用于监测轴系上的机械部件的状态的方法、相关联的监测设备和系统与流程

用于监测轴系上的机械部件的状态的方法、相关联的监测设备和系统


背景技术：

1.本发明属于机械部件的监测和预测性维护的一般领域。更具体地，本发明涉及一种用于监测集成到旋转机械的轴系上的轴承和齿轮之类的机械部件的状态的方法。本发明还涉及被配置为实现这种监测方法的监测设备和系统。本发明在实时监测这种机械部件的健康状态的背景下发现了特别有利的应用，但不限于此，特别是当所涉及的旋转机械是航空器发动机时。
2.传统上，集成到旋转机械中的轴系配备了不同的机械零件或部件，如轴承和齿轮。应该注意的是，“旋转机械”一词通常指其运动学服从旋转质量物理的机器，因此涉及任何旋转系统，例如电动机、涡轮发动机、机电致动器、风力涡轮机等。
3.对这种机械部件的健康状态的监测一方面在确保其配备的轴系(以及随后与所述轴系集成的旋转机械)的良好寿命方面起着基本作用，另一方面也在避免任何事件或者甚至事故方面起着基本作用，这些事故的起因可能与所述机械部件的过度磨损有关。
4.因此，应当理解，为了避免上述不便，并且更一般地，为了确保早期检测到可能影响所述机械部件的任何缺陷，确保对其健康状态的定期监测是最重要的。
5.为此，已知有能够通过振动分析来连续监测旋转机械的设备。这样的设备示意性地根据振动测量进行操作，例如通过放置在这些机械所配备的结构元件上的加速度计进行振动测量。这些振动测量也可以通过使用能够测量轴相对于所述结构元件的相对位移的位移传感器来完成。当进行振动测量时，继而使用记录的频谱的频率分析，从可以在那里识别机械部件的故障的原理开始，例如通过对表征所讨论的机械部件的运动学的谱线的幅度的评估的方式。通过这种方式，可以随着时间的推移检查轴系上的一个或多个部件的运行状态。
6.事实仍然是，上述振动分析仍然不太适合监测(在负载和转速下)每分钟转数不固定的旋转设备，这使得它实际上不适用于大部分旋转机械。这尤其涉及航空领域，其中所讨论的旋转机械根据大的每分钟转数变化进行操作(例如：在起飞和着陆阶段期间的航空器发动机，特别包括涡轮发动机)。
7.随后提出了一些相对较新的技术发展，以允许实时监测机械部件的状态并适应可变每分钟转数。事实仍然是，这些发展仍远未被认为是令人满意的。实际上，它们的实施只能设想为轴的转速小于每分钟60转，从而有效地排除了不遵守这种约束的任何应用(因此特别是在航空领域)。


技术实现要素：

8.本发明的目的是通过提出一种解决方案来克服现有技术的全部或部分缺点，特别是上述缺点，该解决方案使得能够准确实时地监测机械部件的状态，例如旋转机械所配备的轴系上的轴承和齿轮。此外，本发明提出的解决方案使得可以在可变每分钟转数下执行所述监测，并且不限于轴的转速，使得它可以有利地用于需要使用旋转机械的任何技术领
域。
9.为此，根据第一方面，本发明涉及一种用于监测旋转机械所配备的轴系上的诸如轴承和齿轮的机械部件的状态的方法。所述方法包括获取轴在与旋转机械相关的固定参考系中的绝对加速度的至少一个测量值yc[k]的步骤，k是整数索引，以及以下步骤集合：
[0010]-获取在先前采集所述至少一个测量值yc[k]的时刻的轴的旋转频率的值fr[k]，
[0011]-确定矩阵h[k]，所述矩阵允许定义如下描述的状态模型：
[0012]
x[k+1]＝x[k]+w[k]并且
[0013]
其中w[k]是随机噪声，v[k]是与所述至少一个测量值yc[k]相关联的噪声，h[k]由值fr[k]定义，se[k]等于yc[k]与yc[k]的共轭值的乘积的期望值，x[k]是向量，对于每个机械部件，所述向量包括子向量，所述子向量的分量表示所述机械部件对向量y[k]的贡献，
[0014]-从所述矩阵h[k]确定向量x[k]的估计量，
[0015]
对于至少一个机械部件，所述步骤集合还包括以下步骤：
[0016]-从所述估计量确定与所述机械部件相关联的所述贡献的量特征，
[0017]-根据所述量与阈值的比较，检测所述至少一个机械部件的可能缺陷。
[0018]
因此，本发明提出的监测方法基于状态模型的使用，该状态模型使得能够表示(建模)轴系的机械部件对所述轴在旋转机械运行期间所经历的振动的相应贡献。
[0019]
更具体地，与齿轮型机械部件相关联的贡献处于向量y[k]的分量yc[k]的水平，而与轴承型部件相关联的贡献处于所述向量y[k]的分量se[k]的水平。换句话说，向量y[k]形成了应监测其状态的机械部件的运动学的表示。
[0020]
这种对轴的振动行为建模的方法，以及因此对它配备的机械部件建模的方法使得能够有利地将本发明与现有技术区分开来。事实上，通过以这种方式进行，不再需要将机械部件的监测限制在轴的转速小于每分钟60转。因此，根据本发明的方法使得无论轴的转速如何都可以进行所述监测。它进一步独立于旋转机械的运行每分钟转数，因此可以在可变每分钟转数的情况下实现。
[0021]
根据本发明的监测方法还提供了在每次获取轴的绝对加速度测量值之后实现检测机械部件中的任何缺陷所必需的步骤的可能性。这使得建立对所述机械部件的状态的同步和实时监测成为可能，从而有助于及早发现可能的缺陷。
[0022]
最后，根据本发明的监测方法的附加优点归因于所确定的向量x[k]的估计量的鲁棒性。这种鲁棒性源于这样一个事实，即不对状态模型的噪声的统计性质作出假设，并且估计量不仅考虑与测量相关的误差，而且考虑与状态模型的建模相关的误差。
[0023]
在具体实施方式中，监测方法还可包括以下一个或多个特征，这些特征单独或根据技术上可能的所有组合形式出现。
[0024]
在具体实施方式中，向量x[k]的估计量借助于极大极小优化算法或最小二乘优化算法来确定。
[0025]
在具体实施方式中，所述量表示所述贡献的幅度或相位或能量。
[0026]
在具体实施方式中，如果检测到缺陷，所述方法还包括发出警报的步骤。
[0027]
在肯定检测到缺陷的情况下发出警报的事实使得可以毫不延迟地获取关于所述
缺陷的存在的信息。
[0028]
在具体实施方式中，循环地获取多个绝对加速度测量值，在每次获取绝对加速度测量值之后实施所述步骤集合。
[0029]
根据另一个方面，本发明涉及一种计算机程序，包括当所述计算机程序由计算机执行时用于实现根据本发明的监测方法的指令。
[0030]
该程序可以使用任意编程语言，并且形式上可以为源代码、目标代码或源代码和目标代码之间的中间代码，例如部分编译的形式，或者任何其他所期望的形式。
[0031]
根据另一方面，本发明涉及一种计算机可读信息或记录介质，其上记录有根据本发明的计算机程序。
[0032]
信息或记录介质可以是能够存储程序的任何实体或设备。例如，介质可以包括存储装置，例如rom，例如cd rom或微电子电路rom，或者磁记录装置，例如软盘或硬盘。
[0033]
另一方面，信息或记录介质可以是可传输介质，例如电信号或光信号，其可以通过电缆或光缆、通过无线电或通过其他方式传送。根据本发明的程序可以特别地从因特网类型的网络下载。
[0034]
或者，信息或记录介质可以是集成了程序的集成电路，该电路适于执行或用于执行所讨论的方法。
[0035]
根据另一方面，本发明涉及一种用于监测旋转机械所配备的轴系上的轴承和齿轮之类的机械部件的状态的设备。所述处理设备包括：
[0036]-第一获取模块，其被配置为获取轴在与旋转机械相关的固定参考系中的绝对加速度的至少一个测量值yc[k]的步骤，k是整数索引，
[0037]-第二获取模块，其被配置为获取在采集所述至少一个测量值yc[k]的时刻的轴的旋转频率的值fr[k]，
[0038]-第一确定模块，其被配置为确定矩阵h[k]，所述矩阵使得能够定义如下描述的状态模型：
[0039]
x[k+1]＝x[k]+w[k]并且
[0040]
其中w[k]是随机噪声，v[k]是与所述至少一个测量值yc[k]相关联的噪声，h[k]基于值fr[k]定义，se[k]等于yc[k]与yc[k]的共轭值的乘积的期望值，x[k]是向量，对于每个机械部件，所述向量包括子向量，所述子向量的分量表示所述机械部件对向量y[k]的贡献，
[0041]-第二确定模块，其被配置为从所述矩阵h[k]确定向量x[k]的估计量，
[0042]-第三确定模块，其被配置为从所述估计量确定与机械部件相关联的所述贡献的至少一个量特征，
[0043]-比较模块，其被配置为将所述至少一个量与阈值进行比较以获取比较结果，
[0044]-检测模块，其被配置为基于比较结果来检测所述至少一个机械部件的可能缺陷。
[0045]
根据另一方面，本发明涉及一种用于监测旋转机械所配备的轴系上的轴承和齿轮之类的机械部件的状态的系统。所述监测系统包括：
[0046]-用于获取轴在与旋转机械相关的固定参考系中的绝对加速度的至少一个测量值yc[k]的装置，k是整数索引，
[0047]-根据本发明的监测设备。
[0048]
最后，根据最后一个方面，本发明涉及一种包括根据本发明的监测系统的航空器。
附图说明
[0049]
参照附图，从下面给出的描述中，本发明的其他特征和优点将变得显而易见，附图示出了示例性实施例而没有任何限制。在附图中：
[0050]
[图1]图1示意性地表示在其环境中根据本发明的监测系统的一个特定实施例，所述监测系统被配置为监测航空器发动机的轴系上的诸如轴承和齿轮之类的机械部件的状态；
[0051]
[图2]图2示意性地表示属于图1的监测系统的根据本发明的监测设备的硬件架构的示例；
[0052]
[图3]图3以流程图的形式表示由图2的监测设备实施根据本发明的监测方法的一种特定模式。
具体实施方式
[0053]
本文在航空领域的应用的背景下描述本发明，更具体地在机械部件，例如航空器发动机配备的轴系的轴承和齿轮的监测和预测性维护的背景下描述本发明。
[0054]
对于本说明书的其余部分，考虑而不限于所述航空器是飞机类型，例如能够运送乘客并配备有多个相同涡轮发动机类型的发动机的民用飞机。举例来说，所述发动机是涡轮喷气发动机。
[0055]
然而，根据此处未详述的其他示例，考虑到其他类型的涡轮发动机，例如涡轮螺旋桨发动机，但也不排除非涡轮发动机的发动机，例如活塞发动机。本发明实际上可应用于包括轴系的任何类型的航空器发动机，轴承和齿轮之类的机械部件布置在该轴系上，并且其状态将随着时间的推移而被监测，如稍后详细描述的。当然，不排除考虑其他类型的航空器，例如直升机。
[0056]
图1示意性地表示了根据本发明的监测系统10的一个特定实施例在其环境中的情况。
[0057]
所述监测系统10被配置为监测航空器发动机的轴系上的诸如轴承和齿轮之类的机械部件的状态。为此，所述系统10包括采集装置11，其被配置为采集：
[0058]-轴在与航空器发动机相关的固定参考系中的绝对加速度的至少一个测量值yc[k](k是指示一系列绝对加速度测量值中的采集序列的整数索引)，
[0059]-轴的转速的至少一个测量值vr[k'](k’是指示一系列旋转速度测量值中的采集序列的整数索引)。
[0060]
这里所说的“绝对加速度”通常指的是轴的总加速度，即反映轴由于固定在航空器的发动机上而受到的振动的加速度。所述绝对加速度被定义在与航空器的发动机相关的固定参考系中，当然可以理解，它仍然独立于所述航空器的位移速度。
[0061]
传统上，所述采集装置11包括采集链，所述采集链包括至少专用于绝对加速度测量值yc[k]的传感器，例如本身已知设计的加速度计，以及至少专用于轴的转速的测量值vr[k']的传感器，例如光学编码器或甚至转速计。所述采集链还包括其他元件，例如特别是采
集卡、电子放大和/或滤波装置、模数转换器等。这些方面在这里不再详细描述，因为它们脱离了本发明的范围。
[0062]
通常，本领域技术人员知道如何进行和获取轴的绝对加速度和转速的测量值，因此特别知道如何为每个考虑的量值(绝对加速度、转速)选择合适的传感器，例如在专业制造商提供的产品目录中。他们还知道如何定位这些传感器，以及如何选择采样频率来获取相关测量值。作为非限制性示例，采样频率被选择为比由于专用于采集该信号的传感器而获取的绝对加速度/转速信号的最大频率大至少十倍。
[0063]
最终，在所述采集装置11的输出处，所采集的绝对加速度/转速测量值对应于形成采样信号的数字数据，该采样信号可由计算机装置处理以监测布置在旋转轴上的机械部件的状态，如下文更详细描述的。
[0064]
应该注意的是，在本说明书的其余部分中，对“测量值yc[k]”或“采样信号y
c”(因此，该信号的样本对应于测量值yc[k])进行了无差别的引用，这两个表述具有相同的含义。当然，关于轴的转速的测量值vr[k']，这样的注释也是有效的。
[0065]
由采集装置11采集的绝对加速度/转速测量值是在一个或多个时间间隔内进行的，称为“采集间隔”，应理解的是，每个采集间隔包含航空器的发动机处于运行的时间段。这里“航空器的发动机的运行”指的是航空器的发动机已经启动的事实。这种配置当然包括着陆前后的滑行阶段、起飞阶段、巡航阶段、着陆阶段，但也包括航空器在起飞前尚未离开其停泊位置或在着陆后已经到达其停泊位置，但其发动机仍在运行的阶段。
[0066]
应当指出，对于采集间隔的持续时间，甚至对于可以设想的采集间隔的数量，都没有任何限制。在实践中，采集间隔的持续时间例如通过以秒为单位的所述持续时间的数据直接定义，或者甚至例如通过要采集的旋转轴的旋转周期数的数据来间接定义。
[0067]
还应注意，采集绝对加速度测量值yc[k]的时刻可能与采集转速测量值vr[k']的时刻不同，也可能相同。在任何情况下，一旦在相同的采集间隔期间采集到这两个量值的测量值，当然可以将绝对加速度测量值和转速测量值与所述采集间隔中包括的给定时刻相关联，例如通过插值技术。
[0068]
监测系统10还包括监测设备12，该监测设备12被配置成通过实施根据本发明的监测方法，特别是根据由采集装置11采集的测量值执行处理操作，使得能够监测航空器的发动机的轴系上的诸如轴承和齿轮之类的机械部件的状态(即，执行磨损跟踪)。
[0069]
在本实施例中，监测设备12集成到航空器配备的计算单元，并且也被称为fadec(全权限数字发动机控制)。所述fadec单元以本身已知的方式配置成最佳地驱动和调节发动机的运行。然而，与现有技术的fadec单元不同的是，这里描述的fadec单元由于集成了监测设备12，所以也使得能够监测轴系上的诸如轴承和齿轮之类的机械部件的状态。
[0070]
然而，监测设备12集成到航空器的fadec单元的选择仅构成本发明实施方式的一个变型。因此，不排除例如在fadec单元外部(即，未电子集成)，但仍然布置在航空器中的处理设备12。
[0071]
图2示意性地表示属于图1的监测系统10的根据本发明的监测设备12的硬件架构的一个示例。
[0072]
如图2所示，监测设备12具有计算机的硬件架构。因此，监测设备12特别地包括处理器1、随机存取存储器2、只读存储器3和非易失性存储器4。它还包括通信装置5。
[0073]
监测设备12的只读存储器3构成了根据本发明的记录介质，该记录介质由处理器1可读取，并且其上记录了根据本发明的计算机程序prog，包括用于执行根据本发明的监测方法的步骤的指令。程序prog定义了监测设备12的功能模块，这些功能模块依赖于或控制上述监测设备12的硬件元件1至5，并且特别包括：
[0074]-第一获取模块mod_obt1，其被配置为获取轴的绝对加速度的至少一个测量值yc[k]，
[0075]-第二获取模块mod_obt2，其被配置为在先前获取所述至少一个测量值yc[k]的时刻获取轴的旋转频率的值fr[k]，
[0076]-第一确定模块mod_det1，其被配置为确定矩阵h[k]，该矩阵使得能够定义如下描述的状态模型：
[0077]
x[k+1]＝x[k]+w[k]并且
[0078]
其中w[k]是随机噪声，并且v[k]是与所述至少一个测量值yc[k]相关联的噪声，h[k]由值fr[k]定义，se[k]等于yc[k]与yc[k]的共轭值的乘积的期望值，x[k]是向量，对于每个机械部件，该向量包括子向量，所述子向量的分量表示所述机械部件对向量y[k]的贡献，
[0079]-第二确定模块mod_det2，其被配置为根据所述矩阵h[k]确定向量x[k]的估计量，
[0080]-第三确定模块mod_det3，其被配置为根据所述估计量确定与机械部件相关联的所述贡献的量特征，
[0081]-比较模块mod_comp，其被配置为将所述量与阈值进行比较以获取比较结果，
[0082]-检测模块mod_detect，其被配置为基于比较结果来检测所述至少一个机械部件的可能缺陷。
[0083]-警报模块mod_alert，其被配置为如果检测到机械部件的缺陷则发出警报。
[0084]
通信装置5被配置为允许监测设备12特别是与采集装置11通信，以便能够直接获取由此采集的一个或多个绝对加速度和/或转速测量值。为此，通信装置5基于有线或无线通信接口，其能够实现适于监测设备12和采集装置11之间的数据交换的任何已知协议(以太网、wifi、蓝牙、3g、4g、5g等)。注意，在该示例性实施例中，通信装置5集成了所述第一采集模块mod_obt1。当然，采集装置11本身具有适于传输一个或多个绝对加速度和/或转速测量值的通信装置。
[0085]
在本实施例中，第二获取模块mod_obt2也集成到所述通信装置5，并且轴的旋转频率的每个值fr[k]由采集装置11自身根据所采集的转速测量值来确定。也就是说，在这里描述的实施例中，监测设备12针对轴的绝对加速度的每个测量值yc[k]获取所述轴的旋转频率的值fr[k]，这里以采集装置11和所述第二获取模块mod_obt2之间的数据交换的形式获取该值。
[0086]
可以使用本领域技术人员已知的任何技术来确定轴的旋转频率的值，轴上固定有专用于转速测量值vr[k']的传感器。
[0087]
例如，最初可以分析转速信号以确定其性质。它实际上可以是方波或正弦信号，甚至可以是一系列脉冲。根据该分析，然后可以在第二步骤中实现一种算法，该算法使得估计参考轴的旋转频率成为可能。这样的算法可以分解为三种实现变体：第一种变体基于当来
自速度传感器的信号为方波时对上升沿时刻的检测；第二变体基于对正弦信号的瞬时频率的估计；第三变体基于当来自速度传感器的信号是一系列脉冲时峰值的时间位置。
[0088]
应当注意，由采集装置11根据与轴的绝对加速度的每个测量值yc[k]相关联地确定旋转频率的值的选择仅构成本发明的一个示例性实施例。
[0089]
然而，可以设想实施例的其他变体。例如，一旦监测设备12已经从采集装置11获取了所采集的转速信号，就可以由监测设备12实施使得能够确定旋转频率的一个或多个值的处理操作。然后可以理解，对于该实施例的变体，获取模块mod_obt2具有实现所述处理操作的功能。
[0090]
不排除设想轴的旋转频率的每个值fr[k]由轴的转速信号确定，而不是通过一个或多个速度传感器确定，例如直接从航空器发动机控制信号确定。以这种方式，不需要使用这样的速度传感器，并且一旦从所述控制信号确定了轴的旋转频率的值fr[k]，就可以使用获取模块mod_obt2来接收这些值，或者使用获取模块自身从传送到它的所述控制信号确定所述值fr[k]。
[0091]
通常，监测设备12能够获取轴的旋转频率的一个或多个值的方式没有限制。
[0092]
在本说明书的其余部分中，并且仅仅为了简化本说明书的目的，轴上存在的机械部件被认为对应于由两个啮合轮形成的齿轮以及轴承，但不限于此。
[0093]
还纯粹以说明的方式考虑，针对该特定模式的监测方法是在航空器飞行期间，更具体地在巡航阶段期间实施的。
[0094]
图3以流程图的形式表示根据本发明的监测方法的一种特定实施方式。所述特定实施方式的步骤由图2的监测设备12执行。
[0095]
在本实施方式中，认为轴的绝对加速度的测量值yc[k]由采集装置11循环地(例如周期性地)采集，并且每个测量值yc[k]在采集后立即被传输到监测设备12。
[0096]
如图3所示，对于由采集装置11获取的轴的绝对加速度的每个测量值yc[k]，监测方法包括获取所述测量值yc[k]的步骤e10。所述步骤e10由监测设备12所配备的第一获取模块mod_obt1实现。
[0097]
在本实施方式中，监测方法在每次获取绝对加速度的测量值yc[k]之后还包括步骤集合ens_e。
[0098]
本说明书的其余部分旨在描述包括在所述集合ens_e中的步骤，用于先前采集并在执行步骤e10之后获取的绝对加速度的测量值yc[k]。应当注意的是，在每次由监测设备12获取轴的绝对加速度的测量值之后，集合ens_e中的所述步骤旨在迭代地执行。
[0099]
如图3所示，所述步骤集合ens_e首先包括步骤e20，用于获取先前采集所述测量值yc[k]的时刻的轴的旋转频率的值fr[k]。所述步骤e20由监测设备12所配备的第二获取模块mod_obt2实现。
[0100]
如前所述，轴的旋转频率的所述值fr[k]是由采集装置对应于所述测量值yc[k](这里的对应关系涉及所述测量值yc[k]的采集时刻])来确定，因此，在本实施方式中，作为步骤e20的主题的所述值的获取涉及采集装置11和监测设备12之间的数据传输。
[0101]
应当注意，在本实施方式中，步骤e10和e20被描述为一个接一个地执行。当然，这仅仅是可选的实施方式，并且不排除设想并行执行这些步骤e10和e20。
[0102]
一旦获取了轴的旋转频率的值fr[k]，步骤集合ens_e还包括确定矩阵h[k]的步骤
e30，使得可以定义所述状态模型。所述步骤e30由监测设备12所配备的第一确定模块mod_det1实施。
[0103]
矩阵h[k]描述了布置在旋转轴上的机械部件的健康状态特征的变化，所述健康状态特征隐含地包含在状态模型的状态向量中，这将在后面详细说明。
[0104]
应该注意，根据本发明的状态模型不仅涉及加速度信号yc，还涉及信号se，该信号se对应于所述信号yc和所述信号yc的共轭值的乘积的期望值(等效地，信号se对应于所获取的信号yc的包络的平方)。因此，状态模型可以被视为“增强”信号的动态建模，该信号对应于加速度信号yc和所述信号se的样本的汇集，这里用y表示的向量的形式。考虑这样的状态模型有利地使得能够同时监测齿轮和轴承的健康状态。
[0105]
因此，本发明提出的监测方法基于状态模型的使用，该状态模型使得能够表示(建模)轴系的机械部件对旋转轴在旋转机械运行期间所经历的振动的相应贡献。
[0106]
更具体地，与齿轮型机械部件相关联的贡献处于向量y[k]的分量yc[k]的水平，而与轴承型部件相关联的贡献处于所述向量y[k]的分量se[k]的水平。换句话说，向量y[k]形成了应当监测其状态的机械部件的运动学的表示。
[0107]
这种对轴的振动行为进行建模的方法，因此更不用说对它配备的机械部件的振动行为进行建模的方法，有利地使得可以执行所述监测，而不管轴的转速如何。它进一步独立于旋转机械的运行每分钟转数，因此可以在可变每分钟转数的情况下实现。
[0108]
现在详细描述确定所述矩阵h[k]的示例。为此，首先要注意的是，由加速度传感器提供的以yc表示的振动信号可以根据下面的表达式进行分解：
[0109]
yc[k]＝yr[k]+yg[k]+b[k]
[0110]
其中yr是轴承产生的振动信号，称为“轴承信号”，yg是齿轮之间接触产生的信号，称为“啮合信号”，b是表示发动机其他部件振动的测量噪声。
[0111]
啮合信号yg可以写成如下：
[0112][0113]
在表达式中：
[0114]-m是啮合分量(频率)的谐波数量。所述数量m是预先确定的；
[0115]-am[k]和фm[k]分别是第m个啮合分量的幅度和相位调制；
[0116]-θm[k]是第m个啮合分量的啮合的瞬时相位，可写为：
[0117][0118]
其中fr是轴的旋转频率，z是啮合频率的循环阶数(即齿轮的两个齿之间的接触频率与旋转轴的接触频率之比)，te是采样周期(即采样频率fe的倒数)。
[0119]
给定啮合信号yg的解析表达式，振动信号yc仍可写为：
[0120][0121]
其中对应于载波的复包络，v1对应于包含轴承振动信号和系统其他部分振动信号的测量噪声。复包络是齿轮状态的特征。因此，后者的诊断相当于估计和分析该复包络
[0122]
齿轮的一个轮上存在缺陷由复包络的周期性表现出来。这个周期性等于故障轮的旋转周期。从分析的角度来看，复包络可以用傅立叶级数来近似。通过将θr[k]定义为等于θm[k]与量z x m之比(θr[k]因此对应于旋转轴的角位移)，复包络可写成如下：
[0123][0124]
在表达式中：
[0125]-nb是啮合频率周围侧线(带)的最大数量。所述数量nb是预先确定的；
[0126]-o
r1
和o
r2
分别是齿轮的第一轮和第二轮的旋转频率的循环阶数；
[0127]-α
n,m
和β
n,m
是傅里叶系数；
[0128]-b[k]是一个向量，可以写成：
[0129][0130]
其中b
r1
[k]等于
[0131][0132]
并且b
r2
[k]等于
[0133][0134]-pm[k]是一个向量，可以写成：
[0135][0136]
其中，p
m,r1
[k]等于p
m,r2
[k]等于
[0137]
因此，振动信号yc满足以下表达式：
[0138][0139]
在表达式中：
[0140]-ce[k]等于它是载波的向量；
[0141]-xe[k]等于它是包含接近啮合信号yg的复包络的傅立叶级数的系数的向量。
[0142]
复包络的估计被简化为包含在变量xe中的傅立叶系数的估计。这种估计是通过考虑可变每分钟转数中傅立叶系数的可能变化来进行的。因此，在该示例性实施方式中，假设傅立叶系数以及因此的变量xe根据由以下表达式给出的随机游动而变化：
[0143]
xe[k+1]＝xe[k]+we[k]
[0144]
在表达式中，we[k]是任何统计性质的随机信号。
[0145]
最后，上面给出的yc[k]和xe[k]的关系形成啮合信号的模型。由于该模型，齿轮的实时监测被简化为估计啮合信号yg的复包络的傅立叶系数。
[0146]
到目前为止，已经讨论了啮合信号yg的分析模型。此外，现在提出轴承信号yr的分析模型，以便最终能够给出信号se[k]的分析模型，然后表达形成根据本发明的状态模型的矩阵h[k]。
[0147]
设置在轴上的轴承产生的振动可以根据以下表达式写出：
[0148][0149]
在表达式中：
[0150]-m[k]是轴承内圈承受径向载荷时的载荷分布函数。在静止条件下，已知该分布函数是周期性的，其周期等于参考轴的旋转的周期。关于这些方面的更多细节，本领域技术人员可以例如参考文献：“cyclic spectral analysis of rolling-element bearing signals:facts and fictions(滚动元件轴承信号的循环频谱分析：事实与虚构)”，j.antoni，journal of sound and vibration(声音与振动杂志)304，2007，497-529；
[0151]-κ(ω[k])是取决于轴的角速度ω的调制函数；
[0152]-ai是第i次冲击的幅度。它具有介于0和1之间的高斯分布，使得ai＝a+δai。a是分布的平均值，δai是随机部分；
[0153]-i是轴承结构的脉冲响应；
[0154]-指十进制数x的整数部分；
[0155]-d是可能的轴承缺陷造成的冲击次数；
[0156]-ti是第i次冲击出现的时刻，由此ti＝t(iθd+δθi)是所述可能的轴承缺陷的角周期，并且δθi是中心高斯分布。
[0157]
振动信号yc的包络的平方，即信号se[k]，由以下表达式给出：
[0158][0159]
其中符号表示复数a的共轭，并且表示数学期望。
[0160]
在本示例性实施方式中，假设啮合信号yg、轴承信号yr和噪声b相互不相关。因此，包络的平方变为：
[0161]
[0162]
在表达式中，n2[k]等于其被认为是任何统计性质的噪声。
[0163]
轴承上缺陷的存在表现为轴承信号yr是周期性的及其自相关函数。因此，信号se[k]是周期性的并且被噪声n2[k]污染。根据该观察结果，信号se[k]可以通过傅立叶级数来近似，并且可以根据以下表达式来书写：
[0164][0165]
在表达式中：
[0166]-μz[k]和фz[k]分别是傅立叶级数的第z个分量的幅度和相位；
[0167]-l表示与轴承缺陷相关的线的数量(l表示用于监测轴承的不同部件的加速度信号yc的包络的平方中的感兴趣谐波的数量)。所述数量l是预先确定的；
[0168]-v2是任何统计性质的噪声，并且当l远低于与轴承缺陷相关的有效线的数量时，包括噪声n2和可能的与轴承缺陷相关的线的一部分。
[0169]
通过三角变换，信号se[k]可最终写成：
[0170][0171]
在表达式中：
[0172]-hz[k]等于
[0173]-xz[k]等于
[0174]
通过对傅立叶级数的分量进行分组，可以得出信号se[k]可以采用以下形式：
[0175][0176]
在表达式中：
[0177]-cr[k]等于
[0178]-xr[k]等于
[0179]
以与啮合信号yg的模型的分析建模相同的方式，在本示例性实施方式中，认为接近信号se[k]的傅立叶级数的系数遵循随机游走，使得：
[0180]
xr[k+1]＝xr[k]+wr[k]
[0181]
在表达式中，wr[k]是有限能量随机噪声。
[0182]
从之前的发展来看，现在可以根据以下表达式来表达状态模型：
[0183][0184]
在表达式中：
[0185]-v[k]是与所述测量值yc[k]相关联的噪声；
[0186]-x[k]是向量，称为“状态向量”，对于每个机械部件，包括子向量(xe[k]或xr[k])，子向量的分量代表所述机械部件对向量y[k]的贡献。值得注意的是，状态向量x包含状态模型的未知数。
[0187]
根据之前的发展，状态向量x也可以用以下方式表示：
[0188][0189]
在表达式中，w[k]是模型的状态噪声，f表示单位矩阵。
[0190]
y[k]和x[k+1]的表达式表示振动信号yc的增强状态模型。该状态模型的参数的估计，以及因此轴承和齿轮的状态的量特征的估计，可以根据这些表达式来确定。
[0191]
最终，一旦确定了所述矩阵h[k]，监测方法包括根据所述矩阵h[k]确定向量x[k]的估计量的步骤e40。所述步骤e40由监测设备12所配备的第二确定模块mod_det2实施。
[0192]
根据一个特定示例性实施方式，借助于极大极小(minimax)优化算法来确定向量x[k]的估计量。更具体地，从先前描述的状态向量x的表达式开始，为状态变量的线性组合实现极大极小估计量，表示为并定义如下：
[0193][0194]
在表达式中，是状态向量x[k]的鲁棒估计。所述估计满足以下递归方程：
[0195][0196]
其中g[k]对应于估计量的增益。
[0197]
通过注意e[k]估计误差(即，)，然后可以通过最小化以下二次成本函数j来确定极大极小估计量的增益：
[0198][0199]
在表达式中，函数j是严格正的，并且p[1]、q和r分别是初始化误差e[1]、状态噪声w[k]和测量噪声v[k]的正对角加权矩阵(这种矩阵，尤其是它们各自的设置，是本领域技术人员已知的)。在本示例性实施方式中，所述成本函数j对于最坏情况最小化，这相当于使j相对于最小化并且使j相对于e[1]、w[k]和v[k]最大化。这导致了如下公式化的极大极小优化：
[0200][0201]
这样的优化问题可以通过拉格朗日乘子方法来解决，从而获取增益g[k]的以下表达式：
[0202]
g[k]＝p[k]γ[k-1]h
t
[k]r-1
[0203]
在表达式中：
[0204]-p是满足以下黎卡提(riccati)方程的正定对称矩阵：
[0205]
p[k]＝p[k-1]γ[k-1]+q
[0206]-г[k]由以下表达式给出：
[0207][0208]
其中γ严格小于sup r-1
(“sup”定义了加权矩阵r的逆的上确界)。
[0209]
关于在该示例性实施方式中制定的极大极小优化和获取增益g[k]的更多细节，本领域技术人员可以参考文献“discrete h-infinity filter design with application to speech enhancement(应用于语音增强的离散h无穷大滤波器设计)”，shen，x.，icassp，第2卷，第1504
–
1507页，1995。
[0210]
重要的是要注意，根据监测方法的步骤e40的其他示例性实施方式，不排除设想通过除了所述极大极小优化算法之外的算法来确定所述估计量。例如，可以使用最小二乘优化算法。
[0211]
一旦确定了向量x[k]的估计量，就可以检测放置在航空器发动机的轴上的每个机械部件中可能的缺陷。为此，在图3的实施方式中，步骤集合ens_e对于每个所述机械部件包括多个步骤。
[0212]
为了记录，在本实施方式中，布置在轴上的机械部件包括轴承和由两个啮合轮形成的齿轮。此外，对于说明书的其余部分，集合ens_e的所述多个步骤最初针对所述轴承执行和描述。然而，应当理解，这纯粹是任意的选择，并且所述多个步骤也可以最初针对所述齿轮执行。
[0213]
如图3所示，所述多个步骤首先包括步骤e50，根据所述向量x[k]的估计量确定所述轴承对向量y[k]贡献的量q_r特征。所述步骤e50由监测设备12所配备的第三确定模块mod_det3来实现。
[0214]
所述量q_r更具体地表征所述轴承的健康状态。它是从轴承的所述贡献获取的，也就是说，通过采用上面针对步骤e30描述的示例性实施方式，从包括在状态向量x[k]中的子向量xr[k]获取。在本示例性实施方式中，轴承的所述贡献对应于信号se[k]的估计。注意，由于先前获取的状态向量x[k]的估计量(步骤e40)，这样的估计是可访问的，并且更不用说还提供所述子向量xr[k]的估计量，使得可以确定所述量q_r。
[0215]
作为非限制性示例，所述量q_r表示信号se[k]的能量。
[0216]
然而，不排除设想另一种类型的量q_r，例如轴承的所述贡献的相位或能量。
[0217]
所述多个步骤还包括步骤e60，将针对所述轴承确定的所述量q_r与阈值s_r进行比较，以获取比较结果。所述步骤e60由监测设备12所配备的比较模块mod_comp来实现。
[0218]
实际上，所述比较结果对应于指示量q_r是大于还是小于所述阈值s_r的信息数据，并且从该信息数据可以检测轴承中可能的缺陷。
[0219]
应注意，阈值s_r可以例如由专家确定并记录在监测设备12的存储装置中(例如非易失性存储器4中)，或者根据另一示例，对应于在根据本发明的监测方法的先前实施过程中确定的量q_r，其中没有检测到轴承中的缺陷。
[0220]
为此，集合ens_e的所述多个步骤还包括步骤e70，基于在执行步骤e60之后获取的比较结果来检测轴承中可能的缺陷。所述步骤e70由监测设备12所配备的检测模块mod_detect来实现。
[0221]
因此，在当前的实施方式中，如果量q_r高于(相应地低于)阈值s_r，则检测到轴承中的缺陷(相应地轴承中不存在缺陷)。这种检测在此基于数值量(量q_r和s_r)之间的比较。换句话说，在监测方法的这个阶段，轴承的健康状态可能不符合的信息对应于数字信
息，通常以比特的形式编码。
[0222]
此外，在本实施方式中，集合ens_e的所述多个步骤还包括步骤e80，如果检测到轴承中的缺陷，则发出警报。所述步骤e80由监测设备12所配备的警报模块mod_alert来实现。
[0223]
例如，所述警报对应于声音信号、光信号等，该信号能够传输给地面上负责维护航空器的操作员和/或航空器的驾驶舱，以提醒机组人员。
[0224]
此外，与用户(例如地面操作员或机组人员)就监测系统10的状态进行的通信可以通过专用于此目的的显示装置(例如屏幕)投影的图形的形式进行。
[0225]
需要注意的是，如果没有检测到缺陷，那么当然不会发出警报(图3中的步骤e85)。
[0226]
随后，对于布置在轴上的齿轮，重复步骤e50至e70以及e80或e85。为此，确定所述齿轮对向量y[k]的贡献的量q_e特征(在本示例性实施方式中，这是复包络的幅度或相位或能量，然后将该量q_e与阈值s_e进行比较，以检测齿轮中可能的缺陷。
[0227]
尽管步骤e50至e70以及e80或e85已经被描述为对于布置在轴上的每个机械部件连续地执行，但是事实仍然是，本发明还涵盖对于每个所述部件并行地执行这些步骤的情况。
[0228]
此外，如果在图3的实施方式中考虑到对布置在轴上的所有机械部件执行步骤e50至e70以及e80或e85，则还可以设想其他实施方式，其中这些步骤仅涉及所述机械部件的一部分。
[0229]
到目前为止已经考虑监测设备12被布置在航空器中来描述本发明。然而，不排除将后者设置在地面上并且其通过本领域技术人员已知的任何协议与布置在航空器中的采集装置进行通信。
[0230]
此外，还通过考虑其中在每次监测设备12接收到绝对加速度的测量值yc[k]之后执行集合ens_e中的步骤的实施方式来描述监测方法。然而，该监测方法仍然适用于以下情况：监测设备存储多个绝对加速度测量值(在从采集装置11接收到它们之后)，然后才针对每个如此存储的测量值实施集合ens_e中的步骤。
[0231]
还通过考虑其中如果检测到缺陷则发出警报的实施方式来描述监测方法。然而，不排除监测设备12不发出警报，而是由专家分析检测结果(实时或以延迟方式)，专家因此可以决定是否有必要验证监测设备12执行的缺陷检测。
[0232]
还应注意，如果图3的实施方式本身不包括采集对监测放置在轴上的机械部件的健康状态有用的测量值，那么仍然可以设想在所述监测方法的一个或多个步骤(例如，采集至少一个测量值yc[k]的步骤和/或采集转速vr[k']的步骤)期间采集测量值的其它模式。在这种情况下，监测方法不再由监测设备12单独实施，而是由所述采集装置11的全部或部分实施。
[0233]
最后，应当注意，更一般地，本发明的实施并不局限于航空领域。它确实仍然适用于任何类型的旋转机械，无论涉及的技术领域如何，例如电动机、动力传输电动机、机电致动器、风力涡轮机、齿轮轴等。

技术特征：
1.一种用于监测旋转机械所配备的轴系上的轴承和齿轮之类的机械部件的状态的方法，所述方法包括获取轴在与旋转机械相关的固定参考系中的绝对加速度的至少一个测量值y
c
[k]的步骤(e10)，k是整数索引，以及以下步骤集合(ens_e)：-获取(e20)在先前采集所述至少一个测量值y
c
[k]的时刻的轴的旋转频率的值f
r
[k]，-确定(e30)矩阵h[k]，所述矩阵使得可以定义如下描述的状态模型：x[k+1]＝x[k]+w[k]并且其中w[k]是随机噪声，v[k]是与所述至少一个测量值y
c
[k]相关联的噪声，h[k]由值f
r
[k]定义，se[k]等于y
c
[k]与y
c
[k]的共轭值的乘积的期望值，x[k]是向量，对于每个机械部件，所述向量包括子向量，所述子向量的分量表示所述机械部件对向量y[k]的贡献，-从所述矩阵h[k]确定(e40)向量x[k]的估计量，对于至少一个机械部件，所述步骤集合进一步包括以下步骤：-从所述估计量确定(e50)与所述机械部件相关联的所述贡献的量特征，-基于所述量与阈值的比较(e60)，检测(e70)所述至少一个机械部件的可能缺陷。2.根据权利要求1所述的方法，其中向量x[k]的估计量借助于极大极小优化算法或最小二乘优化算法来确定。3.根据权利要求1至2中任一项所述的方法，其中所述量表示所述贡献的幅度或相位或能量。4.根据权利要求1至3中任一项所述的方法，其中如果检测到缺陷，所述方法还包括发出警报的步骤(e80)。5.根据权利要求1至4中任一项所述的方法，其中循环地获取多个绝对加速度测量值，在每次获取绝对加速度测量值之后实施所述步骤集合(ens_e)。6.一种计算机程序，包括当所述计算机程序由计算机执行时用于实现根据权利要求1至5中任一项所述的监测方法的指令。7.一种计算机可读记录介质，其上记录有根据权利要求6所述的计算机程序。8.一种用于监测旋转机械所配备的轴系上的轴承和齿轮之类的机械部件的状态的设备(12)，所述处理设备包括：-第一获取模块(mod_obt1)，其被配置为获取轴在与旋转机械相关的固定参考系中的绝对加速度的至少一个测量值y
c
[k]，k是整数索引，-第二获取模块(mod_obt2)，其被配置为获取在采集所述至少一个测量值y
c
[k]的时刻的轴的旋转频率的值f
r
[k]，-第一确定模块(mod_det1)，其被配置为确定矩阵h[k]，所述矩阵使得能够定义状态模型，所述状态模型描述如下：x[k+1]＝x[k]+w[k]并且其中w[k]是随机噪声，v[k]是与所述至少一个测量值y
c
[k]相关联的噪声，h[k]基于值f
r
[k]定义，se[k]等于y
c
[k]与y
c
[k]的共轭值的乘积的期望值，x[k]是向量，对于每个机械部件，所述向量包括子向量，所述子向量的分量表示所述机械部件对向量y[k]的贡献，
‑
第二确定模块(mod_det2)，其被配置为从所述矩阵h[k]确定向量x[k]的估计量，-第三确定模块(mod_det3)，其被配置为从所述估计量确定与机械部件相关联的所述贡献的至少一个量特征，-比较模块(mod_comp)，其被配置为将所述至少一个量与阈值进行比较以获取比较结果，-检测模块(mod_detect)，其被配置为基于比较结果来检测所述至少一个机械部件的可能缺陷。9.一种用于监测旋转机械所配备的轴系上的轴承和齿轮之类的机械部件的状态的系统(10)，所述监测系统包括：-用于获取轴在与旋转机械相关的固定参考系中的绝对加速度的至少一个测量值y
c
[k]的装置(11)，k是整数索引，-根据权利要求8所述的监测设备(12)。10.一种航空器，包括根据权利要求9所述的监测系统(10)。

技术总结
本发明涉及一种用于监测旋转机械装备的轴系上的轴承和齿轮机构类型的机械部件的状态的方法。方法包括获取轴的至少一个绝对加速度测量值y


技术研发人员：阿马杜
受保护的技术使用者：赛峰集团
技术研发日：2022.01.19
技术公布日：2023/10/11