一種基于帶通濾波和相關運算相結合的磨粒傳感器靈敏度提升方法
【技術領域】
[0001] 本發明屬于機械系統狀態監測、故障診斷及壽命預測技術領域，具體涉及一種基 于帶通濾波和相關運算相結合的磨粒傳感器靈敏度提升方法。
【背景技術】
[0002] 隨著機械系統的日益復雜與精密，實時監測對于機械可靠的運行有著重要的意義 [1]。磨粒檢測作為一種直接的監測方式是基于監測油液中的污染物可以的數量和大小以 及材質來監測機械狀態，它能很容易跟蹤和發現機械的故障[2]。由于其簡單的結構以及對 油液品質部敏感等優點，電感式磨粒檢測是目前最實用在線磨粒監測方法。其原理是當金 屬磨粒通過傳感器時，會引起磁場的改變，從而產生電信號[3]。然而，由于磁場難以被集 中，因此對于大流量監測時造成了這一類傳感器靈敏度不足的問題。
[0003] 為了提升傳感器的靈敏度，早在1988年，Chambers K W等人[4]基于磁力收集磨 粒同時釋放通過傳感器從而提升傳感器的靈敏度的想法，設計了一種帶磁力收集裝置的電 感式磨粒傳感器。在隨后的研宄中，Miller等人[5]提到了一種三線圈結構的磨粒傳感器 (ODM)，通過改變磁場的梯度提升傳感器靈敏度在直徑為1/2"油管下，它能有效的監測大 于125um的球型鐵磁質磨粒，并成功的應用于F22航空發動機的檢測上。然而這一靈敏度 依然是不足的。相關研宄[6]表明，正常的機械磨損產生的磨粒尺寸為l-20um，而非正常磨 損產生的磨粒為50-100um。而機械系統處在壽命的中后期時將大量產生200um以上的磨粒 [5]，因此為了跟蹤和監測機械系統的早期故障需要進一步提升傳感器的靈敏度。為了實現 這一目標，Du Li等人[7] [8]通過改變線圈的長徑比，能夠在I. 2mm的通道中有效的監測 50um以上的鐵磁質磨粒。之后他們又采用parallel LC resonance method提升傳感器靈 敏度，使得傳感器能監測20um的鐵磁質磨粒和55um的非鐵磁質磨粒[9]。最近，Wei Hong 等人提出了一種基于徑向磁場的磨粒傳感器[10]，相對于傳統的軸向磁場，這種結構解決 了敏感區域與感應線圈體積的矛盾，從而使得傳感器能在外徑為20mm的管道中檢測20um 的薄片鐵磁質磨粒，是擁有更高的相對靈敏度。
[0004] 另一方面，傳感器的靈敏度也受限于環境的干擾。磨粒的信號是一個類似于2 31 正弦的信號，而傳感器的干擾來源于特定頻率的干擾如振動，電源以及隨機噪聲。顯然，由 這些信號構成傳感器信號是非平穩的，因此閾值判斷作為一種簡單的方法被廣泛的應用于 磨粒信號的識別[5]。然而閾值判斷識別效果嚴重的依賴于高信噪比。如果我們能提高信 噪比也能使得識別更小的磨粒。不幸的是當磨粒信號淹沒在干擾中時，傳統的濾波器和頻 域處理方法很難能夠有效的提高信噪比。為了提高信噪比，Hoonbin Hong等人[11]提出 了一種分數階微積分的方法并給出了它的數學模型。隨后，X Fan等人[12]提出了一種時 不變小波變換相結合的方法。I Soltani Bozchalooi等人[13]采用了一種基于兩級消噪 的方法來消除振動干擾和背景噪聲。由于分解深度是小波變換的重要參數，其直接影響了 小波變換的性能，因此ChuanLi等人[14]采用了基于優化分解深度的最大重疊離散小波變 換的方法。這些方法有效的提升信噪比和推動了油液污染技術的應用。然而這些方法存在 參數魯棒性和收斂問題，特別是當干擾頻率與信號平率十分接近時，干擾消除的效果將會 被大大削弱。相關運算是一種有效抑制周期信號中隨機噪聲的方法[15]，然而磨粒信號為 短周期信號同時又受到存在特定頻率的干擾，因此簡單相關運算是不適用的。
[0005] [l]Manfred R. Mauntzj Jlirgen Gegnerj Ulrich Kuipers and Stefan Klingau 2013 A Sensor System for Online Oil Condition Monitoring of Operating Components Tribol. Fundam. Adv. Chapter 11
[0006] [2]B. J. Roylancej J. A. Williams and R Dwyer-Joyc 2000 Wear debris and associated wear phenomena-fundamental research and practiceProc. Inst. Mech. Eng. Part J J. Eng. Tribol.
[0007] [3]Richard Dupuis 2010 Application of Oil Debris Monitoring For Wind TurbineGearbox Prognostics and Health Management Annual Conf. Prognostics Health Manage. Soc.
[0008] [4]Chambers KW，ArnesonMC and WaggonerCA 1988 An on-line ferromagnetic wear debris sensor for machinery condition monitoring and failure detection Wear Vol 128 No 3 pp325-337
[0009] [5]Miller J L and Kitaljevich D 2000 In-line oil debris monitor for aircraft engine condition assessment IEEE Aerosp. Conf. Proc. Vol 6 pp 49-56
[0010] [6]Tucker JE，Galie TR，Schultz A，Lu C，Tankersley LL，Sebok T，et al 2000 LASERNET finesoptical wear debris monitor:a Navy shipboard evaluation of CBM enablingtechnology54th Soc. Mach. Fail. Prev. Technol. Proc. (Virginia Beach)p 191
[0011] [7]Du LjZhe JjCarletta JjVeillette R and Choy F2010 Real-time monitoring of wear debris in lubrication oil using a microfluidic inductive Coulter counting device Microfluid Nanofluid Vol 9 No 6 pp 1241-1245
[0012] [8]Du L and Zhe J 201IA high throughput inductive pulse sensor for online oil debris monitoring Tribol. Int. vol 44 No 2 pp 175-179
[0013] [9]Du L，Zhu X. L，Han Y.，Zhao L and Zhe J. 2013 Improving sensitivity of an inductive pulse sensor for detection of metallic wear debris in lubricants using parallel LC resonance method Meas. Sci. Technol. Vol 24 075106
[0014] [10]Wei HongjShaoping WangjMileta TomovicjLeiHan and Jian Shi 2013 Radial inductive debris detection sensor and performance analysis Meas. Sci. Technol. Vol 24 125103
[0015] [ll]Hoonbin Hong and Ming Liang. 2008 A fractional calculus technique for on-line detection of oil debris Meas. Sci. Technol.Vol 19 055703
[0016] [12]X FanjM Liang and T Yeap 2009 A joint time-invariant wavelet transform and kurtosis approach to the improvement of in-line oil debris sensor capability Smart Mater. Struct.Vol 18 085010
[0017] [13]I Soltani Bozchalooi and Ming Liang 2010 In-line identification of oil debris signals:an adaptive subband filtering approach Meas. Sci. Technol. Vol 21 015104
[0018] [14] Chuan Li, Juan Peng and Ming Liang 2014 Enhancement of the Wear Particle Monitoring Capability of Oil Debris Sensors Using a Maximal Overlap Discrete Wavelet Transform with Optimal Decomposition Depth Sensors Vol 14 No.4, pp6207-6228
[0019] [15]Lee, Y. W. Cheatham, T. P. , Jr. and Wiesnerj J. B. 1950 Application of Correlation Analysis to the Detection of Periodic Signals in Noise Proceedings of the IRE Vol 38
【發明內容】
[0020] 本發明的目的是為機械系統的狀態監測、故障診斷及壽命預測技術服務，提供了 一種提升已有磨粒傳感器靈敏度的方法。
[0021] 一種基于帶通濾波和相關運算相結合的磨粒傳感器靈敏度提升方法，包括以下幾 個步驟：
[0022] 步驟一：將磨粒傳感器X、磨粒傳感器Y接入油液回路中，磨粒傳感器X、磨粒傳感 器Y之間的管路長度為L，
【主權項】
1. 一種基于帶通濾波和相關運算相結合的磨粒傳感器靈敏度提升方法，包括w下幾個 步驟： 步驟一；將磨粒傳感器X、磨粒傳感器Y接入油液回路中，磨粒傳感器X、磨粒傳感器Y之間的管路長度為以
其中；Q為油液的體積流量，r為管道內徑，n為大于0的整 數； 磨粒傳感器X的輸出為；
其中，A是磨粒信號的幅值，W是磨粒信號的頻率，B,是特定頻率干擾對磨粒傳感器X的干擾幅值，W。是特定干擾的頻率，Cy是隨機干擾造成傳感器X的隨機噪聲，n(t)是背景噪 聲源； 磨粒傳感器Y的輸出為；
其中，By是特定頻率干擾對傳感器Y的干擾幅值，Cy是隨機干擾造成傳感器Y的背景 噪聲. 步驟二；將磨粒傳感器X、磨粒傳感器Y的輸出信號分別輸出至兩個帶通濾波器，兩個 帶通濾波器的通帶分別為^到^，衰減為30地，其中w= ^，1為磨粒傳感器的軸向長 4. Ir 度； 步驟=;將兩個帶通濾波器的輸出結果進行相關運算，相關運算數據長度7^=^，兩 Ltt/''.三 路信號的延時r= 則截取區間長度為T的兩路傳感器做延時為T相關運算則有； 當無磨粒通過時，即t<T或者r+ ^<f，相關運算的結果為； W
其中，R"(t)是隨機噪聲n(t)的關于延時T的自相關； 當有磨粒通過時，即r^f<r+ ^，相關運算的結果為；
其中，
i^a)貝ij為由磨粒引起的部分，i^a)貝ij為由干擾和噪聲引起的部分； 設相關運算的信噪比為：
其中max( ?)是取最大值，avg( ?)是取平均值； 調整磨粒傳感器X、磨粒傳感器Y的距離，使T=化31，令
則；
設置信噪比的闊值，通過闊值法檢測磨粒。
【專利摘要】本發明公開了一種基于帶通濾波和相關運算相結合的磨粒傳感器靈敏度提升方法，基于帶通濾波與相關運算相結合的方法來提升已有磨粒傳感器信號的靈敏度。基于已有電感式磨粒傳感器，將兩路傳感器串聯安裝在油液管路中，將采集到的兩路傳感器信號通過本發明提出的方法可以將靈敏度提升至原來的2.76倍，從而能夠檢測更小的磨粒，為基于磨粒信息的故障診斷服務。
【IPC分類】G01N15-00
【公開號】CN104792668
【申請號】CN201510166091
【發明人】王少萍, 洪葳, 劉浩闊, 石健
【申請人】北京航空航天大學
【公開日】2015年7月22日
【申請日】2015年4月9日