1、 - 1 - 吸尘器电机故障诊断通过声音的分析 摘要 实现高质量标准和 100%没有缺陷交付在家用电器制造商正在成为一个趋势。在这方面 ,全面和可靠的端测试代表迈向这一目标的重要一步。摘要终结测试程序的设计基于声音的吸尘器电机的分析。众所周知 ,声音带着重要的信息在旋转零件接触表面的状况。本文的首要目标是提供一个全面分析电动机内的声源。其次 ,通过使用简单但有效的信号处理工具 ,只用声音分析结果表明 ,可以明显区分绝对没错的汽车和机械故障。此外 ,该算法表现出一定的隔离功能 ,它能够区分三个集群的缺点。最后总结实验结果 75 汽车提供的一个示例。 关键词 :质量标准、测试、声源 第一章 家用电
2、器生产商之间在市场激烈的竞争导致增加更高的质量要求 ,无疵点产品 (几乎 )100%,更长的寿命和更低的价格。在一些领域 ,例如、洗衣机和汽车制造业、新兴标准 ,实施最低要求交付汽车的质量 ,例如振动水平和寿命。 这似乎是一个新兴的趋势在吸尘器制造业。质量保证的传统工艺仍然在一定程度上依赖于手工操作和主观决策 ,虽然有些远自动化 (如质量测试。、转子平衡或高电压测试 )。然而 ,为了减少质量保证过程的成本 ,实现完全无故障的生产 ,是一个新兴需要完全自动化端测试每个单元更精 致的状态监测程序。 吸尘器的关键部分是通用收集器电机 ,设备广泛应用于几乎所有的家用电器。属性“普世”表明 ,这样一个电
3、动机可以被连接到一个交流或直流电压源。借鉴了传统直流电机的关键特性是使用刷子 ,而线圈的结构允许交流电压的应用。这些电机与直流电机力矩特性相近 ,这使得它们用于商业产品的吸引力。 收集器的状态监测汽车和在更一般的旋转机器解决了许多作者 ;只有少数因此会提到。例如 ,杨和笔者 1应用电动机电流和振动传感作为特征提取- 2 - 的基础通过人工神经网络对轴承状态诊断。同样的问题已经被 Ropke 和榛子通过现代分类方法 ,并通过榛子和 Guhmann 通过评估当前的频谱。 特征提取是基于残差生成通过电气和机械部件的数学模型来解决 ,例如榛子检查者等。振动出现旋转部件的状况的一个有价值的指标。很多报纸
4、解决这个问题 ,见参考文献。通常作者结合振动分析的一些先进的特征提取方法。例如 ,Barkov 和 Barkova 应用人工智能的方法对机器状态监测和诊断通过振动分析 ,利用小波变换。 为工业应用正确的方法组合需要诊断分辨率最高的。这种方法已经被检查者利用 ,参也看到网页。本文的目的是探讨潜在的声音分析真空吸尘器电机的故障诊断。似乎很少被注意这种潜在 的有关问题。事实上 ,旋转产生的声音部分接触表面的状况 ,直接影响了轴承的条件和气动部件的几何形状偏差。的真空吸尘器 ,风扇叶轮 ,它直接安装在转子轴 ,代表了主要声源 ,是空气动力学的关键部分。作者的目的是根据声音信号设计特点分析 ,获得尽可能
5、多的信息在故障定位。结合特性所产生的其他技术 (振动分析 ,剩余一代数学模型的基础上 ,分析变换 ),相信可以设计的更准确的诊断系统。 实验研究已进行了 75 汽车 15 是绝对没错的 , 15 brush-commutator 接触不当 ; 15 轴承故障 ; 15 风扇和住房之间有联系 ; 15 一个陌生的声音 (咆哮的汽车 )。 本文组织如下。在第二章详细描述了试验装置。第三节处理声音来源的调查。在第四节的设计实验和信号分析工具。第五节将详细描述特征提取。 6和 7 的处理故障检测和故障定位的诊断程序 ,分别。第 8 部分提供了一个实验结果摘录。 第二章 吸尘器电动机 2.1. 吸尘器电
6、机 中央吸尘器是一种通用的一部分收藏家马达风扇叶轮。风扇固定在轴和转子一起旋转 ,从而给电机其主要功能 ,即吸气 ,无花果。 1 显示了汽车的最重要部分。电动机的名义操作条件如下 : - 3 - 应用交流电压 230 V 50 赫兹 ; 1.4 千瓦电力 ; 38000 r.p.m。 (转 /分钟 ); 操作寿命 ca 700 h。 2.2。测量设备 为了开展汽车以及实验验证各种故障诊断方案 ,实验环境是建立在echo-free 声音室 (见图。 2)。这一室的墙壁是由 sound-absorbent 材料 ,从而防止反射声音。 使用的麦克风有 20 赫兹频段和 20 kHz 和电压 / 10
7、 mV / Pa 的声压灵敏度。麦克风连接到放大器 ,信号条件适当范围 5 V 电压水平。麦克风信号是通过反锯齿 13 赫兹滤波器的截止频率。一个光学传感器连接到电动机用于测量转速。 1 这两个信号采样频率的 30 千赫。 2.3 库存的声源 在电动机的旋转产生的声音源于三个主要来源 : 1.时变电磁力量导致电磁噪声 ; 2.气流空气动力学和 3.机械接触。 第三章 电磁 3.1.电磁噪声 电磁噪声似乎只有当交流电压应用于发动机。事实上 ,时变电压意味着变量定子磁通 ,从而导致三种现象 : 磁致伸缩 ; 电致伸缩 ; 时变转子的时刻。 所有这些来源产生声音的频率应用电压频率的两倍 (类似于变压
8、器噪声 )。 主要来源是时变转子的时刻。实验过程中发现 ,相应的噪声的力量大约是20 倍的力量产生的噪声剩下的两个来源。然而 ,考虑到人耳对数特性 ,人们认- 4 - 为 这一比率低得多 ,例如 ,只有两倍。然而 ,三个噪声源引起的电源电压的性质 ,因此 ,携带几乎没有汽车的状况信息。因此 ,他们在以下部分将被忽略。 3.2.空气动力噪声 随着电机的几何形状相当复杂 ,流动方向的变化 ,从而引起动荡。其他旋转部件 (如。、转子 )也产生气动噪声 ,但他们的贡献可以忽略。实验结果表明 ,气动声 intensity2 强烈取决于转速。声强和转速之间的关系可以近似asequation(1)我陶瓷 ,
9、我表示声音强度和 n 表示转速。 3.3.机械噪声 固体结构和机械的振动电机的不同表面组件之间的联系导致机械噪声。(即振动源自不平衡旋转部分。、风扇叶轮、转子 )和气流从部队造成的动荡和变量。这些力量激发大量住房振动 ,特别是在高旋转速度。振动波传播的住房 ,从而创建回响的振动 ,辐射声音。机械噪声的另一个来源是由机械引起的两个运动部件之间的联系和影响 ,尤其是在轴承和 brush-commutator 接触。不仅缩短电机的寿命 ,但也的声音出来可以为用户而不愉快。 3.4.各种声源之间的关系 在名义操作条件 (38000 r.p.m。 ),机械部件的噪音是气动噪声淹没了。事实 上 ,实验结果
10、表明 ,这是旋转速度下降到 2400 r.p.m。 (75 汽车 )的研究做了一个示例。低于这个范围机械接触和其他机械故障造成的噪音变得重要 ,错误的电动机 ,甚至普遍比其他来源。即 ,如果电机有故障 ,机械噪声的强度大幅增加在低范围的转动速度和达到更高的值 (图 4)。因此 ,这较低的转速范围似乎是最合适的故障检测。 此外 ,机械噪声的强度根据转速变化 ,取决于电动机是否错误 ,无花果。 3显示了声源的强度之间的关系旋转速度低于 3000 r.p.m。无故障的电动机。象征 n1 表示的转速风扇的噪音变得重要 ,据估计在 900 r.p.m。象征 n2 表示空气动力学的速度淹没的声音机械组件
11、;这个边界线 1800 r.p.m 左右。象征n3 的上限仍可检测各来源的旋转速度。气动声强度大幅增加后 ,限制和其他两个来源变得认不出来了。 n3 的价值是在 2400 年和 3000 年之间 r.p.m。 定性关系不同来源的声音绝对没错的运动 :机械部件 (实线 ),气动组件(虚线 )和电磁噪声 (dash-dot 线 )。 图 4 描述了故障电机的关系。在这种情况下 ,地标 (n3)走向更高的价值 ,甚至 4800 r.p.m。 - 5 - 定性关系不同来源的声音电机机械故障 :机械部件 (实线 ),气动组件 (虚线 )和电磁噪声 (dash-dot 线 )。 备注 :图中给出的关系。
12、3 和图。 4 是由自然和定性是基于从实验中获得的经验。也就是说 ,大部分的声音不能单独研究一个从另一个来源。部分可以量化的例外是电磁噪声在电动机停滞。要获得关于其他来源的图片分析声音光谱特征频率的变化在不同的旋转速度记录。这就是为什么图的特征。 3 和图。 4 不能精确但只有定性。 第四章 关联 4.1.关联矩阵 推理的基础是功能之间的关系 (X2,去年 ,日元 )和缺点 (表 3)。表中输入“ 1”表示故障影响相应的功能。相反 ,值“ 0”指示断层之间的独立和相关特性。 4.2.可转让的信仰模式 本文采用可转让的信仰模式 (TBM)20。为每个故障候选人除了程度的信念 ,信心的方法还提供了
13、一个测量诊断结果 ,称为冲突的力量。 TBM 源自 Dempster-Shafer 理论的证据通过引入“开放”的概念。它只是说的所有命题由三个子集 :(PP)的一组可能的命题 ,(IP)不可能主张和未知的命题。古典推理方案不操作。 TBM 的目的是计算错误的相信群众候选人页的测量特性。这里 ff 表示无故障的情况下。不需要考虑元素的 IP,信仰只分配页。的元素可以被转移到PP 的新证据。定性错误和残差之间的关系表示 的关联矩阵。一个条目意味着第 1 个功能故障触发 (国际扶轮 )。象征嗨表示预定义的阈值。 TBM 推理是在两个步骤执行。在第一步中 ,基本信念质量 m 分配给子集 .在第二步中
14、,相信群众个人故障和无故障的情况下计算通过使用非规范法官规则的组合。在诊断上下文 ,残差作为证据的来源 ,规则采用以下形式 : 这种方法被称为力量的冲突 ,这可能是由于各种来源比如建模错误 ,噪音和未知或不可预见的错误。它可以被视为衡量诊断结果的信心 ,这一理论提供了一个有趣的特性。 - 6 - 第五章 结论 本文的目的是采用声音分析真空吸尘器电机的故障诊断。实验研究是在75 年 进行的汽车。结果表明 ,可以区分绝对没错的汽车和那些仅仅通过声音分析机械故障。然而 ,拟议的诊断过程在一定程度上限制隔离可能性 ,即。 ,它能够区分三个集群的缺点 :(增加之间的接触摩擦电刷和换向器 ),(轴承、接触风扇和住房 )和 (咆哮 )。在大多数情况下 ,它也能够隔离轴承故障从第二个集群。重要的是要强调特殊的实验条件下的实验进行了一个 echo-free 音响室 ,因此提出的诊断过程是在其目前的形式只适合实验室检查 ,组成质量保证过程的一部分实行由制造商。在线实现要求的鲁棒性恶劣条件下由一个嘈杂的环境造成的。为此 ,进一步的研究 正在进行中 ,这依赖于使用几个麦克风。
