专利名称：基于扭振的回转机械状态监测方法
技术领域：
本发明属于机械技术领域，进一步涉及机械诊断与控制学领域的以激光多普勒扭振传感器的输出信号，监测各类回转机械的运行状态并诊断其关键组件(如轧辊，转子，滚动轴承，传动齿轮和联轴节)隐含故障的方法。
扭转振动与横向振动一样，也是转轴的基本振动形式之一。目前，基于横向振动的大型回转机械状态监测和故障诊断方法以Bently公司的DDM和ADRE为典型代表。该方法通过时域波形图，轴心轨迹图，傅立叶谱图和简单的趋势分析功能来诊断不平衡，对中不良等常见故障。它完全抛弃了有关转轴转速波动的扭振的信息。然而，汽轮发电机组和离心压缩机组在运行中转子部件的某些隐含故障横向裂纹，对中不良及动静碰磨均会在扭振信号中得到明显的反映。并且，对于承受高扭矩载荷的回转类设备，其横向振动特征已不明显，如冶金行业的大型轧机，由于坯料不均匀或轧辊磨损，作用在轧辊上的轧制力矩也随之波动，从而使传动轴系的扭转振动也会发生相应的变化；又如传动齿轮箱，齿轮刚度的瞬时变化，齿廓破坏而使得运行平稳性受到影响都将反映在齿轮轴的扭转振动上。而周强在文“齿轮故障诊断参数的研究”)(<动态分析与测试技术>1997No.2)中所提出的在箱体外壁测试振动，由于传递路径长，信噪比低，在对齿面损伤如点蚀，胶合，齿根疲劳裂纹及局部断齿的监测诊断中常常会出现漏诊和谎报的情形。
本发明的目的在于提供一套完善的转速波动和扭转振动监测诊断方法，通过本方法，用户可以准确便捷地测量整个转轴的扭转振动(瞬时转速信息)，并进一步通过分析扭振信号所携带的载荷波动，传动件廓形劣化及扭转刚度的瞬时波动信息，来诊断主要组件的隐含故障并评定设备的运行状态，调整设备的运行参数和负荷状态，在确保设备安全的前提下，提高运行质量。
本发明的具体实施步骤如下1.选择测试截面。根据监测诊断要求和设备状况，选定测试截面2.采集扭振信号并进行预处理。通过激光多普勒扭振传感器测量任一截面的瞬时转速波动信号，然后利用专用的数据采集器完成隔直，滤波及模数转换等预处理工作；3.扭振信号归一化处理。将采集的扭振信号与电涡流传感器测取的键相信号进行归一化处理；4.起停车分析。在被监测设备的起停车阶段，连续测取扭振信号并绘制出扭振Bode图，Nyquest图以及瀑布图；然后，对比正常状态的特性曲线，诊断前述组件的潜在缺陷和故障；再根据上述Bode图，Nyquest图以及瀑布图提供的信息，估算整个轴系的各阶扭振固有频率和相应振型。
5.稳态信息处理及特征提取。在被监测设备的工作阶段，定期地测取扭振信号并绘制出扭振信号的时域波形图和傅立叶谱图，并计算出扭振各频率分量精确的幅值，频率，相位值以及峰峰值，均方差等各特征量。
6.非平稳信息处理及特征提取。针对扭振信号调频，调幅的非平稳特性，采用Hilbert变换进行包络解调，在复平面分析其瞬时频率和幅值的变化，再采用先进的时频分析技术，将一维信号拓展到二维时频平面上进行特征提取。
7.当前状态评估。利用第5～6步骤提取的特征量进行状态评估，判断主要组件的故障类型和严重程度。
8.历史趋势分析。利用第5～6步骤提取的特征量进行趋势分析，把握整个转轴潜在故障(如横向裂纹)发生，发展的整个过程。
9.未来状态预报。以趋势分析为基础，采用先进的预测方法，来预报机组未来的运行趋势，协助制定机组的维修计划，以实现机组的主动维护。
10.多传感器信息融合。通过计算机间的数据通讯与现有横向振动状态监测系统进行数据交换，并进一步进行多传感器的信息融合。
11.作出诊断决策。利用第4～10步骤的分析结果，作出诊断决策，确保设备安全经济运行。
本发明提供的转轴扭振状态监测和故障诊断方法，为回转机械故障诊断领域开辟了新的思路，具有以下特点1.扭转振动能更直接地反映回转机械的运行状态，对转轴扭矩的波动，组件刚度变化和轮廓缺陷异常敏感；2.采用扭振趋势分析和预报技术，为实现设备主动维护提供可靠的技术保障；3.采用Hilbert包络解调及先进的时频分析技术，处理伴随着复杂的调频，调幅现象的非平稳信号，能更直观，深入地把握扭转振动的变化规律。
4.采用起停车分析技术测试轴系的各阶扭振频率和振型，对于改进设计，安全运行有重大意义。
5.采用激光多普勒扭转振动传感器，与其他传统的扭振测量方法相比，该方法采用非接触测量，对测试对象无特殊要求(如计数齿轮)，具有很宽的频率测试范围，不受轴横向振动的影响。从而使得扭转振动测量更方便，可靠。
6.该系统容易在现有的基于横向振动的监测系统的基础上加以扩充，实现两系统间的信息融合与共享，以期多角度，全方位利用诊断信息，增强诊断结论的可信度。
本发明用于监测诊断转子横向裂纹的装置如图2所示。1，2分别为转轴的两测试截面，3为键相传感器，4，5分别为两激光多普勒扭振传感器，6为数据采集器，7为便携式计算机。整个监测诊断过程如下1.根据监测横向裂纹的要求，选择两个测试截面1和2；2.使用激光多普勒扭振传感器4，5分别测量截面1，2处扭振信号，同时通过键相传感器3测量键相信号，并将采集到的三路信号接入数据采集器6完成预处理工作，再将上述三路信号送入便携式计算机7进行后续处理；3.将两路扭振信号按键相信号进行归一化处理；4.在转子起车阶段，连续测取上述三路信号，并绘制了如图3所示的Bode图(幅频特性曲线)，其中水平轴r为转速，垂直轴A为幅值。普通转子的响应一般只包括工频分量(IX)，而裂纹转子的频率响应包括工频分量和倍频分量(图中2X和3X)，而且2X和3X会出现明显的谐波响应；5.定期测量扭振信号并绘制其时域波形图和傅立叶谱图，在频域，精确计算各频率分量精确的幅值，频率，相位信息；在时域，计算峰峰值和均方差值；另外，将两测试截面的扭振信号作差，绘制了如图4所示的转角差曲线，其中水平轴t为时间，垂直轴K为扭转刚度，θ为两截面的转角差。由于裂纹转子的扭振刚度呈现周期性变化，由此将导致转子两端的转角差也会出现周期性的变化，结合键相信号，我们可以准确判定裂纹的周向位置；6.采用Hilbert包络解调以及小波，短时傅立叶变换进一步提取其非平稳特征；7.根据峰峰值判定转子故障的严重程度，根据扭振各频率分量的幅值，相位信息以及转角差信息来判断转子是否出现横向裂纹；8.以两截面的转角差为特征量，作出趋势图，来准确地把握横向裂纹的扩展规律；
9.通过转角差的历史数据训练神经网络，预报横向裂纹的扩展趋势，以便确定最佳的停机时间；10.通过测量水平和垂直两方向的横向振动，绘制了二维全息谱图(图5)，可见明显的IX，2X分量，而且1X分量椭圆比较圆，2X分量椭圆比较扁。进一步判啶转子出现了横向裂纹；11.综合以上分析，特别是第4，5，10步提取的诊断特征，可以确定转子确实出现了横向裂纹，并建议严密监测其扩展趋势。
图1为本发明的流程图。
权利要求
1.基于扭振的回转机械状态监测方法，其具体步骤如下(1)选择测试截面；(2)采集扭振信号并进行预处理；(3)扭振信号归一化处理；(4)起停车分析；(5)稳态信息处理及特征提取；(6)非平稳信息处理及特征提取；(7)当前状态评估；(8)历史趋势分析；(9)未来状态预报；(10)多传感器信息融合；(11)作出诊断决策。
2.根据权利要求1所述的基于扭振的回转机械状态监测方法，其特征在于所述的采集扭振信号并进行预处理是通过激光多普勒扭振传感器测量任一截面的瞬时转速波动信号，然后利用专用的数据采集器完成隔直，滤波及模数转换等预处理工作。
3.根据权利要求1所述的基于扭振的回转机械状态监测方法，其特征在于所述的起停车分析是在被监测设备的起停车阶段，连续测取扭振信号并绘制出扭振Bode图，Nyquest图以及瀑布图；然后，对比正常状态的特性曲线，诊断前述组件的潜在缺陷和故障；再根据上述Bode图，Nyquest图以及瀑布图提供的信息，估算整个轴系的各阶扭振固有频率和相应振型。
4.根据权利要求1所述的基于扭振的回转机械状态监测方法，其特征在于所述的稳态信息处理及特征提取是在被监测设备的工作阶段，定期地测取扭振信号并绘制出扭振信号的时域波形图和傅立叶谱图，并计算扭振各频率分量精确的幅值，频率，相位值以及峰峰值，均方差等各特征量。
5.根据权利要求1所述的基于扭振的回转机械状态监测方法，其特征在于所述的非平稳信息处理及特征提取是针对扭振信号调频，调幅的非平稳特性，采用Hilbert变换进行包络解调，在复平面分析其瞬时频率和幅值的变化，再采用先进的时频分析技术，将一维信号拓展到二维时频平面上进行特征提取。
6.根据权利要求1所述的基于扭振的回转机械状态监测方法，其特征在于所述的的历史趋势分析是利用5～6步提取的特征量进行趋势分析，把握整个轴系潜在故障(如横向裂纹)发生，发展的整个过程。
7.根据权利要求1所述的基于扭振的回转机械状态监测方法，其特征在于所述的的未来状态预报是以趋势分析为基础，采用先进的预测方法，来预报机组未来的运行趋势，协助制定机组的维修计划，以实现机组的主动维护。
8.根据权利要求1所述的基于扭振的回转机械状态监测方法，其特征在于所述的多传感器信息融合是通过计算机间的数据通讯与现有横向振动状态监测系统进行数据交换，并进一步进行多传感器的信息融合。
全文摘要
本发明公开一种基于扭振的回转机械状态监测方法,其步骤是采集信号预处理后进行归一化处理,然后进行起停车分析、稳态与非稳态信息处理及特征提取,利用提取的特征是进行状态评估和趋势分析,再进行未来状态预报和多传感器信息融合,最后完成诊断决策,本方法可准确测量转轴的扭转振动,监测转轴诊断关键组件的隐含故障的运行状态,调整设备运行参数和负荷状态确保设备安全运行。
文档编号G01H1/10GK1191968SQ9811280
公开日1998年9月2日 申请日期1998年1月14日 优先权日1998年1月14日
发明者屈梁生, 徐光华, 史乐锋 申请人:西安交通大学