一種針對旋轉機械構造異常為不對中的特征參量模型的制作方法
【技術領域】
[0001] 本發(fā)明涉及一種針對旋轉機械構造異常為不對中的特征參量模型，屬于機械故障 診斷學領域。
【背景技術】
[0002] 構造異常也稱為結構性故障，即旋轉機器發(fā)生故障，并且在激振頻率的低頻區(qū)域 處顯示特征頻譜。構造異常導致旋轉機械的軸部過度勞累，也是導致軸承、齒輪等發(fā)生故障 的主要原因。也就是說，構造異?？赡軐е聶C械系統(tǒng)發(fā)生故障，并可能導致巨大的生產(chǎn)損 失。因此，檢測和區(qū)分結構性故障對保證生產(chǎn)效率和工廠安全是非常重要的。在某種意義 上，特征提取可以說是當前機械故障診斷研究中的瓶頸問題，它直接關系到故障診斷的準 確性和故障早期預報的可靠性。在實際應用中，故障與征兆之間往往并不存在簡單的一一 對應的關系，一種故障可能對應若多種征兆，反之一種征兆也可能由于多種故障所致，這些 給故障特征提取帶來了困難。
[0003] 針對某一具體故障類型，其特征通常通過某些物理參量表現(xiàn)出來，并且與各物理 參量的強弱情況存在一定的聯(lián)系，只要機械系統(tǒng)的狀態(tài)發(fā)生變化，就必定會影響到與之相 聯(lián)系的各個動態(tài)物理參量，牽涉面較廣，而這些對故障靈敏、穩(wěn)定可靠的物理參量則被用來 構建相應的特征參量模型。雖然某種故障類型的發(fā)生可引起多個物理參量的變化，但可用 作故障特征的參量是有限的，故障特征參量模型必須具備高度敏感性、可靠性及實用性。
[0004] 不對中是旋轉機械的軸部常發(fā)生的結構性故障。所謂不對中，是指用聯(lián)軸節(jié)聯(lián)接 起來的兩根軸中心線存在偏差，如產(chǎn)生軸線平行偏移，軸線產(chǎn)生角便宜或兩者的組合。傳統(tǒng) 的特征參量模型如裕度指標、歪度指標、峭度指標等無量綱參數(shù)雖能在早期階段進行故障 診斷，但難以確定故障類型。

【發(fā)明內容】

[0005] 基于以往特征參量模型存在的技術問題，本發(fā)明提出了一種新型的針對旋轉機械 構造異常為不對中的特征參量模型。通過分析旋轉機械構造異常為不對中狀態(tài)下低頻處的 頻譜特征，構建2次高諧波率、軸方向振動指標、垂直與水平振幅比三個參量模型。
[0006] 其中，2次高諧波率為水平或垂直方向上檢測到的2倍旋轉頻率的頻譜值與旋轉頻 率的
[0007] 其中，轉頻成分比率為水平或垂直方向上檢測到的旋轉頻率的頻譜值與旋轉頻率 2~20倍高次諧波頻率下的頻譜值之和的比值比上正常狀態(tài)旋轉頻率的頻譜值與旋轉頻率 2~20倍高次諧波頻率下的頻譜值之和的比值，即.
[0008] 高諧波比率為水平或垂直方向上檢測到的3倍旋轉頻率的頻譜值與旋轉頻率的頻 譜值的比值比上正常狀態(tài)3倍旋轉頻率的頻譜值與旋轉頻率的頻譜值的比值，即
[0009] 本發(fā)明具有以下優(yōu)點：
[0010] 該特征參量模型分辨率高、實用性強、可靠性高。
【附圖說明】
[0011] 圖1為離心式風扇正常狀態(tài)下水平方向的頻譜圖。
[0012] 圖2為離心式風扇正常狀態(tài)下垂直方向的頻譜圖。
[0013]圖3為離心式風扇正常狀態(tài)下軸線方向的頻譜圖。
[0014] 圖4為離心式風扇不平衡狀態(tài)下水平方向的頻譜圖。
[0015] 圖5為離心式風扇不平衡狀態(tài)下垂直方向的頻譜圖。
[0016] 圖6為離心式風扇不平衡狀態(tài)下軸線方向的頻譜圖。 具體實施方案
[0017] 下面結合附圖和具體試驗過程對本發(fā)明作進一步說明。
[0018] 離心式風扇的診斷測試：三個加速度計（PCB MA352A60)輸出從5HZ至60KHZ和 10mV/g的帶寬測量水平、垂直和軸向分別在正常和不平衡狀態(tài)下的振動信號。由加速度計 所測量的振動信號被傳感器信號調節(jié)器(PCB ICP模型480C02)放大之后被轉化到信號記錄 器（范圍編碼器DL750)。原振動信號在頻域中分別如圖1~6所示。這些信號均以恒定速度 (600轉)進行測量。信號測量的采樣頻率為50KHZ，采樣時間為20s。
[0019] 根據(jù)測量結果計算各參數(shù)值如下表：
[0020]
[0021]利用分辨指數(shù)(DI)作質量指標來評價特征參量的分辨靈敏度，具體驗證過程如 下：
[0022] 假設XjPX2分別是測量狀態(tài)1和狀態(tài)2中信號計算出的特征參數(shù)的值，并分別符合 正態(tài)分布Nbi，。:）和Ν(μ2，σ 2)。這里，μ和σ是特征參數(shù)的平均值和標準偏差。| χ2-χι |的值越 大，由特征參數(shù)區(qū)分兩種狀態(tài)的靈敏度越高。由于z = X2_xi也符合正態(tài)分布 有以下關于Ζ的密度函數(shù)：
* ' _ " (1)[0024] 在這里，μΡ μ!(同理，當μ! 2 μ2)，概率可以按如下公式計算：
[0023]
[0025] 一。0 (2)
[0026] 在這里，Ι-Ρο被稱為"分辨率(DR)"。將下式：
[0027] (3)
[0028] 代入式（1)和(2)中，Po通過下式獲得：
[0029] ，- (4)[0030]在這里，DI(分辨指數(shù))的計算如下：
[0031] (5)
[0032]很明顯，DI值越大，"分辨率(DR= l-Po)"的值也將越大，因此，特征參數(shù)也將更好。 [0033] 根據(jù)上述驗證過程，計算得到的對應特征參量的DI值如下表：
[0034]
丨_5]~由上表得-個特征參數(shù)的DI值均^于2.17,根據(jù)標準正態(tài)1分布曲線的面積及縱坐1 標表，當DI = 2.17時，分辨率達到98.499%，因此，三個特征參量模型對旋轉機械構造異常 為不對中故障的診斷分辨率均達到98.499 %以上。
【主權項】
1. 一種針對旋轉機械構造異常為不對中的特征參量模型，其特征在于:通過分析旋轉 機械構造異常為不對中狀態(tài)下低頻處的頻譜特征，具體包括2次高諧波率、軸方向振動指 標、垂直與水平振幅比的特征參量模型。2. 根據(jù)權利1所述的針對旋轉機械構造異常為不對中的特征參量模型，其特征在于所 述的2次高諧波率為水平或垂直方向上檢測到的2倍旋轉頻率的頻譜值與旋轉頻率的頻譜 值的比值比上正常狀態(tài)下2倍旋轉頻率的頻譜值與旋轉頻率的頻譜值的比值，即3. 根據(jù)權利1所述的針對旋轉機械構造異常為不對中的特征參量模型，其特征在于所 述的軸方向振動指標為檢測到的軸線方向與水平方向上的振動信號的均方根值的比值比 上正常狀態(tài)下軸線方向與水平方向上的振動信號的均方根值的比值，即.4. 根據(jù)權利1所述的針對旋轉機械構造異常為不對中的特征參量模型，其特征在于所 述的垂直與水平振幅比為檢測到的垂直方向與水平方向上的振動信號的均方根值的比值 比上正常狀態(tài)下垂直方向與水平方向上的振動信號的均方根值的比值，即^
【專利摘要】本發(fā)明公開了一種針對旋轉機械構造異常為不對中的特征參量模型，屬于機械故障診斷學領域，主要解決在旋轉機械發(fā)生故障的早期階段檢測故障和區(qū)分故障類型的問題。該特征參量模型通過分析旋轉機械構造異常為不對中狀態(tài)下低頻處的頻譜特征來構建相關的特征參數(shù)，以此來反映該狀態(tài)下的振動特性，利用分辨指數(shù)(DI)來評價該特征參量模型的適用性及分辨靈敏度，解決了傳統(tǒng)的特征參量無法確定故障類型的問題。
【IPC分類】G01M13/00
【公開號】CN105510010
【申請?zhí)枴緾N201510835820
【發(fā)明人】王葵葵, 李可, 蔡慧明, 陳鵬, 王慶華, 薛紅濤
【申請人】江南大學
【公開日】2016年4月20日
【申請日】2015年11月26日