CN103149029A - 利用倒频谱识别航空发动机转静碰摩部位的方法 - Google Patents
利用倒频谱识别航空发动机转静碰摩部位的方法 Download PDFInfo
- Publication number
- CN103149029A CN103149029A CN2013100153267A CN201310015326A CN103149029A CN 103149029 A CN103149029 A CN 103149029A CN 2013100153267 A CN2013100153267 A CN 2013100153267A CN 201310015326 A CN201310015326 A CN 201310015326A CN 103149029 A CN103149029 A CN 103149029A
- Authority
- CN
- China
- Prior art keywords
- cepstrum
- rubbing
- touching
- identification
- touch
- 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
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了利用倒频谱识别航空发动机转静碰摩部位的方法,属于航空发动机故障诊断的技术领域。本发明首先需要获取航空发动机在不同碰摩部位下的机匣振动加速度信号;然后利用倒频谱分析法提取低维特征参数,并形成训练样本;接下来利用分类算法对训练样本集进行训练,得到碰摩部位分类器,最后利用训练好的分类器识别碰摩部位。本发明仅需一个加速度传感器即可有效判断航空发动机碰摩部位,与现有技术相比,更为简便,更加适合现场实时诊断。
Description
技术领域
本发明公开了利用倒频谱识别航空发动机转静碰摩部位的方法,属于航空发动机故障诊断的技术领域。
背景技术
转静碰摩故障是包括航空发动机在内的高速旋转机械的常见强非线性故障,具有严重的危害性,会导致转静间隙增大、轴承磨损、振动增大、叶片折断直至机械失效。现代大型航空发动机中,碰摩的主要原因来源于转子不平衡、机匣变形以及支座不同心等。由于转子质量较大,机匣普遍采用薄壁结构,其质量较轻,碰摩力很难使转子反弹。因此,在航空发动机中,碰摩现象主要表现为偏磨,即基本上是在机匣固定位置碰摩,但是由于机匣变形不同、支座不同心的方向不同,其发生偏磨的部位将有所区别,因此,有效地诊断和识别出偏磨的位置,对于发现航空发动机偏磨故障的原因和改进设计具有重要意义。
倒频率可以非常有效的处理复杂频谱内包含的周期分量,其对边频成分具有“概括”能力,能较明显地显示出频谱上的周期成分,将原来频谱上的成族边频带谱线简化为单根谱线。在地震、雷达、声学、讯号处理、影像及故障诊断领域均有广泛应用。但目前基于倒频谱的方法还并未在航空发动机的碰摩部位识别中得到应用。
在本发明之前,目前碰摩部位识别的方法主要有两大类,一为基于声发射技术的方法,如何田,刘耀光,陈亚农等发表于航空动力学报上的“基于声发射波束形成法的转静子碰摩故障定位”二为基于有限元模型的方法,如褚福磊,发表于声学上的“基于动刚度的多盘转子系统碰摩部位识别”(Chu F,Lu W.Determination of the rubbing location in a multi-disk rotor system by means of dynamic stiffness identification[J].Journal of Sound and Vibration,2001,248(2):235-246)。
但声发射技术极易受噪声影响,其特征参数常常无法反映设备的真实状态,从而影响定位精度,且声发射技术需要专门的设备仪器,现场使用并不方便。而基于有限元模型的方法计算量庞大,并不适合现场实时监测,且能否正确建立有限元模型非常依赖于工程。
发明内容
本发明所要解决的技术问题是针对上述背景技术的不足,提供了利用倒频谱识别航空发动机转静碰摩部位的方法。
本发明为实现上述发明目的采用如下技术方案:
利用倒频谱识别航空发动机转静碰摩部位的方法,包括如下步骤:
步骤1,采集航空发动机正常运行状态及不同部位碰摩时安装于机匣表面加速度传感器的输出信号;
步骤2,利用倒频谱分析法处理步骤1中所述的加速度传感器输出信号,提取加速度传感器输出信号的特征值;
步骤3,按照步骤2所述的加速度传感器输出信号特征值建立不同碰摩部位的样本集,并将所述样本集划分为训练样本和测试样本;
步骤4,利用分类算法对训练样本进行训练和测试,通过交叉验证法获取识别碰摩部位的最优分类器,所述分类器即可实现碰摩部位识别。
所述利用倒频谱识别航空发动机转静碰摩部位的方法中,步骤2的具体实施方法如下:
步骤2-1,处理步骤1所述的加速度传感器的输出信号得到离散时间信号,对所述离散时间信号进行离散傅立叶变换得到与离散时间信号相应的频域信号;
步骤2-2,根据步骤2-1所述与离散时间信号相应的频域信号、采样周期及数据长度计算功率谱密度函数;
步骤2-3,由步骤2-2所述的功率谱密度函数得到倒频谱,所述倒频谱包括:零倒频率成分、碰摩激励力倒频率成分、碰摩点到响应测点传递路径的倒频率成分;
步骤2-4,选取步骤2-3所述倒频谱中零倒频率点后的M个倒频谱点对应的倒频谱值,用选取的倒频谱值构成转静碰摩部位识别的特征向量,M为大于9且小于21的整数。
所述利用倒频谱识别航空发动机转静碰摩部位的方法中,步骤2所述的加速度传感器输出信号特征值为倒频谱的实部值或倒频谱的幅值。
所述利用倒频谱识别航空发动机转静碰摩部位的方法,步骤2-4中,M的取值为20。
本发明采用上述技术方案,具有以下有益效果:
1、现场使用简单方便,附加成本低廉。只需在机匣外部安装加速度传感器,与声发射技术相比不需要专门的仪器设备。
2、不易受噪声影响。与声发射技术相比不需要精确的定位信号,抗干扰能力更强。
3、计算量小、实时性强。只需要对加速度传感器采集的信号进行简单的倒频谱分析,与有限元方法及声发射技术相比计算量小,适合现场实时监测。
4、仅需一个加速度传感器即可实现航空发动机转静碰摩部位的识别,使用非常方便。
5、目前加速度传感器已经广泛应用于航空发动机测试领域,基于加速度信号的测试方法已发展的非常完善、成熟。
附图说明
图1为航空发动机转子实验器剖面图。图中标号说明:1、碰摩环,2、球轴,3、承涡轮盘,4、碰摩螺栓,5、压气机轮盘,6、滚珠轴承,7、轴,8、机匣。
图2为以面向涡轮机匣为标准碰摩部位及传感器的安装方向示意图。
图3为航空发动机转子实验器正常运行状态下利用倒频谱法从安装于机匣上方加速度传感器采集的信号中提取的特征值。
图4-图7为同一次实验数据下,碰摩部位不同(碰上、碰右、碰下、碰左)时,利用倒频谱法从安装于机匣上方、机匣右方、机匣下方、机匣左方加速度传感器采集的信号中提取的特征值。
图8-图11为三次实验数据下,碰摩部位为碰上时,利用倒频谱法从安装于机匣上方、机匣右方、机匣下方、机匣左方加速度传感器采集的信号中提取的特征值。
图12-图14为不同次实验数据下,碰摩部位为碰右、碰下、碰左时,利用倒频谱法从安装于机匣上方加速度传感器采集的信号中提取的特征值。
具体实施方式
下面结合附图对发明的技术方案进行详细说明:
本试验采用如图1所示的航空发动机转子实验器实现碰摩试验。该试验器在结构设计上,首先考虑在外形上与航空发动机核心机的机匣一致,尺寸缩小三倍; 内部结构作了必要简化,将核心机简化为0—2—0支承结构形式,并设计了可调刚度支承结构以调整系统的动特性;多级压气机简化为单级的盘片结构,在结构上形成了转子-支承-叶盘-机匣系统。该试验器可以通过调节碰摩螺栓4挤压碰摩环1实现不同程度的碰摩。
本实施例各实验在涡轮机匣处设计了四个碰摩螺钉,实现四个部位的碰摩实验。碰摩位置为以面向涡轮机匣为标准,按顺时针依次为涡轮机匣的垂直上、水平右、垂直下、水平左四个方向,并相应布置加速度传感器,碰摩位置及传感器的安装位置如图2所示,图2中CH1、CH2、CH3、CH4表明4个传感器所对应的测试通道。碰摩实验时,用板手拧碰摩环点变形顶螺栓,使碰摩环产生变形,从而与旋转的涡轮叶片产生碰摩,当碰摩严重时,将产生碰摩火花。
进行了两天6次独立实验,各次实验均采用东大仪器厂SE系列电涡流位移传感器测量转子转速;采样频率为10KHz。
本发明所述利用倒频谱识别航空发动机转静碰摩部位的方法,包括如下步骤。
步骤1,采集航空发动机正常运行状态及不同部位碰摩时安装于机匣表面加速度传感器的输出信号;
实验时在转子实验器机匣8上安装丹麦Brüel&公司的4508型加速度传感器。待传感器安装牢固后将其与NI公司USB9234数据采集器相连接,并将数据采集卡的另一端与计算机相连接,每次实验均进行实验器正常运转(未碰摩),碰摩位置为碰上、碰下、碰左、碰右四个部位的实验,每次实验保存100个样本,每个样本为8192个采样点,得到离散加速度信号。
步骤2,利用倒频谱分析法处理步骤1中所述的加速度传感器输出信号,提取加速度传感器输出信号的特征值:
步骤2-1,处理步骤1所述的加速度传感器的输出信号得到离散时间信号x(n),对所述离散时间信号进行离散傅立叶变换得到与离散时间信号相应的频域信号:X(k):
设f(n)为碰摩点产生的碰摩力,F(k)为其对应的频谱,h(n)为从碰摩点到测 点的频率响应函数,H(k)为h(n)对应的频谱。由线性系统的响应特性:
X(k)=F(k)H(k),k=1,2,…,N; (2)
其中,n,k=1,2,…N,N为自然数;
步骤2-2,根据步骤2-1所述与离散时间信号相应的频域信号、采样周期及数据长度计算功率谱密度函数Sxx(k);
(3)
其中,Ts为采样周期;
步骤2-3,由步骤2-2所述的功率谱密度函数得到倒频谱Cx(k)表达式,所述倒频谱包括:零倒频率成分、碰摩激励力倒频率成分、碰摩点到响应测点传递路径的倒频率成分:
其中,IDFT[.]为离散傅里叶反变换。式(4)中右边第一项对应零倒频率成分,第二项对应碰摩激励力倒频率成分,第三项对应从碰摩点到响应测点的传递路径的倒频率成分。可以看出倒频谱Cx(k)分离出了激发碰摩的碰摩力信号和从碰摩点到响应测点的传递路径。
步骤2-4,选取步骤2-3所述倒频谱表达式中零倒频率点后的20个倒频谱点对应的倒频谱特征值,用选取的倒频谱特征值构成转静碰摩部位识别的特征向量。
由于在倒频谱上,调制边频表现为倒频率及其倍频,位于高倒频率区域,所以反应传递路径的倒频谱应该主要体现在低倒频率段,由于零倒频率不反应系统传递特性,为了提取出反映碰摩点到测点的传递特征,选择提取零倒频率点以后 的20个倒频谱点对应的倒频谱的实部作为碰摩部位识别的特征值,分以下四种情况讨论:
(1)实验器正常运转时,利用倒频谱法提取安装于机匣各位置加速度传感器(以上方为例)所采集信号的特征值;
(2)同一次实验数据下,不同碰摩部位(碰上、碰右、碰下、碰左)情况时,利用倒频谱法提取安装于机匣各位置加速度传感器所采集信号的特征向量;
(3)不同次实验数据下,同一碰摩部位情况时(以碰上为例),利用倒频谱法提取安装于机匣各位置加速度传感器所采集信号的特征值;;
(4)不同次实验数据下,各碰摩部位(碰上、碰右、碰下、碰左),利用倒频谱法提取安装于机匣同一位置(以上方为例)加速度传感器所采集信号的特征值。
步骤3,以步骤2所述加速度传感器输出信号的特征值为特征参数建立样本集,并将所述样本集划分为训练样本和测试样本。
步骤4,利用分类算法对训练样本进行训练和测试,并利用交叉验证法得到碰摩部位识别的最优分类器,该分类器即可用于碰摩部位识别。
为验证方法的有效性:
(1)采用最近邻分类方法对采集的6次独立实验的实验数据进行碰摩部位的识别:
将第1次实验数据提取的特征值作为标准样本;将第2次、第3次实验数据,以及3次实验数据提取的特征值作为待识别样本;分别计算待识别样本与标准样本的欧几里得距离,将待识别样本判别为与之距离最近的标准样本的类别。
(2)采用支持向量机分类方法对采集的6次独立实验的实验数据进行碰摩部位的识别:
随机选取6次实验中的某次实验样本,将该样本随机近似两等份,作为训练、测试样本;其余5次样本作为未知样本。将训练样本输入至支持向量机中,根据输入的训练样本采用10重交叉验证法对支持向量机中的高斯核函数的参数进行优化,并根据优化的各参数值对训练、测试、未知样本进行测试。随机连续测试10次,取十次识别率的平均值作为平均识别率。
8、性能评测
图3为航空发动机转子实验器正常运行状态下利用倒频谱法从安装于机匣 加速度传感器(以上方为例)采集的信号中提取的特征值。由图3可以看出,转子试验器正常运转状态下(未发生碰摩故障)的特征值与发生碰摩故障的特征值具有较大差异性;
图4-图7为同一次实验数据下,碰摩部位不同(碰上、碰右、碰下、碰左)时,利用倒频谱法从安装于机匣上方、机匣右方、机匣下方、机匣左方加速度传感器采集的信号中提取的特征。由图4-图7可以看出,由于不同的碰摩部位表征不同的传递路径,故各传感器均表现出:同一次实验、碰摩部位不同时各传感器采集的数据提取的特征值存在较大的差异;
图8-图11为不同次实验数据下,碰摩部位为碰上时,利用倒频谱法从安装于机匣上方、机匣右方、机匣下方、机匣左方加速度传感器采集的信号中提取的特征。由图8-图11可以看出,由于相同的碰摩部位表征相同的传递路径,故各传感器均表现出:不同次实验数据、碰摩部位相同时(以碰上为例),各传感器采集的数据提取的特征值具有较好的一致性;
图12-图14为不同次实验数据下,碰摩部位为碰右、碰下、碰左时,利用倒频谱法从安装于机匣上方加速度传感器采集的信号中提取的特征。由图4及图12-图14可以看出,安装于机匣上方传感器对不同次实验数据、相同碰摩部位(碰上、碰右、碰下、碰左)提取的特征值表现出了良好的一致性;
表1为6次实验数据利用最近邻分类算法对利用倒频谱法提取的特征值计算的平均识别率,表2为6次实验数据利用支持向量机分类算法对利用倒频谱法提取的特征值计算的平均识别率。由表1、表2可以看出,无论采用何种分类算法,也无论传感器的安装位置如何,各次实验均表现出很好的重复性,提取的特征值均可以达到100%的识别率。
传感器安装位置 | 标准样本 | 待识别样本 | 识别率 |
机匣上方 | 400 | 2000 | 100% |
机匣右方 | 400 | 2000 | 100% |
机匣下方 | 400 | 2000 | 100% |
机匣左方 | 400 | 2000 | 100% |
表1
表2
由图3-图14以及表1、表2可以发现,无论采用的分类算法是最近邻算法还是支持向量机,也无论传感器的安装位置如何,基于倒频谱分析的方法提取的特征值:
(1)正常运转状态时:转子试验器正常运转状态下(未发生碰摩故障)的特征值与发生碰摩故障的特征值具有较大差异性;
(2)发生碰摩故障时:当转子试验器碰摩位置相同时,特征值表现出良好的一致性,而当转子试验器碰摩位置不同时,特征值表现出较大的差异性;
综上所述,本发明仅需一个加速度传感器即可有效判断航空发动机是否发生碰摩故障,且对传感器的安装位置不敏感。只需要对加速度传感器采集的信号进行简单的倒频谱分析,与有限元方法及声发射技术相比计算量小,更加适合现场实时诊断。
Claims (4)
1.利用倒频谱识别航空发动机转静碰摩部位的方法,其特征在于包括如下步骤:
步骤1,采集航空发动机正常运行状态及不同部位碰摩时安装于机匣表面加速度传感器的输出信号;
步骤2,利用倒频谱分析法处理步骤1中所述的加速度传感器输出信号,提取加速度传感器输出信号的特征值;
步骤3,按照步骤2所述的加速度传感器输出信号特征值建立不同碰摩部位的样本集,并将所述样本集划分为训练样本和测试样本;
步骤4,利用分类算法对训练样本进行训练和测试,通过交叉验证法获取识别碰摩部位的最优分类器,所述分类器即可实现碰摩部位识别。
2.根据权利要求1所述的利用倒频谱识别航空发动机转静碰摩部位的方法,其特征在于步骤2的具体实施方法如下:
步骤2-1,处理步骤1所述的加速度传感器的输出信号得到离散时间信号,对所述离散时间信号进行离散傅立叶变换得到与离散时间信号相应的频域信号;
步骤2-2,根据步骤2-1所述与离散时间信号相应的频域信号、采样周期及数据长度计算功率谱密度函数;
步骤2-3,由步骤2-2所述的功率谱密度函数得到倒频谱,所述倒频谱包括:零倒频率成分、碰摩激励力倒频率成分、碰摩点到响应测点传递路径的倒频率成分;
步骤2-4,选取步骤2-3所述倒频谱中零倒频率点后的M个倒频谱点对应的倒频谱值,用选取的倒频谱值构成转静碰摩部位识别的特征向量,M的取值为大于9 且小于21的整数。
3.根据权利要求1或2所述的利用倒频谱识别航空发动机转静碰摩部位的方法,其特征在于步骤2所述的加速度传感器输出信号特征值为倒频谱的实部值或倒频谱的幅值。
4.根据权利要求2所述的利用倒频谱识别航空发动机转静碰摩部位的方法,其特征在于:步骤2-4中,M的取值为20。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310015326.7A CN103149029B (zh) | 2013-01-16 | 2013-01-16 | 利用倒频谱识别航空发动机转静碰摩部位的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310015326.7A CN103149029B (zh) | 2013-01-16 | 2013-01-16 | 利用倒频谱识别航空发动机转静碰摩部位的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103149029A true CN103149029A (zh) | 2013-06-12 |
CN103149029B CN103149029B (zh) | 2016-02-17 |
Family
ID=48547235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310015326.7A Active CN103149029B (zh) | 2013-01-16 | 2013-01-16 | 利用倒频谱识别航空发动机转静碰摩部位的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103149029B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103471854A (zh) * | 2013-09-26 | 2013-12-25 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种航空发动机整机振动特性分析方法 |
CN104006961A (zh) * | 2014-04-29 | 2014-08-27 | 北京工业大学 | 基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法 |
CN104296994A (zh) * | 2014-09-22 | 2015-01-21 | 北京强度环境研究所 | 一种试车状态声振传递试验方法 |
CN107798283A (zh) * | 2016-08-31 | 2018-03-13 | 西安英诺视通信息技术有限公司 | 一种基于决策导向无环图的神经网络故障多类分类器 |
CN108022325A (zh) * | 2017-10-23 | 2018-05-11 | 重庆长安汽车股份有限公司 | 一种汽车发动机数据采集与故障隐患分析预警模型 |
CN108593296A (zh) * | 2018-04-26 | 2018-09-28 | 济南大学 | 一种基于倒谱伪边距的轴承单点故障诊断方法 |
CN110543820A (zh) * | 2019-07-29 | 2019-12-06 | 华南理工大学 | 一种基于编辑倒频谱的故障滚动轴承模态参数提取方法 |
CN110610049A (zh) * | 2019-09-18 | 2019-12-24 | 东北大学 | 一种叶片和机匣系统在碰摩故障下的力学特性分析方法 |
CN111692269A (zh) * | 2020-05-15 | 2020-09-22 | 华中农业大学 | 非线性隔振系统的边界辨识方法 |
CN113383215A (zh) * | 2018-04-30 | 2021-09-10 | 通用电气公司 | 用于模式匹配轴承振动诊断的系统和过程 |
CN115077919A (zh) * | 2022-05-28 | 2022-09-20 | 西北工业大学 | 一种适于航空发动机机载的整机振动评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030028332A1 (en) * | 2001-06-19 | 2003-02-06 | The Aerospace Corporation | Rocket engine gear defect monitoring method |
KR100497660B1 (ko) * | 2004-06-07 | 2005-07-01 | 인하대학교 산학협력단 | Nc선반에서 발생하는 채터진동 감지장치 및 방법 |
CN101256548A (zh) * | 2007-12-03 | 2008-09-03 | 西北工业大学 | 一种转子碰摩故障识别方法 |
CN101699544A (zh) * | 2009-10-23 | 2010-04-28 | 南京航空航天大学 | 转子碰摩实验装置 |
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
-
2013
- 2013-01-16 CN CN201310015326.7A patent/CN103149029B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030028332A1 (en) * | 2001-06-19 | 2003-02-06 | The Aerospace Corporation | Rocket engine gear defect monitoring method |
KR100497660B1 (ko) * | 2004-06-07 | 2005-07-01 | 인하대학교 산학협력단 | Nc선반에서 발생하는 채터진동 감지장치 및 방법 |
CN101256548A (zh) * | 2007-12-03 | 2008-09-03 | 西北工业大学 | 一种转子碰摩故障识别方法 |
CN101699544A (zh) * | 2009-10-23 | 2010-04-28 | 南京航空航天大学 | 转子碰摩实验装置 |
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
Non-Patent Citations (2)
Title |
---|
于明月: "基于小波包分析和支持向量机的转静碰摩部位识别", 《航空动力学报》, vol. 28, no. 1, 14 January 2013 (2013-01-14), pages 46 - 53 * |
张雄希等: "小波与倒频谱分析法在异步电机故障诊断中的应用", 《大电机技术》, no. 5, 31 December 2010 (2010-12-31), pages 31 - 34 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103471854B (zh) * | 2013-09-26 | 2016-04-06 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种航空发动机整机振动特性分析方法 |
CN103471854A (zh) * | 2013-09-26 | 2013-12-25 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种航空发动机整机振动特性分析方法 |
CN104006961A (zh) * | 2014-04-29 | 2014-08-27 | 北京工业大学 | 基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法 |
CN104296994A (zh) * | 2014-09-22 | 2015-01-21 | 北京强度环境研究所 | 一种试车状态声振传递试验方法 |
CN104296994B (zh) * | 2014-09-22 | 2017-02-01 | 北京强度环境研究所 | 一种试车状态声振传递试验方法 |
CN107798283A (zh) * | 2016-08-31 | 2018-03-13 | 西安英诺视通信息技术有限公司 | 一种基于决策导向无环图的神经网络故障多类分类器 |
CN108022325B (zh) * | 2017-10-23 | 2020-03-17 | 重庆长安汽车股份有限公司 | 一种汽车发动机数据采集与故障隐患分析预警模型 |
CN108022325A (zh) * | 2017-10-23 | 2018-05-11 | 重庆长安汽车股份有限公司 | 一种汽车发动机数据采集与故障隐患分析预警模型 |
CN108593296A (zh) * | 2018-04-26 | 2018-09-28 | 济南大学 | 一种基于倒谱伪边距的轴承单点故障诊断方法 |
CN108593296B (zh) * | 2018-04-26 | 2020-01-31 | 济南大学 | 一种基于倒谱伪边距的轴承单点故障诊断方法 |
CN113383215A (zh) * | 2018-04-30 | 2021-09-10 | 通用电气公司 | 用于模式匹配轴承振动诊断的系统和过程 |
CN110543820A (zh) * | 2019-07-29 | 2019-12-06 | 华南理工大学 | 一种基于编辑倒频谱的故障滚动轴承模态参数提取方法 |
CN110610049A (zh) * | 2019-09-18 | 2019-12-24 | 东北大学 | 一种叶片和机匣系统在碰摩故障下的力学特性分析方法 |
CN110610049B (zh) * | 2019-09-18 | 2022-12-02 | 东北大学 | 一种叶片和机匣系统在碰摩故障下的力学特性分析方法 |
CN111692269A (zh) * | 2020-05-15 | 2020-09-22 | 华中农业大学 | 非线性隔振系统的边界辨识方法 |
CN111692269B (zh) * | 2020-05-15 | 2021-04-27 | 华中农业大学 | 非线性隔振系统的边界辨识方法 |
CN115077919A (zh) * | 2022-05-28 | 2022-09-20 | 西北工业大学 | 一种适于航空发动机机载的整机振动评估方法 |
CN115077919B (zh) * | 2022-05-28 | 2024-04-12 | 西北工业大学 | 一种适于航空发动机机载的整机振动评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103149029B (zh) | 2016-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103149029B (zh) | 利用倒频谱识别航空发动机转静碰摩部位的方法 | |
Jiang et al. | An improved VMD with empirical mode decomposition and its application in incipient fault detection of rolling bearing | |
CN108168891B (zh) | 滚动轴承微弱故障信号特征的提取方法及设备 | |
Al-Badour et al. | Vibration analysis of rotating machinery using time–frequency analysis and wavelet techniques | |
Lei et al. | Fault diagnosis of rotating machinery using an improved HHT based on EEMD and sensitive IMFs | |
Kim et al. | A comparative study on damage detection in speed-up and coast-down process of grinding spindle-typed rotor-bearing system | |
CN103575523A (zh) | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 | |
CN105651504A (zh) | 基于自适应小波能量的旋转机械故障特征提取方法 | |
CN105784366A (zh) | 一种变转速下的风电机组轴承故障诊断方法 | |
Meng et al. | General synchroextracting chirplet transform: Application to the rotor rub-impact fault diagnosis | |
CN103018044B (zh) | 一种改进冲击字典匹配追踪算法的轴承复合故障诊断方法 | |
CN104634526A (zh) | 一种基于非线性压缩变换的转子碰摩故障检测方法及系统 | |
CN103471848A (zh) | 基于独立分量分析和倒频谱理论的滚动轴承故障特征提取方法 | |
He et al. | Weak characteristic determination for blade crack of centrifugal compressors based on underdetermined blind source separation | |
Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
Zhu et al. | A detection method for bearing faults using null space pursuit and S transform | |
Chen et al. | A novel method for identifying rotor-stator rubbing positions using the cepstrum analysis technique | |
Jiang et al. | A tacholess order tracking method based on spectral amplitude modulation for variable speed bearing fault diagnosis | |
Wang et al. | A novel hybrid approach for damage identification of wind turbine bearing under variable speed condition | |
Wu et al. | Blade tip timing: from raw data to parameters identification | |
Chen | Characteristics analysis of blade-casing rubbing based on casing vibration acceleration | |
Al-Badour et al. | Non-stationary vibration signal analysis of rotating machinery via time-frequency and wavelet techniques | |
CN104236871A (zh) | 离心式压缩机半开式叶轮裂纹故障识别方法 | |
CN103149047A (zh) | 一种基于非线性混合模型的冷却塔声学诊断方法 | |
Yungong et al. | A fault feature extraction method for rotor rubbing based on load identification and measured impact response |
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 |