【技术实现步骤摘要】
本专利技术涉及油液屑末信号监测与识别，尤其是涉及一种感应式油液屑末信号监测与识别系统及方法。
技术介绍
1、发动机、涡轮机等大型机械设备运行时，各个部件之间的摩擦和相对运动不可避免地导致零部件工作表面出现磨损，滑油系统可以为机械设备的各个部件提供必要的润滑，同时磨损产生的微小颗粒会随着润滑油在系统内流动。
2、通过分析润滑油中的金属颗粒的尺寸、浓度等参数，可以客观地反映零部件的健康状况和磨损程度，这使得我们能够及早检测到机械部件的磨损问题，并提前发出警报，从而有效地预防重大事故的发生。
3、为了实现对滑油系统中屑末的监测，感应式油液屑末检测技术得到广泛应用。该技术利用了油液中的金属颗粒会对电磁场产生干扰，通过内部的感应线圈来探测并输出这个干扰量。目前，感应式滑油屑末传感器对屑末识别多采用幅值判别，即当信号超过某个幅值，则进行屑末记录，该方法存在两个问题，首先，油液中混杂着大量气体，但并不对设备运行产生影响。由于气体与油液磁导率不同，当气泡通过传感器时也会输出感应信号，幅值判别法会将气泡信号误判为屑末，使屑末记录增加；其次，设备在磨合期与稳定期工作时，产生的屑末以单颗粒、小尺寸为主，但当轴承在稳定期末期与失效期工作时，一次磨损可能会产生多个、大尺寸的屑末，多个、大尺寸的屑末在小间隔下通过传感器。但现有研究表明，当两个屑末间隔小于25mm时，屑末信号会相互叠加，大尺寸屑末也会掩盖掉小尺寸屑末信号，上述原因便会造成数量计量失误；当两个屑末信号在一定特殊相位关系叠加时，甚至会削弱信号峰峰值，造成屑末大小计量失误。
技术实现思路
1、本专利技术提供一种感应式油液屑末信号监测与识别系统及方法，目的是提高油液屑末监测判别的准确率，代替传统的依靠信号幅值来进行屑末计数方法；解决了油液中有混杂气泡时产生信号干扰的问题；解决了多个颗粒在小间隔通过时，产生混叠信号计数与大小判别的问题；提高了信号识别正确率，提高了监测系统自动化程度。
2、本说明书的第一方面公开了一种感应式油液屑末信号监测与识别系统，包括：
3、感应式油液屑末传感器，用于检测油液中电磁微小变化量，并通过信号处理电路进行处理后输出监测信号；
4、气泡屑末分类识别网络模块，用于分析所述监测信号中的幅值异常信号是否包含气泡，以避免将气泡误判为屑末；
5、两级屑末信号分析网络模块，用于对所述监测信号进行分析，确定屑末的大小和数量。
6、本说明书公开的实施例中，所述感应式油液屑末传感器通过漆包线缠绕在陶瓷骨架上，构成两个反向并联的激励线圈与一个电磁感应线圈，由电磁感应线圈输出微小电信号，再通过信号处理电路进行信号的放大、自乘解调和滤波后，输出监测信号。
7、本说明书公开的实施例中，所述气泡屑末分类识别网络模块基于反向传播神经网络，通过输入油液气泡信号和屑末信号训练得到，以实现气泡和屑末的自动区分。
8、本说明书公开的实施例中，所述两级屑末信号分析网络模块基于反向传播神经网络并采用两级网络分析方法构建，所述两级屑末信号分析网络模块中的第一级网络判别监测信号中屑末的数量，所述两级屑末信号分析网络模块中的第二级网络判别监测信号中屑末的大小。
9、本说明书公开的实施例中，所述第二级网络包括单屑末大小识别网络、双屑末大小识别网络和三屑末大小识别网络。
10、本说明书的第二方面公开了一种感应式油液屑末信号监测与识别方法，包括：
11、s1.检测油液中电磁微小变化量，并进行信号处理后输出监测信号；
12、s2.提取所述监测信号中的幅值异常信号并进行分析，若幅值异常信号为气泡信号，则不计入屑末数量；若幅值异常信号为屑末信号，则将该所述监测信号进行两级屑末信号分析；
13、s3.两级屑末信号分析时，首先判别所述监测信号中屑末的数量，若判别为单屑末，则进行单屑末大小识别；若判别为双屑末，则进行双屑末大小识别；若判别为三屑末，则进行三屑末大小识别；
14、s4.记录屑末的数量和大小。
15、本说明书公开的实施例中，感应式油液屑末信号监测与识别方法，通过上述的感应式油液屑末信号监测与识别系统实现。
16、本说明书公开的实施例中，所述气泡屑末分类识别网络模块的模型训练过程如下：
17、a1.气泡屑末训练信号采集：
18、a11.采集气泡信号：
19、使用针孔在油液中注射产生大小不同的气泡，并重复多次采集气泡信号直至满足训练需求，即通过气泡大小随机变化来保证采集信号多样性；
20、a12.采集屑末信号：
21、屑末信号随机使用单屑末信号、双屑末信号和三屑末信号，以保证采集信号多样性，屑末信号的采集数量与气泡信号的采集数量一致；
22、在气泡信号与屑末信号采集完成后，对气泡信号与屑末信号分别进行标签设置，得到第一采集数据；
23、a2.气泡屑末分类识别模型训练：
24、使用bp算法matlab工具箱进行模型训练；
25、训练数据从所有所述第一采集数据中随机选取1/3，并按7:2:1的比例划分为训练集、验证集和测试集，训练学习率采用动态学习率，训练过程中，通过选择不同的隐藏层数量与节点数量重复训练，综合正确率与网络大小确定最佳模型。
26、本说明书公开的实施例中，所述两级屑末信号分析网络模块的模型训练过程如下：
27、b1.屑末训练信号采集：
28、分别针对单颗粒、双颗粒和三颗粒的屑末进行多次信号采集，得到第二采集数据；
29、b2.屑末数量判别模型训练：
30、使用bp算法matlab工具箱进行模型训练；
31、训练数据从所有所述第二采集数据中随机选取1/3，并按7:2:1的比例划分为训练集、验证集和测试集，训练学习率采用动态学习率，通过多次测试来选择最佳的隐藏层数和节点数，选择最佳结果来确定最佳模型。
32、本说明书公开的实施例中，在屑末训练信号采集时，从信号中截取100个采样点以保持完整性，截取点位于信号峰值和谷值时间点的中间。
33、综上所述，本专利技术至少具有以下有益效果：
34、本专利技术可以准确识别幅值异常信号是否包含气泡，进而对屑末数量准确计数，可以准确分析屑末信号所包含的屑末数量与屑末大小，避免屑末小间隔下造成的屑末数量漏记、大小分析错误等问题。
35、本专利技术的信号监测精度高，传感器与信号处理电路可将微伏级别的感应电信号，进行30000倍放大而不失真，便于后续信号处理。
36、本专利技术较传统的信号幅值屑末计数方法而言，屑末判别正确率可达99.3％、数量判别正确率可达97.1％、大小判别正确率可达97.6％。
本文档来自技高网...【技术保护点】
1.一种感应式油液屑末信号监测与识别系统，其特征在于，包括：
2.根据权利要求1所述的感应式油液屑末信号监测与识别系统，其特征在于，所述感应式油液屑末传感器通过漆包线缠绕在陶瓷骨架上，构成两个反向并联的激励线圈与一个电磁感应线圈，由电磁感应线圈输出微小电信号，再通过信号处理电路进行信号的放大、自乘解调和滤波后，输出监测信号。
3.根据权利要求1所述的感应式油液屑末信号监测与识别系统，其特征在于，所述气泡屑末分类识别网络模块基于反向传播神经网络，通过输入油液气泡信号和屑末信号训练得到，以实现气泡和屑末的自动区分。
4.根据权利要求1所述的感应式油液屑末信号监测与识别系统，其特征在于，所述两级屑末信号分析网络模块基于反向传播神经网络并采用两级网络分析方法构建，所述两级屑末信号分析网络模块中的第一级网络判别监测信号中屑末的数量，所述两级屑末信号分析网络模块中的第二级网络判别监测信号中屑末的大小。
5.根据权利要求4所述的感应式油液屑末信号监测与识别系统，其特征在于，所述第二级网络包括单屑末大小识别网络、双屑末大小识别网络和三屑末大小识别网
6.一种感应式油液屑末信号监测与识别方法，其特征在于，包括：
7.根据权利要求6所述的感应式油液屑末信号监测与识别方法，其特征在于，通过权利要求1-5中任一项所述的感应式油液屑末信号监测与识别系统实现。
8.根据权利要求7所述的感应式油液屑末信号监测与识别方法，其特征在于，所述气泡屑末分类识别网络模块的模型训练过程如下：
9.根据权利要求7所述的感应式油液屑末信号监测与识别方法，其特征在于，所述两级屑末信号分析网络模块的模型训练过程如下：
10.根据权利要求9所述的感应式油液屑末信号监测与识别方法，其特征在于，
...【技术特征摘要】
1.一种感应式油液屑末信号监测与识别系统，其特征在于，包括：
2.根据权利要求1所述的感应式油液屑末信号监测与识别系统，其特征在于，所述感应式油液屑末传感器通过漆包线缠绕在陶瓷骨架上，构成两个反向并联的激励线圈与一个电磁感应线圈，由电磁感应线圈输出微小电信号，再通过信号处理电路进行信号的放大、自乘解调和滤波后，输出监测信号。
3.根据权利要求1所述的感应式油液屑末信号监测与识别系统，其特征在于，所述气泡屑末分类识别网络模块基于反向传播神经网络，通过输入油液气泡信号和屑末信号训练得到，以实现气泡和屑末的自动区分。
4.根据权利要求1所述的感应式油液屑末信号监测与识别系统，其特征在于，所述两级屑末信号分析网络模块基于反向传播神经网络并采用两级网络分析方法构建，所述两级屑末信号分析网络模块中的第一级网络判别监测信号中屑末的数量，所述两级屑末信号分析...
【专利技术属性】
技术研发人员：钱征华，王冠，武宪威，钱智，李鹏，
申请(专利权)人：苏州仁正智探科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。