Technologieaustausch

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Aufgrund der großen Rauschinterferenz der Schwingungswellenformen rotierender Maschinen wird die Genauigkeit von Fehlerdiagnosemethoden, die Schwingungsdatenmerkmale direkt extrahieren und auswählen, leicht durch Rauschen beeinträchtigt. Derzeit hat sich die bildbasierte Technologie zur Fehlerdiagnose rotierender Maschinen rasant weiterentwickelt. Bei der Fehlerdiagnose rotierender Maschinen neigen herkömmliche Methoden dazu, Vibrationsmuster aus Vibrationsdaten zu extrahieren. Die mit dieser Methode extrahierten Bildmerkmale sind intuitiv und offensichtlich, was die Echtzeitgenauigkeit und Genauigkeit der Fehlerdiagnose bis zu einem gewissen Grad gewährleisten kann.

Obwohl das Vibrationsspektrum den Betriebszustand des Geräts intuitiver ausdrücken kann, erfordert die Extraktion des Spektrums immer noch einen hohen Signalverarbeitungsaufwand. Die Achsentrajektorie ist eine wichtige Darstellung des Vibrationssignals der rotierenden Welle rotierender Maschinen. Ihre Formeigenschaften stehen in engem Zusammenhang mit dem Betriebsstatus der Einheit. Derzeit haben viele Wissenschaftler eine Merkmalsextraktion, -klassifizierung und -identifizierung durchgeführt, um die Mechanik genau zu diagnostizieren Fehler. Das Achsentrajektoriendiagramm wird hauptsächlich aus den Wellenformdaten synthetisiert, die von zwei senkrechten Sensoren in der radialen Richtung des Rotors erfasst werden. Die Methode zur Trajektorienerfassung ist relativ einfach. Daher wurden in letzter Zeit viele Studien durchgeführt, um eine Fehlerdiagnose von rotierenden Maschinen zu erreichen Achsenbahn.

Die Achsentrajektorie zeigt den Weg der Achsenlinie und kombiniert die eindimensionalen Zeitbereichsinformationen von zwei orthogonalen, koplanaren Sensoren zu einer zweidimensionalen Karte der seitlichen Bewegung der Rotorwelle. Ob die Achsentrajektorie gefiltert werden muss, hängt von der jeweiligen Situation ab. Das Pivot-Track/Zeit-Diagramm wird erstellt, indem ein Track mit den beiden XY-Zeitdiagrammen zusammengeführt wird, die zum Erstellen des Track/Zeit-Diagramms verwendet wurden. Das Zeitbereichsdiagramm wird rechts neben dem Kurvendiagramm angezeigt, und das Y-Diagramm befindet sich über dem X-Diagramm. Das Trajektorien-/Zeitbereichsdiagramm kann verwendet werden, um die zeitliche Beziehung von Merkmalen auf der Achsentrajektorie zu ermitteln. Aus diesem Grund wird Matlab verwendet, um die Achsenbahn der rotierenden Maschine zu zeichnen.

y = sign(tacho-triglevel);
dy = diff(y);
tt = maketime(dy,fs);
if slope>0;yt = tt(find(dy>1.5));end
if slope<0;yt = tt(find(dy<1.5));end
dy = diff(yt);
dy(length(dy)+1) = dy(length(dy));
rpm = 60/ppr*ones(size(dy))./dy;
b = [.25 .5 .25];
a = 1;
rpm = filtfilt(b,a,rpm);
idx=find(~isnan(rpm));
rpm=rpm(idx);
yt=yt(idx);
N = max(tt)*newfs+2;
trpm = linspace(0,max(tt),N);
trpm = trpm(:);
%pause
rpm = interp1(yt,rpm,trpm,'linear','extrap'); %interp1(yt,rpm,trpm);
rpm = rpm(:);

 

完整数据和代码通过知乎学术咨询获得：
https://www.zhihu.com/consult/people/792359672131756032?isMe=1

Fachgebiete: moderne Signalverarbeitung, maschinelles Lernen, Deep Learning, digitale Zwillinge, Zeitreihenanalyse, Gerätedefekterkennung, Geräteanomalieerkennung, intelligente Gerätefehlerdiagnose und Gesundheitsmanagement PHM usw.