CN105588717A - 一种齿轮箱故障诊断方法 - Google Patents
一种齿轮箱故障诊断方法 Download PDFInfo
- Publication number
- CN105588717A CN105588717A CN201510937825.0A CN201510937825A CN105588717A CN 105588717 A CN105588717 A CN 105588717A CN 201510937825 A CN201510937825 A CN 201510937825A CN 105588717 A CN105588717 A CN 105588717A
- Authority
- CN
- China
- Prior art keywords
- sequence
- vibration signal
- signal sequence
- relational expression
- noising
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种齿轮箱故障诊断方法,涉及齿轮箱故障诊断领域,用以解决现有技术中存在齿轮箱相近故障模式区分不准确的问题。该方法包括:利用传感器获取齿轮箱的振动信号;利用采样脉冲对振动信号进行采样,得到振动信号序列;采用Vondark滤波器对振动信号序列进行处理,得到降噪信号序列;采用去趋势波动分析法对降噪信号序列进行处理,得到降噪信号序列与时间尺度的幂率关系式;根据豪斯道夫分形维数与幂率关系式中的标度指数之间的关系,提取故障特征,得到齿轮箱故障诊断结果。
Description
技术领域
本发明涉及齿轮箱故障诊断领域,尤其涉及一种齿轮箱故障诊断方法。
背景技术
齿轮箱作为连接和传递动力的通用部件,在现代工业设备中得到了广泛的应用,齿轮故障是导致机器故障的重要因素,因此,齿轮箱的故障诊断技术一直都是人们研究的重要课题。振动信号是齿轮箱故障特征的载体,对齿轮箱的振动信号进行分析,提取故障特征,根据故障特征判断齿轮箱的故障,这是齿轮箱故障诊断的常用方法。
齿轮箱通常工作在多振源的工作环境中,现场测得的故障齿轮箱的振动信号是强背景噪声下的多分量非平稳信号。去趋势波动分析法作为一种标度分析工具,能够很好地处理多分量非平稳信号,但是在齿轮箱故障诊断模式分析中,噪声的存在使得双对数曲线发生了转折现象,而且噪声越强,发生转折现象的的尺度越大,因此,必须选择一种合适的方法减轻或消除噪声对去趋势波动分析结果的影响。
综上所述,现有技术中,存在齿轮箱相近故障模式区分不准确的问题。
发明内容
本发明实施例提供一种齿轮箱故障诊断方法,用以解决现有技术中存在齿轮箱相近故障模式区分不准确的问题。
本发明实施例提供一种齿轮箱故障诊断方法,包括:
利用传感器获取齿轮箱的振动信号;
对所述振动信号进行采样,得到振动信号序列;
采用Vondark滤波器对所述振动信号序列进行处理,得到降噪信号序列;
采用去趋势波动分析法对所述降噪信号序列进行处理,得到所述降噪信号序列的波动函数与时间尺度的幂率关系式;
根据豪斯道夫分形维数与所述幂率关系式中的标度指数之间的关系,提取故障特征,得到齿轮箱故障诊断结果。
优选地,所述降噪信号序列,根据以下步骤确定:
根据傅立叶变换,确定所述振动信号序列的频谱图;
由所述频谱图,获得所述振动信号序列的高频边界值;
根据所述高频边界值和所述Vondark滤波器的频率响应函数,确定平滑因子;
根据所述平滑因子和所述Vondark滤波器的频率响应函数,确定所述降噪信号序列。
优选地,所述Vondark滤波器的频率响应函数,根据下式确定:
其中,ε为所述平滑因子,f为谐振频率,π为常数。
优选地,所述幂率关系式,根据以下步骤确定:
根据下式确定所述降噪信号序列的累积离差序列:
其中,N为常数,变量t=1,2,3…N,变量i=1,2,3…t,x(i)为所述降噪信号序列,为所述降噪信号序列的全局均值;
将所述累积离差序列以等时间尺度划分出不重叠的区间序列;
采用最小二乘法对所述区间序列进行多项式拟合,确定区间局部趋势;
从所述累积离差序列中去除所述区间局部趋势,并根据下式确定所述降噪信号序列的波动函数:
其中,l为所述时间尺度,yl(t)为所述区间局部趋势;
根据下式确定所述波动函数和所述时间尺度之间的幂率关系式:
F(l)=k·lα
其中,α为所述降噪信号序列的标度指数,k为计算系数。
优选地,所述豪斯道夫分形维数与所述标度指数之间,存在以下关系式:
D=2-α
其中,D为豪斯道夫分形维数。
本发明实施例中,采用Vondark滤波器对齿轮箱含噪振动信号序列进行低通滤波,能够消除在去趋势波动分析过程中由于噪声所引起的转折想象,消除噪声对去趋势波动分析结果的影响,并准确地区分齿轮箱相近故障模式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中的齿轮箱故障诊断方法的流程图;
图2是本发明实施例中的正常齿轮箱振动信号;
图3是本发明实施例中的轻度磨损齿轮箱振动信号;
图4是本发明实施例中的中度磨损齿轮箱振动信号;
图5是本发明实施例中的断齿齿轮箱振动信号;
图6是本发明实施例中的正常齿轮箱振动信号的标度律曲线图;
图7是本发明实施例中的轻度磨损齿轮箱振动信号的标度律曲线图;
图8是本发明实施例中的中度磨损齿轮箱振动信号的标度律曲线图;
图9是本发明实施例中的断齿齿轮箱振动信号的标度律曲线图;
图10是本发明实施例中的双标度指数对齿轮箱故障信号的分类效果图。
具体实施方式
本发明实施例提供一种齿轮箱故障诊断方法,包括:利用传感器获取齿轮箱的振动信号;对所述振动信号进行采样,得到振动信号序列;采用Vondark滤波器对所述振动信号序列进行处理,得到降噪信号序列;采用去趋势波动分析法对所述降噪信号序列进行处理,得到所述降噪信号序列的波动函数与时间尺度的幂率关系式;根据豪斯道夫分形维数与所述幂率关系式中的标度指数之间的关系,提取故障特征,得到齿轮箱故障诊断结果。从而解决现有技术中存在齿轮箱相近故障模式区分不准确的问题。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示例性的示出了本发明实施例的一种齿轮箱故障诊断方法流程示意图,该方法至少可以应用于齿轮箱故障诊断。
如图1所示,本发明实施例提供的一种齿轮箱故障诊断方法包括以下步骤:
步骤S11,利用传感器获取齿轮箱的振动信号;
需要说明地是,利用加速度传感器获得含噪振动信号后,所述振动信号包含噪声信号和故障信号。
步骤S12,对所述振动信号进行采样,得到振动信号序列;
需要说明地是,采用周期性采样脉冲对振动信号进行采样,根据下式确定振动信号序列:
b(t)=α(t)·g(t)
其中,a(t)为振动信号,g(t)为周期性采样脉冲。
步骤S13,采用Vondark滤波器对所述振动信号序列进行处理,得到降噪信号序列;
优选地,根据傅立叶变换,确定所述振动信号的频谱图;
由所述频谱图,获得所述振动信号的高频边界值;
根据所述高频边界值和所述Vondark滤波器的频率响应函数,确定平滑因子;
根据已知平滑因子的Vondark滤波器频率响应函数,确定所述降噪信号序列;
优选地,所述Vondark滤波器的频率响应函数,根据下式确定:
其中,ε为所述平滑因子,f为谐振频率,π为常数。
步骤S14,采用去趋势波动分析法对所述降噪信号序列进行处理,得到所述降噪信号序列的波动函数与时间尺度的幂率关系式;
优选地,根据下式确定所述降噪信号序列的累积离差序列:
其中,N为常数,变量t=1,2,3…N,变量i=1,2,3…t,x(i)为所述降噪信号序列,为所述降噪信号序列的全局均值;
将所述累积离差序列以等时间尺度划分出不重叠的区间序列;
采用最小二乘法对所述区间序列进行多项式拟合,确定区间局部趋势;
从所述累积离差序列中去除所述区间局部趋势,并根据下式确定所述降噪信号序列的波动函数:
其中,l为所述时间尺度,yl(t)为所述区间局部趋势;
根据下式确定所述波动函数和所述时间尺度之间的幂率关系式:
F(l)=k·lα
其中,α为所述降噪信号序列的标度指数,k为计算系数。
需要说明地是,分别对所述波动函数和所述时间尺度求对数,得到一个双对数坐标图,用最小二乘法拟合数据,其直线部分的斜率即为降噪信号序列的标度指数α,它是降噪信号序列的“粗糙程度”的一种表现,标度指数α的特性:
1)α在0和0.5之间时,表明此降噪信号具有反关联特性;
2)α在0.5和1之间时,表明此降噪信号具有长程关联特性;
3)α等于0.5时,表明此降噪信号是白噪声;
4)α等于1时,表明此降噪信号是1/f噪声;
5)α大于1时,表明此降噪信号的幂率关系逐渐停止。
步骤S15,根据豪斯道夫分形维数与所述幂率关系式中的标度指数之间的关系,提取故障特征,得到齿轮箱故障诊断结果;
优选地,所述豪斯道夫分形维数与所述标度指数之间,存在以下关系式:
D=2-α
其中,D为豪斯道夫分形维数。
需要说明地是,通过步骤S14对标度指数α特性分析,标度指数实际上反映了时间序列在特定时间尺度范围内的自相似性或标度不变性,因此与豪斯道夫分形维数存在着直接的联系,去趋势波动分析法可以有效地计算非平稳时间序列的标度指数,而标度指数可以反映时间序列在某个时间尺度上的分形特性,因而由去趋势波动分析法得到的多个标度指数构成的参数矢量可以作为区分时间序列不同故障状态的特征参数。
优选地,以一个变速箱为实施例,在该变速箱上模拟轻度磨损、中度磨损、断齿和正常状态四种齿轮箱故障状态,上述四种齿轮箱振动信号如图2到图5所示,图2是本发明的正常齿轮箱振动信号,图3是本发明的轻度磨损齿轮箱振动信号;图4是本发明的中度磨损齿轮箱振动信号;图5是本发明的断齿齿轮箱振动信号,从图2到图5可以看出,正常状态和断齿故障振动信号较容易区分,而轻度磨损和中度磨损振动信号由于故障模式相近而难以区分;
进一步,通过Vondark滤波器滤波后,采用去趋势波动分析法对四种齿轮箱振动信号序列进行处理,得到的四种齿轮箱故障状态的标度律曲线图如图6到图9所示,图6是本发明的正常齿轮箱振动信号的标度律曲线图,图7是本发明的轻度磨损齿轮箱振动信号的标度律曲线图,图8是本发明的中度磨损齿轮箱振动信号的标度律曲线图,图9是本发明的断齿齿轮箱振动信号的标度律曲线图,从图6到图9可以看出,齿轮箱振动信号序列存在明显的长程相关性,可以看出标度律曲线的第二个转折点对应着电动机的转速,而标度律曲线的第一个转折点则反映了系统的动力学特性,在每种故障状态下再另取五组数据计算它们的标度指数,计算结果如表1所示,其均值和均方差如表2所示;
表1四种齿轮箱振动信号标度指数的计算结果
表2四种齿轮箱振动信号标度指数的均值和均方差
从表1和表2可以看出,四种齿轮箱振动信号序列的两个标度指数的均方差都比较小,这说明这两个参数是两个稳定的特征参数,能够准确地刻画时间序列内部的动力学行为,确实可以作为表征齿轮箱故障状态的特征参数,采用特征参数对四种齿轮箱故障信号进行分类,图10是本发明的双标度指数对齿轮箱故障信号的分类效果图,从图10可以看出,以α1和α2作为二维特征参数矢量,准确地将四种故障状态进行了分类。
本发明实施例中,采用Vondark滤波器对齿轮箱含噪振动信号序列进行低通滤波,能够消除在去趋势波动分析过程中由于噪声所引起的转折想象,消除噪声对去趋势波动分析结果的影响,并准确地区分齿轮箱相近故障模式。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种齿轮箱故障诊断方法,其特征在于,包括:
利用传感器获取齿轮箱的振动信号;
对所述振动信号进行采样,得到振动信号序列;
采用Vondark滤波器对所述振动信号序列进行处理,得到降噪信号序列;
采用去趋势波动分析法对所述降噪信号序列进行处理,得到所述降噪信号序列的波动函数与时间尺度的幂率关系式;
根据豪斯道夫分形维数与所述幂率关系式中的标度指数之间的关系,提取故障特征,得到齿轮箱故障诊断结果。
2.如权利要求1所述的方法,其特征在于,所述降噪信号序列,根据以下步骤确定:
根据傅立叶变换,确定所述振动信号序列的频谱图;
由所述频谱图,获得所述振动信号序列的高频边界值;
根据所述高频边界值和所述Vondark滤波器的频率响应函数,确定平滑因子;
根据所述平滑因子和所述Vondark滤波器的频率响应函数,确定所述降噪信号序列。
3.如权利要求2所述的方法,其特征在于,所述Vondark滤波器的频率响应函数,根据下式确定:
其中,ε为所述平滑因子,f为谐振频率,π为常数。
4.如权利要求3所述的方法,其特征在于,所述幂率关系式,根据以下步骤确定:
根据下式确定所述降噪信号序列的累积离差序列:
其中,N为常数,变量t=1,2,3…N,变量i=1,2,3…t,x(i)为所述降噪信号序列,为所述降噪信号序列的全局均值;
将所述累积离差序列以等时间尺度划分出不重叠的区间序列;
采用最小二乘法对所述区间序列进行多项式拟合,确定区间局部趋势;
从所述累积离差序列中去除所述区间局部趋势,并根据下式确定所述降噪信号序列的波动函数:
其中,l为所述时间尺度,yl(t)为所述区间局部趋势;
根据下式确定所述波动函数和所述时间尺度之间的幂率关系式:
F(l)=k·lα
其中,α为所述降噪信号序列的标度指数,k为计算系数。
5.如权利要求4所述的方法,其特征在于,所述豪斯道夫分形维数与所述标度指数之间,存在以下关系式:
D=2-α
其中,D为豪斯道夫分形维数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510937825.0A CN105588717A (zh) | 2015-12-10 | 2015-12-10 | 一种齿轮箱故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510937825.0A CN105588717A (zh) | 2015-12-10 | 2015-12-10 | 一种齿轮箱故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105588717A true CN105588717A (zh) | 2016-05-18 |
Family
ID=55928463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510937825.0A Pending CN105588717A (zh) | 2015-12-10 | 2015-12-10 | 一种齿轮箱故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105588717A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106198016A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种滚动轴承的nmd、谱峭度和平滑迭代包络分析方法 |
CN106198012A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于局部均值分解和谱峭度的包络分析方法 |
CN106198011A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种旋转机械的elmd和三次样条平滑包络分析方法 |
CN106198013A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于经验模式分解滤波的包络分析方法 |
CN106198009A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种滚动轴承的emd、谱峭度和平滑迭代包络分析方法 |
CN106198014A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于经验模式分解和谱峭度的包络分析方法 |
CN106198018A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种旋转机械的eemd和平滑迭代包络分析方法 |
CN106198017A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种滚动轴承的lmd、谱峭度和平滑迭代包络分析方法 |
CN106198010A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于局部均值分解滤波的包络分析方法 |
CN106198015B (zh) * | 2016-06-29 | 2018-05-25 | 潍坊学院 | 一种滚动轴承的vmd、谱峭度和平滑迭代包络分析方法 |
CN110516384A (zh) * | 2019-08-30 | 2019-11-29 | 西北工业大学 | 一种多输入多输出齿轮传动系统动力学建模方法 |
CN111222247A (zh) * | 2020-01-13 | 2020-06-02 | 北京化工大学 | 一种旋转机械早期故障预警方法 |
CN112989966A (zh) * | 2021-02-25 | 2021-06-18 | 中国人民解放军海军航空大学 | 一种改进的模拟电路信号降噪方法 |
CN113588259A (zh) * | 2021-08-03 | 2021-11-02 | 山东中科普锐检测技术有限公司 | 一种设备振动信号标度曲线转折点检测方法及工况监测装置 |
CN114755010A (zh) * | 2022-05-05 | 2022-07-15 | 厦门纵行信息科技有限公司 | 一种旋转机械振动故障诊断方法及其系统 |
CN117951505A (zh) * | 2024-03-27 | 2024-04-30 | 剑博微电子(南京)有限公司 | 一种物联网医疗芯片的降噪方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06288939A (ja) * | 1993-03-30 | 1994-10-18 | Nuclear Fuel Ind Ltd | 原子炉冷却水のボロン濃度測定方法および装置 |
KR20020054189A (ko) * | 2000-12-27 | 2002-07-06 | 이계안 | 주파수 복조기법을 이용한 기어상태 진단방법 |
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 |
CN105092239A (zh) * | 2014-05-09 | 2015-11-25 | 潍坊学院 | 一种齿轮早期故障检测方法 |
-
2015
- 2015-12-10 CN CN201510937825.0A patent/CN105588717A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06288939A (ja) * | 1993-03-30 | 1994-10-18 | Nuclear Fuel Ind Ltd | 原子炉冷却水のボロン濃度測定方法および装置 |
KR20020054189A (ko) * | 2000-12-27 | 2002-07-06 | 이계안 | 주파수 복조기법을 이용한 기어상태 진단방법 |
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 |
CN105092239A (zh) * | 2014-05-09 | 2015-11-25 | 潍坊学院 | 一种齿轮早期故障检测方法 |
Non-Patent Citations (3)
Title |
---|
何文平等: "不同滤波方法在去趋势波动分析中去噪的应用比较", 《物理学报》 * |
吴芸芸: "Vondrak滤波准则及应用研究", 《中国优秀硕士学位论文全文数据库基础科学辑(月刊)》 * |
林近山等: "基于非平稳时间序列双标指数特征的齿轮箱故障诊断", 《机械工程学报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106198014B (zh) * | 2016-06-29 | 2018-05-29 | 潍坊学院 | 一种基于经验模式分解和谱峭度的包络分析方法 |
CN106198017A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种滚动轴承的lmd、谱峭度和平滑迭代包络分析方法 |
CN106198011A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种旋转机械的elmd和三次样条平滑包络分析方法 |
CN106198013A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于经验模式分解滤波的包络分析方法 |
CN106198009A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种滚动轴承的emd、谱峭度和平滑迭代包络分析方法 |
CN106198014A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于经验模式分解和谱峭度的包络分析方法 |
CN106198018A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种旋转机械的eemd和平滑迭代包络分析方法 |
CN106198012A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于局部均值分解和谱峭度的包络分析方法 |
CN106198010A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于局部均值分解滤波的包络分析方法 |
CN106198015B (zh) * | 2016-06-29 | 2018-05-25 | 潍坊学院 | 一种滚动轴承的vmd、谱峭度和平滑迭代包络分析方法 |
CN106198018B (zh) * | 2016-06-29 | 2018-05-25 | 潍坊学院 | 一种旋转机械的eemd和平滑迭代包络分析方法 |
CN106198009B (zh) * | 2016-06-29 | 2018-05-29 | 潍坊学院 | 一种滚动轴承的emd、谱峭度和平滑迭代包络分析方法 |
CN106198017B (zh) * | 2016-06-29 | 2018-05-29 | 潍坊学院 | 一种滚动轴承的lmd、谱峭度和平滑迭代包络分析方法 |
CN106198013B (zh) * | 2016-06-29 | 2018-05-29 | 潍坊学院 | 一种基于经验模式分解滤波的包络分析方法 |
CN106198016A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种滚动轴承的nmd、谱峭度和平滑迭代包络分析方法 |
CN106198010B (zh) * | 2016-06-29 | 2018-06-22 | 潍坊学院 | 一种基于局部均值分解滤波的包络分析方法 |
CN110516384A (zh) * | 2019-08-30 | 2019-11-29 | 西北工业大学 | 一种多输入多输出齿轮传动系统动力学建模方法 |
CN111222247A (zh) * | 2020-01-13 | 2020-06-02 | 北京化工大学 | 一种旋转机械早期故障预警方法 |
CN112989966A (zh) * | 2021-02-25 | 2021-06-18 | 中国人民解放军海军航空大学 | 一种改进的模拟电路信号降噪方法 |
CN113588259A (zh) * | 2021-08-03 | 2021-11-02 | 山东中科普锐检测技术有限公司 | 一种设备振动信号标度曲线转折点检测方法及工况监测装置 |
CN113588259B (zh) * | 2021-08-03 | 2024-05-31 | 山东中科普锐检测技术有限公司 | 一种设备振动信号标度曲线转折点检测方法及工况监测装置 |
CN114755010A (zh) * | 2022-05-05 | 2022-07-15 | 厦门纵行信息科技有限公司 | 一种旋转机械振动故障诊断方法及其系统 |
CN117951505A (zh) * | 2024-03-27 | 2024-04-30 | 剑博微电子(南京)有限公司 | 一种物联网医疗芯片的降噪方法及系统 |
CN117951505B (zh) * | 2024-03-27 | 2024-06-04 | 剑博微电子(南京)有限公司 | 一种物联网医疗芯片的降噪方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105588717A (zh) | 一种齿轮箱故障诊断方法 | |
Dong et al. | Non-iterative denoising algorithm for mechanical vibration signal using spectral graph wavelet transform and detrended fluctuation analysis | |
Zhang et al. | Energy operator demodulating of optimal resonance components for the compound faults diagnosis of gearboxes | |
CN106017926A (zh) | 基于变模态分解的滚动轴承故障诊断方法 | |
CN108760316B (zh) | 变分模态分解的变参信息融合方法 | |
Wang et al. | A morphogram with the optimal selection of parameters used in morphological analysis for enhancing the ability in bearing fault diagnosis | |
Liu et al. | Feature extraction of milling chatter based on optimized variational mode decomposition and multi-scale permutation entropy | |
Jiang et al. | On the bi-dimensional variational decomposition applied to nonstationary vibration signals for rolling bearing crack detection in coal cutters | |
CN106141815A (zh) | 一种基于ar模型的高速铣削颤振在线辨识方法 | |
CN105938542A (zh) | 基于经验模态分解的桥梁应变信号降噪方法 | |
CN106487359A (zh) | 基于自适应多尺度AVG‑Hat变换的形态学滤波器的构造方法 | |
Barbini et al. | Phase editing as a signal pre-processing step for automated bearing fault detection | |
Shuuji et al. | Low-speed bearing fault diagnosis based on improved statistical filtering and convolutional neural network | |
CN103956756A (zh) | 一种电力系统低频振荡模态辨识方法 | |
Xiao et al. | Research on fault feature extraction method of rolling bearing based on NMD and wavelet threshold denoising | |
CN113049252B (zh) | 一种列车轴承箱的故障检测方法 | |
Zhang et al. | Fault diagnosis for gearbox based on EMD-MOMEDA | |
CN103994062A (zh) | 液压泵故障特征信号提取方法 | |
Zhang et al. | Improved local cepstrum and its applications for gearbox and rolling bearing fault detection | |
Shi et al. | The VMD-scale space based hoyergram and its application in rolling bearing fault diagnosis | |
CN111769810A (zh) | 一种基于能量峭度谱的流体机械调制频率提取方法 | |
CN106706122B (zh) | 基于相关系数和emd滤波特性的碰摩声发射信号降噪方法 | |
Zhao et al. | Peak envelope spectrum Fourier decomposition method and its application in fault diagnosis of rolling bearings | |
CN112903296B (zh) | 一种滚动轴承故障检测方法及系统 | |
Pan et al. | Metamaterial-based acoustic enhanced sensing for gearbox weak fault feature diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160518 |
|
RJ01 | Rejection of invention patent application after publication |