CN106198079B - 一种基于裕度指标的旋转机械故障诊断方法 - Google Patents
一种基于裕度指标的旋转机械故障诊断方法 Download PDFInfo
- Publication number
- CN106198079B CN106198079B CN201610560722.1A CN201610560722A CN106198079B CN 106198079 B CN106198079 B CN 106198079B CN 201610560722 A CN201610560722 A CN 201610560722A CN 106198079 B CN106198079 B CN 106198079B
- Authority
- CN
- China
- Prior art keywords
- margin index
- signal
- vibration signal
- fault
- value
- 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
- G06F2218/02—Preprocessing
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Abstract
本发明提供一种基于裕度指标的旋转机械故障诊断方法,用信号分离的思想构建裕度指标,克服现有裕度指标诊断技术的缺点,提高诊断的精确度和可靠性,通过标准振动信号将实时采集振动信号分为无故障振动信号和混合信号,用混合信号和无故障振动信号构建裕度指标,具有对故障诊断更加灵敏,更加能够通过信号的变化检测微弱故障特征信号。旋转机械设备正常运行和发生故障时,裕度指标的取值范围重叠少,不同状态下裕度指标变化明显,对偏心轴加弯轴类复合故障比较敏感,能够很好地将此故障与其他故障区分开来,旋转机械故障诊断的精确度和可靠性高。
Description
技术领域
本发明涉及一种旋转机械故障诊断方法,特别涉及一种基于裕度指标的旋转机械故障诊断方法,属于故障诊断与信号处理分析技术领域。
背景技术
大型旋转机械设备(如汽轮机、旋转轴承、压缩机等)是石油、化工、机械制造、航空航天等重要工程领域的关键设备,旋转机械设备正朝着大型化、自动化、精密化的方向不断发展,其组成和结构也变得越来越复杂,发生故障的概率也越来越大,因此对大型旋转机械设备的安全性和可靠性的要求也越来越高。
但是,大型旋转机械设备发生故障时,振动监测信号往往存在大量的非线性、随机、不可遍历的信息,给故障信号的分析和旋转机械故障的诊断带来很大的困难。
现有技术的旋转机械故障诊断主要基于振动信号进行分析,而一般采用时域分析法,通过对机械振动信号的概率密度函数分析,推导出了幅值域中的有量纲指标和无量纲指标,有量纲指标如均值、均方根值等;无量纲指标如裕度指标、裕度指标、裕度指标等。
在实际应用中,现有技术的有量纲指标对故障特征敏感,其数值会随着故障的发展而上升,同时因工作条件,如负载、转速等的变化而变化,并极易受环境干扰的影响,表现不够稳定。
无量纲指标中的裕度指标对于振动监测信号中的扰动不敏感,能对中、高频故障的机械设备做出预判。特别地,裕度指标对信号的幅值和频率的变化不敏感,与旋转机械的工作条件关系不大,只依赖于概率密度函数的形状。因此,裕度指标在旋转机械故障诊断中得到了广泛的应用。
但是,现有技术利用裕度指标来诊断旋转机械的故障主要有以下几点问题:一是没有采用信号分离的思想构建裕度指标,没有对标准振动信号分离,无法更好地体现旋转机械的故障,对故障的诊断不敏感;二是在利用裕度指标进行分析时,裕度指标随着故障的逐渐发展,敏感度反而会下降,稳定性不好,难以诊断和预测故障,设备正常运行和发生故障时的取值范围会部分重叠,易产生误判,旋转机械故障诊断的精确度和可靠性较差;三是采用磨合期的振动信号作为标准振动信号,没有考虑旋转机械设备在运行初期振动信号中噪声严重,不适宜作为标准振动信号的问题,诊断故障不准确。
发明内容
针对现有技术的不足,本发明提供一种基于裕度指标的旋转机械故障诊断方法,克服传统裕度指标诊断技术的缺点,提高诊断的精确度和可靠性,用信号分离的思想构建裕度指标,由于对标准振动信号的分离,剩余的混合信号能够更好地体现旋转机械的故障,对故障的诊断更加地敏感,所得出的诊断结果能够准确地诊断旋转机械的故障。
为达到以上技术效果,本发明所采用的技术方案如下:
一种基于裕度指标的旋转机械故障诊断方法,包括以下步骤:
(1)通过振动加速度传感器采集旋转机械在运行磨合期后的正常运行参数,所述正常运行参数为按抽样频率fs采集的无故障振动信号s0(t)(t=0,1,…,T-1);
(2)对无故障振动信号s0(t)进行归一化处理后得到标准振动信号s(t);
(3)对标准振动信号s(t)做快速傅里叶变换(FFT)得到标准振动频域信号S(k)(k=0,1,…,K-1);
(4)通过振动加速度传感器采集旋转机械需要故障诊断时的运行参数,所述故障诊断时的运行参数为按抽样频率fs实时采集旋转机械运行中的实时采集振动信号z(t)(t=0,1,…,T-1);
(5)对实时采集振动信号z(t)做快速傅里叶变换(FFT)得到实时振动频域信号Z(k)(k=0,1,…,K-1);
(6)对标准振动频域信号S(k)取复共轭为S(k)*,将Z(k)与S(k)*相乘得到Y(k)(k=0,1,…,K-1),再对Y(k)(k=0,1,…,K-1)做快速傅里叶逆变换(IFFT)得到两个信号Z(k)与S(k)*的相关函数I(t)(t=0,1,…,T-1);
(7)在t=0,1,…,T-1中取相关函数I(t)的模|I(t)|,|I(t)|的最大值所对应的时间点为实时采集振动信号和标准振动信号的延迟时间τ,τ=argmax|I(t)|;
(8)求实时采集振动信号z(t)与延迟后的标准振动信号s(t-τ)的相关系数c,c=E[z(t)s(t-τ)];
(9)计算混合信号y(t),y(t)为故障特征提取信号和噪声的混合信号,y(t)=z(t)-cs(t-τ);
(10)计算出裕度指标
一种基于裕度指标的旋转机械故障诊断方法,进一步的,根据裕度指标CLys的值,判断旋转机械是否发生故障及故障类别,以下区间值均包括边界值:
裕度指标CLys的值在4.8008到6.8580之间时,旋转机械运行正常;
裕度指标CLys的值在7.6329到10.1778之间时,考虑旋转机械发生了裂轴故障;
裕度指标CLys的值在7.1511到11.4458之间时,考虑旋转机械发生了弯轴故障;
裕度指标CLys的值在7.0263到14.6501之间时,考虑旋转机械发生了偏心轴故障;
裕度指标CLys的值在11.6733到13.9574之间时,考虑旋转机械发生了裂轴+弯轴故障;
裕度指标CLys的值在6.8843到11.3631之间时,考虑旋转机械发生了裂轴+偏心轴故障;
裕度指标CLys的值在7.3568到18.8755之间时,考虑旋转机械发生了弯轴+偏心轴故障;
裕度指标CLys的值在9.8834到16.4384之间时,考虑旋转机械发生了裂轴+弯轴+偏心轴故障。
一种基于裕度指标的旋转机械故障诊断方法,进一步的,快速傅里叶变换(FFT)采用有限序列离散傅里叶变换(DFT)的快速算法,所述快速傅里叶变换(FFT)采用频率抽取算法,在频域内把序列按照奇偶分组并利用周期性和对称性进行计算。
一种基于裕度指标的旋转机械故障诊断方法,进一步的,快速傅里叶逆变换(IFFT)通过Y(k)频域中的频谱,将每个频率分量变换成时域正弦波,再全部叠加得到相关函数I(t)。
一种基于裕度指标的旋转机械故障诊断方法,进一步的,步骤(1)和步骤(4)按1024个点为一组进行采样,采样频率为1000Hz。
与现有技术相比,本发明的优点在于:
1.本发明提供的一种基于裕度指标的旋转机械故障诊断方法,通过标准振动信号将实时采集的旋转机械振动信号分为无故障振动信号和混合信号,其中混合信号包含了故障特征信号和高斯噪声。用混合信号和无故障振动信号构建裕度指标,使用了信号分离的思想构建裕度指标,由于对标准振动信号的分离,剩余的混合信号能够更好地体现旋转机械的故障,对故障的诊断更加地敏感,与现有裕度指标相比,更加能够通过信号的变化检测微弱故障特征信号。
2.本发明提供的一种基于裕度指标的旋转机械故障诊断方法,通过一系列的数学运算,使得旋转机械设备正常运行和发生故障时,得到的裕度指标的取值范围相对重叠少,不同状态下裕度指标变化明显,不容易产生误判,对偏心轴加弯轴类复合故障敏感,能够很好地将此故障与其他故障区分开来,旋转机械故障诊断的精确度和可靠性较高。
3.本发明提供的一种基于裕度指标的旋转机械故障诊断方法,采用磨合期结束后的振动信号归一化后作为标准振动信号,考虑了旋转机械设备在运行初期振动信号中噪声严重,不适宜作为标准振动信号的问题,故障信号反应灵敏,诊断故障更加准确有效。
附图说明
图1是本发明提供的一种基于裕度指标的旋转机械故障诊断方法的流程图。
具体实施方式
下面结合附图,对本发明提供的一种基于裕度指标的旋转机械故障诊断方法的技术方案进行进一步的描述,使本领域的技术人员可以更好的理解本发明并能予以实施。
参见图1和表1,本发明提供一种基于裕度指标的旋转机械故障诊断方法,包括以下步骤:
(1)通过振动加速度传感器采集旋转机械在运行磨合期后的正常运行参数,正常运行参数为按抽样频率fs采集的无故障振动信号s0(t)(t=0,1,…,T-1),按1024个点为一组进行采样,裕度指标取50组,取裕度指标50组的最小值与最大值作为该裕度指标的取值范围;
(2)对无故障振动信号s0(t)进行归一化处理后得到标准振动信号s(t),采用磨合期后的振动信号归一化后作为标准振动信号,考虑了旋转机械设备在运行初期振动信号中噪声严重,不适宜作为标准振动信号的问题,故障信号反应灵敏,诊断故障更加准确有效;
(3)对标准振动信号s(t)做快速傅里叶变换(FFT)得到标准振动频域信号S(k)(k=0,1,…,K-1);
(4)通过振动加速度传感器采集旋转机械需要故障诊断时的运行参数,所述故障诊断时的运行参数为按抽样频率fs实时采集旋转机械运行中的实时采集振动信号z(t)(t=0,1,…,T-1);
(5)对实时采集振动信号z(t)做快速傅里叶变换(FFT)得到实时振动频域信号Z(k)(k=0,1,…,K-1);
(6)对标准振动频域信号S(k)求共轭复数为S(k)*,共轭复数的两个实部相等,虚部互为相反数。
当虚部不为零时,共轭复数就是实部相等,虚部相反,如果虚部为零,其共轭复数就是自身。将Z(k)与S(k)*相乘得到Y(k)(k=0,1,…,K-1),再对Y(k)(k=0,1,…,K-1)做快速傅里叶逆变换(IFFT)得到两个信号Z(k)与S(k)*的相关函数I(t)(t=0,1,…,T-1);
(7)在t=0,1,…,T-1中取相关函数I(t)的模|I(t)|,|I(t)|的最大值所对应的时间点为实时采集振动信号和标准振动信号的延迟时间τ,τ=argmax|I(t)|;
(8)求实时采集振动信号z(t)与延迟后的标准振动信号s(t-τ)的相关系数c,c为z(t)s(t-τ)的数学期望,c=E[z(t)s(t-τ)];
(9)计算z(t)-cs(t-τ)得到y(t),y(t)为故障特征提取信号和噪声的混合信号;
实时采集振动信号z(t)=cs(t-τ)+x(t)+ν(t),时间τ为实时振动信号和标准信号的延迟时间,ν(t)为高斯噪声,x(t)为故障特征信号,c为相关系数,y(t)为故障特征提取信号和噪声的混合信号,则y(t)=x(t)+υ(t),实时采集振动信号z(t)=cs(t-τ)+y(t);
通过标准振动信号s(t)将实时采集振动信号z(t)分为无故障振动信号和混合信号y(t),混合信号包含了故障特征信号x(t)和高斯噪声ν(t),用混合信号y(t)和无故障振动信号构建裕度指标,具有对故障诊断更加灵敏,与现有裕度指标相比,更加能够通过信号的变化检测微弱故障特征信号;
(10)计算出裕度指标E为数学期望。
作为一种优选方案,本发明提供的一种基于裕度指标的旋转机械故障诊断方法,根据裕度指标CLys的值,判断旋转机械是否发生故障及故障类别,以下区间值均包括边界值:
裕度指标CLys的值在4.8008到6.8580之间时,旋转机械运行正常;
裕度指标CLys的值在7.6329到10.1778之间时,考虑旋转机械发生了裂轴故障;
裕度指标CLys的值在7.1511到11.4458之间时,考虑旋转机械发生了弯轴故障;
裕度指标CLys的值在7.0263到14.6501之间时,考虑旋转机械发生了偏心轴故障;
裕度指标CLys的值在11.6733到13.9574之间时,考虑旋转机械发生了裂轴+弯轴故障;
裕度指标CLys的值在6.8843到11.3631之间时,考虑旋转机械发生了裂轴+偏心轴故障;
裕度指标CLys的值在7.3568到18.8755之间时,考虑旋转机械发生了弯轴+偏心轴故障;
裕度指标CLys的值在9.8834到16.4384之间时,考虑旋转机械发生了裂轴+弯轴+偏心轴故障。
表1
本发明提供的一种基于裕度指标的旋转机械故障诊断方法,旋转机械设备正常运行和发生故障时,裕度指标的取值范围不重叠,不同状态下裕度指标变化明显,对偏心轴加弯轴类复合故障比较敏感,不容易产生误判,基于裕度指标的旋转机械故障诊断方法对复合故障的抗干扰能力较强,旋转机械故障诊断的精确度和可靠性较高。
作为一种优选方案,本发明提供的一种基于裕度指标的旋转机械故障诊断方法,快速傅里叶变换(FFT)采用有限序列离散傅里叶变换(DFT)的快速算法,快速傅里叶变换(FFT)采用频率抽取算法,在频域内把序列按照奇偶分组并利用周期性和对称性进行计算。
作为一种优选方案,本发明提供的一种基于裕度指标的旋转机械故障诊断方法,快速傅里叶逆变换(IFFT)通过Y(k)频域中的频谱,将每个频率分量变换成时域正弦波,再全部叠加得到相关函数I(t)。快速傅里叶变换大大提升了计算机的运算效率,减少了运算次数。离散傅里叶变换以及逆变换分别如下:
其中0≤k≤N-1,令W=e-j2π/N,则N点序列的离散傅里叶变换为:
Wkn具有周期性:Wkn=Wn(k+N)=Wk(n+N)
Wkn具有对称性:Wkn=-Wkn+N/2
通过周期性和对称性简化了离散傅里叶变换。
作为一种优选方案,本发明提供的一种基于裕度指标的旋转机械故障诊断方法,步骤(1)和步骤(4)按1024个点为一组进行采样,采样频率为1000Hz。
本发明提供的一种裕度指标在不同故障下的敏感程度不同,对偏心轴加弯轴类复合故障比较敏感,能够很好地将此故障与其他故障区分开来,本能很好的反映了不同故障特征信息,构建的裕度指标是以比值构成,具有不受机器工况影响的特点,所构建的裕度指标对轴承等偏心轴加弯轴类故障具有反应快、敏感性好的优点。
上述实施方式为本发明较佳的实施方式,但本发明的实施方式并不受上述实施方式的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种基于裕度指标的旋转机械故障诊断方法,其特征在于,包括以下步骤:
(1)通过振动加速度传感器采集旋转机械在运行磨合期后的正常运行参数,所述正常运行参数为按抽样频率fs采集的无故障振动信号s0(t)(t=0,1,…,T-1);
(2)对无故障振动信号s0(t)进行归一化处理后得到标准振动信号s(t);
(3)对标准振动信号s(t)做快速傅里叶变换得到标准振动频域信号S(k)(k=0,1,…,K-1);
(4)通过振动加速度传感器采集旋转机械需要故障诊断时的运行参数,所述故障诊断时的运行参数为按抽样频率fs实时采集旋转机械运行中的实时采集振动信号z(t)(t=0,1,…,T-1);
(5)对实时采集振动信号z(t)做快速傅里叶变换得到实时振动频域信号Z(k)(k=0,1,…,K-1);
(6)对标准振动频域信号S(k)取复共轭为S(k)*,将Z(k)与S(k)*相乘得到Y(k)(k=0,1,…,K-1),再对Y(k)(k=0,1,…,K-1)做快速傅里叶逆变换得到两个信号Z(k)与S(k)*的相关函数I(t)(t=0,1,…,T-1);
(7)在t=0,1,…,T-1中取相关函数I(t)的模|I(t)|,|I(t)|的最大值所对应的时间点为实时采集振动信号和标准振动信号的延迟时间τ,τ=argmax|I(t)|;
(8)求实时采集振动信号z(t)与延迟后的标准振动信号s(t-τ)的相关系数c,c=E[z(t)s(t-τ)];
(9)计算混合信号y(t),y(t)为故障特征提取信号和噪声的混合信号,y(t)=z(t)-cs(t-τ);
(10)计算出裕度指标
2.根据权利要求1所述的一种基于裕度指标的旋转机械故障诊断方法,其特征在于,根据裕度指标CLys的值,判断旋转机械是否发生故障及故障类别,以下区间值均包括边界值:
裕度指标CLys的值在4.8008到6.8580之间时,旋转机械运行正常;
裕度指标CLys的值在7.6329到10.1778之间时,考虑旋转机械发生了裂轴故障;
裕度指标CLys的值在7.1511到11.4458之间时,考虑旋转机械发生了弯轴故障;
裕度指标CLys的值在7.0263到14.6501之间时,考虑旋转机械发生了偏心轴故障;
裕度指标CLys的值在11.6733到13.9574之间时,考虑旋转机械发生了裂轴+弯轴故障;
裕度指标CLys的值在6.8843到11.3631之间时,考虑旋转机械发生了裂轴+偏心轴故障;
裕度指标CLys的值在7.3568到18.8755之间时,考虑旋转机械发生了弯轴+偏心轴故障;
裕度指标CLys的值在9.8834到16.4384之间时,考虑旋转机械发生了裂轴+弯轴+偏心轴故障。
3.根据权利要求1所述的一种基于裕度指标的旋转机械故障诊断方法,其特征在于:所述步骤(3)和步骤(5)中的快速傅里叶变换采用有限序列离散傅里叶变换的快速算法,所述快速傅里叶变换采用频率抽取算法,在频域内把序列按照奇偶分组并利用周期性和对称性进行计算。
4.根据权利要求1所述的一种基于裕度指标的旋转机械故障诊断方法,其特征在于:所述步骤(6)中的快速傅里叶逆变换通过Y(k)频域中的频谱,将每个频率分量变换成时域正弦波,再全部叠加得到相关函数I(t)。
5.根据权利要求1或4所述的一种基于裕度指标的旋转机械故障诊断方法,其特征在于:所述步骤(1)和步骤(4)按1024个点为一组进行采样,采样频率为1000Hz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610560722.1A CN106198079B (zh) | 2016-07-13 | 2016-07-13 | 一种基于裕度指标的旋转机械故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610560722.1A CN106198079B (zh) | 2016-07-13 | 2016-07-13 | 一种基于裕度指标的旋转机械故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106198079A CN106198079A (zh) | 2016-12-07 |
CN106198079B true CN106198079B (zh) | 2019-03-26 |
Family
ID=57474624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610560722.1A Active CN106198079B (zh) | 2016-07-13 | 2016-07-13 | 一种基于裕度指标的旋转机械故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106198079B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359699A (zh) * | 2018-11-02 | 2019-02-19 | 广东工业大学 | 一种基于Alpha稳定分布的工业机组故障诊断方法 |
CN114648637B (zh) * | 2022-03-28 | 2022-10-28 | 江苏禹润智能科技有限公司 | 一种基于机器视觉的混凝土自动振捣方法及系统 |
CN115392317A (zh) * | 2022-08-31 | 2022-11-25 | 广东石油化工学院 | 一种石化机组旋转机械故障诊断方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5242166A (en) * | 1975-09-27 | 1977-04-01 | Texaco Ag | Method of and apparatus for measuring distance in start timing and total phase difference between two signals |
CN103575523A (zh) * | 2013-11-14 | 2014-02-12 | 哈尔滨工程大学 | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 |
CN104359674A (zh) * | 2014-10-20 | 2015-02-18 | 广东电网有限责任公司电力科学研究院 | 基于时域与频域状态监测的高速滚动轴承故障诊断方法 |
CN104655423A (zh) * | 2013-11-19 | 2015-05-27 | 北京交通大学 | 一种基于时频域多维振动特征融合的滚动轴承故障诊断方法 |
CN105547700A (zh) * | 2016-01-27 | 2016-05-04 | 石家庄铁道大学 | 基于相关去噪的轴承保持架外弧谱诊断方法 |
-
2016
- 2016-07-13 CN CN201610560722.1A patent/CN106198079B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5242166A (en) * | 1975-09-27 | 1977-04-01 | Texaco Ag | Method of and apparatus for measuring distance in start timing and total phase difference between two signals |
CN103575523A (zh) * | 2013-11-14 | 2014-02-12 | 哈尔滨工程大学 | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 |
CN104655423A (zh) * | 2013-11-19 | 2015-05-27 | 北京交通大学 | 一种基于时频域多维振动特征融合的滚动轴承故障诊断方法 |
CN104359674A (zh) * | 2014-10-20 | 2015-02-18 | 广东电网有限责任公司电力科学研究院 | 基于时域与频域状态监测的高速滚动轴承故障诊断方法 |
CN105547700A (zh) * | 2016-01-27 | 2016-05-04 | 石家庄铁道大学 | 基于相关去噪的轴承保持架外弧谱诊断方法 |
Non-Patent Citations (2)
Title |
---|
基于经验模态分解的无量纲指标故障诊断定位;张清华、王磊、孙国玺、雷高伟、邵龙秋;《上海应用技术学院学报(自然科学版)》;20160330(第01期);第17-21页 |
复合无量纲指标在旋转机械故障分类中的应用;覃爱淞、张清华、李铁鹰、胡勤;《现代制造工程》;20130418(第04期);第10-14页 |
Also Published As
Publication number | Publication date |
---|---|
CN106198079A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106248356B (zh) | 一种基于峭度指标的旋转机械故障诊断方法 | |
Ai et al. | Fusion information entropy method of rolling bearing fault diagnosis based on n-dimensional characteristic parameter distance | |
CN106203362B (zh) | 一种基于脉冲指标的旋转机械故障诊断方法 | |
Ericsson et al. | Towards automatic detection of local bearing defects in rotating machines | |
CN106408088B (zh) | 一种基于深度学习理论的旋转机械设备故障诊断方法 | |
Al-Badour et al. | Vibration analysis of rotating machinery using time–frequency analysis and wavelet techniques | |
Li et al. | Gear fault detection and diagnosis under speed-up condition based on order cepstrum and radial basis function neural network | |
Shakya et al. | Vibration-based fault diagnosis in rolling element bearings: ranking of various time, frequency and time-frequency domain data-based damage identi cation parameters | |
CN106198079B (zh) | 一种基于裕度指标的旋转机械故障诊断方法 | |
CN103575523A (zh) | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 | |
CN105760839A (zh) | 基于多特征流形学习与支持向量机的轴承故障诊断方法 | |
CN105651504A (zh) | 基于自适应小波能量的旋转机械故障特征提取方法 | |
Saidi et al. | The use of SESK as a trend parameter for localized bearing fault diagnosis in induction machines | |
CN110274764A (zh) | 一种基于振动加速度信号的机车电机轴承自动诊断方法 | |
Chen et al. | Order spectrum analysis enhanced by surrogate test and Vold-Kalman filtering for rotating machinery fault diagnosis under time-varying speed conditions | |
CN111397877B (zh) | 一种旋转机械拍振故障检测与诊断方法 | |
CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
CN103048133A (zh) | 一种基于贝叶斯网络的滚动轴承故障诊断方法 | |
Han et al. | Second-order synchroextracting wavelet transform for nonstationary signal analysis of rotating machinery | |
CN110146279B (zh) | 一种基于向量证据推理的船舶轴系不平衡故障诊断方法 | |
Fan et al. | Blade vibration difference-based identification of blade vibration parameters: A novel blade tip timing method | |
Mahvash et al. | Application of cyclic spectral analysis in diagnosis of bearing faults in complex machinery | |
Wang et al. | Adaptive estimation of instantaneous angular speed for wind turbine planetary gearbox fault detection | |
You et al. | Fault diagnosis system of rotating machinery vibration signal | |
Shi et al. | A dual-guided adaptive decomposition method of fault information and fault sensitivity for multi-component fault diagnosis under varying speeds |
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 |