RU2680640C1 - Способ вибродиагностики зарождающихся дефектов механизмов - Google Patents
Способ вибродиагностики зарождающихся дефектов механизмов Download PDFInfo
- Publication number
- RU2680640C1 RU2680640C1 RU2018106011A RU2018106011A RU2680640C1 RU 2680640 C1 RU2680640 C1 RU 2680640C1 RU 2018106011 A RU2018106011 A RU 2018106011A RU 2018106011 A RU2018106011 A RU 2018106011A RU 2680640 C1 RU2680640 C1 RU 2680640C1
- Authority
- RU
- Russia
- Prior art keywords
- vibration
- mechanisms
- defects
- maxima
- locations
- Prior art date
Links
- 230000007246 mechanism Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000007547 defect Effects 0.000 title claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 44
- 230000001133 acceleration Effects 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 230000006870 function Effects 0.000 description 9
- 239000000314 lubricant Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000004519 grease Substances 0.000 description 4
- 230000007257 malfunction Effects 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000001845 vibrational spectrum Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—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 метрологии, в частности к вибродиагностике механизмов. Способ вибродиагностики зарождающихся дефектов механизмов основан на измерении вибрационных ускорений, их полосовой фильтрации, детектировании и определении энергетического спектра. При этом усредняют энергетические спектры огибающих вибрационных ускорений, выделяют в них существенные локальные максимумы и запоминают их местоположения на оси частот и амплитудные значения этих максимумов на этапе обучения для исправного состояния механизма. При возникновении дефектов строят разные эталоны местоположений на оси частот и амплитудных значений существенных максимумов в виде многомерных плотностей вероятностей. На этапе вибродиагностирования выполняют сравнение выделенных в усредненном энергетическом спектре местоположений на оси частот и амплитудных значений существенных максимумов с эталонами исправного состояния механизма и состояний механизма при возникновении различных зарождающихся дефектов с помощью оптимального критерия Байеса. Технический результат - повышение достоверности вибродиагностики зарождающихся дефектов механизмов. 3 ил., 1 табл.
Description
Изобретение относится к вибродиагностике механизмов и может быть применимо для вибродиагностики вспомогательных корабельных механизмов (подшипников, насосов, электродвигателей и других роторных механизмов).
Известны способы и устройства вибродиагностики механизмов (см. изобретения СССР: №1787269 A3, №1649348 А1, №1691702 А1 МПК G01M 13/04, патенты РФ: №2356021, №2314508 МПК G01M 15/00, G01M 7/02, №2209410 МПК G01M 13/04, №2133454 G01M 13/04 и др.).
В известных способах и устройствах используется прием виброакустических сигналов (чаще вибрационных ускорений), их фильтрация, детектирование и вычисление энергетических спектров.
Способ диагностики подшипниковых узлов по изобретению СССР №1649348 заключается в выделении сигнала вибрации подшипникового узла, при котором измеряют величину амплитуды сигнала пропорционального виброускорению. Определяют максимальное значение амплитуды и устанавливают пороговое значение на 5 дБ ниже максимального, измеряют число импульсов сигнала, имеющих величину выше порогового значения и по отношению числа импульсов к суммарной длительности судят о техническом состоянии подшипникового узла, и при величине этого отношения более 5 считают подшипник имеющий повреждения.
В способе виброакустической диагностики подшипников качения но изобретению СССР №1787269 измеряют амплитудный спектр вибрации элементов подшипников при вращении его под нагрузкой, выделяют составляющие спектра вибрации в заданном диапазонах частот и судят о состоянии элементов подшипника при измерении амплитудного спектра вибрации элементов подшипника при обратном вращении, выделяют составляющие этого спектра в заданном диапазоне частот, определяют сдвиг частот составляющих относительно эталонного значения, по сдвигу частот судят о наличии дефекта, по сравнению максимальных значений амплитуд составляющих спектра вибрации подшипника при прямом и обратном вращении определяют место дефекта и его параметры.
В способе вибродиагностики роторных систем по патенту РФ №2356021, предназначенному для оценки параметров технического состояния и раннего выявления дефектов в роторных системах измеряются параметры вибрационного процесса работающего агрегата и сравниваются получаемые параметры с этими же величинами, измеренными в первоначальном состоянии, при этом характеристики вибрации регистрируют в двух направлениях: вертикальном и горизонтальном по отношению к оси вращения ротора, полученные данные сохраняют в компьютере в оцифрованном виде, проводят кепстральный анализ вибрационного процесса, заключающийся в получении кепстра виброскорости в окрестностях частоты вращения ротора, а затем лифтрации в вертикальном направлении, и по количеству пиков в кепстре судят о появлении усталостной трещины и ее глубине.
В способе вибродиагностики машин по патенту РФ №2314508 измеряют параметры виброакустического сигнала, выделяют составляющие, соответствующие дефектам и неисправностям, корректируют их с помощью функции коррекции и сравнивают полученные значения составляющих виброакустического сигнала с допустимыми величинами. Функции коррекции представляют в виде амплитудно-фазовых характеристик виброакустического канала передачи информации, определяют их при различной амплитуде сигнала во всем динамическом диапазоне амплитуд сигнала, соответствующем исправному и неисправным состояниям узла машины, и корректируют амплитудно-фазовые характеристики сигнала в соответствии с параметрами амплитудно-фазовых характеристик канала передачи виброакустической информации, соответствующими измеренной амплитуде сигнала, а в качестве диагностических составляющих виброакустического сигнала используют амплитудные и фазовые составляющие временной и спектральной реализации сигнала, а также собственно частотные составляющие.
Способ диагностики повреждения деталей машин по патенту РФ №2540195, регистрирующий на ранних стадиях развития дефекты амплитуд выбросов вибрации. В данном способе измеряют вибрацию в информативных точках корпуса машины в характерной полосе частот с помощью системы компьютерного мониторинга, контролируют тренд изменения вибрации во времени, сравнивают его с критическими границами и по результатам сравнения определяют техническое состояние деталей и машины, а именно селектируют скачкообразные изменения (выбросы) вибрации в течение жизненного цикла машины и деградации состояния деталей из-за их повреждения, устанавливают период измерения вибрации существенно меньше, например, на порядок, длительности выбросов вибрации, обусловленных повреждением деталей, запоминают амплитуды выбросов (An), превышающих установленный уровень, например, на 20% от текущего плавного значения тренда вибрации, при этом принимают начальный уровень повреждения деталей машины по амплитуде первого выброса вибрации (A1), контролируют отношение амплитуды последующих выбросов вибрации к амплитуде первого выброса вибрации (An/A1) и/или измеряют относительные приращения амплитуды (An/An-1) каждого последующего выброса вибрации (An) к амплитуде каждого предыдущего выброса вибрации (An-1), строят тренды контролируемых амплитуд выбросов (An), их указанных отношений (An/A1) и приращений (An/An-1), сравнивают с критическими границами и по результатам сравнения судят о состоянии, стадиях и степени повреждения деталей машин.
Способ вибродиагностики подшипников по патенту РФ №2209410, заключающийся в расчете характерных частотных масок для отдельных элементов подшипника, вносящих доминирующий вклад в его вибрацию, и последующем измерении сигнала вибрации подшипника при его вращении, преобразовании полученного сигнала в цифровую форму с образованием не менее двух его равновеликих реализаций, проведении быстрого преобразования Фурье, выделении амплитудного спектра, сравнении его с рассчитанными частотными масками для отдельных элементов подшипника, определении доли вклада каждого из этих элементов в общую энергию вибрации подшипника и оценке состояния подшипника, отличающийся тем, что в качестве реализации сигнала вибрации подшипника выбирают совокупность сигналов, удовлетворяющих такому условию, что начальное значение сигнала каждой последующей его реализации является конечным значением сигнала соответствующей предыдущей его реализации, после преобразования сигнала в цифровую форму для каждой его реализации выделяют низкочастотный сигнал и прореживают его посредством выборки дискретных значений сигнала с частотой опроса fвыб, удовлетворяющей условию fвыб≥2fmax, где fmax - максимальная частота в спектре процесса, из всего множества реализаций полученных сигналов формируют совокупную временную последовательность, которую подвергают дальнейшему анализу.
В качестве прототипа принимается авторское свидетельство СССР №868416, кл. G01M 13/04, 1981 г. «Способ контроля технического состояния подшипников качения» Всероссийского Научно-исследовательского института горной механики им. М.М. Федорова. Авторы: Захарченков А.И., Матвеев В.И., Арамович А.Л, Романов В.А. и Апратов Ю.И.
В этом изобретении более точно изложено выявление признаков, характеризующих зарождающиеся дефекты механизмов. Сущность способа заключается в том, что выделяют сигнал огибающей случайных вибраций, контролируют наличие импульсного сигнала и при его появлении выделяют максимальную составляющую из гармоник спектра информативных частот, определяют отношения постоянной составляющей к уровню максимальной переменной и по величине этого отношения оценивают техническое состояния подшипника. Этот способ контроля технического состояния подшипников качения заключается в измерении амплитуды огибающей высокочастотной части спектра вибрации, отличающийся тем, что с целью повышения достоверности результатов и упрощения диагностики, из гармоник спектра выделяют постоянную составляющую и максимальную переменную составляющую, определяют отношение постоянной составляющей спектра к уровню максимальной переменной и по его величине оценивают техническое состояние подшипника, считая что при отношении, большем 0,5, подшипник имеет дефекты.
Однако этот способ обладает недостаточной достоверностью для распознавания зарождающихся дефектов в разных (в том числе корабельных) механизмах, так как возникновение дефектов вызывает изменение коэффициентов модуляции, а следовательно и появление новых дискретных составляющих в спектрах G(ω) Часто одному дефекту нельзя поставить в соответствие одну дискретную составляющую. Поэтому для диагностики энергетического оборудования требуется использовать многомерные признаковые пространства. Недостаточная достоверность обусловлена также отсутствием оптимального решающего правила.
Решаемой задачей настоящего предложения является разработка способа, позволяющего повысить достоверность вибродиагностики зарождающихся дефектов механизмов.
Поставленная задача решается за счет того, что в предложенном способе вибродиагностики зарождающихся дефектов механизмов, так же, как в известном способе выполняют измерение вибрационных ускорений, их полосовую фильтрацию, детектирование и определение энергетического спектра. Но в отличие от известного в предлагаемом способе усредняют энергетические спектры огибающих вибрационных ускорений, выделяют в них существенные локальные максимумы и запоминают их местоположения на оси частот и амплитудные значения этих максимумов на этапе обучения для исправного состояния механизма и при возникновении в нем различных дефектов, строят разные эталоны местоположений на оси частот и амплитудных значений существенных максимумов в виде многомерных плотностей вероятностей, а на этапе вибродиагностирования выполняют сравнение выделенных в усредненном энергетическом спектре местоположений на оси частот и амплитудных значений существенных максимумов с эталонами исправного состояния механизма и состояний механизма при возникновении различных зарождающихся дефектов с помощью оптимального решающего правила, например, критерия Байеса.
Достигаемым техническим результатом является - повышение достоверности вибродиагностики зарождающихся дефектов механизмов.
Результат достигается путем выделения в усредненном энергетическом спектре огибающих вибрационных ускорений многомерных признаков местоположений и амплитудных значений существенных максимумов и сопоставления их с эталонами таких же многомерных признаков для исправного состояния механизма и при наличии разных дефектов с помощью оптимального решающего правила.
На (фиг. 1) приведен пример усредненного энергетического спектра огибающей вибрационных ускорений (в логарифмическом масштабе) и выделение существенных максимумов {ωj}, {Gj}.
1 - Усредненный энергетический спектр огибающей вибрационных ускорении G(ω).
2 - Выделенные местоположения {ωj} и амплитудные значения {Gj}существенных максимумов в G(ω).
На (фиг. 2) приведен пример распознавания состояний механизма на основе признакого пространства - взаимных местоположений дискретных составляющих 
в усредненном энергетическом спектре виброакустических сигналов.
3 - Эталон 1 в виде условных плотностей вероятностей 
для исправного редуктора.
4 - Эталон 2 в виде условных плотностей вероятностей 
для неисправной шестерни №1.
5 - Эталон 3 в виде условных плотностей вероятностей 
для неисправной шестерни №2.
6 - Выделенные во вновь измеренном усредненном энергетическом спектре существенные локальные максимумы.
7 - Ответ распознавания (т.е. вибродиагностирования).
Предложенный способ может быть реализован устройством, функциональная схема которого приведена на (фиг. 3), где
8 - виброприемник, измеряющий вибрационные ускорения,
9 - полосовой фильтр (например, 1/3 октавный),
10 - детектор огибающей,
11 - спектроанализатор (определяющий энергетический спектр),
12 - сумматор,
13 - делитель,
14 - устройство выделения местоположений {ωj} и амплитудных значений {Gj} существенных максимумов в усредненных энергетических спектрах,
15 - память для хранения выделенных местоположений {ωj} и амплитудных значений {Gj} в усредненных энергетических спектрах G(ω),
16 - устройство построения эталонов местоположений {ωj} и амплитудных значений {Gj} максимумов в G(ω),
17 - память для хранения эталонов,
18 - решающее правило вибродиагностики,
19 - индикатор.
Наряду с существенными дискретными составляющими, характеризующими модуляционные процессы в механических системах, наблюдаются небольшие флуктуации, которые не требуется включать в анализируемое признаковое пространство. С этой целью был разработан алгоритм автоматического выделения существенных дискретных составляющих в усредненном энергетическом спектре G(ω) [Давыдов B.C. Алгоритм выявления существенных максимумов в огибающей сигнала. Модели, алгоритмы, принятие решений. Тезисы 2-го Всесоюзного акустического семинара. М. АКИН. 1988 г. 64 с.].
Критерием существенности дискретной составляющей является превышение амплитуды Gjmax двух ограничивающих ее минимумов пороговой величины - А:
Анализируются последовательно все экстремумы. В каждой локальной области для выполнения условий (1) ищется наибольший максимум Gjmax (максимум максиморум) и ограничивающие его с двух сторон наименьшие минимумы (минимумы миниморумы) - G j-m min, Gj+n min. Сравнение экстремумов в виде отношения исключает зависимость принятия решения от изменений коэффициента передачи измерительного тракта. Если энергетический спектр G(ω) измеряется в децибелах (дБ), то сравнение экстремумов выполняется в виде разности. [Фиг. 1] Точное значение пороговой величины может быть установлено, если известны функции распределения перепадов между существенными максимумами и минимумами.
Тогда априори требуется установить какие максимумы следует считать существенными, что не всегда возможно в практических случаях. Поэтому часто пороговая величина задается эмпирически и уточняется по результатам правильного диагностирования по оптимальному решающему правилу. В результате работы программы на ПЭВМ по данному алгоритму формируется массив выделенных дискретных составляющих в виде их амплитудных значений {Gj} и местоположений на оси частот {ωj}.
Для построения оптимальных решающих правил необходимо знать условные плотности вероятностей используемых признаковых пространств для разных состояний диагностируемого оборудования. В результате выполненных оценок законов распределения признаков ωj, Gj с помощью непараметрического критерия Колмогорова-Смирнова принято, что в общем случае их законы распределения могут иметь любой вид. С помощью критериев ранговой корреляции Спирмэна и коэффициента конкордации доказана взаимная и совместная независимость одномерных значений многомерных величин признаков {Gj}, {ωj} [Давыдов B.C., Стеблянко Д.В. Исследование статических свойств диагностических признаков в виброакустических сигналах корабельных механизмов. Принята в печать редакции журнала «Дефектоскопия» 08.09.2017 г. и будет опубликована в №3, 2018 г.]. Тогда условные многомерные плотности вероятностей признаковых пространств {ωj},{Gj} построенные для разных i-ых состояний (режимов) механизмов, могут быть представлены в виде произведения:
Следовательно, для построения эталонов многомерных признаковых пространств достаточно разделить их на отдельные j-ые эталонные области в соответствии с изменяющимися величинами признаков {ωj} и выполнить аппроксимацию одномерных условных плотностей вероятностей - ƒ(ωj/αi), ƒ(Gj/αi). При построении эталонов для каждого i-го образа (состояния механизма) объединяются все признаки ωj на оси ω, полученные в результате многократных измерений усредненных энергетических спектров G(ω) для данного механизма в i-ом состоянии. На оси ω каждая отдельная j-ая область формируется путем объединения близких значений ωj. Причем число объединенных значений признаков Nj в каждой j-ой области не должно превышать размера обучающей выборки N(Nj≤N).
В результате зарождающихся дефектов появляется неравномерность взаимодействий деталей механизмов, уровень отдельных дискретных составляющих изменяется случайным образом. Это приводит к изменению количества дискретных составляющих, выявляемых в усредненных энергетических спектрах, то есть к изменению размерности - признаковых пространств {ωj}, {Gj}. Поэтому в процессе обучения оцениваются вероятности изменения размерности признаковых пространств.
Аппроксимация каждой одномерной плотности вероятностей ƒ(ωj/αi) выполняется по методу Парзена-Розенблата в пределах своей эталонной области, используя в качестве ядра аппроксимации кривую Гаусса:
где Nji - число выборочных значении выделенных дискретных составляющих для j-ой эталонной области i-го состояния механизма;
ωjik - отдельные выборочные значения выделенных дискретных составляющих для j-ой области i-го состояния механизма;
δji - среднеквадратическое отклонение для величин ωj, оцененное в каждой эталонной области.
Условные многомерные плотности вероятностей 
определяются с учетом свойства независимости (2) одномерных значений. Эталоны признаковых пространств амплитудных значений дискретных составляющих {Gj} строятся аналогичным образом в виде условных плотностей вероятностей 
после разделения признакового пространства {ωj} на отдельные j-ые эталонные области. С учетом свойства независимости (4) одномерных значений признаков {ωj}, {Gj}строятся их эталоны в виде произведения условных плотностей вероятностей (4).
Располагая информацией об условных плотностях вероятностей признаковых пространств, можно построить оптимальные решающие правила для многоальтернативного распознавания исправного и неисправного состояний механизмов. В качестве наиболее простого оптимального правила, использующего лишь информацию об условных плотностях вероятностей признаковых пространств, может быть применен критерий максимального правдоподобия, на основании этого критерия решение о соответствии признакового пространства 
, выделенного во вновь измененном усредненном энергетическом спектре G(ω) i-му состоянию механизма принимается по максимальному значению из всех функций правдоподобия {Фi}, вычисленных для 
на основе построенных эталонов - условных плотностей вероятностей - 
:
для всех q≠i, i=1, 2,…m
Этот критерий применим в качестве оптимального решающего правила, в первую очередь, при решении задач диагностирования исследовательского характера. При решении практических задач могут быть заданы априорные вероятности нахождения механизмов в i-ых состояниях и функция потерь (штрафов) - a iq. Тогда для диагностики механизмов используется байесовское решающее правило, устанавливающее принадлежность выделенных в измеренном усредненном энергетическом спектре признаков 
к i-му состоянию, при условии [Фукунага К. Введение в статистическую теорию распознавания образов. Пер. с английского. М. Наука. 1979 г.]:
для - 
где 
- значение функции правдоподобия, вычисленной для признаков 
, выделенных в измеренном усредненном энергетическом спектре на основе условной плотности вероятностей 
.
a iq - штраф за решение о принадлежности признаков 
к q-му состоянию, если в действительности они соответствуют i-му состоянию механизма;
М - количество распознаваемых состояний.
Если функция потерь неизвестна, то байесовское правило сводится к критерию максимума апостериорной вероятности. При вычислении значений функций правдоподобия в каждом оптимальном решающем правиле учитывается вероятность изменения размерности признаковых пространств.
На фиг. 2 приведен пример трехальтернативного распознавания состояний редуктора по методу максимального правдоподобия - (6). Эталоны представлены в виде условных плотностей вероятностей 
для исправного редуктора и при наличии двух неисправных шестерен. Ниже показаны дискретные составляющие, выделенные во вновь измеренном усредненном энергетическом спектре. При сравнении значений функций правдоподобия {Фi}, вычисленных для 
, выносится решение об исправности редуктора, так как Ф1>Ф2>Ф3.
Экспериментальные стендовые исследования проводились на шарикоподшипниках и редукторах с заранее известными неисправностями. Виброакустические сигналы с приемника вибрационных ускорений проходили через третьоктавный фильтр, детектировались, отфильтровывались с помощью фильтра нижних частот, преобразовывались в цифровой код и записывались в память ПЭВМ. Каждая реализация сигнала содержала по 2048 отсчетов. Энергетические спектры усреднялись по 20 реализациям. Эталоны признаковых пространств строились при использовании 30 усредненных энергетических спектров. В результате распознавания исправных и неисправных шарикоподшипников по данным 
вероятность правильного распознавания составила 70% [55-82]%, а при совместном использовании признаковых пространств 
- 100% [92-100]%. В результате распознавания неисправных шестерен редуктора при совместном использовании 
также получена вероятность правильного распознавания 100% [92-100]%. В скобках указаны доверительные интервалы с вероятностью нахождения в них 95%.
Натурные вибродиагностические испытания проводились по результатам записи виброакустических сигналов на судовых механизмах. Обрабатывались виброакустические сигналы, записанные при испытаниях следующих механизмов:
- главного конденсатного насоса ЭКН-12
- главного циркуляционного насоса ЭЦ-14
- обратимого преобразователя постоянного тока в переменный ПР-503.
При обработке использовались виброакустические сигналы, записанные на двух опорах этих механизмов. Режимы испытаний этих механизмов были пронумерованы в следующей последовательности:
I - ЭКН-12 при 10123 часов работы после замены смазки и нижнего подшипника;
II - ЭКН-12 при 5198 часов работы до замены смазки;
III - ЭКН-12 при 5218 часов работы после замены смазки;
IV - ЭЦ-14 при 5493 часов работы до замены смазки на малой скорости - 295 об/мин;
V - ЭЦ-14 при 5513 часов работы после замены смазки на малой скорости;
VI - ЭЦ-14 при 10985 часов работы после замены нижнего подшипника на малой скорости;
VII - ЭЦ-14 при 25452 часов работы (планово-предупредительный ремонт был выполнен после 20000 часов работы) на малой скорости;
VIII - ЭЦ-14 при 8900 часов работы, запись на другом главном циркуляционном насосе после замены смазки, на малой скорости;
IX - ПР 503 при 3250 часов работы после замены смазки;
X - ПР 503 при 12200 часов работы;
XI - ПР 503 при 5100 часов работы;
XII - ПР 503 при 2990 часов работы после замены смазки;
XIII - ЭЦ-14 при 5513 часов работы после замены смазки, на большой скорости - 590 об/мин;
XIV - ЭЦ-14 при 10995 часов работы после замены нижнего подшипника, на большой скорости - 590 об/мин.
Обработка натурных экспериментальных данных проводилась также как результаты стендовых испытаний в соответствии с разработанным методом адаптивной вибродиагностики неисправностей судовых механизмов в два этапа. На этапе обучения измеренные виброакустические сигналы поступали на 1/3 октавный фильтр спектроаналиатора, детектировались, а затем с помощью АЦП преобразовывались в двоичный код и записывались в память ПЭВМ. В ПЭВМ выполнялся узкополосный спектральный анализ для каждой выборки огибающей S(t) виброакустического сигнала размером 2048 отсчетов, вычислялись усредненные энергетические спектры G(ω) по 20 выборочным реализациям. В каждом усредненном спектре выделялись дискретные составляющие в соответствии с (1) и заполнялись в виде массивов местоположений на оси частот {ωj} и амплитудных значений {Gj}. На основе этих массивов строились эталоны в виде условных многомерных плотностей вероятностей - 
- для различных i-тых режимов (i=I, II…XIV). При построении каждого эталона использовалось 30 усредненных спектров.
Распознавание режимов работы указанных механизмов выполнялось по методу скользящего контроля. Представленные на распознавание виброакустические сигналы подвергались узкополосному спектральному анализу, детектировались, вычислялся усредненный энергетический спектр G(ω), в нем выделялось признаковое пространство дискретных составляющих 
, которое сопоставлялось с построенными эталонами.
На основе этого выделенного признакового пространства вычислялись значения функций правдоподобия 
для распознаваемых i-тых режимов, которые сравнивались между собой по критерию максимального правдоподобия (6). Для полученной вероятностной оценки при принятии решения по каждому G(ω) использовалась формула Байеса. Определялась оценка вероятностей правильного распознавания Р и ее доверительный интервал. Результаты распознавания указанных режимов работы (технических состояний) механизмов приведены в таблице.
В таблице введены следующие обозначения:
Р 1,2 - вероятность правильного распознавания режимов I и II;
Р 2,3 - вероятность правильного распознавания режимов II и III;
Р 1,2,3 - вероятность правильного распознавания режимов I, II, III и т.д.
В скобках указаны доверительные интервалы.
По данным таблицы видно, что разные режимы работы испытываемых механизмов распознаются с достаточно высокой вероятностью. Так необходимость замены смазки насосов ЭКН-12 (режимы II и III) и насосов ЭЦ-14 (режимы IV и V) определяется с вероятностью 100% с доверительным интервалом (92-100%). Заметно отличаются режимы работы насосов после замены нижнего подшипника. На состояние насосов сказывается время работы и выполнение ремонта. Виброакустические характеристики двух разных насосов одного и того же типа ЭЦ-14 заметно отличаются (режимы VI и VIII), что позволило получить вероятность правильного распознавания 100% с доверительным интервалом (92-100%). На виброакустические характеристики обратимого преобразователя ПР 503 также оказывает заметное влияние замена смазки и время его эксплуатации. Вероятность правильного распознавания указанных режимов по совокупности признаковых пространств {ωj, Gi} в большинстве случаев меньше 100%. Этот результат, во-первых, указывает на некоторую близость статистических характеристик используемых признаковых пространств виброакустических сигналов испытываемых механизмов, т.е. в процессе эксплуатации механизмы не полностью изменяют свои виброакустические характеристики. Однако этих изменений достаточно, чтобы установить необходимость замены смазки, замены подшипников или выполнение ремонта. Во-вторых, этот результат подтверждает корректность проведения испытаний в натурных условиях с помощью одной и той же измерительной техники.
На фиг. 3 приведен пример устройства вибродиагностики зарождающихся дефектов механизмов.
Таким образом, рассмотренный метод диагностики оборудования позволяет автоматически выделять многомерные признаковые пространства дискретных составляющих в энергетических спектрах виброакустических сигналов, строить их эталоны в виде условных многомерных плотностей вероятностей и распознавать неисправности по оптимальному решающему правилу. Экспериментально подтверждена возможность распознавания неисправностей судовых механизмов, нарушения стабильности и правильной их эксплуатации с помощью вышеуказанного метода их распознавания по оптимальному решающему правилу на основе признаковых пространств, характеризующих зарождающиеся дефекты механизмов.
Claims (1)
- Способ вибродиагностики зарождающихся дефектов механизмов, основанный на измерении вибрационных ускорений, их полосовой фильтрации, детектировании и определении энергетического спектра, отличающийся тем, что усредняют энергетические спектры огибающих вибрационных ускорений, выделяют в них существенные локальные максимумы и запоминают их местоположения на оси частот и амплитудные значения этих максимумов на этапе обучения для исправного состояния механизма и при возникновении в нем различных дефектов строят разные эталоны местоположений на оси частот и амплитудных значений существенных максимумов в виде многомерных плотностей вероятностей, а на этапе вибродиагностирования выполняют сравнение выделенных в усредненном энергетическом спектре местоположений на оси частот и амплитудных значений существенных максимумов с эталонами исправного состояния механизма и состояний механизма при возникновении различных зарождающихся дефектов с помощью оптимального решающего правила, например критерия Байеса.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2018106011A RU2680640C1 (ru) | 2018-02-16 | 2018-02-16 | Способ вибродиагностики зарождающихся дефектов механизмов |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2018106011A RU2680640C1 (ru) | 2018-02-16 | 2018-02-16 | Способ вибродиагностики зарождающихся дефектов механизмов |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2680640C1 true RU2680640C1 (ru) | 2019-02-25 |
Family
ID=65479445
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2018106011A RU2680640C1 (ru) | 2018-02-16 | 2018-02-16 | Способ вибродиагностики зарождающихся дефектов механизмов |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2680640C1 (ru) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2769919C1 (ru) * | 2021-05-27 | 2022-04-08 | Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)" (СПбГЭТУ "ЛЭТИ") | Способ вибродиагностики возникновения зарождающихся дефектов в отдельных узлах механизмов |
| RU2774697C1 (ru) * | 2022-01-16 | 2022-06-21 | Общество с ограниченной ответственностью "ГТЛАБ Диагностика" | Способ вибродиагностики для определения степени и скорости развития зарождающихся дефектов промышленного оборудования |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU868416A1 (ru) * | 1979-10-24 | 1981-09-30 | Предприятие П/Я В-2156 | Способ контрол качества работы подшипников качени |
| US20100280772A1 (en) * | 2007-10-24 | 2010-11-04 | Abb Research Ltd. | Method for detection and automatic identification of damage to rolling bearings |
-
2018
- 2018-02-16 RU RU2018106011A patent/RU2680640C1/ru not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU868416A1 (ru) * | 1979-10-24 | 1981-09-30 | Предприятие П/Я В-2156 | Способ контрол качества работы подшипников качени |
| US20100280772A1 (en) * | 2007-10-24 | 2010-11-04 | Abb Research Ltd. | Method for detection and automatic identification of damage to rolling bearings |
Non-Patent Citations (5)
| Title |
|---|
| Давыдов B.C. Алгоритм выявления существенных максимумов в огибающей сигнала. // Тезисы доклада на всесоюзном акустическом семинаре. М., 1988, с.64. * |
| Давыдов В.С. "Физико-математические основы многоальтернативного распознавания и идентификации гидролокационных полей тел сложной геометрической формы" УФН 178 1215-1219 (2008). * |
| Пантелеев С.В. Распознавание гидролокационных сигналов сложного тела на фоне донной реверберации // СПб.: ЛЭТИ, 2016. * |
| Пантелеев С.В. Распознавание гидролокационных сигналов сложного тела на фоне донной реверберации // СПб.: ЛЭТИ, 2016. Давыдов В.С. "Физико-математические основы многоальтернативного распознавания и идентификации гидролокационных полей тел сложной геометрической формы" УФН 178 1215-1219 (2008). Синицына К.А. Гидролокационная идентификация сферических объектов в морской среде // СПб.: ЛЭТИ, 2017. * |
| Синицына К.А. Гидролокационная идентификация сферических объектов в морской среде // СПб.: ЛЭТИ, 2017. * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2769919C1 (ru) * | 2021-05-27 | 2022-04-08 | Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)" (СПбГЭТУ "ЛЭТИ") | Способ вибродиагностики возникновения зарождающихся дефектов в отдельных узлах механизмов |
| RU2783616C1 (ru) * | 2021-10-19 | 2022-11-15 | Общество с ограниченной ответственностью «ГТЛАБ Диагностика» | Способ вибродиагностики для обнаружения зарождающихся дефектов промышленного оборудования |
| RU2774697C1 (ru) * | 2022-01-16 | 2022-06-21 | Общество с ограниченной ответственностью "ГТЛАБ Диагностика" | Способ вибродиагностики для определения степени и скорости развития зарождающихся дефектов промышленного оборудования |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Singh et al. | Bearing damage assessment using Jensen-Rényi Divergence based on EEMD | |
| US6088658A (en) | Statistical pattern analysis methods of partial discharge measurements in high voltage insulation | |
| Gundewar et al. | Bearing fault diagnosis using time segmented Fourier synchrosqueezed transform images and convolution neural network | |
| EP2208981B1 (en) | Monitoring of rotating machines | |
| US20220187164A1 (en) | Tool condition monitoring system | |
| RU2445598C1 (ru) | Способ диагностики технического состояния газотурбинного двигателя | |
| RU2680640C1 (ru) | Способ вибродиагностики зарождающихся дефектов механизмов | |
| CN112525749A (zh) | 一种基于摩擦信号递归特性的摩擦学状态在线辨识方法 | |
| Senanayaka et al. | CNN based Gearbox Fault Diagnosis and Interpretation of Learning Features | |
| Liu et al. | Diagnosis of roller bearing defects using neural networks | |
| Hu et al. | Incipient mechanical fault detection based on multifractal and MTS methods | |
| Davydov | Recognition of incipient defects in the units of ship machinery by vibrodiagnostics based on optimum decision rules | |
| CN115860708A (zh) | 一种舰船装备状态监测和故障诊断方法 | |
| Ali et al. | Novel Spiking Neural Network Model for Gear Fault Diagnosis | |
| Mezni et al. | Bearings ball fault detection using kullback leibler divergence in the EMD framework | |
| Kang et al. | Gearbox fault prognosis based on CHMM and SVM | |
| Ali et al. | Application of feature reduction techniques for automatic bearing degradation assessment | |
| Baggeröhr et al. | Novel bearing fault detection using generative adversarial networks | |
| RU2769919C1 (ru) | Способ вибродиагностики возникновения зарождающихся дефектов в отдельных узлах механизмов | |
| RU2684709C1 (ru) | Способ акустико-эмиссионной диагностики динамического промышленного оборудования | |
| RU2826382C1 (ru) | Способ диагностирования технического состояния подшипников качения в режиме реального времени | |
| Fenenko | Cluster analysis of acoustic emission signals from the friction zone of tribosystems | |
| Hiranaka et al. | VAE Deviation for Detecting Bearing Anomalies | |
| Davydov et al. | Identification of Incipient Defects in New Ship Machinery Units During Adaptive Vibration Diagnostics Based on Multidimensional Features | |
| Manhertz et al. | Managing measured vibration data for malfunction detection of an assembled mechanical coupling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200217 |