RU2187086C2 - Method of determination of state-of-object vibration diagnosis - Google Patents
Method of determination of state-of-object vibration diagnosis Download PDFInfo
- Publication number
- RU2187086C2 RU2187086C2 RU99126400/28A RU99126400A RU2187086C2 RU 2187086 C2 RU2187086 C2 RU 2187086C2 RU 99126400/28 A RU99126400/28 A RU 99126400/28A RU 99126400 A RU99126400 A RU 99126400A RU 2187086 C2 RU2187086 C2 RU 2187086C2
- Authority
- RU
- Russia
- Prior art keywords
- state
- parameters
- vibration
- quantitative
- diagnosis
- Prior art date
Links
Images
Abstract
Description
Изобретение относится к области вибродиагностики объектов, работающих в условиях колебаний. The invention relates to the field of vibration diagnostics of objects operating in conditions of oscillation.
Известен метод вибродиагностики состояния объектов, называемый спектральным анализом [1, сс.270,401], [2, сс.128, 134, 428], [3, сс.20, 234]. Спектральная плотность мощности позволяет судить о частотных свойствах случайного процесса. Она характеризует его интенсивность при различных частотах или, иначе, среднюю мощность, приходящуюся на единицу полосы частот. Но при практическом применении возникают проблемы с распознаванием происходящих изменений и с разделением признаков дефектов. The known method of vibration diagnostics of the state of objects, called spectral analysis [1, pp. 270,401], [2, pp. 128, 134, 428], [3, pp. 20, 234]. The power spectral density makes it possible to judge the frequency properties of a random process. It characterizes its intensity at different frequencies or, in other words, the average power per unit frequency band. But in practical use, problems arise with the recognition of changes that occur and with the separation of signs of defects.
Известен корреляционный анализ [1, сс.274, 402], [2, сс. 133, 134], [3, сс. 16, 113]. При исследовании различных систем и явлений часто встречаются процессы с медленными нестационарными изменениями. Они характеризуются тем, что случайная функция ведет себя почти как стационарная на больших интервалах, превосходящих интервал корреляции. Хотя среднее значение mx(t) и непостоянно во времени, корреляционная функция KX(t, t+τ) зависит не только от разности аргументов, но и от времени, изменения этих характеристик на протяжении интервала, большего длительности интервала корреляции, весьма малы. Подобные процессы анализируют как стационарные эргодические, имея в виду возможность некоторой погрешности. Но возникают трудности: принципиальные и аппаратурные. Согласно определению функция корреляции должна вычисляться по бесконечно большому ансамблю реализаций. Практически число реализаций в ансамбле не только конечно, но часто не велико. Получение же приемлемых оценок требует довольно большого объема статистического материала. Не исключены ситуации, при которых исследователь располагает вообще одной реализацией. Аппаратурные трудности при прямом решении задачи обусловлены необходимостью запоминания большого объема информации и проведения весьма значительного количества вычислительных операций. Все это требует применения в цифровых установках сложных запоминающих и арифметических устройств.Known correlation analysis [1, pp. 274, 402], [2, pp. 133, 134], [3, ss. 16, 113]. In the study of various systems and phenomena, processes with slow unsteady changes are often encountered. They are characterized by the fact that the random function behaves almost like a stationary one at large intervals exceeding the correlation interval. Although the average value of m x (t) is variable over time, the correlation function K X (t, t + τ) depends not only on the difference of the arguments, but also on time; changes in these characteristics over an interval longer than the duration of the correlation interval are very small . Such processes are analyzed as stationary ergodic, bearing in mind the possibility of some error. But difficulties arise: fundamental and hardware. According to the definition, the correlation function must be calculated from an infinitely large ensemble of realizations. In practice, the number of implementations in the ensemble is not only finite, but often not large. Obtaining acceptable estimates requires a rather large amount of statistical material. Situations are possible in which the researcher has in general one implementation. Hardware difficulties in the direct solution of the problem are due to the need to memorize a large amount of information and conduct a very significant number of computational operations. All this requires the use of complex memory and arithmetic devices in digital installations.
Известен кепстральный анализ [1, с.404]. Метод основан на преобразовании Фурье от логарифмического спектра мощности, позволяет разделить по времени информацию о сигнале, полученную в результате многократных отражений, при нелинейных преобразованиях и модуляции. При этом энергия виброакустического сигнала, рассеянная по множеству гармоник в спектральном представлении, локализуется в одной составляющей в кепстральном представлении сигнала. Но кепстральный анализ можно использовать только в тех случаях, когда колебательный процесс имеет периодически модулированный спектр. Known cepstral analysis [1, p.404]. The method is based on the Fourier transform of the logarithmic power spectrum; it allows one to separate in time the signal information obtained as a result of multiple reflections during nonlinear transformations and modulation. In this case, the energy of the vibroacoustic signal scattered over many harmonics in the spectral representation is localized in one component in the cepstral representation of the signal. But cepstral analysis can be used only in those cases when the oscillatory process has a periodically modulated spectrum.
Известен метод анализа распределения вероятностей [1. сс.266, 405], [3, сс.24, 278]. Метод основан на определении законов распределения вероятностей мгновенных значений случайных процессов. Здесь предполагается, что случайный процесс стационарный и обладает эргодическим свойством. Однако в практике экспериментальных исследований характеристик случайных процессов нередко возникает необходимость определять распределение вероятностей нестационарных случайных процессов. В подобных случаях не представляется возможным проведение исследования на одной реализации, даже если ее длительность и велика. Такое же затруднение возникает и при анализе стационарных процессов, не являющихся эргодическими. Определение характеристик нестационарных случайных процессов представляет весьма сложную задачу. A known method of analyzing the probability distribution [1. pp. 266, 405], [3, pp. 24, 278]. The method is based on determining the laws of probability distribution of instantaneous values of random processes. It is assumed here that the random process is stationary and has an ergodic property. However, in the practice of experimental studies of the characteristics of random processes, it is often necessary to determine the probability distribution of non-stationary random processes. In such cases, it is not possible to conduct research on one implementation, even if its duration is long. The same difficulty arises in the analysis of stationary processes that are not ergodic. Characterization of non-stationary random processes is a very difficult task.
Кроме названных существуют и другие методы обработки диагностической информации, но они сопряжены с различными трудностями аппаратурного или математического плана и основаны на определении количественных изменений получаемых характеристик, обладают значительной степенью недостоверности получаемых результатов. In addition to the above, there are other methods for processing diagnostic information, but they are associated with various difficulties of the hardware or mathematical plan and are based on the determination of quantitative changes in the obtained characteristics and have a significant degree of uncertainty of the obtained results.
В настоящее время в вибродиагностике используют в основном метод спектрального анализа, поскольку он является базой для всех методов, использующих частотный состав сигналов. Анализ проводится на базе спектрального разложения и различных показателей спектра (амплитуды спектральных компонент, дисперсия, среднее квадратическое отклонение и т.п.). At present, the method of spectral analysis is mainly used in vibration diagnostics, since it is the basis for all methods that use the frequency composition of signals. The analysis is carried out on the basis of spectral decomposition and various spectrum indicators (amplitudes of spectral components, dispersion, standard deviation, etc.).
Наиболее близким к заявляемому является способ ранней диагностики состояния объекта, а именно подшипников ротора турбины высокого давления, включающий вибродиагностику, при которой проводят регистрацию вибросигналов, снимаемых с объекта диагностирования, на различных стадиях технического состояния и их последующую обработку [4]. Обработка включает выявление характеристик вибросигнала, чувствительных к наличию и степени развития повреждения, взаимный сравнительный анализ и определение отличий в вибросигналах и их характеристиках, соответствующих различным состояниям объекта, такие как расчет и построение функции некогерентности, невзаимной части спектра, некогерентной спектральной мощности, разностных спектральных характеристик. Closest to the claimed is a method of early diagnosis of the state of an object, namely, bearings of a rotor of a high pressure turbine, including vibration diagnostics, in which the vibration signals recorded from the diagnostic object are recorded at various stages of the technical condition and their subsequent processing [4]. Processing includes identifying the characteristics of the vibration signal that are sensitive to the presence and degree of damage, mutual comparative analysis and determining differences in vibration signals and their characteristics corresponding to various conditions of the object, such as calculating and constructing the incoherence function, the nonreciprocal part of the spectrum, incoherent spectral power, and difference spectral characteristics .
Недостатком указанного способа является недостаточная достоверность диагноза состояния объекта, что объясняется природой возникновения и проявления вибрационного возмущения, носящего случайный характер. Кроме того, затруднена идентификация конкретного дефекта, если их несколько. Например, для спектрального анализа форма спектров достаточно размыта и тяжело найти соответствие между дефектами (их типом и величиной) и изменениями спектральных характеристик, на форму спектров сильно влияют помехи. Кроме тою, все перечисленные способы анализа используют одну из производных сигнала (т.е. виброперемещение или виброскорость или виброускорение), таким образом, рассматриваются одномерные процессы. The disadvantage of this method is the lack of reliability of the diagnosis of the state of the object, which is explained by the nature of the occurrence and manifestation of vibrational disturbances, which is random in nature. In addition, it is difficult to identify a specific defect, if there are several. For example, for spectral analysis, the shape of the spectra is quite blurred and it is difficult to find a correspondence between defects (their type and magnitude) and changes in spectral characteristics, the shape of the spectra is strongly affected by interference. In addition, all the above analysis methods use one of the derivatives of the signal (i.e., vibration displacement or vibration velocity or vibration acceleration), thus, one-dimensional processes are considered.
Целью заявляемого способа является повышение достоверности диагностики за счет определения параметров технического состояния по взаимному однозначному соответствию диагностических признаков этим параметрам. The aim of the proposed method is to increase the reliability of diagnosis by determining the parameters of the technical condition according to a one-to-one correspondence of diagnostic signs to these parameters.
Необходимо повысить информативность начальной информации и тем самым найти однозначные признаки конкретных дефектов объекта диагностирования. Так же целью является определение качественных и количественных изменений и прогнозирование состояния объекта. Таким образом, необходимо перейти к n-мерному пространству начальной информации, т.е. надо повысить ее мерность от одного до n с тем, чтобы проводить анализ в пространстве состояний (фазовом пространстве). It is necessary to increase the information content of the initial information and thereby find unambiguous signs of specific defects of the diagnostic object. The goal is also to determine the qualitative and quantitative changes and forecast the state of the object. Thus, it is necessary to pass to the n-dimensional space of initial information, i.e. it is necessary to increase its dimension from one to n in order to conduct an analysis in the state space (phase space).
Указанная цель достигается тем, что в способе определения состояния объекта при вибродиагностике, включающем получение вибродиагностических параметров исследуемого объекта в виде вибросигнала (перемещение, скорость, ускорение и т.п.) во временной области, их последующую обработку. В качестве анализируемых характеристик используют характеристики пространств состояний или фазовых пространств вибросигнала и его интегро-дифференциальных составляющих, по изменению которых определяется текущее состояние объекта, обеспечивается многомерность исследования. Метод основан на использовании фазовых пространств характеристик оборудования, по типу и виду которых (их количественному и качественному изменению) можно непосредственно определить тип и степень повреждения. Выявление количественных и качественных признаков дефектов может происходить, например, путем экспериментального или теоретического (на основе математической модели объекта) сопоставления дефекта и его изменений соответствующим количественным и качественным изменениям диагностических признаков (тарирования). Количественная характеристика дефекта может определяться путем соотнесения дефекта с соответствующим видом подпространства и соотнесения количественных характеристик дефекта с количественными характеристиками подпространства [6, cc. 164-167], [7, cc. 112-119]. This goal is achieved by the fact that in the method for determining the state of an object during vibration diagnostics, which includes obtaining the vibration and diagnostic parameters of the object under study in the form of a vibro-signal (displacement, speed, acceleration, etc.) in the time domain, their subsequent processing. As the analyzed characteristics, we use the characteristics of state spaces or phase spaces of the vibrosignal and its integro-differential components, by changing which the current state of the object is determined, multidimensionality of the study is ensured. The method is based on the use of phase spaces of equipment characteristics, the type and type of which (their quantitative and qualitative change) can directly determine the type and degree of damage. Identification of quantitative and qualitative signs of defects can occur, for example, by experimental or theoretical (based on the mathematical model of an object) comparison of a defect and its changes with corresponding quantitative and qualitative changes in diagnostic signs (taring). The quantitative characteristic of the defect can be determined by correlating the defect with the corresponding type of subspace and correlating the quantitative characteristics of the defect with the quantitative characteristics of the subspace [6, cc. 164-167], [7, cc. 112-119].
Под фазовым пространством порядка n•m•k понимается совместное изображение производной порядка n и производных порядка m и k наблюдаемого параметра, где n, m и k 0, 1, 2,... (фазовое пространство может быть 2-х (фазовые портреты), 3-х, 4-х и более мерным), его еще называют пространством состояний. A phase space of order n • m • k is a joint image of a derivative of order n and derivatives of order m and k of the observed parameter, where n, m and k are 0, 1, 2, ... (phase space can be 2 (phase portraits ), 3, 4 and more dimensional), it is also called the state space.
В зависимости от диагностируемых параметров - зазор, состояние тел качения, состояние смазки (вязкость, давление и т.п.), состояние поверхности, форма вала, подшипника и др. - определяют виды подпространств (фазовых портретов, сечения многомерного фазового пространства и т. п.) и выделяют подпространства, наиболее информативные для каждого диагностируемого параметра с помощью соотнесения изменений технического состояния с изменениями на фазовых пространствах. Наиболее информативными при этом являются те пространства, где изменения состояния проявляются наиболее наглядно и измеримо, т. е. когда разница между двумя соседними состояниями наибольшая между двумя соответствующими им количественными характеристиками фазовых пространств. Depending on the parameters being diagnosed - the gap, the state of the rolling elements, the state of the lubricant (viscosity, pressure, etc.), the surface condition, the shape of the shaft, bearing, etc. - determine the types of subspaces (phase portraits, cross-sections of multidimensional phase space, etc.). p.) and distinguish the subspaces that are most informative for each diagnosed parameter by correlating changes in the technical condition with changes in phase spaces. The most informative in this case are those spaces where state changes manifest themselves most clearly and measurably, that is, when the difference between two neighboring states is greatest between the two quantitative characteristics of phase spaces corresponding to them.
Особенностью способа является определение точек бифуркации, устанавливающих границы "грубых систем", т.е. тех точек, когда система переходит в другое качественное состояние [5, сс.133-137]. По скорости изменения количественных параметров пространства состояний и по скорости прохождения системой точек бифуркации осуществляют прогноз развития дефекта. A feature of the method is the determination of bifurcation points that establish the boundaries of "rough systems", i.e. those points when the system goes into another qualitative state [5, pp. 133-137]. According to the rate of change in the quantitative parameters of the state space and the rate of passage of the system of bifurcation points, a forecast of the development of the defect is carried out.
Известна теория исследования нелинейных колебаний на фазовой плоскости, описанная Андроновым А.А. и его коллегами в книге "Теория колебаний" в 1937 г. [5] . Авторы рассматривают двумерное фазовое пространство и только затрагивают цилиндрическое. А. Тондл в "Нелинейных колебаниях механических систем" [6] предлагает расширить понятие фазовой плоскости до понятия фазового пространства и вводит n-мерное фазовое пространство для описания колебаний механических систем. Авторами предлагаемого метода решается обратная задача: по виду фазовых траекторий определить состояние механической системы, т.е. найти причины, вызывающие колебания системы, определить параметры технического состояния. A well-known theory of the study of nonlinear oscillations in the phase plane, described by Andronov A.A. and his colleagues in the book "Theory of Oscillations" in 1937 [5]. The authors consider a two-dimensional phase space and only affect the cylindrical. A. Tondl in "Nonlinear Oscillations of Mechanical Systems" [6] proposes to expand the concept of the phase plane to the concept of phase space and introduces an n-dimensional phase space to describe the oscillations of mechanical systems. The authors of the proposed method solve the inverse problem: by the type of phase trajectories determine the state of the mechanical system, i.e. find the causes of fluctuations in the system, determine the parameters of the technical condition.
Способ обеспечивает возможность легкого разделения изменения конкретных параметров, влияющих на работу системы, что позволяет прогнозировать зависимость ресурса работы от указанного параметра, состояния и управлять надежностью работы системы с помощью целенаправленного изменения конкретных параметров системы или объекта диагностирования. The method provides the possibility of easy separation of changes in specific parameters that affect the operation of the system, which allows to predict the dependence of the service life on the specified parameter, state and to control the reliability of the system using targeted changes to specific parameters of the system or object of diagnosis.
Способ диагностирования имеет два режима, пока происходят количественные изменения, система является "грубой", как только система переходит в другое качественное состояние, она становится "негрубой". Точки бифуркации отделяют одну грубую систему от другой. В точке бифуркации хаотическое движение изображающей точки. Точки бифуркации соответствуют точкам, разделяющим качественное изменение объекта по диагностируемому параметру. Внутри "грубой системы" мы имеем возможность количественной оценки системы при лучшем разделении параметров состояния по сравнению с существующими методами. The diagnostic method has two modes, while quantitative changes occur, the system is “rough”, as soon as the system goes into another qualitative state, it becomes “not rough”. Bifurcation points separate one gross system from another. At the bifurcation point, the chaotic movement of the image point. The bifurcation points correspond to the points sharing the qualitative change in the object according to the diagnosed parameter. Inside the “rough system” we are able to quantify the system with a better separation of state parameters compared to existing methods.
Данный способ позволяет кроме количественной оценки производить качественную оценку состояния объекта. Но и количественные изменения признаков здесь являются на порядок информативнее, чем в известных методах без разборного контроля состояния объектов. Уже при малом изменении состояния объекта диагностирования количественные изменения фазовых портретов хорошо заметны. Метод является более наглядным, налицо хорошая визуализация контроля. На основе фазового пространства отслеживаются как качественные, так и количественные изменения состояний объекта, что позволяет производить прогнозирование переходов системы из одного качественного состояния в другое. Это повышает достоверность диагноза, т.к. вид фазового портрета изменяется не количественно, а качественно. This method allows in addition to quantitative assessment to produce a qualitative assessment of the state of the object. But quantitative changes in signs here are an order of magnitude more informative than in known methods without collapsible monitoring of the state of objects. Already with a small change in the state of the diagnostic object, quantitative changes in phase portraits are clearly noticeable. The method is more visual, there is a good visualization of control. Based on the phase space, both qualitative and quantitative changes in the state of the object are monitored, which allows predicting the transitions of the system from one qualitative state to another. This increases the reliability of the diagnosis, because the type of phase portrait does not change quantitatively, but qualitatively.
На фиг.1 показаны фазовые портреты при изменении зазора подшипника скольжения в координатах перемещение - скорость, на фиг.2 и фиг.3 - то же в координатах перемещение - ускорение, скорость - ускорение соответственно. Figure 1 shows the phase portraits when changing the clearance of the sliding bearing in the coordinates of the movement - speed, in figure 2 and figure 3 - the same in the coordinates of the movement - acceleration, speed - acceleration, respectively.
Способ осуществляют следующим образом. Полученный первоначально вибросигнал обрабатывается, т. е. в зависимости от того, какой сигнал получен (виброперемещение, виброускорение, виброскорость), находят его n интегрально-дифференциальных характеристик. Получают n-мерное пространство состояний. Выбираются (расчетно или экспериментально) наиболее информативные подпространства для конкретных типов дефектов. По количественным параметрам выбранных подпространств (сечений, фазовых портретов и т.п.) отслеживается зарождение и развитие дефектов. По изменениям картины пространства выносится суждение о качественном изменении состояния объекта диагностирования. Определяют точки бифуркации, которые определяют границы между качественно различными состояниями объекта. По скорости изменения количественных параметров и по скорости прохождения точек бифуркации осуществляют прогнозирование развития того или иного дефекта и состояние диагностируемой системы в целом. The method is as follows. The initially received vibration signal is processed, i.e., depending on which signal is received (vibration displacement, vibration acceleration, vibration velocity), its n integral-differential characteristics are found. An n-dimensional state space is obtained. The most informative subspaces for specific types of defects are selected (calculated or experimentally). According to the quantitative parameters of the selected subspaces (sections, phase portraits, etc.), the nucleation and development of defects is monitored. Based on changes in the picture of space, a judgment is made about a qualitative change in the state of the object of diagnosis. Bifurcation points are determined that define the boundaries between the qualitatively different states of the object. The rate of change in quantitative parameters and the speed of passage of bifurcation points are used to predict the development of a particular defect and the condition of the diagnosed system as a whole.
Метод применен к вибродиагностике роторной системы, содержащей "слабые" узлы в виде подшипников скольжения на гидродинамической смазке (фиг.1-3). После обработки исходного вибросигнала были найдены определенные виды фазовых портретов, наиболее информативные для конкретных дефектов (увеличивающийся зазор между втулкой и шипом, дисбаланс, уменьшение вязкости смазочного масла). The method is applied to the vibration diagnostics of a rotor system containing "weak" nodes in the form of sliding bearings on hydrodynamic lubricant (Fig.1-3). After processing the initial vibration signal, certain types of phase portraits were found that are most informative for specific defects (increasing clearance between the sleeve and the spike, imbalance, decrease in viscosity of the lubricating oil).
На чертежах приведены фазовые портреты подшипника скольжения с различными диаметральными зазорами. На фиг.1 приведены фазовые траектории сигнала в координатах нулевой и первой производной. Видим явное различие при высокой информативности, самый маленький эллипс соответствует зазору 40 мкм, самый большой 120 мкм. На фиг.2 приведены фазовые портреты в координатах нулевой и второй производной. Налицо изменение угла положения большой оси эллипса по часовой стрелке. На фиг.3 в координатах первой и второй производной видно изменение размеров осей эллипсов (вертикальная ось уменьшается, горизонтальная увеличивается). Данные соответствия выявлены на основе математической модели объекта диагностирования и сопоставления фазовых пространств, построенных на основе сигналов, отфильтрованных в районе информативных частот. Следующим образом:
- с помощью математической модели объекта численными методами (например, Рунге-Кутта-Мерсона) получены сигналы виброперемещения, виброскорости, виброускорения корпуса объекта при увеличивающемся дефекте;
- по опыту диагностики рассматриваемого объекта [1, 2] определены характерные частоты в спектре вибросигналов;
- полученные вибросигналы отфильтровываются третьоктавным фильтром около характерных частот;
- на основе отфильтрованных сигналов строятся фазовые пространства при различных значениях дефекта, в примере построены фазовые портреты (т.е. двумерные пространства);
- на каждом фазовом пространстве, соответствующем определенной частоте сигнала и определенному значению дефекта, замеряются количественные характеристики (площади фигур, углы наклона, размеры осей и т.п.), так устанавливается зависимость между количественными характеристиками фазовых пространств и развитием дефекта.The drawings show phase portraits of a plain bearing with various diametrical clearances. Figure 1 shows the phase trajectories of the signal in the coordinates of the zero and first derivative. We see a clear difference with high information content, the smallest ellipse corresponds to a gap of 40 microns, the largest 120 microns. Figure 2 shows the phase portraits in the coordinates of the zero and second derivatives. There is a change in the position angle of the major axis of the ellipse clockwise. Figure 3 in the coordinates of the first and second derivative shows the change in the dimensions of the axes of the ellipses (the vertical axis decreases, the horizontal increases). Correspondence data are identified on the basis of a mathematical model of the object of diagnosis and comparison of phase spaces constructed on the basis of signals filtered in the region of informative frequencies. In the following way:
- using the mathematical model of the object using numerical methods (for example, Runge-Kutta-Merson), signals of vibration displacement, vibration velocity, vibration acceleration of the object’s body with an increasing defect were obtained;
- from the diagnostic experience of the object in question [1, 2], the characteristic frequencies in the spectrum of vibration signals are determined;
- the received vibration signals are filtered out by a third octave filter near the characteristic frequencies;
- based on the filtered signals, phase spaces are constructed for various values of the defect, phase portraits are constructed in the example (i.e., two-dimensional spaces);
- on each phase space corresponding to a certain signal frequency and a certain defect value, quantitative characteristics are measured (squares of figures, tilt angles, axis sizes, etc.), so the relationship between the quantitative characteristics of phase spaces and the development of the defect is established.
Необходимо отметить, что наиболее информативными фазовыми пространствами могут оказаться необязательно пространства, построенные на основе отфильтрованных и отфильтрованных таким образом (около характерных частот) сигналов. Информативные сечения фазовых пространств выбираются на основании предварительного исследования объекта диагностирования, имеющегося опыта диагностики и уточняются экспериментально. It should be noted that the most informative phase spaces may not necessarily be spaces constructed on the basis of signals filtered and thus filtered (at the characteristic frequencies). Informative sections of phase spaces are selected on the basis of a preliminary study of the diagnostic object, the available diagnostic experience and are refined experimentally.
Экспериментальные исследования, цифровое моделирование подтвердили эффективность предложенного способа. При применении предлагаемого способа определения состояния объекта имеем систему диагностирования, обеспечивающую визуализацию, информативность и повышенную достоверность контроля состояния объекта диагностирования. Кроме того, метод позволяет посредством многомерности фазового пространства найти наиболее информативные сечения этого пространства для конкретных видов дефектов. Применение метода никоим образом не ограничивается представленными иллюстрациями и координатами, представленными на них. Фазовое пространство многомерное и многофакторное, поэтому набор сечений может быть различным. Experimental studies, digital modeling have confirmed the effectiveness of the proposed method. When applying the proposed method for determining the state of an object, we have a diagnostic system that provides visualization, informativeness and increased reliability of monitoring the state of the diagnostic object. In addition, the method allows one to find the most informative sections of this space for specific types of defects through the multidimensionality of the phase space. The application of the method is in no way limited to the illustrations presented and the coordinates presented on them. The phase space is multidimensional and multifactor, so the set of sections can be different.
Метод применим в любых отраслях промышленности, где существует необходимость определения технического состояния оборудования, работа которого связана с колебательными процессами. The method is applicable in any industries where there is a need to determine the technical condition of equipment whose operation is associated with oscillatory processes.
Источники информации
1. Вибрации в технике: Справочник. В 6-ти т./Ред. совет: В 41 В.Н. Челомей (пред.). -М.: Машиностроение, 1981, - Т. 5. Измерения и испытания. - Под ред. М.Д. Генкина. 1981. 496.с., ил.Sources of information
1. Vibration in technology: a reference. In 6 t. / Ed. Advice: In 41 V.N. Chelomei (previous). -M .: Mechanical Engineering, 1981, - T. 5. Measurements and tests. - Ed. M.D. Genkin. 1981. 496.p., ill.
2. Технические средства диагностирования: справочник/ В.В. Клюев, П.П. Пархоменко, В. Е. Абрамчук и др./ Под общ. ред. В.В. Клюева. -М.: Машиностроение, 1989. -672с., ил. 2. Technical diagnostic tools: reference book / V.V. Klyuev, P.P. Parkhomenko, V.E. Abramchuk and others / Under the general. ed. V.V. Klyueva. -M.: Engineering, 1989. -672s., Ill.
3. Мирский Г. Я. Аппаратурное определение характеристик случайных процессов. М.: Энергия, 1972. -456с., ил. 3. Mirsky G. Ya. Hardware determination of characteristics of random processes. M .: Energy, 1972.-456s., Ill.
4. Вибрационная диагностика подшипников авиационного двигателя. В. Адаменко, П. Жеманюк, В. Карасев, И. Потапов. СТА. 1/98, сс.98-101. 4. Vibration diagnostics of aircraft engine bearings. V. Adamenko, P. Zhemanyuk, V. Karasev, I. Potapov. STA. 1/98, pp. 98-101.
5. Андронов А.А., Витт А.А., Хайкин С.Э. Теория колебаний. -М.: Наука. Главная редакция физико-математической литературы, 1981. -568 с. 5. Andronov A.A., Witt A.A., Khaikin S.E. Theory of oscillations. -M .: Science. The main edition of the physical and mathematical literature, 1981. -568 p.
6. Нелинейные колебания механических систем. А. Тондл. М.: Мир. 1973. -335с. 6. Nonlinear vibrations of mechanical systems. A. Tondle. M .: World. 1973. -335 p.
7. Генкин М.Д., Соколова А.Г. Виброакустическая диагностика машин и механизмов. - М.: Машиностроение, 1987. - 288с. 7. Genkin M.D., Sokolova A.G. Vibroacoustic diagnostics of machines and mechanisms. - M.: Mechanical Engineering, 1987. - 288s.
8. Вибрации в технике: Справочник. В 6-ти т./Ред. совет: В 41 В.Н. Челомей (пред. ). -М.: Машиностроение, 1979, - Т.2. Колебания нелинейных механических систем. / Под ред. И.И. Блехмана. 1979, 351 с., ил. 8. Vibration in technology: a reference. In 6 t. / Ed. Advice: In 41 V.N. Chelomei (previous). -M.: Engineering, 1979, - T.2. Oscillations of nonlinear mechanical systems. / Ed. I.I. Blekhman. 1979, 351 pp., Ill.
Claims (3)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU99126400/28A RU2187086C2 (en) | 1999-12-14 | 1999-12-14 | Method of determination of state-of-object vibration diagnosis |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU99126400/28A RU2187086C2 (en) | 1999-12-14 | 1999-12-14 | Method of determination of state-of-object vibration diagnosis |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU99126400A RU99126400A (en) | 2001-10-10 |
| RU2187086C2 true RU2187086C2 (en) | 2002-08-10 |
Family
ID=20228169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU99126400/28A RU2187086C2 (en) | 1999-12-14 | 1999-12-14 | Method of determination of state-of-object vibration diagnosis |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2187086C2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012015326A1 (en) * | 2010-07-28 | 2012-02-02 | Speranskiy Anatoly Alekseevich | Method for reconstructing multi-parameter models of oscillations of mechanical systems |
| WO2012033425A1 (en) * | 2010-09-07 | 2012-03-15 | Speranskiy Anatoly Alekseevich | Method for reconstructing a three-dimensional model of the physical state of a monitoring object at a measurement point |
| RU2688340C2 (en) * | 2015-09-30 | 2019-05-21 | Сергей Александрович Тяпкин | Vibration diagnostic method of gas turbine engine |
| RU2766845C1 (en) * | 2021-01-29 | 2022-03-16 | Акционерное общество «Информационные спутниковые системы» имени академика М.Ф.Решетнёва» | Method of determining state of objects during vibration diagnostics |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2444039C1 (en) * | 2010-08-25 | 2012-02-27 | Государственное образовательное учреждение высшего профессионального образования "Южно-Уральский государственный университет" | Method and apparatus for diagnosing process device using process parameter sensor signal |
-
1999
- 1999-12-14 RU RU99126400/28A patent/RU2187086C2/en not_active IP Right Cessation
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012015326A1 (en) * | 2010-07-28 | 2012-02-02 | Speranskiy Anatoly Alekseevich | Method for reconstructing multi-parameter models of oscillations of mechanical systems |
| RU2536834C2 (en) * | 2010-07-28 | 2014-12-27 | ЭДВАНСТ ВЕКТОР АНАЛИТИКС СиАйЭй | Method of reconstructing multi-parameter models of oscillatory processes of mechanical systems |
| WO2012033425A1 (en) * | 2010-09-07 | 2012-03-15 | Speranskiy Anatoly Alekseevich | Method for reconstructing a three-dimensional model of the physical state of a monitoring object at a measurement point |
| RU2542589C2 (en) * | 2010-09-07 | 2015-02-20 | ЭДВАНСТ ВЕКТОР АНАЛИТИКС СиАйЭй | Method of reconstruction of three-dimensional image of physical state of monitored object in measurement point |
| RU2688340C2 (en) * | 2015-09-30 | 2019-05-21 | Сергей Александрович Тяпкин | Vibration diagnostic method of gas turbine engine |
| RU2766845C1 (en) * | 2021-01-29 | 2022-03-16 | Акционерное общество «Информационные спутниковые системы» имени академика М.Ф.Решетнёва» | Method of determining state of objects during vibration diagnostics |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| El-Thalji et al. | A summary of fault modelling and predictive health monitoring of rolling element bearings | |
| Tse et al. | Wavelet analysis and envelope detection for rolling element bearing fault diagnosis—their effectiveness and flexibilities | |
| Patel et al. | Defect detection in deep groove ball bearing in presence of external vibration using envelope analysis and Duffing oscillator | |
| Antoni et al. | Differential diagnosis of gear and bearing faults | |
| Yan et al. | Rotary machine health diagnosis based on empirical mode decomposition | |
| Popescu et al. | Fault detection of rolling element bearings using optimal segmentation of vibrating signals | |
| Singru et al. | Bearing failure prediction using Wigner-Ville distribution, modified Poincare mapping and fast Fourier transform | |
| Wernitz et al. | Recurrence analysis and phase space reconstruction of irregular vibration in friction brakes: Signatures of chaos in steady sliding | |
| Craig et al. | The use of correlation dimension in condition monitoring of systems with clearance | |
| Stender et al. | Revealing transitions in friction-excited vibrations by nonlinear time-series analysis | |
| Wang et al. | Size estimation for naturally occurring bearing faults using synchronous averaging of vibration signals | |
| Khanam et al. | Extracting rolling element bearing faults from noisy vibration signal using Kalman filter | |
| RU2187086C2 (en) | Method of determination of state-of-object vibration diagnosis | |
| Lu et al. | Acoustics based monitoring and diagnostics for the progressive deterioration of helical gearboxes | |
| Iunusova et al. | Early fault diagnosis in rolling element bearings: comparative analysis of a knowledge-based and a data-driven approach | |
| Gałęzia et al. | Possibilities of faults detection of rolling bearings using energetic descriptors of vibrations signals | |
| Kitio Kwuimy et al. | Sequential recurrence analysis of experimental time series of a rotor response with bearing outer race faults | |
| Ahsan et al. | Early-stage faults detection using harmony search algorithm and stft-based spectral kurtosis | |
| Puchalski et al. | A generalised entropy in multifractal time signals analysis of mechanical vibration | |
| Di Lorenzo et al. | Gear dynamics characterization by using order-based modal analysis | |
| Salunkhe et al. | A Novel Incipient Fault Detection Technique for Roller Bearing Using Deep Independent Component Analysis and Variational Modal Decomposition | |
| Sternharz et al. | Current Methods for Operational Modal Analysis of Rotating Machinery and Prospects of Machine Learning | |
| Sharma et al. | Investigations on nonlinearity for health monitoring of rotor bearing system | |
| Gupta et al. | Comprehensive Experimental Analysis of a Squeeze Film Damper for Flexible Rotor Applications: Utilizing Box–Behnken Design with Desirability Optimization | |
| Rachid et al. | Vibrations Detection in Industrial Pumps based on Spectral Analysis to Increase Their Efficiency |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20031215 |