機械設備工況監測與故障診斷方法
2023-07-15 16:35:06
機械設備工況監測與故障診斷方法
【專利摘要】本發明涉及一種機械設備工況監測與故障診斷方法，包括：①振動信號採集；②信號基元分段；③信號分離與分類；④分離信號參數統計；⑤雙參數分布顯示：對各類分離信號在雙參數平面上進行散點顯示；⑥運動狀態矩陣的構建；⑦利用步驟⑥構建的運動狀態矩陣，進行實測振動信號統計分析與設備狀態的定性識別；⑧建立機械設備工作狀態、工作參數與分離信號時域統計結果之間的定量關係模型；⑨在實時監測過程中利用分離信號時域參數統計結果，代入到步驟⑧建立的定量關係模型中，實現工況參數的定量預測與故障定量診斷。本發明通過簡單、低成本的信號監測裝置，實現數據的採集與機械設備工況的實時監測與識別處理，採用簡約的算法實現故障的定性診斷與工況參數的定量預測，從而為實現機械設備狀態監測與故障的定量化科學診斷創造條件。
【專利說明】機械設備工況監測與故障診斷方法
【技術領域】
[0001]本發明公開了一種機械設備工況監測與故障診斷方法，利用機械設備在運行中產生的振動信號和聲信號來監測機械設備的工作狀態，評估工作參數，並診斷各類故障，屬於工程機械設備領域。
【背景技術】
[0002]在工程機械領域中時常遭遇設備故障，導致嚴重的經濟損失甚至是人員傷亡。而機械故障診斷的目的就在於能及時、正確地對各種異常狀態或機械故障做出診斷，預防或消除故障，對設備的運行進行必要的指導，提高設備運行的可靠性、安全性和有效性，把故障降低到最低水平，保證設備發揮最佳的工作性能，並通過監測監視、故障分析、性能評估等，為設備結構改造、優化設計、合理製造及生產過程提供數據和信息。總的來說，機械故障診斷技術能在設備運行中或基本不拆卸設備的情況下，掌握設備的運行狀況，判定產生故障的部位和原因，以及預測預報設備狀態的技術。
[0003]作為新興的綜合性的邊緣學科，機械故障診斷技術已初步形成了比較完整的學科體系。就其技術手段而言，振動診斷技術已經成為機械設備故障診斷的主流技術。而計算機技術與信號信息處理技術的飛速進步，極大地推動了機械故障診斷和監測技術向著科學化和實用化的方向發展。我國在機械故障診斷技術方面的研究和應用相對較晚，二十世紀八十年代才開始著手組建故障診斷的研究機構，其發展也經歷了從簡易診斷到精密診斷，從一般診斷到智能診斷，從單機診斷到網絡診斷的過程，發展速度愈來愈快。但與發達國家相比，在機械設備故障診斷裝備技術和診斷可靠性方面仍有一定差距。總體而言，無論是國內還是國外，如何實現機械設備故障診斷裝備的實用化、提高故障診斷技術的實時性與可靠性方面，還需要加大研究探索的力度；而在如何開展機械設備狀態的實時監測方面，實施的難度就更大。
[0004]機械設備狀態實時監測與故障診斷的核心，是能夠穩健地識別機械設備正常工況下的工作狀態，並且能夠敏銳地察覺到工作參數的變化與機器行為、機械故障之間的聯繫。通過工作參數的變化與機器行為特徵(如振動信號，機械設備狀態)，來推理、感知可能的機械設備故障。而目前的機械設備故障診斷理論、方法與技術，幾乎很少涉及如何確定設備的正常工況，沒有一種確定設備正常工況的手段和方法。在進行機械設備故障的監測、診斷過程中，又往往依賴少量的試驗樣本數據，診斷模型無法實現全面、系統的訓練，導致診斷精度差、診斷結果的可靠性低等問題。
[0005]在機械設備振動信號的分析、識別和處理過程中，人們多採用傅立葉變換、FFT、小波變換等方法，但這些方法存在的一個最大問題是如何確定信號的分段長度？由於分段長度(或分幀)的不規範，導致各種方法，甚至是同一種方法的處理結果沒有可比性。本發明採用採用信號的基元分段方法實現振動信號科學的分段處理。(呂苗榮，周琳，王麗，馬玉明等.石油工程準周期性振動信號的新處理方法[J].石油鑽探技術，2009，37 (5):89-92.)
[0006]在進行時域信號分析、處理過程中，隨著設備故障的發展，以及機器功能的退化，振動信號的時域參數指標也會出現相應的變化。這些時域參數包括平均值、峰值、峰峰值、峭度指標、歪度指標等，它們的定義及物理含義可參見文獻「張鍵編著.機械故障診斷技術.機械工業出版社，2008年9月」的介紹。但目前這些參數是相互獨立的，以單一參數的方式進行故障的識別、診斷處理，沒有考慮他們之間的有機聯繫。例如，文獻「武和雷，朱善安，林瑞仲，等.滾動軸承故障診斷虛擬儀器系統[J].軸承，2002(12):34-39」分析比較了時域參數與設備故障之間的聯繫，指出峰值參數可以有效地判斷零件表面的損傷，用有效值能夠對識別設備磨損。文獻「李鋼燕.滾動軸承振動監測診斷及趨勢分析[J].礦業工程，2008，6 (3): 37-38」和「譚紅，陳珊珊.滾動軸承故障診斷技術的應用[J].冶金設備，2004(3): 62-64」利用振動加速度的趨勢變化規律來有效地識別滾動軸承工作狀態，及時地發現故障隱患。文獻「萬書亭，吳美玲.基於時域參數趨勢分析的滾動軸承故障診斷.機械工程與自動化，2010 (3):108-113」則採用多時域參數綜合分析，用振動信號時域參數趨勢圖來實現滾動軸承的故障監測與診斷。在以往眾多的文獻中，人們多注重單時域參數隨時間的變化，很少考慮這些因素之間的相互聯繫，以及這些聯繫與機械設備故障之間的關係，使得時域參數內部的有用信息沒有得到充分的挖掘與利用，很難實現機械設備工況的合理預測。
【發明內容】
[0007]本發明要解決的技術問題是:為了解決現有的機械故障診斷方法的不足之處，本發明提供一種機械設備工況監測與故障診斷方法，以實現機械設備工況監測、工作參數評估，機械故障的診斷，並實現故障的定量化判斷。
[0008]本發明解決其技術問題所採用的技術方案是:一種機械設備工況監測與故障診斷方法，包括以下步驟:
[0009]①振動信號採集:採用信號記錄儀對機械設備的振動信號進行採集、調理、放大與顯示;
[0010]②信號基元分段:對採集得到的振動信號進行顯示、分析，初步確定信號的基元周期；然後對所述振動信號進行基元分段處理；
[0011]③信號分離與分類:對步驟②得到的基元信號的不同成分進行高階平滑分離，以便得到不同頻段的代表各種特徵現象的分離信號；
[0012]或採用模式濾波法進行信號的濾波計算，實現不同信號成分的分離處理，並對濾波得到的歸類時頻子波進行信號重構，由此獲得分離後代表基底振動、運動件撞擊、摩擦、鬆動、洩漏等各種特徵現象的分離信號；
[0013]④分離信號參數統計:對步驟③中獲得的所述各種特徵現象的分離信號進行絕對均值、有效值、峭度指標和歪度指標的統計計算；
[0014]⑤雙參數分布顯示:不同工況下的機械設備振動信號，以及所述代表各種特徵現象的分離信號在「絕對均值一有效值一峭度指標一歪度指標」多維參數空間內散點的分布會在特定的區域上聚集，形成特定的狀態空間；通過降維處理，對所述代表各種特徵現象的分離信號分別在「絕對均值一有效值」、「絕對均值一峭度指標」、「峭度指標一歪度指標」雙參數平面上進行散點顯示；
[0015]⑥機械設備運動的狀態矩陣的構建:正常情況下機械設備振動信號及所述代表各種特徵現象的分離信號的「絕對均值一有效值」統計顯示結果集中於一條直線上或附近，如果偏離了這一直線，說明機械設備存在異常的振動，或者是機械設備工況發生了變化；同時，不同工況下所述代表各種特徵現象的分離信號在「絕對均值一有效值」、「絕對均值一峭度指標」、「峭度指標一歪度指標」上也會有相應的變化，都有其特定的雙參數平面分布位置和形式，並且對應著特定的振動信號波形；根據所述代表各種特徵現象的分離信號的時域參數分布、信號波形特點，結合信號的基元周期，形成機械設備運動的狀態特徵矩陣，在該狀態矩陣中包含了設備運動的各種定性識別信息；
[0016]⑦在實時監測過程中根據實測振動信號的時域參數分布、信號波形特點，結合信號的基元周期，對實測振動信號進行所述步驟②③④的處理與統計分析，獲得機械設備運轉過程中某一時刻的狀態向量；將該向量與步驟⑥所述的狀態特徵矩陣中的特徵向量進行比對來實現機械設備工況的監測與故障診斷；
[0017]⑧利用步驟④獲得的所述代表各種特徵現象的重構信號的參數統計結果，建立機械設備工作狀態、工作參數與分離信號時域統計結果之間的定量關係模型；
[0018]⑨在實時監測過程中利用步驟④獲得的所述代表各種特徵現象的分離信號時域參數統計結果，代入到步驟⑧建立的定量關係模型中，實現機械設備工況檢測、故障診斷與工作參數的定量預測、預警及預報。
[0019]步驟③中應用高階平滑和/或模式濾波分離的方法，對實測振動信號進行合理、完整的分離處理，以便獲得反映機械設備各種類型振動的特徵信號。
[0020]經過步驟②後，還能通過步驟②得到的信號基元對信號成分進行聚類，幹擾的識別與抑制處理，以及信號基元周期的提取，用於進行輔助診斷。
[0021]本發明的有益效果是，本發明通過簡單、低成本的信號監測裝置，實現數據的採集與機械設備工況的實時監測與識別處理，採用簡約的算法實現故障的定性診斷與工況參數的定量預測，從而為實現機械設備狀態監測與故障的定量化科學診斷創造條件。
【專利附圖】
【附圖說明】
[0022]下面結合附圖和實施例對本發明進一步說明。
[0023]圖1是本發明的測試實例——齒輪效率測試系統的組成示意圖；
[0024]圖2是齒輪傳動系統四通道實測時域波形圖；
[0025]圖3是信號基元分段處理示意圖；
[0026]圖4是信號的基元分段結果示意圖；
[0027]圖5是測量信號分離成為BOD和TNH信號實例示意圖；
[0028]圖6是TNH振動信號絕對均值與有效值之間的散點分布圖；
[0029]圖7是第1、2、3橢圓區域散點對應的基元振動信號示意圖；
[0030]圖8是多通道振動信號歪度指標與峭度指標之間的散點分布圖；
[0031 ]圖9是齒輪傳動系統絕對均值與峭度指標散點圖；
[0032]圖10是採樣率分別為10kHz、20kHz時，振動信號的「嚙合、衝磨信號一基底、機體
振動一輸入功率」三維散點圖。
[0033]其中，圖1中:1為電機；2為電機輸入功率測量傳感器；3為振動測量傳感器；4為齒輪傳動裝置；5為齒輪傳動輸出功率測量傳感器；6為多通道信號採集模塊；7為多通道信號無線傳送模塊(或有線發送模塊)；8為為多通道信號無線接收模塊(或有線接收模塊);9為故障報警器；10為傳動系統工況識別與工作參數預測模塊。
【具體實施方式】
[0034]現參照示意圖，並結合齒輪傳動系統的測試實例，來說明此監測方法的實施以及該信號處理技術的應用。
[0035]I)裝置的組成
[0036]如圖1所不,本實施例的機械設備是由杭州星辰科教設備有限公司生產的GLS-1I型齒輪效率測試系統，並採用UB0X-20016爆破振動記錄儀來採集設備的振動信號。
[0037]該齒輪效率測試系統的轉速可以通過「轉速調節旋鈕」實現靈活的調節，系統的輸出扭矩則利用力臂上放置的砝碼數量來調節，可以在O— 8個砝碼之間變化，每個砝碼的重量為1kg。掛鈎上的砝碼數量乘上懸臂長度就是傳動系統的輸出扭矩。該齒輪傳動系統輸入扭矩和轉速可以通過廠商提供的軟體監測系統進行採集。
[0038]在不同的外載(扭矩)和工作轉速下，機械傳動系統的振動存在相應的差異與變化。本實施例的目的就是要建立振動信號時域特徵參數與傳動系統工作參數之間的聯繫，最終實現由實測振動信號的分析來預測機械系統的工作狀態與動態工作參數的變化。為此，採用四通道爆破振動記錄儀UB0X-20016和計算機組成的監測系統來採集傳動設備的振動信號。爆破振動記錄儀由圖1中所示的四個測點的振動信號傳感器3、信號採集裝置6、多通道無線發送裝置7、信號無線接收裝置8這些模塊構成。所述四個測點的傳感器分別是安裝在齒輪減速箱體兩側各一隻水平傳感器，在力臂兩側的兩隻垂直傳感器，如圖1所示。
[0039]2)振動信號的測量
[0040]圖2是在空載情況下，轉速為594rpm，採樣率為20kHz時實測得到的部分四通道振動信號的時域波形圖。
[0041]本實施例共進行14次測試，分別採用IOkHz和20kHz兩種採樣率採集振動信號。其中第I次?第12次為完整測試，第13次為靜態測試，第14次是空載測試。表I是採樣率為IOkHz的部分測試轉速、扭矩測量匯總數據表。
[0042]3)振動信號的基元分段處理
[0043]利用「呂苗榮、古德生、彭振斌.語音信號基本處理單元的選擇與應用.《2007通信理論與技術新發展——第十二屆全國青年通信學術會議論文集(上冊)》，2007年」，以及「呂苗榮、周琳、王麗、馬玉明、王茜、徐堪社.石油工程準周期性振動信號的新處理方法.石油鑽探技術.2009年9月第37卷第5期」介紹的基元分段方法進行信號分段處理，圖3就是圖2中No4(即第四通道信號)為例進行實際的分段確定方法，圖4是將分段信號匯總到一起後顯示的結果，將這些分段後的信號稱為基元振動信號。顯然，這樣的劃分既體現了信號的典型特徵，實現同類信號成分的聚類及幹擾排除，又能夠將分段信號之間的重疊成分降到最低。分析表明，圖4中每個信號段長度代表了該振動信號主要振動成分的周期，即齒輪傳動系統輸出軸的轉速。本實施例將所有採集得到的信號進行了信號的基元分段處理。
[0044]4)信號分離處理
[0045]分析表明，振動信號主要由傳動系統基礎振動，齒輪系統機體振動，各運動部件之間的撞擊、摩擦，以及齒輪嚙合剛度變化引起的振動組成，這些信號成分存在著明顯的頻段特徵。例如，傳動系統的基礎振動主要是試驗臺的低頻振動，齒輪系統整個機體的振動頻率也比較低，而運動件之間撞擊、摩擦激發的振動頻率最高；齒輪嚙合也具有非常明顯的特徵頻率。這些成分在時域上存在明顯的差異，可以利用這些差異對振動信號進行合理的分離處理。
[0046]採用文獻「呂苗榮，陳志強.監測識別鑽井泵衝擊振動信號的新方法[J].長江大學學報(理工卷)，2010，7 (2):58-61」介紹的高階信號平滑處理方法對這些信號進行合理分離。將信號分離成為兩大類:基礎與系統整機的中低頻振動信號(TNH類信號)，以及齒輪嚙合撞擊、摩擦等高頻振動信號(B0D信號)，圖5就是將圖2的No4通道進行信號分離的結果。
[0047]5)分段時域信號統計
[0048]在完成振動信號分段與信號的分離處理後，採用文獻「張鍵編著.機械故障診斷技術.機械工業出版社，2008年9月」中介紹的方法計算得到每一類、各分段基元信號的平均值、均方值、峰值指標、脈衝指標、裕度指數、歪度指數、峭度指數等時域參數數值，並將這些參數與對應的分段長度(基元周期)、轉速、扭矩、輸入功率、輸出功率等信息一起進行匯總整理，表2就是IOkHz採樣率下第3次測試6個砝碼分段基元信號的統計結果匯總實例。
[0049]6)信號時域參數統計分析
[0050]本實施例通過分析齒輪傳動系統大量的振動信號數據，獲得了規律性的統計結果，具體介紹如下:
[0051](I)不同工況下齒輪傳動系統振動信號的有效值與絕對均值之間呈強烈的線性關係。圖6是採樣率為IOkHz時的第4、5次測量獲得的所有TNH振動信號的統計結果。
[0052]在不同的工況下，振動信號的統計結果具有很好的線性相關性。例如，圖6中如果將橢圓1、2、3中的數據點進行回溯就可以獲得如圖7(a)、(b)、(C)依次所示的各數據點對應的基元振動信號。從圖上可以看出，振動信號的波動幅度越大，波動周期越短，絕對均值和有效值數據散點在圖6中的位置就越往上偏移。第2類信號與第I類相比較，信號振動主頻的周期沒有改變，但原來一大一小的峰值轉變為兩個峰值相當的情況，並且在峰值之間夾雜了小幅的振動，導致數據點對整體偏移原來的直線。測試表明，峰值之間的小幅振動是運動件的跳動撞擊引起的。而第3類信號是由於齒輪旋轉周期接近系統固有周期後，共振導致的強烈撞擊結果。
[0053]分析圖6的散點圖還可以發現，齒輪傳動系統的轉速、扭矩不同，對應的絕對平均值與有效值的散點聚集區域也各不相同，存在著明顯的散點分布差異。表3羅列了部分測量結果的絕對平均值和有效值線性回歸統計結果。從表3上可以看出，不管是齒輪系統的機體振動，還是摩擦、撞擊和嚙合振動，絕對均值和有效值之間都具有非常好的相關性。
[0054](2)在工況較為穩定的條件下，絕對均值一峰值、有效值一峰值之間也存在較好的線性相關性，在不同的測量條件及設備工況下可以建立相應的線性方程。
[0055](3)分析表明，歪度指標與峭度指標之間存在較好的非線性關係，圖8就是不同通道齒輪傳動系統齒輪嚙合、撞擊、摩擦等高頻振動混疊信號歪度指標與峭度指標的散點分布圖。在不同的工況和工作參數下，歪度指標和峭度指標之間的變化趨勢可以用一組非線性方程來描述。在相同的環境條件下，齒輪傳動系統的振動參數時域統計結果具有很好的可重複性；不同的工作參數下振動參數的統計結果變化規律相似，但描述參數各有差異。表4就是其中的部分歪度指標與峭度指標散點數據的二次多項式統計回歸結果。
[0056](4)峰值指標一峭度指標或峰值指標一歪度指標之間也有較好的非線性關聯性，也可以較好地反映齒輪傳動系統的工作狀態。圖9就是齒輪傳動系統的基底與齒輪系統低頻振動信號與中高頻振動信號的絕對均值與峭度指標之間數據點對的匯總統計結果。從圖9上可以看出，基底與機體的低頻振動信號的峭度指標明顯大於中高頻振動信號的峭度指標統計結果，兩者在縱軸數值1.9上下存在明顯的界限，上部屬於基底振動，下部屬於中高頻嚙合摩擦和撞擊振動。而且越是撞擊振動強度大的振動，中高頻振動信號成分的絕對均值也越大。
[0057](5)通過對測量獲得的振動信號進行時域參數統計分析可以得出，實測振動信號的時域參數統計結果主要反映的是齒輪傳動系統中低頻振動信號成分的時域特徵，而不能表徵撞擊、摩擦和齒輪嚙合激發等高頻振動信號成分的時域特徵。因此，從實測振動信號時域參數統計結果中很難獲得對應摩擦、衝擊引起振動的信息，而只能夠從摩擦、衝撞過程中引起的明顯不對稱機體低頻振動信號中，估測得到這些可能的振動。顯然，直接利用中高頻振動信號進行摩擦、衝撞信號的監測要優於信號成分未分離的實測振動信號時域參數統計結果。
[0058]通過以上的分析表明，齒輪傳動系統振動信號各時域統計參數之間存在著複雜的關聯特性，某些參數的關聯性十分穩定，如本齒輪傳動測試系統的絕對均值與有效值、歪度指標與峭度指標、絕對均值一峰值、有效值一峰值等，只要知道某一參數就可以預測得到其他參數的數值，因此在一定條件下可以減輕部分計算的工作量。同時，這些參數之間的分布規律往往與設備工況之間存在著穩定而緊密的聯繫，完全可以通過基元振動信號的分析測試來確定設備的工作狀況。 [0059]6)利用振動信號時域參數進行齒輪系統工作參數的預測
[0060]分析表明，本實施例的齒輪傳動系統在一定的輸出功率、輸入轉速和輸入扭矩下，其輸出扭矩和振動信號時域參數之間存在著明顯的關聯特性，而且這種變化也具有良好的可重複性。由於可以通過對振動信號的基元分段處理來獲得齒輪傳動系統的輸入轉速，因此，完全可以利用振動參數的變化來確定該系統的輸入(或輸出)扭矩。
[0061]首先通過對實測信號分離後的基底與機體振動信號成分，以及齒輪嚙合摩擦、撞擊等信號進行分離，並對測試信號，以及分離後的振動信號進行時域參數統計，得到部分統計匯總結果參見表5。從表5可以看出，實測信號和基底、機體振動信號的絕對均值數值幾乎相同，因此在不做任何分離情況下的直接統計結果，實際上反映的就是機械設備基底和機體的低頻振動。
[0062]圖10中的(a) (b)分別是採樣率IOkHz和20kHz的「嚙合衝磨信號一基底、機體振動一輸入功率」的三維散點圖。從圖10上可以看出，儘管由於在試驗過程中工作參數的調整存在一定的差異，但不管是IOkHz採樣率還是20kHz採樣率，獲得的三維散點圖十分相似，具有很好的可比性和可重複性。利用上述結果，可以建立齒輪系統輸出扭矩(或砝碼數量)的簡單預測模型，步驟如下:
[0063](I)建立「嚙合衝磨信號一基底、機體振動一……一轉速一輸入功率」多維空間時域參數散點數據對統計結果匯總表。
[0064](2)從實測振動信號中計算得到相應的「嚙合衝磨信號一基底、機體振動一……一轉速一輸入功率」多維空間時域參數散點數據對統計結果。
[0065](3)計算實測統計結果和庫表記錄之間的多維歐氏空間距離，比較獲得距離最佳的匹配預測結果。
[0066]本實施例採用這樣的方法，將IOkHz的時域參數統計結果以「嚙合衝磨信號一基底、機體振動一轉速一輸入功率」四維空間格式整理，然後再進行20kHz振動信號的時域參數統計，以及匹配預測計算。對測量參數十分接近的、對應測量序號為9、10、11、12四組測試的統計結果為:輸入扭矩相對誤差為0.7 %，功率預測誤差為0.9%，砝碼數量預測誤差為10.7%。顯然，如果將其它時域統計參數(如有效值、峭度指標等)也納入多維空間系統，可以獲得更為準確的匹配預測結果。
[0067]本實施例的機械設備工況監測與故障診斷方法，
[0068](I)充分利用機械設備運轉過程中振動信號的周期性特點，將信號進行基元分段處理，在此基礎上開展振動特徵參數的統計分析，以提取設備運轉的各種信息。齒輪傳動系統振動信號的基元周期等於傳動軸轉動一周所需的時間。
[0069](2)齒輪傳動系統振動信號的頻率成分與振源之間具有良好的對應關係，低頻成分對應系統基底振動與機體整體的振動；中高頻成分對應齒輪的嚙合振動，而高頻成分則是由摩擦、衝擊、磨滑等因素激發的振動，不同的頻率成分對應不同的工作狀態。
[0070](3)為了提取齒輪傳動系統的工作特徵參數，應當將齒輪傳動系統振動信號進行合理的分離，採用高階平滑方法可以很好地實現各種頻率成分振動信號的合理分離處理。
[0071](4)實測振動信號的時域統計結果只能夠反映齒輪傳動系統的基底及機體整體的低頻振動，而不能夠很好地揭示齒輪嚙合、衝磨等運動狀態信息。因此，應當將振動信號按不同的頻率成分進行合理的分離，這是系統、全面的提取機械設備運轉信息的基礎。
[0072](5)對分離後的信號進行基於基元分段的時域多參數統計，可以提取得到反映齒輪傳動系統運動狀態的豐富信息。分析表明，採用雙時域參數或多時域參數散點分布規律的分析，能夠更為準確地獲得系統運動的各種信息，而且獲得的結果更加穩定可靠。
[0073]通過本實施例的分析獲得了齒輪傳動系統在不同工況下絕對均值一有效值、絕對均值一峰值、有效值一峰值，以及歪度指標一峭度指標之間規律的定量化表示，在基元信號波形特徵與時域參數散點分布特徵之間建立了很好的對應描述。另外，從齒輪傳動系統振動信號不同頻率成分的時域參數統計結果顯示，不同頻率成分或工作狀態下多時域參數散點具有明顯特徵空間分布。
[0074]儘管在不同時間測量得到的波形信號千差萬別，但分離信號基於基元分段處理後的時域參數統計結果具有良好的可重複性。本實施例利用振動信號時域參數統計模型，較為滿意地實現了齒輪系統工作參數的合理預測。
[0075]表I採樣率為IOkHz的部分轉速、扭矩測量匯總數據表
[0076]
【權利要求】
1.一種機械設備工況監測與故障診斷方法，其特徵在於，包括以下步驟: ①振動信號採集:採用信號記錄儀對機械設備的振動信號進行採集、調理、放大與顯示； ②信號基元分段:對採集得到的振動信號進行顯示、分析，初步確定信號的基元周期；然後對所述振動信號進行基元分段處理； ③信號分離與分類:對步驟②得到的基元信號的不同成分進行高階平滑分離，以便得到不同頻段的代表各種特徵現象的分離信號； 或採用模式濾波法進行信號的濾波計算，實現不同信號成分的分離處理，並對濾波得到的歸類時頻子波進行信號重構，由此獲得分離後代表各種特徵現象的分離信號； ④分離信號參數統計:對步驟③中獲得的所述代表各種特徵現象的分離信號進行絕對均值、有效值、峭度指標和歪度指標的統計計算； ⑤雙參數分布顯示:不同工況下的機械設備振動信號，以及所述代表各種特徵現象的分離信號在「絕對均值一有效值一峭度指標一歪度指標」多維參數空間內散點的分布會在特定的區域上聚集，形成特定的狀態空間；通過降維處理，對所述代表各種特徵現象的分離信號分別在「絕對均值一有效值」、「絕對均值一峭度指標」、「峭度指標一歪度指標」雙參數平面上進行散點顯示； ⑥機械設備運動的狀態矩陣的構建:正常情況下機械設備振動信號及所述代表各種特徵現象的分離信號的「絕對均值一有效值」統計顯示結果集中於一條直線上或附近，如果偏離了這一直線，說明機械設備存在異常的振動，或者是機械設備工況發生了變化；同時，不同工況下所述代表各種特徵現象的分離信號在「絕對均值一有效值」、「絕對均值一峭度指標」、「峭度指標一歪度指標」上也會有相應的變化，都有其特定的雙參數平面分布位置和形式，並且對應著特定的振動信號波形；根據所述代表各種特徵現象的分離信號的時域參數分布、信號波形特點，結合信號的基元周期，形成機械設備運動的狀態特徵矩陣，在該狀態矩陣中包含了設備運動的各種定性識別信息； ⑦在實時監測過程中根據實測振動信號的時域參數分布、信號波形特點，結合信號的基元周期，對實測振動信號進行所述步驟②③④的處理與統計分析，獲得機械設備運轉過程中某一時刻的狀態向量；將該向量與步驟⑥所述的狀態特徵矩陣中的特徵向量進行比對來實現機械設備工況的監測與故障診斷； ⑧利用步驟④獲得的所述代表各種特徵現象的分離信號的參數統計結果，建立機械設備工作狀態、工作參數與分離信號時域統計結果之間的定量關係模型； ⑨在實時監測過程中利用步驟④獲得的所述代表各種特徵現象的分離信號時域參數統計結果，代入到步驟⑧建立的定量關係模型中，實現機械設備工況檢測、故障診斷與工作參數的定量預測、預警及預報。
2.根據權利要求1所述的機械設備工況監測與故障診斷方法，其特徵在於，步驟③中應用高階平滑和/或模式濾波分離的方法，對實測振動信號進行合理、完整的分離處理，以便獲得反映機械設備各種類型振動的特徵信號。
3.根據權利要求1所述的機械設備工況監測與故障診斷方法，其特徵在於，經過步驟②後，還能通過步驟②得到的信號基元對信號成分進行聚類，幹擾的識別與抑制處理，以及信號基元周期的提取，用於進行輔助診斷。
【文檔編號】G01M99/00GK103969069SQ201410172530
【公開日】2014年8月6日 申請日期:2014年4月26日 優先權日:2014年4月26日
【發明者】呂苗榮, 徐清武, 金瑞, 梁鵬宇 申請人:常州大學