CN105092243A - 一种齿轮故障定位系统及方法 - Google Patents

一种齿轮故障定位系统及方法 Download PDF

Info

Publication number
CN105092243A
CN105092243A CN201510539999.1A CN201510539999A CN105092243A CN 105092243 A CN105092243 A CN 105092243A CN 201510539999 A CN201510539999 A CN 201510539999A CN 105092243 A CN105092243 A CN 105092243A
Authority
CN
China
Prior art keywords
signal
gear
frequency
rank
phase
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
CN201510539999.1A
Other languages
English (en)
Other versions
CN105092243B (zh
Inventor
郭瑜
刘倩楠
伍星
刘畅
贺玮
谢金葵
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.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN201510539999.1A priority Critical patent/CN105092243B/zh
Publication of CN105092243A publication Critical patent/CN105092243A/zh
Application granted granted Critical
Publication of CN105092243B publication Critical patent/CN105092243B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Geophysics And Detection Of Objects (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种齿轮故障定位系统及方法,属于故障诊断技术与信号处理分析技术领域。本发明包括信号采集模块、信号处理模块、特征提取模块。本发明采用阶比跟踪方法能够有效克服该现象造成的频率模糊,利用角域同步平均技术能够消除齿轮箱中轴承等随机干扰成分,达到降噪的目的;利用谱线编辑能够克服传统带通滤波器中由于过渡带的存在使得无法完全滤除不需要的频率成分的缺点,进而准确的滤出所感兴趣的频带;能够消除噪声及转速、载荷波动等外界因素对相位解调效果的影响,使得解调后的信号在齿轮故障位置处的突变更为明显,以较为准确的实现齿轮故障的定位;该方法易于掌握和使用,该算法满足工业现场实时性性能要求,经过实际应用测试,算法准确、可靠。

Description

一种齿轮故障定位系统及方法
技术领域
本发明涉及一种齿轮故障定位系统及方法,属于故障诊断技术与信号处理分析技术领域。
背景技术
齿轮是旋转机械传递动力的重要零件,同时,也是机械故障诊断学中的重要研究对象之一。因此,开展齿轮故障诊断技术的研究对保障设备的安全运行有重要意义。早在20世纪80年代,P. D. McFadden提出利用窄带解调方法对同步平均后的齿轮振动信号的幅值和相位信息进行提取,从而实现对齿轮局部故障的早期诊断。其中,尤其说明相位解调的重要性。但是,随着研究的深入人们发现非平稳信号携带有丰富的故障特征信息,而P. D. McFadden的方法只适用于对平稳信号的分析。在此基础上,李辉、郑海起等人实现了对变速工况下振动信号的幅值和相位解调,通过对非平稳信号进行阶比跟踪及角域同步平均完成了角域准平稳信号的转换,从而有效提取齿轮故障位置信息。然而,无论是McFadden还是李辉等人在对频带的选择上均采用了传统的带通滤波器,该滤波器由于存在过渡带而无法完全滤出所需的频率成分,使得后续的解调效果受到较大影响,无法准确判定齿轮故障位置。同时,李辉、郑海起等人在对相位解调的过程中依然延续McFadden所提出的方法,但是,该方法受到实验条件的限制,当实验条件较差或外界随机干扰的较大的情况下,该方法获取的解调效果并不理想,影响齿轮故障位置的判断,并且不利于对工况条件下的齿轮振动信号进行特征提取。
发明内容
本发明的目的是提供一种齿轮故障定位系统及方法,以解决在工况条件下无法准确判定齿轮故障位置问题。
本发明按以下技术方案实现:一种齿轮故障定位系统及方法,包括信号采集模块、信号处理模块、特征提取模块;信号采集模块用于通过加速度传感器和电涡流传感器分别对故障齿轮箱进行振动信号及键相脉冲信号的多通道同步采样,信号处理模块利用阶比分跟踪技术实现角域准平稳信号的转换,从而消除由于转速及载荷波动造成的频率模糊现象,并通过角域同步平均完成齿轮故障振动信号的降噪以及随机干扰的消除,特征提取模块用于对平均后的信号进行基于频移和谱线编辑的窄带解调分析,以确定齿轮的故障位置。
齿轮故障定位系统的定位方法为:首先,信号采集模块进行信号采集,将压电传感器固定在齿轮箱的轴承座上进行齿轮故障振动信号采集,同时将电涡流传感器安装在小齿轮轴(主动轴)上的测量位置以获取键相脉冲信号,设置信号的采样频率为102.4kHz,在进行高频采样过程中,主要针对小齿轮的升降速过程进行采样,同时要减少外界环境及噪声对压电传感器的干扰,以确保采样的准确性;其次,信号处理模块处理齿轮故障振动信号,根据阶比跟踪计算公式对键相脉冲信号进行等角度采样时标的计算,由于选取大齿轮轴(从动轴)为参考轴,因此,其等角度采样时标应根据齿轮传动比获得Tn 1=iTn i为齿轮传动比,Tn 为小齿轮轴的等角度采样时标);第三步,对信号采集模块采集到的齿轮故障振动信号在大齿轮轴的等角度采样时标Tn 1上进行线性插值以得到输出轴的角域信号,从而利用阶比跟踪方法实现时域非平稳信号到角域准平稳信号的转换;第四步,将获得的角域准平稳信号进行同步平均计算,以消除振动信号中的随机干扰;第五步,利用特征提取模块对大齿轮故障位置进行判定,将平均后的角域信号作基于FFT的频谱分析以得到阶比谱,并从阶比谱中选取幅值较为突出的啮合阶比作为主要的分析对象,确定合适的带宽,而后对阶比谱进行编辑,保留主要的啮合阶比分量及其边带,并将其余的阶比分量置零处理,将编辑后的阶比谱进行IFFT恢复到角域信号,以实现理想的带通滤波过程;最后,对编辑后的角域信号作基于Hilbert变换的窄带解调分析,利用傅里叶变换的频移特性对编辑后的角域信号进行相位解调,从幅值和相位解调的波形图中能够确定齿轮故障发生的大致位置,在一个周期内,解调信号均发生突变的位置即为齿轮故障位置。
所述阶比谱编辑过程中通频带的选取范围可表示为
式中:fm 为第m阶啮合频率(fm =m·Nfr ,其中N为齿数,fr 为齿轮的转频,Nfr 表示齿轮的啮合基频);
width为以fm 为中心频率所需的两边调制边带数;
fs 为采样频率以及length为该段信号的数据长度。
同时,将通频带以外的阶比分量置零处理,最后将编辑后的阶比谱恢复到角域信号,即可实现理想的带通滤波过程。
所述利用傅里叶变换的频移特性进行相位解调,其过程是将编辑后的信号ym (θ)经过Hilbert变换后,得到的解析函数式为:
式中:H[ym (θ)]表示为ym (θ)的Hilbert变换。
则幅值解调信号可表示为:
式中:| cm (θ)|cm (θ)的绝对值;
E[| cm (θ)|]表示为| cm (θ)|的均值。
为说明基于频移特性的相位解调原理,考虑到最简单的情况,即单频调制,故设载波信号为频率等于ω c 的余弦信号,即x(t)=Xcosω c t,调制信号为p(t),则调相信号为:
利用Hilbert变换能够有效的从调相信号xp (t)中解调出调制信号,即:
其相位可由下式表示:
式中:arg[p (t)]称为xp (t)的相位函数,从式中利用频移消除ω c t,就可得到相位调制信号p(t),即:
频移后的相位可表示为:
即可解调出相位信息。
上述过程是在时域内实现的,当信号转换到角域时,上述的过程同样可以在阶比域实现。
xp (θ)为xp (t)的角域信号,且经过Hilbert变换后的解析信号为p (θ),故基于频移的相位解调过程可表示为:
同样可以获得振动信号的相位信息。
本发明具有以下有益效果:
1、由于在运行工况下齿轮箱的振动信号存在转速、载荷的波动等非平稳现象,采用阶比跟踪方法能够有效克服该现象造成的频率模糊,利用角域同步平均技术能够消除齿轮箱中轴承等随机干扰成分,达到降噪的目的;
2、利用谱线编辑能够克服传统带通滤波器中由于过渡带的存在使得无法完全滤除不需要的频率成分的缺点,进而准确的滤出所感兴趣的频带;
3、通过利用频移法实现相位解调,能够消除噪声及转速、载荷波动等外界因素对相位解调效果的影响,使得解调后的信号在齿轮故障位置处的突变更为明显,以较为准确的实现齿轮故障的定位;
4、该方法易于掌握和使用,该算法满足工业现场实时性性能要求,经过实际应用测试,算法准确、可靠。
附图说明
图1为本发明的结构示意图;
图2为本发明的定位方法的流程示意图。
具体实施方式
下面结合附图和实施例,对本发明作进一步说明,但本发明的内容并不限于所述范围。
实施例1:如图1-图2所示,一种齿轮故障定位系统及方法,包括信号采集模块、信号处理模块、特征提取模块;信号采集模块用于通过加速度传感器和电涡流传感器分别对故障齿轮箱进行振动信号及键相脉冲信号的多通道同步采样,信号处理模块利用阶比分跟踪技术实现角域准平稳信号的转换,从而消除由于转速及载荷波动造成的频率模糊现象,并通过角域同步平均完成齿轮故障振动信号的降噪以及随机干扰的消除,特征提取模块用于对平均后的信号进行基于频移和谱线编辑的窄带解调分析,以确定齿轮的故障位置。
齿轮故障定位系统的定位方法为:首先,信号采集模块进行信号采集,将压电传感器固定在齿轮箱的轴承座上进行齿轮故障振动信号采集,同时将电涡流传感器安装在小齿轮轴(主动轴)上的测量位置以获取键相脉冲信号,设置信号的采样频率为102.4kHz,在进行高频采样过程中,主要针对小齿轮的升降速过程进行采样,同时要减少外界环境及噪声对压电传感器的干扰,以确保采样的准确性;其次,信号处理模块处理齿轮故障振动信号,根据阶比跟踪计算公式对键相脉冲信号进行等角度采样时标的计算,由于选取大齿轮轴(从动轴)为参考轴,因此,其等角度采样时标应根据齿轮传动比获得Tn 1=iTn i为齿轮传动比,Tn 为小齿轮轴的等角度采样时标);第三步,对信号采集模块采集到的齿轮故障振动信号在大齿轮轴的等角度采样时标Tn 1上进行线性插值以得到输出轴的角域信号,从而利用阶比跟踪方法实现时域非平稳信号到角域准平稳信号的转换;第四步,将获得的角域准平稳信号进行同步平均计算,以消除振动信号中的随机干扰;第五步,利用特征提取模块对大齿轮故障位置进行判定,将平均后的角域信号作基于FFT的频谱分析以得到阶比谱,并从阶比谱中选取幅值较为突出的啮合阶比作为主要的分析对象,确定合适的带宽,而后对阶比谱进行编辑,保留主要的啮合阶比分量及其边带,并将其余的阶比分量置零处理,将编辑后的阶比谱进行IFFT恢复到角域信号,以实现理想的带通滤波过程;最后,对编辑后的角域信号作基于Hilbert变换的窄带解调分析,利用傅里叶变换的频移特性对编辑后的角域信号进行相位解调,从幅值和相位解调的波形图中能够确定齿轮故障发生的大致位置,在一个周期内,解调信号均发生突变的位置即为齿轮故障位置。
所述阶比谱编辑过程中通频带的选取范围可表示为
式中:fm 为第m阶啮合频率(fm =m·Nfr ,其中N为齿数,fr 为齿轮的转频,Nfr 表示齿轮的啮合基频);
width为以fm 为中心频率所需的两边调制边带数;
fs 为采样频率以及length为该段信号的数据长度。
同时,将通频带以外的阶比分量置零处理,最后将编辑后的阶比谱恢复到角域信号,即可实现理想的带通滤波过程。
所述利用傅里叶变换的频移特性进行相位解调,其过程是将编辑后的信号ym (θ)经过Hilbert变换后,得到的解析函数式为:
式中:H[ym (θ)]表示为ym (θ)的Hilbert变换。
则幅值解调信号可表示为:
式中:| cm (θ)|cm (θ)的绝对值;
E[| cm (θ)|]表示为| cm (θ)|的均值。
为说明基于频移特性的相位解调原理,考虑到最简单的情况,即单频调制,故设载波信号为频率等于ω c 的余弦信号,即x(t)=Xcosω c t,调制信号为p(t),则调相信号为:
利用Hilbert变换能够有效的从调相信号xp (t)中解调出调制信号,即:
其相位可由下式表示:
式中:arg[p (t)]称为xp (t)的相位函数,从式中利用频移消除ω c t,就可得到相位调制信号p(t),即:
频移后的相位可表示为:
即可解调出相位信息。
上述过程是在时域内实现的,当信号转换到角域时,上述的过程同样可以在阶比域实现。
xp (θ)为xp (t)的角域信号,且经过Hilbert变换后的解析信号为p (θ),故基于频移的相位解调过程可表示为:
同样可以获得振动信号的相位信息。

Claims (4)

1.一种齿轮故障定位系统,其特征在于:包括信号采集模块、信号处理模块、特征提取模块;信号采集模块用于通过加速度传感器和电涡流传感器分别对故障齿轮箱进行振动信号及键相脉冲信号的多通道同步采样,信号处理模块利用阶比分跟踪技术实现角域准平稳信号的转换,从而消除由于转速及载荷波动造成的频率模糊现象,并通过角域同步平均完成齿轮故障振动信号的降噪以及随机干扰的消除,特征提取模块用于对平均后的信号进行基于频移和谱线编辑的窄带解调分析,以确定齿轮的故障位置。
2.根据权利要求1所述的齿轮故障定位系统的定位方法为:其特征在于:首先,信号采集模块进行信号采集,将压电传感器固定在齿轮箱的轴承座上进行齿轮故障振动信号采集,同时将电涡流传感器安装在小齿轮轴(主动轴)上的测量位置以获取键相脉冲信号,设置信号的采样频率为102.4kHz,在进行高频采样过程中,主要针对小齿轮的升降速过程进行采样,同时要减少外界环境及噪声对压电传感器的干扰,以确保采样的准确性;其次,信号处理模块处理齿轮故障振动信号,根据阶比跟踪计算公式对键相脉冲信号进行等角度采样时标的计算,由于选取大齿轮轴(从动轴)为参考轴,因此,其等角度采样时标应根据齿轮传动比获得Tn 1=iTn i为齿轮传动比,Tn 为小齿轮轴的等角度采样时标);第三步,对信号采集模块采集到的齿轮故障振动信号在大齿轮轴的等角度采样时标Tn 1上进行线性插值以得到输出轴的角域信号,从而利用阶比跟踪方法实现时域非平稳信号到角域准平稳信号的转换;第四步,将获得的角域准平稳信号进行同步平均计算,以消除振动信号中的随机干扰;第五步,利用特征提取模块对大齿轮故障位置进行判定,将平均后的角域信号作基于FFT的频谱分析以得到阶比谱,并从阶比谱中选取幅值较为突出的啮合阶比作为主要的分析对象,确定合适的带宽,而后对阶比谱进行编辑,保留主要的啮合阶比分量及其边带,并将其余的阶比分量置零处理,将编辑后的阶比谱进行IFFT恢复到角域信号,以实现理想的带通滤波过程;最后,对编辑后的角域信号作基于Hilbert变换的窄带解调分析,利用傅里叶变换的频移特性对编辑后的角域信号进行相位解调,从幅值和相位解调的波形图中能够确定齿轮故障发生的大致位置,在一个周期内,解调信号均发生突变的位置即为齿轮故障位置。
3.根据权利要求2所述的齿轮故障定位系统的定位方法为:其特征在于:所述阶比谱编辑过程中通频带的选取范围可表示为
式中:fm 为第m阶啮合频率(fm =m·Nfr ,其中N为齿数,fr 为齿轮的转频,Nfr 表示齿轮的啮合基频);
width为以fm 为中心频率所需的两边调制边带数;
fs 为采样频率以及length为该段信号的数据长度;
同时,将通频带以外的阶比分量置零处理,最后将编辑后的阶比谱恢复到角域信号,即可实现理想的带通滤波过程。
4.根据权利要求2所述的齿轮故障定位系统的定位方法为:其特征在于:所述利用傅里叶变换的频移特性进行相位解调,其过程是将编辑后的信号ym (θ)经过Hilbert变换后,得到的解析函数式为:
式中:H[ym (θ)]表示为ym (θ)的Hilbert变换;
则幅值解调信号可表示为:
式中:| cm (θ)|cm (θ)的绝对值;
E[| cm (θ)|]表示为| cm (θ)|的均值;
为说明基于频移特性的相位解调原理,考虑到最简单的情况,即单频调制,故设载波信号为频率等于ω c 的余弦信号,即x(t)=Xcosωct,调制信号为p(t),则调相信号为:
利用Hilbert变换能够有效的从调相信号xp (t)中解调出调制信号,即:
其相位可由下式表示:
式中:arg[p (t)]称为xp (t)的相位函数,从式中利用频移消除ω ct,就可得到相位调制信号p(t),即:
频移后的相位可表示为:
即可解调出相位信息;
上述过程是在时域内实现的,当信号转换到角域时,上述的过程同样可以在阶比域实现;
xp (θ)为xp (t)的角域信号,且经过Hilbert变换后的解析信号为p (θ),故基于频移的相位解调过程可表示为:
同样可以获得振动信号的相位信息。
CN201510539999.1A 2015-08-28 2015-08-28 一种齿轮故障定位系统及方法 Active CN105092243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510539999.1A CN105092243B (zh) 2015-08-28 2015-08-28 一种齿轮故障定位系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510539999.1A CN105092243B (zh) 2015-08-28 2015-08-28 一种齿轮故障定位系统及方法

Publications (2)

Publication Number Publication Date
CN105092243A true CN105092243A (zh) 2015-11-25
CN105092243B CN105092243B (zh) 2018-02-09

Family

ID=54573174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510539999.1A Active CN105092243B (zh) 2015-08-28 2015-08-28 一种齿轮故障定位系统及方法

Country Status (1)

Country Link
CN (1) CN105092243B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105738138A (zh) * 2016-02-04 2016-07-06 安徽容知日新信息技术有限公司 一种设备数据处理方法和装置
CN106096500A (zh) * 2016-05-27 2016-11-09 大连楼兰科技股份有限公司 车辆低速碰撞信号频域特征提取方法
CN106124197A (zh) * 2016-06-14 2016-11-16 昆明理工大学 一种行星齿轮箱太阳轮局部故障检测方法及系统
CN109883688A (zh) * 2017-12-06 2019-06-14 上海金艺检测技术有限公司 冷轧张力辊齿轮箱输出轴系冲击振动的故障定位方法
CN110686768A (zh) * 2019-10-17 2020-01-14 昆明理工大学 一种改进的旋转机械非平稳振动信号计算阶比分析方法
CN110987427A (zh) * 2019-12-31 2020-04-10 安徽容知日新科技股份有限公司 一种用于机械设备的数据处理方法、装置及系统
CN110989493A (zh) * 2018-10-02 2020-04-10 发那科株式会社 干扰成分确定方法和干扰成分确定装置
CN111337234A (zh) * 2020-03-09 2020-06-26 西南交通大学 一种基于实时监测的tbm刮刀寿命预测系统及方法
CN111397910A (zh) * 2020-04-08 2020-07-10 西安交通大学 基于奈奎斯特图的涡轮盘低循环疲劳裂纹在线检测方法
CN113834559A (zh) * 2020-06-08 2021-12-24 宝霈科技股份有限公司 整合型转-振感应组件及具转速讯号的数位振动传感器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104266747A (zh) * 2014-06-09 2015-01-07 中能电力科技开发有限公司 一种基于振动信号阶次分析的故障诊断方法
CN104596756A (zh) * 2015-02-02 2015-05-06 华北电力大学 用于旋转机械故障诊断的多频带包络谱阵

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104266747A (zh) * 2014-06-09 2015-01-07 中能电力科技开发有限公司 一种基于振动信号阶次分析的故障诊断方法
CN104596756A (zh) * 2015-02-02 2015-05-06 华北电力大学 用于旋转机械故障诊断的多频带包络谱阵

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李云 等: ""基于包络同步平均的齿轮故障诊断"", 《振动与冲击》 *
郭瑜 等: ""基于瞬时频率估计的旋转机械阶比跟踪"", 《机械工程学报》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105738138A (zh) * 2016-02-04 2016-07-06 安徽容知日新信息技术有限公司 一种设备数据处理方法和装置
CN105738138B (zh) * 2016-02-04 2018-09-25 安徽容知日新科技股份有限公司 一种设备数据处理方法和装置
CN106096500A (zh) * 2016-05-27 2016-11-09 大连楼兰科技股份有限公司 车辆低速碰撞信号频域特征提取方法
CN106124197A (zh) * 2016-06-14 2016-11-16 昆明理工大学 一种行星齿轮箱太阳轮局部故障检测方法及系统
CN106124197B (zh) * 2016-06-14 2018-10-02 昆明理工大学 一种行星齿轮箱太阳轮局部故障检测方法及系统
CN109883688A (zh) * 2017-12-06 2019-06-14 上海金艺检测技术有限公司 冷轧张力辊齿轮箱输出轴系冲击振动的故障定位方法
CN109883688B (zh) * 2017-12-06 2021-12-07 上海金艺检测技术有限公司 冷轧张力辊齿轮箱输出轴系冲击振动的故障定位方法
CN110989493A (zh) * 2018-10-02 2020-04-10 发那科株式会社 干扰成分确定方法和干扰成分确定装置
CN110989493B (zh) * 2018-10-02 2023-12-12 发那科株式会社 干扰成分确定方法和干扰成分确定装置
CN110686768A (zh) * 2019-10-17 2020-01-14 昆明理工大学 一种改进的旋转机械非平稳振动信号计算阶比分析方法
CN110987427A (zh) * 2019-12-31 2020-04-10 安徽容知日新科技股份有限公司 一种用于机械设备的数据处理方法、装置及系统
CN110987427B (zh) * 2019-12-31 2021-11-09 安徽容知日新科技股份有限公司 一种用于机械设备的数据处理方法、装置及系统
CN111337234A (zh) * 2020-03-09 2020-06-26 西南交通大学 一种基于实时监测的tbm刮刀寿命预测系统及方法
CN111397910A (zh) * 2020-04-08 2020-07-10 西安交通大学 基于奈奎斯特图的涡轮盘低循环疲劳裂纹在线检测方法
CN111397910B (zh) * 2020-04-08 2021-02-02 西安交通大学 基于奈奎斯特图的涡轮盘低循环疲劳裂纹在线检测方法
CN113834559A (zh) * 2020-06-08 2021-12-24 宝霈科技股份有限公司 整合型转-振感应组件及具转速讯号的数位振动传感器

Also Published As

Publication number Publication date
CN105092243B (zh) 2018-02-09

Similar Documents

Publication Publication Date Title
CN105092243A (zh) 一种齿轮故障定位系统及方法
CN103353396B (zh) 基于无时标短时相位解调的齿轮箱故障诊断方法
CN107941510B (zh) 基于等角度双重采样的滚动轴承故障特征的提取方法
CN108844733B (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
CN104655380B (zh) 一种旋转机械设备故障特征提取方法
CN110763462B (zh) 一种基于同步压缩算子的时变振动信号故障诊断方法
CN104006962A (zh) 一种齿轮故障特征提取方法及系统
CN105784366A (zh) 一种变转速下的风电机组轴承故障诊断方法
CN107525674B (zh) 基于脊线概率分布和局部波动的转频估计方法及检测装置
CN104502099B (zh) 齿轮箱瞬变工况特征分量循频提取方法
CN104215456B (zh) 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法
CN102175439B (zh) 针对旋转机械的阶次分析实现方法
CN105092241A (zh) 一种齿轮局部故障诊断方法及系统
CN102353500B (zh) 一种用于动平衡测量的不平衡信号提取方法
CN105388012A (zh) 基于非线性调频小波变换的阶次跟踪方法
CN109253244A (zh) 一种多齿轮系统大型机械齿轮箱故障检测方法
CN107101827A (zh) 一种低速重载齿轮裂纹故障在线检测方法
CN102269803B (zh) 基于时间延迟的离散频谱低频成分的校正方法
Lin et al. A review and strategy for the diagnosis of speed-varying machinery
CN112781709A (zh) 变速工况下设备振动信号早期故障分析和特征提取方法
Ding et al. Multiple instantaneous frequency ridge based integration strategy for bearing fault diagnosis under variable speed operations
CN101865651B (zh) 一种旋转变压器角度信号解码方法
Wang et al. Tacholess order-tracking approach for wind turbine gearbox fault detection
CN106198008B (zh) 一种电机轴承外圈故障辨识方法
CN104964822A (zh) 一种用于主减速器齿轮箱的无转速信号时域同步平均方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant