CN102053016A - 旋转机械滚动轴承的无线振动监测系统 - Google Patents
旋转机械滚动轴承的无线振动监测系统 Download PDFInfo
- Publication number
- CN102053016A CN102053016A CN 201010539005 CN201010539005A CN102053016A CN 102053016 A CN102053016 A CN 102053016A CN 201010539005 CN201010539005 CN 201010539005 CN 201010539005 A CN201010539005 A CN 201010539005A CN 102053016 A CN102053016 A CN 102053016A
- Authority
- CN
- China
- Prior art keywords
- rolling bearing
- rotating machinery
- wireless
- vibration
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种无线方式监测旋转机械滚动轴承振动和系统,该系统以旋转机械的滚动轴承为监测对象,以加速度传感器检测轴承振动信号,信号经过滤波、放大、A/D转换后变为数字信号,以无线传输方式发送给上位机,上位机通过数据分析获得特征参数,由三个检测点的特征参数一起组成三维振动信号特征向量,由神经网络分析是否存在故障,由模式识别判断故障的具体类型,最后对故障信息进行处理,提供数据存储、显示,故障报警等功能。本发明涉及的无线振动监测系统适用于冶金、电力、石油、化工、汽车和造船等旋转机械应用场合,具有结构简单、性能可靠、使用寿命长、实时性强等特点。
Description
技术领域
本发明属于检测技术领域,具体涉及一种旋转机械滚动轴承的无线振动监测系统。。
背景技术
滚动轴承是各类旋转机械中最常用的零部件,旋转机械30%的故障都是由滚动轴承的裂纹、剥落、冲击、振动等直接或间接引起。一些关键设备在生产流程工艺中的作用举足轻重,一旦发生故障,其直接和间接损失都很大。
对于滚动轴承的诊断,从80年代的由工作人员单机定时巡检与诊断,到今天的以网络为基础的分布式结构,系统的结构越来越复杂,实时性越来越高。目前的相关技术有手持式振动分析仪、超声波探伤仪、在线检测系列、旋转机械故障分析仪等。从这些相关技术来看,手持式振动分析仪、超声波探伤仪性能较单一,可同时监测的点少,需要工作人员操作;在线检测系列是传统的柜式,体积庞大,可扩展性、维护性不强;同时存在大量接线问题,安装、使用、维护均不方便,从系统的使用和成本上考虑也并不是最优,且故障检出率不高。
发明内容
为了克服现有技术存在的缺点,本发明提出一种主要用于旋转机械滚动轴承多点无线振动监测的系统。
为实现上述目标,本发明采取的技术方案是:提供一种旋转机械滚动轴承的无线振动监测系统,包括加速度传感器(1)、信号采样处理(2);其中,由加速度传感器(1)、通道选择(7)、调理电路(8)、第一单片机(9)、无线发送(10)组成振动信号发送部分,由无线接收(11)、第二单片机(12)、上位机(13)组成振动信号接收部分;在所述振动信号发送部分中,所述加速度传感器(1)输出的信号,由所述通道选择(7)、经所述调理电路(8)送入所述第一单片机(9),再由所述第一单片机(9)传输给无线发送(10);在所述振动信号接收部分中,所述无线接收(11)接收到所述无线发送(10)传来的振动信号,被传输至所述第二单片机(12),再由所述第二单片机(12)传送给所述上位机(13),所述上位机(13)进一步根据传送的信号来判断滚动轴承的故障状态。
本发明的技术方案可以通过无线的方式全面监测滚动轴承的振动情况,再进行数据分析,特征值提取,实时得到轴承的扭转振动、纵向振动和横向振动等各种参数,神经网络分析判断滚动轴承是否有故障,模式识别判断滚动轴承故障类型,其测量分析数据实时、精确,安装方便、抗干扰能力强。本发明的技术方案适用于冶金、电力、石油、化工、汽车和造船等旋转机械应用场合,具有结构简单、性能可靠、使用寿命长、实时性强等特点。
附图说明
图1为本发明无线振动监测系统的框图;
图2为信号采样处理电路结构框图;
图3为调理电路结构框图;
图4为神经网络分析系统框图;
图5为故障模式识别系统框图。
具体实施方式
以下通过具体施例对本发明作进一步的说明。如图1所示,本施例包括发送、接收和上位机分析处理三个部分。三个测试点分别安装加速度传感器1;通道选择7由CD4514选通经过ULN2003A功率放大后驱动继电器构成;调理电路8(如图3所示)由电荷放大器14、前置放大器15、带通滤波器16、后置放大器17、包络检波器18、低通滤波器19组成。电荷放大器14运算放大器选用OP07;前置放大器15和后置放大器16选用仪表放大器AD620;带通滤波器16为二阶带通有源滤波器中心频率5kHz,带宽500Hz;包络检波器18由带通滤波器、检波器、比例加法与包络电路、电压跟随器组成;低通滤波器19为Sallen-Key二阶低通滤波器,其截止频率为10kHz。放大增益为1。第一单片机9、第二单片机12选用MSP430F149,其3.3V电压供电,内置A/D转换器,能实现超低功耗运行。无线发送10、无线接收11选用CC1101,通讯频率选用433MHz。与上位机13的数据传输选用MAX3232。
结合如图2所示,由通道选择7选通的加速度传感器1的振动信号经过调理电路8由第一单片机9进行A/D采样,第一单片机9通过SPI(Serial Peripheral Interface,串行外设接口)接口将数字信号传给无线发送10,无线接收11接收到振动信号,通过SPI接口传给第二单片机12再由MAX3232与上位机13联接。
继续如图1所示,上位机13由加速度传感器1获得滚动轴承振动信号,经过特征参数提取3得到振动最大值、均方值、峰值因子、脉冲因子、波形因子、峭度、振动的波形和频谱,并运用神经网络分析4,故障模式识别5方法对特征变量进行数据融合和模式识别,获取故障信息,最后进行故障信息处理6,实现对故障的诊断和故障类型的判断。
神经网络分析4采用BP神经网络模型,由三层构成:第一层是输入层,由信号源节点组成;第二层是隐含层,隐单元的个数由所描述的问题确定,隐单元的变换函数是对中心点径向对称且衰减的非负非线性函数,第三层是输出层,对输入模式作出响应,本神经网络分析4的实际输入为6个,由均方根值、峰值因子、波形因子、峭度因子、裕度因子和脉冲因子组成系统特征向量,隐层神经元取作10个,由经验获得,为简化起见,采用双值输出网络,输出层神经元设为2个,对应的状态编码为正常(0,0),故障(0,1)。
结合图4所示,已知状态振动数据21通过特征参数提取22获得训练样本23,其与目标样本20一起训练调配网络权值,通过权值的不断变化逐渐逼近期望输出;应用过程则用已经调配好权值的网络对实测试数据进行分类得到网络权值24,从无线接收11得来的实时数据25通过特征参数提取26获得构成为待识别样本27,通过识别28判断滚动轴承是处于正常29还是出现故障30。
经过归一化处理后的数据利用BP神经网络进行训练,将该数据用作训练样本,作为输入向量,经过网络的输入层、中间层以及输出层,输出的结果与目标进行比较,若所得误差值在最大误差允许的范围内,则说明训练达到了预期效果,结束训练,若误差不在最大误差允许的范围内,则通过BP神经网络的反馈将数据重新转入到输入层,开始新一轮的循环。直至满足要求,经过此神经网络的训练可以得到一组权向量值。将该组权向量值存入指定的文件中,以备下面的模式识别之用。
结合图5所述,故障模式识别5主要由知识获取模块32、知识库模块33、推理模块34、解释模块35构成,其输入为信息来源31,输出为诊断结果36,知识获取模块32用以分析、整理波形数据、提取其特征参量,使之成为模式识别系统能接受的形式,知识库模块33存储典型故障波形特征和专家诊断规则,其具体是以建模方式组成的故障波形集合,推理模块34运用专家知识库的知识对被测波形进行分析判断,推理的过程就是模式识别的过程,解释模块35对推理的结果作出适当的分析并给出最后诊断。将一组待识别的三维轴承的特征参数进行处理后作为网络的输入向量,与典型故障波形特征即目标向量相比较,在一定的误差范围内与哪一个接近,就认定该待识别轴承的状态属于那一种,从而判别出轴承的故障状况。
本发明旋转机械滚动轴承的无线振动监测系统具有以下特性:
(1)通过对滚动轴承故障机理的深入研究,根据现有的轴承损伤及判断机理确定检测点,三个加速度传感器分别布置在左侧轴承座上方、侧向和右侧轴承座上方,从三个不同的角度和层面获得原始轴承振动信息,该信息由通道选择选通,经电荷放大、前置放大、带通滤波、后置放大、包络检波、低通滤波、A/D变换等转换后获得振动的数字信号;
(2)采用无线传输方式将数字信号传输至上位机,对采样数据进行时域和频域的数据分析,获得振动的绝对最大幅值、均方根值、峰值因子、波形因子、峭度因子、裕度因子和脉冲因子;均方根值能反映振动总量,对轴承的整体劣化有效,稳定性较好,但对早期故障信号不敏感;峰值因子能较好地反映表面损伤类的故障,特别是对初期阶段的表面剥落;波形因子能反映频率成分的增加;峭度因子、裕度因子和脉冲因子对于冲击类故障比较敏感,特别是当故障早期发生时,它们有明显增加;但上升到一定程度后,随故障的逐渐发展,反而会下降,它们对早期故障有较高的敏感性,但稳定性不好;根据这些参数的不同特点,兼顾系统的敏感性和稳定性,由均方根值、峰值因子、波形因子、峭度因子、裕度因子和脉冲因子构成系统特征向量;
(3)将从三个不同角度和层面提取的振动信息集成构成三维特征向量。将这多维特征向量作为输入,利用三层神经网络为诊断模型,通过学习、训练、识别进行诊断,输出为两个即判断滚动轴承是否存在故障;
(4)将三个采样点采样后通过特征值提取得到的三维特征向量作为网络的输入向量,通过模式识别,用神经网络训练得到的权向量值进行网络计算,在输出层得到的向量值与目标向量相比较,在一定的误差范围内与哪一个接近,就认定该待识别轴承的状态属于那一种,从而识别出轴承的故障状况;
(5)结合轴承的实际损伤和故障情况,对轴承振动的历史记录和相应的故障模式进行全面分析和研究,总结旋转机械滚动轴承损伤的特有规律及其与振动特征参数之间的关系等,进一步提高对轴承损伤及故障诊断的准确性。
综上所述可以理解,本发明的有益效果在于,三点加速度检测获得三个不同角度和层面提取的振动信息集成构成三维特征向量,加速度信号通过通道选择模块有效降低系统的复杂性,减少系统成本;通过无线数据传送方式减少了设备繁杂的接线问题,有效提高的数据传输过程中的抗干扰性能,提高了系统的可靠性;通过神经网络分析和模式识别,并结合轴承振动历史记录和相应的故障模式,综合判断轴承的损伤情况,降低系统误判,故障诊断系统的准确性得到提高。同时系统做到了超低功耗模式下的可靠运行,延长了电池使用寿命,大大减少了设备维护。
以上为本发明的最佳实施方式,依据本发明公开的内容,本领域的普通技术人员能够显而易见地想到一些雷同、替代方案,均应落入本发明保护的范围。
Claims (6)
1.一种旋转机械滚动轴承的无线振动监测系统,包括加速度传感器(1)、信号采样处理(2);其特征在于,由加速度传感器(1)、通道选择(7)、调理电路(8)、第一单片机(9)、无线发送(10)组成振动信号发送部分,由无线接收(11)、第二单片机(12)、上位机(13)组成振动信号接收部分;在所述振动信号发送部分中,所述加速度传感器(1)输出的信号,由所述通道选择(7)、经所述调理电路(8)送入所述第一单片机(9),再由所述第一单片机(9)传输给无线发送(10);在所述振动信号接收部分中,所述无线接收(11)接收到所述无线发送(10)传来的振动信号,被传输至所述第二单片机(12),再由所述第二单片机(12)传送给所述上位机(13),所述上位机(13)进一步根据传送的信号来判断滚动轴承的故障状态。
2.按照权利要求书1所述旋转机械滚动轴承的无线振动监测系统,其特征在于,所述的加速度传感器(1)设有三个,分别安装在左侧轴承座上方、侧向和右侧轴承座上方,所述三个加速度传感器(1)通过所述通道选择(7)进行选通。
3.按照权利要求书1所述旋转机械滚动轴承的无线振动监测系统,其特征在于,所述的调理电路(8)由电荷放大器(14)、前置放大器(15)、带通滤波器(16)、后置放大器(17)、包络检波器(18)及低通滤波器(19)组成。
4.按照权利要求书1所述旋转机械滚动轴承的无线振动监测系统,其特征在于,所述上位机(13)的故障状态判断由特征参数提取(3)、神经网络分析(4)、故障模式识别(5)及故障信息处理(6)组成。
5.按照权利要求书1至4任一项所述旋转机械滚动轴承的无线振动监测系统,其特征在于,所述第一单片机(9)和所述第二单片机(12)是通过串行外设接口SPI与所述无线发送(10)之间进行通讯。
6.按照权利要求书1至4任一项所述旋转机械滚动轴承的无线振动监测系统,其特征在于,所述第二单片机(12)与所述上位机(13)之间采用异步串行通讯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010539005 CN102053016B (zh) | 2010-11-08 | 2010-11-08 | 旋转机械滚动轴承的无线振动监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010539005 CN102053016B (zh) | 2010-11-08 | 2010-11-08 | 旋转机械滚动轴承的无线振动监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102053016A true CN102053016A (zh) | 2011-05-11 |
CN102053016B CN102053016B (zh) | 2013-07-17 |
Family
ID=43957565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010539005 Expired - Fee Related CN102053016B (zh) | 2010-11-08 | 2010-11-08 | 旋转机械滚动轴承的无线振动监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102053016B (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102490086A (zh) * | 2011-10-28 | 2012-06-13 | 浙江大学 | 镗杆工作状态实时监测系统 |
CN102589884A (zh) * | 2012-03-01 | 2012-07-18 | 西北工业大学 | 一种基于GentleBoost的飞机发电机轴承故障诊断方法 |
CN102721545A (zh) * | 2012-05-25 | 2012-10-10 | 北京交通大学 | 一种基于多特征参量的滚动轴承故障诊断方法 |
CN102788696A (zh) * | 2012-07-21 | 2012-11-21 | 辽宁大学 | 基于改进bp神经网络和模糊集理论的轴承健康度评价方法 |
CN103185635A (zh) * | 2011-12-31 | 2013-07-03 | 苏州大学 | 一种信号中瞬态成分的提取方法及相关系统 |
CN103576659A (zh) * | 2013-11-13 | 2014-02-12 | 柳州职业技术学院 | 汽车异响故障自诊断系统及方法 |
CN103884506A (zh) * | 2014-03-25 | 2014-06-25 | 福建省工业设备安装有限公司 | 基于无线网的生产设备在线监测及故障诊断系统及方法 |
CN103900816A (zh) * | 2014-04-14 | 2014-07-02 | 上海电机学院 | 一种风力发电机组轴承故障诊断方法 |
CN104002960A (zh) * | 2014-05-27 | 2014-08-27 | 中国航天科技集团公司烽火机械厂 | 一种电动舵机振荡故障恢复的方法及系统 |
WO2015007863A1 (de) * | 2013-07-17 | 2015-01-22 | Sma Solar Technology Ag | Photovoltaische anlagenkomponente und verfahren zur veränderung eines betriebszustandes derselben |
CN104792530A (zh) * | 2015-04-15 | 2015-07-22 | 北京航空航天大学 | 一种基于SDA和Softmax回归的深度学习滚动轴承故障诊断方法 |
CN104931263A (zh) * | 2015-06-18 | 2015-09-23 | 东南大学 | 一种基于符号化概率有限状态机的轴承故障诊断方法 |
CN105424387A (zh) * | 2015-11-19 | 2016-03-23 | 上海交通大学 | 转向齿轮实时远程智能监控系统 |
CN105571638A (zh) * | 2015-12-17 | 2016-05-11 | 安徽理工大学 | 一种机械设备故障组合预测系统及方法 |
CN105965321A (zh) * | 2016-06-16 | 2016-09-28 | 清华大学深圳研究生院 | 基于无线传感器网络的机床颤振智能监控系统及方法 |
CN106596103A (zh) * | 2016-12-12 | 2017-04-26 | 北京海冬青机电设备有限公司 | 一种在不落轮车床上用于轴承检测的装置及轴承检测方法 |
CN106644474A (zh) * | 2015-10-28 | 2017-05-10 | 财团法人工业技术研究院 | 液静压轴承监测系统及其方法 |
CN107655690A (zh) * | 2017-10-30 | 2018-02-02 | 王才旺 | 基于人工神经网络的电机轴承故障诊断方法 |
CN107702920A (zh) * | 2016-08-09 | 2018-02-16 | 大隈株式会社 | 轴承诊断装置 |
CN107796507A (zh) * | 2017-09-18 | 2018-03-13 | 洛阳双瑞精铸钛业有限公司 | 一种换热机组振动状态监测平台 |
CN108600984A (zh) * | 2018-04-18 | 2018-09-28 | 华东交通大学 | 一种机车转向架运行状态远程监测装置及方法 |
CN108614032A (zh) * | 2018-01-31 | 2018-10-02 | 江苏大学 | 一种基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法 |
CN108709744A (zh) * | 2018-03-05 | 2018-10-26 | 安徽大学 | 一种变负载工况下电机轴承故障诊断方法 |
CN108731939A (zh) * | 2018-04-09 | 2018-11-02 | 上海大学 | 一种滚动轴承振动检测及信息管理系统 |
CN108956142A (zh) * | 2018-05-28 | 2018-12-07 | 常州信息职业技术学院 | 一种轴承故障识别方法 |
CN109270921A (zh) * | 2018-09-25 | 2019-01-25 | 深圳市元征科技股份有限公司 | 一种故障诊断方法及装置 |
CN109932178A (zh) * | 2019-02-01 | 2019-06-25 | 江苏大学 | 一种多级链传动机构故障诊断系统及方法 |
CN110243595A (zh) * | 2019-07-09 | 2019-09-17 | 福州大学 | 一种基于LabVIEW的远程齿轮箱故障监测系统 |
CN111256989A (zh) * | 2020-02-22 | 2020-06-09 | 南京凯奥思数据技术有限公司 | 一种变转速旋转设备振动特征值的采集方法 |
CN111412977A (zh) * | 2020-03-09 | 2020-07-14 | 华南理工大学 | 一种机械设备振动感知数据的预处理方法 |
CN111829783A (zh) * | 2020-07-21 | 2020-10-27 | 上海振华重工(集团)股份有限公司 | 一种用于可变速旋转机构的实时缺陷检测系统 |
CN111896254A (zh) * | 2020-08-10 | 2020-11-06 | 山东大学 | 一种变速变载大型滚动轴承故障预测系统及方法 |
CN112556829A (zh) * | 2020-11-25 | 2021-03-26 | 山东润一智能科技有限公司 | 一种设备振动采集监测系统和方法 |
CN113779778A (zh) * | 2021-08-24 | 2021-12-10 | 中国舰船研究设计中心 | 一种舰船系统任务通道测试点优化方法 |
CN114526437A (zh) * | 2022-02-18 | 2022-05-24 | 山东莱钢永锋钢铁有限公司 | 一种滚动轴承润滑不良判定方法 |
CN115265765A (zh) * | 2022-08-12 | 2022-11-01 | 大连理工大学 | 一种飞附机匣振动数据分析处理方法 |
CN117194983A (zh) * | 2023-09-08 | 2023-12-08 | 北京理工大学 | 一种基于渐进式条件域对抗网络的轴承故障诊断方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1401971A (zh) * | 2001-08-07 | 2003-03-12 | 日本精工株式会社 | 无线传感器、带传感器的滚动轴承、管理装置及监视装置 |
CN1405543A (zh) * | 2001-09-11 | 2003-03-26 | 日本精工株式会社 | 带检测器的滚动轴承单元 |
CN1437709A (zh) * | 2000-06-23 | 2003-08-20 | 迪姆肯公司 | 具有无线的自供电传感器单元的轴承 |
CN1682257A (zh) * | 2002-09-09 | 2005-10-12 | Ntn株式会社 | 无线传感系统和带无线传感器的轴承组件 |
CN1853207A (zh) * | 2003-09-19 | 2006-10-25 | Ntn株式会社 | 无线传感系统和带有无线传感器的轴承装置 |
CN1856409A (zh) * | 2003-09-24 | 2006-11-01 | Ntn株式会社 | 带有无线传感器的车轮用轴承装置 |
CN1856661A (zh) * | 2003-09-26 | 2006-11-01 | Ntn株式会社 | 带有无线传感器的轴承装置 |
CN101315361A (zh) * | 2008-06-20 | 2008-12-03 | 江苏大学 | 基于无线网络型盐度、温度的检测系统及检测方法 |
CN201322685Y (zh) * | 2008-12-26 | 2009-10-07 | 温平 | 轴承、轴瓦运行安全检测装置 |
CN101776508A (zh) * | 2010-01-19 | 2010-07-14 | 西安交通大学 | 旋转机械的光机电多参数精密监测装置 |
-
2010
- 2010-11-08 CN CN 201010539005 patent/CN102053016B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1437709A (zh) * | 2000-06-23 | 2003-08-20 | 迪姆肯公司 | 具有无线的自供电传感器单元的轴承 |
CN1401971A (zh) * | 2001-08-07 | 2003-03-12 | 日本精工株式会社 | 无线传感器、带传感器的滚动轴承、管理装置及监视装置 |
CN1405543A (zh) * | 2001-09-11 | 2003-03-26 | 日本精工株式会社 | 带检测器的滚动轴承单元 |
CN1682257A (zh) * | 2002-09-09 | 2005-10-12 | Ntn株式会社 | 无线传感系统和带无线传感器的轴承组件 |
CN1853207A (zh) * | 2003-09-19 | 2006-10-25 | Ntn株式会社 | 无线传感系统和带有无线传感器的轴承装置 |
CN1856409A (zh) * | 2003-09-24 | 2006-11-01 | Ntn株式会社 | 带有无线传感器的车轮用轴承装置 |
CN1856661A (zh) * | 2003-09-26 | 2006-11-01 | Ntn株式会社 | 带有无线传感器的轴承装置 |
CN101315361A (zh) * | 2008-06-20 | 2008-12-03 | 江苏大学 | 基于无线网络型盐度、温度的检测系统及检测方法 |
CN201322685Y (zh) * | 2008-12-26 | 2009-10-07 | 温平 | 轴承、轴瓦运行安全检测装置 |
CN101776508A (zh) * | 2010-01-19 | 2010-07-14 | 西安交通大学 | 旋转机械的光机电多参数精密监测装置 |
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102490086A (zh) * | 2011-10-28 | 2012-06-13 | 浙江大学 | 镗杆工作状态实时监测系统 |
CN103185635A (zh) * | 2011-12-31 | 2013-07-03 | 苏州大学 | 一种信号中瞬态成分的提取方法及相关系统 |
CN103185635B (zh) * | 2011-12-31 | 2015-02-04 | 苏州大学 | 一种信号中瞬态成分的提取方法及相关系统 |
CN102589884A (zh) * | 2012-03-01 | 2012-07-18 | 西北工业大学 | 一种基于GentleBoost的飞机发电机轴承故障诊断方法 |
CN102721545A (zh) * | 2012-05-25 | 2012-10-10 | 北京交通大学 | 一种基于多特征参量的滚动轴承故障诊断方法 |
CN102721545B (zh) * | 2012-05-25 | 2015-05-20 | 北京交通大学 | 一种基于多特征参量的滚动轴承故障诊断方法 |
CN102788696A (zh) * | 2012-07-21 | 2012-11-21 | 辽宁大学 | 基于改进bp神经网络和模糊集理论的轴承健康度评价方法 |
CN102788696B (zh) * | 2012-07-21 | 2014-11-05 | 辽宁大学 | 基于改进bp神经网络和模糊集理论的轴承健康度评价方法 |
WO2015007863A1 (de) * | 2013-07-17 | 2015-01-22 | Sma Solar Technology Ag | Photovoltaische anlagenkomponente und verfahren zur veränderung eines betriebszustandes derselben |
CN103576659A (zh) * | 2013-11-13 | 2014-02-12 | 柳州职业技术学院 | 汽车异响故障自诊断系统及方法 |
CN103884506A (zh) * | 2014-03-25 | 2014-06-25 | 福建省工业设备安装有限公司 | 基于无线网的生产设备在线监测及故障诊断系统及方法 |
CN103884506B (zh) * | 2014-03-25 | 2019-07-23 | 福建省工业设备安装有限公司 | 基于无线网的生产设备在线监测及故障诊断系统及方法 |
CN103900816A (zh) * | 2014-04-14 | 2014-07-02 | 上海电机学院 | 一种风力发电机组轴承故障诊断方法 |
CN104002960A (zh) * | 2014-05-27 | 2014-08-27 | 中国航天科技集团公司烽火机械厂 | 一种电动舵机振荡故障恢复的方法及系统 |
CN104792530A (zh) * | 2015-04-15 | 2015-07-22 | 北京航空航天大学 | 一种基于SDA和Softmax回归的深度学习滚动轴承故障诊断方法 |
CN104931263B (zh) * | 2015-06-18 | 2016-10-12 | 东南大学 | 一种基于符号化概率有限状态机的轴承故障诊断方法 |
CN104931263A (zh) * | 2015-06-18 | 2015-09-23 | 东南大学 | 一种基于符号化概率有限状态机的轴承故障诊断方法 |
CN106644474A (zh) * | 2015-10-28 | 2017-05-10 | 财团法人工业技术研究院 | 液静压轴承监测系统及其方法 |
CN105424387B (zh) * | 2015-11-19 | 2017-12-15 | 上海交通大学 | 转向齿轮实时远程智能监控系统 |
CN105424387A (zh) * | 2015-11-19 | 2016-03-23 | 上海交通大学 | 转向齿轮实时远程智能监控系统 |
CN105571638A (zh) * | 2015-12-17 | 2016-05-11 | 安徽理工大学 | 一种机械设备故障组合预测系统及方法 |
CN105965321A (zh) * | 2016-06-16 | 2016-09-28 | 清华大学深圳研究生院 | 基于无线传感器网络的机床颤振智能监控系统及方法 |
CN107702920A (zh) * | 2016-08-09 | 2018-02-16 | 大隈株式会社 | 轴承诊断装置 |
CN106596103A (zh) * | 2016-12-12 | 2017-04-26 | 北京海冬青机电设备有限公司 | 一种在不落轮车床上用于轴承检测的装置及轴承检测方法 |
CN106596103B (zh) * | 2016-12-12 | 2020-03-17 | 北京海冬青机电设备有限公司 | 一种在不落轮车床上用于轴承检测的装置及轴承检测方法 |
CN107796507A (zh) * | 2017-09-18 | 2018-03-13 | 洛阳双瑞精铸钛业有限公司 | 一种换热机组振动状态监测平台 |
CN107655690A (zh) * | 2017-10-30 | 2018-02-02 | 王才旺 | 基于人工神经网络的电机轴承故障诊断方法 |
CN108614032A (zh) * | 2018-01-31 | 2018-10-02 | 江苏大学 | 一种基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法 |
CN108709744A (zh) * | 2018-03-05 | 2018-10-26 | 安徽大学 | 一种变负载工况下电机轴承故障诊断方法 |
CN108731939A (zh) * | 2018-04-09 | 2018-11-02 | 上海大学 | 一种滚动轴承振动检测及信息管理系统 |
CN108600984B (zh) * | 2018-04-18 | 2020-12-22 | 华东交通大学 | 一种机车转向架运行状态远程监测装置及方法 |
CN108600984A (zh) * | 2018-04-18 | 2018-09-28 | 华东交通大学 | 一种机车转向架运行状态远程监测装置及方法 |
CN108956142A (zh) * | 2018-05-28 | 2018-12-07 | 常州信息职业技术学院 | 一种轴承故障识别方法 |
CN109270921A (zh) * | 2018-09-25 | 2019-01-25 | 深圳市元征科技股份有限公司 | 一种故障诊断方法及装置 |
CN109932178A (zh) * | 2019-02-01 | 2019-06-25 | 江苏大学 | 一种多级链传动机构故障诊断系统及方法 |
CN110243595B (zh) * | 2019-07-09 | 2021-06-22 | 福州大学 | 一种基于LabVIEW的远程齿轮箱故障监测系统 |
CN110243595A (zh) * | 2019-07-09 | 2019-09-17 | 福州大学 | 一种基于LabVIEW的远程齿轮箱故障监测系统 |
CN111256989A (zh) * | 2020-02-22 | 2020-06-09 | 南京凯奥思数据技术有限公司 | 一种变转速旋转设备振动特征值的采集方法 |
CN111412977A (zh) * | 2020-03-09 | 2020-07-14 | 华南理工大学 | 一种机械设备振动感知数据的预处理方法 |
CN111829783A (zh) * | 2020-07-21 | 2020-10-27 | 上海振华重工(集团)股份有限公司 | 一种用于可变速旋转机构的实时缺陷检测系统 |
CN111896254A (zh) * | 2020-08-10 | 2020-11-06 | 山东大学 | 一种变速变载大型滚动轴承故障预测系统及方法 |
CN112556829A (zh) * | 2020-11-25 | 2021-03-26 | 山东润一智能科技有限公司 | 一种设备振动采集监测系统和方法 |
CN113779778A (zh) * | 2021-08-24 | 2021-12-10 | 中国舰船研究设计中心 | 一种舰船系统任务通道测试点优化方法 |
CN113779778B (zh) * | 2021-08-24 | 2024-04-05 | 中国舰船研究设计中心 | 一种舰船系统任务通道测试点优化方法 |
CN114526437A (zh) * | 2022-02-18 | 2022-05-24 | 山东莱钢永锋钢铁有限公司 | 一种滚动轴承润滑不良判定方法 |
CN115265765A (zh) * | 2022-08-12 | 2022-11-01 | 大连理工大学 | 一种飞附机匣振动数据分析处理方法 |
CN117194983A (zh) * | 2023-09-08 | 2023-12-08 | 北京理工大学 | 一种基于渐进式条件域对抗网络的轴承故障诊断方法 |
CN117194983B (zh) * | 2023-09-08 | 2024-04-19 | 北京理工大学 | 一种基于渐进式条件域对抗网络的轴承故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102053016B (zh) | 2013-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102053016B (zh) | 旋转机械滚动轴承的无线振动监测系统 | |
CN104760892B (zh) | 港口起重机健康监测与预报可视化系统 | |
CN101660969B (zh) | 一种用于齿轮箱故障智能诊断的方法 | |
CN103115789A (zh) | 金属结构损伤剩余寿命的第二代小波支持向量机评估方法 | |
CN101839805A (zh) | 发动机主动故障质检与智能故障诊断方法 | |
CN112179691B (zh) | 基于对抗学习策略的机械装备运行状态异常检测系统和方法 | |
CN110398647B (zh) | 变压器状态监测方法 | |
CN102778358A (zh) | 故障预测模型建立方法及系统、风机监测预警系统及方法 | |
CN102495320A (zh) | 变压器运行异常动态监测系统及在线监测方法 | |
CN204113701U (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN104571079A (zh) | 一种基于多传感器信息融合的无线远程故障诊断系统 | |
CN110008350A (zh) | 一种基于贝叶斯推理的机泵安康知识库查找方法 | |
CN115542099B (zh) | 一种在线gis局部放电检测方法和装置 | |
CN102183951A (zh) | 基于虚拟仪器开发平台的回转支承状态监测与故障诊断装置 | |
CN110632484A (zh) | 一种基于elm的gis局部放电缺陷诊断分类系统及方法 | |
CN102682180A (zh) | 旋转式机械设备性能退化的评估方法 | |
CN106546918A (zh) | 一种水电机组的故障诊断方法 | |
Kaplan et al. | Feature extraction of ball bearings in time-space and estimation of fault size with method of ANN | |
CN108709744A (zh) | 一种变负载工况下电机轴承故障诊断方法 | |
CN104564542A (zh) | 一种基于大数据技术的故障诊断系统及其诊断方法 | |
CN111307092A (zh) | 一种地铁深隧工程建设安全自动连续监控系统及信息平台 | |
CN113988326A (zh) | 一种地铁设备维修优化方法及系统 | |
CN102879475B (zh) | 基于pca和tdf对16锰钢承力件进行疲劳损伤状态的识别系统 | |
CN104316167A (zh) | 一种低信噪比下结构响应异常检测方法 | |
CN104266921A (zh) | 基于无线智能节点的钢桥疲劳寿命便携式评估系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130717 Termination date: 20181108 |