CN106096495B - 一种液压往复密封损伤状态的特征提取方法 - Google Patents
一种液压往复密封损伤状态的特征提取方法 Download PDFInfo
- Publication number
- CN106096495B CN106096495B CN201610340641.0A CN201610340641A CN106096495B CN 106096495 B CN106096495 B CN 106096495B CN 201610340641 A CN201610340641 A CN 201610340641A CN 106096495 B CN106096495 B CN 106096495B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- energy
- wavelet
- sensor
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
Abstract
本发明公开了一种液压往复密封损伤状态的特征提取方法,本发明提出的方法主要是通过光纤光栅应变传感器、流体压力传感器、执行元件的运动位移传感器,在液压执行元件的工作过程中分别采集往复密封底面的应变信号、系统的压力信号、执行元件的运动信号,并通过多种传感信息的有效融合实现液压往复密封损伤状态特征的提取,以实现系统的故障预防和健康管理。
Description
技术领域
本发明涉及密封损伤状态监测,尤其涉及一种液压往复密封损伤状态的特征提取方法。
背景技术
液压往复密封是液压执行元件中的关键组成部分,其作用是防止执行元件的工作介质泄漏以及外界杂质、灰尘、水分及其它污染物质的侵入,是装备安全高效运行的重要保证。在液压执行元件的工作过程中,往复密封会受到温度、介质压力、摩擦力,以及油液中污染物颗粒等的综合作用,容易引起密封发生老化、破损、扭转、溶胀、挤入等情况的发生。一旦液压往复密封在设备使用过程中发生损伤,不但会造成资源浪费、环境污染、导致生产效率下降、产品质量波动,还会引起重大设备和人员安全事故。因此,液压往复密封的损伤状态监测对于实现故障预防具有极为重要的意义。
因此,为及时地了解液压往复密封损伤状态,消除故障隐患,避免更大的经济损失。需要一种能够在工作过程中及时准确监测并判断密封损伤状态的方法。但由于往复密封所处的高压封闭环境和狭小空间限制,在实际工况下直接监测密封状态难度很大。
发明内容
本发明要解决的技术问题在于针对现有技术中不能及时和准确监测的缺陷,提供一种液压往复密封损伤状态的特征提取方法。
本发明解决其技术问题所采用的技术方案是:一种液压往复密封损伤状态的特征提取方法,包括以下步骤:
1)传感器布置:在活塞处密封圈的密封槽内布置用于采集前导向套的应变的光纤光栅应变传感器和温度传感器;对液压缸两腔分别布置流体压力传感器;在活塞杆布置位移传感器;
2)根据布置的传感器采集信号:光纤光栅应变和温度信号、油液压力信号、活塞杆位移信号;
3)光纤光栅应变信号故障提取:
信号预处理:对光纤光栅应变传感器的监测数据进行温度补偿;
3.1)滤除低频信号:应用小波包分析方法,选用对于缓慢变化的暂态过程较为敏感的db8小波基函数,对原始信号进行4层小波包分解;然后去除最底层频率段信号S4,0,对其他细节信号进行重构;
3.2)对重构后的信号进行频谱分析,获得液压往复密封在正常状态、小磨损状态、大磨损状态下的频率谱对比图;
3.3)根据频率谱对比图提取所有的特征频率点;所述特征频率点为fj(j=1,2,3,4);
3.4)在各特征频率点上设定一个边频区间[fj-Δd,fj+Δd](j=1,2,3,4),Δd表示每个特征频率点的边频区间跨度;
3.5)对于某一个特征频率点fj的边频区间[fj-Δd,fj+Δd],首先将频谱幅值归一化:
式中,pi是边频区间内的每一个频率i的幅值占边频区间[fj-Δd,fj+Δd]内全部频谱幅值总和的比例。Xi为频率i处的幅值,为该边频区间全部频谱点的幅值比例总和,则于是根据幅值理论的公式,定义特征频率点fj边频区间的边频幅值熵为:
则特征频率点“边频幅值熵和”可表示为:
3.6)根据边频幅值熵和判断密封圈磨损程度;
4)根据步骤3.2)中的信号获得三种状态密封圈功率谱,根据功率谱中25Hz处的功率值大小判断密封圈磨损程度;
5)流体压力传感器故障特征提取:
5.1)对有杆腔流体压力信号进行4层小波包分解,对各频带范围内的信号重构,令Si,j表示第(i,j)频率成分的重构信号,则第4层总信号S可以表示为:
S=S4,0+S4,1+…+S4,15 (2)
5.2)求第4层各频带信号的总能量。设S4,j对应的能量为E4,j(j=0,1,…,15),则有
式中,xj,k(j=0,1,…15;k=0,1,…n)为重构信号S4,j的离散点幅值。
得到各层能量向量T:
T=[E4,0,E4,1,…,E4,14,E4,15] (4)
5.3)对上述能量向量T做归一化处理,令
向量即为归一化的特征向量;
5.4)将底层频率段能量比重e4,0作为故障特征,随着密封圈磨损状态的加剧,密封面泄漏增加,e4,0能量比重微量变小;
6)小波包能量熵:
设则于是定义相应的小波包能量熵WWE(Wavelet EnergyEntropy)为:
根据上述小波包能量的定义,可以得出流体压力传感器信号的小波包能量值,根据小波包能量值的变化判断密封圈磨损程度;
7)位移信号障特征提取-活塞杆运动速度;
7.1)对活塞杆位移信号做小波包分析,对压力信号做4层小波包分解,然后重构最底层低频分量,以此达到信号去噪的目的。
7.2)对阶段②位移信号进行拟合,求出活塞杆运动速度;
7.3)根据活塞杆运动速度的变化判断密封圈磨损程度;
本发明产生的有益效果是:能够在密封圈工作过程中及时准确监测并判断密封损伤状态,在本发明基础上根据液压往复密封损伤状态,消除故障隐患,避免更大的经济损失。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的活塞结构示意图;
图2是本发明实施例的流体压力传感和活塞杆位移传感器器布置图;
图3是本发明实施例的不同状态密封圈频谱图对比示意图;
图4是本发明实施例的局部频谱放大图;
图中:1-活塞杆;2-活塞环;3,4-O型密封圈;5-Y型密封圈;6-内六角螺钉;7-导向环;8-后导向套;9-锁母;10-键;11-前导向套12-光纤光栅传感器引线;13-光纤光栅应变传感器;14-光纤光栅温度传感器;21-活塞杆位移传感器;22-无杆腔压力传感器;23有杆腔压力传感器;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
一种液压往复密封损伤状态的特征提取方法,具体如下:
1.传感器布置:
在活塞处密封圈的密封槽内布置光纤光栅应变和温度传感器具体见图1;对液压缸两腔分别布置流体压力传感器,对活塞杆布置位移传感器具体见图2;
光纤光栅应变和温度传感器布置:图1所示光纤光栅应变传感器绕活塞周向铺设,光纤光栅温度传感器沿轴向铺设于密封槽背面凹槽内。传感器均通过导向套上的凹槽引出至活塞杆,进而引出液压缸。
流体压力传感器布置和位移传感器布置:图2所示,在液压杆的有杆腔和无杆腔布置有两个压力传感器分别检测有杆腔和无杆腔的油液压力。通过位移传感器21监测液压缸活塞杆位移信号,位移信号采用拉绳式位移传感器,通过夹具装配于活塞杆上,使之能够随着活塞杆的伸出/缩回值。
2.信号故障特征参数提取
(1)信号采集:
本实验需要采集的信号主要由三种:光纤光栅信号、油液压力信号、活塞杆位移信号。光纤光栅信号主要采集的是前导向套的应变和温度,油液压力信号主要为无杆腔和有杆腔的压力,活塞杆的位移信号是通过拉绳式传感器采集。
光纤光栅信号主要包括FBG应变信号和FBG温度信号,其中温度信号用于给应变信号进行温度补偿,以便计算出因密封接触压力产生的前导向套传感器应变大小。光纤光栅信号经过光纤光栅解调仪进行解调,使光信号被转变为电信号被工控机接收。液压缸有杆腔、无杆腔压力信号和杆位移信号,信号通过NI9201采集卡解析后传输给工控机。
本发明是通过监测密封槽底面的应变变化来实现液压往复密封的监测,而密封在工作过程中会产生温度的变化。由于应变和温度都会对光纤光栅产生影响,因此光纤光栅的波长的变化量是应变和温度的变化量的叠加。因此必须对光纤光栅应变传感器的监测数据进行温度补偿。并通过实验对光纤光栅温度传感器和光纤光栅应变传感器进行标定,发明中试验传感器的标定结果为:温度传感器温度灵敏度系数10.305℃/pm;应变传感器压力灵敏度系数为7.8pm/με,温度灵敏度系数为14.972℃/pm。
(2)故障特征参数提取
液压往复密封是属于动密封,密封圈的工作环境比较复杂,密封圈同时受到交变载荷的作用,一个周期的液压缸运动存在四个阶段:
①活塞杆完全伸出:活塞杆完全伸出后保持不动,有杆腔压力达到最低谷,无杆腔压力为系统溢流阀设定压力
②内行程:活塞杆匀速缩回行程,此过程中有杆腔压力为工作压力(3Mpa),无杆腔接近0压力;
③活塞杆完全缩回:活塞杆完全缩回并保持不动,有杆腔压力迅速达到系统溢流阀设定压力并保持不变,无杆腔依然接近0压
④外形程:活塞杆匀速伸出行程;此过程中有杆腔压力接近0压,无杆腔为工作压力(3Mpa);
光纤光栅应变信号故障提取
2.1.特征频率点“边频幅值熵和(S)”作为诊断密封圈磨损程度的故障特征参数之一。
以正常密封圈在3MPa的阶段②样本为分析对象,由于低频率段信号的幅值相对非常大,使得高频率段的幅值特征被“淹没”,为充分挖掘高频段信号中的信号特征,首先应用小波包分析方法,选用对于缓慢变化的暂态过程较为敏感的db8小波基函数,对原始信号进行4层小波包分解。然后去除最底层频率段信号S4,0,对其他细节信号进行重构。以此方法来滤除具有巨大能量的低频信号。对重构后的信号再次进行频谱分析,正常、小磨损、大磨损密封圈频率谱对比图,如图3所示。
通过图3可以发现,在去除最底层低频信号后,高频信号的频谱特征开始显现,有四个主要的特征频率点fj(分别约为11Hz,25Hz,50Hz,81Hz),其中基频为25Hz。
图4所示为局部频谱放大图,通过对比可以发现,当密封圈磨损状态不同时,特征频率点附近边频的幅值曲线的平滑(波动)程度具有一定的区别。按曲线由平滑到紊乱排序为正常密封圈<大磨损密封圈<小磨损密封圈。
由于“信息熵”可以用于定义一组数据的“无秩序”程度。因此,本发明提出特征频率点“边频幅值熵和(S)”作为诊断密封圈磨损程度的故障特征参数之一。
在各特征频率点上设定一个边频区间[fj-Δd,fj+Δd](j=1,2,3,4),Δd表示每个特征频率点的边频区间跨度。
对于某一个特征频率点fj的边频区间[fj-Δd,fj+Δd],首先将频谱幅值归一化:
式中,pi是边频区间内的每一个频率i的幅值占边频区间[fj-Δd,fj+Δd]内全部频谱幅值总和的比例。Xi为频率i处的幅值,为该边频区间全部频谱幅值总和,则于是根据幅值理论的公式,定义特征频率点fj边频区间的边频幅值熵为:
则特征频率点“边频幅值熵和”可表示为:
根据信息熵的基本性质,一个随机信号,如果是完全无序的,那么信号的概率分布也就无序,在频谱上的分布无任何规律,熵值理论上接近最大值。即pi分布越无序(紊乱),频谱熵值Si越大,Sp越大,反之频谱熵值Si越小,Sp越小。
取Δd为2Hz,部分不同状态样本的边频幅值熵和(Sp)计算结果于表1给出,所有样本计算详见附件A。
表1 3Mpa光纤光栅应变传感器频域特征参数Sp
分析表1数据,对于边频幅值熵和Sp数值顺序为小磨损密封圈>大磨损密封圈>正常密封圈。
2.2 25Hz处功率值P25作为诊断密封圈磨损程度的故障特征参数之一。
密封圈磨损后会产生更多的噪声信号,会导致信号在频谱上的能量分布发生变化。
当密封圈状态不同时,功率谱中25Hz处的功率值大小存在较大的不同。功率由大到小排序为:小磨损密封圈>大磨损密封圈>正常密封圈。因此提出基频25Hz处功率幅值作为故障特征参数之一。部分不同状态样本的25Hz处功率值(P25)计算结果如表2所示,所有样本计算结果详见附件A。
表2 3Mpa光纤光栅应变传感器频域特征参数P25
分析上表数据,对于25Hz处功率值P25,其数值顺序均为小磨损密封圈>大磨损密封圈>正常密封圈。这说明密封圈处于小磨损状态时25Hz处的能量最大,大磨损状态次之,正常密封圈能量最小。
流体压力传感器故障特征提取
2.3.底层频率段能量比重作为诊断密封圈磨损程度的故障特征参数之一。
随着活塞密封泄漏量的增大,能量损失会增大,信号频率也会变化。为了解信号在各频率段上的能量变化,首先通过小波包分解提取各个频率段的特征信息。具体步骤如下:
对有杆腔流体压力信号进行4层小波包分解,对各频带范围内的信号重构。令Si,j表示第(i,j)频率成分的重构信号。则第四层总信号S可以表示为:
S=S4,0+S4,1+…+S4,15 (10)
求第四层各频带信号的总能量。设S4,j对应的能量为E4,j(j=0,1,…,15),则有
式中,xj,k(j=0,1,…15;k=0,1,…n)——重构信号S4,j的离散点幅值。
得到各层能量向量T:
T=[E4,0,E4,1,…,E4,14,E4,15] (12)
对上述能量向量T做归一化处理,令
T′=[e4,0,e4,1,…,e4,14,e4,15] (14)
向量T′即为归一化的特征向量。
在特征向量中,e4,0为底层频率段能量,此段信号能量可作为调幅信号能量,液压系统中做有效功的液压能主要存在于该频率段中,而噪声信号能量一般则存在于较高频段中。因此本发明提出将底层频率段能量比重e4,0作为故障特征参数之一。部分样本底层频率段能量比重e4,0如表3所示。
表3 3Mpa流体压力传感器特征参数e4,0
通过表3不难发现,随着密封圈磨损状态的加剧,密封面泄漏增加。e4,0能量比重微量变小,说明有能量从e4,0流失。
2.4小波包能量熵作为诊断密封圈磨损程度的故障特征参数之一。
随着密封泄漏的加剧,能量会以噪声的形式从底层向高频段随机迁移,因此理论上信号在各频率段的能量分布情况也会变得更加无序。于是本发明引入“小波包能量熵”的概念,试图描述不同频段能量的概率分布的复杂度。
设则于是定义相应的小波包能量熵WWE(Wavelet EnergyEntropy)为:
根据上述小波包能量的定义,可以得出流体压力传感器信号的小波包能量值,如表4所示,详细数据见附表A。
表4 3Mpa流体压力传感器特征参数小波能量熵
通过表4可知,随着密封圈磨损状态的增加,小波包能量熵值呈递增状态,说明磨损越严重,各频段能量分布越紊乱。
2.5位移信号障特征提取-活塞杆运动速度
首先对活塞杆位移信号做小波包分析,对压力信号做4层小波包分解,然后重构最底层低频分量,以此达到信号去噪的目的。求得阶段②位移信号进行拟合,求出活塞杆运动速度。作为衡量密封状态的故障特征参数之一。表5为部分特征参数数据,详细数据见附表A。
表5 3Mpa位移传感器特征参数
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
附件A
通过试验采集得到的数据样本
(注:表中编码列(如:0111zc3_1)表示11月11日采集的正常密封圈3Mpa下的样本信号第1组,xm表示小磨损,dm表示大磨损)
Claims (1)
1.一种液压往复密封损伤状态的特征提取方法,包括以下步骤:
1)传感器布置:在活塞处密封圈的密封槽内布置用于采集前导向套底面接触状态变化的光纤光栅应变传感器和温度传感器;对液压缸两腔分别布置流体压力传感器;在活塞杆布置位移传感器;
2)通过所布置的传感器采集:光纤光栅应变和温度信号、油液压力信号、活塞杆位移信号;
3)光纤光栅应变信号故障提取:
信号预处理:对光纤光栅应变传感器的监测数据进行温度补偿;
3.1)滤除低频信号:应用小波包分析方法,选用对于缓慢变化的暂态过程较为敏感的db8小波基函数,对原始信号进行4层小波包分解;然后去除底层频率段信号S4,0,对其他细节信号进行重构;
3.2)对重构后的信号进行频谱分析,获得正常、小磨损、大磨损密封圈的频率谱对比图;
3.3)根据频率谱对比图提取所有的特征频率点;所述特征频率点为fj,其中j=1,2,3,4,…m;
3.4)在各特征频率点上设定一个边频区间[fj-Δd,fj+Δd],其中j=1,2,3,4,…m,Δd表示每个特征频率点的边频区间跨度;
3.5)对于某一个特征频率点fj的边频区间[fj-Δd,fj+Δd],首先将频谱幅值归一化:
式中,根据边频区间不同,plj是边频区间内的每一个频率l的幅值占边频区间[fj-Δd,fj+Δd]内全部频谱幅值总和的比例;Xlj为频率l处的幅值,为该边频区间[fj-Δd,fj+Δd]全部频谱点的幅值所占比例的总和,则于是根据幅值理论的公式,定义特征频率点fj边频区间的边频幅值熵为:
则特征频率点“边频幅值熵和”表示为:
3.6)根据边频幅值熵和判断密封圈磨损程度;
4)根据步骤3.2)中的信号获得三种状态密封圈功率谱,根据功率谱中25Hz处的功率值大小判断密封圈磨损程度;
5)流体压力传感器故障特征提取:
5.1)对有杆腔流体压力信号进行4层小波包分解,对各频带范围内的信号重构,令Si,j表示表示第(i,j)频率成分的重构信号,则第4层总信号S可以表示为:
S=S4,0+S4,1+…+S4,15 (2)
5.2)求第4层各频带信号的总能量;
设S4,j对应的能量为E4,j,j取值范围为0,1,…,15,则有
式中,xj,k为重构信号S4,j的离散点幅值,j取值范围为0,1,…,15,k取值范围为0,1,…,m;
得到第4层各频带信号的总能量为向量T:
T=[E4,0,E4,1,…,E4,14,E4,15] (4)
5.3)对上述能量向量T做归一化处理,令
T′=[e4,0,e4,1,…,e4,14,e4,15],
向量T'即为归一化的第4层能量特征向量;
5.4)将底层频率段能量比重e4,0作为故障特征,随着密封圈磨损状态的加剧,密封面泄漏增加,e4,0能量比重微量变小;
6)小波包能量熵:
设则于是定义相应的小波包能量熵WWE为:
根据上述小波包能量熵的定义,可以得出流体压力传感器信号的小波包能量值,从而通过小波包能量值的变化来判断密封圈磨损程度;
7)位移信号障特征提取-活塞杆运动速度;
7.1)对活塞杆位移信号做小波包分析,对压力信号做4层小波包分解,然后重构最底层低频分量,以此达到信号去噪的目的;
7.2)对活塞杆伸出过程中的位移信号进行拟合,求出活塞杆运动速度;
7.3)根据活塞杆运动速度的变化判断密封圈磨损程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340641.0A CN106096495B (zh) | 2016-05-20 | 2016-05-20 | 一种液压往复密封损伤状态的特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340641.0A CN106096495B (zh) | 2016-05-20 | 2016-05-20 | 一种液压往复密封损伤状态的特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106096495A CN106096495A (zh) | 2016-11-09 |
CN106096495B true CN106096495B (zh) | 2019-08-23 |
Family
ID=57230099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610340641.0A Active CN106096495B (zh) | 2016-05-20 | 2016-05-20 | 一种液压往复密封损伤状态的特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106096495B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107061414B (zh) * | 2017-05-10 | 2019-04-30 | 武汉理工大学 | 一种液压缸活塞杆密封磨损补偿监测装置 |
CN108412841B (zh) * | 2018-01-19 | 2019-10-25 | 武汉理工大学 | 适用于伺服液压缸运行过程的动态摩擦性能监测方法 |
CN109357960B (zh) * | 2018-11-02 | 2021-09-14 | 武汉理工大学 | 液压往复密封件的服役疲劳性能测试方法及试验装置 |
CN110242637A (zh) * | 2019-04-25 | 2019-09-17 | 武汉理工大学 | 伺服液压缸往复密封件磨损状态监测装置及方法 |
CN110350492B (zh) * | 2019-06-19 | 2020-08-04 | 华北电力大学 | 适用于含upfc输电线路的方向纵联暂态量保护方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6253175B1 (en) * | 1998-11-30 | 2001-06-26 | International Business Machines Corporation | Wavelet-based energy binning cepstal features for automatic speech recognition |
CN202628679U (zh) * | 2012-05-02 | 2012-12-26 | 武汉理工大学 | 一种基于多传感器信息融合的液压缸故障检测装置 |
CN104678288A (zh) * | 2015-02-07 | 2015-06-03 | 长沙学院 | 基于信息熵和小波变换的开关电流电路故障字典获取方法 |
CN104964821A (zh) * | 2015-05-22 | 2015-10-07 | 南京航空航天大学 | 一种用于轴系设备的故障检测方法和故障检测装置 |
-
2016
- 2016-05-20 CN CN201610340641.0A patent/CN106096495B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6253175B1 (en) * | 1998-11-30 | 2001-06-26 | International Business Machines Corporation | Wavelet-based energy binning cepstal features for automatic speech recognition |
CN202628679U (zh) * | 2012-05-02 | 2012-12-26 | 武汉理工大学 | 一种基于多传感器信息融合的液压缸故障检测装置 |
CN104678288A (zh) * | 2015-02-07 | 2015-06-03 | 长沙学院 | 基于信息熵和小波变换的开关电流电路故障字典获取方法 |
CN104964821A (zh) * | 2015-05-22 | 2015-10-07 | 南京航空航天大学 | 一种用于轴系设备的故障检测方法和故障检测装置 |
Non-Patent Citations (1)
Title |
---|
Experimental study of hydraulic cylinder leakage and fault feature extraction based on wavelet packet analysis;Xiuxu Zhao等;《Computers & Fluids》;20141005;第33-40页 |
Also Published As
Publication number | Publication date |
---|---|
CN106096495A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106096495B (zh) | 一种液压往复密封损伤状态的特征提取方法 | |
CN108573193B (zh) | 一种滚动轴承多故障耦合机理与早期故障特征提取方法 | |
Li et al. | Fault features extraction for bearing prognostics | |
Yongbo et al. | Review of local mean decomposition and its application in fault diagnosis of rotating machinery | |
CN108982107B (zh) | 一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法 | |
Zhang et al. | A new feature extraction approach using improved symbolic aggregate approximation for machinery intelligent diagnosis | |
CN106197996A (zh) | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 | |
Tang et al. | A fault diagnosis method for loose slipper failure of piston pump in construction machinery under changing load | |
Xiao et al. | A fault frequency bands location method based on improved fast spectral correlation to extract fault features in axial piston pump bearings | |
Nistane et al. | Failure evaluation of ball bearing for prognostics | |
CN112487882B (zh) | 一种基于谱相干生成非稀疏指标指导的增强包络谱的方法 | |
CN110242637A (zh) | 伺服液压缸往复密封件磨损状态监测装置及方法 | |
THAMBA et al. | Journal bearing fault detection based on Daubechies wavelet | |
CN107727333A (zh) | 一种用于液压缸泄漏分析的诊断方法 | |
CN112014094B (zh) | 盾构机主驱动性能监测及修复方法 | |
Shakya et al. | Bearing diagnosis using proximity probe and accelerometer | |
CN115481655A (zh) | 一种基于数字孪生和迁移学习的气缸泄露故障诊断方法 | |
Lim et al. | Improved blade fault diagnosis using discrete Blade Passing Energy Packet and rotor dynamics wavelet analysis | |
Zhou et al. | Research on an early warning method for bearing health diagnosis based on EEMD-PCA-ANFIS | |
CN110866519B (zh) | 一种基于傅里叶分解与多尺度排列熵偏均值的滚动轴承故障诊断方法 | |
Yanqiang et al. | Fault diagnosis of bearing based on LMD and MSE | |
CN203479509U (zh) | 活塞试验装置 | |
Bourdon et al. | Estimation of the size of a spall defect on a rolling bearing outer ring using Instantaneous Angular Speed measurements | |
Zhang et al. | Study on AE in mechanical seal lift-off recognition of mechanical main shaft | |
Bourdon et al. | Reconstruction of the instantaneous angular speed variations caused by a spall defect on a rolling bearing outer ring correlated with the length of the defect |
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 |