CN103398846B - 一种减速器健康分析方法及其分析平台系统 - Google Patents
一种减速器健康分析方法及其分析平台系统 Download PDFInfo
- Publication number
- CN103398846B CN103398846B CN201310363092.5A CN201310363092A CN103398846B CN 103398846 B CN103398846 B CN 103398846B CN 201310363092 A CN201310363092 A CN 201310363092A CN 103398846 B CN103398846 B CN 103398846B
- Authority
- CN
- China
- Prior art keywords
- data
- health status
- decelerator
- fft
- time
- 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.)
- Active
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种减速器健康分析方法及其分析平台系统。本发明的平台系统包括用于采集受测减速器运行状态振动信号的采集单元;与所述采集单元连接,用于将采集的数据进行预处理的传感器信号采集模块;与所述传感器信号采集模块连接,用于接收预处理后的数据并上传至工控机的中继接口模块;以及与所述工控接口连接,用于将接收到的数据进行二次处理并综合分析受测减速器运行状态的工控机。本发明专利具有良好的扩展性、稳定性及准确性,可以很大程度上排除使用减速器的工业场合针对减速器的安全隐患;同时该平台提供自学习功能保存记录历史值及回溯分析可对点检人员的点检起到指导作用,大大减少了现场维护人员的日常工作量,提高了工作效率。
Description
技术领域
本发明属于工业监控技术领域,具体的说是涉及一种可广泛应用于利用减速器进行机械能传递进而驱动设备运转场合的减速器健康分析方法及其分析平台系统。
背景技术
减速器是原动机和工作机之间的独立的闭式传动装置,用来降低转速和增大转矩,以满足工作需要,在某些场合也用来增速,称为增速器。减速器主要由传动零件(齿轮或蜗杆)、轴、轴承、箱体及其附件所组成。
减速器伴随着各种规格的电机或驱动设备使用在众多工业现场,随着国家对于安全生产的重视程度越来越高,国家标准一再加强,而对于减速器的安全监测仍然停留在依赖于点检人员日常的经验检查,已远远不能满足需求,因此目前急需一种设备对减速器的健康状态进行监测和分析,通过数据分析建模给出日常维护指导与故障报警。
发明内容
鉴于已有技术存在的缺陷,本发明的目的是要提供一种减速器健康分析平台及其分析方法,用以解决目前对减速器运行状态的检测停留在依赖于点检人员日常的经验检查,不能满足现代技术发展需求的问题。
为了实现上述目的,本发明的技术方案:
一种减速器健康分析方法,包括:
(1)对受测减速器运行状态的振动信号进行采集,所述振动信号包含:减速器振动的加速度信号以及减速器温度信号,其中温度信号作为参考信号不参与数据处理;
(2)对采集到的振动信号进行数据预处理;
(3)预处理后的数据上传;
(4)对上传的数据进行二次处理并分析受测减速器健康状况。
所述的数据预处理包括分别对振动信号做可调时平均数据处理,求得平均值数据以及对振动信号做振动特征值数据处理,求得特征值数据。
所述可调时平均数据处理:根据减速器运行振动的波形状态,将减速器运行时间等分为若干个时间可调的时间段T,对该时间段T内采集的振动数据做平均处理,求得各个平均值数据。
所述振动特征值数据处理:采用对振动信号进行幅频处理的方法对减速器运行振动的特征进行数字化处理即做极值处理,求得特征值数据。
所述的对上传的数据进行二次处理包括:a、将预处理后两种数据进行快速傅里叶变换处理,所得的平均值FFT数据、特征值FFT数据作为二次处理的数据源;b、将所得的平均值FFT数据与特征值FFT数据分别进行平均值FFT数据与特征值FFT数据极值匹配算法处理、二维时域均值数据峭度分析算法处理以及三维FFT峭度分析算法处理并建立与之分别对应的三个减速器健康状态表,即当前采集健康状态表、二维时域健康状态表、三维频率健康状态表;c、利用这三个减速器健康状态表来综合评价一台减速器的健康状态。
所述当前健康状态表:采用平均值FFT数据与特征值FFT数据极值匹配算法:计算平均值FFT数据与特征值FFT数据的极值,并利用其各自极值的幅值和匹配关系,建立减速器健康状态的当前采集健康状态表,即建立当前健康状态曲线的过程。
所述匹配关系,即比较根据平均值FFT数据与特征值FFT数据绘制的两条曲线FFT幅值的极值是否在同一频率附近,匹配效果越好,说明出现故障的可能性越大。
所述二维时域健康状态表:依据每天采集的平均值FFT数据,通过峭度分析算法,得出二维时域平均值FFT数据的峭度值,按照时间顺序存储每天所计算出的峭度值,同时建立以时间为横轴,峭度值为纵轴的一定段时间内的减速器健康状态的“二维时域健康状态表”,即建立二维时域健康状态曲线的过程。
所述建立二维时域健康状态表的内涵是:找到二维时域健康状态表历史数据中平均值FFT数据低于当前平均值FFT数据中的峭度最大者,即减速机存在出现故障的可能性。
所述三维频率健康状态表:通过自学习功能,检测每一天的特征值FFT数据随时间变化的情况,按照时间顺序存储预设的采集频率下,特征值FFT数据的振幅数据值,并建立以频率值为X轴,时间值为Y轴,振幅值为Z轴,一定段时间内的减速器健康状态的“三维频率健康状态表”,其判断减速器的健康状态方式:如果存在某些频率的复制在时间上有加强趋势,就说明是该减速机设备存在老化过程或者某类故障的恶化过程。
所述自学习功能包含如下过程:
ⅰ、设备开始运行阶段自学习参数的采集,所述参数包括:设备的平均振幅、特征频率,将作为将来设备健康状态变化的数学模型的参数依据;
ⅱ、在设备运行过程中,以一定的时间段为单位,进行平均值FFT数据的峭度值的数据存储,同时以采集频率对应产生的振幅值进行数据存储,建立数据库;
ⅲ、对于二维时域均值的记录以及历史数据回溯分析,便于分析故障出现或者设备老化带来的平均值FFT数据的变化;
ⅳ、对于三维的特征值FFT数据的记录以及历史数据回溯分析,便于分析故障的出现或者设备老化带来的某些频率的幅值突变或者持续加强。
依据上述方法进行的分析的平台系统,包括:
用于采集受测减速器运行状态振动信号的采集单元;
与所述采集单元连接,用于将采集的数据进行预处理的传感器信号采集模块;
与所述传感器信号采集模块连接,用于接收预处理后的数据并上传至工控机的中继接口模块;
以及与所述工控接口连接,用于将接收到的数据进行二次处理并综合分析受测减速器运行状态的工控机。
所述的采集单元包括若干用于采集受测减速机加速度信号的加速度传感器以及用于采集受测减速机温度信号的温度传感器。
所述的工控机与中继接口模块一一对应进行使用。
所述系统还包括用于对若干工控机分析信息进行同时监控显示的局域网监控上位机以及用于存储各减速器一段时间内的自学习数据及历史数据的数据服务器。
与现有技术相比,本发明的有益效果:本发明专利具有良好的扩展性、稳定性及准确性,可以很大程度上排除使用减速器的工业场合针对减速器的安全隐患;同时该平台提供自学习功能保存记录历史值及回溯分析可对点检人员的点检起到指导作用,大大减少了现场维护人员的日常工作量,提高了工作效率。
附图说明
图1是本发明减速器健康分析平台的网络结构硬件拓扑图;
图2是本发明减速器健康分析平台的本地硬件拓扑图;
图3是本发明分析方法流程框图;
图4是本发明的“当前采集健康状态表”测试图;
图5是本发明的“二维时域健康状态表”测试图;
图6是本发明的“三维频率健康状态表”测试图。
具体实施方式
下面结合附图以及具体的实施例进一步说明本发明的技术方案:
如图1、2所示,本发明提供的减速器健康分析平台包含:由加速度传感器以及温度传感器组成的采集单元、传感器信号采集模块、中继接口模块、本地工控机、局域网监控上位机、数据服务器。
所述局域网监控上位机能够使得管理员可以在电控室直接调阅各个减速器健康状态表,不需逐个到本地工控机查看。
所述数据服务器能够存储各减速器一段时间内的自学习数据及历史数据。
如图3所示,本发明减速器健康分析平台实现过程:
振动信号的采集:通过安装于一台减速器的不同位置的加速度传感器对减速器运行状态进行机械振动信号采集,同时利用温度传感器采集减速器温度信号,且其中温度信号作为参考信号不参与数据处理;
振动信号的数据预处理:利用传感器信号采集模块的信号处理CPU对振动信号的数据分别进行可调时平均数据处理和振动特征值数据处理两种方式。
可调时平均数据处理:根据减速器运行振动的特点,采用时间窗口可调的振动数据平均化处理方法,完成对振动信号处理;振动特征值数据处理:采用对振动信号进行幅频处理的方法,对振动的特征进行数字化处理即做极值处理。所述可调时平均数据处理求得平均数据值,其曲线特征在低频段明显的反应振动信号特征;振动特征值数据处理求得特征值数据,其曲线特征在高频段明显的反应振动信号特征。
振动信号预处理数据的发送与接收:通过中继接口模块内的网络接口通过以太网将传感器信号采集模块处理后的数据上传至本地工控机内,发送与接收遵循网络通讯协议。
由本地工控机实现对振动信号数据的二次处理,主要分为:可调短时平均数据FFT处理、振动特征值数据的FFT处理、均值FFT与特征值FFT极值匹配算法;二维时域均值数据峭度分析算法;三维FFT峭度分析算法;参数自学习与储存;建立三个减速器健康状态表,并分表显示;温度参考显示。
建立三个减速器健康状态表:当前采集健康状态表、二维时域健康状态表、三维频率健康状态表。利用这三个表来综合评价一台减速器的健康状态,当出现不健康状态时将在上位机软件主界面显示报警指示与分析说明,且所建立的三个表均可通过上位机软件进行调阅。
建立当前健康状态表:短时平均数据FFT处理为平均数据的快速傅里叶变换方法,振动特征值数据的FFT处理为振动特征值数据的快速傅里叶变换方法,通过均值FFT与特征值FFT极值匹配算法对其各自极值的幅值和匹配关系进行计算,建立减速器健康状态的“当前采集健康状态表”,如图4,所述匹配关系,即比较根据平均值FFT数据与特征值FFT数据绘制的两条曲线FFT幅值的极值是否在同一频率附近,匹配效果越好,说明出现故障的可能性越大。
建立二维时域健康状态表:依据每天采集的平均值FFT数据,通过峭度分析算法,得出二维时域平均值FFT数据的峭度值,按照时间顺序存储每天所计算出的峭度值,同时建立以时间为横轴,峭度值为纵轴的一定段时间内的减速器健康状态的“二维时域健康状态表”,即建立二维时域健康状态曲线的过程。如图5,所述建立二维时域健康状态表的内涵是:找到二维时域健康状态表历史数据中平均值FFT数据低于当前平均值FFT数据中的峭度最大者,即减速机存在出现故障的可能性。
建立三维频率健康状态表:通过自学习功能,检测每一天的特征值FFT数据随时间变化的情况,按照时间顺序存储预设的采集频率下,特征值FFT数据的振幅数据值,并建立以频率值为X轴,时间值为Y轴,振幅值为Z轴,一定段时间内的减速器健康状态的“三维频率健康状态表”。如图6所示,其判断减速器的健康状态方式:如果存在某些频率的复制在时间上有加强趋势,就说明是该减速机设备存在老化过程或者某类故障的恶化过程。
所述自学习功能包含如下过程:
ⅰ、设备开始运行阶段自学习参数的采集,所述参数包括:设备的平均振幅、特征频率,将作为将来设备健康状态变化的数学模型的参数依据;
ⅱ、在设备运行过程中,以一定的时间段为单位,进行平均值FFT数据峭度值的数据存储,同时以采集频率对应产生的振幅值进行数据存储,建立数据库;
ⅲ、对于二维时域均值的记录以及历史数据回溯分析,便于分析故障出现或者设备老化带来的平均值FFT数据的变化;
ⅳ、对于三维的特征值FFT数据的记录以及历史数据回溯分析,便于分析故障的出现或者设备老化带来的某些频率的幅值突变或者持续加强。
下面以起重机行业现场应用为例解释说明该发明的具体实施方式。
起重机行业的电控系统主要包括:操控室,配电,主起升,副起升,大车,小车等控制系统;运行方式又存在单电机运行,双电机运行以及四电机运行的情况。以主起双电机、副起单电机、小车单电机、大车四电机运行方式为例,则一台行车共计需要检测8台减速器。
对于一台行车来说,可建立一个本地减速器健康分析平台,硬件结构如图2;若存在多台此类型行车需要检测,则可建立一个局域网式减速器健康分析平台,硬件结构如图1。以下针对本地减速器分析平台对一台减速器健康状态的分析与监测进行实施例的说明。
将8路加速度传感器和1路温度传感器安装在所监测的减速器上,通过传感器信号采集模块对信号进行预处理并上传至工控机,进行数据二次处理。
上位机通过可调短时平均数据FFT处理、振动特征值数据的FFT处理、均值FFT与特征值FFT极值匹配算法;二维时域均值数据峭度分析算法;三维FFT峭度分析算法建立三个减速器健康状态表:当前采集健康状态表、二维时域健康状态表、三维频率健康状态表。并利用这三个表来综合评价一台减速器的健康状态,当出现不健康状态时将在上位机主界面显示报警。
图4、图5、图6即为对一台减速器一段时间测试时生成的三个健康状态表。图4中上面的曲线为振动特征值FFT,下面的曲线为可调短时平均值FFT,可看出存在同一频率附近两条FFT幅值曲线均出现极值点,从此表所示可得到该台减速器存在机械故障。从图6中可以看出在79-85Hz,91-97Hz频率的幅值在时间上有加强的趋势,即说明在这种情况下,是设备的老化过程或者某类故障的恶化过程。
上位机将根据健康状态表情况输出减速器故障报警指示,与故障分析说明。
本平台良好的扩展性、稳定性及准确性可以很大程度上排除使用减速器的工业场合针对减速器的安全隐患;同时该平台提供自学习功能保存记录历史值及回溯分析可对点检人员的点检起到指导作用,大大减少了现场维护人员的日常工作量,提高了工作效率。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种减速器健康分析方法,其特征在于:包括:
(1)对受测减速器运行状态的振动信号进行采集,所述振动信号包含:减速器振动的加速度信号以及减速器温度信号,其中温度信号作为参考信号不参与数据处理;
(2)对采集到的振动信号进行数据预处理,所述数据预处理包括分别对振动信号做可调时平均数据处理,求得平均值数据以及对振动信号做振动特征值数据处理,求得特征值数据;
(3)预处理后的数据上传;
(4)对上传的数据进行二次处理并分析受测减速器健康状况;所述的上传的数据进行二次处理包括:a、将预处理后两种数据进行快速傅里叶变换处理,所得的平均值FFT数据、特征值FFT数据作为二次处理的数据源;b、将所得的平均值FFT数据与特征值FFT数据分别进行平均值FFT数据与特征值FFT数据极值匹配算法处理、二维时域均值数据峭度分析算法处理以及三维FFT峭度分析算法处理并建立与之分别对应的三个减速器健康状态表,即当前采集健康状态表、二维时域健康状态表、三维频率健康状态表;c、利用这三个减速器健康状态表来综合评价一台减速器的健康状态。
2.根据权利要求1所述的分析方法,其特征在于:所述可调时平均数据处理:根据减速器运行振动的波形状态,将减速器运行时间等分为若干个时间可调的时间段T,对该时间段T内采集的振动数据做平均处理,求得各个平均值数据;所述振动特征值数据处理:采用对振动信号进行幅频处理的方法对减速器运行振动的特征进行数字化处理即做极值处理,求得特征值数据。
3.根据权利要求1所述的分析方法,其特征在于:所述当前健康状态表:采用平均值FFT数据与特征值FFT数据极值匹配算法,计算平均值FFT数据与特征值FFT数据的极值,并利用其各自极值的幅值和匹配关系,建立减速器健康状态的当前采集健康状态表,即建立当前健康状态曲线的过程。
4.根据权利要求3所述的分析方法,其特征在于:所述匹配关系,即比较根据平均值FFT数据与特征值FFT数据绘制的两条曲线FFT幅值的极值是否在同一频率附近,匹配效果越好,说明出现故障的可能性越大。
5.根据权利要求3所述的分析方法,其特征在于:所述二维时域健康状态表:依据每天采集的平均值FFT数据,通过峭度分析算法,得出二维时域平均值FFT数据的峭度值,按照时间顺序存储每天所计算出的峭度值,同时建立以时间为横轴,峭度值为纵轴的一定段时间内的减速器健康状态的“二维时域健康状态表”,即建立二维时域健康状态曲线的过程,建立所述二维时域健康状态表的内涵是:找到二维时域健康状态表历史数据中平均值FFT数据低于当前平均值FFT数据中的峭度最大者,即减速机存在出现故障的可能性。
6.根据权利要求4所述的分析方法,其特征在于:所述三维频率健康状态表:通过自学习功能,检测每一天的特征值FFT数据随时间变化的情况,按照时间顺序存储预设的采集频率下,特征值FFT数据的振幅数据值,并建立以频率值为X轴,时间值为Y轴,振幅值为Z轴,一定段时间内的减速器健康状态的“三维频率健康状态表”,其判断减速器的健康状态方式:如果存在某些频率的复制在时间上有加强趋势,就说明是该减速机设备存在老化过程或者某类故障的恶化过程。
7.根据权利要求6所述的分析方法,其特征在于:所述自学习功能包含如下过程:
ⅰ、设备开始运行阶段自学习参数的采集,所述参数包括:设备的平均振幅、特征频率,将作为将来设备健康状态变化的数学模型的参数依据;
ⅱ、在设备运行过程中,以一定的时间段为单位,进行平均值FFT数据的峭度值的数据存储,同时以采集频率对应产生的振幅值进行数据存储,建立数据库;
ⅲ、对于二维时域均值的记录以及历史数据回溯分析,便于分析故障出现或者设备老化带来的平均值FFT数据的变化;
ⅳ、对于三维的特征值FFT数据的记录以及历史数据回溯分析,便于分析故障的出现或者设备老化带来的某些频率的幅值突变或者持续加强。
8.一种根据权利要求1所述的方法进行分析的平台系统,其特征在于:包括:
用于采集受测减速器运行状态振动信号的采集单元;
与所述采集单元连接,用于将采集的数据进行预处理的传感器信号采集模块;
与所述传感器信号采集模块连接,用于接收预处理后的数据并上传至工控机的中继接口模块;
以及与所述工控接口连接,用于将接收到的数据进行二次处理并综合分析受测减速器运行状态的工控机,所述的工控机与中继接口模块一一对应进行使用。
9.一种根据权利要求8所述的平台系统,其特征在于:所述的采集单元包括若干用于采集受测减速机加速度信号的加速度传感器以及用于采集受测减速机温度信号的温度传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310363092.5A CN103398846B (zh) | 2013-08-16 | 2013-08-16 | 一种减速器健康分析方法及其分析平台系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310363092.5A CN103398846B (zh) | 2013-08-16 | 2013-08-16 | 一种减速器健康分析方法及其分析平台系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103398846A CN103398846A (zh) | 2013-11-20 |
CN103398846B true CN103398846B (zh) | 2016-06-22 |
Family
ID=49562514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310363092.5A Active CN103398846B (zh) | 2013-08-16 | 2013-08-16 | 一种减速器健康分析方法及其分析平台系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103398846B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103671839A (zh) * | 2013-12-19 | 2014-03-26 | 沃德(天津)传动有限公司 | 一种减速机及其监测系统 |
CN110236524B (zh) * | 2019-06-17 | 2021-12-28 | 深圳市善行医疗科技有限公司 | 一种女性生理周期的监测方法、装置及终端 |
CN111623105B (zh) * | 2019-06-26 | 2023-12-29 | 东莞先知大数据有限公司 | 一种工业机器人rv减速器健康程度量化评价方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0442020A1 (en) * | 1988-03-21 | 1991-08-21 | Monitoring Technology Corporation | Method and apparatus for detecting gear defects |
JPH10176949A (ja) * | 1996-12-10 | 1998-06-30 | Caterpillar Inc | ニューラルネットワーク処理振動データ分析を用いる機械部品試験装置および方法 |
CN101113936A (zh) * | 2007-07-20 | 2008-01-30 | 广州市计量检测技术研究院 | 一种虚拟振动台检测信号处理方法及其设备 |
CN101135601A (zh) * | 2007-10-18 | 2008-03-05 | 北京英华达电力电子工程科技有限公司 | 一种旋转机械振动故障诊断装置及方法 |
CN101271018A (zh) * | 2007-03-22 | 2008-09-24 | 克门塔斯特仪器有限公司 | 振动信号处理的方法和系统 |
CN102288286A (zh) * | 2011-06-16 | 2011-12-21 | 中国科学院沈阳自动化研究所 | 一种振动加速度传感器齿轮箱测点精度分析与评价方法 |
CN102759448A (zh) * | 2012-06-26 | 2012-10-31 | 西安瑞特快速制造工程研究有限公司 | 基于柔性时域平均的齿轮箱故障检测方法 |
CN102768115A (zh) * | 2012-06-27 | 2012-11-07 | 华北电力大学 | 一种风电机组齿轮箱健康状态实时动态监控方法 |
-
2013
- 2013-08-16 CN CN201310363092.5A patent/CN103398846B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0442020A1 (en) * | 1988-03-21 | 1991-08-21 | Monitoring Technology Corporation | Method and apparatus for detecting gear defects |
JPH10176949A (ja) * | 1996-12-10 | 1998-06-30 | Caterpillar Inc | ニューラルネットワーク処理振動データ分析を用いる機械部品試験装置および方法 |
CN101271018A (zh) * | 2007-03-22 | 2008-09-24 | 克门塔斯特仪器有限公司 | 振动信号处理的方法和系统 |
CN101113936A (zh) * | 2007-07-20 | 2008-01-30 | 广州市计量检测技术研究院 | 一种虚拟振动台检测信号处理方法及其设备 |
CN101135601A (zh) * | 2007-10-18 | 2008-03-05 | 北京英华达电力电子工程科技有限公司 | 一种旋转机械振动故障诊断装置及方法 |
CN102288286A (zh) * | 2011-06-16 | 2011-12-21 | 中国科学院沈阳自动化研究所 | 一种振动加速度传感器齿轮箱测点精度分析与评价方法 |
CN102759448A (zh) * | 2012-06-26 | 2012-10-31 | 西安瑞特快速制造工程研究有限公司 | 基于柔性时域平均的齿轮箱故障检测方法 |
CN102768115A (zh) * | 2012-06-27 | 2012-11-07 | 华北电力大学 | 一种风电机组齿轮箱健康状态实时动态监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103398846A (zh) | 2013-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102608452B (zh) | 高速列车设备状态及电能质量监测系统与方法 | |
CN109724785A (zh) | 一种基于多源信息融合的刀具状态监测及寿命预测系统 | |
CN103913193A (zh) | 一种基于工业无线技术的设备故障预维护方法 | |
CN103604622B (zh) | 一种风电机组在线监测即时报警与故障诊断系统 | |
CN103398846B (zh) | 一种减速器健康分析方法及其分析平台系统 | |
CN202676203U (zh) | 大型泵站状态监测与诊断及能效管理装置 | |
CN103884506A (zh) | 基于无线网的生产设备在线监测及故障诊断系统及方法 | |
CN209485669U (zh) | 一种滚刀信息监测装置 | |
CN103513180A (zh) | 电机运行状态监测和故障检测系统 | |
CN105334460A (zh) | 基于噪声与振动分析的机器运行状态在线监测分析系统 | |
CN103884371A (zh) | 基于wia-pa无线振动仪表的故障诊断装置及方法 | |
CN102435672B (zh) | 一种检测台及利用这种检测台的航天电子设备多余物自动检测装置及检测方法 | |
CN109034076A (zh) | 一种机械故障信号的自动聚类方法及自动聚类系统 | |
CN103234746A (zh) | 一种风电机组齿轮箱在线故障诊断装置及方法 | |
CN104326360B (zh) | 门座式起重机全息检测方法 | |
CN104678957A (zh) | 一种井场设备的监控方法 | |
CN108089560A (zh) | 一种闸门和启闭机实时在线监测及运行安全管理系统及其实现方法 | |
CN208751840U (zh) | 一种机泵健康监测与故障诊断系统 | |
CN107559153A (zh) | 一种双馈风电机组叶轮不平衡检测系统 | |
CN203163988U (zh) | 一种风电机组齿轮箱在线故障诊断装置 | |
CN103346906B (zh) | 一种基于云计算的智能运维方法及系统 | |
CN202091172U (zh) | 气体压缩机状态监测和可靠性分析装置 | |
CN102928211A (zh) | 一种高速旋转器件故障诊断装置及其诊断方法 | |
CN101936812B (zh) | 装甲车发动机工作状态检测方法 | |
CN202854810U (zh) | 一种桥梁结构健康监测疲劳分析模块 |
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 |