电感式磨粒传感器中非铁磁质磨粒的磁场特性

在电感式磨粒传感器中,非铁磁质磨粒主要通过涡流效应改变传感器线圈的磁场分布,进而改变线圈的等效电感。建立传感器线圈时谐电磁场与非铁磁质球磨粒耦合关系的有限元模型,模型计算结果表明:磨粒感应出的涡流场减小了磨粒内部的磁感应强度,同时改变了磨粒外部磁感应强度;磨粒引起传感器线圈电感变化率随线圈激励频率的增加而增大,并趋向于一极限值;线圈电感变化率随磨粒半径的减小而迅速衰减。实验研究的结果证明了模型计算的正确性。     

磨粒径向分布对电感式磨粒传感器测试结果的影响

根据电感平衡原理,设计了用于磨粒在线测量的电感式磨粒传感器.分析了传感器的测试原理和磨粒通过传感器线圈时径向分布对测试结果的影响.通过计算线圈内测试面的磁场分布,提出了提高线圈测试面磁场均匀性的设计准则.建立了磨粒位置偏离线圈中心时,磨粒磁化场的磁通求解模型.模型计算结果表明,磨粒径向位置的改变,使得线圈各横截面上磁化场的磁通发生了变化.当线圈达到一定长度后,磁化场的磁链变化很小.因此在保证传感器线圈测试面磁场均匀性和线圈长度的前提下,磨粒径向分布对测试结果的影响可忽略.研究结论为分析电感式磨粒传感器测试结果一致性和优化传感器的结构设计提供了理论依据.     

磨粒形态对滑油屑末监测器输出特性的影响

滑油屑末传感器基于磁场微平衡技术,能定量区分铁磁性和非铁磁性颗粒,可以为大型旋转部件健康监测提供重要数据.基于COMSOL建立有限元模型,分析了微平衡磁场下不同椭球磨粒和圆柱磨粒磁化场,并采用ANSYS Maxwell建立滑油屑末传感器模型,研究了不同长径比圆柱磨粒通过滑油屑末传感器时信号强度的变化.结果 表明,铁磁性颗粒经过平衡磁场时,轴线位置上磨粒中心处磁感应强度最大,随着离中心点距离增加磁感应强度衰减;切线位置上磁感应强度随着空间位置变化而改变,在切点处最小.对于不同的铁磁性颗粒形态,当磨粒体积相同时,长径比越大磁感应强度越大,信号强度越大.同时,搭建了滑油屑末测试系统,验证了有限元分析结果的正确性.     

磨粒监测电感式传感器设计

磨损微粒是机械设备磨损的重要信息载体,基于电感测量原理和磨损颗粒的检测要求,提出了电感式传感器的设计。检测线圈是该传感器的核心部分,提出了设计准则,并采用有限元分析方法,探讨了传感器内部磁场的分布情况和线圈几何参数的关系,确定了线圈长径比等参数,研究结果表明该传感器可以大致区别磨损颗粒的粒度大小和材质。     

电感式磨粒监测传感器线圈参数分析与优化

根据电感式磨粒传感器的等效电路,推导出传感器感应电动势计算公式,分析传感器的输出特性,通过有限元仿真软件Comsol中建立的传感器线圈电磁模型,采用多因素正交仿真试验对电感式磨粒传感器线圈的间距、宽度和内径进行分析与优化.实验对比表明:优化后传感器输出的感应电动势峰值是优化前输出感应电动势峰值的4.9倍左右,显著提高了...     

基于平面线圈的油液磨粒监测传感器设计

为了提高油液管道直径增加后感应区磁场均匀性,减小测量误差,根据电磁感应原理,设计了一种新型的在线油液 磨粒监测传感器。传感器使用一组安匝比为15/7/15的平面线圈在直径1ｍｍ的油管中产生均匀磁场以提高传感器探测金属磨粒的性能,使用COMSOL建立线圈模型并仿真,传感器线圈产生的磁场在感应区60％范围变化率小于1％,相同磨粒在油管径向不同位置的电感变化误差平均值为5％,根据仿真设计制作线圈实物,传感器能测量和分辨粒度100μｍ 铁磨粒和100μｍ 铜磨粒,同一磨粒位于管道轴线和管壁的电感变化误差不超过6.25％。仿真研究和实验结果证明新模型在管道径向产生的磁场更加均匀,可以有效减小粒子在管道径向运动带来的误差。     

三线圈内外层电感磨粒传感器研究

磨损颗粒是造成机械故障的重要因素,对磨粒的检测一般采用螺线管传感器。以螺线管传感器为基础,研究线圈多层缠绕的情况,并提出一种三线圈内外层结构传感器。依据电路理论,推导传感器工作等效电路和多层线圈磁感应强度、电感公式。基于Maxwell软件,比较内外层式和平行式磨粒传感器的磁场,分析线圈缠绕层数对传感器输出特性的影响。仿真结果验证了公式的正确性,为多层线圈磨粒传感器的设计、优化提供了基础。     

电涡流式油液磨粒监测传感器的研究

近年来,油液监测技术领域的研究和开发的热点集中在油液在线监测方法上。为此提出一种电涡流式基于PCB平面线圈传感器的油液磨粒监测方法,首先通过电磁仿真软件Maxwell进行平面线圈的电磁仿真,获得最优PCB平面线圈的结构设计;然后采用电桥法设计了传感器测量电路,运用模数转换原理设计了信号调理电路;最后制备了此传感器。经过试验,其结果表明:该传感器具有良好的线性度及灵敏度。该研究为微型传感器加入油液磨粒监测技术提供一种可行的方法,不仅缩小了传感器体积,而且降低了监测成本。     

电感式磨粒在线监测传感器的激励特性分析

针对电感磨粒传感器对小颗粒感应电动势微弱的现象,运用电磁原理、交流电原理、毕奥—萨伐尔原理,建立了该型传感器的感应电动势的数学模型,分析了激励频率、磨粒大小对感应电动势的影响,以及双磨粒通过传感器的情况,并进行了试验,验证了模型的正确性,为该型传感器的工程应用设计提供了依据。     

三线圈电感式油液金属磨粒检测系统

机械传动金属磨粒可以反馈机械设备故障的特性,针对机械传动系统故障在线检测需求,提出了一种三线圈电感式金属磨粒检测系统;通过建立传感器数学模型,对影响传感器金属探测灵敏度的参数进行仿真,结合传感器实际使用情况求出最优解;通过设计励磁信号源模块、调幅模块、信号调理模块等电路并结合上位机对油液中的金属磨粒进行检测;经孔径为8 mm的流道的实验测试,实现了500μm铁磨粒及1 000μm铜磨粒的检测精度;该系统为发动机中金属磨粒的检测提供了技术支持,对故障预防与诊断具有重要意义。     

油液磨粒传感器综合测试平台的设计研究

为了满足国内新研航空发动机磨损故障预测及健康管理研究要求,国内研究机构开展了油液在线式磨粒传感器的研究及测试。针对航空发动机油液磨粒传感器暂无准确量值、多参数组合的专业测试条件,提出了一种将精密直线运动控制与振动环境相结合的无介质测试平台技术方案,模拟发动机中润滑油流经传感器的运动状态并给出实验结果。实验结果表明该测试平台能够有效地应用于磨粒传感器的参数测试和性能探究,为航空发动机故障预测类传感器的技术研究提供了一种新的测试验证手段。     

一种无接触铁磨粒测量传感器的优化设计

针对非接触变压器结构形式的铁磨粒传感器,由于存在漏磁较大、初次级线圈的耦合系数低导致的传感器灵敏度不高等问题,为此,需要对其结构进行优化.给出了铁磨粒传感器的检测机理,分析了影响传感器灵敏度的各种参数,采用ANSYS软件对该传感器进行了磁场-电路耦合有限元仿真与分析,提出了提高传感器灵敏度的优化结构和方法.仿真和实验结...     

一种基于相关准则的磨粒图像二值化算法

针对磨粒识别中的图像分割问题，应用一种新的二值化算法将磨粒目标从复杂背景中分离。该算法以原始图像与分割后图像的相关系数最大为准则，选取最优阈值对磨粒图像进行二值化。应用实例表明了该方法的简洁有效性。     

基于模糊聚类分析的彩色磨图像目标提取

运用模糊聚类分析的模糊C－均值算法（FCM算法）。针对两类彩色显微磨粒图像,选用适当的正交彩色特征,实现了对磨粒目标的有效提取。并考虑在一维分割特征向量情况下,通过引入直方图统计特性,实现了模糊C－均值算法的快速运算。本文算法为磨粒识别和机械磨损状态监测及故障诊断提供了可靠的前提。最后,分割实验表明了本文方法的简洁有效性。     

基于微机图象处理的滑油磨粒测量与分析系统

介绍了一种滑油磨粒测量与分析系统。该系统运用计算机图象处理技术，对机械设备滑油中磨粒显微形态测量与分析，并给出设备当前磨损状态的铁谱报表和诊断结论。监测实例表明，该系统显著地提高了状态的铁谱报表和诊断结论。监测实例表明，该系统显著地提高了机械设备磨损状态监测与故障诊断的准确性和自动化水平，具有较高的推广应用价值。     

基于ANSYS的在线屑末传感器特性研究

滑油中金属屑末的数量和种类反映了发动机润滑部件的磨损情况,对其进行监测可以预测早期故障和减少维修费用。为了获取在线屑末传感器的输出特性,采用电磁感应原理对不同种类金属屑末的检测机理进行研究。利用ANSYS软件建立传感器模型,着重分析了滑油中不同尺寸金属屑末的感应特性。建立了不同种类金属屑末的尺寸与传感器输出信号的映射曲线,为传感器的标定提供了理论依据。采用标准金属屑末进行了传感器输出测试,实验结果表明传感器的输出与金属屑末半径的幂函数成正比。     

油液在线监测技术研究进展

油液在线监测技术是机械故障智能诊断的重要发展方向,传感器作为其关键元件,发挥着重要作用。对油液在线监测的粘度传感器、水分传感器、磨粒传感器以及多传感器集成的国内外研究进展进行了介绍。从电磁法、静电法、电感法、图像识别几个方面对磨粒测量与分析的国内外研究进行了介绍。提出了现阶段存在的不足,对油液在线监测的未来发展之路进行了展望。     

Object extraction from an image of wear particles on a complex background

The object extraction of a debris image is an important basic task in identifying wear particles in ferrographic analysis. However, there is some difficulty in object extraction because of noise jamming in the original debris image. In the present study, two methods of image enhancement—weighted mean filtering and adaptive median filtering—were applied in order to improve the image quality. Then, the adaptive thresholding selection method was used, which is based on an improved debris image. Finally, the effective segmentation of the debris image and the automatic extraction of debris objects were realized. At the same time, targetting the characteristics of low proportion of an object in the total image, a novel method of adaptive thresholding selection was put forward, which is based on the Ostu thresholding method. The segmentation results along with the debris image prove that the current method can give more precise and accurate segmentation of objects than the classical methods. The results also showed that methods in the present paper were concise and effective, which provides an important basis for the further study of debris recognition, fault diagnosis, and condition monitoring of machines. The text was submitted by the authors in English. Xianguo Hu (born 1963), PhD, is a professor at the School of Mechanical and Automotive Engineering at the Hefei University of Technology, China. He received his BS and MS in Powder Metallurgy Material and Mechanics (Tribology) from the Hefei University of Technology in 1985 and 1988, respectively. His PhD degree was awarded at Szent Istvan University, Hungary, in 2002. As a visiting scientist, he conducted research at the Technical University of Budapest, Hungary, and the Technical University of Berlin, Germany, from 1994 to 1997. His research areas include wear debris analysis, optimal tribological design, friction and wear mechanisms, etc. He is the author or coauthor of more than 100 published technical papers. Peng Huang (born 1981) is an MS student at the School of Mechanical and Automotive Engineering of Hefei University of Technology, China. His main focus is on wear debris analysis. Shousen Zheng (born 1963) is an associate professor at the School of Engineering, SunYat-Sen University, China. He received his BS, MS, and PhD in Mechanical Engineering from Hefei University of Technology in 1985, 1988, and 2001, respectively. From 1988 to 2004, he was employed at the Department of Mechanical Engineering at the Hefei University of Technology. In 2005, he moved to the current university. His research interests include computer language, auto CAD/CAM, wear debris analysis, etc. He is the author or coauthor of more than 40 published technical papers.