CN106347578A - 一种船舶推进轴系轴承振动故障监测方法 - Google Patents

一种船舶推进轴系轴承振动故障监测方法 Download PDF

Info

Publication number
CN106347578A
CN106347578A CN201610958590.8A CN201610958590A CN106347578A CN 106347578 A CN106347578 A CN 106347578A CN 201610958590 A CN201610958590 A CN 201610958590A CN 106347578 A CN106347578 A CN 106347578A
Authority
CN
China
Prior art keywords
feature vector
vibration
similarity measure
entropy feature
energy
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
Application number
CN201610958590.8A
Other languages
English (en)
Other versions
CN106347578B (zh
Inventor
万振刚
薛勇
袁文华
章燕
戴晓强
赵强
黄巧亮
张永林
刘维亭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China E Tech Ningbo Maritime Electronics Research Institute Co ltd
Original Assignee
Jiangsu University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu University of Science and Technology filed Critical Jiangsu University of Science and Technology
Priority to CN201610958590.8A priority Critical patent/CN106347578B/zh
Publication of CN106347578A publication Critical patent/CN106347578A/zh
Application granted granted Critical
Publication of CN106347578B publication Critical patent/CN106347578B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B71/00—Designing vessels; Predicting their performance

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Ocean & Marine Engineering (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种船舶推进轴系轴承振动故障监测方法，包括步骤：(1)离线创建船舶推进轴系振动模板库；(2)同步采集各类监测变量：船舶推进轴系轴承的振动加速度信号、主机转速、艉轴转速、齿轮箱合排状态；(3)进行数据分类；(4)采用小波包分析方法对所述的分类后的振动加速度数据进行时频转换，获取不同特征频带上的能量特征向量，并对不同频带的特征数据进行转换，提取其能量熵特征向量作为待匹配的特征向量；(5)故障监测：根据相似性测度匹配结果确定具体故障类型；(6)利用检测无故障的能量熵特征向量在线更新所述的船舶推进轴系振动模板库。本发明数据采集方便易行，可在线监测和故障诊断，能够满足长期故障诊断分析的要求。

Description

一种船舶推进轴系轴承振动故障监测方法
技术领域
本发明属于船舶动力装置安全监测技术领域，涉及一种船舶推进轴系的运行故障监测方法，特别是涉及一种船舶推进轴系轴承振动故障监测方法。
背景技术
在船舶推进轴系中，轴承是船舶动力装置系统中的重要部件，作为船舶运行能量传递的载体，发生故障所引发的事故后果相当严重，因此轴承的可靠性和稳定性对于船舶安全具有重要意义。由于在整个轴系中轴承所处位置特殊、环境恶劣，不便于维护人员对轴系进行维护和检修。另外，轴承在出现微小故障时很难从表面或者通过一些检测设备检测出故障，这些都加大了维护难度。现有技术在轴承故障分析上，通常采用振动分析的方法，但单纯的采取频谱分析或功率谱分析很难确定故障类型，不利于对故障的诊断。
发明内容
本发明的目的在于克服现有技术的缺陷，提出一种船舶推进轴系轴承振动故障监测方法，可以在恶劣环境下进行数据采集，并能够对早期微弱故障进行诊断，具有在线监测和故障诊断的功能，并且能够满足适应长期故障诊断分析的要求。
为解决现有技术存在的上述问题，本发明采用以下技术方案。
一种船舶推进轴系轴承振动故障监测方法，其特征在于，包括以下步骤：
(1)离线创建船舶推进轴系振动模板库：包括船舶推进轴系无故障运行工况下对应于不同主机转速、艉轴转速、齿轮箱合排状态的各组轴承振动信号能量熵特征向量；
(2)同步数据采集：同步采集船舶推进轴系轴承的振动加速度信号、主机转速、艉轴转速、船舶吃水深度、齿轮箱合排状态；
(3)数据分类：依据所述的主机转速、艉轴转速、船舶吃水深度、齿轮箱合排状态对船舶推进轴系的轴承振动加速度信号进行数据分类；
(4)特征值提取：采用小波包分析方法对所述的分类后的振动加速度数据进行时频转换，获取不同特征频带上的能量特征向量，并对不同频带的能量特征向量进行转换，提取其能量熵特征向量作为待匹配的特征向量；
(5)故障监测：分别采用欧氏距离、夹角余弦的方式计算待匹配能量熵特征向量与振动模板库中能量熵特征向量相似性测度，并结合欧氏距离与夹角余弦距离进行权重分配后计算能量熵特征向量与振动模板库中能量熵特征向量相似性测度，根据相似性测度匹配结果对故障判定，并进行故障预警。
(6)更新振动模板库：利用检测无故障的能量熵特征向量在线更新所述的船舶推进轴系振动模板库。
在所述步骤(2)中，所述的同步采集是指：
基于同一时钟脉冲下，采集船舶推进轴系中轴承振动加速度信号以及主机转速、艉轴转速、船舶吃水深度、齿轮箱合排状态；其中，所述主机转速、艉轴转速、齿轮箱合排状态来自于船舶主机遥控系统，通过通讯方式或开关量方式采集，船舶吃水深度来自于吃水传感器。
在所述步骤(3)中，所述数据分类包括：根据船舶主机转速范围、船舶艉轴转速范围、船舶吃水深度范围对轴承振动加速度信号分档，不同的主机转速分档、艉轴转速分档、船舶吃水深度分档以及齿轮箱合排状态分别对应不同的数据分类。
所述步骤(4)的具体操作过程为：
采用小波包分解与重构的方法，对所述的采集的轴承振动加速度信号进行小波包分解获得各频带数据，并进一步提取能量熵特征向量P＝{P1,P2,...,P16}作为待匹配特征向量，其计算公式为：
P i = - T i Σ i = 1 16 T i * l o g T i Σ i = 1 16 T i - - - ( 1 )
其中Pi为能量熵特征向量P的第i个分量，Ti为能量特征向量的第i各分量。
在所述步骤(5)中，分别采用欧氏距离、夹角余弦距离、组合距离计算能量熵特征向量与振动模板库中能量熵特征向量的相似性测度，根据相似性测度匹配结果对故障判定，并进行故障预警，其具体过程如下：
1)提取n个数据在16个频带上的能量熵特征向量；
2)将所述的能量熵特征向量与所述的船舶推进轴系振动模板库中能量熵特征向量进行欧式距离相似性测度匹配，所采用的匹配公式为：
D ( P i , P j ) = Σ k = 1 16 ( P i k - P j k ) 2 - - - ( 2 )
其中，Pi为能量熵特征向量P的第i个分量，Pj为振动模板库中能量熵特征向量P的第j个分量，D(Pi,Pj)为欧氏距离相似性测度值。
3)将所述的能量熵特征向量与船舶推进轴系振动模板库中能量熵特征向量进行夹角余弦相似性测度匹配，所采用的匹配公式为：
M ( P i , p j ) = P i T * p j | | P i | | * | | p j | | = Σ i = 1 n P i p j Σ i = 1 n P i 2 Σ i = 1 n p i 2 - - - ( 3 )
其中，Pi为能量熵特征向量P的第i个分量，Pj为振动模板库中能量熵特征向量P的第j个分量，M(Pi,Pj)为夹角余弦距离相似性测度值。
4)计算综合相似性测度，所采用计算公式为：
2 ( P i , P j ) = a * D ( P i , P j ) + b * ( 1 - M ( P i , P j ) ) = C 1 C 1 + C 2 * D ( P i , P j ) + C 2 C 1 + C 2 * ( 1 - M ( P i , P j ) ) - - - ( 4 )
其中，a为欧氏距离相似性测度权重，b为夹角余弦距离相似性测度权重，Pi为能量熵特征向量P的第i个分量，Pj为振动模板库中能量熵特征向量P的第j个分量，D(Pi,Pj)为欧氏距离相似性测度值，M(Pi,Pj)为夹角余弦距离相似性测度值，C1为欧氏距离下不同类型能量熵特征向量相似性测度值与同类型能量熵特征向量相似性测度值的比值，C2夹角余弦距离下不同类型能量熵特征向量相似性测度值与同类型能量熵特征向量相似性测度值的比值。
5)故障预警：分别计算欧氏距离相似性测度、夹角余弦相似性测度、综合相似性测度，当三种相似性测度中任意一个相似性测度大于一限定值时，即可判定该轴承存在故障，产生预警，分别为：欧氏距离预警、夹角余弦预警、综合预警。
在所述步骤(6)中，所述更新振动模板库，即利用检测无故障的能量熵特征向量值在线更新所述的船舶推进轴系轴承振动模板库，若在无故障情况下一分钟内采集数据获取的能量熵特征向量与振动模板库中能量熵特征向量匹配，则新获取向量作为能量熵特征向量对振动模板库进行更新。
与现有技术相比，本发明具有以下优点：
1.本发明是针对船舶轴系轴承振动故障，可对不便于监测的轴承早期故障进行故障分析和状态监测，可实时在线监测故障，也可以对长期运行状态做可视化分析；
2.本发明对数据特征的提取采取小波包的方法，能够精确提取到高频故障数据，全面反映故障的类型；
3、本发明从距离和几何角度出发，对能量熵特征向量进行匹配，提高了故障识别的准确性。
附图说明
图1是本发明的一种实施例的方法流程图。
图2是本发明的一种实施例的小波包分解各频带分布示意图。
具体实施方式
下面结合附图对本发明进行进一步描述。
图1是本发明所述的船舶推进轴系轴承振动故障监测方法的一种实施例的方法流程图。本实施例方法，包括以下步骤：
(1)离线创建船舶推进轴系振动模板库：包括船舶推进轴系无故障运行工况下对应于不同主机转速、艉轴转速、齿轮箱合排状态的各组轴承振动信号能量熵特征向量；
(2)同步数据采集：同步采集船舶推进轴系轴承的振动加速度信号、主机转速、艉轴转速、齿轮箱合排状态；
(3)数据分类：依据所述的主机转速、艉轴转速、船舶吃水深度、齿轮箱合排状态对船舶推进轴系的轴承振动加速度信号进行数据分类；
(4)特征值提取：采用小波包分析方法对所述的分类后的振动加速度数据进行时频转换，获取不同特征频带上的能量特征向量，并对不同频带的能量特征向量进行转换，提取其能量熵特征向量作为待匹配的特征向量；
(5)故障监测：分别采用欧氏距离、夹角余弦的方式计算能量熵特征向量与振动模板库中能量熵特征向量相似性测度，并结合欧氏距离与夹角余弦进行权重分配后计算能量熵特征向量与振动模板库中能量熵特征向量相似性测度，根据相似性测度匹配结果对故障判定，并进行故障预警。
(6)更新振动模板库：利用检测无故障的能量熵特征向量在线更新所述的船舶推进轴系振动模板库。
所述的同步数据采集，即在同一时钟脉冲下，采集船舶推进轴系中轴承振动加速度信号以及主机转速、艉轴转速、船舶吃水深度、齿轮箱合排状态；其中，所述主机转速、艉轴转速、齿轮箱合排状态来自于船舶主机遥控系统，通过通讯方式或开关量方式采集，船舶吃水深度来自于船舶吃水传感器。
所述数据分类包括，即根据船舶主机转速范围、船舶艉轴转速范围、船舶吃水深度范围对轴承振动加速度信号分档，不同的主机转速分档、艉轴转速分档、船舶吃水深度分档以及齿轮箱合排状态分别对应不同的数据分类。
所述特征值提取，具体过程为：采用小波包分解与重构的方法，对所述的采集的轴承振动加速度信号进行小波包分解获得各频带数据，并进一步提取能量熵特征向量P＝{P1,P2,...,P16}作为待匹配特征向量，其计算公式为：
P i = - T i Σ i = 1 16 T i * log T i Σ i = 1 16 T i - - - ( 1 )
其中Pi为能量熵特征向量P的第i个分量，Ti为能量特征向量的第i个分量。
所述故障监测，分别采用欧氏距离测度、夹角余弦测度、综合测度计算能量熵特征向量与振动模板库中能量熵特征向量相似性测度，根据相似性测度匹配结果对故障判定，并进行故障预警，其具体过程是：
1)提取n个数据在16个频带的能量熵特征值；
2)将所述的能量熵特征向量与所述的船舶推进轴系振动模板库中能量熵特征向量进行欧式距离相似性测度匹配，所采用的匹配公式为：
D ( P i , P j ) = Σ k = 1 16 ( P i k - P j k ) 2 - - - ( 2 )
其中，Pi为能量熵特征向量P的第i个分量，Pj为振动模板库中能量熵特征向量P的第j个分量，D(Pi,Pj)为欧氏距离相似性测度值。
3)将所述的能量熵特征向量与船舶推进轴系振动模板库中能量熵特征向量进行夹角余弦相似性测度匹配，所采用的匹配公式为：
M ( P i , p j ) = P i T * p j | | P i | | * | | p j | | = Σ i = 1 n P i p j Σ i = 1 n P i 2 Σ i = 1 n p i 2 - - - ( 3 )
其中，Pi为能量熵特征向量P的第i个分量，Pj为振动模板库中能量熵特征向量P的第j个分量，M(Pi,Pj)为夹角余弦距离相似性测度值。
4)计算综合相似性测度，所采用计算公式为：
2 ( P i , P j ) = a * D ( P i , P j ) + b * ( 1 - M ( P i , P j ) ) = C 1 C 1 + C 2 * D ( P i , P j ) + C 2 C 1 + C 2 * ( 1 - M ( P i , P j ) ) - - - ( 4 )
式中a为欧氏距离相似性测度权重，b为夹角余弦距离相似性测度权重，Pi为能量熵特征向量P的第i个分量，Pj为振动模板库中能量熵特征向量P的第j个分量，D(Pi,Pj)为欧氏距离相似性测度值，M(Pi,Pj)为夹角余弦距离相似性测度值，C1为欧氏距离下不同类型能量熵特征向量相似性测度值与同类型能量熵特征向量相似性测度值的比值，C2夹角余弦距离下不同类型能量熵特征向量相似性测度值与同类型能量熵特征向量相似性测度值的比值。
5)所述故障预警：分别计算欧氏距离相似性测度、夹角余弦相似性测度、综合相似性测度，当三种相似性测度中任意一个相似性测度大于一限定值时，即可判定该轴承存在故障，产生预警，分别为：欧氏距离预警、夹角余弦距离预警、综合预警。
在所述步骤(6)中，所述更新振动模板库，利用检测无故障的能量熵特征向量在线更新所述的船舶推进轴系振动模板库，若在一分钟内采集数据获取的能量熵特征向量能够与振动模板库中能量熵特征向量匹配，则该能量熵特征向量作为新的故障类型对振动模板库进行更新。
以下为对轴承的四种状态，如：内圈故障、外圈故障、滚动体故障、正常的各频带能量熵进行同种故障类型相似性匹配结果，表一为欧氏距离相似性测度匹配结果，表二为夹角余弦距离相似性测度匹配结果，表三为欧式余弦距离测度匹配结果。
表一:欧氏距离测度
表二：夹角余弦距离测度
表三：综合距离测度
从三张表中可以看出，无故障模板库能量熵特征向量与采集获取的能量熵特征向量匹配，正常状态相似性测度匹配结果远小于故障状态，可以有效地对故障进行识别。
总之，本发明从对船舶轴系轴承维护和早期故障监测的角度出发，提出了一种船舶推进轴系轴承振动故障监测方法，是一种适用于船舶轴系轴承的小波包能量熵故障类型匹配的诊断方法，包括振动模板库构建、船舶推进轴系轴承振动信号、主机转速、艉轴转速、船舶吃水深度以及齿轮箱合排状态的同步采集、数据分类、故障特征小波包分析与提取以及相似性测度匹配。本发明具有很高的实时在线诊断能力和长期数据分析能力，在很大程度上提高了船舶轴系轴承早期故障的监测效率和准确性，相关计算和分析数据可用于指导船员进行船舶推进轴系的日常维护和检修。

Claims (6)

1.一种船舶推进轴系轴承振动故障监测方法，其特征在于，包括以下步骤：
(1)离线创建船舶推进轴系振动模板库：包括船舶推进轴系无故障运行工况下对应于不同主机转速、艉轴转速、船舶吃水深度、齿轮箱合排状态的各组轴承振动信号能量熵特征向量；
(2)同步数据采集：同步采集船舶推进轴系轴承的振动加速度信号、主机转速、艉轴转速、船舶吃水深度、齿轮箱合排状态；
(3)数据分类：依据所述的主机转速、艉轴转速、船舶吃水深度、齿轮箱合排状态对船舶推进轴系的轴承振动加速度信号进行数据分类；
(4)特征值提取：采用小波包分析方法对所述的分类后的振动加速度数据进行时频转换，获取不同特征频带上的能量特征向量，并对不同频带的特征能量向量进行转换，提取其能量熵特征向量作为待匹配特征向量；
(5)故障监测：分别计算待匹配特征向量与船舶推进轴系振动模板库中能量熵特征向量之间的欧氏距离相似性测度和夹角余弦相似性测度，并进一步采取权重分配的方法计算综合相似性测度，根据三个相似性测度计算结果进行轴承故障判定和故障预警；
(6)更新振动模板库：利用检测无故障的能量熵特征向量在线更新所述的船舶推进轴系振动模板库。
2.根据权利要求1所述的一种船舶推进轴系轴承振动故障监测方法，其特征在于，在所述步骤(2)中，所述的同步数据采集是指：
基于同一时钟脉冲下，采集船舶推进轴系中轴承振动加速度信号以及主机转速、艉轴转速、船舶吃水深度、齿轮箱合排状态；其中，所述主机转速、艉轴转速、齿轮箱合排状态来自于船舶主机遥控系统，通过通讯方式或开关量方式采集，所述船舶吃水深度来自于船舶吃水传感器。
3.根据权利要求1所述的一种船舶推进轴系轴承振动故障监测方法，其特征在于，在所述步骤(3)中，所述数据分类包括：
(31)根据船舶主机转速范围对主机转速分档；
(32)根据船舶艉轴转速范围对艉轴转速分档；
(33)根据船舶吃水范围对船舶吃水深度分档；
(33)不同的主机转速分档、艉轴转速分档以及齿轮箱合排状态分别对应不同的数据分类。
4.根据权利要求1所述的一种船舶推进轴系轴承振动故障监测方法，其特征在于，所述特征提取的具体过程为：
采用小波包分解与重构的方法，对轴承振动加速度信号进行4层小波包分解获得能量特征向量，并进一步提取能量熵特征向量P＝{P1,P2,...,P16}作为待匹配特征向量，其计算公式为：
P i = - T i Σ i = 1 16 T i * l o g T i Σ i = 1 16 T i - - - ( 1 )
其中Pi为能量熵特征向量P的第i个分量，Ti为能量特征向量的第i个分量。
5.根据权利要求1所述的一种船舶推进轴系轴承振动故障监测方法，其特征在于，在所述步骤(5)中，分别采用欧氏距离、夹角余弦、权重分配的方法计算能量熵特征向量与振动模板库中能量熵特征向量的相似性测度，根据相似性测度匹配结果对故障判定，并进行故障预警，其具体过程如下：
(51)提取n个数据在16个频带上的能量熵特征向量；
(52)将所述的能量熵特征向量与所述的船舶推进轴系振动模板库中能量熵特征向量进行欧式距离相似性测度匹配，所采用的匹配公式为：
D ( P i , P j ) = Σ k = 1 16 ( P i k - P j k ) 2 - - - ( 2 )
其中，Pi为能量熵特征向量P的第i个分量，Pj为振动模板库中能量熵特征向量P的第j个分量，D(Pi,Pj)为欧氏距离相似性测度值；
(53)将所述的能量熵特征向量与船舶推进轴系振动模板库中能量熵特征向量进行夹角余弦相似性测度匹配，所采用的匹配公式为：
M ( P i , p j ) = P i T * p j | | P i | | * | | p j | | = Σ i = 1 n P i p j Σ i = 1 n P i 2 Σ i = 1 n P i 2 - - - ( 3 )
其中，Pi为能量熵特征向量P的第i个分量，Pj为振动模板库中能量熵特征向量P的第j个分量，M(Pi,Pj)为夹角余弦距离相似性测度值；
(54)计算综合相似性测度，所采用计算公式为：
Z ( P i , P j ) = a * D ( P i , P j ) + b * ( 1 - M ( P i , P j ) ) = C 1 C 1 + C 2 * D ( P i , P j ) + C 2 C 1 + C 2 * ( 1 - M ( P i , P j ) ) - - - ( 4 )
其中，a为欧氏距离相似性测度权重，b为夹角余弦距离相似性测度权重，Pi为能量熵特征向量P的第i个分量，Pj为振动模板库中能量熵特征向量P的第j个分量，D(Pi,Pj)为欧氏距离相似性测度值，M(Pi,Pj)为夹角余弦距离相似性测度值，C1为欧氏距离下不同类型能量熵特征向量相似性测度值与同类型能量熵特征向量相似性测度值的比值，C2夹角余弦距离下不同类型能量熵特征向量相似性测度值与同类型能量熵特征向量相似性测度值的比值；
(55)故障预警：依据欧氏距离相似性测度、夹角余弦相似性测度、综合相似性测度计算结果判定该轴承是否存在故障；当三种相似性测度中任意一个相似性测度大于一限定值时，即判定该轴承存在故障，产生预警，分别为：欧氏距离预警、夹角余弦预警、综合预警。
6.根据权利要求1所述的一种船舶推进轴系轴承振动故障监测方法，其特征在于，在所述步骤(6)中，利用检测无故障的频带特征向量值在线更新所述的船舶推进轴系轴承振动模板库，若在无故障状态下一分钟内采集数据获取的能量熵特征向量与振动模板库中能量熵特征向量匹配，则新获取向量作为能量熵特征向量对振动模板库进行更新。
CN201610958590.8A 2016-10-27 2016-10-27 一种船舶推进轴系轴承振动故障监测方法 Expired - Fee Related CN106347578B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610958590.8A CN106347578B (zh) 2016-10-27 2016-10-27 一种船舶推进轴系轴承振动故障监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610958590.8A CN106347578B (zh) 2016-10-27 2016-10-27 一种船舶推进轴系轴承振动故障监测方法

Publications (2)

Publication Number Publication Date
CN106347578A true CN106347578A (zh) 2017-01-25
CN106347578B CN106347578B (zh) 2018-01-30

Family

ID=57865255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610958590.8A Expired - Fee Related CN106347578B (zh) 2016-10-27 2016-10-27 一种船舶推进轴系轴承振动故障监测方法

Country Status (1)

Country Link
CN (1) CN106347578B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107748557A (zh) * 2017-10-26 2018-03-02 哈尔滨工程大学 一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统
CN108008718A (zh) * 2017-12-07 2018-05-08 上海海事大学 基于模型的智能型船舶机舱监测报警系统
CN108225169A (zh) * 2017-12-21 2018-06-29 沪东中华造船(集团)有限公司 一种大型船舶推进轴系状态监控方法
CN108760302A (zh) * 2018-05-08 2018-11-06 南京风电科技有限公司 一种风力发电机组轴承的在线监测与故障诊断系统
CN111259717A (zh) * 2019-10-21 2020-06-09 杭州安脉盛智能技术有限公司 一种旋转设备状态异常判断方法及系统
CN111324083A (zh) * 2020-03-02 2020-06-23 西南交通大学 一种机械设备关键部件实时监测与预警方法及系统
CN111982511A (zh) * 2020-08-07 2020-11-24 武汉理工大学 一种船舶电力推进系统故障模拟试验台
CN113401314A (zh) * 2021-06-25 2021-09-17 武汉理工大学 一种推进轴系不对中故障模拟装置及不对中调整方法
CN114104224A (zh) * 2021-11-15 2022-03-01 中国船舶重工集团公司第七一一研究所 设备管理方法、装置、电子设备及计算机可读存储介质
CN115027634A (zh) * 2022-06-24 2022-09-09 中海油田服务股份有限公司 一种动力守护供应船故障预警方法和系统
CN115447732A (zh) * 2022-11-11 2022-12-09 青州鑫聚隆装备制造有限公司 一种基于船舶设备运行参数的故障预测系统
CN116773169A (zh) * 2023-06-20 2023-09-19 南通思诺船舶科技有限公司 一种推进轴健康管理方法及系统
CN116773168A (zh) * 2023-06-20 2023-09-19 南通思诺船舶科技有限公司 一种推进轴故障诊断方法及系统
CN116873156A (zh) * 2023-09-05 2023-10-13 山东航宇游艇发展有限公司 基于大数据的天然气船舶动力异常智能监控方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001099757A (ja) * 1999-09-29 2001-04-13 Takasago Thermal Eng Co Ltd ベアリングの異常検出方法
CN101660969A (zh) * 2009-09-25 2010-03-03 北京工业大学 一种用于齿轮箱故障智能诊断的方法
CN103575525A (zh) * 2013-11-18 2014-02-12 东南大学 一种断路器机械故障的智能诊断方法
CN103824135A (zh) * 2014-03-11 2014-05-28 合肥工业大学 一种模拟电路故障预测方法
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
CN105354643A (zh) * 2015-11-24 2016-02-24 国网四川省电力公司经济技术研究院 一种风电接入电网的风险预测评估方法
CN105424387A (zh) * 2015-11-19 2016-03-23 上海交通大学 转向齿轮实时远程智能监控系统
CN105528741A (zh) * 2016-01-11 2016-04-27 广东电网有限责任公司电力科学研究院 一种基于多信号特征融合的断路器状态识别方法
CN105675274A (zh) * 2016-01-07 2016-06-15 西安交通大学 基于时域参数与d-s证据理论的转子运行状态监测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001099757A (ja) * 1999-09-29 2001-04-13 Takasago Thermal Eng Co Ltd ベアリングの異常検出方法
CN101660969A (zh) * 2009-09-25 2010-03-03 北京工业大学 一种用于齿轮箱故障智能诊断的方法
CN103575525A (zh) * 2013-11-18 2014-02-12 东南大学 一种断路器机械故障的智能诊断方法
CN103824135A (zh) * 2014-03-11 2014-05-28 合肥工业大学 一种模拟电路故障预测方法
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
CN105424387A (zh) * 2015-11-19 2016-03-23 上海交通大学 转向齿轮实时远程智能监控系统
CN105354643A (zh) * 2015-11-24 2016-02-24 国网四川省电力公司经济技术研究院 一种风电接入电网的风险预测评估方法
CN105675274A (zh) * 2016-01-07 2016-06-15 西安交通大学 基于时域参数与d-s证据理论的转子运行状态监测方法
CN105528741A (zh) * 2016-01-11 2016-04-27 广东电网有限责任公司电力科学研究院 一种基于多信号特征融合的断路器状态识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄建等: "高压断路器机械故障诊断专家系统设计", 《电机与控制学报》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107748557B (zh) * 2017-10-26 2020-05-15 哈尔滨工程大学 一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统
CN107748557A (zh) * 2017-10-26 2018-03-02 哈尔滨工程大学 一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统
CN108008718A (zh) * 2017-12-07 2018-05-08 上海海事大学 基于模型的智能型船舶机舱监测报警系统
CN108008718B (zh) * 2017-12-07 2019-05-10 上海海事大学 基于模型的智能型船舶机舱监测报警系统
CN108225169A (zh) * 2017-12-21 2018-06-29 沪东中华造船(集团)有限公司 一种大型船舶推进轴系状态监控方法
CN108225169B (zh) * 2017-12-21 2021-06-01 沪东中华造船(集团)有限公司 一种大型船舶推进轴系状态监控方法
CN108760302A (zh) * 2018-05-08 2018-11-06 南京风电科技有限公司 一种风力发电机组轴承的在线监测与故障诊断系统
CN111259717B (zh) * 2019-10-21 2023-08-15 杭州安脉盛智能技术有限公司 一种旋转设备状态异常判断方法及系统
CN111259717A (zh) * 2019-10-21 2020-06-09 杭州安脉盛智能技术有限公司 一种旋转设备状态异常判断方法及系统
CN111324083A (zh) * 2020-03-02 2020-06-23 西南交通大学 一种机械设备关键部件实时监测与预警方法及系统
CN111982511A (zh) * 2020-08-07 2020-11-24 武汉理工大学 一种船舶电力推进系统故障模拟试验台
CN113401314A (zh) * 2021-06-25 2021-09-17 武汉理工大学 一种推进轴系不对中故障模拟装置及不对中调整方法
CN114104224A (zh) * 2021-11-15 2022-03-01 中国船舶重工集团公司第七一一研究所 设备管理方法、装置、电子设备及计算机可读存储介质
CN115027634A (zh) * 2022-06-24 2022-09-09 中海油田服务股份有限公司 一种动力守护供应船故障预警方法和系统
CN115447732A (zh) * 2022-11-11 2022-12-09 青州鑫聚隆装备制造有限公司 一种基于船舶设备运行参数的故障预测系统
CN116773169A (zh) * 2023-06-20 2023-09-19 南通思诺船舶科技有限公司 一种推进轴健康管理方法及系统
CN116773168A (zh) * 2023-06-20 2023-09-19 南通思诺船舶科技有限公司 一种推进轴故障诊断方法及系统
CN116773168B (zh) * 2023-06-20 2024-03-12 南通思诺船舶科技有限公司 一种推进轴故障诊断方法及系统
CN116773169B (zh) * 2023-06-20 2024-04-26 南通思诺船舶科技有限公司 一种推进轴健康管理方法及系统
CN116873156A (zh) * 2023-09-05 2023-10-13 山东航宇游艇发展有限公司 基于大数据的天然气船舶动力异常智能监控方法
CN116873156B (zh) * 2023-09-05 2023-11-21 山东航宇游艇发展有限公司 基于大数据的天然气船舶动力异常智能监控方法

Also Published As

Publication number Publication date
CN106347578B (zh) 2018-01-30

Similar Documents

Publication Publication Date Title
CN106347578A (zh) 一种船舶推进轴系轴承振动故障监测方法
Zhao et al. Deep convolutional neural network based planet bearing fault classification
CN103776654B (zh) 多传感器信息融合的故障诊断方法
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
CN105806604B (zh) 一种机车车辆走行部轴承保持架故障预报警方法
CN105758644A (zh) 基于变分模态分解和排列熵的滚动轴承故障诊断方法
CN106055919B (zh) 一种基于遥测数据小波变换的卫星异常检测方法
CN102494899A (zh) 柴油机复合故障诊断方法及诊断系统
CN106338385A (zh) 一种基于奇异谱分解的旋转机械故障诊断方法
CN105258947A (zh) 一种基于压缩感知的工况扰动条件下的滚动轴承故障诊断方法
CN102072789B (zh) 一种地面测试铁道车辆轮轨力的连续化处理方法
Liu et al. Technology development and commercial applications of industrial fault diagnosis system: a review
CN104386449A (zh) 用于矿用皮带运输机头尾轮在线检测智能保护装置
CN103115789A (zh) 金属结构损伤剩余寿命的第二代小波支持向量机评估方法
CN104596766A (zh) 一种轴承早期故障确定方法
CN103969052A (zh) 基于离群分析的柴油机故障诊断方法
CN113847950A (zh) 基于云计算的智能船舶设备状态监测系统及信息交互方法
CN104142680B (zh) 一种基于鲁棒输入训练神经网络的多传感器故障诊断系统及方法
Zhao et al. Rolling bearing composite fault diagnosis method based on EEMD fusion feature
CN101701845B (zh) 一种机车车轮运行状态的识别方法
CN106203362B (zh) 一种基于脉冲指标的旋转机械故障诊断方法
Kowalski Concept of the multidimensional diagnostic tool based on exhaust gas composition for marine engines
CN111753603A (zh) 一种应急发电机组edg故障诊断系统
Li et al. A fault diagnosis approach for gears using multidimensional features and intelligent classifier
CN102661751A (zh) 基于等价关系和小波变换数值微分的卫星陀螺组故障检测、分离和估计方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201225

Address after: Room 17-1, building 033, building 2, No.15, Lane 587, Juxian Road, high tech Zone, Ningbo, Zhejiang 315000

Patentee after: CHINA E-TECH (NINGBO) MARITIME ELECTRONICS RESEARCH INSTITUTE Co.,Ltd.

Address before: 212003, No. 2, Mengxi Road, Zhenjiang, Jiangsu

Patentee before: JIANGSU University OF SCIENCE AND TECHNOLOGY

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180130