一种基于带通滤波和相关运算相结合的磨粒传感器灵敏度提升方法
【技术领域】
[0001] 本发明属于机械系统状态监测、故障诊断及寿命预测技术领域，具体涉及一种基 于带通滤波和相关运算相结合的磨粒传感器灵敏度提升方法。
【背景技术】
[0002] 随着机械系统的日益复杂与精密，实时监测对于机械可靠的运行有着重要的意义 [1]。磨粒检测作为一种直接的监测方式是基于监测油液中的污染物可以的数量和大小以 及材质来监测机械状态，它能很容易跟踪和发现机械的故障[2]。由于其简单的结构以及对 油液品质部敏感等优点，电感式磨粒检测是目前最实用在线磨粒监测方法。其原理是当金 属磨粒通过传感器时，会引起磁场的改变，从而产生电信号[3]。然而，由于磁场难以被集 中，因此对于大流量监测时造成了这一类传感器灵敏度不足的问题。
[0003] 为了提升传感器的灵敏度，早在1988年，Chambers K W等人[4]基于磁力收集磨 粒同时释放通过传感器从而提升传感器的灵敏度的想法，设计了一种带磁力收集装置的电 感式磨粒传感器。在随后的研宄中，Miller等人[5]提到了一种三线圈结构的磨粒传感器 (ODM)，通过改变磁场的梯度提升传感器灵敏度在直径为1/2"油管下，它能有效的监测大 于125um的球型铁磁质磨粒，并成功的应用于F22航空发动机的检测上。然而这一灵敏度 依然是不足的。相关研宄[6]表明，正常的机械磨损产生的磨粒尺寸为l-20um，而非正常磨 损产生的磨粒为50-100um。而机械系统处在寿命的中后期时将大量产生200um以上的磨粒 [5]，因此为了跟踪和监测机械系统的早期故障需要进一步提升传感器的灵敏度。为了实现 这一目标，Du Li等人[7] [8]通过改变线圈的长径比，能够在I. 2mm的通道中有效的监测 50um以上的铁磁质磨粒。之后他们又采用parallel LC resonance method提升传感器灵 敏度，使得传感器能监测20um的铁磁质磨粒和55um的非铁磁质磨粒[9]。最近，Wei Hong 等人提出了一种基于径向磁场的磨粒传感器[10]，相对于传统的轴向磁场，这种结构解决 了敏感区域与感应线圈体积的矛盾，从而使得传感器能在外径为20mm的管道中检测20um 的薄片铁磁质磨粒，是拥有更高的相对灵敏度。
[0004] 另一方面，传感器的灵敏度也受限于环境的干扰。磨粒的信号是一个类似于2 31 正弦的信号，而传感器的干扰来源于特定频率的干扰如振动，电源以及随机噪声。显然，由 这些信号构成传感器信号是非平稳的，因此阈值判断作为一种简单的方法被广泛的应用于 磨粒信号的识别[5]。然而阈值判断识别效果严重的依赖于高信噪比。如果我们能提高信 噪比也能使得识别更小的磨粒。不幸的是当磨粒信号淹没在干扰中时，传统的滤波器和频 域处理方法很难能够有效的提高信噪比。为了提高信噪比，Hoonbin Hong等人[11]提出 了一种分数阶微积分的方法并给出了它的数学模型。随后，X Fan等人[12]提出了一种时 不变小波变换相结合的方法。I Soltani Bozchalooi等人[13]采用了一种基于两级消噪 的方法来消除振动干扰和背景噪声。由于分解深度是小波变换的重要参数，其直接影响了 小波变换的性能，因此ChuanLi等人[14]采用了基于优化分解深度的最大重叠离散小波变 换的方法。这些方法有效的提升信噪比和推动了油液污染技术的应用。然而这些方法存在 参数鲁棒性和收敛问题，特别是当干扰频率与信号平率十分接近时，干扰消除的效果将会 被大大削弱。相关运算是一种有效抑制周期信号中随机噪声的方法[15]，然而磨粒信号为 短周期信号同时又受到存在特定频率的干扰，因此简单相关运算是不适用的。
[0005] [l]Manfred R. Mauntzj Jlirgen Gegnerj Ulrich Kuipers and Stefan Klingau 2013 A Sensor System for Online Oil Condition Monitoring of Operating Components Tribol. Fundam. Adv. Chapter 11
[0006] [2]B. J. Roylancej J. A. Williams and R Dwyer-Joyc 2000 Wear debris and associated wear phenomena-fundamental research and practiceProc. Inst. Mech. Eng. Part J J. Eng. Tribol.
[0007] [3]Richard Dupuis 2010 Application of Oil Debris Monitoring For Wind TurbineGearbox Prognostics and Health Management Annual Conf. Prognostics Health Manage. Soc.
[0008] [4]Chambers KW，ArnesonMC and WaggonerCA 1988 An on-line ferromagnetic wear debris sensor for machinery condition monitoring and failure detection Wear Vol 128 No 3 pp325-337
[0009] [5]Miller J L and Kitaljevich D 2000 In-line oil debris monitor for aircraft engine condition assessment IEEE Aerosp. Conf. Proc. Vol 6 pp 49-56
[0010] [6]Tucker JE，Galie TR，Schultz A，Lu C，Tankersley LL，Sebok T，et al 2000 LASERNET finesoptical wear debris monitor:a Navy shipboard evaluation of CBM enablingtechnology54th Soc. Mach. Fail. Prev. Technol. Proc. (Virginia Beach)p 191
[0011] [7]Du LjZhe JjCarletta JjVeillette R and Choy F2010 Real-time monitoring of wear debris in lubrication oil using a microfluidic inductive Coulter counting device Microfluid Nanofluid Vol 9 No 6 pp 1241-1245
[0012] [8]Du L and Zhe J 201IA high throughput inductive pulse sensor for online oil debris monitoring Tribol. Int. vol 44 No 2 pp 175-179
[0013] [9]Du L，Zhu X. L，Han Y.，Zhao L and Zhe J. 2013 Improving sensitivity of an inductive pulse sensor for detection of metallic wear debris in lubricants using parallel LC resonance method Meas. Sci. Technol. Vol 24 075106
[0014] [10]Wei HongjShaoping WangjMileta TomovicjLeiHan and Jian Shi 2013 Radial inductive debris detection sensor and performance analysis Meas. Sci. Technol. Vol 24 125103
[0015] [ll]Hoonbin Hong and Ming Liang. 2008 A fractional calculus technique for on-line detection of oil debris Meas. Sci. Technol.Vol 19 055703
[0016] [12]X FanjM Liang and T Yeap 2009 A joint time-invariant wavelet transform and kurtosis approach to the improvement of in-line oil debris sensor capability Smart Mater. Struct.Vol 18 085010
[0017] [13]I Soltani Bozchalooi and Ming Liang 2010 In-line identification of oil debris signals:an adaptive subband filtering approach Meas. Sci. Technol. Vol 21 015104
[0018] [14] Chuan Li, Juan Peng and Ming Liang 2014 Enhancement of the Wear Particle Monitoring Capability of Oil Debris Sensors Using a Maximal Overlap Discrete Wavelet Transform with Optimal Decomposition Depth Sensors Vol 14 No.4, pp6207-6228
[0019] [15]Lee, Y. W. Cheatham, T. P. , Jr. and Wiesnerj J. B. 1950 Application of Correlation Analysis to the Detection of Periodic Signals in Noise Proceedings of the IRE Vol 38
【发明内容】
[0020] 本发明的目的是为机械系统的状态监测、故障诊断及寿命预测技术服务，提供了 一种提升已有磨粒传感器灵敏度的方法。
[0021] 一种基于带通滤波和相关运算相结合的磨粒传感器灵敏度提升方法，包括以下几 个步骤：
[0022] 步骤一：将磨粒传感器X、磨粒传感器Y接入油液回路中，磨粒传感器X、磨粒传感 器Y之间的管路长度为L，
【主权项】
1. 一种基于带通滤波和相关运算相结合的磨粒传感器灵敏度提升方法，包括w下几个 步骤： 步骤一；将磨粒传感器X、磨粒传感器Y接入油液回路中，磨粒传感器X、磨粒传感器Y之间的管路长度为以
其中；Q为油液的体积流量，r为管道内径，n为大于0的整 数； 磨粒传感器X的输出为；
其中，A是磨粒信号的幅值，W是磨粒信号的频率，B,是特定频率干扰对磨粒传感器X的干扰幅值，W。是特定干扰的频率，Cy是随机干扰造成传感器X的随机噪声，n(t)是背景噪 声源； 磨粒传感器Y的输出为；
其中，By是特定频率干扰对传感器Y的干扰幅值，Cy是随机干扰造成传感器Y的背景 噪声. 步骤二；将磨粒传感器X、磨粒传感器Y的输出信号分别输出至两个带通滤波器，两个 带通滤波器的通带分别为^到^，衰减为30地，其中w= ^，1为磨粒传感器的轴向长 4. Ir 度； 步骤=;将两个带通滤波器的输出结果进行相关运算，相关运算数据长度7^=^，两 Ltt/''.三 路信号的延时r= 则截取区间长度为T的两路传感器做延时为T相关运算则有； 当无磨粒通过时，即t<T或者r+ ^<f，相关运算的结果为； W
其中，R"(t)是随机噪声n(t)的关于延时T的自相关； 当有磨粒通过时，即r^f<r+ ^，相关运算的结果为；
其中，
i^a)贝ij为由磨粒引起的部分，i^a)贝ij为由干扰和噪声引起的部分； 设相关运算的信噪比为：
其中max( ?)是取最大值，avg( ?)是取平均值； 调整磨粒传感器X、磨粒传感器Y的距离，使T=化31，令
则；
设置信噪比的阔值，通过阔值法检测磨粒。
【专利摘要】本发明公开了一种基于带通滤波和相关运算相结合的磨粒传感器灵敏度提升方法，基于带通滤波与相关运算相结合的方法来提升已有磨粒传感器信号的灵敏度。基于已有电感式磨粒传感器，将两路传感器串联安装在油液管路中，将采集到的两路传感器信号通过本发明提出的方法可以将灵敏度提升至原来的2.76倍，从而能够检测更小的磨粒，为基于磨粒信息的故障诊断服务。
【IPC分类】G01N15-00
【公开号】CN104792668
【申请号】CN201510166091
【发明人】王少萍, 洪葳, 刘浩阔, 石健
【申请人】北京航空航天大学
【公开日】2015年7月22日
【申请日】2015年4月9日