CN107702919A - 基于声发射的滑动轴承润滑状态监测方法 - Google Patents
基于声发射的滑动轴承润滑状态监测方法 Download PDFInfo
- Publication number
- CN107702919A CN107702919A CN201710522541.4A CN201710522541A CN107702919A CN 107702919 A CN107702919 A CN 107702919A CN 201710522541 A CN201710522541 A CN 201710522541A CN 107702919 A CN107702919 A CN 107702919A
- Authority
- CN
- China
- Prior art keywords
- sliding bearing
- value
- acoustic emission
- fault
- information
- 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.)
- Pending
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
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开一种基于声发射的滑动轴承润滑状态监测方法,步骤包括:1)分别获取在不同运行工况的故障润滑状态时滑动轴承中的声发射信号,分别提取各声发射信号的信号特征值,并融合信号特征值以及过程信息计算得到对应的融合特征值,构建得到故障样本数据库;2)实时监测待监测滑动轴承中的声发射信号,提取实时监测到的声发射信号的信号特征值,并计算得到对应的融合特征值,将实时计算到的融合特征值与故障样本数据库中对应融合特征值进行匹配,根据匹配结果判定滑动轴承的实时润滑状态。本发明具有实现方法简单、所需成本、能够实时监测滑动轴承的润滑状态,且监测效率和精度高及适用灵活等优点。
Description
技术领域
本发明涉及滑动轴承故障检测技术领域,尤其涉及一种基于声发射的滑动轴承润滑状态监测方法。
背景技术
滑动轴承是大型旋转机械中如汽轮机重要的支撑设备,与滚动轴承相比,滑动轴承具有承载力高、抗震性好、工作平稳可靠、噪音小以及寿命长等优点,根据承受载荷的方向不同还可分为:推力滑动轴承和径向滑动轴承。由于滑动轴承支撑的设备庞大、结构复杂、载荷重,其运行时很容易发生故障,其中常见的故障如轴与轴瓦的接触摩擦,严重的干摩擦会使润滑油温升高、黏度下降,同时承载力降低,且摩擦产生的热量还会使转轴发生局部过热,产生的局部热弯曲会加剧转子的碰摩,如此恶性循环最后可能造成机组的重大事故,因此需要对滑动轴承运行过程中的润滑状态进行监测。
为实现滑动轴承的状态监测,目前主要采用以下几种方式:
(1)温度分析方法:即通过温度传感器获取轴承的温度来获取轴承的温度信息并进行分析,如对比是否在一个正常工作的温度区间;采用该类方式,温度的变化一般都是在发生严重轴承故障才能监测得到,无法对轴承的早期故障状态进行监测及诊断;
(2)油膜厚度分析方法:即通过测量轴承原件之间的电阻以及电容,若电阻很大,则表明润滑状态好,若电阻减小,表明正处于恶化过程中;采用该类方式的敏感性和准确性低,如低转速情况下轴承产生裂纹或者缺陷等时,由于对于接触电阻的影响不大,通过测量电阻无法监测到该故障状态;
(3)冲击分析法:即通过采集滑动轴承运行过程中的振动信号,通过振动信号分析滑动轴承的状态。由于振动信号中过低频率信号会被过滤,而且故障信息的信号常常被湮没于噪声之中,所以基于振动信号分析的精度依然不高,又由于存在故障碰撞等问题,冲击分析法实际难以准确地检测到故障信号。
相比于普通振动信号,声发射信号的相应时间短,因而利于进行高频信号诊断,且不容易受到其他低频噪音等信号干扰。有从业者提出基于声发射信号对滑动轴承状态进行监测,主要包括声发射参数分析法、声发射频谱分析法两种类型,其中声发射参数分析法由于所需数据量小,能够简单、直观、快速地处理声发射信号,但分析结果会受到噪声、参数设置等的影响,难以对声发射源进行准确地描述;声发射频谱分析法能够定量地解释叶片的声发射源,但是该法作为一种全局信号分析方法,要求信号为周期性平稳信号,对于分析非平稳的声发射信号,其无法从频谱中确定十分重要的细节信号,且所需波形数据十分庞大,无法很好地适应实时检测中。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种实现方法简单、所需成本、能够实时监测滑动轴承的润滑状态,且监测效率和精度高及适用灵活的基于声发射的滑动轴承润滑状态监测方法。
为解决上述技术问题,本发明提出的技术方案为:
一种基于声发射的滑动轴承润滑状态监测方法,步骤包括:
1)故障样本数据库构建:分别获取在不同运行工况的故障润滑状态时滑动轴承中的声发射信号,分别提取各所述声发射信号的信号特征值,并融合所述信号特征值以及过程信息计算得到对应的融合特征值,构建得到对应不同故障润滑状态的故障样本数据库;
2)状态监测:实时监测目标滑动轴承中的声发射信号,提取实时监测到的声发射信号的所述信号特征值,并计算得到对应的融合特征值,将实时计算到的所述融合特征值与所述故障样本数据库中对应的融合特征值进行匹配,根据匹配结果判定滑动轴承的实时润滑状态。
作为本发明的进一步改进:所述信号特征值为信息熵值;所述融合特征值为融合指定时间段内信息熵值的变化特性得到的第一信息值,和/或为基于所述第一信息值计算得到的第二信息值。
作为本发明的进一步改进:所述第一信息值具体为指定时间段内熵值的积分值或离散累加值。
作为本发明的进一步改进:所述第二信息值具体为采用以下表达式计算得到的梯面信息值;
其中,C(t)为振动的指定定量测度值,S(t)为t时刻的熵值,t(1,0)<t(1,i)<t t(1,M),i=1,2,3,…,M-1,M为样本个数。
作为本发明的进一步改进:所述步骤1)中具体分别在不同转速、不同升降工况的故障润滑状态时获取不同测点的滑动轴承与轴瓦之间振动的声发射信号,构建得到的所述故障样本数据库包括对应各故障润滑状态的信号特征值矩阵,所述信号特征值矩阵由不同转速、不同升降工况以及不同测点的多个融合特征值构成。
作为本发明的进一步改进:所述步骤1)前还包括在待监测滑动轴承的外壳上多个测点处布置声发射传感器步骤。
作为本发明的进一步改进:所述步骤2)中判定滑动轴承的实时润滑状态的具体步骤为:分别计算实时提取的所述融合特征值与所述故障样本数据库中对应的融合特征值之间的相似度值,若计算到的相似度值大于指定阈值,则判定当前滑动轴承处于对应的故障润滑状态。
作为本发明的进一步改进:所述相似度值具体基于所述信息特征值之间的协方差计算得到。
作为本发明的进一步改进:所述相似度值具体为基于协方差计算得到的所述融合特征值之间的马氏距离。
作为本发明的进一步改进:所述故障样本数据库中还包括对应各故障润滑状态的信号特征值;所述步骤2)中具体将实时提取的信号特征值、计算到的所述融合特征值,分别与所述故障样本数据库中对应的所述信号特征值、融合特征值进行匹配,综合匹配结果判定得到滑动轴承的实时润滑状态。
与现有技术相比,本发明的优点在于:
1)本发明基于声发射的滑动轴承润滑状态监测方法,结合声发射以及振动信号的过程特性,通过获取滑动轴承不同故障润滑状态时的声发射信号,提取声发射信号中融合信号特征值以及过程信息计算得到融合特征值,由融合特征值构建得到故障样本数据库对滑动轴承的实时润滑状态进行识别,实现方法简单,通过融合特征值可以精准的表征信号过程中的状态变化信息,因而能够准确的监测到滑动轴承润滑状态的变化,有效提高了滑动轴承故障状态的监测精度,且在滑动轴承的故障初期即可识别到润滑状态变化;
2)本发明基于声发射的滑动轴承润滑状态监测方法,通过构建融合特征值作为状态的判别指标,基于该判别指标来识别滑动轴承的润滑状态,实现方法简单,能够实现对滑动轴承定量的故障状态判定,且判定精度高;
3)本发明基于声发射的滑动轴承润滑状态监测方法,进一步通过采用融合过程中熵值的变化特性计算得到信息值,基于信息值对滑动轴承的润滑状态进行监测,能够利用信号的信息熵,且还能够充分利用轴承运行过程中的过程信息,精确的描述滑动轴承的润滑状态以及状态变化过程,从而进一步提高轴承润滑状态的监测精度;
4)本发明基于声发射的滑动轴承润滑状态监测方法,进一步由马氏距离的协方差表征实时融合特征值与故障样本数据库中对应融合特征值之间的相似程度,以判断实际运行的样本和故障样本之间的相似度,相似度表征精度高,可排除由于相关性原因引起的变量间相互干扰,进而提高滑动轴承润滑状态的监测精度。
附图说明
图1是本实施例基于声发射的滑动轴承润滑状态监测方法的实现流程示意图。
图2是本实施例基于声发射的滑动轴承润滑状态监测方法的实现原理示意图。
图3是本实施例获取声发射信号的结构原理示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
实施例1:
如图1、2所示,本实施例基于声发射的滑动轴承润滑状态监测方法,步骤包括:
1)故障样本数据库构建:分别获取在不同运行工况的故障润滑状态时滑动轴承中的声发射信号,分别提取各声发射信号的信号特征值,并融合信号特征值以及过程信息计算得到对应的融合特征值,构建得到对应不同故障润滑状态的故障样本数据库;
2)状态监测:实时监测待监测滑动轴承与轴瓦之间振动的声发射信号,提取实时监测到的声发射信号的信号特征值,并计算得到对应的融合特征值,将实时计算到的融合特征值与故障样本数据库中对应的融合特征值进行匹配,根据匹配结果判定滑动轴承的实时润滑状态。
本实施例基于声发射信号对滑动轴承的润滑状态进行监测,由声发射信号能够方便的进行高频信号诊断,且不容易受到其他低频噪音等信号干扰。滑动轴承中的声发射信号包括滑动轴承与轴瓦之间碰撞产生的声发射信号、润滑油与轴瓦之间挤压产生的声发射信号,以及滑动轴承中其他声发射源产生的声发射信号等。
旋转机械的振动波形在短时间中是周期信号,且为针对特定测点在某个短暂瞬间采集的一段波形,其对应某时刻的状态信息;一种故障在某一时刻或某一状态下引起的振动表现具有一定的分散性和随机性,但在一个过程(如升速或降速)中却可能存在规律性,如在远大于采集周期的较长时段中,旋转机械的状态可能会明显变化。
本实施例结合声发射方式以及振动信号的上述过程特性,通过获取不同运行工况的故障润滑状态时的声发射信号,提取声发射信号中融合信号特征值以及过程信息计算得到的融合特征值,由融合特征值来表征滑动轴承的不同润滑状态,由于融合特征值可以表征由具有很多状态构成的过程中状态变化,从而能够精准的描述滑动轴承的不同润滑状态,由融合特征值构建得到故障样本数据库后即可对滑动轴承的实时润滑状态进行识别,使得能够识别到故障状态的几率大幅度增加,大大提高了故障状态的监测精度,且融合过程信息能够在滑动轴承的故障初期即可识别到润滑状态变化。
本实施例通过构建融合特征值作为状态的判别指标,基于该判别指标来识别滑动轴承的润滑状态,相比于传统的三维频谱图、波德图等过程分析工具,或如D-S证据推理理论、支持向量机、全息谱、神经网络、小波分析、和经验模态分解等主要以定性诊断为主的方式,实现方法简单,能够实现对滑动轴承定量的状态判定,且判定精度高。
本实施例中,信号特征值具体为信息熵值,假设满足且则按照该划分A的信息熵S为:
式中,μ(Ai)为集合Ai的测度i=1,2,…n,即频谱分析中计算每个频率能量占总能量的比例。
本实施例融合特征值具体为融合指定时间段内信息熵值的变化特性得到的第一信息值,由信息表征信号基于时间融合的函数,以描述一个时间段(即一个过程)内所有状态信号中反映某种特征的有效成分。
类似于热力学中熵与热力学中的关系,本实施例对信息熵值S(t)在区间[t1,t2]上进行直接积分,构成在信息熵基础上的一种信息函数核(即为信息基函数),并作为第一信息值,该第一信息值对应为平面信息值,本实施例第一信息值的表达式具体为:
其中,S(t)为t时刻的信息熵值,YP(t)为[t1,t2]时间段内的第一信息值,由第一信息值可表征对应测点获取的振动信号在时间区间[t1,t2]上的过程变化规律。
当然融合特征值还可以为基于上述信息函数核的第一信息值得到的第二信息值,也可以结合第一信息值、第二信息值共同表征信号的过程特性以进一步提高监测精度。第二信息值可采用如融合振动信号的短时过程变化规律的梯面信息值,具体表达式为:
其中,C(t)为振动的指定定量测度值,如时域特征值、选频幅值等;S(t)为t时刻的熵值,t(1,0)=t1,t(1,M)=t2,t(1,0)<t(1,i)<t(1,M),i=1,2,3,…,M-1,M为样本个数。
本实施上述融合特征值通过时间的积分区间得到,当然适用于大型旋转机械启停过程时,上述积分区间也可以按照转速进行离散,即平面值为熵值在指定时间段内的离散累加和,梯面信息为基于指定时间段内的离散累加和的平面值得到。
本实施例采用融合过程中熵值的变化特性计算得到信息值,基于信息值对滑动轴承的润滑状态进行监测,能够利用信号的信息熵,且与信息熵相比,信息值还能够充分利用轴承运行过程(如升速或降速)中的过程信息,精确的描述滑动轴承的润滑状态以及状态变化过程,从而基于信息值能够进一步提高轴承润滑状态的监测精度,当轴承出现早期微弱故障时即可精准的监测到该故障状态。
本实施例中,步骤1)中具体分别在不同转速、不同升降状态的故障润滑状态时获取不同测点的滑动轴承与轴瓦之间振动的声发射信号,构建得到的故障样本数据库包括对应各故障润滑状态的信号特征值矩阵,信号特征矩阵由不同转速、不同升降状态以及不同测试点的多个信号特征值构成。步骤1)前还包括在待监测滑动轴承的外壳上多个测点处布置声发射传感器步骤。由故障样本数据库提供各种典型故障润滑状态在时域、频域以及时-频域中基于信息熵的信息样本矩阵,以作为后续状态判定的故障样本。
本实施例故障样本数据库具体构建步骤为:
①分别在不同转速、不同升降状态(升速、降速)下对滑动轴承进行试验并模拟故障状态,每种转速、升降状态时,通过声发射信号采集系统分别采集各个测点的声发射信号;
②对采集的各声发射信号进行处理,过滤其中的噪音干扰后提取对应的信息熵,即为故障信息熵样本,转子所获取的一个信息熵矩阵A具体如式(4)所示;
其中,m表示升速或降速过程中振动信号采样转速点的个数,n表示振动信号的测点个数,矩阵A中的任意一个元素A(i,j)表示在第i个采样转速下第j个测点的信息熵值。
③获取到对应不同转速、不同升降状态的信息熵矩阵后计算信息值,包括如式(5)的计算的平面信息值;
其中,S(1)=S(t1);S(n)=S(t2)。
以及令C=1构建如式(6)式所示的(m-1)×n的所示的信息值样本U;
④最终得到不同转速、不同升降状态时不同测点的若干个信息值样本U集合,由各信息值样本U构成故障数据样本库。
本实施例中,步骤2)中判定滑动轴承的实时润滑状态的具体步骤为:分别计算实时提取的融合特征值与故障样本数据库中对应的融合特征值之间的相似度值,若计算到的相似度值大于指定阈值,则判定当前滑动轴承处于对应的故障润滑状态。对待监测滑动轴承进行监测时,取同样的升速或降速采样转速点进行数据采集,与上述步骤②相同的,可以得到m×n的信息熵矩阵B,由信息熵矩阵B按上述(5)、(6)分别计算得到实时的信息值(第一信息值或第二信息值。
本实施例中,相似度值具体基于融合特征值之间的协方差计算得到,具体为基于协方差按式(7)计算融合特征值之间的马氏距离,由计算的马氏距离作为实时的融合特征值与故障样本数据库中对应融合特征值之间的相似度值,即利用马氏距离的协方差表征实时的融合特征值矩阵与故障样本数据库中样本融合特征值矩阵的元素分布(地形)之间的相似程度,方差值越小,对应为待监测滑动轴承的过程变化规律与故障样本振动信号的过程变化规律越相似,即待监测滑动轴承属于对应故障状态的可能性越大,反之方差值越大,对应待监测滑动轴承属于对应故障状态的可能性越小。
其中,Y为实时计算到的信息值矩阵,X为m×n的故障样本库中信息值矩阵,Cx为协方差矩阵。
两个样本间的马氏距离和原始样本数据的测量单位无关,不受量纲的影响,本实施例基于协方差计算信号特征值之间的马氏距离,由马氏距离的协方差表征实时融合特征值与故障样本数据库中对应融合特征值之间的相似程度,以判断实际运行的样本和故障样本之间的相似度,相似度表征精度高,可排除由于相关性原因引起的变量间相互干扰,进而提高滑动轴承润滑状态的监测精度。
如图2所示,本实施例通过声发射传感器采集各测点的声发射信号,通过能谱分析后计算信息熵,基于信息熵在指定时间段内的变化特性计算得到信息信息包括值或基于值计算的梯面值等,基于各润滑状态下的值,利用马氏距离比较样本相似度,判定润滑状态。
本实施例结合声发射,利用信息的概念并且与模拟故障振动信号整合,进而建立对应故障的三维信息矩阵样本,能够利用这个获取的样本库对于实际滑动轴承的润滑状态进行监测和监控,待测振动信号可直接通过计算式与样本比较来确定是否故障,应用起来更加方便。对于缺少有效定量指标,信息矩阵的方差反映了两个矩阵元素分布(图形)的相似程度,方差越小,表示待检振动信号的过程变化规律与故障样本振动信号的过程变化规律越接近,即待检振动信号属于这种故障的可能性越大,反之亦然。
如图3所示,本实施例实现上述滑动轴承润滑状态监测所采用的系统,包括多条声发射采集通道,每条声发射采集通道包括声发射传感器以及前置放大器,各条声发射采集通道通过声发射数据采集卡连接后端处理器。构建故障数据样本库时,在滑动轴承外壳上多个测点布置声发射传感器,由各声发射传感器采集滑动轴承的声发射信号,经过前置放大器将信号扩大后,传输至后端处理器进行处理,后端处理器首先通过A/D转换器进行模数转换,对转换后信号绘制波形图和频谱图,按上述式(1)计算得到信息熵值后,按式(2)、(3)计算信息值得到融合特征值,构建得到故障样本数据库;
实时监测时,实时由各声发射传感器采集滑动轴承的声发射信号,经过前置放大器将信号扩大后,传输至后端处理器进行处理,后端处理器首先通过A/D转换器进行模数转换,对转换后信号绘制波形图和频谱图,按上述式(1)计算得到信息熵值后,按式(5)、(6)计算信息值得到融合特征值,再将实时计算得到的融合特征值与故障样本数据库中融合特征值按上述式(7)、(8)计算相似度值,由相似度值大小判定润滑状态是否为故障状态。
实施例2:
本实施例与实施例基本相同,不同之处在于,本实施例故障样本数据库中包括对应不同故障润滑状态的融合特征值,具体获取如实施例1所示,还包括对应各故障润滑状态的信号特征值,信号特征值可以为信息熵值、幅值、频谱值以及能量值等一种或多种的组合,通过提取声发射信号中的信息熵值、幅值、频谱值以及能量值等获得;步骤2)中具体将实时提取的信号特征值、计算到的融合特征值,分别与故障样本数据库中对应的信号特征值、融合特征值进行匹配,综合匹配结果判定得到滑动轴承的实时润滑状态,如当信号特征值、融合特征值两者均匹配时,最终判定滑动轴承处于对应的故障润滑状态,每一种特征值的具体匹配方式可采用如实施例1相同的方式。
本实施例通过综合信号特征值以及融合有过程信息的融合特征值共同表征润滑状态,能够更为精确的表征滑动轴承的润滑状态特性,从而进一步提高故障监测精度。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (10)
1.一种基于声发射的滑动轴承润滑状态监测方法,其特征在于,步骤包括:
1)故障样本数据库构建:分别获取在不同运行工况的故障润滑状态时滑动轴承中的声发射信号,分别提取各所述声发射信号的信号特征值,并融合所述信号特征值以及过程信息计算得到对应的融合特征值,构建得到对应不同故障润滑状态的故障样本数据库;
2)状态监测:实时监测目标滑动轴承中的声发射信号,提取实时监测到的声发射信号的所述信号特征值,并计算得到对应的融合特征值,将实时计算到的所述融合特征值与所述故障样本数据库中对应的融合特征值进行匹配,根据匹配结果判定滑动轴承的实时润滑状态。
2.根据权利要求1所述的基于声发射的滑动轴承润滑状态监测方法,其特征在于:所述信号特征值为信息熵值;所述融合特征值为融合指定时间段内信息熵值的变化特性得到的第一信息值,和/或为基于所述第一信息值计算得到的第二信息值。
3.根据权利要求2所述的基于声发射的滑动轴承润滑状态监测方法,其特征在于:所述第一信息值具体为指定时间段内熵值的积分值或离散累加值。
4.根据权利要求2所述的基于声发射的滑动轴承润滑状态监测方法,其特征在于,所述第二信息值具体为采用以下表达式计算得到的梯面信息值;
<mrow>
<msub>
<mi>Y</mi>
<mi>T</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>M</mi>
</munderover>
<msubsup>
<mo>&Integral;</mo>
<msub>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>,</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</msub>
<msub>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</msub>
</msubsup>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>;</mo>
</mrow>
其中,C(t)为振动的指定定量测度值,S(t)为t时刻的熵值,t(1,0)<t(1,i)<t t(1,M),i=1,2,3,…,M-1,M为样本个数。
5.根据权利要求1~4中任意一项所述的基于声发射的滑动轴承润滑状态监测方法,其特征在于:所述步骤1)中具体分别在不同转速、不同升降工况的故障润滑状态时获取不同测点的滑动轴承中的声发射信号,构建得到的所述故障样本数据库包括对应各故障润滑状态的信号特征值矩阵,所述信号特征值矩阵由不同转速、不同升降工况以及不同测点的多个融合特征值构成。
6.根据权利要求5所述的基于声发射的滑动轴承润滑状态监测方法,其特征在于:所述步骤1)前还包括在待监测滑动轴承的外壳上多个测点处布置声发射传感器步骤。
7.根据权利要求1~4中任意一项所述的基于声发射的滑动轴承润滑状态监测方法,其特征在于,所述步骤2)中判定滑动轴承的实时润滑状态的具体步骤为:分别计算实时提取的所述融合特征值与所述故障样本数据库中对应的融合特征值之间的相似度值,若计算到的相似度值大于指定阈值,则判定当前滑动轴承处于对应的故障润滑状态。
8.根据权利要求7所述的基于声发射的滑动轴承润滑状态监测方法,其特征在于:所述相似度值具体基于所述信息特征值之间的协方差计算得到。
9.根据权利要求8所述的基于声发射的滑动轴承润滑状态监测方法,其特征在于:所述相似度值具体为基于协方差计算得到的所述融合特征值之间的马氏距离。
10.根据权利要求1~4中任意一项所述的基于声发射的滑动轴承润滑状态监测方法,其特征在于:所述故障样本数据库中还包括对应各故障润滑状态的信号特征值;所述步骤2)中具体将实时提取的信号特征值、计算到的所述融合特征值,分别与所述故障样本数据库中对应的所述信号特征值、融合特征值进行匹配,综合匹配结果判定得到滑动轴承的实时润滑状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710522541.4A CN107702919A (zh) | 2017-06-30 | 2017-06-30 | 基于声发射的滑动轴承润滑状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710522541.4A CN107702919A (zh) | 2017-06-30 | 2017-06-30 | 基于声发射的滑动轴承润滑状态监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107702919A true CN107702919A (zh) | 2018-02-16 |
Family
ID=61170592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710522541.4A Pending CN107702919A (zh) | 2017-06-30 | 2017-06-30 | 基于声发射的滑动轴承润滑状态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107702919A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108593777A (zh) * | 2018-04-08 | 2018-09-28 | 昆山市建设工程质量检测中心 | 实时监控在役砌体结构裂缝扩展的声发射监测装置及方法 |
CN109556864A (zh) * | 2018-12-17 | 2019-04-02 | 衢州职业技术学院 | 一种电机轴承缺陷检测系统 |
CN113486742A (zh) * | 2021-06-23 | 2021-10-08 | 陕西工业职业技术学院 | 一种故障识别方法、装置、系统及计算机可读存储介质 |
CN113848253A (zh) * | 2021-08-20 | 2021-12-28 | 国网江苏省电力有限公司技能培训中心 | 仿真变电站主变压器基底渗水状态声发射监测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4028559A1 (de) * | 1990-04-02 | 1991-10-17 | Zittau Tech Hochschule | Verfahren und anordnung zur ursachenerkennung von anstreiferscheinungen in gleitlagern |
JPH0854377A (ja) * | 1994-08-10 | 1996-02-27 | Mita Ind Co Ltd | 移動制御機構 |
CN104246247A (zh) * | 2012-04-19 | 2014-12-24 | 西门子公司 | 用于监测滑动轴承的工作状态的方法和测量装置 |
CN205415318U (zh) * | 2016-02-03 | 2016-08-03 | 新昌县盛大科技有限公司 | 一种基于声发射原理的轴承磨床实时监控装置 |
-
2017
- 2017-06-30 CN CN201710522541.4A patent/CN107702919A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4028559A1 (de) * | 1990-04-02 | 1991-10-17 | Zittau Tech Hochschule | Verfahren und anordnung zur ursachenerkennung von anstreiferscheinungen in gleitlagern |
JPH0854377A (ja) * | 1994-08-10 | 1996-02-27 | Mita Ind Co Ltd | 移動制御機構 |
CN104246247A (zh) * | 2012-04-19 | 2014-12-24 | 西门子公司 | 用于监测滑动轴承的工作状态的方法和测量装置 |
CN205415318U (zh) * | 2016-02-03 | 2016-08-03 | 新昌县盛大科技有限公司 | 一种基于声发射原理的轴承磨床实时监控装置 |
Non-Patent Citations (2)
Title |
---|
田晶 等: "基于声发射信号信息㶲距的滚动轴承故障诊断", 《航空动力学报》 * |
雷铭: "《电力设备诊断手册》", 31 August 2001, 中国电力出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108593777A (zh) * | 2018-04-08 | 2018-09-28 | 昆山市建设工程质量检测中心 | 实时监控在役砌体结构裂缝扩展的声发射监测装置及方法 |
CN109556864A (zh) * | 2018-12-17 | 2019-04-02 | 衢州职业技术学院 | 一种电机轴承缺陷检测系统 |
CN113486742A (zh) * | 2021-06-23 | 2021-10-08 | 陕西工业职业技术学院 | 一种故障识别方法、装置、系统及计算机可读存储介质 |
CN113486742B (zh) * | 2021-06-23 | 2024-02-20 | 陕西工业职业技术学院 | 一种故障识别方法、装置、系统及计算机可读存储介质 |
CN113848253A (zh) * | 2021-08-20 | 2021-12-28 | 国网江苏省电力有限公司技能培训中心 | 仿真变电站主变压器基底渗水状态声发射监测方法及装置 |
CN113848253B (zh) * | 2021-08-20 | 2024-02-23 | 国网江苏省电力有限公司技能培训中心 | 仿真变电站主变压器基底渗水状态声发射监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A novel statistical time-frequency analysis for rotating machine condition monitoring | |
JP3321487B2 (ja) | 機器/設備診断方法およびシステム | |
CN107702919A (zh) | 基于声发射的滑动轴承润滑状态监测方法 | |
Wen et al. | Graph modeling of singular values for early fault detection and diagnosis of rolling element bearings | |
CN109932179B (zh) | 一种基于ds自适应谱重构的滚动轴承故障检测方法 | |
Chegini et al. | New fault diagnosis approaches for detecting the bearing slight degradation | |
CN108956111B (zh) | 一种机械部件的异常状态检测方法及检测系统 | |
CN112881014B (zh) | 传动总成的下线nvh测试系统及方法 | |
CN114004306A (zh) | 一种基于物联网多维度数据的设备故障评估系统及其方法 | |
CN108195584B (zh) | 一种基于准确度谱图的滚动轴承故障诊断方法 | |
CN111964909A (zh) | 滚动轴承运行状态检测方法、故障诊断方法及系统 | |
CN112525749B (zh) | 一种基于摩擦信号递归特性的摩擦学状态在线辨识方法 | |
CN108398265A (zh) | 一种滚动轴承在线故障检测方法 | |
Huang et al. | Multiple time-frequency curve extraction Matlab code and its application to automatic bearing fault diagnosis under time-varying speed conditions | |
Lu et al. | CEEMD-assisted bearing degradation assessment using tight clustering | |
Sousa et al. | Robust cepstral-based features for anomaly detection in ball bearings | |
CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
CN114739667A (zh) | 一种多模态信息融合轴承润滑状态监测装置及方法 | |
Thanagasundram et al. | A fault detection tool using analysis from an autoregressive model pole trajectory | |
Marin et al. | Bearing failure prediction using audio signal analysis based on SVM algorithms | |
CN116538092B (zh) | 一种压缩机在线监测及诊断方法、装置、设备及存储介质 | |
CN116226719A (zh) | 基于多维稳态振动特征的轴承故障诊断方法及相关组件 | |
KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
CN115655731A (zh) | 柴油机状态监测方法、装置及存储介质 | |
Thanagasundram et al. | Autoregressive based diagnostics scheme for detection of bearing faults |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |
|
RJ01 | Rejection of invention patent application after publication |