CN105651376B - 机械设备离线检测系统振动信号频谱分析和报警方法 - Google Patents
机械设备离线检测系统振动信号频谱分析和报警方法 Download PDFInfo
- Publication number
- CN105651376B CN105651376B CN201410628163.4A CN201410628163A CN105651376B CN 105651376 B CN105651376 B CN 105651376B CN 201410628163 A CN201410628163 A CN 201410628163A CN 105651376 B CN105651376 B CN 105651376B
- Authority
- CN
- China
- Prior art keywords
- sequence
- energy
- vibration
- amplitude
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 title abstract description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 42
- 230000003595 spectral effect Effects 0.000 claims abstract description 9
- 230000005856 abnormality Effects 0.000 claims abstract description 3
- 238000001514 detection method Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 abstract description 8
- 238000010183 spectrum analysis Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 4
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 230000009466 transformation Effects 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种机械设备离线检测系统振动信号频谱分析和报警方法,本方法对振动信号进行傅里叶变换,得到振动幅值序列和频率分量序列;使用高斯函数模板平滑振动信号的频谱数据,获得全频带谱线的幅值包络,以平滑长度作为调节参数,设置报警阈值,以超限总值作为报警参数;自适应频段划分,得到的频段数随数据的频谱复杂程度自动调整,以各频段的振动能量值为基准,设置各频段振动能量值的相对报警阈值,以识别新产生的振动信号的振动能量分布异常,实现机械设备异常状态的自动辨识。本方法克服传统振动信号频谱分析的缺陷,提高振动信号频谱的自动分析能力和报警的准确性,满足机械设备运行保障需求,保证机械设备的安全、可靠运行。
Description
技术领域
本发明涉及一种机械设备离线检测系统振动信号频谱分析和报警方法。
背景技术
机械设备离线检测系统中,对振动传感器检测的信号进行傅里叶变换,以频率为独立变量建立振动信号与频率的函数关系,称为频谱分析,或频域分析。频谱分析将复杂的时间信号,分解为若干单一的谐波分量来研究,获得信号的频率结构以及各谐波幅值和相位信息,是机械设备状态监测和故障诊断中最常用也是最重要的分析方法之一,也是机械设备离线检测系统中的核心诊断工具。
在机械设备正常运行的状态下,振动信号的频谱结构相对稳定,一旦出现零部件的异常或故障,产生新的振动源,将导致频率分量或频段内振动能量的改变,引起频谱结构的变化。因此,可以通过对频谱结构的观察与比较,发现设备异常,进而追溯异常谱线的产生原因,实现故障部位的判断。
目前机械设备离线检测系统中大多采用人工分析的方法处理振动信号频谱,凭经验辨识异常的频率分量或频段。少量检测系统中具有频率报警设置的功能,但其设置工作还是依赖于技术人员经验,且通用性差。随着机械设备运行保障的要求逐步提高,越来越多的回转机械设备纳入振动监控的范围内,依靠技术人员的经验分析已无法处理海量增长的振动信号,因此必须研发高效合理的频谱特征提取方法,设置相应的监测阈值,实现自动报警。
目前现有的频谱自动报警方法是设置典型故障所对应频率分量幅值或频段能量值的阈限,该报警方式受工况影响大,设备在运行过程中转速和负荷都会出现变化,因此即使在正常状态下,振动信号的频谱结构也有一定的波动,造成监测频率分量和频段的定位困难,引发误报警和漏报警。同时与频谱结构密切相关,对干扰小、谱线少的位移信号较为有效,但生产现场中最常用的速度和加速度信号,由于频率成分复杂,导致报警效果较差。其次该报警方式针对频谱的局部特征,但机械设备是多零部件组成的复杂系统,对每一个零部件在每一种工况下的每一种故障都进行特征频率监测,在应用中无法实现。
以Commtest公司的Ascent振动监测诊断软件为例,其在频谱报警方面主要有频谱包络和频段报警两个功能,但其频谱包络仅提供了简单的统计包络计算,并不能合理描述全频带内谱线的分布特征,而频段报警设置完全依赖人工调整。
发明内容
本发明所要解决的技术问题是提供一种机械设备离线检测系统振动信号频谱分析和报警方法,本方法克服了传统振动信号频谱分析的缺陷,提高了振动信号频谱的自动分析能力和报警的准确性,满足机械设备运行保障的需求,保证了机械设备的安全、可靠运行。
为解决上述技术问题,本发明机械设备离线检测系统振动信号频谱分析和报警的方法包括如下步骤:
步骤一、对振动信号进行傅里叶变换,得到振动幅值序列和频率分量序列{Ai,fi|i=0,Λ,N-1},其中Ai为振动幅值、fi为频率分量、N为谱线数;
步骤二、采用高斯函数模板平滑振动信号的频谱数据,选择大于3的正奇数L作为平滑长度,计算高斯函数模板的中心位置c=(L-1)/2,计算高斯函数模板的宽度系数得到高斯函数序列j=0,Λ,L-1;
步骤三、高斯函数序列的每一个元素除以中心元素Gc,得到高斯函数模板Mj=Gj/Gc,j=0,Λ,L-1;
步骤四、振动幅值序列前后各延长c个点,得到长度为N+2c的幅值序列,即原振动幅值序列为{A0,A1,L,AN-1},前后各加c个零的幅值序列为{0,Λ,0,A0,A1,Λ,AN-1,0,Λ,0};
步骤五、从幅值序列中依次选择长度为L的子序列与高斯函数模板进行内积运算,相同频率分量对应的内积结果相加,得到各频率分量对应振动幅值Ai的包络序列i=0,Λ,N-1,其中Ai为振动幅值,Mj为高斯模板函数值,Ei为包络序列;
步骤六、将{Ei,fi|i=0,Λ,N-1}作为振动信号的全频带分布特征,获得新的振动信号频谱{A′i,fi|i=0,Λ,N-1},其中A′i为新采集到的振动信号幅值,计算A′i与包络序列Ei的相对总值和单谱线相对最大值
步骤七、设置报警阈值T=1.1~2,如果I1>T或I2>T,则给出报警信号。
进一步,以10~20倍频率分辨率将新采集振动信号的{Ai,fi|i=0,Λ,N-1}频谱等分为l段,计算各段振动能量之和在总振动能量中所占的比例,得到能量比例序列e1,e2,…el,其中振动能量为各频率分量处振动幅值的平方;
在能量比例序列中从大到小选取能量峰值点,直到剩余的能量峰值均小于平均能量比例的1/l或者已选取的能量峰值点能量总和大于0.7,组成新的能量峰值序列其中p1,L,pn为选取能量峰值点在能量比例序列中的序号,n为能量峰值点个数;
峰值序列中相邻两个能量峰值点为和i=1,L,n-1,在能量比例序列中序号为pi和pi+1的能量比例值中查找小于剩余平均能量比例es的极小值,其中剩余平均能量为原能量比例序列中去掉能量峰值点后的序列,则如果极小值个数大于2,则将第一个极小值和最后一个极小值作为分段的频段边界,如果极小值个数小于或等于2,则选择较小的一个极小值作为分段的频段边界,如果不存在极小值,在相邻能量峰值间不作频段划分;设定各分段的频段振动能量值的1~2倍作为相对报警阈值,以识别新产生的振动信号的振动能量分布异常。
进一步,上述平滑长度L的选择范围为3<L≤15。
由于本发明机械设备离线检测系统振动信号频谱分析和报警方法采用了上述技术方案,即本方法对振动信号进行傅里叶变换,得到振动幅值序列和频率分量序列;使用高斯函数模板平滑振动信号的频谱数据,获得全频带谱线的幅值包络,以平滑长度作为调节参数,设置报警阈值,以超限总值作为报警参数;自适应频段划分,得到的频段数随数据的频谱复杂程度自动调整,以各频段的振动能量值为基准,设置各频段振动能量值的相对报警阈值,以识别新产生的振动信号的振动能量分布异常,实现机械设备异常状态的自动辨识。本方法克服了传统振动信号频谱分析的缺陷,提高了振动信号频谱的自动分析能力和报警的准确性,满足机械设备运行保障的需求,保证了机械设备的安全、可靠运行。
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为本方法的流程框图。
具体实施方式
实施例如图1所示,本包括如下步骤:
步骤一、对振动信号进行傅里叶变换,得到振动幅值序列和频率分量序列{Ai,fi|i=0,Λ,N-1},其中Ai为振动幅值、fi为频率分量、N为谱线数;
步骤二、采用高斯函数模板平滑振动信号的频谱数据,选择大于3的正奇数L作为平滑长度,计算高斯函数模板的中心位置c=(L-1)/2,计算高斯函数模板的宽度系数得到高斯函数序列j=0,Λ,L-1;
步骤三、高斯函数序列的每一个元素除以中心元素Gc,得到高斯函数模板Mj=Gj/Gc,j=0,Λ,L-1;
步骤四、振动幅值序列前后各延长c个点,得到长度为N+2c的幅值序列,即原振动幅值序列为{A0,A1,L,AN-1},前后各加c个零的幅值序列为{0,Λ,0,A0,A1,Λ,AN-1,0,Λ,0};
步骤五、从幅值序列中依次选择长度为L的子序列与高斯函数模板进行内积运算,相同频率分量对应的内积结果相加,得到各频率分量对应振动幅值Ai的包络序列i=0,Λ,N-1,其中Ai为振动幅值,Mj为高斯模板函数值,Ei为包络序列;
步骤六、将{Ei,fi|i=0,Λ,N-1}作为振动信号的全频带分布特征,获得新的振动信号频谱{A′i,fi|i=0,Λ,N-1},其中A′i为新采集到的振动信号幅值,计算A′i与包络序列Ei的相对总值和单谱线相对最大值
步骤七、设置报警阈值T=1.1~2,如果I1>T或I2>T,则给出报警信号。
进一步,以10~20倍频率分辨率将新采集振动信号的{Ai,fi|i=0,Λ,N-1}频谱等分为l段,计算各段振动能量之和在总振动能量中所占的比例,得到能量比例序列e1,e2,…el,其中振动能量为各频率分量处振动幅值的平方;
在能量比例序列中从大到小选取能量峰值点,直到剩余的能量峰值均小于平均能量比例的1/l或者已选取的能量峰值点能量总和大于0.7,组成新的能量峰值序列其中p1,L,pn为选取能量峰值点在能量比例序列中的序号,n为能量峰值点个数;
峰值序列中相邻两个能量峰值点为和i=1,L,n-1,在能量比例序列中序号为pi和pi+1的能量比例值中查找小于剩余平均能量比例es的极小值,其中剩余平均能量为原能量比例序列中去掉能量峰值点后的序列,则如果极小值个数大于2,则将第一个极小值和最后一个极小值作为分段的频段边界,如果极小值个数小于或等于2,则选择较小的一个极小值作为分段的频段边界,如果不存在极小值,在相邻能量峰值间不作频段划分;设定各分段的频段振动能量值的1~2倍作为相对报警阈值,以识别新产生的振动信号的振动能量分布异常。
进一步,上述平滑长度L的选择范围为3<L≤15。对于设备结构复杂的振动信号频谱,L选取较大值,频谱谱线简单则L选取较小值。
在机械设备离线检测系统中采用传感器采集设备的振动信号,本方法首先对采集的振动信号进行傅里叶变换,得到振动信号频谱,使用高斯函数模板平滑振动信号的频谱数据,获得全频带谱线的幅值包络,以平滑长度作为调节参数,设置报警阈值,以超限总值作为报警参数。进一步,对振动信号频谱作自适应频段划分,得到的频段数随数据的频谱复杂程度自动调整,以各划分频段的振动能量值为基准,设置各划分频段振动能量值的相对报警阈值,以识别新产生的振动信号的振动能量分布异常,实现机械设备异常状态的自动辨识。
将本方法编制成软件模块并加入机械设备离线检测系统中,提高了机械设备离线检测系统对振动信号频谱的自动分析能力和报警的准确性,克服了传统方法受工况与噪声影响大、不适用于复杂频谱结构、针对局部特征的缺陷,为实现振动信号频域自动报警提供了有效的技术手段。本方法得到的频段数随数据的频谱复杂程度自动调整,对于加速度信号,得到的频段数多,对于频谱结构比较简单的速度信号,得到的频段数少,因此具有很强的通用性,并且能够通过程序自动实现。本方法可应用于位移、速度和加速度等多种振动信号的分析,经实测数据验证,满足生产现场的频域自动报警要求。特别是在加热炉风机、轴承、齿轮箱等回转机械零部件的监测与诊断分析中,取得了满意的结果,实现自动化的异常识别,帮助技术人员及时捕捉故障先兆,减少无效的重复工作,提高诊断的效率和准确性,对减少诊断分析工作量,保障设备安全运行起到积极的推进作用。
Claims (2)
1.一种机械设备离线检测系统振动信号频谱分析和报警方法,其特征在于本方法包括如下步骤:
步骤一、对振动信号进行傅里叶变换,得到振动幅值序列和频率分量序列{Ai,fi|i=0,Λ,N-1},其中Ai为振动幅值、fi为频率分量、N为谱线数;
步骤二、采用高斯函数模板平滑振动信号的频谱数据,选择大于3的正奇数L作为平滑长度,计算高斯函数模板的中心位置c=(L-1)/2,计算高斯函数模板的宽度系数得到高斯函数序列j=0,Λ,L-1;
步骤三、高斯函数序列的每一个元素除以中心元素Gc,得到高斯函数模板Mj=Gj/Gc,j=0,Λ,L-1;
步骤四、振动幅值序列前后各延长c个点,得到长度为N+2c的幅值序列,即原振动幅值序列为{A0,A1,L,AN-1},前后各加c个零的幅值序列为{0,Λ,0,A0,A1,Λ,AN-1,0,Λ,0};
步骤五、从幅值序列中依次选择长度为L的子序列与高斯函数模板进行内积运算,相同频率分量对应的内积结果相加,得到各频率分量对应振动幅值Ai的包络序列i=0,Λ,N-1,其中Ai为振动幅值,Mj为高斯模板函数值,Ei为包络序列;
步骤六、将{Ei,fi|i=0,Λ,N-1}作为振动信号的全频带分布特征,获得新的振动信号频谱{A′i,fi|i=0,Λ,N-1},其中A′i为新采集到的振动信号幅值,计算A′i与包络序列Ei的相对总值和单谱线相对最大值
其中,以10~20倍频率分辨率将新采集振动信号的{Ai,fi|i=0,Λ,N-1}频谱等分为l段,计算各段振动能量之和在总振动能量中所占的比例,得到能量比例序列e1,e2,…el,其中振动能量为各频率分量处振动幅值的平方;
在能量比例序列中从大到小选取能量峰值点,直到剩余的能量峰值均小于平均能量比例的1/l或者已选取的能量峰值点能量总和大于0.7,组成新的能量峰值序列其中p1,L,pn为选取能量峰值点在能量比例序列中的序号,n为能量峰值点个数;
峰值序列中相邻两个能量峰值点为和i=1,L,n-1,在能量比例序列中序号为pi和pi+1的能量比例值中查找小于剩余平均能量比例es的极小值,其中剩余平均能量为原能量比例序列中去掉能量峰值点后的序列,则如果极小值个数大于2,则将第一个极小值和最后一个极小值作为分段的频段边界,如果极小值个数小于或等于2,则选择较小的一个极小值作为分段的频段边界,如果不存在极小值,在相邻能量峰值间不作频段划分;设定各分段的频段振动能量值的1~2倍作为相对报警阈值,以识别新产生的振动信号的振动能量分布异常;
步骤七、设置报警阈值T=1.1~2,如果I1>T或I2>T,则给出报警信号。
2.根据权利要求1所述的机械设备离线检测系统振动信号频谱分析和报警方法,其特征在于:平滑长度L的选择范围为3<L≤15。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410628163.4A CN105651376B (zh) | 2014-11-10 | 2014-11-10 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410628163.4A CN105651376B (zh) | 2014-11-10 | 2014-11-10 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105651376A CN105651376A (zh) | 2016-06-08 |
CN105651376B true CN105651376B (zh) | 2019-08-06 |
Family
ID=56482965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410628163.4A Active CN105651376B (zh) | 2014-11-10 | 2014-11-10 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105651376B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106154978A (zh) * | 2016-07-01 | 2016-11-23 | 北京华科合创科技发展有限公司 | 一种动设备状态监测及故障诊断安全系统 |
CN106485070B (zh) * | 2016-09-30 | 2019-05-28 | 广州机智云物联网科技有限公司 | 一种自适应阈值调整方法 |
FR3065803B1 (fr) * | 2017-04-26 | 2019-08-30 | Safran | Procede de detection d'un defaut d'un capteur de vibration, dispositif et programme d'ordinateur associes |
FR3069668B1 (fr) * | 2017-07-27 | 2021-02-12 | Safran | Procede et dispositif de recherche d'un defaut susceptible d'affecter un dispositif mecanique tournant de transmission de puissance |
US11587807B2 (en) * | 2018-10-28 | 2023-02-21 | Taiwan Semiconductor Manufacturing Co., Ltd. | Annealing apparatus and method thereof |
CN110096673B (zh) * | 2019-04-29 | 2023-03-14 | 河北工业大学 | 一种适用于信号分解的emd改进方法 |
CN110095183A (zh) * | 2019-06-04 | 2019-08-06 | 哈尔滨理工大学 | 一种变频异步电机振动识别系统和方法 |
CN111102139B (zh) * | 2019-12-26 | 2021-02-02 | 河北振创电子科技有限公司 | 风机偏航卡钳报警方法和系统 |
CN112040351B (zh) * | 2020-08-25 | 2022-04-26 | 西安因联信息科技有限公司 | 一种机械设备振动报警信息推送方法 |
CN112069452B (zh) * | 2020-09-04 | 2024-07-30 | 上海钧正网络科技有限公司 | 用于车辆的器件紧固程度检测方法和装置、检测设备及计算机可读介质 |
CN112525336B (zh) * | 2020-11-18 | 2023-06-27 | 西安因联信息科技有限公司 | 一种机械设备振动连续增长的自动化检测方法 |
CN113310693B (zh) * | 2021-06-07 | 2024-06-25 | 华润电力技术研究院有限公司 | 一种机械故障检测方法、装置、设备及存储介质 |
CN114090950B (zh) * | 2021-11-25 | 2024-07-16 | 成都飞机工业(集团)有限责任公司 | 平稳振动信号的宽频噪声等相位压缩方法及装置 |
CN116910452B (zh) * | 2023-07-21 | 2024-04-26 | 郑州铁路职业技术学院 | 基于大数据的有害垃圾无菌化处理风险预测评估方法 |
CN117886241B (zh) * | 2024-03-14 | 2024-06-04 | 山东中建众力机械工程有限公司 | 基于振动分析的塔式起重机自检系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289735B1 (en) * | 1998-09-29 | 2001-09-18 | Reliance Electric Technologies, Llc | Machine diagnostic system and method for vibration analysis |
JP2003097407A (ja) * | 2001-09-21 | 2003-04-03 | Tokyo Electric Power Co Inc:The | 水力機械のキャビテーション診断装置 |
JP2006113002A (ja) * | 2004-10-18 | 2006-04-27 | Nsk Ltd | 機械設備の異常診断システム |
CN101451920A (zh) * | 2007-12-07 | 2009-06-10 | 上海宝钢工业检测公司 | 机械振动信号全频带特征预警方法 |
CN101561342A (zh) * | 2009-05-15 | 2009-10-21 | 北京工业大学 | 分时快速稳态正弦扫频激振频响函数测量系统及方法 |
CN102032942A (zh) * | 2009-09-25 | 2011-04-27 | 上海宝钢工业检测公司 | 基于高斯平滑的设备振动信号全频带特征提取和报警方法 |
CN102706560A (zh) * | 2012-05-25 | 2012-10-03 | 华锐风电科技(江苏)有限公司 | 一种风力发电机组的状态监测方法和装置 |
-
2014
- 2014-11-10 CN CN201410628163.4A patent/CN105651376B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289735B1 (en) * | 1998-09-29 | 2001-09-18 | Reliance Electric Technologies, Llc | Machine diagnostic system and method for vibration analysis |
JP2003097407A (ja) * | 2001-09-21 | 2003-04-03 | Tokyo Electric Power Co Inc:The | 水力機械のキャビテーション診断装置 |
JP2006113002A (ja) * | 2004-10-18 | 2006-04-27 | Nsk Ltd | 機械設備の異常診断システム |
CN101451920A (zh) * | 2007-12-07 | 2009-06-10 | 上海宝钢工业检测公司 | 机械振动信号全频带特征预警方法 |
CN101561342A (zh) * | 2009-05-15 | 2009-10-21 | 北京工业大学 | 分时快速稳态正弦扫频激振频响函数测量系统及方法 |
CN102032942A (zh) * | 2009-09-25 | 2011-04-27 | 上海宝钢工业检测公司 | 基于高斯平滑的设备振动信号全频带特征提取和报警方法 |
CN102706560A (zh) * | 2012-05-25 | 2012-10-03 | 华锐风电科技(江苏)有限公司 | 一种风力发电机组的状态监测方法和装置 |
Non-Patent Citations (1)
Title |
---|
基于希尔伯特变化的微小振动激光多普勒信号处理;武颖丽 等;《中国激光》;20130615;第6卷(第3期);第415-420页 |
Also Published As
Publication number | Publication date |
---|---|
CN105651376A (zh) | 2016-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105651376B (zh) | 机械设备离线检测系统振动信号频谱分析和报警方法 | |
KR101818394B1 (ko) | 설비 상태 진단 방법 및 장치 | |
KR102261899B1 (ko) | 드론의 이상 진단장치 및 그 방법 | |
Zhao et al. | A data-driven monitoring scheme for rotating machinery via self-comparison approach | |
WO2018043009A1 (ja) | 状態監視装置 | |
JP2015075821A (ja) | 状態診断方法および状態診断装置 | |
CN109765055B (zh) | 基于ewt、谱有效值和knn的滚动轴承故障检测方法及系统 | |
JP6420885B1 (ja) | 電磁振動成分の除去方法、回転機械診断方法、及び回転機械診断装置 | |
JP2022515935A (ja) | 誘導電動機の軸受故障重大度を推定する方法 | |
CN105258789B (zh) | 一种振动信号特征频率带的提取方法及装置 | |
KR102093929B1 (ko) | Cim 기반의 시스템 건전성 진단을 위한 장치 및 방법 | |
JP6792746B2 (ja) | 周波数領域のセグメント特徴解析による状態識別法 | |
Jaber et al. | Development of a Condition Monitoring Algorithm for Industrial Robots based on Artificial Intelligence and Signal Processing Techniques. | |
EP2761315B1 (en) | A method of determining stationary signals for the diagnostics of an electromechanical system | |
CN111664929B (zh) | 用于在机器振动数据中分离周期振幅波峰和非周期振幅波峰的系统 | |
Spiridonakos et al. | An FS-TAR based method for vibration-response-based fault diagnosis in stochastic time-varying structures: experimental application to a pick-and-place mechanism | |
CN110987438A (zh) | 水轮发电机变转速过程周期性振动冲击信号检测的方法 | |
CH709087A2 (de) | Verfahren und Systeme zur Überwachung der Funktionstüchtigkeit von Laufschaufeln. | |
WO2019197082A1 (de) | Ursachenbestimmung von anomalieereignissen | |
CN115539324A (zh) | 一种风电机组故障诊断方法、装置及电子设备 | |
CN107368457B (zh) | 基于LoG算子和Grubbs检验的瞬时频率估计方法 | |
CN114755010A (zh) | 一种旋转机械振动故障诊断方法及其系统 | |
CN112903296B (zh) | 一种滚动轴承故障检测方法及系统 | |
CN104634566B (zh) | 一种风机传动系统故障特征提取方法 | |
TW201633025A (zh) | 工具機主軸故障形式的診斷方法及其系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: No. 3520 Tongji Road, Baoshan District, Shanghai, 201900 Patentee after: Baowu equipment Intelligent Technology Co., Ltd Address before: 201900, 335, Pu Pu Road, Shanghai, Baoshan District Patentee before: SHANGHAI BAOSTEEL INDUSTRY TECHNOLOGICAL SERVICE Co.,Ltd. |