科创风电设备有限公司 | 风力发电机组及其塔架系统状态的检测方法和装置 |
CN105716871A (zh) * | 2016-02-22 | 2016-06-29 | 潍柴动力股份有限公司 | 一种内燃机曲轴扭振减振器的失效检测方法、装置及系统 |
CN107515253A (zh) * | 2017-07-10 | 2017-12-26 | 西安科技大学 | 基于卷积神经网络的梁结构缺陷非接触定量诊断方法 |
CN108716989A (zh) * | 2018-05-17 | 2018-10-30 | 长沙理工大学 | 一种汽轮发电机组轴系扭振故障监测方法、监测器及系统 |
CN110579352A (zh) * | 2019-10-15 | 2019-12-17 | 西安交通大学 | 扭振测试装置 |
CN111929044A (zh) * | 2020-07-15 | 2020-11-13 | 西门子工厂自动化工程有限公司 | 用于监控设备状态的方法、装置、计算设备和存储介质 |
CN112556825A (zh) * | 2021-02-22 | 2021-03-26 | 南京航空航天大学 | 复杂环境扭振测试系统及其测试方法 |
CN112857797A (zh) * | 2019-11-27 | 2021-05-28 | 睿捷国际股份有限公司 | 轧机设备扭振检测系统及扭振检测方法 |
CN116097185A (zh) * | 2020-09-15 | 2023-05-09 | 应用材料公司 | 用于表征伺服控制机构的频率响应诊断 |
-
1998
- 1998-01-14 CN CN 98112805 patent/CN1086808C/zh not_active Expired - Fee Related
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102090703A (zh) * | 2010-08-26 | 2011-06-15 | 龙岩烟草工业有限责任公司 | 一种提高制丝工艺参数控制效果的方法 |
CN102090703B (zh) * | 2010-08-26 | 2013-04-24 | 龙岩烟草工业有限责任公司 | 一种提高制丝工艺参数控制效果的方法 |
CN102090705B (zh) * | 2010-08-26 | 2013-04-24 | 龙岩烟草工业有限责任公司 | 一种提高烘丝工序过程能力的方法 |
CN102090705A (zh) * | 2010-08-26 | 2011-06-15 | 龙岩烟草工业有限责任公司 | 一种提高烘丝工序过程能力的方法 |
CN104089693B (zh) * | 2014-04-19 | 2017-01-11 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种汽轮发电机组转动轴扭振模态在线测量方法 |
CN104089693A (zh) * | 2014-04-19 | 2014-10-08 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种汽轮发电机组转动轴扭振模态在线测量方法 |
CN105587475B (zh) * | 2015-12-16 | 2018-12-21 | 北京金风科创风电设备有限公司 | 风力发电机组及其塔架系统状态的检测方法和装置 |
CN105587475A (zh) * | 2015-12-16 | 2016-05-18 | 北京金风科创风电设备有限公司 | 风力发电机组及其塔架系统状态的检测方法和装置 |
CN105716871A (zh) * | 2016-02-22 | 2016-06-29 | 潍柴动力股份有限公司 | 一种内燃机曲轴扭振减振器的失效检测方法、装置及系统 |
CN107515253A (zh) * | 2017-07-10 | 2017-12-26 | 西安科技大学 | 基于卷积神经网络的梁结构缺陷非接触定量诊断方法 |
CN107515253B (zh) * | 2017-07-10 | 2019-11-15 | 西安科技大学 | 基于卷积神经网络的梁结构缺陷非接触定量诊断方法 |
CN108716989A (zh) * | 2018-05-17 | 2018-10-30 | 长沙理工大学 | 一种汽轮发电机组轴系扭振故障监测方法、监测器及系统 |
CN108716989B (zh) * | 2018-05-17 | 2019-08-23 | 长沙理工大学 | 一种汽轮发电机组轴系扭振故障监测方法、监测器及系统 |
CN110579352A (zh) * | 2019-10-15 | 2019-12-17 | 西安交通大学 | 扭振测试装置 |
CN112857797A (zh) * | 2019-11-27 | 2021-05-28 | 睿捷国际股份有限公司 | 轧机设备扭振检测系统及扭振检测方法 |
CN112857797B (zh) * | 2019-11-27 | 2023-08-08 | 睿捷国际股份有限公司 | 轧机设备扭振检测系统及扭振检测方法 |
CN111929044A (zh) * | 2020-07-15 | 2020-11-13 | 西门子工厂自动化工程有限公司 | 用于监控设备状态的方法、装置、计算设备和存储介质 |
CN111929044B (zh) * | 2020-07-15 | 2023-08-08 | 西门子工厂自动化工程有限公司 | 用于监控设备状态的方法、装置、计算设备和存储介质 |
CN116097185A (zh) * | 2020-09-15 | 2023-05-09 | 应用材料公司 | 用于表征伺服控制机构的频率响应诊断 |
CN116097185B (zh) * | 2020-09-15 | 2024-03-05 | 应用材料公司 | 用于表征伺服控制机构的频率响应诊断的运动控制服务器、方法和非暂时性计算机可读存储媒体 |
CN112556825A (zh) * | 2021-02-22 | 2021-03-26 | 南京航空航天大学 | 复杂环境扭振测试系统及其测试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1086808C (zh) | 2002-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jayaswal et al. | Machine fault signature analysis | |
Mechefske et al. | Fault detection and diagnosis in low speed rolling element bearings Part I: The use of parametric spectra | |
Peng et al. | Comprehensive planet gear diagnostics: Use of transmission error and mesh phasing to distinguish localised fault types and identify faulty gears | |
CN103645052B (zh) | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 | |
Peng et al. | Use of mesh phasing to locate faulty planet gears | |
Li et al. | Gear fault detection and diagnosis under speed-up condition based on order cepstrum and radial basis function neural network | |
Zhe et al. | Pitting damage levels estimation for planetary gear sets based on model simulation and grey relational analysis | |
CN1086808C (zh) | 基于扭振的回转机械状态监测方法 | |
Zhao et al. | Bearing multi-fault diagnosis with iterative generalized demodulation guided by enhanced rotational frequency matching under time-varying speed conditions | |
CN103616187B (zh) | 一种基于多维度信息融合的故障诊断方法 | |
CN103940611B (zh) | 一种风电机组变工况下滚动轴承自适应异常检测方法 | |
CN107461342A (zh) | 一种离心泵故障在线诊断方法及系统 | |
Moghadam et al. | Theoretical and experimental study of wind turbine drivetrain fault diagnosis by using torsional vibrations and modal estimation | |
Márquez et al. | An overview of wind turbine maintenance management | |
CN102928224A (zh) | 一种检测风力发电机组轴承故障的方法 | |
Shi et al. | A dual-guided adaptive decomposition method of fault information and fault sensitivity for multi-component fault diagnosis under varying speeds | |
CN113280910A (zh) | 一种长材生产线设备实时监测方法及系统 | |
Miljković | Brief review of vibration based machine condition monitoring | |
Nacib et al. | A comparative study of various methods of gear faults diagnosis | |
JP3103193B2 (ja) | 回転機械の診断装置 | |
Martin | KAStrion project: a new concept for the condition monitoring of wind turbines | |
CN111077857A (zh) | 一种电厂设备管理平台系统及设备管理方法 | |
Ismail et al. | A statistical index for monitoring tooth cracks in a gearbox | |
Li et al. | Early Fault Detection of Gearbox Using TSA and VAR Model Considering Load Variation | |
Grządziela et al. | An application of order tracking procedure for diagnosis technical state of rotor system in shut-down process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C06 | Publication | ||
PB01 | Publication | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1036784 Country of ref document: HK |
|
C19 | Lapse of patent right due to non-payment of the annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |