CN105628381A - 一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法 - Google Patents
一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法 Download PDFInfo
- Publication number
- CN105628381A CN105628381A CN201610019424.1A CN201610019424A CN105628381A CN 105628381 A CN105628381 A CN 105628381A CN 201610019424 A CN201610019424 A CN 201610019424A CN 105628381 A CN105628381 A CN 105628381A
- Authority
- CN
- China
- Prior art keywords
- signal
- reciprocating compressor
- extreme value
- point
- local mean
- 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
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
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法,解决了传统方法故障信息不突出、精确度不高等问题。方法首先利用传感器以及数据采集系统,测试往复压缩机振动信号;其次,应用改进的局部均值分解方法分解往复压缩机振动信号,形成一系列PF分量,解耦故障信息;再者,采用相关系数法从众多PF分量中筛选出包含主要状态信息的PF分量;最后,计算所选PF分量的瞬时幅值频谱,提取故障特征频率,判断故障状态。相比基于传统改进局部均值分解的诊断方法,改进方法所提取的故障特征频率更为显著,实现了往复压缩机轴承故障的更准确诊断。
Description
技术领域
本发明涉及机械设备故障诊断领域,具体的是一种基于局部均值分解的往复压缩机轴承故障诊断方法。
背景技术
往复压缩机是石油、化工行业广泛应用的气体压缩设备,传动机构是其动力传递以及运动形式转换的重要部件,机构中连杆与各部件间通常使用滑动轴承连接。设备运行时间一久,滑动轴承常因磨损而出现间隙过大故障,进而使机体剧烈振动而停机。因此,为了提高设备使用寿命,保证安全生产,有必要对往复压缩机轴承实施故障诊断。
振动信号富含设备状态信息,采集方便,是一种理想的故障状态特征提取信息源。然而,往复压缩机因结构复杂、激励源众多,其振动信号呈强非平稳性、非线性,且故障特征信息耦合于背景噪声之中,以经典信号处理技术为基础的传统状态故障诊断方法如时域统计分析、快速Fourier变换分析、相关相干分析及时序模型分析等,大多假设被分析信号具有线性、平稳及高斯等特性,应用其对往复压缩机振动信号进行特征提取存在一定的局限性。
近些年来,信号自适应分解方法已成为故障特征提取领域的新兴研究热点,尤其适合于具有非平稳、非线性特性的信号特征提取。其中,局部均值分解是英国学者Smith提出的一种信号自适应分解方法,并已成功应用于旋转机械故障诊断。同时,部分学者已开展了基于局部均值分解的往复机械故障诊断方法研究。
局部均值函数和包络估计函数的构造是局部均值分解方法核心步骤,直接关系到分解精度。然而,传统局部均值分解方法所使用的滑动平均法,在多次平滑过程中可能会产生相位误差,从而影响分解精度。学者提出了使用三次样条插值构造包络线以替代滑动平均法,有效解决了这一问题。但因三次样条插值二阶导数连续,包络线在保证光滑性的同时产生了过包络或欠包络现象,且这一现象在分析具有强非平稳特性的往复压缩机振动信号中尤为显著,影响分解精度。
再者,现有局部均值分解方法中,仅以信号局部极值点为信息,使用不同插值方法构造包络线,局部极值点并不能完全反映原始信号的波形特性。
发明内容
本发明的目的是提供一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法,针对强非平稳、非线性特性的往复压缩机振动信号进行特征提取,实现往复压缩机轴承故障状态的准确诊断。
本发明所采用的技术方案是,一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法,包括以下步骤:
(1)利用振动加速度传感器以及光电传感器,分别测试记录往复压缩机十字头滑履处振动加速度信号和飞轮处旋转键相信号,并依据旋转键相信号截取整周期的振动加速度信号;
(2)使用改进的局部均值分解方法对所截取的振动加速度信号进行分解,得到一系列PF分量;
(3)采用相关系数法,从步骤(2)中得到的一系列PF分量中,筛选得出包含主要状态信息的PF分量;
(4)提取所筛选PF分量的瞬时幅值函数,并对其进行频谱变换,分析频谱中是否含有显著的往复压缩机二倍转频,若有,则往复压缩机轴承发生了磨损间隙过大故障。
上述步骤(2)中使用改进的局部均值分解方法对所截取的振动信号进行分解的步骤如下:
①对于振动信号x(t),设置初始参数:ui(t)=x(t),sij(t)=ui(t),i=0,j=0,确定信号sij(t)的所有极值序列Xi,j,k;
②计算所有极值序列Xi,j,k所对应的极值对称点序列Ai,j,k,按照在两相邻的极大值点间插入一个极小值对称点及在两相邻的极小值点间插入一个极大值对称点的原则,将极值序列Xi,j,k和极值对称点序列Ai,j,k分为最大极值序列Xmaxi,j,k和最小极值序列Xmini,j,k;
③分别使用单调三次Hermite插值计算得出最大极值序列Xmaxi,j,k所对应的上包络线Euij(t),以及最小极值序列Xmini,j,k所对应的下包络线Elij(t);
④利用得出的上包络线Euij(t)和下包络线Elij(t)即可计算得出局部均值函数mij(t)与包络估计函数aij(t);
⑤把局部均值函数m11(t)从振动信号x(t)中分离出来,用h11(t)除以包络估计函数a11(t),以对h11(t)进行解调,得到s11(t);再按照以上步骤求出s11(t)所对应的包络估计函数a12(t),如果a12(t)=1,说明s11(t)是一个纯调频函数,如果a12(t)≠1,则重复上述迭代过程n次,直至s1n(t)的包络估计函数a1(n+1)(t)=1为止,也即s1n(t)为一个纯调频信号;
⑥把迭代过程中所产生的所有包络估计函数相乘得到PF的包络信号a1(t);
⑦将包络信号a1(t)和纯调频信号s1n(t)相乘得到振动信号的第一个PF分量;
⑧将第一个分量PF1(t)从振动信号x(t)中分离出来,得到一个新的信号u1(t),将u1(t)作为原始数据重复以上步骤,循环k次,直到uk为一个单调函数为止;从而将所截取的振动信号x(t)分解为k个PF分量和一个uk之和。
上述步骤②中所有极值序列Xi,j,k所对应的极值对称点序列Ai,j,k的计算过程如下:
对于确定振动信号x(t)的极值点及对应的时刻,于相邻两极大值点或极小值点Xk和Xk+2间插入极值对称点Ak+1,其中Ak+1的定义为:
。
上述步骤③中所使用的单调三次Hermite插值定义如下:
对于数据( i,Xi,di),其中Xi与di分别是分划点 i(i=0,…,n,)处的函数值和一阶导数值。设hi, i,Xi分别为hi= i+1- i,Xi=Xi+1-Xi, i=Xi/hi
一阶导数值di为
在区间内,对于给定的初始值和的单调三次Hermite插值可以定义为:
=+++。
本发明的有益效果:
本发明针对往复压缩机振动信号的强非平稳、非线性特性,提出了改进的局部均值分解方法,有效地提高了PF分量的分解精度;并应用改进局部均值分解方法分解往复压缩机振动信号,计算PF分量瞬时幅值频谱,相比于原始信号包络谱或传统局部均值分解方法,故障特征频率更显著,有利于往复压缩机轴承故障的准确诊断。
附图说明
图1是故障诊断方法流程图。
图2是改进的局部均值分解方法流程图。
图3是往复压缩机结构简图。
图中:1-一级气缸;2-十字头;3-电动机;4-曲轴箱;5-二级气缸。
图4是往复压缩机轴承故障状态振动信号时域波形图。
图5是改进的局部均值分解法的分解结果。
图6是改进的局部均值分解的PF1分量瞬时幅值频谱。
图7是故障状态振动信号包络谱。
图8是传统的局部均值分解的PF1分量瞬时幅值频谱。
具体实施方式
下面结合附图和具体应用实例对本发明的方法与技术方案做出详细说明。
本发明提出的是一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法,其诊断流程如图1所示,具体包括以下步骤:
步骤1:利用ICP振动加速度传感器于往复压缩机十字头滑履处采集振动加速度信号,利用光电传感器于往复压缩机飞轮处采集旋转键相信号,并使用多通道同步数据采集系统记录测试信号;依据键相信号,截取多个整周期的振动信号数据。
步骤2:使用改进的局部均值分解方法对所测振动信号进行分解,得到一系列PF分量。其中,每个PF分量可表示为一个瞬时幅值包络信号和纯调频信号的乘积。对于振动信号x(t),改进的局部均值分解算法的流程如图2所示,具体算法如下:
(1)设置初始参数:ui(t)=x(t),sij(t)=ui(t),i=0,j=0,确定信号sij(t)的所有极值序列Xi,j,k;
(2)利用得出的所有极值序列Xi,j,k,依据公式
计算得出极值对称点序列Ai,j,k,并按照在两相邻的极大值点间插入一个极小值对称点及在两相邻的极小值点间插入一个极大值对称点的原则,将极值序列Xi,j,k和极值对称点序列Ai,j,k分为最大极值序列Xmaxi,j,k和最小极值序列Xmini,j,k;
(3)分别使用单调三次Hermite插值计算得出最大极值序列Xmaxi,j,k所对应的上包络线Euij(t),以及最小极值序列Xmini,j,k所对应的下包络线Elij(t)。其中,计算上下包络线所使用的单调三次Hermite插值定义如下:
对于数据( i,Xi,di),其中Xi与di分别是分划点 i(i=0,…,n,)处的函数值和一阶导数值。设hi, i,Xi分别为hi= i+1- i,Xi=Xi+1-Xi, i=Xi/hi
一阶导数值di为
在区间内,对于给定的初始值和的单调三次Hermite插值可以定义为:
=+++;
(4)利用得出的上包络线Euij(t)和下包络线Elij(t)即可计算得出局部均值函数mij(t)与包络估计函数aij(t)分别为
;
(5)把局部均值函数m11(t)从振动信号x(t)中分离出来,用h11(t)除以包络估计函数a11(t),以对h11(t)进行解调:
再按照以上步骤求出s11(t)所对应的包络估计函数a12(t),如果a12(t)=1,说明s11(t)是一个纯调频函数,如果a12(t)≠1,则重复上述迭代过程n次,直至s1n(t)的包络估计函数a1(n+1)(t)=1为止,也即s1n(t)为一个纯调频信号;
(6)把迭代过程中所产生的所有包络估计函数相乘,得到PF的包络信号a1(t):
(7)将包络信号a1(t)和纯调频信号s1n(t)相乘便可以得到振动信号的第一个PF分量:
(8)将第一个分量PF1(t)从振动信号x(t)中分离出来,得到一个新的信号u1(t),将u1(t)作为原始数据重复以上步骤,循环k次,直到uk为一个单调函数为止
这样就可以将振动信号x(t)分解为k个PF分量和一个uk之和,即:
。
步骤3:针对改进局部均值分解得出的一系列PF分量,分别计算各个PF分量与振动信号的相关性系数,以相关系数最大值为依据,筛选得出一个包含主要状态信息的PF分量。
步骤4:对所选择PF分量,提取其瞬时幅值a(t),并进行频谱变换,分析其瞬时幅值频谱中是否含有显著的往复压缩机二倍转频,若有,则往复压缩机轴承发生了磨损间隙过大故障。
应用实例
实例应用过程具体以2D12型往复压缩机滑动轴承间隙过大故障为对象。
步骤一,压缩机故障试验与振动信号测试
2D12型往复压缩机是天然气增压输送的常用设备,其电机转速496r/min,排气量70m3/min,活塞行程240mm,结构简图如图3所示。故障实验过程中,在压缩机传动机构的一级连杆大头轴承处,利用已磨损的轴瓦,模拟轴承间隙过大故障。经振动传递机理分析,选择曲轴箱4旁的十字头1滑履下端作为测点,采用ICP加速度型振动传感器、信号放大器和数据采集仪记录了故障状态的振动信号,同时,在压缩机输入轴飞轮上粘贴反光纸,使用光电传感器采集了旋转键相信号。依据键相信号截取两周期的振动加速度信号,振动信号时域波形如图4所示,由图4可知,振动信号出现了强烈非平稳的冲击现象,这是因为轴承间隙过大时,轴与轴瓦剧烈碰撞所致。
步骤二,基于改进的局部均值分解方法的振动信号分解
往复压缩机内部运动部件众多,机体实测振动信号可视为多个内部激励源对机体固有振动频率调制叠加而成,且内部激励多具有时变性。因此,机体振动信号属于强非平稳多分量耦合信号,而局部均值分解方法既能自适应解耦,又适用于非平稳信号,是其理想的分析方法。应用改进局部均值分解对图4所示的振动信号进行分析,分解结果如图5所示。可见,分解结果图5中得出了8个PF分量,其中,前几个PF分量中冲击信息更为明显。
步骤三,PF分量筛选
鉴于设备状态信息主要集中于局部均值分解分解结果的前几个PF分量中,在此,采用相关系数法筛选得出一个包含主要状态信息的PF分量。针对改进的局部均值分解方法分解得出的一系列PF分量,分别计算各个PF分量与原始振动信号的相关性系数,以相关系数最大值为依据,筛选得出一个包含主要状态信息的PF分量。各个PF分量与原始振动信号的相关性系数如表1所示,由表1可知,PF1分量的相关性系最大,以其作为包含主要状态信息的PF分量。
表1各PF分量与原始振动信号相关系数
各PF分量 | PF1 | PF2 | PF3 | PF4 | PF5 | PF6 | PF7 | PF8 |
相关系数 | 0.334 | 0.201 | 0.181 | 0.163 | 0.117 | 0.081 | 0.077 | 0.052 |
步骤四,特征频率提取与轴承间隙故障诊断
往复压缩机振动信号中,幅值调制频率是内部激励频率的真实反映。因此,通过对原始振动信号的包络幅值进行频谱分析,可更直观的反映设备的运行状态。轴承正常间隙状态时,轴与轴瓦通过油膜连续接触,碰撞激励较小。而间隙增大后,轴与轴瓦在一个往复周期内产生两次分离撞击过程,因此,其故障特征频率为二倍频。对图5中PF1分量的瞬时幅值包络a1(t)进行频谱分析,结果图6所示。由图6可知,在16.3Hz即二倍频处出现了显著的峰值,这与之前的故障机理分析结果是一致的,可以准确判定该压缩机轴承出现了间隙过大故障。
诊断结果对比分析。首先,不使用局部均值分解方法,而直接对图4所示振动信号的幅值包络进行频谱分析,结果如图7所示。通过图6和图7对比可知,两者虽然在16.3Hz即二倍频处峰值的幅值相差无几,但是,图7中频率成分混乱,除了二倍频以外,其它频率成分也出现了较多峰值,不利于特征频率的准确识别。而在图6中,其它频率成分幅值较低,二倍频幅值相比于其它频率成分十分显著,更有利于特征频率的准确识别。这是因为,振动信号经局部均值分解后,在PF分量中背景噪声信息得到有效分离,更突出了故障信息,结果充分体现了使用局部均值分解方法的必要性。
再者,为了对比改进的局部均值分解方法的效果,使用传统的局部均值分解方法对图4所示的振动信号进行分解,并对结果中PF1分量的瞬时幅值包络a1(t)进行频谱分析,结果如图8所示。通过对比图6和图8可知,图8中在二倍频处的幅值(具体为0.039)略低于图6(具体为0.041),而且,在其它频率成分的幅值方面,图8也略高于图6,更不利于特征频率的准确识别。这是因为,本发明改进的局部均值方法中,所提出的新型局部均值与包络估计函数构造方法具有更高的精度,更加有效的突出了故障信息,分离了背景噪声。上述结果验证了本发明方法的有效性。
Claims (3)
1.一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法,具体包括以下步骤:
(1)利用振动加速度传感器以及光电传感器,分别测试记录往复压缩机十字头滑履处振动加速度信号和飞轮处旋转键相信号,并依据旋转键相信号截取整周期的振动加速度信号;
(2)使用改进的局部均值分解方法对所截取的振动加速度信号进行分解,得到一系列PF分量;
(3)采用相关系数法,从步骤(2)中得到的一系列PF分量中,筛选得出包含主要状态信息的PF分量;
(4)提取所筛选PF分量的瞬时幅值函数,并对其进行频谱变换,分析频谱中是否含有显著的往复压缩机二倍转频,若有,则往复压缩机轴承发生了磨损间隙过大故障;
其特征在于:所述步骤(2)中使用改进的局部均值分解方法对所截取的振动信号进行分解的步骤如下:
①对于振动信号x(t),设置初始参数:ui(t)=x(t),sij(t)=ui(t),i=0,j=0,确定信号sij(t)的所有极值序列Xi,j,k;
②计算所有极值序列Xi,j,k所对应的极值对称点序列Ai,j,k,按照在两相邻的极大值点间插入一个极小值对称点及在两相邻的极小值点间插入一个极大值对称点的原则,将极值序列Xi,j,k和极值对称点序列Ai,j,k分为最大极值序列Xmaxi,j,k和最小极值序列Xmini,j,k;
③分别使用单调三次Hermite插值计算得出最大极值序列Xmaxi,j,k所对应的上包络线Euij(t),以及最小极值序列Xmini,j,k所对应的下包络线Elij(t);
④利用得出的上包络线Euij(t)和下包络线Elij(t)即可计算得出局部均值函数mij(t)与包络估计函数aij(t);
⑤把局部均值函数m11(t)从振动信号x(t)中分离出来,用h11(t)除以包络估计函数a11(t),以对h11(t)进行解调,得到s11(t);再按照以上步骤求出s11(t)所对应的包络估计函数a12(t),如果a12(t)=1,说明s11(t)是一个纯调频函数,如果a12(t)≠1,则重复上述迭代过程n次,直至s1n(t)的包络估计函数a1(n+1)(t)=1为止,也即s1n(t)为一个纯调频信号;
⑥把迭代过程中所产生的所有包络估计函数相乘得到PF的包络信号a1(t);
⑦将包络信号a1(t)和纯调频信号s1n(t)相乘得到振动信号的第一个PF分量;
⑧将第一个分量PF1(t)从振动信号x(t)中分离出来,得到一个新的信号u1(t),将u1(t)作为原始数据重复以上步骤,循环k次,直到uk为一个单调函数为止;从而将所截取的振动信号x(t)分解为k个PF分量和一个uk之和。
2.根据权利要求1所述的基于改进的局部均值分解的往复压缩机轴承故障诊断方法,其特征在于:所述步骤②中所有极值序列Xi,j,k所对应的极值对称点序列Ai,j,k的计算过程如下:
对于确定振动信号x(t)的极值点及对应的时刻,于相邻两极大值点或极小值点Xk和Xk+2间插入极值对称点Ak+1,其中Ak+1的定义为:
。
3.根据权利要求1所述的基于改进的局部均值分解的往复压缩机轴承故障诊断方法,其特征在于:所述步骤③中所使用的单调三次Hermite插值定义如下:
对于数据( i,Xi,di),其中Xi与di分别是分划点 i(i=0,…,n,)处的函数值和一阶导数值;
设hi, i,Xi分别为hi= i+1- i,Xi=Xi+1-Xi, i=Xi/hi
一阶导数值di为
在区间内,对于给定的初始值和的单调三次Hermite插值可以定义为:
=+++。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610019424.1A CN105628381B (zh) | 2016-01-13 | 2016-01-13 | 一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610019424.1A CN105628381B (zh) | 2016-01-13 | 2016-01-13 | 一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105628381A true CN105628381A (zh) | 2016-06-01 |
CN105628381B CN105628381B (zh) | 2018-09-04 |
Family
ID=56043520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610019424.1A Expired - Fee Related CN105628381B (zh) | 2016-01-13 | 2016-01-13 | 一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105628381B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908241A (zh) * | 2017-02-23 | 2017-06-30 | 北京工业大学 | 一种基于lmd与小波去噪相结合的轴承故障判别方法 |
CN107917806A (zh) * | 2017-12-03 | 2018-04-17 | 中国直升机设计研究所 | 一种基于mckd和lmd的滚动轴承早期故障诊断方法 |
CN108168924A (zh) * | 2017-12-20 | 2018-06-15 | 东北石油大学 | 一种基于vmd和mfss模型的往复压缩机寿命预测方法 |
CN108716463A (zh) * | 2018-04-19 | 2018-10-30 | 合肥通用机械研究院有限公司 | 一种往复压缩机环状气阀的故障诊断方法 |
CN109139443A (zh) * | 2018-06-07 | 2019-01-04 | 合肥通用机械研究院有限公司 | 一种基于位移信号的活塞杆故障诊断方法 |
CN109341989A (zh) * | 2018-09-03 | 2019-02-15 | 大连理工大学 | 一种能够剔除车辆动力效应的桥梁影响线识别方法 |
CN109707615A (zh) * | 2019-02-26 | 2019-05-03 | 东北石油大学 | 基于精细多重分形的往复压缩机故障诊断方法 |
CN110289007A (zh) * | 2019-06-25 | 2019-09-27 | 西安交通大学 | 一种用于语音基音频率提取的改进局部均值分解方法 |
CN111005864A (zh) * | 2019-12-25 | 2020-04-14 | 沈阳天眼智云信息科技有限公司 | 基于模糊熵的化工设备故障诊断方法 |
CN111412978A (zh) * | 2020-04-22 | 2020-07-14 | 北京化工大学 | 一种基于无故障振动信号的往复机械异常检测方法 |
CN113027746A (zh) * | 2021-03-12 | 2021-06-25 | 苏州德姆斯信息技术有限公司 | 一种往复式设备的故障监测方法 |
CN113187715A (zh) * | 2021-05-26 | 2021-07-30 | 西安热工研究院有限公司 | 一种超临界二氧化碳压缩机振动智能诊断的矩阵分析方法 |
CN113723245A (zh) * | 2021-08-20 | 2021-11-30 | 西安交通大学 | 往复式压缩机运行状态监测方法、系统、设备及存储介质 |
-
2016
- 2016-01-13 CN CN201610019424.1A patent/CN105628381B/zh not_active Expired - Fee Related
Non-Patent Citations (6)
Title |
---|
张亢: ""局部均值分解方法及其在旋转机械故障诊断中的应用研究"", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
杨松山 等: ""基于LMD多尺度熵与SVM的往复压缩机轴承故障诊断方法"", 《机械传动》 * |
赵海洋 等: ""有理Hermite插值局部均值分解方法及其往复压缩机故障诊断应用"", 《机械工程学报》 * |
赵海洋: ""往复压缩机轴承间隙故障诊断与状态评估方法研究"", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
邹龙庆 等: ""基于LMD样本熵与SVM的往复压缩机故障诊断方法"", 《噪声与振动控制》 * |
陈桂娟 等: ""基于三次hermite插值lmd方法的往复压缩机故障诊断技术"", 《压缩机技术》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908241A (zh) * | 2017-02-23 | 2017-06-30 | 北京工业大学 | 一种基于lmd与小波去噪相结合的轴承故障判别方法 |
CN107917806A (zh) * | 2017-12-03 | 2018-04-17 | 中国直升机设计研究所 | 一种基于mckd和lmd的滚动轴承早期故障诊断方法 |
CN108168924A (zh) * | 2017-12-20 | 2018-06-15 | 东北石油大学 | 一种基于vmd和mfss模型的往复压缩机寿命预测方法 |
CN108716463A (zh) * | 2018-04-19 | 2018-10-30 | 合肥通用机械研究院有限公司 | 一种往复压缩机环状气阀的故障诊断方法 |
CN109139443B (zh) * | 2018-06-07 | 2019-12-13 | 合肥通用机械研究院有限公司 | 一种基于位移信号的活塞杆故障诊断方法 |
CN109139443A (zh) * | 2018-06-07 | 2019-01-04 | 合肥通用机械研究院有限公司 | 一种基于位移信号的活塞杆故障诊断方法 |
CN109341989A (zh) * | 2018-09-03 | 2019-02-15 | 大连理工大学 | 一种能够剔除车辆动力效应的桥梁影响线识别方法 |
CN109707615A (zh) * | 2019-02-26 | 2019-05-03 | 东北石油大学 | 基于精细多重分形的往复压缩机故障诊断方法 |
CN110289007A (zh) * | 2019-06-25 | 2019-09-27 | 西安交通大学 | 一种用于语音基音频率提取的改进局部均值分解方法 |
CN111005864A (zh) * | 2019-12-25 | 2020-04-14 | 沈阳天眼智云信息科技有限公司 | 基于模糊熵的化工设备故障诊断方法 |
CN111412978A (zh) * | 2020-04-22 | 2020-07-14 | 北京化工大学 | 一种基于无故障振动信号的往复机械异常检测方法 |
CN113027746A (zh) * | 2021-03-12 | 2021-06-25 | 苏州德姆斯信息技术有限公司 | 一种往复式设备的故障监测方法 |
CN113027746B (zh) * | 2021-03-12 | 2022-06-14 | 苏州德姆斯信息技术有限公司 | 一种往复式设备的故障监测方法 |
CN113187715A (zh) * | 2021-05-26 | 2021-07-30 | 西安热工研究院有限公司 | 一种超临界二氧化碳压缩机振动智能诊断的矩阵分析方法 |
CN113187715B (zh) * | 2021-05-26 | 2022-12-13 | 西安热工研究院有限公司 | 一种超临界二氧化碳压缩机振动智能诊断的矩阵分析方法 |
CN113723245A (zh) * | 2021-08-20 | 2021-11-30 | 西安交通大学 | 往复式压缩机运行状态监测方法、系统、设备及存储介质 |
CN113723245B (zh) * | 2021-08-20 | 2023-08-18 | 西安交通大学 | 往复式压缩机运行状态监测方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105628381B (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105628381A (zh) | 一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法 | |
CN103575523A (zh) | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 | |
Wang et al. | A demodulation method based on improved local mean decomposition and its application in rub-impact fault diagnosis | |
Yongbo et al. | Review of local mean decomposition and its application in fault diagnosis of rotating machinery | |
CN109297713B (zh) | 基于平稳非平稳振动信号特征选择的汽轮机故障诊断方法 | |
Qin et al. | Vibration signal component separation by iteratively using basis pursuit and its application in mechanical fault detection | |
CN105445022B (zh) | 一种基于双树复小波变换‑熵特征融合的行星齿轮故障诊断方法 | |
Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
CN105090001B (zh) | 一种基于相似性分析的往复压缩机信号整周期相位校准方法 | |
CN105928702B (zh) | 基于形态分量分析的变工况齿轮箱轴承故障诊断方法 | |
CN103471848A (zh) | 基于独立分量分析和倒频谱理论的滚动轴承故障特征提取方法 | |
Li et al. | Incipient fault information determination for rolling element bearing based on synchronous averaging reassigned wavelet scalogram | |
CN101251445B (zh) | 旋转机械碰摩声发射信号的分形特征分析方法 | |
Wang et al. | Weak fault diagnosis of rolling bearing under variable speed condition using IEWT-based enhanced envelope order spectrum | |
Zhao et al. | Vibration health monitoring of rolling bearings under variable speed conditions by novel demodulation technique | |
Zhang et al. | Wind turbine planetary gearbox fault diagnosis via proportion-extracting synchrosqueezing chirplet transform | |
CN104121178A (zh) | 输油泵故障诊断系统及方法 | |
CN105303033B (zh) | 基于集合固有时间尺度分解算法的滚动轴承故障诊断方法 | |
CN111307426A (zh) | 一种基于FrFT-EWT原理的旋转机械故障特征提取方法 | |
CN107679013A (zh) | 基于eemd‑hht与时频重排结合的转速曲线估计方法 | |
CN117571316A (zh) | 一种复合故障诊断方法及系统 | |
Yu et al. | Rolling bearing fault feature extraction and diagnosis method based on MODWPT and DBN | |
CN104156623A (zh) | 一种机械复合故障的诊断方法 | |
CN114781466B (zh) | 基于旋转机械振动信号谐波基频的故障诊断方法及系统 | |
Chen et al. | An improved local mean decomposition method and its application for fault diagnosis of reciprocating compressor |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180904 Termination date: 20210113 |
|
CF01 | Termination of patent right due to non-payment of annual fee |