CN103134676A - 齿轮箱运行状态的在线监测预警方法 - Google Patents

齿轮箱运行状态的在线监测预警方法 Download PDF

Info

Publication number
CN103134676A
CN103134676A CN2011103887013A CN201110388701A CN103134676A CN 103134676 A CN103134676 A CN 103134676A CN 2011103887013 A CN2011103887013 A CN 2011103887013A CN 201110388701 A CN201110388701 A CN 201110388701A CN 103134676 A CN103134676 A CN 103134676A
Authority
CN
China
Prior art keywords
frequency
vibration
gear
bearing
value
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
Application number
CN2011103887013A
Other languages
English (en)
Other versions
CN103134676B (zh
Inventor
蔡正国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Baosteel Industry Technological Service Co Ltd
Shanghai Baosteel Industry Inspection Corp
Baowu Equipment Intelligent Technology Co Ltd
Original Assignee
Shanghai Baosteel Industry Inspection Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Baosteel Industry Inspection Corp filed Critical Shanghai Baosteel Industry Inspection Corp
Priority to CN201110388701.3A priority Critical patent/CN103134676B/zh
Publication of CN103134676A publication Critical patent/CN103134676A/zh
Application granted granted Critical
Publication of CN103134676B publication Critical patent/CN103134676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明一种齿轮箱设备运行状态的在线监测方法,包括齿轮箱、滚动轴承和设置于轴承座上用于监测滚动轴承振动信号的振动传感器,所述方法包括:采集振动传感器的信号并进行信号重构;对齿轮轴系上对应的传感器检测的总振值、转频及倍频、啮合频率及倍频、对应的振动幅值进行频谱分析;计算滚动轴承零部件故障因子、齿轮表面剥落系数和齿轮表面的断齿故障系数并分别和预设报警值比较,若超过预设值齿轮箱运行状态异常,若否则不正常,并将结果显示出来供检修人员参考。本发明开发应用多参数特征进行齿轮故障判断和定位的在线监测预警方法,以保证齿轮箱设备的正常运行。

Description

齿轮箱运行状态的在线监测预警方法
技术领域
本发明涉及齿轮箱,尤其涉及一种齿轮箱运行状态的监测方法。
背景技术
齿轮由于设计、制造误差、装配不当或不适当的使用等原因,在齿轮运行过程中会随着时间的推移使得齿轮的运行状态发生变化,在很多情况下齿轮故障是导致设备故障的主要原因,因此齿轮箱设备运行状态的在线监测与诊断具有重要意义。
目前,对齿轮状态的把握主要采用离线诊断和在线诊断,离线诊断一般在现场完成信息采集,数据处理和分析诊断工作可带会办公室或实验室进行。离线诊断对设备责任方来讲,得到的信息及时性不能保证,采用上述方法无法及时准确地监测齿轮箱的运行状态。齿轮的振动诊断以频谱作为依据,频谱总振值、啮合频率处的振动值及其边带、转速频率及倍频等是精密诊断必须研判的内容,其中单一参数只能表征某个方面的实际意义。
发明内容
本发明旨在解决上述缺陷,提供一种齿轮箱运行状态的在线监测预警方法。本发明开发应用多参数特征进行齿轮故障判断和定位的在线监测预警方法,以保证齿轮箱设备的正常运行。
为解决上述问题,本发明一种齿轮箱设备运行状态的在线监测方法,包括齿轮箱、滚动轴承和设置于轴承座上用于监测滚动轴承振动信号的振动传感器,所述方法包括如下步骤:
步骤一、采集所述振动传感器输出信号Yi,对该原始信号Yi作频谱分析,并通信号重构获得齿轮本体、滚动轴承特征信息,提取齿轮轴系上对应的传感器检测的总振值、转频及倍频、啮合频率及倍频、对应的振动幅值;
步骤二、所述轴承各部件的冲击速率和振动频谱的关系为:
轴承外圈振动频谱:                                                  
Figure 2011103887013100002DEST_PATH_IMAGE002
           (1)
轴承内圈振动频谱:   
Figure 2011103887013100002DEST_PATH_IMAGE004
                 (2)
轴承滚动体振动频谱: 
Figure 2011103887013100002DEST_PATH_IMAGE006
          (3)
轴承保持架振动频谱: 
Figure 2011103887013100002DEST_PATH_IMAGE008
 (4) 
式中:n为滚动体数、
Figure 2011103887013100002DEST_PATH_IMAGE010
为内外圈相对转速频率、d为滚动体直径、D为节圆直径、α为接触角;
步骤三、设定轴承故障因子,轴承内圈故障因子B1、轴承外圈故障因子B2、轴承滚动体故障因子B3、轴承保持架故障因子B,则轴承各部件故障因子与振动频谱间的关系为:
                           (5)
                        (6)
Figure 2011103887013100002DEST_PATH_IMAGE016
                          (7)
Figure 970303DEST_PATH_IMAGE016
                          (8)
式中Afi, Ufi分别为轴承内圈振动频谱fi处的振动幅值和fi在正负20%范围内振动值的加权平均,Afo, Uf0分别为轴承外圈振动频谱fo处的振动幅值和fo在正负20%范围内振动值的加权平均,Afp, Ufp为轴承滚动体振动频谱fp处的振动幅值和fp在正负20%范围内振动值的加权平均,Afh, Ufh为轴承保持架振动频谱fh处的振动幅值和fh在正负20%范围内振动值的加权平均;
步骤四、设定轴承内圈、外圈、滚动体和保持架故障因子的报警值分别为Bs1 、Bs2 、Bs3 和Bs4,监测步骤三中轴承故障因子B1、B2、B3和B4,当B1、B2、B3和B4分别大于Bs1 、Bs2 、Bs3 和Bs4时,在线监测系统预报轴承异常;
步骤五、对于经步骤一采集的振动传感器的原始振动信号Yi,将该Yi经振动频谱分析FFT变换分别取得传感器总振动值为P,齿轮1倍啮合频率、2倍啮合频率、3倍啮合频率和4倍啮合频率处的振动幅值分量Xi(t),i取1、2、3和4,则齿轮啮合状态特征系数
Figure 2011103887013100002DEST_PATH_IMAGE018
为:
Figure 2011103887013100002DEST_PATH_IMAGE020
                          (9)
当该比值30%<
Figure 700493DEST_PATH_IMAGE018
<50%时,在线监测系统预报齿轮啮合状态不良;
步骤六、以齿轮的振动频谱作为依据,频谱总振值、啮合频率处的振动值及其边带、转速频率及倍频等作为建立齿轮表面剥落系数的基础;
设S为标准样本,T为待检样本,i表示样本中的特征参数,T与S的匹配度M(S,T)用式(1)表示,M越小说明T与S越相近,M越大说明T与S差异越明显。
                                                    (10)
采用多参数指标作为评价齿轮齿面剥落的判据,综合齿轮啮合频率处的振动值、总振动值、以啮合频率为中心一定频段内的谱线参数建立齿轮表面剥落系数M,反映齿轮齿面的剥落情况;
齿轮表面剥落系数M由S(i)和T(i)计算得到,其中标准样本S(1)=1, S(2)=1,S(3)=1,S(4)=1; T(1)、T(2)、T(3)和T(4) 待检样本的四个特征参数,分别为齿轮振动信号频谱RMS的总振动值、齿轮啮合频率处的最大值、以及中心频率为啮合频率一定频段宽度内(fz±εfz)的振动平均值,fz为齿轮啮合频率,ε为频段上下限离啮合频率的百分比宽度;
齿轮表面剥落系数M简化为公式(11),
Figure 2011103887013100002DEST_PATH_IMAGE024
   (11)
M的一级报警值(轻故障报警限)设置为5.0,二级报警值(重故障报警限)设为10.0;
当M<5.0时,在线监测系统预报齿面状态正常;当5.0≤M<10.0时,在线监测系统预报齿轮表面出现剥落轻故障;当M≥10.0时,在线监测系统预报齿轮表面出现剥落重故障;
步骤七、获取齿轮箱轴承的振动频谱,确定该轴系齿轮的啮合频率fz、边带频率fs以及对应的振动值,其中Afz, Afs分别表示齿轮啮合频率对应振动频谱图上fz处的振动幅值和边带fs在振动频谱图上的振动值,设齿轮表面的断齿故障系数为W  
则          W =Afs/Afz            (12)
当w>50%时,在线监测系统预报齿轮表面断齿。
本发明的核心在于提出了一种齿轮箱设备运行状态的方法,通过振动传感器采集齿轮箱滚动轴承的振动信号,并对振动信息进行信号重构以获取齿轮本体和轴承振动的故障特征,采用分类指标监视齿轮和滚动轴承运行状态的劣化趋势,指导操作和设备管理人员采取应对措施,避免因轴承和齿轮本体故障导致的设备非计划停机,支撑设备的正常生产。齿轮箱的失效形式主要表现为滚动轴承故障、齿轮齿面啮合不良、齿轮齿面剥落、齿轮表面的断齿故障等。
滚动轴承故障表现为在不寻常振动级值时常常有冲击,冲击速率和轴承各被损部件参数间存有一定的关系;
针对齿轮本体的齿面啮合状态不良、齿面剥落、齿轮表面的断齿等故障形式,在振动频谱图上对应于啮合频率级啮合频率倍频处对应的振动幅值成份突出。齿轮啮合状态不良表现为齿轮啮合频率及啮合频率倍频处的振动幅值与总振值存在一定关系;齿轮表面剥落表现为啮合频率及啮合频率倍频一定范围内的振动累加与啮合频率对应的振动值存在相关性;齿轮断齿故障在频谱图上表现为啮合频率中心频率的振动幅值与啮合频率的边带频率对应的振动幅值存在比例关系。
由于采用了上述技术方案,即利用振动传感器采集齿轮箱滚动轴承的振动信号,并对该振动信号作信号重构以获取齿轮本体和轴承振动的特征信号,包括滚动轴承各部件的振动频谱、齿轮啮合频率(1倍啮合频率、2倍啮合频率、3倍啮合频率及4倍啮合频率)以及齿轮轴系的转动频率;计算轴承各部件的故障因子并与设定值比较,以此判断轴承故障;计算齿轮传动轴的总振动值并与该轴系上齿轮啮合频率1倍频、2倍啮合频率至4倍频处转动频率的振动幅值分量比较,以此判断齿轮啮合状态异常;对原始振动信号构建振动波形集合,得到齿轮表面剥落系数,该值大于报警值时,得出齿轮表面剥落的结论;通过啮合频率边带处的振动幅值与啮合频率处的振动值的比较,判断齿轮表面的断齿故障;本方法可实时监测齿轮箱本体和轴承的运行状态,及时发现典型故障,保证了齿轮箱设备的正常运行。
附图说明
下面结合附图和实施方式对本发明作进一步的详细说明:
图1为本发明齿轮箱设备运行状态在线监测方法的框图。
具体实施方式
本发明齿轮箱设备运行状态的在线监测方法,包括齿轮箱、滚动轴承和设置于轴承座上用于监测滚动轴承振动信号的振动传感器,如图1所示,所述方法包括如下步骤:
步骤一、采集所述振动传感器输出信号Yi,对该原始信号Yi作频谱分析,并通信号重构获得齿轮本体、滚动轴承特征信息,提取齿轮轴系上对应的传感器检测的总振值、转频及倍频、啮合频率及倍频、对应的振动幅值;
步骤二、所述轴承故障表现在不寻常振动级值有冲击,所述轴承各部件的冲击速率和振动频谱的关系为
轴承外圈振动频谱:   
Figure DEST_PATH_IMAGE025
           (1)
轴承内圈振动频谱:                    (2)
轴承滚动体振动频谱:           (3)
轴承保持架振动频谱: 
Figure DEST_PATH_IMAGE028
 (4) 
式中:n为滚动体数、
Figure 539617DEST_PATH_IMAGE010
为内外圈相对转速频率、d为滚动体直径、D为节圆直径、α为接触角;
步骤三、设定轴承故障因子,轴承内圈故障因子B1、轴承外圈故障因子B2、轴承滚动体故障因子B3、轴承保持架故障因子B,则轴承各部件故障因子与振动频谱间的关系为:
    
Figure DEST_PATH_IMAGE029
                         (5)
Figure DEST_PATH_IMAGE030
                        (6)
                         (7)
Figure 679699DEST_PATH_IMAGE031
                         (8)
式中Afi, Ufi分别为轴承内圈振动频谱fi处的振动幅值和fi在正负20%范围内振动值的加权平均,Afo, Uf0分别为轴承外圈振动频谱fo处的振动幅值和fo在正负20%范围内振动值的加权平均,Afp, Ufp为轴承滚动体振动频谱fp处的振动幅值和fp在正负20%范围内振动值的加权平均,Afh, Ufh为轴承保持架振动频谱fh处的振动幅值和fh在正负20%范围内振动值的加权平均;
步骤四、设定轴承内圈、外圈、滚动体和保持架故障因子的报警值分别为Bs1 、Bs2 、Bs3 和Bs4,监测步骤三中轴承故障因子B1、B2、B3和B4,当B1、B2、B3和B4分别大于Bs1 、Bs2 、Bs3 和Bs4时,在线监测系统预报轴承异常;
步骤五、对于经步骤一采集的振动传感器的原始振动信号Yi,将该Yi经振动频谱分析FFT变换分别取得传感器总振动值为P,齿轮1倍啮合频率、2倍啮合频率、3倍啮合频率和4倍啮合频率处的振动幅值分量Xi(t),i取1、2、3和4,则齿轮啮合状态特征系数
Figure 182487DEST_PATH_IMAGE018
为:
Figure DEST_PATH_IMAGE032
                          (9)
当该比值30%<
Figure 129583DEST_PATH_IMAGE018
<50%时,在线监测系统预报齿轮啮合状态不良;
    步骤六、以齿轮的振动频谱作为依据,频谱总振值、啮合频率处的振动值及其边带、转速频率及倍频等作为建立齿轮表面剥落系数的基础。
设S为标准样本,T为待检样本,i表示样本中的特征参数,T与S的匹配度M(S,T)用式(1)表示,M越小说明T与S越相近,M越大说明T与S差异越明显。
Figure DEST_PATH_IMAGE034
                                               (10)
采用多参数指标作为评价齿轮齿面剥落的判据,综合齿轮啮合频率处的振动值、总振动值、以啮合频率为中心一定频段内的谱线(频谱幅值)参数建立齿轮表面剥落系数M,反映齿轮齿面的剥落情况。
齿轮表面剥落系数M由S(i)和T(i)计算得到,其中标准样本S(1)=1, S(2)=1,S(3)=1,S(4)=1; T(1)、T(2)、T(3)和T(4) 待检样本的四个特征参数,分别为齿轮振动信号频谱RMS的总振动值、齿轮啮合频率处的最大值、以及中心频率为啮合频率一定频段宽度内(fz±εfz)的振动平均值,fz为齿轮啮合频率,ε为频段上下限离啮合频率的百分比宽度;
齿轮表面剥落系数M简化为公式(11),
Figure 147349DEST_PATH_IMAGE024
   (11)
M的一级报警值(轻故障报警限)设置为5.0,二级报警值(重故障报警限)设为10.0。
当M<5.0时,在线监测系统预报齿面状态正常;当5.0≤M<10.0时,在线监测系统预报齿轮表面出现剥落轻故障;当M≥10.0时,在线监测系统预报齿轮表面出现剥落重故障;
步骤七、获取齿轮箱轴承的振动频谱,确定该轴系齿轮的啮合频率fz、边带频率fs以及对应的振动值,其中Afz, Afs分别表示齿轮啮合频率对应振动频谱图上fz处的振动幅值和边带fs在振动频谱图上的振动值,设齿轮表面的断齿故障系数为W  
则          W =Afs/Afz            (12)
当w>50%时,在线监测系统预报齿轮表面断齿。
 本发明齿轮箱设备运行状态的在线监测方法利用振动传感器采集齿轮箱滚动轴承的振动信号,并对该振动信号作信号重构以获取齿轮本体和轴承振动的特征信号,包括滚动轴承各部件的振动频谱、齿轮啮合频率(1倍啮合频率、2倍啮合频率、3倍啮合频率及4倍啮合频率)以及齿轮轴系的转动频率;计算轴承各部件的故障因子并与设定值比较,以此判断轴承故障;计算齿轮传动轴的总振动值并与该轴系上齿轮啮合频率1倍频、2倍啮合频率至4倍频处转动频率的振动幅值分量比较,以此判断齿轮啮合状态异常;对原始振动信号构建振动波形集合,得到齿轮表面剥落系数,该值大于报警值时,得出齿轮表面剥落的结论;通过啮合频率边带处的振动幅值与啮合频率处的振动值的比较,判断齿轮表面的断齿故障;本方法可实时监测齿轮箱本体和轴承的运行状态,及时发现典型故障,保证了齿轮箱设备的正常运行。

Claims (1)

1.一种齿轮箱设备运行状态的在线监测方法,包括齿轮箱、滚动轴承和设置于轴承座上用于监测滚动轴承振动信号的振动传感器,其特征在于,所述方法包括如下步骤:
步骤一、采集所述振动传感器输出信号Yi,对该原始信号Yi作频谱分析,并通信号重构获得齿轮本体、滚动轴承特征信息,提取齿轮轴系上对应的传感器检测的总振值、转频及倍频、啮合频率及倍频、对应的振动幅值;
步骤二、所述轴承各部件的冲击速率和振动频谱的关系为:
轴承外圈振动频谱:                                                  
Figure DEST_PATH_IMAGE002
           (1)
轴承内圈振动频谱:   
Figure DEST_PATH_IMAGE004
                 (2)
轴承滚动体振动频谱:           (3)
轴承保持架振动频谱: 
Figure DEST_PATH_IMAGE008
 (4) 
式中:n为滚动体数、
Figure DEST_PATH_IMAGE010
为内外圈相对转速频率、d为滚动体直径、D为节圆直径、α为接触角;
步骤三、设定轴承故障因子,轴承内圈故障因子B1、轴承外圈故障因子B2、轴承滚动体故障因子B3、轴承保持架故障因子B,则轴承各部件故障因子与振动频谱间的关系为:
  
Figure DEST_PATH_IMAGE012
                         (5)
Figure DEST_PATH_IMAGE014
                        (6)
Figure DEST_PATH_IMAGE016
                          (7)
Figure 453503DEST_PATH_IMAGE016
                          (8)
式中Afi, Ufi分别为轴承内圈振动频谱fi处的振动幅值和fi在正负20%范围内振动值的加权平均,Afo, Uf0分别为轴承外圈振动频谱fo处的振动幅值和fo在正负20%范围内振动值的加权平均,Afp, Ufp为轴承滚动体振动频谱fp处的振动幅值和fp在正负20%范围内振动值的加权平均,Afh, Ufh为轴承保持架振动频谱fh处的振动幅值和fh在正负20%范围内振动值的加权平均;
步骤四、设定轴承内圈、外圈、滚动体和保持架故障因子的报警值分别为Bs1 、Bs2 、Bs3 和Bs4,监测步骤三中轴承故障因子B1、B2、B3和B4,当B1、B2、B3和B4分别大于Bs1 、Bs2 、Bs3 和Bs4时,在线监测系统预报轴承异常;
步骤五、对于经步骤一采集的振动传感器的原始振动信号Yi,将该Yi经振动频谱分析FFT变换分别取得传感器总振动值为P,齿轮1倍啮合频率、2倍啮合频率、3倍啮合频率和4倍啮合频率处的振动幅值分量Xi(t),i取1、2、3和4,则齿轮啮合状态特征系数
Figure DEST_PATH_IMAGE018
为:
Figure DEST_PATH_IMAGE020
                          (9)
当该比值30%<<50%时,在线监测系统预报齿轮啮合状态不良;
步骤六、以齿轮的振动频谱作为依据,频谱总振值、啮合频率处的振动值及其边带、转速频率及倍频等作为建立齿轮表面剥落系数的基础;
设S为标准样本,T为待检样本,i表示样本中的特征参数,T与S的匹配度M(S,T)用式(1)表示,M越小说明T与S越相近,M越大说明T与S差异越明显;
Figure DEST_PATH_IMAGE022
                                                    (10)
采用多参数指标作为评价齿轮齿面剥落的判据,综合齿轮啮合频率处的振动值、总振动值、以啮合频率为中心一定频段内的谱线参数建立齿轮表面剥落系数M,反映齿轮齿面的剥落情况;
齿轮表面剥落系数M由S(i)和T(i)计算得到,其中标准样本S(1)=1, S(2)=1,S(3)=1,S(4)=1; T(1)、T(2)、T(3)和T(4) 待检样本的四个特征参数,分别为齿轮振动信号频谱RMS的总振动值、齿轮啮合频率处的最大值、以及中心频率为啮合频率一定频段宽度内(fz±εfz)的振动平均值,fz为齿轮啮合频率,ε为频段上下限离啮合频率的百分比宽度;
齿轮表面剥落系数M简化为公式(11),
   (11)
M的一级报警值(轻故障报警限)设置为5.0,二级报警值(重故障报警限)设为10.0;
当M<5.0时,在线监测系统预报齿面状态正常;当5.0≤M<10.0时,在线监测系统预报齿轮表面出现剥落轻故障;当M≥10.0时,在线监测系统预报齿轮表面出现剥落重故障;
步骤七、获取齿轮箱轴承的振动频谱,确定该轴系齿轮的啮合频率fz、边带频率fs以及对应的振动值,其中Afz, Afs分别表示齿轮啮合频率对应振动频谱图上fz处的振动幅值和边带fs在振动频谱图上的振动值,设齿轮表面的断齿故障系数为W  
则          W =Afs/Afz            (12)
当w>50%时,在线监测系统预报齿轮表面断齿。
CN201110388701.3A 2011-11-30 2011-11-30 齿轮箱运行状态的在线监测预警方法 Active CN103134676B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110388701.3A CN103134676B (zh) 2011-11-30 2011-11-30 齿轮箱运行状态的在线监测预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110388701.3A CN103134676B (zh) 2011-11-30 2011-11-30 齿轮箱运行状态的在线监测预警方法

Publications (2)

Publication Number Publication Date
CN103134676A true CN103134676A (zh) 2013-06-05
CN103134676B CN103134676B (zh) 2016-10-05

Family

ID=48494797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110388701.3A Active CN103134676B (zh) 2011-11-30 2011-11-30 齿轮箱运行状态的在线监测预警方法

Country Status (1)

Country Link
CN (1) CN103134676B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103439107A (zh) * 2013-08-30 2013-12-11 上海索达传动机械有限公司 一种变速箱耐久试验台的震动监控系统
CN103868689A (zh) * 2014-02-20 2014-06-18 温州大学 一种基于振动频率分析的齿轮缺陷快速检测系统及方法
CN104006962A (zh) * 2014-05-08 2014-08-27 昆明理工大学 一种齿轮故障特征提取方法及系统
CN104089774A (zh) * 2014-07-25 2014-10-08 北京工业大学 一种基于并行多字典正交匹配的齿轮故障诊断方法
CN104275351A (zh) * 2013-07-10 2015-01-14 上海宝钢工业技术服务有限公司 高速线材精轧机振动状态在线监测方法
CN105318961A (zh) * 2014-07-29 2016-02-10 上海宝钢工业技术服务有限公司 驱动输送皮带的高压电机振动状态在线监测方法
CN107449623A (zh) * 2016-05-31 2017-12-08 上海金艺检测技术有限公司 炼钢厂kr法铁水脱硫搅拌器健康状态在线监测方法
CN108982135A (zh) * 2017-06-02 2018-12-11 上海金艺检测技术有限公司 热轧立辊轧机运行状态的在线监测方法
CN109580263A (zh) * 2017-09-29 2019-04-05 上海金艺检测技术有限公司 环保除尘系统运行状态的在线监测方法
CN110044610A (zh) * 2019-05-17 2019-07-23 苏州德姆斯信息技术有限公司 齿轮故障诊断方法
CN110038908A (zh) * 2018-01-16 2019-07-23 上海金艺检测技术有限公司 热轧除鳞泵增速箱在线监测诊断方法
CN110069814A (zh) * 2019-03-13 2019-07-30 中交广州航道局有限公司 船机齿轮箱的状态预测方法、装置及计算机设备
CN110766172A (zh) * 2019-10-15 2020-02-07 上海宝钢工业技术服务有限公司 电厂汽动给水泵运行状态智能监测方法
CN111693286A (zh) * 2020-08-05 2020-09-22 山东迈特力重机有限公司 一种轴承振动监测系统
CN112098065A (zh) * 2020-09-21 2020-12-18 成都卓微科技有限公司 一种设备运行状态的诊断方法、存储介质及终端
CN113048220A (zh) * 2021-03-12 2021-06-29 中煤科工集团重庆研究院有限公司 一种矿用提升机齿轮箱隐患识别方法及监测装置
CN114136611A (zh) * 2021-12-01 2022-03-04 哈尔滨理工大学 一种齿轮减速器故障检测系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050284225A1 (en) * 2004-06-28 2005-12-29 Huageng Luo System and method for monitoring the condition of a drive train
JP2006113002A (ja) * 2004-10-18 2006-04-27 Nsk Ltd 機械設備の異常診断システム
CN101566523A (zh) * 2009-05-11 2009-10-28 中能电力科技开发有限公司 风力发电机组齿轮箱状态监测方法
CN101587017A (zh) * 2009-06-19 2009-11-25 湖南大学 一种基于局部均值分解循环频率谱的齿轮故障诊断方法
CN101685042A (zh) * 2008-09-25 2010-03-31 上海宝钢工业检测公司 冷轧加热炉炉辊运行状态的在线监测方法
CN102033200A (zh) * 2009-09-29 2011-04-27 上海宝钢工业检测公司 基于统计模型的交流电机在线监测和诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050284225A1 (en) * 2004-06-28 2005-12-29 Huageng Luo System and method for monitoring the condition of a drive train
JP2006113002A (ja) * 2004-10-18 2006-04-27 Nsk Ltd 機械設備の異常診断システム
CN101685042A (zh) * 2008-09-25 2010-03-31 上海宝钢工业检测公司 冷轧加热炉炉辊运行状态的在线监测方法
CN101566523A (zh) * 2009-05-11 2009-10-28 中能电力科技开发有限公司 风力发电机组齿轮箱状态监测方法
CN101587017A (zh) * 2009-06-19 2009-11-25 湖南大学 一种基于局部均值分解循环频率谱的齿轮故障诊断方法
CN102033200A (zh) * 2009-09-29 2011-04-27 上海宝钢工业检测公司 基于统计模型的交流电机在线监测和诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张新华等: "齿轮故障自动监测的频谱分析和研究", 《机械传动》, vol. 24, no. 02, 30 June 2000 (2000-06-30), pages 20 - 22 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104275351A (zh) * 2013-07-10 2015-01-14 上海宝钢工业技术服务有限公司 高速线材精轧机振动状态在线监测方法
CN103439107A (zh) * 2013-08-30 2013-12-11 上海索达传动机械有限公司 一种变速箱耐久试验台的震动监控系统
CN103868689A (zh) * 2014-02-20 2014-06-18 温州大学 一种基于振动频率分析的齿轮缺陷快速检测系统及方法
CN104006962A (zh) * 2014-05-08 2014-08-27 昆明理工大学 一种齿轮故障特征提取方法及系统
CN104089774B (zh) * 2014-07-25 2016-05-25 北京工业大学 一种基于并行多字典正交匹配的齿轮故障诊断方法
CN104089774A (zh) * 2014-07-25 2014-10-08 北京工业大学 一种基于并行多字典正交匹配的齿轮故障诊断方法
CN105318961B (zh) * 2014-07-29 2019-05-31 上海宝钢工业技术服务有限公司 驱动输送皮带的高压电机振动状态在线监测方法
CN105318961A (zh) * 2014-07-29 2016-02-10 上海宝钢工业技术服务有限公司 驱动输送皮带的高压电机振动状态在线监测方法
CN107449623A (zh) * 2016-05-31 2017-12-08 上海金艺检测技术有限公司 炼钢厂kr法铁水脱硫搅拌器健康状态在线监测方法
CN108982135A (zh) * 2017-06-02 2018-12-11 上海金艺检测技术有限公司 热轧立辊轧机运行状态的在线监测方法
CN109580263A (zh) * 2017-09-29 2019-04-05 上海金艺检测技术有限公司 环保除尘系统运行状态的在线监测方法
CN110038908A (zh) * 2018-01-16 2019-07-23 上海金艺检测技术有限公司 热轧除鳞泵增速箱在线监测诊断方法
CN110038908B (zh) * 2018-01-16 2022-09-16 上海金艺检测技术有限公司 热轧除鳞泵增速箱在线监测诊断方法
CN110069814A (zh) * 2019-03-13 2019-07-30 中交广州航道局有限公司 船机齿轮箱的状态预测方法、装置及计算机设备
CN110044610B (zh) * 2019-05-17 2021-09-07 苏州德姆斯信息技术有限公司 齿轮故障诊断方法
CN110044610A (zh) * 2019-05-17 2019-07-23 苏州德姆斯信息技术有限公司 齿轮故障诊断方法
CN110766172A (zh) * 2019-10-15 2020-02-07 上海宝钢工业技术服务有限公司 电厂汽动给水泵运行状态智能监测方法
CN110766172B (zh) * 2019-10-15 2022-09-13 上海宝钢工业技术服务有限公司 电厂汽动给水泵运行状态智能监测方法
CN111693286A (zh) * 2020-08-05 2020-09-22 山东迈特力重机有限公司 一种轴承振动监测系统
CN112098065B (zh) * 2020-09-21 2022-08-23 成都卓微科技有限公司 一种设备运行状态的诊断方法、存储介质及终端
CN112098065A (zh) * 2020-09-21 2020-12-18 成都卓微科技有限公司 一种设备运行状态的诊断方法、存储介质及终端
CN113048220A (zh) * 2021-03-12 2021-06-29 中煤科工集团重庆研究院有限公司 一种矿用提升机齿轮箱隐患识别方法及监测装置
CN114136611A (zh) * 2021-12-01 2022-03-04 哈尔滨理工大学 一种齿轮减速器故障检测系统

Also Published As

Publication number Publication date
CN103134676B (zh) 2016-10-05

Similar Documents

Publication Publication Date Title
CN103134676A (zh) 齿轮箱运行状态的在线监测预警方法
Yoon et al. On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis
KR101764540B1 (ko) 풍력발전기 진동 상태감시 및 진단 시스템
CN102713554B (zh) 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统
US10495693B2 (en) Wind turbine fault detection using acoustic, vibration, and electrical signals
Aherwar An investigation on gearbox fault detection using vibration analysis techniques: A review
Assaad et al. Vibration based condition monitoring of a multistage epicyclic gearbox in lifting cranes
US7013210B2 (en) Vibration monitoring system for gas turbine engines
Dempsey et al. Integrating oil debris and vibration gear damage detection technologies using fuzzy logic
CN102441579B (zh) 热连轧轧机运行状态的在线监测方法
Lu et al. Condition monitoring and fault diagnostics of wind turbines
CN112326236B (zh) 一种齿轮箱运行状态在线监测方法、系统及存储介质
EP1444491A2 (en) Vibration monitoring system for gas turbine engines
CN103769425A (zh) 减定径机振动状态在线监测方法
CN109416299A (zh) 识别风力涡轮机中的齿轮系统中的故障的方法
CN111006757A (zh) 一种风力发电机组稳态振动在线监测方法及监测系统
CN111006758A (zh) 一种风力发电机组稳态振动在线趋势预测方法及趋势预测系统
CN202676450U (zh) 风力发电机组传动系统故障诊断装置
US20240053225A1 (en) Method and Apparatus for Identifying an Abnormality in Mechanical Apparatus or Mechanical Component
CN111461497A (zh) 一种具有智能诊断功能的风电机组预警方法及系统
CN101452276B (zh) 冷轧酸洗拉矫机齿轮箱运行状态的在线监测方法
Yoon et al. Planetary gearbox fault diagnosis using a single piezoelectric strain sensor
CN110082101B (zh) 基于输入输出扭矩动力学特性的行星齿轮系统故障监测方法
CN116892489A (zh) 一种基于声发射及振动的风机传动链状态监测方法及系统
Koukoura et al. Wind turbine gearbox vibration signal signature and fault development through time

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 201900, 335, Pu Pu Road, Shanghai, Baoshan District

Patentee after: Shanghai Baosteel Industrial Inspection Co.,Ltd.

Address before: 201900, 335, Pu Pu Road, Shanghai, Baoshan District

Patentee before: Shanghai Baosteel Industry Inspection Corp.

Address after: 201900, 335, Pu Pu Road, Shanghai, Baoshan District

Patentee after: SHANGHAI BAOSTEEL INDUSTRY TECHNOLOGICAL SERVICE Co.,Ltd.

Address before: 201900, 335, Pu Pu Road, Shanghai, Baoshan District

Patentee before: Shanghai Baosteel Industrial Inspection Co.,Ltd.

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 3520 Tongji Road, Baoshan District, Shanghai, 201900

Patentee after: Baowu equipment Intelligent Technology Co.,Ltd.

Address before: 201900, 335, Pu Pu Road, Shanghai, Baoshan District

Patentee before: SHANGHAI BAOSTEEL INDUSTRY TECHNOLOGICAL SERVICE Co.,Ltd.