一种基于工作相位冲击能量的往复机械故障诊断定位方法

摘要: 本发明涉及机械设备状态监测与故障诊断,具体涉及一种基于工作相位冲击能量的往复机械故障诊断定位方法。背景技术:1、往复运动机械(例如内燃机、往复压缩机、柱塞泵及混...
一种基于工作相位冲击能量的往复机械故障诊断定位方法

本发明涉及机械设备状态监测与故障诊断,具体涉及一种基于工作相位冲击能量的往复机械故障诊断定位方法。

背景技术:

1、往复运动机械(例如内燃机、往复压缩机、柱塞泵及混合动力系统等)在工业生产与能源装备领域中应用广泛。该类设备的核心运动机构通常为曲柄连杆机构,通过曲轴的连续旋转运动驱动连杆机构,将旋转运动转换为往复直线运动,从而实现能量转换与做功过程。由于曲柄连杆机构在工作过程中承受周期性交变载荷与冲击载荷作用,并受到摩擦磨损、装配间隙变化以及工况波动等因素影响,往复运动机械易发生故障。若不能及时发现与处理,将可能导致设备运行效率下降、能耗增加,严重时甚至引发设备停机或安全事故,进而对生产系统的稳定运行及人员安全造成不利影响。因此,对该类机械设备进行准确、及时的状态监测与故障诊断具有重要的工程应用价值。

2、在机械状态监测与故障诊断领域,振动信号分析是最为常用且有效的技术手段之一。传统方法通常基于时域、频域或时频域特征提取,并结合统计分析或机器学习算法实现故障识别。然而,对于往复运动机械而言,由于其工作过程存在显著的周期性事件(如做功冲程、压缩冲程、进排气过程或阀门启闭等),振动信号的有效信息往往集中在特定的相位区间,而在其他相位区间则包含较多与故障无关的背景干扰信息。

3、此外,传统基于整体周期或固定时间窗的特征提取方法未能有效聚焦于机械工作过程中具有物理意义的关键相位区间,容易引入大量无效或冗余信息,从而降低故障特征的敏感性与可分性。为增强局部故障信息的表征能力,现有技术中也采用滑动时间窗方式对振动信号进行局部特征提取,以获得更细粒度的时域或时频域信息。然而,滑动时间窗通常需要在整个工作周期内进行密集窗口遍历与重复计算,计算量较大,实时性受限,并且由于窗口位置与机械实际工作事件缺乏明确对应关系,仍可能包含大量与故障无关的信息。

4、cn117288476a公开了一种四冲程柴油机实时故障监测方法,包括:同步获取柴油机的功率信号、转速信号、键相信号和振动信号;将振动信号从时域转换至角度域得到角度域振动信号;以键相信号作为工作循环信号,获得每个工作循环内的角度域振动信号的包络振动数据;对包络振动数据进行差分运算,在角度域内判断柴油机配气相位的特征点位,并得到对应于特征点位的测量相位和测量冲击能量;最后根据功率信号、转速信号、测量相位和测量冲击能量判断柴油机的故障情况。上述方法通过在角度域下基于工作循环进行故障识别,能够在一定程度上辨识故障发生的具体环节。

5、因此,针对现有故障诊断方法存在故障无关信息冗余、全局特征难以准确刻画局部故障机理,以及滑动窗口方法需要进行大量窗口遍历、计算效率较低等问题,亟需提出一种能够充分利用机械关键工作过程信息、聚焦关键工作相位进行特征提取与分析的故障诊断方法,以提高故障特征的敏感性、可分性及故障诊断的准确性和可靠性。

技术实现思路

1、本发明在于解决现有技术的缺陷,提供一种基于工作相位冲击能量的往复机械故障诊断定位方法,所述方法在特定机械事件对应的工作相位区间内,对振动信号进行特征挖掘与提取,进而实现对机械设备故障的准确诊断与定位。

2、一种基于工作相位冲击能量的往复机械故障诊断定位方法,包括:

3、步骤一:获取往复机械在稳态工况下同步采集的振动信号和曲轴转角信号;当所述曲轴转角信号中的零位脉冲到来时,确定工作循环起始位置;计算单个工作循环对应的采样点数;根据确定的工作循环起始位置及单个工作循环对应的采样点数构建一个完整工作循环的振动信号段,从而将连续采集的振动信号划分为多个完整工作循环;

4、步骤二:对步骤一划分的每个完整工作循环按照曲轴转角进行等角度重采样,使一个完整工作循环对应多个等角度采样点,每个采样点对应预设角度的曲轴转角;以每个等角度采样点为一个局部角度窗口,计算每个窗口内振动信号的能量指标(包括但不限于均方根),得到特征序列;利用多个健康样本计算各角度窗口的能量指标平均值,构建参考特征模板,对所述特征序列进行归一化处理;对归一化后的特征序列进行整体能量校正;

5、根据所述往复机械的配气参数确定各机械事件的理论时刻,结合所述往复机械的缸数、冲程数及发火顺序,确定各缸相对于曲轴转角基准的相位差;结合所述相位差计算各机械事件对应的绝对曲轴转角区间,从而建立各机械事件的监测区间;提取所述监测区间内能量指标的最大值作为对应机械事件的特征值,将所有机械事件对应的特征值组成故障特征向量;

6、所述监测区间包括各气门动作对应的传感器测点、监测起始角度和监测终止角度;所述机械事件至少包括各气缸进气门关闭动作以及中部气缸的进气门开启动作,以提高对中部气缸故障状态的诊断准确率;

7、步骤三:为每一个机械事件设定对应的诊断阈值,所述诊断阈值由健康样本与故障样本特征分布决定;

8、将连续采集的振动信号以预设的检测时长为单位进行分段,对各分段内的多个完整工作循环的特征向量进行平均处理,得到各分段对应的平均特征向量;根据所述平均特征向量和所述诊断阈值计算各机械事件的异常程度,并选取异常程度最大的机械事件作为故障定位依据;当在预设的检测时长中判定为故障的持续时间超过预设比例时,判定存在故障;

9、通过机械事件与故障缸之间的映射关系确定故障缸号,输出故障诊断结果和对应故障缸号。

10、优选的,所述能量指标选自均方根值、方差、信号总能量和包络能量之一。

11、进一步的,在步骤二中,确定各缸相对于曲轴转角基准的相位差,包括:根据四冲程发动机一个完整工作循环对应的曲轴总转角与各缸缸数的比值,确定各缸发火间隔角度;根据发火顺序,确定各缸相对于曲轴转角基准的相位差。

12、具体的,二冲程发动机的所述曲轴总转角为360度,四冲程发动机的所述曲轴总转角为720度,六冲程发动机的所述曲轴总转角为1080度。

13、进一步的,步骤一中计算单个工作循环对应的采样点数;根据确定的工作循环起始位置及单个工作循环对应的采样点数构建一个完整工作循环的振动信号段,从而将连续采集的振动信号划分为多个完整工作循环,具体包括:

14、对于四冲程发动机每个完整工作循环,根据发动机转速及振动信号采样频率,计算单个工作循环对应的采样点数

l:

15、  (1)

16、其中,为单个工作循环对应采样点数;为发动机转速;为采样频率;

k为一个工作循环内曲轴转动的圈数;

17、从所述工作循环起始位置开始,每连续 l个采样点构成一个完整工作循环的振动信号段,按顺序依次截取,直至信号末尾不足 l个采样点的剩余片段予以舍弃,从而将连续采集的振动信号划分为包含 n个完整工作循环的数据集。

18、具体的,对于四冲程发动机,k=2;对于二冲程发动机,k=1;对于六冲程发动机,k=3。

19、进一步的,步骤一中获取往复机械在稳态工况下同步采集的振动信号和曲轴转角信号,具体包括:

20、在往复机械的选定气缸上布置加速度传感器以采集振动加速度信号,并在曲轴端安装曲轴转角编码器作为正时参考装置以获取曲轴转角信号,同步采集所述振动加速度信号和曲轴转角信号。

21、更进一步的,所述曲轴转角编码器以选定参考气缸的压缩上止点对应位置作为0°曲轴转角基准;所述0°曲轴转角基准用于标定各气缸机械事件对应的曲轴转角区间。

22、进一步的,步骤二中对归一化后的特征序列进行整体能量校正具体包括:计算归一化特征序列的调和平均值,并以其作为整体能量校正系数,对各角度窗口的局部能量指标进行统一缩放,得到校正后的特征指标。

23、进一步的,所述等角度重采样通过线性插值方法实现。

24、进一步的,步骤二中,根据所述往复机械的一个完整工作循环对应的预设角度的曲轴转角,确定等角度采样点的数量,其中所述预设角度为0.5°-2°。

25、进一步的,步骤三中,所述诊断阈值由健康样本与故障样本特征分布决定,具体包括:

26、分别统计多个健康样本在第j个机械事件对应特征值的统计上界值,作为该机械事件的诊断阈值;其中,所述统计上界值为所述特征值的95%分位数。

27、进一步的,步骤三中,根据所述诊断阈值判断机械事件是否存在异常,具体包括:

28、当某一机械事件对应的故障特征值大于预设诊断阈值时,判定该机械事件存在异常;判定公式为:

29、

30、其中,为第个机械事件对应的特征值;为第个机械事件对应的诊断阈值为故障诊断结果,表示对应机械事件存在故障,表示对应机械事件正常;对每段内的全部机械事件逐一进行上述判定,获得该段的全部判定结果。

31、本发明所述方法可广泛应用于混合动力系统、发动机、压缩机、柱塞泵等往复运动机械的故障诊断。

32、本发明的有益效果在于:

33、本发明所述基于工作相位冲击能量的往复机械故障诊断定位方法仅需同步采集振动信号和曲轴转角信号,无需额外采集功率信号、转速信号等多种辅助信号,降低了传感器布置难度、硬件成本及系统复杂度,使得该方法能够在更多工业现场和便携式检测场景下便捷应用;

34、所述方法通过对每个完整工作循环进行等角度重采样,使一个完整工作循环对应多个等角度采样点,以每个等角度采样点作为局部角度窗口计算能量指标,避免了传统滑动时间窗在整个工作周期内密集遍历与重复计算带来的巨大计算量;

35、而且所述方法根据所述往复机械的配气参数确定各机械事件的理论时刻,结合各缸相对于曲轴转角基准的相位差,直接计算各机械事件对应的绝对曲轴转角区间,无须依赖差分寻点和预设搜索范围;而且直接提取监测区间内特征指标的最大值作为特征值,能够精准聚焦该相位区间内最具代表性的局部最大冲击能量,有效提升了轻微故障的捕捉能力。

36、此外,本发明将往复机械运动规律及关键工作相位引入故障诊断过程,使故障特征与具体机械事件具有明确的物理对应关系,并通过机械事件与故障部位的映射实现故障定位。相较于主要依赖数据驱动的机器学习及人工智能方法,本发明具有更明确的物理机理和较强的可解释性,便于故障原因及位置分析。