新闻动态

正规的足球外围网站研发——用于感应电机齿轮箱和轴承故障状态监测的红外热成像智能传感器

作者:小编时间:2022-11-06 14:46:57

从生产率、经济效益和维护的角度来看,机器状态的监控非常重要。已经提出了几种技术,其中传感器是提供相关信息以验证系统的关键。最近,智能传感器概念很常见,其中传感器与数据处理单元集成在一起,执行专用算法,用于在现场生成有关系统的有意义信息。此外,由于新的红外热像仪具有更高的分辨率、更小的尺寸、可靠性、功能性和更低的成本,因此红外热像仪在监控过程中获得了相关性。这些单元最初被用作机器状态监测的辅助元件,但由于现代数据处理技术,红外传感器可用于提供第一个,甚至在工业应用中以非侵入方式进行直接诊断。在本手稿中,描述了一种基于红外热成像的智能传感器的结构和开发,用于诊断与感应电机相关的元件中的故障。智能传感器结构包括五个主要部分:红外主传感器、预处理模块、图像处理模块、故障分类和用户界面。红外主传感器考虑使用低成本的微型热像仪来获取热图像。处理模块和分类模块将数据处理算法实现到数字开发板中,实现智能系统特性。最后,接口模块允许最终用户要求智能传感器执行处理动作和数据可视化,附加功能可以由系统提供诊断报告。智能传感器在真实的实验测试台上进行了验证,在不同的案例研究中展示了它的能力。


工业机器状态监测研究是一个非常重要的领域,旨在避免意外情况,如故障、故障、损坏、停机和经济损失。从这个意义上说,感应电机是——而且将来仍将是——工业中最重要的部件之一,占用于为运动提供动力的设备的80-90%之间,消耗了工业中大约40%的总能源进程。这些电机的应用是多种多样的;它们用于泵、风扇、输送机、制造机器等,它们需要与流程耦合的外围组件,例如轴承、齿轮箱和皮带轮,这些组件大多容易发生故障。由于它们的重要性,文献中已经报道了几项工作,其中系统的状态或条件通过传感器反馈,其测量有助于检测感应电机及其相关组件中的故障或异常.这些方法被称为基于信号的方法,它使用传感器提供的信息,例如电流、振动、声学或红外],并通过光谱技术,他们诊断电机及其相关元件的故障。所有这些方法已被证明在某些方面是足够的,各有利弊;在某些情况下,它们可以相互补充。然而,没有一个单一的传感器能够检测电机故障的多样性。出于这个原因,存在几种方法。仍然存在一些缺点和限制,例如侵入式传感器、离线信号处理、传感器测量的手动解释,智能传感器的概念受到关注。智能传感器是一种传感器,它集成了必要的元素,例如电子设备和实现的算法,以执行数据采集、存储、过滤、处理、双向通信,甚至决策。可以利用智能传感器提供有关故障的有意义的处理信息,或通过使用主传感器进行直接诊断;与输出原始数据的普通传感器不同,这些原始数据必须经过处理和解释才能发挥作用。此外,从各种传感器中,基于红外热成像的传感器可以很好地补充这一相对较新的概念,分析组装在旋转机器或运动链中的元件。


image.png


多年来,有几项工作采用红外热成像技术对感应电机及其外围元件进行故障诊断。第一个作品从高成本的商用红外相机FLIR-A310获取热图像,并在PC上离线执行电机热区域的专用分割过程,以执行故障识别。其他工作还使用商用红外摄像机FLIR-I60扫描电机外壳上最热的表面,并在PC上执行额外的步骤,如从灰度图像中进行伪着色、分割最热区域、从热模式直方图中提取特征,并对故障进行分类。然而,这些方法受到红外摄像头位置的限制,它必须始终处于相同的战略位置,调节电机的条件,例如没有风流的封闭房间,或通过侵入电机外壳的温度传感器进行摄像头校准;还必须考虑其他调整,例如相对湿度、红外发射角等。之后,在使用高成本商用热成像摄像机FLIR-SC655从电机运行的稳定状态获取图像帧,对这些图像帧进行二次采样和加窗以避免冗余信息。在这里,通过温度、基尼系数和光矩的标准差对热直方图进行差分来提取图像特征。故障分类是使用随机决策森林分类器进行的。这种方法的主要缺点是相机位于黑暗的地方,以避免额外的噪音,以及使用两个热电偶来测量环境温度进行校准,并且处理是离线执行的。就其本身而言,开发了区域选择状态方法,用于在实验室条件下使用其软件从中等成本商用热成像摄像机FLIR-E4获得的图像帧中提取特征。该方法首先获得品红色谱,然后利用MoASoS和直方图构建特征向量,最后通过高斯混合模型和K-最近邻对感应电机进行故障分类。.然而,这种方法的效率依赖于二值化阈值的指定值。另一方面,提出了一种方法,该方法使用伪着色过程和统计指标,例如直接从通过高成本商用红外相机FLIR-E60获取的图像中获取的平均值和标准偏差。这种方法也存在相机位置聚焦故障表现区域和离线处理的局限性。在同一行中,在提出了一种将红外热成像与传热理论相结合的方法。


第一步,使用高成本的商用红外热像仪FLIR-T440及其软件获取图像,用于离线建立电机热模型;随后,在第二步中,该模型用于比较机器的健康状况和故障状况之间的热梯度和温度的主要差异。最近,机器学习和深度学习算法被引入到感应电机故障的红外热成像分析中。在中提出并离线实施了一种基于小型标记红外热图像的方案,具有增强的卷积神经网络和卷积自动编码器。在这项工作中,使用高成本商用相机FLIR-A35获取的热图像允许对系统条件进行表征,然后使用指数线性单元和随机池化构建ECNN。但是,CAE是经过预训练的;一旦实现这一点,参数就会被传输到ECNN,并使用小型标记热图像来训练ECNN对故障进行分类。最后但并非最不重要的是,提出了一种名为二值化图像差异公共区域的新方法,由PC中的软件实现。作为第一阶段,中等成本的商用热成像摄像机FLIR-E4记录分析系统的几秒钟,然后将视频分割成多个图像或帧,然后将这些图像或帧分组为训练集和测试集。之后,BCAoID从将在分类阶段使用的图像中提取特征。最后,故障分类由KNN和反向传播神经网络执行以进行比较。从以前的作品中可以看出,红外热成像分析多年来一直在发展,尽管仍然使用分割方法;今天,新技术的整合方式使得基于信号的方法正在被基于模型或数据驱动的方法所取代。然而,值得注意的是,红外热成像仍然可以被利用,因为可以深入分析智能传感器概念和数据驱动技术,并可以为感应电机的故障诊断提供新颖的解决方案。


可以说,根据现有技术中的几项工作,感应电动机中最常见的故障可分为两个主要分支:电气和机械。然而,本文重点关注与感应电机的两个主要元件相关的机械故障:滚动轴承和齿轮箱。滚动轴承特别受关注,因为多年来,人们对这些元素进行了研究,并开发了几种技术来诊断故障状况,例如内圈、外圈、内外圈、滚珠和润滑剂的损坏或磨损。滚动轴承的重要性是有道理的,因为它们是感应电机中非常常见的部件,用于连接电机内外的轴。由于负载条件的变化、寄生电流的电腐蚀、磨损、腐蚀等多种因素,它们很容易发生故障,并且成本损失可以很容易地根据条件的严重程度进行调整。就其本身而言,齿轮箱是服务于感应电机的外围组件,用于耦合过程的动力运动;在功率扭矩和速度之间进行平衡。与任何其他机械部件一样,齿轮箱可能会在内部元件中出现故障,例如齿轮的磨损、腐蚀、齿隙或断齿。出于这个原因,已经开发了许多工作来诊断齿轮箱的故障状况。滚动轴承和齿轮箱的重要性是显而易见的,因为它们是与感应电机一起工作以集成提供工业过程运动的整体的基本元件。此外,在这两个元素中,逐渐失效的研究很流行,而不仅仅是检测失效中的灾难性或高级状态。此外,众所周知,解决旋转机械故障诊断的监控系统涉及大量数据的处理,尤其是在监控使用感应电机的关键工业部门时。一种新兴的数据处理解决方案是通过数据融合,用于准确地执行电机故障诊断。在这个领域,已经提出了几项工作。提出了一个用于诊断旋转机器齿轮箱故障的自动化框架。在该框架下,对来自振动传感器的数据进行频域融合,通过相干复合谱进行特征提取,通过主成分分析对数据进行降维,实现故障分类。通过使用人工神经网络。同时,描述了一种基于深度学习的电机故障诊断模型,称为多分辨率和多传感器融合网络。


在这项工作中,通过生成不同长度的窗口来执行振动和定子电流信号的多尺度分析。最后,通过卷积神经网络和长短期记忆,所提出的方法能够学习与故障相关的判别特征。考虑到电机的健康状况、损坏的转子条、内置的弯曲转子和内圈中的故障轴承,这种方法得到了验证。在最后一个例子中,报告了一种名为动态路由的多模态神经网络的多感官融合模型。该提议的工作考虑了来自振动和定子电流传感器的信号的数据融合。然后,基于多模态方案进行特征提取,用于降维和捕获不变特征。通过多模态深度学习结构的决策层中的动态路由算法执行故障分类。该方法在电机健康状况、三个转子断条、转子弯曲和内圈轴承故障的故障诊断中得到了验证。其他工作提出了基于从传感器的原始信号中提取的特征的数据融合的新策略,旨在改进旋转机械的故障诊断。正规的足球外围网站实现了用于从振动信号中学习特征的去噪自动编码器和收缩自动编码器。随后,局部保持投影算法融合了学习到的特征,这些特征最终由SoftMax训练为一个模型,该模型对机器中的转子和轴承进行诊断。就其本身而言,提出了一种用于电机故障诊断的多段特征融合。这里,使用Grassmann流形和角中心高斯分布对原始信号进行分段,并通过小波变换和集成经验模态分解进行特征提取。通过形态学处理减少大量特征,并通过使用深度信念网络实现数据融合。分类是使用成对耦合结合稀疏贝叶斯极限学习机的策略进行的。作为最后一个例子,执行多源数据融合,其中一些提取的特征是经验的,而另一些则是隐藏的特征。此外,实现CNN以获得复杂信号波形的隐性特征。融合任务被考虑用于统计特征和隐性特征,这些特征输入到光梯度提升机模型中,用于机器转子和定子的故障诊断。正如所观察到的,开发的一些工作证明了电机故障诊断的重要性,因为所采用的诊断技术仍然是一个令人感兴趣的话题。


image.png


这项工作的贡献是基于红外热成像的智能传感器的结构和实现,用于与感应电机相关的滚动轴承和齿轮箱的故障诊断。此外,它可以监控电机或要评估的元件,以确定热图像的哪个部分提供最佳诊断。智能传感器在其核心集成了一个主传感器单元,该单元由一个用于获取热图像的低成本热成像红外相机组成,一个电子板又由一个用于数据处理的微控制器单元组成,以及用于检测和诊断故障条件的专用算法的实施。五个主要模块定义了智能传感器的功能和可操作性:主传感器、图像预处理、图像处理、特征提取和故障诊断。处理单元中实现的算法被定义为通过调整热图像大小、消除噪声、分割、提取特征和分类故障来调节热图像。随后,从具有特定特性的功能模块的角度详细介绍了智能传感器。之后,还进行了一些测试和验证,展示了智能传感器在感应电机元件的三种运行条件下的功能:滚动轴承分析、齿轮箱联轴器分析和滚动轴承-齿轮箱组合分析。


正规的足球外围网站介绍了基于红外热成像的智能传感器的结构和开发,用于感应电机相关元件的故障诊断。结构设计为模块化,简洁开放的架构,意味着它的功能可以很容易地扩展和改进。此外,由于所有电子技术都容易过时,因此硬件-软件设计可以在未来对系统进行改进和更新。现在,对于模块化结构,红外传感器的重要性取决于其低成本和小尺寸等特性,即使考虑到它是商用相机。值得一提的是,红外微摄像头是主传感器,这意味着它只提供需要解释的原始数据,这使其足以集成到智能传感器中。其他报道的作品使用高成本的商业相机,在许多情况下使其成为有限的解决方案。智能传感器故障诊断的准确性将取决于所描述的每个模块的正确功能;预处理对于提高主传感器提供的信息的质量是必要的,因为图像分辨率不是降低而是增加,有助于定义ROI。同样,足够的ROI将提供在温度升高时可以看到故障的区域,但它们并不表示问题的类型或其渐进性。为了正确检测系统中的故障,需要计算足够的特征,尽管有几个领域可以分析数据;统计特征是很好理解的,易于实现且计算负担要求低。此外,在不同的统计特征中,有几个可以反映热像数据中的故障类型;必须获得许多指标。相反,如果几个指标提供冗余信息,则可以通过PCA区分有意义的特征,只产生与故障条件密切相关的特征。这样,PCA可以被视为预分类阶段,通过FFBNN促进故障的最终分类,从而提供准确的故障分类。最后,诊断和PCA分析可以在智能传感器的用户界面中可视化,使系统动态和直观,具有可以通过输出端口获得诊断报告的附加特性,便于通过PC离线对其进行可视化。最后但并非最不重要的一点是,上一小节中提到的一些限制,作为系统的缺点,将被视为可以解决以改进系统特性的机会领域。 展望未来,智能传感器将在软件和硬件上进行功能扩展;考虑更多与温度变化相关的故障类型,如绕组短路、电能质量问题等。从这个意义上说,可以将其他初级传感器添加到智能传感器中,如电流、振动和杂散通量等,增加了可以分析的故障种类,如不平衡,错位等。此外,将根据应用程序是否具有技术和经济可行性来分析使用与智能手机兼容的红外摄像机的可能性。此外,我们将考虑保持低成本、有足够的计算资源、易于软件开发和开放架构的要求。


光电训练系统

相关推荐