首页/文章/ 详情

MCC5-THU齿轮箱多模式故障数据集(含变转速、变负载、轴承齿轮复合故障)

1月前浏览3390

论文基本信息

论文题目Multi-mode fault diagnosis datasets of gearbox under variable working conditions

论文期刊Data in Brief
论文日期2024
论文链接https://www.sciencedirect.com/science/article/pii/S2352340924004220
数据链接https://data.mendeley.com/datasets/p92gj2732w/2
作者Shijin Chen(a) , Zeyi Liu(b) , Xiao He(b) , Dongliang Zou(a) , Donghua Zhou(b,c)  
机构
a MCC5 Group Shanghai Co. LTD, 201900, ShangHai, China. 
b Department of Automation, Tsinghua University, 100084, Beijing, China. 
c College of Electrical Engineering and Automation, Shandong University of Science and Technology,  Qingdao 266590, China
通讯作者邮箱hexiao@tsinghua.edu.cn
作者简介
何潇,清华大学自动化系教授、清华大学安全控制技术研究中心主任、清华大学轨道交通智能控制与决策创新团队负责人及首席科学家,曾任清华大学自动化系副主任。研究方向为网络化系统、故障诊断与容错控制。在国内外期刊会议上发表论文200余篇。主持国家自然科学基金重点项目1项、面上项目2项,2015年获得国家自然科学基金优秀青年基金资助。现任中国自动化学会高级会员、IEEE Senior Member、美国Sigma Xi荣誉研究会Full Member,并任Control Engineering Practice、IEEE Transactions on Neural Networks and Learning Systems等多个国际期刊的编委。目前为中国指挥与控制学会云控制与决策专业委员会副主任、智能控制与系统专业委员会副主任、中国自动化学会技术过程的故障诊断与安全性专业委员会秘书长、过程控制专委会常委。曾获2012年SAFEPROCESS国际会议的Frank最佳理论论文提名奖、2023年北京市自然科学二等奖、2021年方崇智最佳论文一等奖、2022年张钟俊院士优秀论文奖,并获2018年吉林省科技进步一等奖、2015年与2020年中国自动化学会自然科学奖一等奖、2022年中国自动化学会技术发明一等奖。培养学生获得2018年和2022年中国自动化学会优秀博士学位论文。
周东华,教授/博导,上海交通大学博士、浙江大学博士后。矿山安全检测技术与自动化装备国家地方联合工程研究中心主任、山东科技大学教授、清华大学双聘教授。曾任清华大学自动化系主任、山东科技大学副校长、教育部高等学校自动化类专业教指委主任、国务院控制科学与工程学科评议组成员。为国家杰出青年基金获得者、长江学者特聘教授、国家”万人计划”领军人才、国家基金委创新研究群体带头人,享受国务院政府特殊津贴。兼任IFAC技术过程故障诊断与安全性技术委员会委员、中国自动化学会副理事长等。主要研究动态系统故障诊断与容错控制、运行安全性评估理论等。以第一完成人获国家奖3项(含国家自然科学二等奖2 项、国家级教学成果二等奖1项)。曾获全国优秀博士后奖、霍英东教育基金会青年教师奖、第六届中国青年科技奖、国家新世纪百千万人才、全国优秀科技工作者、全国黄大年式教师团队带头人等荣誉称号。为山东省泰山学者优势特色学科人才团队领军人才、泰山学者攀登计划专家,入选全球高被引科学家、全球前 2% 顶尖科学家名录,当选IEEE/AAIA/IET/CAAFellow。

注:上述链接若打不开,文末有百度网盘链接。

 摘要

齿轮箱是机电系统的关键部件。多个故障的发生会严重影响系统的精度和使用寿命。齿轮箱的振动信号是其运行状态和故障信息的有效指示器。然而,真实的工业环境中的齿轮箱通常在变化的工况条件下操作,例如变化的速度和负载。利用振动信号完成变工况下齿轮箱的故障诊断是一个有意义和挑战性的研究领域。这篇数据文章介绍了从齿轮箱中收集的振动数据集,该齿轮箱在时变转速负载条件下运行,表现出不同的故障严重程度故障类型。这些故障在通过人工加工故障植入齿轮或轴承中,故障类型包括健康缺齿磨损点蚀根部裂纹断齿。还包括几种实际的复合故障。这些数据集的开发有助于测试新开发的故障诊断方法的有效性和可靠性。

关键词齿轮箱,变工况,故障诊断

参数表

目录

1 数据价值
2 背景
3 数据集描述
4 实验设计、材料和方法
5 数据读取与展示

5.1 数据读取

5.2 绘制时域图

5.3 绘制频域图

5.4 绘制stft时频域图

1 数据价值

  • 1) 数据是从齿轮箱中收集的,齿轮箱在时变工况条件下(包括转速变化负载变化)运行。数据包含振动信号速度信号扭矩信号。该数据集包含多种故障类型(包括多个单齿轮故障和多个轴承-齿轮复合故障)和故障严重程度。如表1所示,我们的数据集优于现有的代表性数据集。
  • 2) 该数据集与现有文献不同,它包括来自更复杂的时变工况条件,更广泛的故障类型和严重程度以及多个信号的数据。
  • 3) 该数据集可用于研究变工况下齿轮箱故障信号的频谱特征。
  • 4) 该数据集可用于评估新开发的齿轮箱故障诊断或工况监测方法的有效性。

表1 代表性数据集的比较

2 背景

齿轮箱的工况环境既复杂又恶劣。在启动 - 停止阶段期间,负载、速度、润滑条件和其它运行参数是在随时间变化的,导致齿轮箱在时变速度和负载工况下运行。因此,变速箱的时变工况条件导致相同齿轮在不同工况下的特性和频率的分布不同。这种工况变化,反过来影响故障诊断模型的鲁棒性和准确性。因此,提供充分数据支持对变工况下的故障诊断模型研究具有重要意义。

3 数据集描述

数据集是根据不同的故障类型、故障程度和工况收集的,共包含240组时间序列数据每个数据集包含8列数据。如图1为单个csv数据内容示例,表2列出了第一行的字母表示该列数据的含义

图1 单个csv数据内容示例

表2 数据集中每列的含义

这些数据集是在两级平行齿轮箱的健康和故障状态下采集的。齿轮箱内部结构示意图如图2所示。这些数据可用于评估在变转速或变负载条件下齿轮箱故障诊断方法的有效性,例如文献[1-5]中提出的方法。


图2 齿轮箱内部结构图

此外,齿轮模数为1.5,齿轮宽度为10mm。中间轴上的齿轮(36齿)是故障齿轮中间轴端部靠近36齿齿轮的支撑轴承是故障轴承,型号是ER16K。ER16K轴承的具体参数见表3。

表3 ER16K轴承的具体参数

数据集采样频率为12.8kHz,以标准EXCEL格式“.csv”存储在没有时间戳的单列中。在60秒的固定持续时间内,以随时间变化的转速或随时间变化的负载收集数据,设定的速度-时间曲线和载荷-时间曲线分别如图3(a)和图3(b)所示。

图中颜色的数量用于区分实验组。以图3(a)中用蓝色标记的0-2500-3000为例,表示在10-20秒内和40-50秒内将转速设置为3000 rpm。同时,在25-30秒内将转速设置为2500 rpm。

图3 (a)时变速度曲线  (b)时变负载曲线

在时变负载条件下的实验过程中,速度被设置为三个恒定值:1000rpm,2000rpm和3000rpm。类似地,在时变速度条件下的实验期间,负载被设置为两个恒定值:10Nm和20Nm。

实验中的故障集包括单齿轮故障和复合齿轮轴承故障。轴承和齿轮的故障参数对应的详细信息分别报告在表4和表5中。在每一个场景中,除了健康状况“缺齿”故障,对于剩下的四个单一故障(“齿轮磨损”“齿轮点蚀”“齿轮裂纹”“断齿”)和两个复合故障(“断齿、轴承内圈故障”“断齿、轴承外圈故障”),考虑了三种不同的故障严重程度。因此,总共包括240个“.csv”文件。在此背景下,共考虑了24个恒定条件和112个动态工况组合。

表4 轴承故障参数详细信息
表5 齿轮故障参数详细说明

值得注意的是,数据集的具体用法与代表性数据集的用法基本一致。对于打算利用该数据集的研究人员,我们建议构建包含整个模拟生命周期的数据,反映实际工况,以评估所提方法的有效性。此外,研究人员可以灵活地根据特定任务需求和提供的csv文件的内容生成定制的训练和测试数据集。

“miss_teeth_torque_circulation_3000rpm_20Nm”数据为例,图4给出了可视化图。值得注意的是,确定了中间轴的旋转频率为14.84Hz,而中间轴上小齿轮的啮合频率为540.63Hz,其边带频率为525.78Hz和555.47Hz。这些观察结果与缺齿缺陷的典型特征相一致。

图4 关于“miss_teeth_torque_circulation_3000rpm_20Nm”数据可视化。(a)表示实际测量的输入轴扭矩值;(b-d)表示电动机在xyz方向上的振动加速度;(e-g) 表示在变速箱中间轴的z轴上显示;(h)表示z轴的包络谱。

此外,还应注意的是,由于电机和扭矩产生器滞后性,实际的速度-时间曲线或负载-时间曲线可能与设定的曲线略有不同。变速箱输出轴的扭矩载荷由磁粉制动器施加,而变速箱输入轴所承受的扭矩则由扭矩传感器测量。在此背景下,键相位传感器和扭矩传感器已测量实际信号。

为了更好地理解数据集文件所对应的设置条件,现将部分文件名的含义解释如下:
"gear_pitting_H_speed_circulation_10Nm_1000rpm.csv":齿轮箱齿面重度点蚀数据集。单坑直径为1.5mm。齿轮输出轴扭矩为10Nm。电机输入轴以0-1000rpm时间-转速曲线旋转,如图2a所示
"gear_pitting_L_speed_circulation_20Nm_3000rpm.csv":齿轮箱齿面轻度点蚀的齿轮箱数据集。单坑直径为0.5mm。齿轮输出轴扭矩为20Nm。电机输入轴以0-3000rpm时间-转速曲线旋转,如图2a所示。
"gear_pitting_H_torque_circulation_1000rpm_10Nm.csv":齿轮箱齿面重度点蚀数据集。单坑直径为1.5mm。电机输入轴以1000rpm的恒定速度旋转。变速箱输出轴的扭矩在0-10Nm之间,加载时间曲线如图2b所示。
"gear_pitting_M_torque_circulation_3000rpm_20Nm.csv":齿轮箱齿面中度点蚀的齿轮箱数据集。单坑直径为0.5mm。电机输入轴以3000rpm的恒定速度旋转。变速箱输出轴的扭矩在0-20Nm之间,加载时间曲线如图2b所示。

4 实验设计、材料和方法

数据集的实验设置如图5所示,其中包括一个2.2kW三相异步电动机,一个扭矩传感器,一个两级并联齿轮箱,一个磁粉制动器作为扭矩产生器,以及一个测量和控制系统。该数据集旨在模拟和记录中间轴及其相邻支承轴承上36齿齿轮在不同运行模式下的各种故障情况。

  • 磁粉制动器用于向变速箱施加扭矩负载;
  • 变速箱输入轴所承受的实际扭矩可以用扭矩传感器测量;
  • 转速传感器用于测量电机输出轴的键相位信号;
  • 从键相位信号可以计算出电机输出轴的转速。

如图5所示,试验台配备了两个三轴振动加速度传感器(TES001V型),用于测量电机和齿轮箱沿x、y和z轴的中间轴三轴振动,采样频率为12.8 kHz。收集数据集并在12种工况下进行处理。为了减少由温度引起的实验误差和测量误差,将实验室的温差控制在2℃范围内。

图5  实验台实物图

5 数据读取与展示

“miss_teeth_torque_circulation_3000rpm_20Nm.csv”数据为例,展示其时域图、频域图、stft时频域图。

5.1 数据读取

首先是先了解如何用python读取数据。它的格式是xls,用pd.read_csv()函数读取,但还需要再处理一下。下面定义了1个data_read()函数,并以“miss_teeth_torque_circulation_3000rpm_20Nm”数据为例。
    ## 导入包from matplotlib import pyplot as pltfrom matplotlib import rcParamsimport numpy as npimport pandas as pdimport osconfig = {    "font.family": 'serif', # 衬线字体    "font.size": 14, # 相当于小四大小    "font.serif": ['SimSun'], # 宋体    "mathtext.fontset": 'stix', # matplotlib渲染数学字体时使用的字体,和Times New Roman差别不大    'axes.unicode_minus': False # 处理负号,即-号}rcParams.update(config)def data_read(file_path):    """    :fun: 读取csv数据    :param file_path: 文件路径    :return accl_data_df: Dataframe,八列分别为'speed', 'torque', 'motor_vibration_x', 'motor_vibration_y', 'motor_vibration_z', 'gearbox_vibration_x', 'gearbox_vibration_y', 'gearbox_vibration_z'    """    file_path = os.path.join(base_dir, file_name)    accl_data_df = pd.read_csv(file_path)    return accl_data_dffile_path = r'E:\03-公开数据集\MCC5-THU gearbox fault diagnosis datasets with variable working conditions\原始数据/gear_pitting_M_torque_circulation_3000rpm_20Nm.csv'df = data_read(file_path)acc_z_arr= df['gearbox_vibration_z']  # 选择变速箱z轴数据df

    图6一个csv文件内具体内容

    可知,该数据为8列,分别为'speed', 'torque', 'motor_vibration_x', 'motor_vibration_y', 'motor_vibration_z', 'gearbox_vibration_x', 'gearbox_vibration_y', 'gearbox_vibration_z'。

    5.2 绘制时域图

    选择齿轮箱z轴的加速度传感器数据进行展示。

      ##========绘制时域信号图========##def plt_time_domain(arr, fs=1600, ylabel='Amp($m/s^2$)', title='原始数据时域图', img_save_path=None, x_vline=None, y_hline=None):    """    :fun: 绘制时域图模板    :param arr: 输入一维数组数据    :param fs: 采样频率    :param ylabel: y轴标签    :param title: 图标题    :return: None    """    import matplotlib.pyplot as plt    plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文    plt.rcParams['axes.unicode_minus'] = False  # 显示负号    font = {'family': 'Times New Roman', 'size': '20', 'color': '0.5', 'weight': 'bold'}    plt.figure(figsize=(12,4))    length = len(arr)    t = np.linspace(0, length/fs, length)    plt.plot(t, arr, c='g')    plt.xlabel('t(s)')    plt.ylabel(ylabel)    plt.title(title)    if x_vline:        plt.vlines(x=x_vline, ymin=np.min(arr), ymax=np.max(arr), linestyle='--', colors='r')    if y_hline:        plt.hlines(y=0.2, xmin=np.min(t), xmax=np.max(t), linestyle=':', colors='y')    #===保存图片====#    if img_save_path:        plt.savefig(img_save_path, dpi=500, bbox_inches = 'tight')    plt.show()
        fs = 12800file_name = r'miss_teeth_torque_circulation_3000rpm_20Nm.csv'##=====绘制时域数据====##time_img_save_path = file_path.replace('.csv', '时域_.png')plt_time_domain(acc_z_arr, fs=fs, title=file_name, img_save_path=time_img_save_path, ylabel = 'Amp(g)')

        共60s的数据,单位    。

        5.3 绘制频域图

          ##========绘制频域信号图========##def plt_fft_img(arr, fs, ylabel='Amp(mg)', title='频域图', img_save_path=None, vline=None, hline=None, xlim=None):    """    :fun: 绘制频域图模板    :param arr: 输入一维时域数组数据    :param fs: 采样频率    :param ylabel: y轴标签    :param title: 图标题    :return: None    """    # 计算频域幅值    length = len(arr)    t = np.linspace(0, length/fs, length)    fft_result = np.fft.fft(arr)    fft_freq= np.fft.fftfreq(len(arr), d=t[1]-t[0])  # FFT频率    fft_amp= 2*np.abs(fft_result)/len(t)                     # FFT幅值    # 绘制频域图    plt.figure(figsize=(12,4))    plt.title(title)    plt.plot(fft_freq[0: int(len(t)/2)], fft_amp[0: int(len(t)/2)], label='Frequency Spectrum', color='b')    plt.xlabel('频率 (Hz)')    plt.ylabel('幅值')    plt.legend()    if vline:        plt.vlines(x=vline, ymin=np.min(fft_amp), ymax=np.max(fft_amp), linestyle='--', colors='r')    if hline:        plt.hlines(y=hline, xmin=np.min(fft_freq), xmax=np.max(fft_freq), linestyle=':', colors='y')    #===保存图片====#    if img_save_path:        plt.savefig(img_save_path, dpi=500, bbox_inches = 'tight')    if xlim: # 图片横坐标是否设置xlim        plt.xlim(0, xlim)      plt.tight_layout()    plt.show()
            fs = 12800file_name = r'miss_teeth_torque_circulation_3000rpm_20Nm.csv'##=====绘制频域数据====##fft_img_save_path = file_path.replace('.csv', '频域_.png')plt_fft_img(acc_z_arr, fs=fs, title=file_name, img_save_path=fft_img_save_path)

            可见明显的主频在950Hz左右。

            3.4 绘制stft时频域图

              def plt_stft_img(arr, fs, ylabel='Amp(mg)', title='频域图', img_save_path=None, vline=None, hline=None, xlim=None):    """    :fun: 绘制stft时频域图模板    :param arr: 输入一维时域数组数据    :param fs: 采样频率    :param ylabel: y轴标签    :param title: 图标题    :return: None    """    import scipy.signal as signal    import numpy as np    import matplotlib.pyplot as plt    f, t, nd = signal.stft(arr, fs=fs, window='hann', nperseg=128, noverlap=64,nfft=None,                           detrend=False, return_onesided=True, boundary='odd', padded=False, axis=-1)    #  fs:时间序列的采样频率,  nperseg:每个段的长度,默认为256(2^n)   noverlap:段之间重叠的点数。如果没有则noverlap=nperseg/2    #window :字符串或元组或数组,可选需要使用的窗。    # #如果window是一个字符串或元组,则传递给它window是数组类型,直接以其为窗,其长度必须是nperseg。    # 常用的窗函数有boxcar,triang,hamming, hann等,默认为Hann窗。    #nfft :int,可选。如果需要零填充FFT,则为使用FFT的长度。如果为 None,则FFT长度为nperseg。默认为无    # detrend :str或function或False,可选    # 指定如何去除每个段的趋势。如果类型参数传递给False,则不进行去除趋势。默认为False。    # return_onesided :bool,可选    # 如果为True,则返回实际数据的单侧频谱。如果 False返回双侧频谱。默认为 True。请注意,对于复杂数据,始终返回双侧频谱。    # boundary :str或None,可选    # 指定输入信号是否在两端扩展,以及如何生成新值,以使第一个窗口段在第一个输入点上居中。    # 这具有当所采用的窗函数从零开始时能够重建第一输入点的益处。    # 有效选项是['even', 'odd', 'constant', 'zeros', None].    # 默认为‘zeros’,对于补零操作[1, 2, 3, 4]变成[0, 1, 2, 3, 4, 0] 当nperseg=3.    # padded:bool,可选    # 指定输入信号在末尾是否填充零以使信号精确地拟合为整数个窗口段,以便所有信号都包含在输出中。默认为True。    # 填充发生在边界扩展之后,如果边界不是None,则填充为True,默认情况下也是如此。    # axis :int,可选    # 绘制STFT时频域图    plt.figure(figsize=(12,4))    plt.pcolormesh(t, f, np.abs(nd), vmin = np.min(np.abs(nd)), vmax = np.max(np.abs(nd)))    plt.title(title)    plt.xlabel('时间(t)')    plt.ylabel('频率 (Hz)')    if vline:        plt.vlines(x=vline, ymin=np.min(fft_amp), ymax=np.max(fft_amp), linestyle='--', colors='r')    if hline:        plt.hlines(y=hline, xmin=np.min(fft_freq), xmax=np.max(fft_freq), linestyle=':', colors='y')    #===保存图片====#    if img_save_path:        plt.savefig(img_save_path, dpi=500, bbox_inches = 'tight')    if xlim: # 图片横坐标是否设置xlim        plt.xlim(0, xlim)      plt.tight_layout()    plt.show()
                fs = 12800file_name = r'miss_teeth_torque_circulation_3000rpm_20Nm.csv'##=====绘制STFT时频域数据====##stft_img_save_path = file_path.replace('.csv', '时频域_.png')    plt_stft_img(acc_z_arr, fs=fs, img_save_path=stft_img_save_path)

                从stft时频图可以明显看到频率在随时间发生变化,
                • 在恒定速度时,频率集中在950Hz左右
                • 在加速和减速段时,可以明显看到频率在上升或下降。

                来源:故障诊断与python学习

                附件

                免费链接.txt
                ACTSystem振动化学航空轨道交通ANSApythonUM裂纹理论电机材料数字孪生控制渲染试验
                著作权归作者所有,欢迎分享,未经许可,不得转载
                首次发布时间:2024-05-26
                最近编辑:1月前
                故障诊断与python学习
                硕士 签名征集中
                获赞 44粉丝 42文章 104课程 0
                点赞
                收藏
                作者推荐
                机械故障诊断干货 | (电机、减速机、风机)振动传感器部署指南,附图详解!

                本文摘要:(由ai生成)本文讨论了工业设备振动传感器的高效部署,强调安装位置和方向的选择原则,如选择结构刚度高的部位和振动强度大的方向。针对不同设备类型,如电机、减速机和风机等,提供了具体的安装位置和方向建议。同时,介绍了传感器的安装方式和技巧,以确保测量精度。传感器安装应体现结构振动特性,减少安装工件影响,提高监测效率。设备状态监测的测点通常选在设备轴承或靠近轴承的位置,通过在轴向、垂直方向、水平方向部署振动传感器来实现设备振动信号的采集。但在实际工作中,考虑安装空间和硬件成本,部署过程通常被两个问题困扰:如何高效利用状态监测传感器,即传感器安装在什么位置,既可以减少传感器的使用数量,还可以尽可能的保证设备状态监测的效果;对于可以同时测量多方向振动的传感器,如果不同方向的性能指标存在差异,应当优先测量哪个方向更为合理。参考振动状态监测的相关标准,并结合设备故障诊断的实际经验,我们总结出选取状态监测传感器安装部署位置和方向时,应当遵循如下原则:安装位置应尽量选择设备结构刚度较高的部位,例如设备的轴承座、端盖等,减少振动信息在传递路径中的损失;安装方向应优先选择振动强度大的方向,例如与安装管道垂直的方向、设备的受力方向、齿轮的啮合方向等,提高振动信号的幅值。下面我们针对现场常见的几类工业设备(电机、减速机、风机),具体说明进行设备状态监测时,振动传感器推荐的安装位置及安装方向。该文来自天津三石峰科技有限公司,其是一家集产品研发、生产、销售为一体的科技型公司。公司主营业务板块:工业互联网、智能运维。目录1 电机 1.1 卧式电机 1.2 立式电机2 传动部件 2.1 直齿减速机 2.2 斜齿、伞齿减速机3 泵/风机 3.1 悬臂式离心机/风机 3.2 双支撑式离心机/风机 3.3 罗茨风机/双螺杆压缩机4 安装固定方式 4.1 振动传感器安装位置 4.2 振动传感器安装方向 4.3 振动传感器安装技巧 4.4 总结1 电机1.1 卧式电机可靠安装在刚性支撑上的卧式电机,其驱动端带动负载设备,振动强度大于非驱动端,设备约束方向为垂直方向,因此大多数情况下水平方向的振动大于垂直方向。进一步考虑到传输距离越长,振动信号衰减越大的情况,卧式电机若选取单轴振动传感器,安装位置和方向的优先级由高到低依次为:驱动端水平→驱动端垂直→驱动端轴向→非驱动端水平→非驱动端垂直。若使用3轴传感器,则应优先测量水平方向的振动,安装位置和方向优先级由高到低为:驱动端水平→非驱动端水平。1.2 立式电机通常情况下,立式电机的驱动端与安装面距离近、约束较好,非驱动端距离安装面较远,振动强度大。因此,立式电机部署单轴或3轴传感器时,均应优先安装在远离安装平面的非驱动端,条件不允许时可安装在驱动端。2 驱动部件2.1 直齿减速机齿轮箱按传动级数可分为单级齿轮箱和多级齿轮箱。监测齿轮箱的运行状态需至少在输入轴和输出轴上各安装一台振动传感器。对于内部为直齿轮的直齿减速机,其受力方向主要沿径向。因此,若选取单轴振动传感器,安装位置和方向的优先级由高到低依次为:输入/输出端垂直→输入/输出端水平→输入/输出端轴向。若选取3轴传感器,则应优先测量垂直方向的振动,在输入和输出轴的垂直方向安装传感器即可。2.2 斜齿、伞齿减速机对于斜齿或伞齿减速机,其受力方向主要沿轴向,应重点监测主轴方向的振动信号。若采用单轴振动传感器,安装位置和方向的优先级由高到低依次为:输入/输出端轴向→输入/输出端水平→输入/输出端垂直。若采用3轴传感器进行状态监测,应优先测量轴向的振动,选择在输入和输出轴的轴向安装传感器即可。3 泵/风机3.1 悬臂式离心机/风机悬臂式离心机/风机的轴承在叶轮一侧,测点通常选取在靠近驱动端轴承的位置。需要注意的是,泵机/风机的进口和出口管道同样对设备起到约束作用,一定程度上抑制了设备在管道方向上的振动,在条件允许的情况下,振动测量方向应当与进口管道和出口管道垂直。但是相比泵机底部螺栓的固定,管道的约束效果有限,当管道方向为水平方向时,仍优先在水平方向安装振动传感器。使用单轴传感器进行悬臂式离心机/风机的状态监测时,安装位置和方向的优先级由高到低依次为:驱动端水平→驱动端垂直→驱动端轴向。使用3轴传感器进行状态监测,则优先选择测量水平方向振动。3.2 双支撑式离心机/风机相比单支撑离心机/风机,双支撑离心机/风机在叶轮两侧均有轴承,因此在监测时需要在驱动端和非驱动端均布置测点。采用单轴传感器时,安装的优先级由高到低依次为:驱动端水平→驱动端垂直→驱动端轴向→非驱动端水平→非驱动端垂直→非驱动端轴向。若采用3轴传感器,则应优先测量水平方向的振动,驱动端的安装优先级高于非驱动端。3.3 罗茨风机/双螺杆压缩机罗茨风机/双螺杆压缩机中扇叶的啮合方向为垂直方向,因此垂直方向的振动相对较大。对于主动轴和从动轴轴心距离小于800mm的罗茨风机或双螺杆压缩机,每端(驱动端/非驱动端)可以使用一台传感器,在两轴中间进行垂直方向的振动测量。如果主动轴和从动轴轴心距离超过800mm,主动轴和从动轴垂直方向的振动需要分别安装2台传感器进行采集。若采用单轴传感器,由于主动轴和从动轴转速一致、轴承型号一致,考虑到传感器的成本,出现问题可不定位故障轴承,可针对一根轴来进行状态监测。(1) 若选择主动轴监测,传感器安装位置的优先级由高到低依次为:驱动端主动轴垂直→驱动端主动轴轴向→非驱动端主动轴垂直→非驱动端主动轴水平→驱动端主动轴水平→非驱动端主动轴轴向。(2) 若选择从动轴,安装位置的优先级变为:驱动端从动轴垂直→驱动端从动轴轴向→非驱动端从动轴垂直→非驱动端从动轴水平→驱动端从动轴水平→非驱动端从动轴轴向。4 安装固定方式振动传感器有多种安装方式:手持探针、蜂蜡、双面胶、磁座、胶粘和螺栓等方式。不同的安装方式对应不同的安装刚度,因而整个传感器系统的自振频率会不同。安装刚度越大,传感器系统的自振频率越高,能用于测量的频带也就越高。因此,关心的频带越高,传感器的安装刚度应越大。在这几种安装方式中,螺栓连接安装刚度最大。但是这时的安装是一种有损安装,因需要在结构表面开螺纹孔。4.1 振动传感器安装位置振动传感器安装要与被测设备良好固定,保证紧密接触,连接牢固,振动过程中不能有松动。因此,要求安装表面平整,不能有油污、尘土、碎屑等杂物。当安装平面不平整时,应加工使之平整。当结构表面有油漆,也应该去除表面油漆之后再安装传感器。当用磁座安装时,磁座应当安全牢靠地吸附在测量位置表面上,如下图所示:4.2 振动传感器安装方向振动传感器的测振方向应该与待测方向一致,否则,会造成测量幅值误差。不同的测试要求不同的传感器安装方向。测量位置产生的振动依赖于传感器的安装方向,不同的方向振动幅值是不相同的。应根据测试要求将传感器安装在待测方向上。如果传感器方向偏离测试方向,那么此时横向运动可能远大于轴向运动,此类误差将会特别明显。4.3 振动传感器安装技巧当用胶粘时,应沿垂直胶粘平面方向用力按压传感器,使传感器底部的胶形成较薄的一层避免胶层太厚,导致将高频阻隔掉。当使用磁座安装时,由于磁座有吸力,因此安装传感器时应十分小心。若通过磁力垂直吸附在结构表面,由于瞬时的磁力,会导致传感器受到撞击,影响精度。正确的做法时使磁座倾斜一定角度靠近安装表面完成安装。传感器安装后,信号传输导线应固定,同时传感器与导线的接头应紧固连接,测试过程中不能出现松动。固定导线时,接头处的导线应处于舒展状态,不应拉紧受力。导线固定有三个方面的好处,第一,当传感器松动,与被测结构松开时,不会直接摔到地上,损坏传感器,因为有导线拉着。第二,不固定的传输导线在测量过程中发生晃动,会拍打被测结构,导致出现新的振源,这一点特别是模态测试时,需要特别注意。第三,传输导线出现弯曲,拉伸等可能会引起导体与屏蔽层之间局部电容或电荷的变化,引入噪声。其他方面主要是考虑高温、防潮和绝缘等问题。户外高温天气进行测量时,应考虑高温对传感器的影响。对于室外需要隔夜测量时,应考虑传感器的防潮问题。4.4 总结振动传感器安装的总原则:传感器的安装位置应能体现结构的振动特性,应该仔细地检查安装表面是否有污染和表面平滑,如有需要应加工使之平整。使传感器的测振方向和测量方向的偏差减到最小,否则将导致相当于横向灵敏度所引起的误差。安装时,注意安装技巧,尽量减少安装工件带来的影响。安装时安装刚度应尽量大,这样可用的频带会越宽。信号电缆应固定于结构表面安装表面的状态和安装方法应在实验记录中进行记录。来源:故障诊断与python学习

                有附件
                未登录
                还没有评论
                课程
                培训
                服务
                行家
                VIP会员 学习 福利任务 兑换礼品
                下载APP
                联系我们
                帮助与反馈