CN107169254B - 一种汽车起重机回转系统性能评估及剩余寿命预测方法 - Google Patents
一种汽车起重机回转系统性能评估及剩余寿命预测方法 Download PDFInfo
- Publication number
- CN107169254B CN107169254B CN201710601720.7A CN201710601720A CN107169254B CN 107169254 B CN107169254 B CN 107169254B CN 201710601720 A CN201710601720 A CN 201710601720A CN 107169254 B CN107169254 B CN 107169254B
- Authority
- CN
- China
- Prior art keywords
- automobile crane
- performance
- power transmission
- time delay
- slewing
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control And Safety Of Cranes (AREA)
- Jib Cranes (AREA)
Abstract
本发明公开了一种汽车起重机回转系统性能评估及剩余寿命预测方法,在汽车起重机回转系统定速回转条件下同步采集汽车起重机回转系统的液压泵与回转减速机的振动信号,基于相关分析获取动力传输时间延迟,时间延迟越大表示回转系统性能相对越差。汽车起重机回转系统剩余寿命预测方法基于不同服役时长的汽车起重机回转系统的动力传输时间延迟值进行高斯回归建模,获取汽车起重机回转系统的性能衰退回归模型,通过时间延迟阈值的设定获取汽车起重机回转系统的剩余寿命。该方法从汽车起重机回转作业整体作业效能的角度对回转系统性能进行评估,测试方法简单,评估参数直接、有效,对仪器设备的性能要求也不高。
Description
技术领域
本发明涉及机械设备性能评估及预测技术领域,特别是涉及一种汽车起重机回转系统的性能评估及剩余寿命预测方法。
背景技术
汽车起重机的回转系统是实现起重机水平位移作业的重要机械执行机构。作为汽车起重机四大子系统之一,该系统的性能好坏从根本上决定了汽车起重机整体的作业效能。在机械结构上,汽车起重机回转系统由液压系统驱动回转减速机,进而带动齿轮机构来实现汽车起重机上车水平位移。其中液压系统还包括液压泵、回转换向阀、回转缓冲阀、液压马达等组成部件。随着汽车起重机服役年限增长,回转系统各构成部件机械性能会出现不同程度的下降。诸如液压油受污染、换向阀动件磨损、油路油泥积累、液压马达及回转减速机磨损等等在内的诸多因素都会影响回转系统的性能。
对汽车起重机回转系统的性能评估能够为其改进设计和实施维护保养提供重要参考。李涛在其论文“轮式起重机回转性能的改进与优化研究”从机械结构和液压系统两个方面对回转系统动态特性的影响进行了研究。王志洲在其论文“汽车起重机回转液压系统动态特性仿真与试验研究”中结合仿真和试验对缓冲阀开口面积、缓冲阀弹簧、马达外泄露、换向阀弹簧、缓冲溢流阀等对回转系统动态特性的影响分别进行了分析。综合来看,汽车起重机回转系统零部件多,任何一个部件的运行失调或性能下降均会形成影响整个起重机回转作业效能的“木桶效应”。但是如果通过逐个检查各个组成部件的方式来评估整个回转系统的性能耗时又耗力,况且汽车起重机回转系统性能是以其整体的作业效能来体现的。
检视汽车起重机回转系统的做功原理,由液压系统提供动力,最终驱动回转减速机进行做功,在动力传递过程中,液压油压力波动从液压泵到液压马达进行传递,最终转化为液压马达的回转振动,并传递给回转减速机。在整个动力传输路径中,任何造成汽车起重机回转系统性能下降的因素都将阻碍动力或振动的传递,因此检视液压泵到回转减速机的动力传输时间延迟能够有效评估汽车起重机回转系统的性能。基于该指标的建立,也可有效实现对汽车起重机回转系统的剩余寿命预测。
发明内容
为了克服上述现有技术的不足,本发明提供了一种汽车起重机回转系统性能评估及剩余寿命预测方法,从汽车起重机回转系统整体作业效能的角度提出了一种汽车起重机回转系统性能评估指标,并建立了基于该指标的剩余寿命预测方法,能够直接、有效地反映汽车起重机回转系统性能;并且测试方法简单,易于掌握,对仪器设备的性能要求也不高。
本发明的技术方案为:
一种汽车起重机回转系统性能评估及剩余寿命预测方法,包括:
步骤1:在汽车起重机回转系统定速回转工作状态下,同步采集汽车起重机回转系统中液压泵与回转减速机的振动信号;
步骤2:根据所述振动信号获取液压泵到回转减速机的动力传输时间延迟;
步骤3:按照步骤1和步骤2,获取不同服役时长的汽车起重机回转系统的动力传输时间延迟;
步骤4:基于非线性回归模型,建立以服役时间为输入,以动力传输时间延迟为输出的汽车起重机回转系统性能衰退回归模型;
步骤5:对待测汽车起重机回转系统进行性能评估,获取动力传输时间延迟,并输入汽车起重机回转系统性能衰退回归模型,得到汽车起重机回转系统的当前寿命。
步骤6:设置汽车起重回转系统的寿命阈值,将寿命阈值减去当前寿命获取预测的汽车起重机回转系统的剩余寿命。
进一步的,所述寿命阈值的设置采用如下方法:
设置动力传输时间延迟阈值,并将其输入至所述汽车起重机回转系统性能衰退回归模型,得到汽车起重机回转系统的寿命阈值。
进一步的,所述根据所述振动信号获取液压泵到回转减速机的动力传输时间延迟包括:
将同步采集的液压泵与回转减速机的振动信号进行互相关分析,根据互相关分析结果获取液压泵到回转减速机的动力传输时间延迟。
进一步的,根据所述动力传输时间延迟确定汽车起重机回转性能;动力传输时间延迟越大表示回转系统性能相对越差。
进一步的,设定振动信号采集周期,服役时间长于第一设定值的汽车起重机回转系统采样周期最短,服役时间小于第二设定值的汽车起重机回转系统采样周期最长,服役时间处于第一设定值和第二设定值之间的,采样周期居中。
进一步的,所述非线性回归模型采用高斯过程回归模型。
进一步的,基于高斯过程回归模型,对核函数和超参数初始值进行设定,超参数初始值设为零,核函数是平方指数SE核函数或神经网络NN核函数。
进一步的,所述核函数可替换为协方差函数。
进一步的,基于高斯过程回归模型对服役时间和动力传输时间延迟采用高斯过程回归方法进行训练,得到汽车起重机回转系统性能衰退回归模型,将待测汽车起重机回转系统的动力传输时间延迟作为输入,得出汽车起重机回转系统的当前寿命和置信区间分布。
本发明的有益效果:
从汽车起重机回转系统整体作业效能的角度提出了一种汽车起重机回转系统性能评估指标,并建立了基于该指标的剩余寿命预测方法,能够直接、有效地反映汽车起重机回转系统性能;并且测试方法简单,易于掌握,对仪器设备的性能要求也不高。
附图说明
图1为本发明汽车起重机回转系统性能评估及剩余寿命预测方法流程图
图2为测试所得典型的液压泵振动信号波形图
图3为测试所得典型的回转减速机振动信号波形图
图4为液压泵与回转减速机振动信号互相关分析结果
图5为基于高斯回归的汽车起重机回转系统剩余寿命预测示意图
具体实施方式:
下面结合附图与实施例对本发明作进一步说明:
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如前文所述的,汽车起重机回转系统零部件多,任何一个部件的运行失调或性能下降均会形成影响整个起重机回转作业效能的“木桶效应”。但是如果通过逐个检查各个组成部件的方式来评估整个回转系统的性能耗时又耗力,而且汽车起重机回转系统性能是以其整体的作业效能来体现的。
因此,本发明提出了一种汽车起重机回转系统性能评估与剩余寿命预测方法,可以分为两个阶段,分别是汽车起重机回转系统的性能评估方法与剩余寿命预测方法,如图1所示。
汽车起重机回转系统性能评估方法:
第一步,启动待评估汽车起重机,设定其回转系统按照定速进行回转运动,在此条件下同步采集汽车起重机回转系统的液压泵与回转减速机的振动信号,其中典型的液压泵振动信号如图2所示,典型的回转减速机振动信号如图3所示。
第二步,将采集的液压泵与回转减速机的振动信号进行互相关分析,结果如图4所示。
第三步,根据互相关分析结果获取液压泵到回转减速机的动力传输时间延迟,时间延迟越大表示回转系统性能相对越差。
按照相关分析的数学计算性质,峰值最大对应的横坐标为时间延迟,基于图2与图3的相关分析获取时间延迟值为0.08s.
相关分析的方法总体包括5种,本实施例采用的相关分析方法是协方差法。协方差用来衡量两个变量的总体误差,如果两个变量的变化趋势一致,协方差就是正值,说明两个变量正相关。
如果两个变量的变化趋势相反,协方差就是负值,说明两个变量负相关。如果两个变量相互独立,那么协方差就是0,说明两个变量不相关。
本申请中将液压泵与回转减速机的振动信号作为两个变量,分析其相关性,就可以得到液压泵到回转减速机的动力传输时间延迟,该动力传输时间延迟可以用来评价汽车起重机回转系统的性能。
汽车起重机回转系统剩余寿命预测方法为:
第一步,基于汽车起重机回转系统性能评估方法获取不同服役时长的汽车起重机回转系统的时间延迟值,如图5中圆点所示。
第二步,基于高斯回归方法以服役时间为输入,以动力传输时间延迟值为输出进行高斯回归建模,获取汽车起重机回转系统的性能衰退回归模型,如图5实曲线所示。
第三步,对待测汽车起重机回转系统进行性能评估,获取时间延迟值,并输入回归模型,获取汽车起重机回转系统的当前寿命,如图5中所示。
第四步,基于时间延迟阈值和汽车起重机回转系统的性能衰退回归模型获取汽车起重机回转系统的寿命阈值,将寿命阈值减去当前寿命获取预测的汽车起重机回转系统的剩余寿命,如图5中所示。
设定振动信号采集周期,服役时间长于第一设定值的汽车起重机回转系统采样周期最短,服役时间小于第二设定值的汽车起重机回转系统采样周期最长,服役时间处于第一设定值和第二设定值之间的,采样周期居中。
具体的,本实施例中,对于服役时间长于第一设定值的,每30min采样一次,每次1s,采样率设为20kHz;
服役时间小于第二设定值的,每一天一次,每次1s,采样率设为20kHz;
服役时间处于第一设定值和第二设定值之间的,每2小时采样1次,每次1s,采样率设为20kHz。
本实施例中非线性回归模型采用高斯过程回归模型。
基于高斯过程回归模型,对核函数和超参数初始值进行设定,超参数初始值设为零,核函数是平方指数SE核函数或神经网络NN核函数。其中核函数也可以替换为协方差函数。
高斯过程回归模型本质上可以认为是对多维高斯分布向无限维的扩展,高斯过程区别于其他随机过程的地方就在于从这个随机变量簇中任意抽取有限个指标(如n个,t1,…,tn)所得到的变量构成的向量联合分布为多维(如n维)高斯分布。
在一个高斯过程中,输入空间的每一个点都关联了一个服从高斯分布的随机变量,而任意有限个这些随机变量组合的联合概率也服从高斯分布。当指示向量t是二维或多维时,高斯过程就变成了高斯随机场GRF。
对高斯过程的刻画,如同高斯分布一样,也是用均值和方差来刻画。通常在应用高斯过程f~GP(m,K)的方法中,都是假设均值m为零,而协方差函数K则是根据具体应用而定。
在本申请中,基于高斯过程回归模型对服役时间和动力传输时间延迟采用高斯过程回归方法进行训练,得到汽车起重机回转系统性能衰退回归模型,将待测汽车起重机回转系统的动力传输时间延迟作为输入,得出汽车起重机回转系统的寿命和置信区间分布,根据对应的置信区间,确定汽车起重机回转系统的当前寿命。
再设置汽车起重回转系统的寿命阈值,将寿命阈值减去当前寿命获取预测的汽车起重机回转系统的剩余寿命。
本申请基于不同服役时长的汽车起重机回转系统的时间延迟值进行高斯回归建模,获取汽车起重机回转系统的性能衰退回归模型,通过时间延迟阈值的设定获取汽车起重机回转系统的剩余寿命。该方法从汽车起重机回转作业整体作业效能的角度对回转系统性能进行评估,测试方法简单,评估参数直接、有效,对仪器设备的性能要求不高。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种汽车起重机回转系统性能评估及剩余寿命预测方法,其特征在于,包括:
步骤1:在汽车起重机回转系统定速回转工作状态下,同步采集汽车起重机回转系统中液压泵与回转减速机的振动信号;
步骤2:根据所述振动信号获取液压泵到回转减速机的动力传输时间延迟包括:
将同步采集的液压泵与回转减速机的振动信号进行互相关分析,根据互相关分析结果获取液压泵到回转减速机的动力传输时间延迟;
步骤3:按照步骤1和步骤2,获取不同服役时长的汽车起重机回转系统的动力传输时间延迟;
步骤4:基于非线性回归模型,建立以服役时间为输入,以动力传输时间延迟为输出的汽车起重机回转系统性能衰退回归模型;
步骤5:对待测汽车起重机回转系统进行性能评估,获取动力传输时间延迟,并输入汽车起重机回转系统性能衰退回归模型,得到汽车起重机回转系统的当前寿命;
步骤6:设置汽车起重回转系统的寿命阈值,将寿命阈值减去当前寿命获取预测的汽车起重机回转系统的剩余寿命。
2.根据权利要求1所述的方法,其特征在于,所述寿命阈值的设置采用如下方法:
设置动力传输时间延迟阈值,并将其输入至所述汽车起重机回转系统性能衰退回归模型,得到汽车起重机回转系统的寿命阈值。
3.根据权利要求1所述的方法,其特征在于,根据所述动力传输时间延迟确定汽车起重机回转性能;动力传输时间延迟越大表示回转系统性能相对越差。
4.根据权利要求1所述的方法,其特征在于,所述非线性回归模型采用高斯过程回归模型。
5.根据权利要求1所述的方法,其特征在于,设定振动信号采集周期,服役时间长于第一设定值的汽车起重机回转系统采样周期最短,服役时间小于第二设定值的汽车起重机回转系统采样周期最长,服役时间处于第一设定值和第二设定值之间的,采样周期居中。
6.根据权利要求4所述的方法,其特征在于,基于高斯过程回归模型对核函数和超参数初始值进行设定,超参数初始值设为零,核函数是平方指数SE核函数或神经网络NN核函数。
7.根据权利要求6所述的方法,其特征在于,所述核函数可替换为协方差函数。
8.根据权利要求4所述的方法,其特征在于,基于高斯过程回归模型对服役时间采用高斯过程回归方法进行训练,得到汽车起重机回转系统性能衰退回归模型,将待测汽车起重机回转系统的动力传输时间延迟作为输入,得出汽车起重机回转系统的当前寿命和置信区间分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710601720.7A CN107169254B (zh) | 2017-07-21 | 2017-07-21 | 一种汽车起重机回转系统性能评估及剩余寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710601720.7A CN107169254B (zh) | 2017-07-21 | 2017-07-21 | 一种汽车起重机回转系统性能评估及剩余寿命预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107169254A CN107169254A (zh) | 2017-09-15 |
CN107169254B true CN107169254B (zh) | 2020-04-28 |
Family
ID=59818062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710601720.7A Active CN107169254B (zh) | 2017-07-21 | 2017-07-21 | 一种汽车起重机回转系统性能评估及剩余寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107169254B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108362508A (zh) * | 2018-04-12 | 2018-08-03 | 汪林 | 汽车nvh检测装置、方法及汽车剩余使用寿命评估方法 |
CN111460381B (zh) * | 2020-03-30 | 2022-03-18 | 上海交通大学 | 基于高斯过程回归的多工况燃油车油耗预测方法及系统 |
CN111460382B (zh) * | 2020-03-30 | 2022-03-18 | 上海交通大学 | 基于高斯过程回归的燃油车有害气体排放预测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2055944A1 (en) * | 2007-11-01 | 2009-05-06 | Sauer-Danfoss ApS | Method of controlling a cyclically commutated hydraulic pump |
CN101900638A (zh) * | 2010-06-29 | 2010-12-01 | 徐工集团工程机械股份有限公司江苏徐州工程机械研究院 | 回转机构耐久性试验方法及装置 |
CN102229416A (zh) * | 2011-06-29 | 2011-11-02 | 三一汽车起重机械有限公司 | 一种起重机闭式回转液压系统及起重机 |
CN102826454A (zh) * | 2012-08-29 | 2012-12-19 | 三一重工股份有限公司 | 一种起重机回转控制系统和控制方法及起重机 |
CN103303800A (zh) * | 2013-06-24 | 2013-09-18 | 中联重科股份有限公司 | 起重机的回转控制方法和回转控制系统及起重机 |
CN103738853A (zh) * | 2014-01-24 | 2014-04-23 | 徐工集团工程机械股份有限公司 | 起重机动作控制方法和系统 |
CN103950850A (zh) * | 2014-05-16 | 2014-07-30 | 安徽柳工起重机有限公司 | 汽车起重机回转平台液压制动系统 |
CN105253792A (zh) * | 2015-07-31 | 2016-01-20 | 武汉船用机械有限责任公司 | 一种起重机的回转控制系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4648587B2 (ja) * | 2001-07-18 | 2011-03-09 | 本田技研工業株式会社 | 動力伝達装置におけるエンジン再始動発進制御装置 |
-
2017
- 2017-07-21 CN CN201710601720.7A patent/CN107169254B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2055944A1 (en) * | 2007-11-01 | 2009-05-06 | Sauer-Danfoss ApS | Method of controlling a cyclically commutated hydraulic pump |
CN101900638A (zh) * | 2010-06-29 | 2010-12-01 | 徐工集团工程机械股份有限公司江苏徐州工程机械研究院 | 回转机构耐久性试验方法及装置 |
CN102229416A (zh) * | 2011-06-29 | 2011-11-02 | 三一汽车起重机械有限公司 | 一种起重机闭式回转液压系统及起重机 |
CN102826454A (zh) * | 2012-08-29 | 2012-12-19 | 三一重工股份有限公司 | 一种起重机回转控制系统和控制方法及起重机 |
CN103303800A (zh) * | 2013-06-24 | 2013-09-18 | 中联重科股份有限公司 | 起重机的回转控制方法和回转控制系统及起重机 |
CN103738853A (zh) * | 2014-01-24 | 2014-04-23 | 徐工集团工程机械股份有限公司 | 起重机动作控制方法和系统 |
CN103950850A (zh) * | 2014-05-16 | 2014-07-30 | 安徽柳工起重机有限公司 | 汽车起重机回转平台液压制动系统 |
CN105253792A (zh) * | 2015-07-31 | 2016-01-20 | 武汉船用机械有限责任公司 | 一种起重机的回转控制系统 |
Non-Patent Citations (2)
Title |
---|
状态监控与智能诊断关键技术研究及其在汽车起重机主泵中的应用;杜文辽;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20130715;全文 * |
轮式起重机回转性能的改进与优化研究;李涛;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20120715;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107169254A (zh) | 2017-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169254B (zh) | 一种汽车起重机回转系统性能评估及剩余寿命预测方法 | |
CN111695209A (zh) | 元深度学习驱动的旋转机械小样本健康评估方法 | |
ATE324623T1 (de) | Verfahren und system zum analysieren der steuerschaltungsleistungsfähigkeit in einem industriellen prozess | |
CN106815419B (zh) | 一种基于裂纹信息预测的起重机运行状态在线评估方法 | |
CN110631849B (zh) | 一种摩擦系统磨损状态在线识别方法及系统 | |
CN110672312B (zh) | 一种基于bp神经网络的预测螺栓残余夹紧力的方法 | |
CN112862164B (zh) | 基于动态神经网络时间序列预测的干式离合器温度预测法 | |
CN108982096B (zh) | 基于启发式规则系统的工业机器人曲柄轴磨损检测方法 | |
Shao et al. | Fault prognosis and diagnosis of an automotive rear axle gear using a RBF-BP neural network | |
CN113657244B (zh) | 基于改进eemd和语谱分析的风机齿轮箱故障诊断方法及系统 | |
CN102141172B (zh) | 电液线位移伺服系统中执行机构参数识别装置及识别方法 | |
CN104295373A (zh) | 基于三点模型的柴油机故障预测方法 | |
CN112287586A (zh) | 基于中小桥损伤识别结果的快速可靠度评估方法 | |
Shanling et al. | Real-time rubber quality model based on CNN-LSTM deep learning theory | |
CN105547705A (zh) | 发动机性能退化趋势预测方法 | |
CN115563446A (zh) | 一种利用时空自适应形函数响应矩阵识别移动荷载的方法 | |
Kahirdeh et al. | Degradation entropy: an acoustic emission based approach to structural health assessment | |
CN111561929B (zh) | 一种用于车载mems惯性传感器的时延降噪方法 | |
Moura et al. | A review of spectral and conventional methods for cycle counting and fatigue life estimation. Extension to finite element analysis | |
CN103488826A (zh) | 基于经验加速模型的退化量分布参数建模外推方法 | |
CN112464397A (zh) | 一种铁路道岔钢轨打磨廓形优化方法 | |
Lee et al. | Vibration fatigue testing and analysis | |
Hanumanna et al. | Prediction of fatigue life of gear subjected to varying loads | |
RU2562428C1 (ru) | Способ поиска неисправного блока в непрерывной динамической системе на основе смены позиции входного сигнала | |
KR20200068789A (ko) | 엔진 오일 교체 최적 시기 알림 시스템 |
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 |