基于LabVIEW的变速箱状态检测系统

摘要: 采用门限关联度理论进行变速箱状态检测, 并构建了以虚拟仪器为核心的变速箱状态采集系统, 建立了表征变速箱状态的特征参量和正常故障判定准则, 采用LabV IEW开发了检测与故障判定软件系统。

关键词: LabVIEW;变速箱;门限关联度;状态检测

　　变速箱是一个复杂的机械传动系统,经常是一种故障有多种表现形式,而一种现象又可能是多种故障引起的。此外,解体维修工作量大,费用昂贵。这样就给变速箱状态检测造成了一定程度的困难。而在机械故障诊断研究方面,研究单对齿轮啮合和单一轴承的较多。完整变速箱,特别是多级传动的复杂变速箱的状态检测与故障诊断的研究并不多见。

随着机械故障诊断学的发展,有关专家将灰色系统理论引入状态检测中,提出了基于门限关联度的变速箱状态检测方法,这就为我们在不解体情况下对变速箱状态检测提供了技术支持。与此同时,随着计算机技术的飞速发展,虚拟检测平台的出现为我们在不解体情况下对变速箱状态检测提供了平台。因此,笔者设计了在不解体条件下基于计算机虚拟平台的变速箱状态检测软件系统。此系统借助 门限关联度相关理论,通过对变速箱的正常信号和实时信号的采集和处理,分别建立了标准正常状态模式和待检状态模式,并计算以上两种模式的关联度,结合门限关联度的统计学意义对待检状态模式的信号进行判别,实现对变速箱状态的检测。

基于门限关联度的变速箱状态检测方法

标准故障状态模式的关联度, 对比关联度的大小来判断系统的工作状态。将其运用于变速箱状态检测中,具体方法如下:

选取变速箱状态检测的特征参量: 偏态指标f_skewness、峭度指标f_kurtosis、峰峰值指标f_crest、功率谱重心指标f_cg构成状态模式向量f^(a) = [ f^(a)_skewness , f^(a)_kurtosis ,f^(a)_crest , f^(a)_cg ]^T , a为所有特征参数的样本个数。标准正常状态F₀ 模式向量为f^0b = [ f^(0b)_skewness , f^(0b)_kurtosis , f^(0b)_crest ,f^(0b)_cg ]^T。

设f^(0b)_j 服从均值为f⁽⁰⁾_j 、方差为σ²_j 的正态分布( j = skewness, hurtosis, crest, cg) 。对于待检状态F_i模式向量为: f⁽ⁱ⁾ = [ f⁽ⁱ⁾_skewness , f⁽ⁱ⁾_kurtosis , f⁽ⁱ⁾_crest , f⁽ⁱ⁾_cg ]^T。定义待检状态F_i 对于标准正常状态F₀ 在第j个特征参数上的门限关联系数:

则待检状态F_i 对于标准正常状态F₀ 的门限关联度为:

式中: K∈ (0, 3 ]为实数; a_j为加权系数,在检测中a_j取1;当n = 1,完成单项r⁽ⁱ⁾_j的判定。

显然| f⁽ⁱ⁾_j - f⁽⁰⁾_j越小, F_i ∈F₀的可能性就越大,同时门限关联度的值也就越大。因此, 门限关联度的大小反映了待检状态Fi属于标准正常状态F0的可能性。由式(1) 、(2)知, 当| f⁽ⁱ⁾_j - f⁽⁰⁾_j|≤kσ时,r⁽ⁱ⁾ ≥0.5,判断为F_i ∈F₀ ;当| f⁽ⁱ⁾_j - f⁽⁰⁾_j | > Kσ时, r⁽ⁱ⁾< 0.5,判断为F_i| ∈/F₀。Kσ实际上就是标准正常状态到非正常状态的门限值,在检测中K取2.5。

实际计算中,由于总体均值和总体方差无法求得,可以用样本均值^{^}f⁽⁰⁾_j 代替总体均值f⁽⁰⁾_j ,用样本方差^{^}σ²_j 代替总体方差σ²_j 。

基于LabVIEW的变速箱状态检测系统

　变速箱状态检测系统的结构和组成

变速箱状态检测系统采用顺序运行和数据交换的结构方式实现对变速箱状态的检测, 其整体框架分为正常状态下的模式建立和实时条件下的变速箱状态识别两大部分,程序流程框图如图1所示。

在系统运行过程中,首先进入变速箱正常状态下模式建立部分。通过对正常状态下变速箱振动信号采集,获取四处不同位置的振动加速度信号,然后经预处理和计算转换获得变速箱正常状态下的各指标的统计学参量。

其次,进入实时条件下变速箱状态识别部分。在此部分,同样先是对实时状态下变速箱振动信号采集,通过预处理和计算获得实时条件下的变速箱各指标参量。结合前一部分获取的正常状态下的各指标的统计学参量,借助门限关联度理论,获取各指标在实时状态下的关联系数并判断实时状态下的变速箱状态得出结论。如变速箱处于故障状态, 系统将提出报警。最后将系统得到的此变速箱的状态情况进行保存备案,并结束整个检测过程。

系统的主要软件模块

系统的主要软件模块如下:

1)信号采集、预处理及指标获取模块;

2)指标统计量提取模块和各指标关联系数获取及状态判断模块;

3)结论保存及系统报警模块。

　信号采集、预处理及指标获取模块

信号采集、预处理及指标获取模块主要是利用四处振动加速度传感器将振动信号转化为电信号,通过数据采集卡将电信号传入计算机并利用去噪程序去除信号中的随机噪声, 最后通过适当的数据处理获得所需要的信号指标。无论在变速箱正常状态下模式建立部分,还是在实时条件下的变速箱状态识别部分,此模块是必不可少的。在此模块中主要的片段程序是数据采集程序和指标获取程序(以偏态指标计算为例) ,如图2所示。

　指标统计量提取模块和各指标关联系数获取及状态判断模块.指标统计量提取模块主要是在变速箱正常状态下模式建立部分中, 将前一模块获得的偏态、峭度、峰峰值和功率谱重心指标, 通过数理统计的手段提取出统计量指标,并将统计量指标存入全局变量中供后序程序调用。

　　各指标关联系数获取及状态判断模块主要是将实时采集的信号提取出来的4个指标结合指标统计量模块获得的正常状态下4个指标的统计量, 通过关联度算法,获得各指标对应的实时状态下的关联系数,最后通过相应的门限关联度理论进行变速箱状态的判断。

以上两个模块是此状态检测系统的核心算法部分,但在LabVIEW编程中难度并不大, 只是一种算法的程序化,故具体的程序在这里就不详细介绍了。

结论保存及系统报警模块

结论保存及系统报警模块是完成对变速箱状态检测结论的处理。结论保存部分是将获得变速箱状态检测结论通过数据库插入的方式保存到access数据库中,便于结论的管理和后期的查询。系统报警部分是当变速箱状态检测结论反应变速箱处于故障工作状态时,通过声光信号来提示检测者变速箱处于故障状态。结论保存及系统报警部分主要程序片段如图3所示。

　变速箱状态检测实例

以某变速箱状态检测某一路采集信号为例,偏态指标fskewness、峭度指标fkurtosis、峰值指标fcrest、功率谱重心指标fcg构成状态模式向量。在变速箱工作状态正常的情况下和分别设置主动轴上的锥齿轮局 部故障、某滚子轴承外圈故障、内圈故障等情况下,进行实车检测。选用精度为100mV/g的丹麦B&K公司压电式加速度传感器粘贴安装在齿轮箱壳体上,级连电荷放大器和NI公司的NI6013数据采集卡,并使用本系统对某变速箱在预设条件下进行箱体振动信号采集,预处理后提取各指标结合正常状态下提取的各指标统计量计算出实时采集信号的关联度系数且K取2.5, 进行判断获得变速箱状态检测结论。变速箱工作状态正常时各特征参数的均值与方差见表1,门限关联度计算结果见表2。

　　在表2中, 可以看到变速箱正常状态、齿轮故障、外圈故障和内圈故障相应数据和结论。此结论与预设故障相符,说明整个状态检测系统的正确性和可行性。

结论

此变速箱状态检测系统以LabVIEW为虚拟仪器开发平台,通过数据采集卡将变速箱壳体上四路不同的振动信号传入计算机,运用预先编辑完毕的去噪程序和信号指标提取程序将变速箱各特征参数指标进行提取,再结合正常状态下各指标统计量,借助门限关联度理论,对实时状态下采集的信号进行判断,获取变速箱的状态结论。整个系统运用了虚拟仪器的信号采集技术、信号的均值去噪理论、门限关联度理论、实现LabVIEW与数据库的接口程序和虚拟仪器仿真报警等多种技术,完成了从信号的实时采集到状态识别的全过程不解体条件下变速箱状态识别的工序。

但由于本系统使用的门限关联度方法设置的函数是一个门限函数,只是在门槛处作为工作状态的分水岭,不能有效地反映故障的程度。用门限关联度方法可以判断出变速箱性能状态正常与否,对于工作状态不正常的状况,需要进行进一步的故障诊断,将故障定位于零部件,故存在着一定的局限性。