Применение микроволновых интерферометрических датчиков для раннего обнаружения дефектов зубчатых передач по вибрации

Для оценки состояния движущихся машин применяются в основном датчики вибрации контактного типа – акселерометры. Их восприимчивость к электромагнитным помехам, необходимость крепления к каждому контролируемому элементу, а также невозможность размещения на вращающихся частях машин сужают возможности вибрационного анализа и его мобильность. Для повышения мобильности поиска дефектов и защиты сигнала датчика от импульсных электромагнитных помех, присутствующих на производстве и маскирующих сигналы – признаки дефектов, предложен метод бесконтактной диагностики состояния движущихся машин. Моделирование метода реализовано на базе двухканального микроволнового интерферометрического датчика перемещений, предназначенного для оценки технического состояния зубчатой передачи по её вибрации. Прямое преобразование вибрации в перемещение достигнуто за счёт квадратурной обработки выходного сигнала датчика. Диагностика состоит в поиске признаков дефектов в виде специфических частот полученного сигнала, присущих конкретному дефекту. Данные частоты характерны для повреждений зубьев шестерён, для рассогласования валов и повреждений связанных с ними подшипников. Для поиска частот дефектов использованы процедуры синхронного временно́го усреднения, вычисление огибающих сигнала, спектральный анализ и цифровая фильтрация. Для увеличения отношения сигнал/шум выполнена предварительная обработка сигнала с выделением спектрального эксцесса и определены параметры полосового фильтра, необходимые для повторной фильтрации. Возникновение и локализация деградации определённого компонента зубчатой передачи на ранней стадии установлены путём выделения характерных гармоник сигнала, обусловленного соответствующим дефектом. Полученные результаты актуальны для мобильного бесконтактного мониторинга дефектов по вибрации машин с движущимися и вращающимися частями. В условиях промышленного предприятия предложенный метод дешевле и надёжнее лазерного метода и нечувствителен к звуковым помехам, свойственным акустическому методу.

1. Scheffer C., Girdhar P. Practical machinery vibration analysis and predictive maintenance. Elsevier, Amsterdam (2004).

2. Pieraccini M. Monitoring of civil infrastructures by interferometric radar. A review. The Scientific World Journal, 2013, 786961 (2013). http://dx.doi.org/10.1155/2013/786961

3. Викторов В. А., Лункин Б. В., Совлуков А. С. Радиоволновые измерения параметров технологических процессов. Энергоатомиздат, Москва (1989).

4. Guidelines for limiting exposure to time-varying electric, magnetic, and electromagnetic fields (up to 300 GHz). International Commission on Non-Ionizing Radiation Protection (ICNIRP). Health Physics, 74(4), 494–522 (1998). https://pubmed.ncbi.nlm.nih.gov/9525427/

5. Li C., Lubecke V. M., Boric-Lubecke O., and Lin J. A review on recent advances in Doppler radar sensors for noncontact healthcare monitoring. IEEE Transactions on Microwave Theory and Techniques, 61(5), 2046–2060 (2013). https://doi.org/10.1109/TMTT.2013.2256924

6. Хаблов Д. В. Исследование динамических параметров дыхания и сердцебиения бесконтактными радиоволновыми датчиками. Измерительная техника, (2), 65–69 (2014). https://www.elibrary.ru/saepgl

7. Kun-Mu Chen, Yong Huang, Jianping Zhang, Norman A. Microwave life-detection systems for searching human subjects under earthquake rubble or behind barrier. IEEE Transactions on Biomedical Engineering, 47(1), 105–114 (2000). https://doi.org/10.1109/10.817625

8. Sovlukov А. S., Khablov D. V. The Capabilities of microwave methods for alive people detection through obstacles by breathing and heartbeat. Automation and Remote Control, 75(11), 2060–2076 (2014). https://doi.org/10.1134/S0005117914110150

9. Changzhi Li, Jenshan Lin. Microwave noncontact motion sensing and analysis. John Wiley & Sons Inc, Hoboken, New Jersey (2013).

10. Woike M., Abdul-Aziz A., Oza N., Matthews B. New sensors and techniques for the structural health monitoring of propulsion systems. The Scientific World Journal, 2013, 596506 (2013). https://doi.org/10.1155/2013/596506

11. Хаблов Д. В. Дистанционная диагностика вибраций динамических объектов доплеровскими сверхвысокочастотными датчиками. Метрология, (3), 25–42 (2020). https://doi.org/10.32446/0132-4713.2020-3-25-42 ; https://www.elibrary.ru/itnkre

12. Hashemian H. M. Maintenance of process instrumentation in nuclear power plants. Springer (2010).

13. Khablov D. V. Signal processing of doppler microwave vibration sensors with quadrature transformation, Proceedings of the 23rd International Conference on Digital Signal Processing and its Applications (DSPA). IEEE, Moscow (2021). https://doi.org/10.1109/DSPA51283.2021.9535807

14. Bechhoefer E., Kingsley M. A Review of time-synchronous average algorithms. Proceedings of the Annual Conference of the Prognostics and Health Management Society, San Diego, CA, September – October 2009.

15. Randall R. B. Vibration based condition monitoring: industrial, aerospace and automotive applications. John Wiley and Sons, Chichester, UK (2011).

16. Peeters G. A large set of audio features for sound description (similarity and classification) in the CUIDADO Project. Technical Report, 54(version 1.0). IRCAM, Paris (2004). http://recherche.ircam.fr/anasyn/peeters/ARTICLES/Peeters_2003_cuidadoaudiofeatures.pdf Дата обращения 25.05.2026.

17. Antoni J. The spectral kurtosis: a useful tool for characterising non-stationary signals. Mechanical Systems and Signal Processing, 20(2), 282–307 (2006). https://doi.org/10.1016/J.YMSSP.2004.09.001

18. Antoni J. Fast computation of the kurtogram for the detection of transient faults. Mechanical Systems and Signal Processing, 21(1), 108–124 (2007). https://doi.org/10.1016/J.YMSSP.2005.12.002