亚星游戏官网-www.yaxin868.com

专利名称：非接触式旋转机械故障的诊断系统的制作方法
技术领域：
本发明涉及的是一种检测技术领域的系统，具体是一种非接触式旋转机械故障的诊断系统。
背景技术：
目前，旋转机械故障诊断主要是基于振动信号测量与分析的。但基于振动信号的 故障诊断必须把传感器布置在振动机械表面，然而对于复杂部件振动表面、运动部件、高温 或油垢等恶劣环境下传感器布置比较困难，仅能对振动表面的若干孤立测点的振动信号进 行分析，因此只能反应设备局部的振动信息；而且某些故障情况下振动特征并不明显，而其 他特征(如声学特征)比较明显。机械噪声蕴含着丰富的机器状态信息，具有非接触式测量的优点，可以部分地替 代振动信号作为故障诊断的手段。传统的声源识别方法主要有主观评价法、分部运转法、表 面强度法、近场测量法等，但容易受到机械结构和工作环境的限制。作为一种声源识别方 法，近场声全息(NAH)优势明显，主要是通过测量一个二维面(全息面)上的声压，运用重 构方法来重构声源表面的三维声场(包括声压、声强和法向振速)，阵列声信号经过近场声 全息后可以得到机械表面振速、声压和声强的分布图形，从图中即可得到某一频率下振源 的位置。经对现有文献的检索发现，中国专利申请号为=200810214410. 0，名称为“机械设
备故障在线诊断装置及方法”，该装置包括微处理器、液晶显示器、数字信号处理芯片、复 杂可编程逻辑器件、高速信号模数转换芯片、先进先出存储器、动态随机存储器等，该文通 过采集轴承座和轴的振动信号(温度信号)，根据关联维数和轴心轨迹诊断设备故障，但是 该技术中信号的采集仅限于易于安放传感器的接触式测量。又经检索发现，中国专利申请号为=03135535. 8，名称为“旋转机械故障智能诊断 方法与装置”，提出了一种由信号预处理板、高速数据采集卡、上下位机构成的旋转机械在 线监测与故障诊断系统，由决策融合�？�、专家知识库、数据引擎�？楹椭悄芡评硪�擎四个 �？楣钩桑�实现对设备的智能故障诊断，但是该技术也是通过采集振动信号进行诊断，依然 没有摆脱接触式测量的弊端，而且基于�：�神经网络的智能诊断需要建立在大量样本数据 的基础上。

发明内容
本发明的目的在于克服现有技术的上述不足，提供一种非接触式旋转机械故障的 诊断系统。本发明通过多通道声信号的同步采样实现了旋转机械的非接触测量和智能故障 诊断，不需要大量样本即可达到较好的诊断效果，通过可视化声源分布可从直观上进行初 步诊断，还能在诊断结束后对分类器进行优化，以在后续达到更好的在线诊断效果。本发明是通过以下技术方案实现的本发明包括声压测量装置、计算机、声场重建模块、声全息训练样本存储�？�、声全息测试样本存储�？�、离线训练�？楹驮谙哒锒夏？椋�其中声压测量装置与计算机相 连传输测量的样本声压和待诊断机械的声压，计算机与声场重建�？橄嗔�传输测量的样本 声压和待诊断机械的声压，声场重建�？橛肷�全息训练样本存储�？橄嗔�传输训练样本的 重建声�。�声场重建�？橛肷�全息测试样本存储�？橄嗔�传输测试样本的重建声场，声全 息训练样本存储�？橛肜胂哐盗纺？橄嗔�传输声全息训练样本，声全息测试样本存储�？� 与在线诊断�？橄嗔�传输待诊断机械的重建声�。�离线训练�？橛朐谙哒锒夏？橄嗔�传输 训练样本的最佳分类参数，声全息训练样本存储�？橛爰扑慊�相连传输训练样本下机械的 声源分布信息，声全息测试样 本存储�？橛爰扑慊�相连传输测试样本下机械的声源分布信 息，声全息训练样本存储模块与在线诊断�？橄嗔�传输待诊断机械的诊断信息。所述的声压测量装置包括若干传声器阵列、若干参考源传声器、信号调理子模 块、低噪信号调理机箱和数据采集卡，其中传声器阵列与信号调理子�？橄嗔�传输全息面 声压信息，参考源传声器与信号调理子�？橄嗔�传输参考源声压信息，信号调理子�？橛� 低噪信号调理机箱相连传输多路声压模拟信号，低噪信号调理机箱与数据采集卡相连传输 多路声压模拟信号并转化为数字信号，数据采集卡与计算机相连传输多路声压数字信号和 用户指令，参考源传声器设置在待检测机械的表面。所述的传声器阵列固定在测试扫描架上。所述的声场重建模块由近场声全息技术实现。所述的离线训练�？榘�括第一特征向量提取子模块、分类训练子�？楹脱盗凡� 数存储子�？椋�其中第一特征向量提取子模块与声全息训练样本存储�？橄嗔�传输训练 样本声全息图像信息，分类训练子�？橛氲谝惶卣飨蛄刻崛∽幽？橄嗔�传输机械运行状态 特征信息，训练参数存储子模块与分类训练子�？橄嗔�传输最佳分类参数信息，训练参数 存储子�？橛朐谙哒锒夏？橄嗔�传输最佳分类参数信息。所述的在线诊断�？榘�括第二特征向量提取子�？椤⒐收险锒献幽？楹驼锒辖� 果存储子�？椋�其中第二特征向量提取子�？橛肷�全息测试样本存储�？橄嗔�传输测试 样本声全息图像信息，故障诊断子�？橛氲诙�特征向量提取子�？橄嗔�传输机械运行状态 特征信息，故障诊断子�？橛肜胂哐盗纺？橄嗔�传输最佳分类参数信息，诊断结果存储子 �？橛牍收险锒献幽？橄嗔�传输诊断结果信息，诊断结果存储子�？橛肷�全息训练样本存 储模块相连传输诊断结果信息。与现有技术相比，本发明的有益效果是(1)通过多通道声信号的同步采样实现了旋转机械的非接触测量和诊断，可在机 器运行工况下测试并进行在线的非接触式诊断；(2)有限训练样本条件下也可实现较好的诊断，本发明采用建立在统计学习理论 的VC维理论和基于结构风险最小化原则的支持向量机(SVM)作为模式识别分类器，其泛化 能力强，尤其适于小样本训练，不存在神经网络陷入局部极小的问题；(3)声源的可视化识别，利用近场声全息技术重建运转机器表面附近声�。�通过察 看某一分析频率处的声压分布图即可大致分辨主要故障源，从直观上进行初步诊断；(4)不断优化分类器性能，将在线诊断结果添加到原分类器中的训练样本库，完善 分类器样本库，以在后续达到更好的在线诊断效果。
具体实施方式
以下对本发明的系统进一步描述本实施例在以本发明技术方案为前提下进行实 施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。下面以JZQ250型两级传动齿轮箱中的齿轮故障为例，齿轮箱通过与弹性联轴器 相连的三相电机驱动，运行工况为空载，减速比i = 8. 23，高速级速比I1 = 64/35，低速级 速比i2 = 81/18，工作时输入轴转速Ii1 = 1500转/分，输出轴n2 = 176转/分。齿轮在正�：鸵斐Ｗ刺�时，由于齿的啮合都会发生冲击啮合振动，但随着齿轮状 态的不同，冲击的大小会有变化。齿轮的各种异常情形都会引起啮合冲击力的增大，而且齿 轮异常时的故障频率一般都在啮合频率及其边频、啮合频率倍频及其边频。为说明有效性 和实用性，本实施例中只设计了齿轮正�：挺�2齿轮对中Zl齿轮的点蚀故障。本实施例包括声压测量装置、计算机、声场重建�？�、声全息训练样本存储�？椤� 声全息测试样本存储�？�、离线训练�？楹驮谙哒锒夏？椋�其中声压测量装置与计算机相 连传输测量的样本声压和待诊断机械的声压，计算机与声场重建�？橄嗔�传输测量的样本 声压和待诊断机械的声压，声场重建�？橛肷�全息训练样本存储�？橄嗔�传输训练样本的 重建声�。�声场重建�？橛肷�全息测试样本存储�？橄嗔�传输测试样本的重建声�。�声全 息训练样本存储模块与离线训练�？橄嗔�传输声全息训练样本，声全息测试样本存储�？� 与在线诊断�？橄嗔�传输待诊断机械的重建声�。�离线训练�？橛朐谙哒锒夏？橄嗔�传输 训练样本的最佳分类参数，声全息训练样本存储�？橛爰扑慊�相连传输训练样本下机械的 声源分布信息，声全息测试样本存储�？橛爰扑慊�相连传输测试样本下机械的声源分布信 息，声全息训练样本存储�？橛朐谙哒锒夏？橄嗔�传输待诊断机械的诊断信息。所述的声压测量装置包括13个传声器阵列、测试扫描架、3个参考源传声器、信 号调理子�？�、低噪信号调理机箱和数据采集卡，其中传声器阵列固定在测试扫描架上， 传声器阵列与信号调理子�？橄嗔�传输全息面声压信息，参考源传声器与信号调理子�？� 相连传输参考源声压信息，信号调理子�？橛氲驮胄藕诺骼砘�箱相连传输多路声压模拟信 号，低噪信号调理机箱与数据采集卡相连传输多路声压模拟信号并转化为数字信号，数据 采集卡与计算机相连传输多路声压数字信号和用户指令，参考源传声器设置在被检测机械 的表面。所述的传声器阵列和参考源传声器采用的都是1/2英寸ICCP前置放大器MA231 配合MP201预极化传声器。所述的信号调理子�？椴捎玫氖橇礁霭送ǖ繬I-SCXI-1531信号调理器。所述的低噪信号调理机箱采用的是四插槽NI-SCXI-1000机箱。所述的数据采集卡的型号是NI-PCI-6023E。所述的信号调理子�？�、低噪信号调理机箱和数据采集卡均采用NI-Measurement Mutomation Explorer 4.5 识别并驱云力。本实施例在测试扫描架上布置Y个传声器阵列(Y是13个)，在机器表面附近布置 R个参考源(R是3个)。全息测量面在距齿轮箱最高点所在水平面Cltl (d0是0. 05m)处 ’传 声器阵列由Y个话筒组成，每个话筒间隔为Ay (Ay是0.05m)；传声器阵列从左到右扫描， 扫描步长为ΔΧ(ΔΧ是0.05!11)，每步测试时间为〖(丨是48)，扫描步数为乂》是23步)。设 置参数后标定传声器阵列，对所选(Y+R)个通道依次用标准声源(1000Hz、94dB)进行标定，并保存各通道灵敏度Si,其中i = 1,2,…，(Y+R)。在工作背景噪声基本一致的条件下，采 集正常和故障状态下齿轮箱上表面的声压信号，采样频率为Fs (Fs是4096Hz)，各重复采集 N次(N是15次)，得到2N组时域数据Tm。选取齿轮箱最高点所在水平面为重建面，分析频 率Fa根据某一参考源处(本实施例为第3号参考源)的声信号频谱进行确定，结合表一所 示特征频率，选取Fal、Fa2、Fa2和Fa4四个频率作为分析频率(分别为798Hz、822Hz、846Hz和 870Hz)，以更有效地反映机器运行状态，分别对Fal、Fa2, Fa3和Fa4使用NAH方法进行声场重 建，然后取平均，得到声压全息图样本库Sm，正常状态和故障状态样本各为N个。所述的声场 重建�？椴捎媒�场声全息技术实现，如公式(1)所示P(Fp) = \\[p{TQ)dG(r^) + JPCkun(Fg)G(Fp,Fg)]dS( Q)(1)其中S表示声源表面，Q表示边界，Un表示法向振速，G表示格林函数。根据声源 结构选择合适全息方法正交共形结构的声全息利用测量面上的声压为源面声压与格林函 数的卷积，将二维快速傅立叶变换用于Helmholtz方程，实现由全息测量面的声压重建源 面上的声压、振速及声强分布；任意形结构的近场声全息可采用基于数值求解Helmholtz 积分方程的BEM-based NAH以及等效源方法。所述的特征向量提取模块采用如公式(2)所示奇异值分解方法对声全息图样本
进行特征提�。�并进行归一化处理，形成特征向量。
k k5m = UAVt = ^ CCiUiV1; = ^ ^Ai(2)
/ 二1 / 二1其中k为矩阵Sm的秩，α i是矩阵Sm的第i个奇异值，取前m个奇异值构成特征 向量 Vm = [α ” α 2，…，aj，α ι ^ α2α m。所述的离线训练�？榘�括第一特征向量提取子�？�、分类训练子模块和训练参 数存储子�？椋�其中第一特征向量提取子�？橛肷�全息训练样本存储�？橄嗔�传输训练 样本声全息图像信息，分类训练子�？橛氲谝惶卣飨蛄刻崛∽幽？橄嗔�传输机械运行状态 特征信息，训练参数存储子�？橛敕掷嘌盗纷幽？橄嗔�传输最佳分类参数信息，训练参数 存储子�？橛朐谙哒锒夏？橄嗔�传输最佳分类参数信息。所述的在线诊断�？榘�括第二特征向量提取子�？�、故障诊断子�？楹驼锒辖� 果存储子�？椋�其中第二特征向量提取子�？橛肷�全息测试样本存储�？橄嗔�传输测试 样本声全息图像信息，故障诊断子�？橛氲诙�特征向量提取子�？橄嗔�传输机械运行状态 特征信息，故障诊断子�？橛肜胂哐盗纺？橄嗔�传输最佳分类参数信息，诊断结果存储子 �？橛牍收险锒献幽？橄嗔�传输诊断结果信息，诊断结果存储子�？橛肷�全息训练样本存 储�？橄嗔�传输诊断结果信息。所述的分类训练子�？楹凸收险锒献幽？椴捎玫亩际侵С窒蛄炕�分类器，分类器 核函数选用径向基核(RBF)，均由Phthon语言实现，并在Matlab环境下编译成EXE文件，供 LabVIEW平台调用。本实施例系统的具体工作过程为(1)训练样本声信号的采集与预处理，对传声器阵列和参考源传声器采集的正常 /故障状态下机械源面的声信号进行相应处理，并将模拟信号转为数字信号；(2)声成像并建立训练样本，对参考源处声信号进行频谱分析，结合旋转机械特征频率确定分析频率，利用近场声全息技术对获取机械状态信息的数字信号进行声场重建，建立声全息图训练样本；(3)离线训练，对得到的正常/故障状态全息图样本进行图像特征提取和选择，形 成含有机械正常/故障信息的特征向量，并作归一化处理，送入支持向量机进行分类训练， 得到最佳分类参数；(4)在线诊断，按与第(1)步相同的方法采集旋转机械的测试声信号，按与第(2) 步相同的方法对得到的数字信号进行声场重建，得到声全息图测试样本，按与第(3)步相 同的方法对测试样本进行特征提取和选择，得到归一化后的特征向量，送入第(3)步已训 练好的支持向量机分类器，进行在线诊断。(5)声源可视化识别，利用第(2)步和第(4)步得到的声全息图，察看机械源面附 近的声场分布，进行机械状态的初步诊断；(6)优化分类器，对第(4)步得到的在线诊断结果进行客观评价，若诊断结果比较 理想，将此次测试样本加入至原训练样本，完善正常/故障的分类样本库，实现分类器的优 化，以期在后续的在线诊断中达到更好的诊断效果。本实施例操作简单，易于实现，诊断识别率高，较现有的基于振动信号的故障诊断 智能系统具有非接触测量的优点，能在有限样本条件下实现可靠诊断，声源的可视化分布 还可助于从直观上对故障进行初步诊断，并具有优化分类器的性能，在后续达到更好的在 线诊断效果。
权利要求
一种非接触式旋转机械故障的诊断系统，其特征在于，包括声压测量装置、计算机、声场重建�？�、声全息训练样本存储�？�、声全息测试样本存储模块、离线训练�？楹驮谙哒锒夏？椋�其中声压测量装置与计算机相连传输测量的样本声压和待诊断机械的声压，计算机与声场重建�？橄嗔�传输测量的样本声压和待诊断机械的声压，声场重建�？橛肷�全息训练样本存储�？橄嗔�传输训练样本的重建声�。�声场重建�？橛肷�全息测试样本存储�？橄嗔�传输测试样本的重建声场，声全息训练样本存储模块与离线训练�？橄嗔�传输声全息训练样本，声全息测试样本存储模块与在线诊断�？橄嗔�传输待诊断机械的重建声�。�离线训练�？橛朐谙哒锒夏？橄嗔�传输训练样本的最佳分类参数，声全息训练样本存储模块与计算机相连传输训练样本下机械的声源分布信息，声全息测试样本存储模块与计算机相连传输测试样本下机械的声源分布信息，声全息训练样本存储模块与在线诊断�？橄嗔�传输待诊断机械的诊断信息。
2.根据权利要求1所述的非接触式旋转机械故障的诊断系统，其特征是，所述的声压 测量装置包括若干传声器阵列、若干参考源传声器、信号调理子�？�、低噪信号调理机箱 和数据采集卡，其中传声器阵列与信号调理子模块相连传输全息面声压信息，参考源传声 器与信号调理子�？橄嗔�传输参考源声压信息，信号调理子�？橛氲驮胄藕诺骼砘�箱相连 传输多路声压模拟信号，低噪信号调理机箱与数据采集卡相连传输多路声压模拟信号并转 化为数字信号，数据采集卡与计算机相连传输多路声压数字信号和用户指令，参考源传声 器设置在待检测机械的表面。
3.根据权利要求2所述的非接触式旋转机械故障的诊断系统，其特征是，所述的传声 器阵列固定在测试扫描架上。
4.根据权利要求1所述的非接触式旋转机械故障的诊断系统，其特征是，所述的声场 重建�？椴捎媒�场声全息技术通过下式实现P(JV)= \\ip{rQ) 3G(^rg) + Jpckun (Fg )G(Fp, Fg )]dS( Q)其中S表示声源表面，Q表示边界，Un表示法向振速，G表示格林函数；根据声源结构选择合适全息方法正交共形结构的声全息利用测量面上的声压为源面 声压与格林函数的卷积，将二维快速傅立叶变换用于Helmholtz方程，实现由全息测量面 的声压重建源面上的声压、振速及声强分布；任意形结构的近场声全息可采用基于数值求 解Helmholtz积分方程的BEM-based NAH以及等效源方法。
5.根据权利要求1所述的非接触式旋转机械故障的诊断系统，其特征是，所述的离线 训练�？榘�括第一特征向量提取子�？�、分类训练子�？楹脱盗凡问�存储子�？椋�其中 第一特征向量提取子模块与声全息训练样本存储�？橄嗔�传输训练样本声全息图像信息， 分类训练子�？橛氲谝惶卣飨蛄刻崛∽幽？橄嗔�传输机械运行状态特征信息，训练参数存 储子�？橛敕掷嘌盗纷幽？橄嗔�传输最佳分类参数信息，训练参数存储子模块与在线诊断 模块相连传输最佳分类参数信息。
6.根据权利要求1所述的非接触式旋转机械故障的诊断系统，其特征是，所述的在线 诊断模块包括第二特征向量提取子模块、故障诊断子�？楹驼锒辖峁�存储子�？椋�其中 第二特征向量提取子�？橛肷�全息测试样本存储�？橄嗔�传输测试样本声全息图像信息， 故障诊断子模块与第二特征向量提取子�？橄嗔�传输机械运行状态特征信息，故障诊断子模块与离线训练�？橄嗔�传输最佳分类参数信息，诊断结果存储子�？橛牍收险锒献幽？� 相连传输诊断结果信息，诊断结果存储子�？橛肷�全息训练样本存储�？橄嗔�传输诊断结 果fe息。
全文摘要
一种检测技术领域的非接触式旋转机械故障的诊断系统，包括声压测量装置、计算机、声场重建�？�、声全息训练样本存储�？椤⑸�全息测试样本存储�？�、离线训练�？楹驮谙哒锒夏？椋�其中声压测量装置与计算机相连，计算机与声场重建�？橄嗔�，声场重建�？橛肷�全息训练样本存储�？橄嗔�，声场重建�？橛肷�全息测试样本存储�？橄嗔�，声全息训练样本存储�？橛肜胂哐盗纺？橄嗔�，声全息测试样本存储�？橛朐谙哒锒夏？橄嗔�，离线训练�？橛朐谙哒锒夏？橄嗔�，声全息训练样本存储�？楹蜕�全息测试样本存储�？槎加爰扑慊�相连，声全息训练样本存储�？橛朐谙哒锒夏？橄嗔�。本发明是非接触式，简单、准确率高，通过优化得到好的在线诊断效果。
文档编号G01H17/00GK101936818SQ20101026389
公开日2011年1月5日 申请日期2010年8月27日 优先权日2010年8月27日
发明者侯俊剑, 蒋伟康, 鲁文波 申请人:上海交通大学