EA034627B1 - Способ вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения - Google Patents
Способ вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения Download PDFInfo
- Publication number
- EA034627B1 EA034627B1 EA201800244A EA201800244A EA034627B1 EA 034627 B1 EA034627 B1 EA 034627B1 EA 201800244 A EA201800244 A EA 201800244A EA 201800244 A EA201800244 A EA 201800244A EA 034627 B1 EA034627 B1 EA 034627B1
- Authority
- EA
- Eurasian Patent Office
- Prior art keywords
- frequencies
- vibration
- bearing
- wavelet
- envelope
- Prior art date
Links
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
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Изобретение относится к области вибрационной диагностики роторного оборудования с использованием систем и способов обработки вибрационных сигналов и может использоваться для раннего выявления дефектов промышленного оборудования, возникающих в процессе эксплуатации, что позволит проводить его своевременное техническое обслуживание и ремонт. Предложен способ вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения путем обработки сигнала вибрации заключается в том, что вибрационный сигнал, полученный от установленного на оборудовании акселерометра, подвергают вейвлет-преобразованию с применением базисной функции ψ(t)где параметр k задает скорость убывания экспоненты, а параметр ω - доминирующую циклическую частоту вейвлета, формируют матрицу вейвет-коэффициентов и строят скейлограмму сигнала; определяют доминирующие собственные частоты оборудования, содержащие ударные процессы, на основе поиска максимумов скейлограммы; выбирают наборы вейвлет-коэффициентов, соответствующие найденным на скейлограмме частотам; для каждого выбранного набора вейвлет-коэффициентов при помощи преобразования Гильберта строят огибающую, на основе которой определяют местоположение ударных импульсов во временном сигнале; рассчитывают преобразование Фурье от огибающей набора вейвлет-коэффициентов, осуществляют поиск набора подшипниковых частот в спектре и формируют матрицу найденных подшипниковых частот; по результатам сравнения совокупности найденных подшипниковых частот с шаблоном делают заключение о техническом состоянии подшипника.
Description
Изобретение относится к области вибрационной диагностики роторного оборудования с использованием систем и способов обработки вибрационных сигналов и может использоваться для раннего выявления дефектов промышленного оборудования, возникающих в процессе эксплуатации, что позволит проводить его своевременное техническое обслуживание и ремонт.
Известен способ вибрационной диагностики подшипников качения, который заключается в анализе спектра Фурье огибающей вибросигнала. Вибросигнал подвергается полосовой фильтрации и вычисляется его огибающая. Рассчитывается спектр Фурье от огибающей вибросигнала. Вычисляются основные подшипниковые частоты. Осуществляется поиск подшипниковых частоты в спектре огибающей. Заключение о наличие дефекта подшипника и степени его выраженности делается на основе схожести найденных спектральных компонент с шаблоном конкретного дефект [1].
Недостатком указанного способа является сильная зависимость качества работы способа от выбранной полосы фильтрации, что влияет на достоверность результата диагностики.
Известны также способы вибрационной диагностики роторного оборудования, которые заключаются в использовании спектрального куртозиса для оценки центральной частоты и полосы пропускания полосового фильтра [2, 3].
Недостатком указанных способов является их низкая чувствительность к зарождающимся дефектам из-за отсутствия анализа формы временного сигнала (ударных процессов).
Известен также способ выделения физиологической информации на основе базисных функций и непрерывного вейвлет-преобразования, который заключается в поиске интересующих областей в частотной области при помощи набора базисных функций и непрерывного вейвлет-преобразования [4].
Недостатком указанного способа является низкая чувствительность метода при обнаружении зарождающихся дефектов на ранней стадии их развития из-за использования базисных функций, неадаптированных для решения задач вибрационной диагностики.
Задача, решаемая изобретением, заключается в увеличении чувствительности способа вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения и повышении достоверности результатов диагностики. Поставленная задача решается заявляемым способом вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения на основе анализа спектра огибающей вибрации при помощи предварительной вейвлет-фильтрации с использованием базисной функции, оптимизированной для выделения ударных процессов подшипников качения.
В соответствии с изобретением способ вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения путем обработки сигнала вибрации, заключается в том, что вибрационный сигнал, полученный от установленного на оборудовании акселерометра, подвергают непрерывному вейвлет-преобразованию с применением базисной функции (t):
где параметр k задает скорость убывания экспоненты, а параметр ω -доминирующую циклическую частоту вейвлета;
формируют матрицу вейвлет-коэффициентов и строят скейлограмму сигнала;
определяют доминирующие собственные частоты оборудования, содержащие ударные процессы, на основе поиска максимумов скейлограммы;
выбирают наборы вейвлет-коэффициентов, соответствующие найденным на скейлограмме частотам;
для каждого выбранного набора вейвлет-коэффициентов при помощи преобразования Гильберта строят огибающую, на основе которой определяют местоположение ударных импульсов во временном сигнале;
рассчитывают преобразование Фурье от огибающей набора вейвлет-коэффициентов, осуществляют поиск набора подшипниковых частот в спектре и формируют матрицу найденных подшипниковых частот;
по результатам сравнения совокупности найденных подшипниковых частот с шаблоном делают заключение о техническом состоянии подшипника.
По сравнению с известным решением [1] предлагаемый способ осуществляет выбор полосы частот для фильтрации адаптивно на основе анализа скейлограммы, что повышает выраженность спектральных компонент в анализируемой полосе частот и, следовательно, повышает чувствительность и точность вибрационной диагностики подшипников качения.
По сравнению с известными решениями [2, 3] предлагаемый способ анализирует форму временного сигнала, т.е. осуществляет выбор полосы фильтрации, содержащей ударные процессы подшипников качения. Предлагаемый способ имеет большую чувствительность при обнаружении зарождающихся дефектов подшипников качения.
- 1 034627
По сравнению с известным решением [4] базисная функция предлагаемого способа оптимизирована для выделения ударных процессов подшипников качения, поэтому обладает большей точностью при поиске собственных частот подшипника и, как следствие, большей чувствительностью при детектировании дефектов подшипников качения.
Заявляемый способ увеличивает чувствительность спектральных методов вибрационной диагностики по обнаружению дефектов подшипников качения на 8-12%. Для специалиста очевидно, что данный способ диагностики можно распространить и на другие элементы роторного оборудования, такие как зубчатые передачи, соединительные муфты и т.д.
Изобретение поясняется с помощью фигур.
Фиг. 1 - схема диагностируемого оборудования с установленным датчиком вибрации;
фиг. 2 - вибрационный сигнал подшипника качения 6213 с дефектом наружного кольца;
фиг. 3 - базисная вейвлет-функция;
фиг. 4 - скейлограмма, построенная на основе вейвлет-функции vm(t);
фиг. 5 - скейлограмма и найденные собственные частоты Fr1 и Fr2;
фиг. 6 - спектр Фурье огибающей вибрации для частоты Fr1;
фиг. 7 - спектр Фурье огибающей вибрации для частоты Fr2.
Заявляемый способ иллюстрируется примером диагностики подшипника 6213, установленного на испытательном стенде, схематично изображенном на фиг. 1, где 1, 4 - шарикоподшипник радиальный 6213 (подшипник001, подшипник002); 2 - вал (вал001); 3 - электродвигатель АИР16084, 5 - датчик вибрации.
На первом этапе от акселерометра (датчика вибрации), установленного на диагностируемом элементе оборудования (фиг. 1 подшипник002), получают вибрационный сигнал (фиг. 2).
На втором этапе при помощи вейвлет-функции vm(t) (1) (фиг. 3) и непрерывного вейвлетпреобразования рассчитывают скейлограмма вибросигнала (фиг. 4), которая описывает распределение энергии сигнала по частоте (масштабам вейвлет-преобразования). Производят ее нормировку по амплитуде. Осуществляют поиск максимумов (гребней) скейлограммы и определяют доминирующие собственные частоты оборудования (масштабные коэффициенты вейвлета Vm(t)) (фиг. 5). Например, для приведенного на фиг. 2 вибрационного сигнала на скейлограмме найдены собственные частоты Fr1=1115 Гц и Fr2=4172 Гц.
На третьем этапе рассчитывают огибающую по Гильберту для наборов вейвлет-коэффициентов, соответствующих собственным частотам Fr1 и Fr2. Вычисляют спектр Фурье для огибающей каждого полученного наборов вейвлет-коэффициентов.
На четвертом этапе в соответствии с моделью подшипника и скоростью вращения вала, на котором подшипник установлен, рассчитывают значения основных подшипниковых частот. Осуществляют поиск подшипниковых частот в спектрах Фурье огибающей вибрации для собственных частот Fr1 и Fr2.
На пятом шаге по результатам сравнения наборов найденных подшипниковых частот для Fr1 и Fr2 с шаблонами, хранящимися в базе данных, делают заключение о наличии/отсутствии дефектов подшипника качения и их выраженности (фиг. 6 и 7). Спектр Фурье огибающей вибрации для собственной частоты Fr2, представленный на фиг. 7, указывает на выраженный дефект наружного кольца подшипника 6213 (подшипник002), сходство с шаблоном 78%. Спектр Фурье огибающей вибрации для собственной частоты Fr1, представленный на фиг. 6, указывает на биение вала вал001, сходство с шаблоном 61%. Сходство рассчитывается как сумма весовых коэффициентов найденных подшипниковых частот.
Источники информации:
[1] Барков А.В., Баркова Н.А. Вибрационная диагностика машин и оборудования. Анализ вибрации: учеб. пособие / СПб.: СПбГМТУ, 2004. - 156 с.
[2] CN 106053069 А. 2016.02.04, G 06 М 13/00.
[3] CN 102866010 В, 2015.10.26, G 06 N 13/04.
[4] US 8226568 (В2), 2012.07.24, G 06 А 15/00; G 11 C 17/00.
Claims (2)
- Способ вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения путем обработки сигнала вибрации, полученного от акселерометра, отличающийся тем, что вибрационный сигнал подвергают непрерывному вейвлет-преобразованию с применением базисной функ ции Vm(t):где параметр k задает скорость убывания экспоненты, а параметр ω - доминирующую циклическую
- - 2 034627 частоту вейвлета;формируют матрицу вейвет-коэффициентов и строят скейлограмму сигнала;определяют доминирующие собственные частоты оборудования, содержащие ударные процессы, на основе поиска максимумов скейлограммы;выбирают наборы вейвлет-коэффициентов, соответствующие найденным на скейлограмме частотам;для каждого выбранного набора вейвлет-коэффициентов при помощи преобразования Гильберта строят огибающую, на основе которой определяют местоположение ударных импульсов во временном сигнале;рассчитывают преобразование Фурье от огибающей набора вейвлет-коэффициентов, осуществляют поиск набора подшипниковых частот в спектре и формируют матрицу найденных подшипниковых частот;по результатам сравнения совокупности найденных подшипниковых частот с шаблоном делают заключение о техническом состоянии подшипника.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EA201800244A EA034627B1 (ru) | 2018-03-06 | 2018-03-06 | Способ вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EA201800244A EA034627B1 (ru) | 2018-03-06 | 2018-03-06 | Способ вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| EA201800244A1 EA201800244A1 (ru) | 2019-09-30 |
| EA034627B1 true EA034627B1 (ru) | 2020-02-28 |
Family
ID=68000186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| EA201800244A EA034627B1 (ru) | 2018-03-06 | 2018-03-06 | Способ вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения |
Country Status (1)
| Country | Link |
|---|---|
| EA (1) | EA034627B1 (ru) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1472781A1 (ru) * | 1987-04-13 | 1989-04-15 | Институт Проблем Машиностроения Ан Усср | Способ вибрационной диагностики технического состо ни роторных машин |
| RU2356021C2 (ru) * | 2007-05-02 | 2009-05-20 | Государственное образовательное учреждение высшего профессионального образования "Южно-Уральский государственный университет" | Способ вибрационной диагностики роторных систем |
| US8226568B2 (en) * | 2008-07-15 | 2012-07-24 | Nellcor Puritan Bennett Llc | Signal processing systems and methods using basis functions and wavelet transforms |
-
2018
- 2018-03-06 EA EA201800244A patent/EA034627B1/ru not_active IP Right Cessation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1472781A1 (ru) * | 1987-04-13 | 1989-04-15 | Институт Проблем Машиностроения Ан Усср | Способ вибрационной диагностики технического состо ни роторных машин |
| RU2356021C2 (ru) * | 2007-05-02 | 2009-05-20 | Государственное образовательное учреждение высшего профессионального образования "Южно-Уральский государственный университет" | Способ вибрационной диагностики роторных систем |
| US8226568B2 (en) * | 2008-07-15 | 2012-07-24 | Nellcor Puritan Bennett Llc | Signal processing systems and methods using basis functions and wavelet transforms |
Non-Patent Citations (1)
| Title |
|---|
| AHEEM Khalid F. et al. Rolling bearing fault diagnostics using artificial neural networks based on Laplace wavelet analysis. International Journal of engineering, Science and Technology, 2010, vol. 2, No. 6, pp. 278-290 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EA201800244A1 (ru) | 2019-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Antoni et al. | Feedback on the Surveillance 8 challenge: Vibration-based diagnosis of a Safran aircraft engine | |
| CN109682601B (zh) | 一种变转速工况下滚动轴承的早期故障识别方法 | |
| CN108760327B (zh) | 一种航空发动机转子故障的诊断方法 | |
| US10495546B2 (en) | Method, system and computer program for the acoustic analysis of a machine | |
| CN110160767B (zh) | 基于包络分析的冲击周期自动识别与提取方法及系统 | |
| CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
| Li et al. | Early fault diagnosis of rotating machinery by combining differential rational spline-based LMD and K–L divergence | |
| CN112101174A (zh) | 一种基于LOF-Kurtogram的机械故障诊断方法 | |
| He et al. | A joint adaptive wavelet filter and morphological signal processing method for weak mechanical impulse extraction | |
| Chegini et al. | New fault diagnosis approaches for detecting the bearing slight degradation | |
| Klausen et al. | Multi-band identification for enhancing bearing fault detection in variable speed conditions | |
| Bastami et al. | Estimating the size of naturally generated defects in the outer ring and roller of a tapered roller bearing based on autoregressive model combined with envelope analysis and discrete wavelet transform | |
| CN114850968A (zh) | 基于振动模型的刀具磨损监测方法、装置、终端及介质 | |
| Zhao et al. | Rolling bearing composite fault diagnosis method based on EEMD fusion feature | |
| Singh et al. | A review of vibration analysis techniques for rotating machines | |
| Shi et al. | The VMD-scale space based hoyergram and its application in rolling bearing fault diagnosis | |
| Alsalaet et al. | Bearing fault diagnosis using normalized diagnostic feature-gram and convolutional neural network | |
| CN105987809A (zh) | 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 | |
| CN113314142B (zh) | 发动机故障检测方法、系统、存储介质及设备 | |
| Chegini et al. | New bearing slight degradation detection approach based on the periodicity intensity factor and signal processing methods | |
| EA034627B1 (ru) | Способ вибрационной диагностики роторного оборудования для выявления дефектов подшипников качения | |
| Cong et al. | Research on the order selection of the autoregressive modelling for rolling bearing diagnosis | |
| Zhang et al. | Weighted sparsity-based denoising for extracting incipient fault in rolling bearing | |
| CN116625681A (zh) | 一种基于短时傅里叶变换的谱幅值调制滚动轴承故障诊断方法 | |
| Manhertz et al. | Evaluation of short-time fourier-transformation spectrograms derived from the vibration measurement of internal-combustion engines |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Lapse of a eurasian patent due to non-payment of renewal fees within the time limit in the following designated state(s) |
Designated state(s): AM AZ KZ KG TJ TM |
|
| MM4A | Lapse of a eurasian patent due to non-payment of renewal fees within the time limit in the following designated state(s) |
Designated state(s): BY RU |