论文部分内容阅读
液压油管作为运输各种液体的媒介,广泛应用于各种机械设备中;而液压油管长期所处的恶劣环境往往会导致各种故障产生。液压油管的管接头是用来连接不同油管的连接件;液压油管长期在不断加压、卸压的状态下交替,高温环境导致管接头外圈螺母膨胀,长期振动导致内圈螺纹磨损以及安装失误等原因都有可能使管接头松动,进而导致管路泄漏。易燃易爆或污染性液体的泄漏会导致十分严重的后果。卡箍是管路的支撑附件之一,长时间的振动状态同样容易导致卡箍松动。管接头与卡箍的健康状态检测对液压管路系统有着十分重要的意义。本文以液压油管管接头以及卡箍为研究对象,在对其松动故障进行实验研究的基础上,给出几种液压油管松动故障的检测方法。主要研究内容如下:(1)针对液压油管松动故障,分析几种液压油管可能出现的松动故障以及产生原因,并设计搭建实验台实现液压油管松动实验。实验以液压油管管接头连接螺母不同的拧紧状态模拟管接头松动程度;以不同拧紧力矩拧紧固定油管卡箍的螺钉模拟卡箍松动状态。在一定的振动激励下采集油管振动数据,分析液压油管松动故障信号的特性,为后面的松动检测方法提供数据支持。(2)针对原始实验信号的频率成分较多,存在对反映松动状态不敏感频率干扰问题,提出基于变分模态分解(Variational Mode Decomposition,VMD)的信号重构算法。VMD能够有效地将采集信号的各种频率分量分离;通过选择合适信号分解分量重组,能放大故障特征,去除干扰频率。再针对故障信号频率成分增多的现象,提出一种对信号频率和幅值变化敏感的结构模式幅值(Configuration Pattern Amplitude,CPA)以区分含有不同频率成分的信号,并将其扩展到多尺度。利用多尺度结构模式幅值(Multiscale Configuration Pattern Amplitude,MCPA)提取重组信号的故障特征,并通过实验数据验证该方法能够检测液压油管管接头不同的松动状态。(3)针对液压油管松动故障类型检测,提出一种基于准二元变分模态分解(Quasi?Bivariate Variational Mode Decomposition,QBVMD)和散布熵(Dispersion Entropy,DE)的松动故障检测方法。该方法利用改进的变分模态分解方法,将二维加速度数据进行分解,结合DE提取故障特征,构建特征集;然后使用Constraint Score进行特征筛选与降维,得到敏感特征;最后利用支持向量机(Support Vector Machine,SVM)进行分类。实验数据表明该方法能有效区分液压油管卡箍松动、管接头松动以及卡箍和管接头都松动。