CN104535323B - 一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法 - Google Patents
一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法 Download PDFInfo
- Publication number
- CN104535323B CN104535323B CN201510014049.7A CN201510014049A CN104535323B CN 104535323 B CN104535323 B CN 104535323B CN 201510014049 A CN201510014049 A CN 201510014049A CN 104535323 B CN104535323 B CN 104535323B
- Authority
- CN
- China
- Prior art keywords
- fault
- domain
- bearing
- acceleration
- frequency
- 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)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法,属于轴承测试技术领域。本方法首先对采集到的机车轮对轴承的振动加速度信号在时域和频域内进行分析,判断出轴承是否处于故障状态以及故障的具体部位,然后再开创性的对振动加速度进行角域分析,进而得到故障的定量分析数据,以便于对故障的严重程度有所掌握并对下一步的故障监测提供基础数据。本发明采用时域、频域和角域相结合的分析方法,可以准确提供轴承有无故障、故障类型和故障严重程度等信息,特别是开创性的提出了角域故障诊断方法,对故障发展程度有了准确的监测方式,为后续的故障处理提供了更加丰富的参考数据。
Description
技术领域
本发明属于轴承测试技术领域。
背景技术
目前,旋转机械故障诊断方法日益成熟,如油液分析法、超声波探伤法、铁谱分析法、温度检测法、振动分析法等。这些方法中,振动分析方法因其故障识别率高、检测方法简单迅速,得到了广泛的应用。目前围绕振动分析法,国内外的专家学者开发了一系列的故障诊断算法,包括小波分析、经验模态分解、冲击脉冲法、共振解调法、时频分析法等。这些方法虽然故障识别率高,但大多使用条件苛刻,且只对平稳工况有效,对于特殊旋转机械的非平稳工况效果较差。比如,机车车辆在轨道上运行时,其轮对转速是缓慢变化的,是典型的非平稳工况,采用现有的这些故障诊断方法很难予以解决。
针对机车车辆轮对轴承的安全检测分为两个部分:在线安全监测与离线精密诊断。在线安全监测是指安装一套车载式的仪器,全程实时对轴承进行状态监测,一旦轴承出现故障,会触发报警装置警告司机及时减速或紧急制动。在线安全监测一般采用温度或时域特征指标进行监测,设置合理的、不同等级的阈值,只要超过阈值装置就会报警。离线精密诊断一般只在检修车间或站段,对拆解下来的转向架或轮对进行检测,同样采用振动分析方法进行。
目前,国内外解决非平稳问题的主要思路是:首先通过等角度采样的方式采集振动信号,然后再通过阶比谱分析的方法确定故障类型。但这种方式的故障诊断比较繁琐,且诊断准确率低,无法确定轴承故障位置和定量的判断结果。
发明内容
本发明所要解决的技术问题是提供一种基于角域-时域-频域的机车轮对轴承故障诊断方法,该方法可用于诊断平稳工况和非平稳工况下机车轴承故障,可准确提供轴承有无故障、故障类型和故障严重程度等信息。
为解决上述技术问题本发明采用的技术方案为:一种基于角域-时域-频域的机车轮对轴承故障诊断方法,包括如下步骤:
第一步、安装设备:在机车轮对轴承端盖处安装旋转编码器,在机车轮对轴承箱体安装加速度传感器,在机车司机室安装采集仪和分析仪;旋转编码器和加速度传感器的输出与采集仪的输入相连,采集仪的输出与分析仪的输入相连;
第二步、采集信号:当机车轮对轴承旋转时,所述分析仪经由采集仪从加速度传感器处得到等时间间隔采样的第一振动加速度时域序列,采集仪参照旋转编码器的脉冲信号从加速度传感器处等角度采样得到第二振动加速度时域序列并发送至分析仪;
第三步、利用时域信号判断轮对轴承是否处于故障状态:将第一振动加速度时域序列进行高通滤波,计算滤波后的第一振动加速度时域序列的特征参数,将特征参数的数值与正常运转情况下的正常阈值相比较,超出时,说明该轮对轴承存在故障,进入下一步进行处理;否则,不予处理,返回上述第二步;
第四步、利用频域信号判断轴承的具体故障部位:对上一步中判断出故障的第一振动加速度时域序列,利用共振解调法绘制包络频谱图,根据包络频谱图判断具体的故障部位为外圈、内圈或是滚子;
第五步、利用角域信息对故障进行定量诊断,对故障严重程度进行监测:
(1)将角度信号和第二振动加速度时域序列的振幅信号转换为极坐标形式:
对于采集到的数据(αi,zi),i=1、2、3、...、n,n为旋转编码器的分辨率值,计算新的坐标系(xi,yi):
xi=R+zi cos(αi) (7)
yi=R+zi sin(αi) (8)
其中,αi为将360°按照n进行分割的第i个角度值;zi为加速度传感器与αi对应的第i个振幅;R为任意大于最高振幅两倍的常值;
(2)根据上述得到的(xi,yi)绘制极坐标下的角度—加速度振幅的角域振动曲线;
(3)将上述得到的角域振动曲线按角度划分为两部分:第一部分为承载区,从圆周底部开始沿正向和逆向方向各30度角的区域;第二部分为其他区域;
(4)计算承载区内振动加速度振幅的均方根值,并将计算得到的数值作为轮对轴承故障严重程度的评价指标;将后续监测得到的均方根值与评价指标相比得到轮对轴承的故障变化情况。
上述第三步中所述第一振动加速度时域序列的特征参数为:波形因数Sf、峰值因数Cf和峭度指标Kv,所述特征参数为振幅信号的特征参数。
上述第四步的具体操作流程为:
(一)带通滤波:对第三步中高通滤波后的第一振动加速度时域序列的振幅信号采用切比雪夫滤波器进行带通滤波处理,上、下截止频率由谱峭度法确定;
(二)包络检波:对(一)步中得到的信号进行Hilbert希尔伯特变换,取上包络;
(三)低通滤波:对(二)步中得到的信号利用切比雪夫滤波器进行低通滤波;
(四)傅里叶变换:对(三)步中得到的信号进行傅里叶变换,绘制频域的包络谱曲线;
(五)计算轮对轴承内圈的瞬时转速信息,得到最小转速和最大转速,计算故障特征频率值并确定故障特征频率区段;
(六)根据(四)步的包络谱曲线和(五)步确定的故障特征频率区段,判断轴承的具体故障部位。
上述第一步中,加速度传感器安装方式为螺纹式安装、粘贴式安装或磁座式安装。
所述采集仪输入通道不少于2个。
采用上述技术方案取得的技术进步为:本发明采用时域、频域和角域相结合的分析方法,通过对轮对轴承的加速度振动信号进行采样、分析和故障诊断,可以准确提供轴承有无故障、故障类型和故障严重程度等信息,特别是开创性的提出了角域故障诊断方法,对故障严重程度有了定量的分析结果并且对故障发展程度有了准确的监测方式,为后续的故障处理提供了更加丰富的参考数据。本方法可以同时解决在线安全监测和离线精密诊断两方面的问题,而无需额外的专用设备,可实现长期的、实时安全监测与故障诊断。
本发明可同时提供安全预警信息、轴承故障状态信息、轴承故障位置信息和轴承故障类型信息等,可以更方便地获取准确的、全面的轴承故障信息,不必单独设立在线安全监测系统和离线精密诊断系统。基于该方法所搭建的故障诊断系统既可用于车载式的安全在线监测,也可用于离线的精密诊断,一机多用,成本低,效果好,便于维护和推广。
附图说明
图1为本发明的系统结构图;
图2为本发明的工作流程图;
图3为实施例中第一振动加速度时域序列的时间—加速度振幅曲线;
图4为实施例中第一振动加速度时域序列振幅信号的包络谱曲线;
图5为实施例中第二振动加速度时域序列在直角坐标下的角度—加速度振幅曲线;
图6为实施例中第二振动加速度时域序列在极坐标下的角度—加速度振幅曲线。
具体实施方式
由图1和图2所示可知:一种基于角域-时域-频域的机车轮对轴承故障诊断方法,包括如下步骤:
第一步、安装设备。
在机车轮对轴承端盖处安装旋转编码器;在机车司机室内安装采集仪和分析仪,在机车轮对轴承箱体正上方安装加速度传感器。旋转编码器和加速度传感器的输出与采集仪的输入相连,采集仪的输出与分析仪的输入相连;旋转编码器、加速度传感器、采集仪和分析仪之间均采用线缆连接,在条件允许的情况下还可以采用其他无线连接方式进行连接,只要保证信号正常传输即可。
本发明中旋转编码器采用绝对型旋转编码器,其分辨率可选择128、256、512等型号;加速度传感器可以选择压电式、压阻式或电容式,安装方式可采用螺纹式、粘贴式或磁座式;采集仪应具有A/D转换、放大、抗混叠滤波、等时间间隔采样、等角度采样等功能,输入通道不少于2个;分析仪应具有显示、存储、计算等功能。
第二步、采集信号。
当机车轮对轴承旋转时,所述分析仪经由采集仪从加速度传感器处得到等时间间隔采样的第一振动加速度时域序列,采集仪参照旋转编码器的脉冲信号从加速度传感器处等角度采样得到第二振动加速度时域序列并发送至分析仪。
机车轮对轴承开始转动后,采集仪从加速度传感器直接采集的振动加速度信号发送到分析仪,此信号称为第一振动加速度时域序列。机车轮对轴承每转一周,旋转编码器就会发出固定个数(即分辨率)的脉冲信号,该脉冲信号经数据线传递给采集仪,采集仪根据此脉冲信号向加速度传感器采集振动加速度信号,此信号传递到分析仪处即为第二振动加速度时域序列。即机车轮对轴承每转一周,旋转编码器 发出N个脉冲信号,采集仪从加速度传感器处采集N个振动加速度信号,形成第二振动加速度时域序列。第二振动加速度时域序列的个数与转速无关,只与轴承的旋转圈数有关。采集仪将第一和第二振动加速度时域序列发送到分析仪,分析仪对这些信号进行存储,每隔一段时间(比如20s)存储一段数据。分析仪中存储的数据中还包括脉冲信号,由采集仪中的时钟元件自动获得。
第三步、利用时域信号判断轮对轴承是否处于故障状态。
将第一振动加速度时域序列中的振幅信号进行高通滤波,滤去低频噪声干扰,计算滤波后的时域序列的振幅信号的特征参数:波形因数Sf、峰值因数Cf和峭度指标Kv,这三个参数的具体计算公式为:
其中,x为第一振动加速度时域序列的振幅信号,N为时域序列的数据个数,
技术人员根据实际轮对轴承的正常运行情况设定上述三个参数的正常阈值。当实际计算结果超出设定的正常阈值时,说明该轮对轴承存在故障,需要将数据进行下一步处理;否则,这些数据不予处理,也不在分析仪中存储,直接返回第二步,继续采集信号。
这一步的分析主要是针对直接采集到的第一振动加速度时域序列进行分析,所利用的参数也是时域内的各类参数,因此称为时域分析。
正常阈值的设置原则是比较灵活的,本领域技术人员可以根据机车的实际运行情况进行设置,比如分别设置域度指标、峰值因子和峭度指标的三级阈值标准,其中三级阈值为二级阈值的90%,二级阈值为三级阈值的90%。
第四步、利用频域信号判断具体的轴承故障部位。
这一步进入频域分析,主要是将分析的重点放在各类信号的频域特性上。对上一步中判断出存在故障的第一振动加速度时域序列,利用共振解调法绘制时域序列中振幅信号的包络频谱图,根据包络频谱图判断具体的故障部位,即故障部位具体为外圈、内圈还是滚子。
共振解调法的具体操作流程为:
(一)带通滤波:对第三步中高通滤波后的第一振动加速度时域序列的振幅信号采用切比雪夫滤波器进行带通滤波处理,上、下截止频率由谱峭度法确定;
(二)包络检波:对(一)步中得到的信号进行Hilbert希尔伯特变换,取上包络;
(三)低通滤波:对(二)步中得到的信号利用切比雪夫滤波器进行低通滤波,上截止频率可以取为1KHz;截止频率的选取对于不同的轴承或工况是不一样的,应具体情况具体分析,但大部分都可取1K~2KHz范围;
(四)傅里叶变换:对(三)步中得到的信号进行傅里叶变换,绘制频域的包络谱曲线;
(五)计算轮对轴承内圈的瞬时转速,得到轴承的最小转速和最大转速,分别带入下列公式中计算故障特征频率值,并确定故障特征频率区段:
外圈故障特征频率
内圈故障特征频率
滚子故障特征频率
其中,fr为轴承内圈(即轴)的旋转频率,d为滚动体的直径,D为轴承的节径,z为滚动体的个数,α为接触角。
传统的共振解调方法只是针对轴承均匀转速情况,因此只能得到一个固定的故障特征频率值,直接与包络谱曲线进行对比即可判断轴承故障部位。而本发明提出的方法可适用于变转速的非平稳工况,分别计算最高转速和最低转速所对应的故障特征频率值,将二者的故障特征频率值之间的范围作为衡量尺度来对比包络谱曲线,凡在此范围内即可认为是该类型故障。此方法可大大扩展适用范围,且判定更为准确,与现有的方法相比,具有比较明显的优势。
(六)根据(四)步的包络谱曲线和(五)步确定的故障特征频率区段,判断轴承的具体故障部位,到底是外圈故障、内圈故障还是滚子故障。
第五步、利用角域信息对故障进行定量诊断,确定故障的严重程度,对故障严重程度进行监测。
这一步的内容是本方法的核心内容,主要是开创性的将信号在角域内进行分析,因为在非平稳工况下,等时间间隔采样的数据即第一振动加速度时域序列受转速影响很大,而等角度采样的数据即第二振动加速度时域序列几乎不受转速的影响,因此利用第二振动加速度时域序列进行分析可靠性更好。由于此时域序列是以角度为基准采集的,因此可以称为角域分析。
故障部位的定量诊断方法如下:
(1)为了直观、形象地表达加速度随角度变化的振动曲线,将角度信号和第二振动加速度时域序列的振幅信号转换为极坐标形式,具体的转换方法如下:
对于采集到的加速度数据(αi,zi),i=1、2、3、...、n,n为轴承每转一周从加速度传感器处所采集的数据个数,亦即旋转编码器的分辨率值。计算新的坐标系(xi,yi):
xi=R+zi cos(αi) (7)
yi=R+zi sin(αi) (8)
其中,αi为将360°按照n进行分割的第i个角度值;zi为加速度传感器与αi对应的第i个振幅值;R为圆的半径,可任取一个大于最高振幅值两倍的常值,如100等。
(2)根据新的坐标值(xi,yi)绘制极坐标系下的角度—加速度振幅的角域振动曲线。
(3)将(2)步中得到的角域振动曲线按角度划分为两部分:第一部分为从圆周底部开始沿正向和逆向方向各30度角的区域,称为承载区;第二部分为其他区域。这样划分是因为圆周底部附近的承载区振动加速度振幅较大,而其他区域的振动加速度振幅较小。
(4)计算承载区内振动加速度振幅的均方根值,并将上一次计算得到的数值作为轮对轴承故障严重程度的评价指标;将后续监测得到的均方根值与评价指标相比得到轮对轴承的故障变化情况。若后续的均方根值大于此评价指标,说明故障变得更加严重了。
下面用一个比较具体的例子来说明下本发明的具体工作过程。
第一步,安装设备:以197726型轴承为例,加速度传感器采用YD-188压电加速度传感器,旋转编码器采用分辨率为1024Hz的绝对型旋转编码器,采集仪和分析仪均采用美国NI虚拟仪器产品。按照图1所示的结构图进行安装。
第二步,采集信号:当轴承的主轴旋转时,对轴承上的加速度传感器分别进行等时间间隔采样和等角度采样,均测量振动加速度信号。图3所示为直接测量得到的第一振动加速度时域序列的时间—加速度振幅曲线。此处的振幅为从加速度传感器直接采集得到的第一振动加速度时域序列的振幅信号。
由于绝对型旋转编码器是1024Hz的分辨率,因此轴承内圈每旋转一周,通过等角度采样得到1024个振动加速度数据点,即得到数据长度为1024的第二振动加速度时域序列。本例中共采集了10s时长,内圈旋转54周。
第三步,利用时域信号判断轮对轴承是否处于故障状态:根据式(1)、(2)和(3)计算图3所示曲线的波形因数Sf、峰值因数Cf和峭度指标Kv,三个参数的数值分别为:1.58、13.56和28.40。根据机车正常运行的实际情况设定的三个特征参数的正常阈值为1、10、20。实际运行得到的参数值均超过了正常阈值,此时可以判断该轴承为故障轴承,处于故障状态。在实际运用中,只要有两个参数值超过正常阈值就可以判定轴承处于故障状态,否则视为正常状态。
第四步,利用频域信号判断轴承的具体故障部位:采用共振解调法计算得到第一振动加速度时域序列振幅信号的包络谱曲线,如图4所示。根据计算的轴承转速信息可知,最大转速为650r/min,此时对应的故障特征频率值为fb=55.90Hz、fo=57.25Hz和fi=83.59Hz;最小转速为420r/min,此时对应的故障特征频率为fb=36.12Hz、fo=36.99Hz和fi=54.01Hz。根据图4所示,3个峰值所对应的频率为68.33Hz、136.7Hz和205Hz,分别在内圈特征频率及其二倍频和三倍频的范围内,因此可以判断轴承的具体故障为内圈故障。
第五步,利用角域信息对故障进行定量诊断:根据等角度采样数据即第二振动加速度时域序列绘制直角坐标下的角度—加速度振幅曲线,如图5所示,此时的角度信号是根据绝对型旋转编码器发出的脉冲信号转换得来的。根据公式(7)和(8)将图5所示的角度—加速度振幅曲线转换为极坐标下的角度—加速度振幅曲线,如图6所示。由图6可以明显的看到在承载区范围内振动加速度振幅有增大趋势。取承载区内的振动加速度振幅信号计算均方根值,得16.68,作为该轴承故障严重程度的定量评价值—评价指标。接下来可继续对该轴承进行监测,只需要对比该均方根值的大小即可判断故障的发展趋势:均方根值变大说明故障在向更加严重的方向 变化。
本发明采用时域、频域和角域相结合的分析方法,通过对轮对轴承的加速度振动信号进行采样、分析和故障诊断,可以准确提供轴承有无故障、故障类型和故障严重程度等信息,特别是开创性的提出了角域故障诊断方法,对故障严重程度有了定量的分析结果并且对故障发展程度有了准确的监测方式,为后续的故障处理提供了更加丰富的参考数据。本方法可以同时解决在线安全监测和离线精密诊断两方面的问题,而无需额外的专用设备,可实现长期的、实时安全监测与故障诊断。
本发明可同时提供安全预警信息、轴承故障状态信息、轴承故障位置信息和轴承故障类型信息等,可以更方便地获取准确的、全面的轴承故障信息,不必单独设立在线安全监测系统和离线精密诊断系统。基于该方法所搭建的故障诊断系统既可用于车载式的安全在线监测,也可用于离线的精密诊断,一机多用,成本低,效果好,便于维护和推广。
Claims (5)
1.一种基于角域-时域-频域的机车轮对轴承故障诊断方法,其特征在于包括如下步骤:
第一步、安装设备:在机车轮对轴承端盖处安装旋转编码器,在机车轮对轴承箱体安装加速度传感器,在机车司机室安装采集仪和分析仪;旋转编码器和加速度传感器的输出与采集仪的输入相连,采集仪的输出与分析仪的输入相连;
第二步、采集信号:当机车轮对轴承旋转时,所述分析仪经由采集仪从加速度传感器处得到等时间间隔采样的第一振动加速度时域序列,采集仪参照旋转编码器的脉冲信号从加速度传感器处等角度采样得到第二振动加速度时域序列并发送至分析仪;
第三步、利用时域信号判断轮对轴承是否处于故障状态:将第一振动加速度时域序列进行高通滤波,计算滤波后的第一振动加速度时域序列的特征参数,将特征参数的数值与正常运转情况下的正常阈值相比较,超出时,说明该轮对轴承存在故障,进入下一步进行处理;否则,不予处理,返回上述第二步;
第四步、利用频域信号判断轴承的具体故障部位:对上一步中判断出故障的第一振动加速度时域序列,利用共振解调法绘制包络频谱图,根据包络频谱图判断具体的故障部位为外圈、内圈或是滚子;
第五步、利用角域信息对故障进行定量诊断,对故障严重程度进行监测:
(1)将角度信号和第二振动加速度时域序列的振幅信号转换为极坐标形式:
对于采集到的数据(αi,zi),i=1、2、3、...、n,n为旋转编码器的分辨率值,计算新的坐标系(xi,yi):
xi=R+zicos(αi) (7)
yi=R+zisin(αi) (8)
其中,αi为将360°按照n进行分割的第i个角度值;zi为加速度传感器与αi对应的第i个振幅;R为任意大于最高振幅两倍的常值;
(2)根据上述得到的(xi,yi)绘制极坐标下的角度—加速度振幅的角域振动曲线;
(3)将上述得到的角域振动曲线按角度划分为两部分:第一部分为承载区,从圆周底部开始沿正向和逆向方向各30度角的区域;第二部分为其他区域;
(4)计算承载区内振动加速度振幅的均方根值,并将计算得到的数值作为轮对轴承故障严重程度的评价指标;将后续监测得到的均方根值与评价指标相比得到轮对轴承的故障变化情况。
2.根据权利要求1所述的一种基于角域-时域-频域的机车轮对轴承故障诊断方法,其特征在于上述第三步中所述第一振动加速度时域序列的特征参数为:波形因数Sf、峰值因数Cf和峭度指标Kv,所述特征参数为振幅信号的特征参数。
3.根据权利要求1所述的一种基于角域-时域-频域的机车轮对轴承故障诊断方法,其特征在于上述第四步的具体操作流程为:
(一)带通滤波:对第三步中高通滤波后的第一振动加速度时域序列的振幅信号采用切比雪夫滤波器进行带通滤波处理,上、下截止频率由谱峭度法确定;
(二)包络检波:对(一)步中得到的信号进行Hilbert希尔伯特变换,取上包络;
(三)低通滤波:对(二)步中得到的信号利用切比雪夫滤波器进行低通滤波;
(四)傅里叶变换:对(三)步中得到的信号进行傅里叶变换,绘制频域的包络谱曲线;
(五)计算轮对轴承内圈的瞬时转速信息,得到最小转速和最大转速,计算故障特征频率值并确定故障特征频率区段;
(六)根据(四)步的包络谱曲线和(五)步确定的故障特征频率区段,判断轴承的具体故障部位。
4.根据权利要求1所述的一种基于角域-时域-频域的机车轮对轴承故障诊断方法,其特征在于在上述第一步中,加速度传感器安装方式为螺纹式安装、粘贴式安装或磁座式安装。
5.根据权利要求1所述的一种基于角域-时域-频域的机车轮对轴承故障诊断方法,其特征在于所述采集仪输入通道不少于2个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510014049.7A CN104535323B (zh) | 2015-01-12 | 2015-01-12 | 一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510014049.7A CN104535323B (zh) | 2015-01-12 | 2015-01-12 | 一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104535323A CN104535323A (zh) | 2015-04-22 |
CN104535323B true CN104535323B (zh) | 2017-03-08 |
Family
ID=52850897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510014049.7A Active CN104535323B (zh) | 2015-01-12 | 2015-01-12 | 一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104535323B (zh) |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931262A (zh) * | 2015-05-28 | 2015-09-23 | 北京康拓红外技术股份有限公司 | 一种与轮对轴承磨合机联用的轴承故障诊断装置及其诊断方法 |
CN104990980A (zh) * | 2015-06-19 | 2015-10-21 | 西安理工大学 | 一种基于超声导波的钢轨损伤判断方法 |
CN105046148B (zh) * | 2015-07-10 | 2019-01-01 | 厦门雅迅网络股份有限公司 | 一种车内数据安全监控方法 |
CN105334052A (zh) * | 2015-10-26 | 2016-02-17 | 上汽通用五菱汽车股份有限公司 | 一种主减速器总成质量检测方法 |
CN106845049B (zh) * | 2015-12-03 | 2019-09-20 | 北京航天拓扑高科技有限责任公司 | 一种旋转机械设备故障诊断中故障程度计算方法 |
CN105675113B (zh) * | 2016-03-16 | 2018-08-17 | 重庆大学 | 基于微型传感器的旋转机械角域振动信号获取装置和方法 |
CN105841792B (zh) * | 2016-03-16 | 2018-12-11 | 重庆大学 | 基于微型传感器的齿轮压力角方向局域振动信号获取方法 |
CN106525971A (zh) * | 2016-11-16 | 2017-03-22 | 西安理工大学 | 便携式自动超声波无损探伤定位仪及其检测轨道的方法 |
CN107063613A (zh) * | 2016-11-23 | 2017-08-18 | 北京中元瑞讯科技有限公司 | 基于在线数据的水轮发电机组碰磨故障的分析诊断方法 |
CN106672015B (zh) * | 2016-12-27 | 2019-01-15 | 中车唐山机车车辆有限公司 | 动车组车轮故障监测的方法、装置和系统 |
CN106932144B (zh) * | 2017-03-29 | 2019-05-07 | 中国铁道科学研究院 | 基于朴素贝叶斯的轮对残余动不平衡量评估方法及装置 |
JP6944285B2 (ja) * | 2017-06-29 | 2021-10-06 | 川崎重工業株式会社 | 回転部材を有する装置の異常原因特定システム |
TWI649543B (zh) * | 2017-07-14 | 2019-02-01 | 財團法人工業技術研究院 | 結構件的劣化偵測方法 |
CN109254077B (zh) | 2017-07-14 | 2021-04-06 | 财团法人工业技术研究院 | 结构件的劣化侦测方法 |
CN109307589A (zh) * | 2017-07-28 | 2019-02-05 | 株洲中车时代电气股份有限公司 | 风机振动在线监测方法及监测系统 |
CN107948251B (zh) * | 2017-11-06 | 2021-02-02 | 武汉科技大学 | 一种基于安卓的远程机械故障诊断系统 |
CN109765038B (zh) | 2017-11-10 | 2021-08-10 | 财团法人工业技术研究院 | 应用结构单元的结构件的劣化侦测方法 |
CN108444715A (zh) * | 2018-05-29 | 2018-08-24 | 内蒙古工业大学 | 轴承状态诊断方法、装置、存储介质及电子设备 |
JP7006520B2 (ja) * | 2018-06-14 | 2022-01-24 | 株式会社島津製作所 | 真空ポンプおよび診断システム |
CN109211566B (zh) * | 2018-08-21 | 2020-03-13 | 北京工业大学 | 一种滚动轴承外圈缺陷二维量化诊断方法 |
CN111581762B (zh) * | 2019-02-15 | 2023-04-14 | 中国航发商用航空发动机有限责任公司 | 早期故障诊断方法及系统 |
CN109883702B (zh) * | 2019-03-05 | 2020-04-28 | 西安交通大学 | 一种基于时频域统计特征的电机轴承故障诊断方法 |
CN110044616B (zh) * | 2019-04-01 | 2023-01-03 | 西安交通大学 | 一种铁路机车轴承及齿轮故障诊断方法和诊断系统 |
CN110736926A (zh) * | 2019-10-14 | 2020-01-31 | 湖南银河电气有限公司 | 电机运行状态的特征参数提取方法和装置 |
CN111178327A (zh) * | 2020-01-16 | 2020-05-19 | 佛山科学技术学院 | 一种基于深度学习的轴承状态识别方法及系统 |
CN111307452B (zh) * | 2020-03-05 | 2022-01-28 | 江苏天沃重工科技有限公司 | 一种时变转速下旋转机械智能故障诊断方法 |
CN111504645B (zh) * | 2020-04-30 | 2021-03-02 | 西安交通大学 | 一种基于频域多点峭度的滚动轴承故障诊断方法 |
CN113776760B (zh) * | 2020-06-09 | 2023-06-27 | 成都运达科技股份有限公司 | 基于整轴振动分析的列车轮对失圆故障监测方法和系统 |
CN111650514B (zh) * | 2020-06-15 | 2022-09-09 | 珠海万力达电气自动化有限公司 | 一种异步电动机典型故障的多参数联合诊断方法 |
CN111929074A (zh) * | 2020-08-19 | 2020-11-13 | 北京经纬恒润科技有限公司 | 车辆机械旋转部件故障诊断方法及装置 |
CN112286255B (zh) * | 2020-09-29 | 2021-09-24 | 北京空间飞行器总体设计部 | 高稳定度测控温系统在轨噪声评价方法 |
CN112033679A (zh) * | 2020-10-13 | 2020-12-04 | 济南重工集团有限公司 | 一种盾构机主轴承无损检测装置及检测方法 |
CN112906480B (zh) * | 2021-01-22 | 2022-10-21 | 西南交通大学 | 一种高速列车轴承安全状态实时监测系统 |
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 |
CN114486254A (zh) * | 2022-02-09 | 2022-05-13 | 青岛迈金智能科技股份有限公司 | 一种基于时/频双域分析的自行车轴承检测方法 |
CN114659794A (zh) * | 2022-04-22 | 2022-06-24 | 湖南道依茨动力有限公司 | 发动机检测平台和发动机下线检测方法 |
CN115307907B (zh) * | 2022-09-29 | 2023-01-17 | 深圳市信润富联数字科技有限公司 | 轴承故障检测方法、装置、设备及可读存储介质 |
CN115479636B (zh) * | 2022-10-26 | 2023-10-03 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种涡轮冷却器状态监测及分析方法 |
CN116046395A (zh) * | 2023-02-06 | 2023-05-02 | 亚翔系统集成科技(苏州)股份有限公司 | 一种检查轴承润滑是否正常的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243140A (zh) * | 2011-04-18 | 2011-11-16 | 杨彦利 | 一种基于子带信号分析的机械设备状态监测方法 |
CN102998110A (zh) * | 2012-11-29 | 2013-03-27 | 西安交通大学 | 一种基于阶比-全息谱原理的旋转机械故障特征提取方法 |
CN103018043A (zh) * | 2012-11-16 | 2013-04-03 | 东南大学 | 变转速轴承故障诊断方法 |
CN103278235A (zh) * | 2013-06-03 | 2013-09-04 | 合肥伟博测控科技有限公司 | 一种新的瞬态振动信号角域阶比跟踪采样和分析方法 |
CN103308152A (zh) * | 2013-06-06 | 2013-09-18 | 沈阳大学 | 基于瞬时频率估计的旋转机械振动信号角域重采样方法 |
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 |
-
2015
- 2015-01-12 CN CN201510014049.7A patent/CN104535323B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243140A (zh) * | 2011-04-18 | 2011-11-16 | 杨彦利 | 一种基于子带信号分析的机械设备状态监测方法 |
CN103018043A (zh) * | 2012-11-16 | 2013-04-03 | 东南大学 | 变转速轴承故障诊断方法 |
CN102998110A (zh) * | 2012-11-29 | 2013-03-27 | 西安交通大学 | 一种基于阶比-全息谱原理的旋转机械故障特征提取方法 |
CN103278235A (zh) * | 2013-06-03 | 2013-09-04 | 合肥伟博测控科技有限公司 | 一种新的瞬态振动信号角域阶比跟踪采样和分析方法 |
CN103308152A (zh) * | 2013-06-06 | 2013-09-18 | 沈阳大学 | 基于瞬时频率估计的旋转机械振动信号角域重采样方法 |
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 |
Non-Patent Citations (2)
Title |
---|
基于角域平均和连续小波变换的齿轮故障诊断研究;杨绍普等;《振动与冲击》;20071130;第26卷(第11期);第16-19页 * |
齿轮箱起动过程阶次倒双谱故障诊断方法;杨绍普等;《北京交通大学学报》;20080831;第32卷(第4期);第1-5页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104535323A (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104535323B (zh) | 一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法 | |
CN108195587B (zh) | 一种电机滚动轴承故障诊断方法及其诊断系统 | |
CN101354312B (zh) | 智能轴承故障诊断系统 | |
KR101764540B1 (ko) | 풍력발전기 진동 상태감시 및 진단 시스템 | |
Barszcz et al. | Application of spectral kurtosis for detection of a tooth crack in the planetary gear of a wind turbine | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
CN105784366A (zh) | 一种变转速下的风电机组轴承故障诊断方法 | |
CN104655380A (zh) | 一种旋转机械设备故障特征提取方法 | |
CN108151869B (zh) | 一种机械振动特征指标提取方法、系统及装置 | |
CN109946081B (zh) | 一种用于变转速下滚动轴承打滑时的故障诊断方法 | |
CN110163190B (zh) | 一种滚动轴承故障诊断方法及装置 | |
Smith et al. | Use of cyclostationary properties to diagnose planet bearing faults in variable speed conditions | |
CN110044610A (zh) | 齿轮故障诊断方法 | |
CN104198186A (zh) | 基于小波包与谱峭度结合的齿轮故障诊断方法及装置 | |
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 | |
CN102928225A (zh) | 一种针对滚动轴承故障诊断的自适应共振解调方法 | |
CN108844733A (zh) | 一种基于kl散度与均方根值的齿轮状态监测指标提取方法 | |
CN108150252A (zh) | 一种尿素液位检测方法及装置 | |
CN112326236B (zh) | 一种齿轮箱运行状态在线监测方法、系统及存储介质 | |
CN110553844A (zh) | 旋转机械的不对中故障检测方法及其检测系统 | |
CN114813124B (zh) | 一种轴承故障的监测方法及装置 | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
CN113239613A (zh) | 一种水轮机组摆度报警判断方法 | |
CN110174281A (zh) | 一种机电设备故障诊断方法及系统 | |
CN105521997B (zh) | 一种基于振动信号诊断轧机辊系故障的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |