Содержание к диссертации
Введение
1. Анализ качества функционирования технологического оборудования. состояниепроблемы 8
1.1. Характеристики качества технологического оборудования 8
1.2. Влияние качества подшипниковых узлов на выходные параметры машин 16
1.3. Анализ факторов, влияющих на вибрации подшипников качения 22
2. Идентификация дефектов и диагностика состояния подшипников качения на основе анализа сигнала вибрации 42
2.1. Анализ спектра вибрации подшипника 42
2.2. Анализ вибрационных методов и средств контроля и диагностики подшипников качения 46
2.3. Частотно-временные методы обработки сигналов 55
2.4. Свойства и возможности вейвлет-преобразования 63
2.5. Применение вейвлет-преобразования к модельным сигналам 78
2.6. Разработка алгоритма вейвлет-преобразования диагностических сигналов 88
Выводы по главе 95
3. Разработка методики прогнозирования состояния подшипниковых узлов 97
3.1. Основные этапы прогнозирования технического состояния подшипниковых узлов по сигналу вибрации 99
3.2. Формирование системы сбора, обработки и формализованного представления априорной информации 101
3.2.1. Разработка алгоритма определения параметров модели развития дефекта подшипников качения 101
3.2.2. Формирование базы эталонных спектров 104
3.3. Диагностика состояния подшипникового узла 109
3.4. Прогнозирование технического состояния подшипникового узла 123
Выводы по главе 127
4. Экспериментальные исследования частотно-временного метода 128
4.1. Установка для реализации контрольно-диагностических экспериментов по оценке достоверности частотно-временного метода диагностики подшипников по сигналу вибрации 128
4.2. Анализ результатов измерительного эксперимента 131
4.2.1. Оценка достоверности частотно-временного метода диагностики состояния подшипников 131
4.2.2. Сопоставительный анализ классического спектрального и частотно-временного методов идентификации степени развития дефекта подшипников 139
Выводы по главе 142
5. Опытно-промышленная проверка и внедрение результатов исследований ... 143
5.1. Разработка системы мониторинга, диагностики и прогнозирования состояния подшипниковых узлов 143
5.2. Практические рекомендации по выполнению мониторинга и диагностики состояния подшипниковых узлов 147
5.3. Внедрение результатов исследований 149
Выводы по главе 153
Общие выводы 154
Список использованных источников
- Влияние качества подшипниковых узлов на выходные параметры машин
- Анализ вибрационных методов и средств контроля и диагностики подшипников качения
- Формирование системы сбора, обработки и формализованного представления априорной информации
- Оценка достоверности частотно-временного метода диагностики состояния подшипников
Введение к работе
Обеспечение качества продукции машиностроения является одной из главных задач любого промышленного предприятия. Повышение точности и качества изделий предполагает использование оборудования, технические характеристики которого отвечают поставленным требованиям. Поэтому поддержание и обеспечение в процессе работы необходимых эксплуатационных качеств технологического оборудования является первоочередной задачей. Это, в свою очередь, во многом определяется выбором методов и средств контроля и диагностики состояния узлов технологического оборудования, их характеристик и параметров, в том числе и неразрушающими методами.
Технический прогресс и развитие промышленности связаны с созданием и внедрением гибких производственных систем, автоматизированных систем управления технологическими процессами, многоуровневых систем комплексных испытаний, оперативного контроля и диагностики производственного оборудования.
Задачи промышленного контроля, испытаний и диагностики связаны с необходимостью проведения измерений в рабочих режимах функционирования оборудования. При этом в процессе функционирования сложных технических систем в зависимости от наработки, вида и характера нагрузки в поверхностных слоях трущихся деталей происходят изменения их макро- и микрогеометрии. Это приводит к изменению жесткости подвижных сопряжений и системы в целом, а, следовательно, — к перераспределению упругих деформаций и усилий, действующих на ее отдельные элементы, а также к возникновению дополнительных колебательных нагрузок.
Одним из наиболее ответственных узлов практически любого механизма является подшипник, состояние которого представляет собой
важнейшую составляющую технического состояния механизма, его исправности и работоспособности.
В настоящее время существует множество методов диагностики состояния подшипника по его вибрационному сигналу, имеющему специфические особенности во временной и частотной областях в зависимости от вида возникшего дефекта и степени его развития. Эти методы различны по своим теоретическим предпосылкам, имеют разную трудоемкость, достоверность, требуют различного приборного обеспечения и могут применяться для различных целей.
Для диагностики работающего оборудования с целью выявления дефектов узлов наиболее информативными являются методы анализа спектра самого диагностического сигнала или его огибающей. При этом спектральные характеристики частотно-временных параметров исследуемых сигналов могут быть получены на основе классического Фурье-анализа.
Вместе с тем современные методы определения состояния подшипниковых узлов в процессе эксплуатации имеют существенные недостатки, связанные, прежде всего, с тем, что естественным ограничением применимости классического Фурье-анализа является гипотеза о стационарности диагностического сигнала. Од нако локальные изменения, например, повреждения поверхностей сопряжения или попадание посторонних частиц в зоны контакта приводят к импульсным возмущениям, которые делают вибрационный сигнал нестационарным и способны вызвать многочисленные резонансы. Как правило, подобные сигналы содержат близкие по времени высокочастотные компоненты и близкие по частоте низкочастотные компоненты. Нестационарность сигналов не позволяет корректно использовать традиционные методы спектрального анализа. Разбиение реализации быстропротекающего диагностического сигнала на квазистационарные участки неизбежно
приводит к проблемам «малой выборки» и значительному снижению точности и достоверности контроля.
Поэтому разработка методов диагностики и прогнозирования состояния подшипников качения по вибрационным сигналам с учетом их нестационарности является актуальной задачей. При этом разрабатываемые методы должны обеспечить возможность выявления особенностей подобных сигналов, давая хорошее разрешение и по частоте -для локализации низкочастотных составляющих, и по времени — для разрешения высокочастотных компонент.
Перспективным подходом к исследованию нестационарных сигналов вибрации подшипниковых узлов является вейвлет-анализ. В этом случае нестационарный сигнал представляется разложением по базисным функциям, полученным из некоторого прототипа путем масштабирования (то есть перемещением области его локализации по частоте) и сдвигов (перемещением области его локализации во времени).
На основании проведенных исследований получены математические модели подшипников качения, как источников вибраций и объектов вибродиагностики. Проанализированы зависимости между спектром вибрации подшипниковых узлов шпинделей станков и точностью изготовления деталей.
Разработаны алгоритмы частотно-временного анализа
нестационарных и сингулярных сигналов, основанные на использовании вейвлет-преобразования с использованием систем компьютерной математики MathCAD и MATLAB.
Выявлены зависимости между изменениями локальных особенностей диагностических сигналов и динамикой коэффициентов соответствующих им вейвлет-спектров.
Разработан алгоритм оценки параметров моделей
дефектообразования по конечным разностям.
Обоснован метод определения принадлежности выявленной дефектосодержащей ситуации к одному из классов состояний.
Предложена методика оценки и прогнозирования состояния подшипниковых узлов, основанная на использовании априорной информации и частотно-временного представления диагностических сигналов в базисе вейвлет-функций. Построены зависимости для определения глубины прогноза на основании априорной информации и результатов мониторинга.
Разработаны и внедрены практические рекомендации по выполнению мониторинга и диагностики состояния подшипниковых узлов.
Основные положения, выносимые на защиту.
Выявленные теоретическими и экспериментальными исследованиями зависимости между изменением локальных особенностей диагностических сигналов подшипниковых узлов и динамикой коэффициентов соответствующих им вейвлет-спектров.
Методика идентификации вида дефекта подшипника качения и его временной локализации на основе вейвлет-анализа сигналов вибрации.
Разработанный алгоритм оценки параметров моделей дефектообразования.
Разработанная методика прогнозирования состояния подшипникового узла с использованием априорной информации и результатов вейвлет-преобразования диагностических сигналов.
Автор приносит свою глубокую признательность научному руководителю доктору технических наук профессору Штрикову Борису Леонидовичу за повседневное внимание и руководство работой, а также коллективу кафедры «Автоматизация технологических процессов в машиностроении» Самарского Государственного технического университета за помощь, оказанную при выполнении исследований.
Влияние качества подшипниковых узлов на выходные параметры машин
Для многих машин в качестве основных технических характеристик используются траектории, отнесенные к вращающимся объектам — шпинделям станков, валам и ряд других.
Анализ теоретических и практических результатов исследований многих авторов [9, 117, 124, 134, 150, 170] показал, что траектория оси шпинделя (рис. 1.4) характеризуется параметрами, изменение которых влияет на отклонение показателей качества обработанных деталей (таблица 1.1).
Эти данные согласуются с основными положениями физико-технологической теории неровностей поверхности [55, 62, 131, 146], в частности, с теоремой суперпозиции и теоремой частотной диагностики, на основании которых получены следующие соотношения. В предположении, что в формообразовании поверхности участвует множество некоторых технологических факторов Тх...Тт, действие которых характеризуется соответствующим множеством частот f\—fm- диагностика вероятной причастности любого фактора Tk к определенным отклонениям Al...Ak...Am рельефа данной поверхности может быть осуществлена по малости абсолютного отклонения приведенной круговой 2л-«частоты» вк = — профиля, где Sk - шаг неровностей, от частоты fk действия фактора Тк, то есть с помощью неравенства: 9k— fk s где 9к = вк —; v - скорость перемещения рассматриваемой поверхности In относительно зоны контактного взаимодействия фактора Тк на поверхность в процессе обработки; є - достаточно малая величина, выбираемая в зависимости от фактической нестабильности /к и вк.
Анализ предельных ситуаций позволяет выявить следующее соотношение между параметрами поверхности обрабатываемой детали и параметрами колебательного процесса траектории оси шпинделя: ,=—. (1-і) 60f„ где Sk - шаг неровностей рельефа обрабатываемой поверхности (мк); d - диаметр обрабатываемой детали (мм); п - частота вращения шпинделя (об/мин); fk - частота (Гц) действия фактора Тк на колебание траектории шпинделя.
В соответствии с метрологическими нормами (ГОСТ 24642-81 и ГОСТ 2789-73) граница между разными порядками отклонений поверхности определяется отношением шага S неровностей к их высоте R; соответственно для шероховатости, волнистости и отклонения формы: S/R 50; (1.2) 50 5/Л 1000; (1.3) S/R 1000, (1.4) где R = 2 А; А — амплитуда (мк) колебаний траектории оси шпинделя.
Выражения (1.1 )ч-( 1.4) могут быть использованы для оценки качества обработанной поверхности детали при заданном ее диаметре, известной частоте вращения шпинделя и определенных параметрах колебательного процесса траектории оси шпинделя. Спектральный анализ формы траектории показывает, что частотный спектр колебаний оси шпинделя практически полностью переносится на деталь [55, 134]. В работе [55] приводятся экспериментальные данные, подтверждающие наличие прямой зависимости между амплитудой относительных колебаний инструмента и параметрами шероховатости, волнистости и гранности (некруглости), представленные соответствующими графиками на рис. 1.5. и погрешности обработки станка модели 1716ВФЗ
В свою очередь, для оценки работоспособности шпиндельных узлов принимается ряд параметров [35, 152, 173]: точность вращения, жесткость опор и осевое смещение вал-ротора, обусловленные температурными изменениями и износом опорных подшипников; изменение электрических параметров обмотки статора; момент сопротивления вращению; скорость и температура нагрева шпинделя.
По результатам эксплуатационных наблюдений автором была составлена схема распределения основных видов и причин отказов электрошпинделей типа ЭШ 36/3.3, ЭШ42/5, СШ 99.96А в производственных условиях на ОАО «Завод авиационных подшипников», представленная на рис. 1.6. Статистическая обработка данной информации представлена гистограммой распределения вероятностей видов отказов по всей совокупности исследованных электрошпинделей (рис. 1.7).
Анализ основных причин отказов электрошпинделей, показал, что 74% шпиндельных узлов, поступивших в ремонтную мастерскую, вышли из строя в результате потери точности вращения из-за абразивного изнашивания и разрушения опорных подшипников, а также из-за неудовлетворительного качества сборки подшипниковых узлов. Электрошпиндели с разрушенными опорными подшипниками составляли 49% от числа всех исследованных узлов.
Анализ вибрационных методов и средств контроля и диагностики подшипников качения
Современные средства контроля и диагностики вращающихся, узлов оборудования строятся, в основном, на принципах измерения и анализа вибрационных сигналов. Причинами этого является, прежде всего, то, что колебательные силы возникают непосредственно в месте появления дефекта, а машина «прозрачна» для вибрации. При этом контроль вибрации дает наибольший объем диагностической информации по сравнению с такими методами как контроль температуры, анализ смазки и другими [12, 13,15, 19,16, 49, 51, 130, 133].
В настоящее время существует множество методов диагностирования состояния подшипников качения по вибрационному сигналу [15, 19, 20, 49, 53, 96, 107, 128, 130, 135-И37]. Эти методы различны по своим теоретическим предпосылкам, имеют разную трудоемкость, достоверность, требуют различного приборного обеспечения и могут применяться для различных целей.
Систематизируя эти методы по основным теоретическим предпосылкам и возможности применения их на различных этапах развития дефектов подшипников, можно выделить следующие группы.
1. Анализ общего уровня вибрации.
Метод контроля и диагностики подшипников по интенсивности вибрационных колебаний был исторически первым в практике исследования вибраций и до сих пор применяется в основном на заводах-изготовителях подшипников для разбраковки изделий [48, 121, 120].
Данный метод позволяет выявлять дефекты подшипников на самых последних стадиях их развития, начиная, примерно, с середины третьего этапа развития дефекта (рис. 1.16), когда общий уровень вибрации значительно вырастет. Наиболее часто используется анализ среднеквадратического значения виброскорости.
По сути своей метод реализует предаварийную диагностику дефектов на самой последней стадии их развития, когда они уже приводят или уже привели к деградации подшипников, существенному повышению общего уровня вибрации.
Известна также модификация метода, когда весь частотный диапазон вибросигнала разбивается на поддиапазоны (обычно - два-три), в каждом из которых определяется интенсивность вибрации. Критерий оценки технического состояния тот же - чем выше интенсивность вибрации, особенно в высокочастотной зоне, тем подшипник хуже.
Безусловно, строгих формальных критериев оценки не существует, и их нужно разрабатывать на основе экспериментальных исследований для каждого типа подшипников.
Для реализации первой модификации данного метода пригодны практически любые анализаторы вибросигналов, работающие в диапазоне частот до (5-І-10) кГц. Для реализации модификаций метода, основанных на сравнении мощности сигнала в различных частотных поддиапазонах фирмой «ДИАМЕХ» (г.Москва) предлагается использовать универсальный спектроанализатор «Кварц» с частотным диапазоном 0,3 Гц-ИО кГц и максимальным количеством отсчетов в спектре 1600, позволяющим диагностировать подшипники с частотой вращения 3000 оборотов в минуту.
При использовании анализаторов вибросигналов «СК-2300» фирмы «ОРГТЕХДиагностика» и «Диана-2Н» разработки фирмы «ВиброЦентр» (г.Пермь) с максимальным количеством линий в спектре 3200 можно диагностировать подшипники до 1500 оборотов в минуту. Максимальный эффект может быть получен при использовании малогабаритных анализаторов «СК-1100» и «Диана-С», пригодных для диагностики подшипников качения сравнением интенсивностей вибрации в частотных поддиапазонах практически с любой частотой вращения.
2. Анализ соотношения «пик/фон вибросигнала».
Метод основан на сравнительном анализе двух параметров сигнала вибрации подшипника: среднеквадратического значения уровня вибрации и пиковой амплитуды вибрации.
С течением времени, по мере появления дефектов на кинематических узлах подшипника, в вибросигнале начнут появляться отдельные, короткие амплитудные пики, соответствующие моментам соударения дефектов.
В дальнейшем, с развитием дефекта, сначала увеличиваются амплитуды пиков, потом постепенно увеличивается и их количество — дефект начинает «разноситься» по подшипнику, то есть, появившись вначале, например, на одном из шариков, он создаёт, в конце концов, забоину на кольце, с него она переносится на другой шарик, дефекты шариков начинают вырабатывать сепаратор и так далее - до полного разрушения подшипника.
Пиковая амплитуда вибрации (ПИК) и среднеквадратическое значение уровня (СКЗ) вибрации представляют собой монотонные, неубывающие функции времени и, соответственно, функции развития дефекта (рис.2.2).
Сначала, по мере появления и развития дефекта, нарастает функция ПИК, а СКЗ меняется очень мало, поскольку отдельные, очень короткие амплитудные пики практически не меняют энергетические характеристики сигнала. В дальнейшем, по мере увеличения и количества пиков, начинает уже соответственно увеличиваться энергия сигнала, возрастает СКЗ вибрации. Сами по себе функции ПИК и СКЗ вследствие своей монотонности малоинформативны для диагностики.
Формирование системы сбора, обработки и формализованного представления априорной информации
Вид модели, описывающей взаимосвязь диагностических параметров со стадией развития дефекта, определяется экспериментальными исследованиями.
Анализ известных моделей [47, 128, 124, 156] показывает, что хорошей аппроксимацией процессов износа являются модели полиномиального вида и их частные случаи: т Оценка параметров ск модели с необходимой точностью представляет собой самостоятельную задачу, от решения которой зависит точность оценки фактического состояния объекта.
Существуют стандартные методы определения параметров аппроксимационных моделей (метод наименьших квадратов, метод правдоподобия и др.), основным недостатком которых является трудоемкость вычислительных процедур [88, 94, 143].
Автором разработан достаточно простой для реализации алгоритм оценки параметров моделей, аппроксимирующих процессы износа [29, 164].
Пусть x(i) - это наблюдаемая последовательность значений показателя уровня деградации, фиксация которых сопровождается наложением погрешностей измерения и регистрации, случайных по своей природе. Эта последовательность может быть представлена в виде суммы двух составляющих: х(і) = х(і)+х(і), (3.1) о где х(і) — центрированная случайная составляющая последовательности, удовлетворяющая условию: М "о "1 J //-1 о x(i) = — У x(i) = 0. (3.2) В этом случае М[х(і)) = M[x(i)] = x(i). (3.3)
Тогда, если вместо последовательности х(ї) подставить ее параметрическую модель хм(і,а), то в случае однопараметрической модели уравнение (3.3) будет иметь единственное решение.
Если параметрическая модель имеет вид хм(і,а)=аіт +с (где а — искомый параметр, тис- заданные параметры), то на основании соотношения (3.3) можно получить алгоритмы вычисления искомого параметра:
Адекватность модели дефектообразования экспериментальным данным определяется сопоставимостью (например, по критерию Фишера) L и дисперсии дисперсии исходных данных тах« , = Si / хи ken у l — l J=l адекватности е2 _ ;11(хк-Хк)2 п — т-\к=\ где п объем экспериментальных данных, т - порядок аппроксимирующего полинома, / - число параллельных опытов в каждой точке эксперимента, хк - среднее значение результата измерений в fc-ой точке эксперимента, хк — значение аппроксимирующей модели, вычисленное в к-отл. точке эксперимента. База эталонных вейвлет-спектров содержит несколько категорий эталонов: - эталоны исправных подшипниковых узлов; - эталоны для распознавания моментов времени возникновения дефекта определенного типа; - эталоны для идентификации стадии развития дефекта.
Первая категория эталонов формируется на основе обработки результатов частотно-временного анализа сигнала вибрации при испытаниях исправных подшипников. Пример вейвлет-спектра сигнала вибрации исправного подшипников №307 при роторной частоте 50 Гц (3000 об/мин) представлен на рис.3.2, где отмечены масштабы, соответствующие частотным составляющим Вторая категория эталонов создается на основе мониторинга состояния испытываемого подшипника с постоянным сопоставлением вейвлет-спектра его вибрационного сигнала со спектром соответствующего исправного подшипника. При выявлении отклонений от исходного спектра производится останов испытаний с последующей разборкой подшипника, анализом образовавшегося дефекта, характерным для дефектов тел качения и внутреннего кольца.
и описанием соответствующего ему вейвлет-спектра в базе знаний. Виды результатов вейвлет-анализа диагностических сигналов, соответствующих зарождающимся дефектам, приведены во второй главе.
К этой категории эталонных спектров относятся вейвлет-спектрограммы, соответствующие ситуациям, в которых развитие дефекта одного элемента влечет появление дефекта другого элемента подшипника. Классический спектральный анализ в этих случаях оказывается несостоятельным, особенно если соответствующие дефектам частоты оказываются близкорасположенными. На рисунках 3.3- -3.6 представлены фотографии и вейвлет-спектрограммы для такого рода дефектосодержащих ситуаций.
Третья категория эталонов создается на основе экспериментов с искусственными дефектами разной величины.
Автором была проведена серия экспериментов для определения влияния степени развития дефекта подшипника на уровень его вибрации и создания соответствующих эталонных вейвлет-спектров.
Оценка достоверности частотно-временного метода диагностики состояния подшипников
Достоверность обнаружения и правильной идентификации дефектов является важнейшей характеристикой метода диагностики и определяется путем сравнения результатов визуального осмотра (при необходимости — дополнительных металлографических исследований и замеров параметров) или контроля каким-либо другим методом.
Решая задачу планирования контрольно-диагностических экспериментов при стендовых испытаниях и, особенно в условиях функционирования технологического оборудования, невозможно пренебречь случайным характером процесса дефектообразования, влиянием внешних факторов на измерительную процедуру и погрешностями контрольно-измерительной аппаратуры и программных средств. Это диктует необходимость использования вероятностно-статистических методов в задачах планирования и организации контрольно-диагностических процедур, а также интерпретации результатов экспериментов.
Проблемы интерпретации в данной постановке приводят к тому, что заключения о наличии дефектосодержащей ситуации носят предположительный, вероятностный характер. При этом различаются ошибки первого и второго рода, определяемые соответственно вероятностью отнесения бездефектной ситуации к дефектосодержащей, либо отнесением дефектосодержащей ситуации к бездефектной.
Если контролируемая величина х (в данной ситуации это параметр вибрационного сигнала) и погрешность у контрольно-диагностического средства в вероятностном смысле независимы, то их воздействия на результат эксперимента можно оценить, оперируя с композицией их плотностей распределения f(x) и р(у). Вероятность ошибок первого (/}) и второго (PJJ) рода в этих условиях определяется следующими соотношениями [157, 78, 59, 105]: где сн и св — соответственно нижняя и верхняя границы номинального значения контролируемой величины.
Определение вероятностей ошибок первого и второго рода по соотношениям (4.1) и (4.2) сопряжено с определенными вычислительными трудностями, поэтому для практических целей представляют интерес приближенные оценки этих вероятностей, получаемые либо численными методами интегрирования, либо с использованием номограмм, связывающих оценки Рх и Ри для нормальных плотностей распределений f(x) и (р{у), средних квадратических отклонений погрешностей средств измерений (Ту и контролируемой величины ах [157]. Приведенные в [157] приближенные соотношения позволяют решать обратную задачу вычисления ограничений на погрешность средств измерения по заданным значениям вероятностей Р{ и Рп: сту « 2яо-,Р,Ф(Л)езф (4.3) где Ф(к) - интегральная функция распределения Лапласа.
Приведенные соотношения и выводы справедливы в том случае, если количество измерений диагностического параметра неограниченно, тогда как на практике время проведения испытаний ограничено. В этой связи важной задачей организации контрольно-диагностического эксперимента является определение необходимого объема выборочной совокупности для достоверного (с определенной доверительной вероятностью) обнаружения дефекта и оценки соответствующего ему значения диагностического параметра. Для решения подобной задачи необходима априорная информация о законах распределения и характеристиках распределения контролируемой величины.
Предполагая закон распределения f(x) нормальным, что является допустимым вследствие теоремы Ляпунова, определим объем выборки, необходимой для нахождения оценки Мх истинного значения Мх контролируемой величины с заданной абсолютной погрешностью ± А. Рассеяние оценки, характеризуемое дисперсией, составляет: 4 D[M;]=D І " (4.4) 1 - L" (-і J При равенстве дисперсий математических ожиданий справедливо: D[M;]=±DX, где Dx=crx - дисперсия результатов измерений контролируемого параметра; п - количество измерений, выполненное для оценки истинного значения контролируемого параметра.
