CN107064315A - 基于小波分析的叶片裂纹位置及深度识别方法 - Google Patents
基于小波分析的叶片裂纹位置及深度识别方法 Download PDFInfo
- Publication number
- CN107064315A CN107064315A CN201710181007.1A CN201710181007A CN107064315A CN 107064315 A CN107064315 A CN 107064315A CN 201710181007 A CN201710181007 A CN 201710181007A CN 107064315 A CN107064315 A CN 107064315A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- mrow
- depth
- crack
- yardstick
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
Landscapes
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Signal Processing (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Acoustics & Sound (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了基于小波分析的叶片裂纹位置及深度识别方法，属于设备故障诊断领域。首先，通过测试系统获取故障叶片的基本振型位移参数(即位移值)。其次，选取合适的小波基和小波尺度对振型数据进行多尺度连续小波变换，得到小波变换系数图。可以从图中明显看出裂纹截面处小波系数为极大值，由此便可判定裂纹位置。最后，由各尺度裂纹处小波系数模极大值对数和尺度对数的线性关系得到有效拟合直线的斜率。有效拟合直线斜率与裂纹深度之间存在线性关系，由此实现裂纹深度的定量判定。本方法能够得到裂纹位置及深度的定量数据；本方法操作起来更加简单，且保证一定的准确率。
Description
技术领域
本发明涉及一种通风机叶片裂纹的识别方法，属于设备故障诊断领域。具体而言，本发明是一种通风机叶片裂纹位置和深度的定量判定方法。
背景技术
通风机是依靠输入的机械能，提高气体压力并排送气体的机械。现代通风机广泛用于工厂、矿井、隧道、冷却塔、车辆、船舶和建筑物的通风、排尘和冷却，锅炉和工业炉窑的通风和引风，空气调节设备和家用电器设备中的冷却和通风，谷物的烘干和选送，风洞风源和气垫船的充气和推进等，且有着噪音低、风量大、效率高、风压稳定等特性。
叶片作为通风机的关键部件,承受离心力、流体动力、振动、温差、介质等的综合作用。现今，通风机正朝着重载化、高速化、轻型化方向发展，使叶片工作长度和工作参数不断提高，工作条件越来越严酷，导致叶片容易发生故障，而叶片故障引起的事故往往是灾难性的，会造成巨大的损失。如何以简单的方法和较高的准确率诊断叶片故障，是困扰国内外设备故障诊断工程界和学术界的难题。这就促使了叶片状态监测与故障诊断技术的发展，使其成为叶轮机械运转状态监测的重要组成部分。
由于应力集中、疲劳作用等引起的叶片裂纹会对整个机组的安全运行带来严重威胁。叶片裂纹故障不仅影响通风机的正常工作，未能被诊断出的裂纹还会在横向振动的作用下继续扩展，引发叶片断裂或断叶甩出等重大安全隐患。因此进行通风机叶片裂纹故障诊断方法的研究，及时获知裂纹的位置深度等故障信息，可在裂纹扩展前对故障叶片进行维修或更换，以免引发重大安全事故，具有巨大的社会效益、经济效益和安全效益。
发明内容
本发明的目的在提出一种通风机叶片裂纹的识别方法，该方法能够实现通风机叶片裂纹故障的定量分析，即判定裂纹的位置与深度。
为实现上述目的，本发明采用的技术方案为基于小波分析的叶片裂纹位置及深度识别方法，首先，通过测试系统获取故障叶片的基本振型位移参数即位移值。测试过程为离线测试模式。测试系统由传感器部分、激励部分、数据采集与分析部分组成，传感器部分通过激励部分与数据采集与分析部分进行连接。其中，传感器部分为压电式力传感器和压电式加速度传感器；激励部分为激振器或冲击锤装置；数据采集与分析部分要针对锤击、环境激励识别方法的不同，采用相应的数据采集与分析应用软件。包括传函分析、参数选择、输入几何结构及约束信息、模态拟合和振型编辑，最后获得位移模态参数。
其次，将振型数据导入MATLAB软件中，利用MATLAB中的小波函数工具箱选取小波基对振型数据进行多尺度连续小波变换，得到小波变换系数图。横坐标的值为0至叶片总长度为L，纵坐标的值为小波变换系数。从小波变换系数图中能够看出各尺度上裂纹截面处小波系数为极大值，由此判定裂纹位置。对于某个特定尺度，其小波系数模极大值对裂纹位置的显示会更为清晰。因此需要对振型数据进行多尺度小波变换，选取对应尺度使裂纹位置的判定更加准确。
利用小波变换实现对裂纹位置的判定实际上是一个识别奇异点的过程。用于奇异性检测的小波不同于一般的正交小波，它是从光滑函数得到的。选择某光滑函数的一阶导数为小波函数，即：
其中，θ(t)为裂纹位置判定的光滑函数，ψ(t)为光滑函数的导数。θ(t)满足且为1/(1+t2)的高阶无穷小，同时记：
θa(t)＝aθ(t/a)
则
其中，a为小波变换的尺度。此时，根据小波变换卷积形式的定义得到：
其中，x(t)为待测信号，Wx(a,t)为待测信号进行小波变换之后得到的函数。这种卷积型的小波变换Wx(a,t)可以看成是信号x(t)通过冲激响应为ψa(t)的系统后的输出。
由此可知，对信号进行小波变换后求导,相当于用小波函数的一阶导数对信号进行小波变换。Wx(a,t)与x(t)经θ(t)平滑后的导数成正比。对于某一尺度a,小波变换模极大值|Wx(a,t)|对应于x*θa(t)的拐点，即x(t)的突变点。其中，|Wx(a,t)|的意义为：若在尺度a下，在x上有一过零点，则称|Wx(a,t)|为小波变换模极大值。对信号进行多尺度分析时,如果选用某一光滑函数的一、二阶导数作为小波函数，那么，在信号突变点处，小波变换系数具有模极大值，因此，可通过检测小波系数模极大值点的位置来确定奇异点的位置。
最后，各尺度裂纹处的小波系数模极大值对数与尺度对数的拟合直线的斜率值与裂纹深度值呈线性关系，通过该线性方程与斜率值实现对裂纹深度的定量评定。
通过MATLAB编程绘制小波系数模极大值Wf与尺度值s的函数图看出两者呈曲线关系。如果将Wf与s分别取对数，以lgs为横坐标,lg|Wf|为纵坐标绘制函数图，则两者的关系近似为一条直线，即多尺度上的小波系数模极大值与尺度基本呈对数线性关系。通过曲线拟合得到两者关系曲线的线性方程，由线性方程产生的数据与原始数据的相关系数判定拟合直线的有效性，得到有效拟合直线的斜率k。进一步的，以k为纵坐标，以裂纹深度值h为横坐标绘制函数图，看出k与h呈线性关系，k与h的线性方程即为判定依据，k值是通过计算得到的已知量，根据k与h的函数关系式，可求得h的值，由此判定裂纹深度。
另外，值得一提的是，当选用不同的小波来获取k值时，计算结果会有些不同。若采用某种小波得到的k值越接近零，则说明该小波的检测效果越好。这种方法可以作为选择小波基的依据。
本发明可以实现对叶片裂纹位置及深度的定量判定，具有以下特点：
(1)通过对故障叶片的振型数据做适当的小波变换即可识别出裂纹的位置与深度，与其他常规方法相比，不需要正常叶片的动力特性数据；
(2)本方法不仅能对叶片裂纹进行及时诊断，还能得到裂纹位置及深度的定量数据；
(3)与其他方法相比，本方法操作起来更加简单，且保证一定的准确率。
附图说明
图1叶片裂纹位置及深度诊断流程图。
图2基本振型数据曲线示意图。
图3小波系数示意图。
图4小波系数模极大值对数与尺度对数的关系曲线示意图。
图5有效拟合直线斜率与裂纹深度的关系曲线示意图。
具体实施方式
下面结合附图和实例对本发明进行详细说明。以下实施例用于说明本发明，并不能够限制本发明，凡在本发明的精神和原则之内的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
如图1所示，本方法的具体实施方式如下：
(1)获取振型数据
通过测试系统获取故障叶片的基本振型位移参数(即位移值)。
(2)判定裂纹位置
选取合适的小波基对振型数据进行多尺度连续小波变换，得到小波变换系数图。对于某个特定尺度，其小波系数模极大值对裂纹位置的显示会更为清晰。选取合适尺度下的小波系数图作为判定依据，由小波系数模极大值判定叶片裂纹的位置。
(3)判定裂纹深度
将上一步中多尺度下裂纹处的小波系数模极大值Wf和尺度值s分别取对数，以lgs为横坐标,lg|Wf|为纵坐标绘制函数曲线，通过曲线拟合得到线性方程，由线性方程产生的数据与原始数据的相关系数判定拟合直线的有效性，得到有效拟合直线的斜率k。绘制k与裂纹深度h之间的线性关系图，从而实现对裂纹深度的定量评定。
Claims (5)
1.基于小波分析的叶片裂纹位置及深度识别方法，其特征在于：首先，通过测试系统获取故障叶片的基本振型位移参数即位移值；测试过程为离线测试模式；测试系统由传感器部分、激励部分、数据采集与分析部分组成，传感器部分通过激励部分与数据采集与分析部分进行连接；其中，传感器部分为压电式力传感器和压电式加速度传感器；激励部分为激振器或冲击锤装置；数据采集与分析部分要针对锤击、环境激励识别方法的不同，采用相应的数据采集与分析应用软件；包括传函分析、参数选择、输入几何结构及约束信息、模态拟合和振型编辑，最后获得位移模态参数；
其次，将振型数据导入MATLAB软件中，利用MATLAB中的小波函数工具箱选取小波基对振型数据进行多尺度连续小波变换，得到小波变换系数图；横坐标的值为0至叶片总长度为L，纵坐标的值为小波变换系数；从小波变换系数图中能够看出各尺度上裂纹截面处小波系数为极大值，由此判定裂纹位置；对于某个特定尺度，其小波系数模极大值对裂纹位置的显示会更为清晰；因此需要对振型数据进行多尺度小波变换，选取对应尺度使裂纹位置的判定更加准确；
最后，各尺度裂纹处的小波系数模极大值对数与尺度对数的拟合直线的斜率值与裂纹深度值呈线性关系，通过该线性方程与斜率值实现对裂纹深度的定量评定。
2.根据权利要求1所述的基于小波分析的叶片裂纹位置及深度识别方法，其特征在于：利用小波变换实现对裂纹位置的判定实际上是一个识别奇异点的过程；用于奇异性检测的小波不同于一般的正交小波，它是从光滑函数得到的；选择某光滑函数的一阶导数为小波函数，即：
<mrow>
<mi>&psi;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>d</mi>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
</mrow>
其中，θ(t)为裂纹位置判定的光滑函数，ψ(t)为光滑函数的导数；θ(t)满足且为1/(1+t2)的高阶无穷小，同时记：
θa(t)＝aθ(t/a)
则
其中，a为小波变换的尺度；此时，根据小波变换卷积形式的定义得到：
<mrow>
<msub>
<mi>W</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>&psi;</mi>
<mi>a</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mfrac>
<mrow>
<msub>
<mi>d&theta;</mi>
<mi>a</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>a</mi>
<mfrac>
<mi>d</mi>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>&theta;</mi>
<mi>a</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
其中，x(t)为待测信号，Wx(a,t)为待测信号进行小波变换之后得到的函数；这种卷积型的小波变换Wx(a,t)可以看成是信号x(t)通过冲激响应为ψa(t)的系统后的输出；
由此可知，对信号进行小波变换后求导,相当于用小波函数的一阶导数对信号进行小波变换；Wx(a,t)与x(t)经θ(t)平滑后的导数成正比；对于某一尺度a,小波变换模极大值|Wx(a,t)|对应于x*θa(t)的拐点，即x(t)的突变点；其中，|Wx(a,t)|的意义为：若在尺度a下，在x上有一过零点，则称|Wx(a,t)|为小波变换模极大值；对信号进行多尺度分析时,如果选用某一光滑函数的一、二阶导数作为小波函数，那么，在信号突变点处，小波变换系数具有模极大值，因此，可通过检测小波系数模极大值点的位置来确定奇异点的位置。
3.根据权利要求1所述的基于小波分析的叶片裂纹位置及深度识别方法，其特征在于：
通过MATLAB编程绘制小波系数模极大值Wf与尺度值s的函数图看出两者呈曲线关系；如果将Wf与s分别取对数，以lgs为横坐标,lg|Wf|为纵坐标绘制函数图，则两者的关系近似为一条直线，即多尺度上的小波系数模极大值与尺度基本呈对数线性关系；通过曲线拟合得到两者关系曲线的线性方程，由线性方程产生的数据与原始数据的相关系数判定拟合直线的有效性，得到有效拟合直线的斜率k；进一步的，以k为纵坐标，以裂纹深度值h为横坐标绘制函数图，看出k与h呈线性关系，k与h的线性方程即为判定依据，k值是通过计算得到的已知量，根据k与h的函数关系式，可求得h的值，由此判定裂纹深度。
4.根据权利要求3所述的基于小波分析的叶片裂纹位置及深度识别方法，其特征在于：当选用不同的小波来获取k值时，计算结果会有些不同；若采用某种小波得到的k值越接近零，则说明该小波的检测效果越好；这种方法可以作为选择小波基的依据。
5.根据权利要求1所述的基于小波分析的叶片裂纹位置及深度识别方法，其特征在于：(1)获取振型数据
通过测试系统获取故障叶片的基本振型位移参数即位移值；
(2)判定裂纹位置
选取合适的小波基对振型数据进行多尺度连续小波变换，得到小波变换系数图；对于某个特定尺度，其小波系数模极大值对裂纹位置的显示会更为清晰；选取合适尺度下的小波系数图作为判定依据，由小波系数模极大值判定叶片裂纹的位置；
(3)判定裂纹深度
将上一步中多尺度下裂纹处的小波系数模极大值Wf和尺度值s分别取对数，以lg s为横坐标,lg|Wf|为纵坐标绘制函数曲线，通过曲线拟合得到线性方程，由线性方程产生的数据与原始数据的相关系数判定拟合直线的有效性，得到有效拟合直线的斜率k；绘制k与裂纹深度h之间的线性关系图，从而实现对裂纹深度的定量评定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710181007.1A CN107064315B (zh) | 2017-03-24 | 2017-03-24 | 基于小波分析的叶片裂纹位置及深度识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710181007.1A CN107064315B (zh) | 2017-03-24 | 2017-03-24 | 基于小波分析的叶片裂纹位置及深度识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107064315A true CN107064315A (zh) | 2017-08-18 |
| CN107064315B CN107064315B (zh) | 2019-09-27 |
Family
ID=59621212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710181007.1A Expired - Fee Related CN107064315B (zh) | 2017-03-24 | 2017-03-24 | 基于小波分析的叶片裂纹位置及深度识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107064315B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108426770A (zh) * | 2018-04-10 | 2018-08-21 | 长沙理工大学 | Frp筋混凝土梁及其制备方法和梁裂缝监测装置及方法 |
| CN108896287A (zh) * | 2018-06-20 | 2018-11-27 | 浙江工业大学 | 一种基于多尺度分析的控制阀故障检测方法 |
| CN111239249A (zh) * | 2020-03-18 | 2020-06-05 | 北京工业大学 | 一种基于Hilbert—Huang变换的通风机叶片裂纹故障诊断方法 |
| CN112945531A (zh) * | 2021-02-03 | 2021-06-11 | 西人马(西安)测控科技有限公司 | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 |
| CN114791460A (zh) * | 2022-04-08 | 2022-07-26 | 清华大学 | 一种基于数据融合的裂纹检测方法及检测装置、存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1837780A (zh) * | 2006-04-10 | 2006-09-27 | 西安交通大学 | 区间b样条小波单元用于转子横向裂纹定量诊断的方法 |
| CN104112072A (zh) * | 2014-07-15 | 2014-10-22 | 华侨大学 | 基于小波阈值去噪的主成分分析的工作模态参数识别方法 |
| CN104267097A (zh) * | 2014-09-15 | 2015-01-07 | 北京工业大学 | 一种风机叶片裂纹位置确定方法 |
| CN105866250A (zh) * | 2016-03-17 | 2016-08-17 | 北京工业大学 | 基于振动的通风机叶片裂纹识别方法 |
| CN106501369A (zh) * | 2016-10-11 | 2017-03-15 | 北京工业大学 | 一种风机叶片裂纹位置确定方法 |
-
2017
- 2017-03-24 CN CN201710181007.1A patent/CN107064315B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1837780A (zh) * | 2006-04-10 | 2006-09-27 | 西安交通大学 | 区间b样条小波单元用于转子横向裂纹定量诊断的方法 |
| CN104112072A (zh) * | 2014-07-15 | 2014-10-22 | 华侨大学 | 基于小波阈值去噪的主成分分析的工作模态参数识别方法 |
| CN104267097A (zh) * | 2014-09-15 | 2015-01-07 | 北京工业大学 | 一种风机叶片裂纹位置确定方法 |
| CN105866250A (zh) * | 2016-03-17 | 2016-08-17 | 北京工业大学 | 基于振动的通风机叶片裂纹识别方法 |
| CN106501369A (zh) * | 2016-10-11 | 2017-03-15 | 北京工业大学 | 一种风机叶片裂纹位置确定方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108426770A (zh) * | 2018-04-10 | 2018-08-21 | 长沙理工大学 | Frp筋混凝土梁及其制备方法和梁裂缝监测装置及方法 |
| CN108896287A (zh) * | 2018-06-20 | 2018-11-27 | 浙江工业大学 | 一种基于多尺度分析的控制阀故障检测方法 |
| CN111239249A (zh) * | 2020-03-18 | 2020-06-05 | 北京工业大学 | 一种基于Hilbert—Huang变换的通风机叶片裂纹故障诊断方法 |
| CN112945531A (zh) * | 2021-02-03 | 2021-06-11 | 西人马(西安)测控科技有限公司 | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 |
| CN114791460A (zh) * | 2022-04-08 | 2022-07-26 | 清华大学 | 一种基于数据融合的裂纹检测方法及检测装置、存储介质 |
| CN114791460B (zh) * | 2022-04-08 | 2023-12-29 | 清华大学 | 一种基于数据融合的裂纹检测方法及检测装置、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107064315B (zh) | 2019-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107064315A (zh) | 基于小波分析的叶片裂纹位置及深度识别方法 | |
| CN111353252B (zh) | 一种基于环境激励的桥梁静载试验方法 | |
| CN102353509B (zh) | 一种基于分块冲击振动测试的中小型桥梁快速检测方法 | |
| EP2182327B1 (en) | Inferential signal generator for instrumented equipment and processes | |
| CN100489699C (zh) | 检测紧急传感器失效的方法 | |
| US6640205B2 (en) | Method and device for investigating and identifying the nature of a material | |
| CN100575924C (zh) | 大型结构物无损伤的健康检测方法 | |
| CN101871733B (zh) | 工业炉烟气余热回收动力系统安全性检测方法 | |
| CN111239249A (zh) | 一种基于Hilbert—Huang变换的通风机叶片裂纹故障诊断方法 | |
| CN107742025A (zh) | 一种预测飞机金属蒙皮冲击后疲劳寿命的方法 | |
| CN104267097A (zh) | 一种风机叶片裂纹位置确定方法 | |
| CN110646184B (zh) | 一种船舶动力管道疲劳应力的监测方法 | |
| CN103884777A (zh) | 一种基于小波变换-分形分析的板结构损伤检测方法 | |
| JP2008298527A (ja) | 回転機械の振動診断方法及びその振動診断装置 | |
| CN105738136A (zh) | 一种设备异常检测方法和装置 | |
| CN104462862A (zh) | 一种基于三次b样条尺度函数的机械结构动载荷识别方法 | |
| CN104791234A (zh) | 制冷设备转子压缩机启动工况下载荷激励测试分析方法 | |
| CN106768767A (zh) | 一种基于频响函数的轴承座特性参数的测量系统及测量方法 | |
| Ismail et al. | Performance evaluation of wireless accelerometer sensor for water pipeline leakage | |
| CN104121178A (zh) | 输油泵故障诊断系统及方法 | |
| CN105874305A (zh) | 操作测量装置的方法 | |
| CN108896258B (zh) | 一种变频压缩机振动载荷计算方法 | |
| CN106501369A (zh) | 一种风机叶片裂纹位置确定方法 | |
| CN109959709A (zh) | 全隐框玻璃幕墙边界结构密封胶损伤识别方法 | |
| CN205262744U (zh) | 基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测装置 |
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 | ||
| 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: 20190927 |