CN103769425A - 减定径机振动状态在线监测方法 - Google Patents

减定径机振动状态在线监测方法 Download PDF

Info

Publication number
CN103769425A
CN103769425A CN201210414707.8A CN201210414707A CN103769425A CN 103769425 A CN103769425 A CN 103769425A CN 201210414707 A CN201210414707 A CN 201210414707A CN 103769425 A CN103769425 A CN 103769425A
Authority
CN
China
Prior art keywords
frequency
bearing
vibration
sizing mill
gmf
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.)
Pending
Application number
CN201210414707.8A
Other languages
English (en)
Inventor
蔡正国
王志浩
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
Original Assignee
Shanghai Baosteel Industry Technological Service Co Ltd
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 Technological Service Co Ltd filed Critical Shanghai Baosteel Industry Technological Service Co Ltd
Priority to CN201210414707.8A priority Critical patent/CN103769425A/zh
Publication of CN103769425A publication Critical patent/CN103769425A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明公开了一种减定径机振动状态在线监测方法,即利用振动传感器获取减定径机复合齿轮箱和辊箱各轧辊轴承的振动信号,采用分类指标监测轴承各零部件、轴系对中、齿轮表面、齿轮拟合等状况,并设定相应的故障因子,从而判断减定径机运行状态的劣化趋势,避免因减定径机复合齿轮箱轴承和辊箱轴承零部件故障、联轴器安装及轴系对中不良、齿轮表面故障以及齿面啮合状态异常等导致的设备非计划停机,支撑高速线材生产线的正常生产。本方法可实时监测减定径机的运行状态,及时发现减定径机复合齿轮箱和输出辊箱的各类缺陷,避免了人工监测的缺陷及设备故障的扩大,保证了设备的正常运行。

Description

减定径机振动状态在线监测方法
技术领域
本发明涉及一种减定径机振动状态在线监测方法。
背景技术
减定径机是高速线材的关键设备,用于对线材尺寸精度、表面质量、机械性能等的轧制处理,提高高速线材轧机生产作业率并满足用户对线材的要求,其具有水箱自动控制冷却、变速范围大、低温轧制以及系统集成化程度高等特点。一般减定径机由一台交流电机驱动,通过联轴器连接若干变速箱,得到多个档位供轧制工艺选择不同的速比。减定径机变速箱为双层复合齿轮箱,四轴输出至辊箱,具有机械结构复杂、工作转速高的特点,这对设备运行和维护都存在着极大困难。通常设备维护方式依靠人工测量和观察的方法进行点检和故障判断,往往不能及时发现设备隐患,以致于设备故障扩大,极易造成恶性设备事故。因此,建立减定径机的振动状态在线监测方法具有重要意义。    
发明内容
本发明所要解决的技术问题是提供一种减定径机振动状态在线监测方法,利用本方法可实时监测减定径机的运行状态,及时发现减定径机复合齿轮箱和输出辊箱的各类缺陷,避免了人工监测的缺陷及设备故障的扩大,保证了设备的正常运行。
为解决上述技术问题,本发明减定径机振动状态在线监测方法包括如下步骤:
步骤一、在减定径机的复合齿轮箱、辊箱各轧辊的各轴承座上设置用于输出振动信号的振动传感器,采集振动传感器的输出信号Yi并对该原始输出信号Yi作频谱分析,提取减定径机的特征信号;
步骤二、轴承故障表现在不寻常振动级值有冲击,轴承各零部件的振动特征频率与轴承参数的关系为:
轴承外环振动频谱                                               
Figure 2012104147078100002DEST_PATH_IMAGE002
                   (1)
轴承内环振动频谱
Figure 2012104147078100002DEST_PATH_IMAGE004
                      (2)
轴承滚动体振动频谱             (3)
轴承保持架振动频谱
Figure 2012104147078100002DEST_PATH_IMAGE008
    (4) 
式中:n为滚动体数、
Figure 2012104147078100002DEST_PATH_IMAGE010
为内外环相对转速频率、d为滚动体直径、D为节圆直径、α为滚动体与轨道面的接触角;
步骤三、设定轴承故障因子,轴承内环故障因子B1、轴承外环故障因子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 2012104147078100002DEST_PATH_IMAGE012
                       (5)
Figure 2012104147078100002DEST_PATH_IMAGE014
                      (6)
Figure 2012104147078100002DEST_PATH_IMAGE016
                       (7)
Figure 255337DEST_PATH_IMAGE016
                       (8)
式中Afi、Ufi分别为轴承内环振动频谱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分别为轴承外环振动频谱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、设定轴承内环、轴承外环、轴承滚动体和轴承保持架故障因子的报警值分别为Bs1 、Bs2 、Bs3 和Bs4,监测轴承故障因子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复合齿轮箱和辊箱输入轴、输出轴轴承座的振动传感器原始输出信号Yi,对该输出信号Yi经振动频谱分析快速傅里叶变换分别取得对应轴系的1倍频转动频率、2倍频转动频率、3倍频转动频率和4倍频转动频率处的振动幅值分量Xi(t),i取1、2、3和4,则该测点的总振动值为:
Figure 2012104147078100002DEST_PATH_IMAGE018
                          (9)
分别监测X2(t)和X4(t)与
Figure 2012104147078100002DEST_PATH_IMAGE020
的比值,当该比值大于20%时,在线监测系统预报联轴器所在轴系对中状态不良;
步骤六、对于经步骤一采集的复合齿轮箱和辊箱各对齿轮轴承座的振动传感器原始输出信号Yi,对该输出信号Yi经振动频谱分析快速傅里叶变换分别取得对应轴系的1倍频转动频率,则传动系统齿轮的啮合频率GMF为轴的1倍频转动频率与该轴上齿轮齿数Z的乘积,
 监测传动系统齿轮的啮合状态选择频率范围为:1×GMF ~ 3.25×GMF,
其中1×GMF表示齿轮的啮和频率,3.25×GMF表示齿轮啮合频率的3.25倍; 
对该输出信号Yi经振动频谱分析快速傅里叶变换分别取得对应轴系的1×GMF、2×GMF、3×GMF频率处的振动幅值分量M(i), W(i)分别为振动频谱在i×GMF处的正负5%范围内振动值的加权平均值,i取1、2、和3,
则齿轮表面良好程度系数为:
                          (10)
当H(i)比值小于80%时,在线监测系统预报齿轮表面异常;
分别监测W=W(1)+W(2)+W(3)与
Figure 234794DEST_PATH_IMAGE020
的比值,当该比值大于30%时,在线监测系统预报齿面啮合异常。    
由于本发明减定径机振动状态在线监测方法采用了上述技术方案,即利用振动传感器获取减定径机复合齿轮箱和辊箱各轧辊轴承的振动信号,采用分类指标监测轴承各零部件、轴系对中、齿轮表面、齿轮拟合等状况,并设定相应的故障因子,从而判断减定径机运行状态的劣化趋势,避免因减定径机复合齿轮箱轴承和辊箱轴承零部件故障、联轴器安装及轴系对中不良、齿轮表面故障以及齿面啮合状态异常等导致的设备非计划停机,支撑高速线材生产线的正常生产。本方法可实时监测减定径机的运行状态,及时发现减定径机复合齿轮箱和输出辊箱的各类缺陷,避免了人工监测的缺陷及设备故障的扩大,保证了设备的正常运行。
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为本发明减定径机振动状态在线监测方法的流程图。
具体实施方式
如图1所示,本减定径机振动状态在线监测方法包括如下步骤:
步骤一、在减定径机的复合齿轮箱、辊箱各轧辊的各轴承座上设置用于输出振动信号的振动传感器,采集振动传感器的输出信号Yi并对该原始输出信号Yi作频谱分析,提取减定径机的特征信号;
步骤二、轴承故障表现在不寻常振动级值有冲击,轴承各零部件的振动特征频率与轴承参数的关系为:
轴承外环振动频谱
Figure 545690DEST_PATH_IMAGE002
                   (1)
轴承内环振动频谱
Figure 472058DEST_PATH_IMAGE004
                      (2)
轴承滚动体振动频谱             (3)
轴承保持架振动频谱
Figure 640051DEST_PATH_IMAGE008
    (4) 
式中:n为滚动体数、
Figure 438242DEST_PATH_IMAGE010
为内外环相对转速频率、d为滚动体直径、D为节圆直径、α为滚动体与轨道面的接触角;
步骤三、设定轴承故障因子,轴承内环故障因子B1、轴承外环故障因子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 637143DEST_PATH_IMAGE012
                       (5)
                      (6)
Figure 830544DEST_PATH_IMAGE016
                       (7)
Figure 116031DEST_PATH_IMAGE016
                       (8)
式中Afi、Ufi分别为轴承内环振动频谱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分别为轴承外环振动频谱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、设定轴承内环、轴承外环、轴承滚动体和轴承保持架故障因子的报警值分别为Bs1 、Bs2 、Bs3 和Bs4,监测轴承故障因子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复合齿轮箱和辊箱输入轴、输出轴轴承座的振动传感器原始输出信号Yi,对该输出信号Yi经振动频谱分析快速傅里叶变换分别取得对应轴系的1倍频转动频率、2倍频转动频率、3倍频转动频率和4倍频转动频率处的振动幅值分量Xi(t),i取1、2、3和4,则该测点的总振动值为:
Figure 384202DEST_PATH_IMAGE018
                          (9)
总振动值不同于在特定频率下的振动,它是不考虑任何频率的所有振动的总和;
分别监测X2(t)和X4(t)与
Figure 907587DEST_PATH_IMAGE020
的比值,当该比值大于20%时,在线监测系统预报联轴器所在轴系对中状态不良;X2(t)和X4(t)与
Figure 868590DEST_PATH_IMAGE020
的比值体现了联轴器所在轴系不对中的指标;
步骤六、对于经步骤一采集的复合齿轮箱和辊箱各对齿轮轴承座的振动传感器原始输出信号Yi,对该输出信号Yi经振动频谱分析快速傅里叶变换分别取得对应轴系的1倍频转动频率,则传动系统齿轮的啮合频率GMF为轴的1倍频转动频率与该轴上齿轮齿数Z的乘积,
 监测传动系统齿轮的啮合状态选择频率范围为:1×GMF ~ 3.25×GMF,
其中1×GMF表示齿轮的啮和频率,3.25×GMF表示齿轮啮合频率的3.25倍;
 通常频带报警是将整个频率范围分为几个有意义的频带进行监测和跟踪,实际上是对频谱的简化,将数百个数据简化成几个数据,并每个频带数据设置报警值,当报警产生时便能判断设备状态异常的性质。选取齿轮啮合频率(1×GMF、2×GMF、3×GMF)附近的频带作为监测对象,将特征频率处的振动峰值与选定频带内的振动加权值进行运算,用于监测齿轮表面状态。
对该输出信号Yi经振动频谱分析快速傅里叶变换分别取得对应轴系的1×GMF、2×GMF、3×GMF频率处的振动幅值分量M(i), W(i)分别为振动频谱在i×GMF处的正负5%范围内振动值的加权平均值,i取1、2、和3,
则齿轮表面良好程度系数为:
Figure 110215DEST_PATH_IMAGE022
                          (10)
当H(i)比值小于80%时,在线监测系统预报齿轮表面异常;
分别监测W=W(1)+W(2)+W(3)与
Figure 928216DEST_PATH_IMAGE020
的比值,当该比值大于30%时,在线监测系统预报齿面啮合异常。W与
Figure 102845DEST_PATH_IMAGE020
的比值体现了齿面啮合的状态系数。
本方法提出了减定径机振动运行状态的在线监测解决方案,采用振动加速度传感器实现减定径机振动的信号采集,通过信号重构获得减定径机振动状态的特征参数,实现减定径机状态的在线监测;同时利用分类指标技术把握减定径机复合齿轮箱和辊箱本体运行状态劣化趋势,当分类指标异常时,在线系统提供报警信息,指导操作和设备管理人员采取应对措施。
本方法应用于减定径机振动状态在线监测后,某厂减定径机复合齿轮箱输出轴的输出侧轴承振动值有所增加,之后出现报警,并且振动冲击能量值增加迅速,经本方法判断认为此点轴承存在缺陷,将轧制速度逐渐从108m/s降速到105m/s,最终至100m/s,避免了故障的进一步扩大。在复合齿轮箱解体后发现轴承内外环包括滚动体均有剥落,保持架发生多处断裂,轴承内外环承受轴向力的对角方向有疲劳剥落,轴承内环上有近1/2周长的剥落,从而对设备检修起到了指导作用。

Claims (1)

1.一种减定径机振动状态在线监测方法,其特征在于本方法包括如下步骤:
步骤一、在减定径机的复合齿轮箱、辊箱各轧辊的各轴承座上设置用于输出振动信号的振动传感器,采集振动传感器的输出信号Yi并对该原始输出信号Yi作频谱分析,提取减定径机的特征信号;
步骤二、轴承故障表现在不寻常振动级值有冲击,轴承各零部件的振动特征频率与轴承参数的关系为:
轴承外环振动频谱                                               
Figure DEST_PATH_IMAGE002
                   (1)
轴承内环振动频谱
Figure DEST_PATH_IMAGE004
                      (2)
轴承滚动体振动频谱
Figure DEST_PATH_IMAGE006
             (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
为内外环相对转速频率、d为滚动体直径、D为节圆直径、α为滚动体与轨道面的接触角;
步骤三、设定轴承故障因子,轴承内环故障因子B1、轴承外环故障因子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)
                       (8)
式中Afi、Ufi分别为轴承内环振动频谱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分别为轴承外环振动频谱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、设定轴承内环、轴承外环、轴承滚动体和轴承保持架故障因子的报警值分别为Bs1 、Bs2 、Bs3 和Bs4,监测轴承故障因子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复合齿轮箱和辊箱输入轴、输出轴轴承座的振动传感器原始输出信号Yi,对该输出信号Yi经振动频谱分析快速傅里叶变换分别取得对应轴系的1倍频转动频率、2倍频转动频率、3倍频转动频率和4倍频转动频率处的振动幅值分量Xi(t),i取1、2、3和4,则该测点的总振动值为:
Figure DEST_PATH_IMAGE018
                          (9) 
分别监测X2(t)和X4(t)与
Figure DEST_PATH_IMAGE020
的比值,当该比值大于20%时,在线监测系统预报联轴器所在轴系对中状态不良;
步骤六、对于经步骤一采集的复合齿轮箱和辊箱各对齿轮轴承座的振动传感器原始输出信号Yi,对该输出信号Yi经振动频谱分析快速傅里叶变换分别取得对应轴系的1倍频转动频率,则传动系统齿轮的啮合频率GMF为轴的1倍频转动频率与该轴上齿轮齿数Z的乘积,
监测传动系统齿轮的啮合状态选择频率范围为:1×GMF ~ 3.25×GMF,
其中1×GMF表示齿轮的啮和频率,3.25×GMF表示齿轮啮合频率的3.25倍; 
对该输出信号Yi经振动频谱分析快速傅里叶变换分别取得对应轴系的1×GMF、2×GMF、3×GMF频率处的振动幅值分量M(i), W(i)分别为振动频谱在i×GMF处的正负5%范围内振动值的加权平均值,i取1、2、和3,
则齿轮表面良好程度系数为:
Figure DEST_PATH_IMAGE022
                          (10)
当H(i)比值小于80%时,在线监测系统预报齿轮表面异常;
分别监测W=W(1)+W(2)+W(3)与
Figure 994479DEST_PATH_IMAGE020
的比值,当该比值大于30%时,在线监测系统预报齿面啮合异常。
CN201210414707.8A 2012-10-26 2012-10-26 减定径机振动状态在线监测方法 Pending CN103769425A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210414707.8A CN103769425A (zh) 2012-10-26 2012-10-26 减定径机振动状态在线监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210414707.8A CN103769425A (zh) 2012-10-26 2012-10-26 减定径机振动状态在线监测方法

Publications (1)

Publication Number Publication Date
CN103769425A true CN103769425A (zh) 2014-05-07

Family

ID=50562446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210414707.8A Pending CN103769425A (zh) 2012-10-26 2012-10-26 减定径机振动状态在线监测方法

Country Status (1)

Country Link
CN (1) CN103769425A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020707A (zh) * 2014-06-11 2014-09-03 攀钢集团成都钢钒有限公司 热轧无缝钢张力定减径机的监控系统和方法
CN105478492A (zh) * 2014-09-18 2016-04-13 宁波宝新不锈钢有限公司 轧机轧制参数监测测点的确定方法及其轧机参数测量装置的布置结构
CN109909306A (zh) * 2019-03-11 2019-06-21 北京首钢自动化信息技术有限公司 一种酸轧设备在线监测与劣化趋势智能预警的监控方法
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
CN110369520A (zh) * 2019-06-12 2019-10-25 无锡市瑞尔精密机械有限公司 定径机振动监测方法
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
CN111530964A (zh) * 2020-05-09 2020-08-14 攀钢集团攀枝花钢钒有限公司 热卷箱下弯曲辊运行故障提前预判方法
CN113280910A (zh) * 2021-04-27 2021-08-20 圣名科技(广州)有限责任公司 一种长材生产线设备实时监测方法及系统
CN115301731A (zh) * 2022-08-12 2022-11-08 索罗曼(常州)合金新材料有限公司 一种大尺寸钛合金棒材的螺线圆锥辊等距轧制方法

Citations (5)

* 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
CN101452276A (zh) * 2007-12-04 2009-06-10 上海宝钢工业检测公司 冷轧酸洗拉矫机齿轮箱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
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

Patent Citations (5)

* 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
CN101452276A (zh) * 2007-12-04 2009-06-10 上海宝钢工业检测公司 冷轧酸洗拉矫机齿轮箱运行状态的在线监测方法
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
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

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020707A (zh) * 2014-06-11 2014-09-03 攀钢集团成都钢钒有限公司 热轧无缝钢张力定减径机的监控系统和方法
CN104020707B (zh) * 2014-06-11 2016-06-08 攀钢集团成都钢钒有限公司 热轧无缝钢张力定减径机的监控系统和方法
CN105478492A (zh) * 2014-09-18 2016-04-13 宁波宝新不锈钢有限公司 轧机轧制参数监测测点的确定方法及其轧机参数测量装置的布置结构
CN105478492B (zh) * 2014-09-18 2018-07-17 宁波宝新不锈钢有限公司 轧机轧制参数监测测点的确定方法及其轧机参数测量装置的布置结构
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
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
CN109909306B (zh) * 2019-03-11 2020-08-21 北京首钢自动化信息技术有限公司 一种酸轧设备在线监测与劣化趋势智能预警的监控方法
CN109909306A (zh) * 2019-03-11 2019-06-21 北京首钢自动化信息技术有限公司 一种酸轧设备在线监测与劣化趋势智能预警的监控方法
CN110369520A (zh) * 2019-06-12 2019-10-25 无锡市瑞尔精密机械有限公司 定径机振动监测方法
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
CN111530964A (zh) * 2020-05-09 2020-08-14 攀钢集团攀枝花钢钒有限公司 热卷箱下弯曲辊运行故障提前预判方法
CN113280910A (zh) * 2021-04-27 2021-08-20 圣名科技(广州)有限责任公司 一种长材生产线设备实时监测方法及系统
CN115301731A (zh) * 2022-08-12 2022-11-08 索罗曼(常州)合金新材料有限公司 一种大尺寸钛合金棒材的螺线圆锥辊等距轧制方法
CN115301731B (zh) * 2022-08-12 2023-10-31 索罗曼(常州)合金新材料有限公司 一种大尺寸钛合金棒材的螺线圆锥辊等距轧制方法

Similar Documents

Publication Publication Date Title
CN103769425A (zh) 减定径机振动状态在线监测方法
Crabtree et al. Detecting incipient wind turbine gearbox failure: a signal analysis method for on-line condition monitoring
KR101764540B1 (ko) 풍력발전기 진동 상태감시 및 진단 시스템
Feng et al. Use of SCADA and CMS signals for failure detection and diagnosis of a wind turbine gearbox
Feng et al. Monitoring wind turbine gearboxes
Elasha et al. Application of acoustic emission in diagnostic of bearing faults within a helicopter gearbox
Zappalá et al. Side‐band algorithm for automatic wind turbine gearbox fault detection and diagnosis
CN102507186B (zh) 一种基于特色参数的行星齿轮箱状态监测与故障辨识方法
Biswal et al. Design and development of a wind turbine test rig for condition monitoring studies
US9459179B2 (en) Method and device for monitoring a drive train of a wind power plant
US20120025526A1 (en) System and method for monitoring wind turbine gearbox health and performance
CN103134676A (zh) 齿轮箱运行状态的在线监测预警方法
Lu et al. Condition monitoring and fault diagnostics of wind turbines
CN102441579B (zh) 热连轧轧机运行状态的在线监测方法
DE102012015654A1 (de) Verfahren und Vorrichtung zur Erkennung und Überwachung des Zustands von Baugruppen und Komponenten.
AU2012228479A1 (en) Wear-monitoring of a gearbox in a power station
CN103140672A (zh) 在风力发电厂中执行状况监测的方法
CN105179179A (zh) 一种风力发电机组的全状态监测方法和系统
CN104275351A (zh) 高速线材精轧机振动状态在线监测方法
CN101452276B (zh) 冷轧酸洗拉矫机齿轮箱运行状态的在线监测方法
Son et al. An experimental study on the fault diagnosis of wind turbines through a condition monitoring system
De Azevedo et al. Vibration monitoring, fault detection, and bearings replacement of a real wind turbine
Wiggelinkhuizen et al. CONMOW: Condition monitoring for offshore wind farms
Aziz et al. General review of fault diagnostic in wind turbines
JP6714844B2 (ja) 異常診断方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140507

WD01 Invention patent application deemed withdrawn after publication