CN106769033B - 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 - Google Patents
基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 Download PDFInfo
- Publication number
- CN106769033B CN106769033B CN201611079765.4A CN201611079765A CN106769033B CN 106769033 B CN106769033 B CN 106769033B CN 201611079765 A CN201611079765 A CN 201611079765A CN 106769033 B CN106769033 B CN 106769033B
- Authority
- CN
- China
- Prior art keywords
- order
- time
- frequency
- frequency energy
- envelope
- 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
- 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
Abstract
基于阶次包络时频能量谱的变转速滚动轴承故障识别方法,对获取的变转速下滚动轴承振动信号的低频段信号进行短时傅里叶变换获得短时谱,结合峰值搜索方法获得轴承参考轴谐波分量的瞬时转频估计;再通过快速峭度谱技术确定振动信号的最优共振频带带通参数,对带通滤波后的带通信号进行Hilbert变换获得包络信号,通过短时傅里叶变换得到包络时频能量矩阵;设置提取区间,得到阶次包络能量计算路径,通过能量计算路径和包络时频能量矩阵计算不同阶次下的阶次包络时频能量,获得阶次包络时频能量谱,通过最大阶次包络时频能量对应的阶次与故障阶次对比实现轴承故障识别,本发明具有计算效率高的优点,能满足实际工程应用中实时监测的需求。
Description
技术领域
本发明属于滚动轴承故障诊断技术领域,具体涉及基于阶次包络时频能量谱的变转速滚动轴承故障识别方法。
背景技术
工业、民用、国防等领域中的许多重大旋转机械设备会在变转速工况条件下运行,而滚动轴承作为旋转机械中最常用的零部件,在设备中起着支撑回转轴和减小轴系摩擦损失等作用,其运行状态将直接影响机器设备使用寿命、运行可靠性及精度等。由于滚动轴承所激发的振动信息能迅速且直观地反映装备运行健康状态的变化情况,为有效预防由滚动轴承故障所造成的重大事故的发生,需要通过一系列振动信号获取及处理手段对滚动轴承这一关键部件进行实时监测。
目前,对于定转速工况下平稳信号的振动检测诊断技术主要以基于经典傅里叶变换为代表的频谱分析方法,通过机械设备的故障特征频率来识别设备故障。然而在变转速工况下,振动信号的频率往往随时间发生时变效应出现“频率模糊”的现象,无法反映信号的局部特性和频率的时变规律。因而对变转速工况下的非平稳振动信息进行分析和处理是实现滚动轴承故障识别的关键。
变转速工况下的强非平稳机械振动信号处理成为当前机械故障诊断领域的一个研究热点。阶次分析作为变转速工况下滚动轴承故障识别的有效手段,通过将等时间间隔采集的时间域信号转化为等角度间隔的角度域信号并进行傅里叶变换(FFT)得到阶次谱,根据故障特征阶次实现故障识别。但传统阶次分析技术需通过键相信号获取设备来获取参考轴转速信号指导等角度重采样,硬件费用高,且在某些无法安装键相信号获取设备的工业现场难以实现。由于机械设备的振动信号中蕴含着旋转机械设备的相位信息,因此从获取的振动信号中提取参考轴的瞬时相位,可以在无键相信号环境下完全通过软件实现阶次分析。目前,无键相环境下的阶次分析技术主要包括:基于Vold-kalman的阶次分析技术(VOK)、基于广义解调的阶次分析技术(GFT)和基于Gabor的阶次分析技术等。然而以上方法在无键相环境下的阶次分析技术需要精确获取瞬时相位信息、算法复杂度较高、计算效率低、难以实现在线监测的目的,从而大大地限制了这一技术的实际工程应用。
发明内容
为了克服上述现有技术的缺点,本发明的目的是提供一种基于阶次包络时频能量谱的变转速滚动轴承故障识别方法,具有无需等角度重采样、计算效率高的优点,满足实际工程应用中实时监测的需求。
为达到上述目的,本发明采用的技术方案为:
一种基于阶次包络时频能量谱的变转速滚动轴承故障识别方法,包括以下步骤:
步骤一:利用振动加速度传感器采集旋转机械的振动信号x(t),采样率设定为fs;
步骤二:对采集的振动信号进行低通滤波,获取包含滚动轴承参考轴瞬时转频信息的低频段振动信号,并通过短时傅里叶变换(STFT)获取低频段振动信号的短时谱;
步骤三:采用峰值搜索方法对低频段振动信号短时谱中m阶谐波分量信号的瞬时脊线进行提取,获取的第m阶瞬时频率脊线为fm(t),则参考轴瞬时频率为:
IRF=fm(t)/m;
步骤四:采用快速峭度谱确定最优共振频带,根据最优共振频带设置带通滤波器带宽参数,通过带通滤波器对振动信号进行滤波,提取包含滚动轴承故障冲击特征的共振频带信号;对共振频带信号进行Hilbert变换得到共振包络信号,并进一步通过STFT的时频变换,获得共振频带信号的包络时频能量分布矩阵TFRe,该时频能量分布体现了变转速工况下的时频能量的时变特点,当轴承发生故障时,在包络时频能量分布矩阵中将出现符合故障特征瞬时频率趋势的时频能量,且时频能量高于信号中的其他成分,根据该时频能量实现故障的识别;
步骤五:阶次能够定义为旋转部件引起的振动信号激励频率与参考轴转频的比例系数,根据以上阶次关系对包络时频能量进行扩展,将符合某阶次比例下相应瞬时频率变换规律的包络时频能量定义为阶次包络时频能量,并对其进行提取;
设置阶次包络时频能量区间FO和阶次分辨率,即阶次分析间隔ΔFO,同时根据振动信号激振频率与参考轴转频的阶次关系,计算得到阶次包络时频能量的计算路径VIF:
FO=[FOmin:ΔFO:FOmax]
VIF=IRF×FO
其中FOmin为最小分析阶次,需小于滚动轴承的最小故障阶次;FOmax为最大分析阶次,根据待分析轴承的最大故障阶次确定;
步骤六:通过阶次包络时频能量计算路径VIF和包络时频能量分布矩阵TFRe,得到振动信号不同阶次下的阶次包络时频能量:
为确保计算的准确性,在利用能量计算路径时,添加频率宽度为±Δf的时频能量计算区间,并取平均值,t0为包络时频矩阵时间起点,tn为包络时频矩阵时间终点,vifi为i阶次下得到的能量计算路径;
步骤七:根据提前设置的阶次分析区间和从步骤六获得的阶次包络时频能量得到阶次包络时频能量谱,通过最大阶次包络时频能量对应的阶次与滚动轴承不同部位的故障阶次进行对比实现轴承故障识别。
本发明的优点为:
(1)无需安装键相信号获取设备,硬件费用低。
(2)通过阶次包络时频能量谱实现变转速滚动轴承故障阶次识别,无需精确获取参考轴瞬时相位信息对时域振动信号进行重采样,算法复杂度低,计算效率高,可实现变转速工况下滚动轴承的实时监测。
附图说明
图1为本发明方法的流程图。
图2为实施例在变转速工况下的内圈划伤的滚动轴承振动信号,图(a)为滚动轴承振动信号时域图;图(b)为滚动轴承振动信号包络谱。
图3为实施例瞬时频率提取示意图,图(a)为低频段振动信号时频图;
图(b)为第一阶谐波分量时频脊线。
图4为实施例包络时频能量矩阵提取示意图,图(a)为快速峭度谱;
图(b)为共振频带信号包络时频能量谱。
图5为实施例阶次包络时频能量谱。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
参照图1,一种基于阶次包络时频能量谱的变转速滚动轴承故障识别方法,包括以下步骤:
步骤一:利用振动加速度传感器采集旋转机械的振动信号x(t),采样率设定为fs,变转速工况下采集的滚动轴承振动信号如图2(a)所示,采样频率为12800Hz,采样长度为8s,采用人工注入的方式模拟内圈划伤故障,通过Hilbert包络解调获得的包络谱如图2(b),由于存在“频率模糊”影响,无法识别故障;
步骤二:对采集的振动信号进行低通滤波,获取包含滚动轴承参考轴瞬时转频信息的低频段振动信号,并通过短时傅里叶变换获取低频段振动信号的短时谱,如图3(a)所示;
步骤三:采用峰值搜索方法对低频段振动信号短时谱中第一阶谐波分量信号的瞬时脊线进行提取,获取的第一阶瞬时频率脊线为f1(t),如图3(b),则参考轴瞬时频率为:
IRF=f1(t);
步骤四:采用快速峭度谱确定最优共振频带,快速峭度谱如图4(a),根据最优共振频带设置带通滤波器带宽参数,通过带通滤波器对振动信号进行滤波,提取包含滚动轴承故障冲击特征的共振频带信号;对共振频带信号进行Hilbert变换得到共振包络信号,并进一步通过STFT的时频变换,获得共振频带信号的包络时频能量矩阵TFRe,如图4(b)所示,该时频图体现了变转速工况下的时频能量的时变特点,当轴承发生故障时,在包络时频能量分布矩阵中将出现符合故障特征瞬时频率趋势的时频能量,且时频能量高于信号中的其他成分,如图4(b)包络时频图中高亮部分即为滚动轴承故障引起的时频能量,其变化趋势符合瞬时故障特征频率规律,因此可以根据该时频能量实现故障的识别;
步骤五:阶次能够定义为旋转部件引起的振动信号激励频率与参考轴转频的比例系数,根据以上阶次关系对包络时频能量进行扩展,将符合某阶次比例下相应瞬时频率变换规律的包络时频能量定义为阶次包络时频能量,并对其进行提取;
设置阶次包络时频能量区间FO和阶次分辨率,即阶次分析间隔ΔFO,同时根据振动信号激振频率与参考轴转频的阶次关系,计算得到阶次包络时频能量的计算路径VIF:
FO=[FOmin:ΔFO:FOmax]
VIF=IRF×FO
其中FOmin为最小分析阶次,需小于滚动轴承的最小故障阶次;FOmax为最大分析阶次,根据待分析轴承的最大故障阶次确定;
待测试滚动轴承故障阶次表,如表1所示,内圈故障阶次最大为4.92,则阶次包络时频能量谱阶次分析范围应包含轴承最大故障阶次及其倍频阶次(本实施例取3倍频),因此阶次包络时频能量谱最大分析阶次取15,同时取阶次分辨率为0.01以保证分析效果,因此将阶次包络时频能量区间设为[0.2:0.01:15];
步骤六:通过阶次包络时频能量计算路径VIF和包络阶次时频能量分布矩阵TFRe,得到振动信号不同阶次下的阶次包络时频能量。
为确保计算的准确性,在利用能量计算路径时,添加频率宽度为±Δf的时频能量计算区间(本实施例取Δf=2,即取能量计算路径相邻的两个频率点形成阶次i包络时频能量计算区间),并取平均值;t0为包络时频矩阵时间起点,tn为包络时频矩阵时间终点,vifi为相应阶次i下得到的能量计算路径;
步骤七:根据提前设置的阶次分析区间和从步骤六获得的阶次包络时频能量得到阶次包络时频能量谱,如图5所示。通过对比最大阶次包络时频能量对应的阶次与滚动轴承不同部位的故障阶次实现轴承故障识别。
根据阶次包络时频能量谱最大时频能量对应的阶次和表1所示的故障阶次进行比较,发现在阶次4.86处出现最大包络时频能量,与内圈故障阶次4.92基本相符,判断该轴承出现内圈故障与实际相符。
表1滚动轴承故障阶次表
Claims (1)
1.一种基于阶次包络时频能量谱的变转速滚动轴承故障识别方法,其特征在于,包括以下步骤:
步骤一:利用振动加速度传感器采集旋转机械的振动信号x(t),采样率设定为fs;
步骤二:对采集的振动信号进行低通滤波,获取包含滚动轴承参考轴瞬时转频信息的低频段振动信号,并通过短时傅里叶变换获取低频段振动信号的短时谱;
步骤三:采用峰值搜索方法对低频段振动信号短时谱中m阶谐波分量信号的瞬时脊线进行提取,获取的第m阶瞬时频率脊线为fm(t),则参考轴瞬时频率为:
IRF=fm(t)/m;
步骤四:采用快速峭度谱确定最优共振频带,根据最优共振频带设置带通滤波器带宽参数,通过带通滤波器对振动信号进行滤波提取包含滚动轴承故障冲击特征的共振频带信号;对共振频带信号进行Hilbert变换得到共振包络信号,并进一步通过短时傅里叶变换的时频变换,获得共振频带信号的包络时频能量分布矩阵TFRe(t,f),时频能量分布体现了变转速工况下的时频能量的时变特点,当轴承发生故障时,在包络时频能量分布矩阵中将出现符合故障特征瞬时频率趋势的时频能量,且时频能量高于信号中的其他成分,根据该时频能量实现故障的识别;
步骤五:阶次能够定义为旋转部件引起的振动信号激励频率与参考轴转频的比例系数,根据以上阶次关系对包络时频能量进行扩展,将符合某阶次比例下相应瞬时频率变换规律的包络时频能量定义为阶次包络时频能量,并对其进行提取;
设置阶次包络时频能量区间FO和阶次分辨率,即阶次分析间隔ΔFO,同时根据振动信号激振频率与参考轴转频的阶次关系,计算得到阶次包络时频能量的计算路径VIF:
VIF=IRF×FO
其中FO即表示以ΔFO为间隔,将区间[FOmin,FOmax]等分的一组向量,FOmin为最小分析阶次,需小于滚动轴承的最小故障阶次;FOmax为最大分析阶次,根据待分析轴承的最大故障阶次确定;
步骤六:通过阶次包络时频能量计算路径VIF和包络时频能量分布矩阵TFRe(t,f),得到振动信号不同阶次下的阶次包络时频能量:
为确保计算的准确性,在利用能量计算路径时,添加频率宽度为±Δf的时频能量计算区间,并取平均值,t0为包络时频矩阵时间起点,tn为包络时频矩阵时间终点,VIFi为i阶次下得到的能量计算路径;
步骤七:根据提前设置的阶次分析区间和从步骤六获得的阶次包络时频能量得到阶次包络时频能量谱,通过最大阶次包络时频能量对应的阶次与滚动轴承不同部位的故障阶次进行对比实现轴承故障识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611079765.4A CN106769033B (zh) | 2016-11-30 | 2016-11-30 | 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611079765.4A CN106769033B (zh) | 2016-11-30 | 2016-11-30 | 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106769033A CN106769033A (zh) | 2017-05-31 |
CN106769033B true CN106769033B (zh) | 2019-03-26 |
Family
ID=58898966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611079765.4A Active CN106769033B (zh) | 2016-11-30 | 2016-11-30 | 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106769033B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107402131B (zh) * | 2017-08-03 | 2018-05-25 | 安徽大学 | 一种基于轨边声学信号时频脊线的高速列车运动参数识别方法 |
CN107941510B (zh) * | 2017-10-19 | 2019-07-19 | 西安交通大学 | 基于等角度双重采样的滚动轴承故障特征的提取方法 |
CN107992808B (zh) * | 2017-11-24 | 2019-01-11 | 朱健坤 | 沸腾振动的声波信号时频联合特征提取及沸腾识别方法 |
CN108225764A (zh) * | 2017-12-05 | 2018-06-29 | 昆明理工大学 | 一种基于包络提取的高精度无键相信号阶次跟踪方法及系统 |
CN108388839A (zh) * | 2018-01-26 | 2018-08-10 | 电子科技大学 | 一种基于二阶同步提取变换的强转速波动特征提取方法 |
CN108760294B (zh) * | 2018-06-13 | 2020-09-29 | 苏州大学 | 旋转机械设备自动诊断系统及方法 |
CN109520738B (zh) * | 2018-10-25 | 2020-07-21 | 珠海市华星装备信息科技有限公司 | 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法 |
CN109668733B (zh) * | 2018-12-21 | 2020-07-28 | 苏州大学 | 变分非线性模式分解变转速轴承故障诊断方法 |
CN109632311A (zh) * | 2019-01-21 | 2019-04-16 | 北京化工大学 | 一种自适应声信号轴承故障诊断方法 |
CN110119764B (zh) * | 2019-04-16 | 2021-03-02 | 北京天泽智云科技有限公司 | 一种变转速工况下轴心轨迹的提纯方法 |
CN110160787A (zh) * | 2019-06-14 | 2019-08-23 | 西安交通大学 | 一种基于轮速传感信息的滚动轴承故障诊断方法 |
CN110887663A (zh) * | 2019-10-30 | 2020-03-17 | 中国石油化工股份有限公司 | 变工况计算阶次跟踪与谱峭度结合的轴承故障诊断方法 |
CN111104887B (zh) * | 2019-12-11 | 2024-03-29 | 北京化工大学 | 一种基于振动机理与深度学习技术的整周期无键相监测方法 |
CN110907162B (zh) * | 2019-12-13 | 2021-10-15 | 北京天泽智云科技有限公司 | 一种变转速下无转速计的旋转机械故障特征提取方法 |
CN113029553B (zh) * | 2019-12-24 | 2023-01-10 | 国家能源投资集团有限责任公司 | 齿轮箱轴转速信息提取方法、系统、装置及存储介质 |
CN112379261A (zh) * | 2019-12-31 | 2021-02-19 | 上汽通用五菱汽车股份有限公司 | 一种基于振动噪声分析的电机转速及结构参数计算方法 |
CN111412978B (zh) * | 2020-04-22 | 2021-06-08 | 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 |
CN111677674A (zh) * | 2020-06-17 | 2020-09-18 | 武汉工程大学 | 一种故障检测方法及装置 |
CN112101245B (zh) * | 2020-09-18 | 2024-02-02 | 丽水市特种设备检测院 | 基于频域窗函数的短时傅里叶变换机械冲击特征提取方法 |
CN112665851B (zh) * | 2020-10-28 | 2023-04-07 | 西安交通大学 | 一种无键相变转速齿轮箱故障诊断方法 |
CN112539827B (zh) * | 2020-12-04 | 2021-10-01 | 五凌电力有限公司 | 基于频率能量占比的机组机械振动评估方法和系统 |
CN112577746B (zh) * | 2020-12-07 | 2022-07-22 | 东南大学 | 一种转速波动下滚动轴承包络阶次谱故障特征的提取方法 |
CN112966632B (zh) * | 2021-03-19 | 2023-12-12 | 浙江中自庆安新能源技术有限公司 | 一种基于振动信号图像化的故障识别方法及系统 |
CN113567127B (zh) * | 2021-07-23 | 2022-06-07 | 西安交通大学 | 一种基于时频特征分离的滚动轴承退化指标提取方法 |
CN113343952B (zh) * | 2021-08-05 | 2021-11-05 | 北京科技大学 | 一种瞬态特征时频分析与重构方法 |
CN114492539B (zh) * | 2022-02-21 | 2023-04-28 | 西南交通大学 | 轴承的故障检测方法、装置、电子设备及存储介质 |
CN114778114B (zh) * | 2022-04-01 | 2022-11-22 | 西南交通大学 | 一种基于信号冲击性和周期性的轴承健康指标构建方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102788695A (zh) * | 2012-07-18 | 2012-11-21 | 南京航空航天大学 | 一种滚动轴承磨损的识别方法 |
CN104316323A (zh) * | 2014-10-24 | 2015-01-28 | 西安交通大学 | 基于周期靶向的最优共振频带确定方法 |
CN105547698A (zh) * | 2015-12-31 | 2016-05-04 | 新疆金风科技股份有限公司 | 滚动轴承的故障诊断方法及装置 |
CN105784366A (zh) * | 2016-03-30 | 2016-07-20 | 华北电力大学(保定) | 一种变转速下的风电机组轴承故障诊断方法 |
CN106092524A (zh) * | 2016-05-13 | 2016-11-09 | 长兴昇阳科技有限公司 | 一种使用振动信号精确提取转速信号的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3170076B2 (ja) * | 1992-12-18 | 2001-05-28 | 株式会社小野測器 | 転がり軸受故障診断装置 |
CN104568435A (zh) * | 2015-01-23 | 2015-04-29 | 国电联合动力技术有限公司 | 一种基于时频能量谱提取风机状态信号调制成分的方法 |
CN105388012A (zh) * | 2015-10-22 | 2016-03-09 | 兰州理工大学 | 基于非线性调频小波变换的阶次跟踪方法 |
-
2016
- 2016-11-30 CN CN201611079765.4A patent/CN106769033B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102788695A (zh) * | 2012-07-18 | 2012-11-21 | 南京航空航天大学 | 一种滚动轴承磨损的识别方法 |
CN104316323A (zh) * | 2014-10-24 | 2015-01-28 | 西安交通大学 | 基于周期靶向的最优共振频带确定方法 |
CN105547698A (zh) * | 2015-12-31 | 2016-05-04 | 新疆金风科技股份有限公司 | 滚动轴承的故障诊断方法及装置 |
CN105784366A (zh) * | 2016-03-30 | 2016-07-20 | 华北电力大学(保定) | 一种变转速下的风电机组轴承故障诊断方法 |
CN106092524A (zh) * | 2016-05-13 | 2016-11-09 | 长兴昇阳科技有限公司 | 一种使用振动信号精确提取转速信号的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106769033A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106769033B (zh) | 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 | |
AU2020103681A4 (en) | Rolling Bearing Fault Diagnosis Method Based on Fourier Decomposition and Multi-scale Arrangement Entropy Partial Mean Value | |
CN109883702B (zh) | 一种基于时频域统计特征的电机轴承故障诊断方法 | |
Wang et al. | Rotating speed isolation and its application to rolling element bearing fault diagnosis under large speed variation conditions | |
Chow et al. | Induction machine fault diagnostic analysis with wavelet technique | |
CN107941510B (zh) | 基于等角度双重采样的滚动轴承故障特征的提取方法 | |
US11391704B2 (en) | Method for early damage recognition, and program and control unit for executing the method | |
Salem et al. | Support vector machine based decision for mechanical fault condition monitoring in induction motor using an advanced Hilbert-Park transform | |
US7409854B2 (en) | Method and apparatus for determining an operating status of a turbine engine | |
Chegini et al. | New fault diagnosis approaches for detecting the bearing slight degradation | |
CN105865794B (zh) | 基于短时傅立叶变换和主分量分析的发动机失火故障诊断方法 | |
CN107525674A (zh) | 基于脊线概率分布和局部波动的转频估计方法及检测装置 | |
Dong et al. | A frequency-shifted bispectrum for rolling element bearing diagnosis | |
US11927501B2 (en) | Method and device for monitoring a gear system | |
CN105388012A (zh) | 基于非线性调频小波变换的阶次跟踪方法 | |
CN104502099A (zh) | 齿轮箱瞬变工况特征分量循频提取方法 | |
JP2021018818A (ja) | ウェーブレットおよび主成分解析に基づくプロペラのキャビテーション状態の検出方法 | |
Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
CN103116032A (zh) | 用于获取风力发电机组的转速的方法和设备 | |
Ding et al. | Multiple instantaneous frequency ridge based integration strategy for bearing fault diagnosis under variable speed operations | |
Babiker et al. | Initial fault time estimation of rolling element bearing by backtracking strategy, improved VMD and infogram | |
CN114383718B (zh) | 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 | |
Chen et al. | Image feature extraction based on HOG and its application to fault diagnosis for rotating machinery | |
Liu et al. | A new motor fault detection method using multiple window S-method time-frequency analysis | |
CN112781723B (zh) | 一种基于频谱方差的谐波成分检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |