CN108007681B - 一种利用麦克风阵列进行机械故障检测的方法 - Google Patents
一种利用麦克风阵列进行机械故障检测的方法 Download PDFInfo
- Publication number
- CN108007681B CN108007681B CN201711287310.6A CN201711287310A CN108007681B CN 108007681 B CN108007681 B CN 108007681B CN 201711287310 A CN201711287310 A CN 201711287310A CN 108007681 B CN108007681 B CN 108007681B
- Authority
- CN
- China
- Prior art keywords
- microphone
- test point
- signal
- microphone array
- mechanical
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种利用麦克风阵列进行机械故障检测的方法,步骤为:在机械设备的正上方布置麦克风阵列;通过麦克风阵列采集被测信号,获得电压信号;求得电压信号映射到平面空间测试点的导向矩阵;对时域信号做FFT变换,获得频率信息;进行初步的故障检测定位;利用映射关系和iFFT求逆变换求得每一个机器平面上的测试点的时间序列;对测试点的时间序列进行谱峭度的特征提取,谱峭度的大小做为波束形成定位算法的权重;根据数值的相对大小进行成像,获得故障声源产生的位置。本发明利用声源定位技术,将波束形成算法和谱峭度特征提取方法相结合,能够检测出可能淹没在设备工作时产生的噪声中的冲击信号,从而更好地定位出机械故障发生位置。
Description
技术领域
本发明涉及一种机械故障检测技术,具体为一种利用麦克风阵列进行机械故障检测的方法。
背景技术
机械故障诊断方法有很多,传统的机械设备的故障诊断大多数是基于振动信号的测量和分析。机械振动故障检测方法是将振动传感器安装在设备上,比如安装在轴承处或需要测量的部位,进行信号的获取,这些振动信号包含了机械内部运动部件各种变化信息。通过分辨正常振动和非正常振动,采集振动参数,然后对这些信号进行特征提取,判断机械运行的技术状态是否正常,进而定位出故障产生的位置。这是一种接触式的检测方法,需要工作人员将传感器贴于机械内部,可能会对工作人员造成一定的危险。由于放置于机械内部的传感器个数有限,测定的位置信号不全面,往往无法全局性地检测出机械中故障发生地位置。同时贴于机械上的传感器也可能会对采集到的信号造成影响。
发明内容
针对现有技术中采用接触式进行机械故障检测导致测定的位置信号不全面、无法全局性地检测出机械中故障发生地的位置等不足,本发明为解决这一系列问题提供一种利用麦克风阵列进行机械故障检测的方法,可以更好地检测出可能淹没在机械工作时产生的噪声当中的故障信号,其中故障信号常常为冲击信号,从而更好地定位出机械故障产生的位置。
为解决上述技术问题,本发明采用的技术方案是:
本发明一种利用麦克风阵列进行机械故障检测的方法,包括以下步骤:
1)在机械设备的正上方布置麦克风阵列;
2)通过麦克风阵列采集被测信号,获得被测声音在时域的电压信号;
3)求得麦克风采集到的电压信号映射到平面空间测试点的导向矩阵;
4)对麦克风收集到的时域信号做FFT变换,利用导向矩阵获得频率信息;
5)利用波束成形在频域中对声源进行定位的思想进行初步的故障检测定位;
6)利用p=Hq的映射关系,再利用iFFT求逆变换求得每一个机器平面上的测试点的时间序列;其中,p为麦克风收集到的信号,H为导向矩阵,q为将麦克风收集到的信号通过导向矩阵一一映射到机械平面每个测试点获得的序列;
7)对每一个机器平面上的测试点的时间序列进行谱峭度的特征提取,谱峭度的大小做为波束形成定位算法的权重;
8)根据数值的相对大小进行成像,获得故障声源产生的位置。
所述步骤1)中麦克风阵列为:
选用N个麦克风,布置在一个平面上形成麦克风阵列,该麦克风阵列平面平行放置在机械设备的正上方,相距30~90cm。
步骤2)中,获得被测声音在时域的电压信号包括:
201)麦克风阵列的中心点为坐标原点,以麦克风所在平面为xoy平面,以垂直于xoy平面,且过中心点直线为z轴,建立空间直角坐标系;
202)计算中心点到各麦克风的方向矢量,方向指向各麦克风,长度为中心点到各麦克风的距离R。
203)计算中心点麦克风到测试点的方向矢量,方向指向测试点,长度为中心点麦克风到测试点的距离;
204)利用向量的点积运算求出测试点到各麦克风与测试点到中心点麦克风的距离差d=Rcosθ,其中:R为中心点到各麦克风的距离,θ为中心点到各麦克风的方向矢量和中心点到测试点的方向矢量的夹角;
205)定义三维导向矩阵,其中某一个分量为,矩阵的大小为(麦克风数-1)×测试点数×自选的考察的频率范围中频率成分的个数,其中:fi为选定频率的某一频率分量,fi为0到奈奎斯特频率的等距采样点中的某一个值,dj为距离差,c为声音在空气中的传播速度,j为单位虚数。
步骤4)中,对麦克风采集到的时域信号做FFT变换为:对采集到的声音信号做FFT变换,获得每一个麦克风时间序列的频率信息;并将不同麦克风做FFT变换后获得的频率信息构成一个矩阵,将上述矩阵和步骤3)中形成的导向矩阵相乘,获得信号的频率信息。
步骤5)中,利用波束成形思想进行初步的故障检测定位为:
将对应的测试点的自选频率范围内的所有频率成分相加得到利用波束形成思想获得的各个测试点为声源概率的相对可能性大小。
步骤4)中还包括以下步骤民:对获得的信号频率信息利用iFFT求逆变换求得每一个机器平面上的测试点对应的时间序列。
步骤7)中,对每一个机器平面上的测试点的时间序列进行谱峭度的特征提取为:
对信号做滤波处理,再对滤波后的时间序列x(t)做短时傅立叶变换X(t,f);
求出X(t,f)的4阶谱矩和2阶谱矩
求取将能量归一化的四阶谱矩,即为谱峭度;
其中,t为时间,f为频率,KX为将能量归一化的四阶谱矩,S4X(f)为X(t,f)的4阶谱矩,S2X(f)为X(t,f)的2阶谱矩。
步骤7)中,谱峭度的大小做为波束形成定位算法的权重为:将机械平面上的每一个测试点的谱峭度特征提取后得到的序列进行求和处理,得到每一个测试点的峭度大小的相对值,若值较大则此处产生冲击信号可能性大,做为故障的可能性大,将对应不同测试点的峭度大小的相对值作为权重,和步骤5)求得的各个测试点为声源概率的相对可能性大小相乘,得到新的各个测试点为声源概率的相对可能性大小。本发明具有以下有益效果及优点:
1.本发明利用声源定位的技术,改变以往的利用接触式传感器检测振动信号进行故障检测的方案,使得获取的声音信息的数据不是离散式的,而是利用麦克风阵列获得的平面连续的空间信号,同时利用波束形成算法和谱峭度特征提取方法相结合,使时域下可能淹没在噪声信号中的冲击信号得以很好地提取出来,可以更好地检测出可能淹没在机械工作时产生的噪声中的冲击信号,从而更好地定位出机械故障产生的位置。
附图说明
图1为本发明所提出的利用麦克风阵列进行机械故障检测的方法的流程示意图;
图2为本发明利用谱峭度进行特征提取后获得的信号包络线图;
图3为本发明中在机械设备的正上方布置麦克风阵列示意图;
图4为本发明方法涉及的机械设备俯视图;
图5为应用本发明方法将波束形成和特征提取相结合后检测到的故障位置。
其中,1为电机部分,2为齿轮部分,3为麦克风阵列。
具体实施方式
下面结合说明书附图对本发明作进一步阐述。
利用麦克风阵列技术进行机械故障诊断,是一种非接触式测量。由于麦克风阵列平面距离机械较近,我们采用近场模型下的波束形成方法对机械故障进行定位。在近场模型中,声波为球形波,利用近场模型特性可以求得不同空间位置的麦克风对该机械的响应矢量。进而求得所检测的机械平面对不同方向角的方向矢量,构成方向矩阵。通过对每一个角度进行检测,对波达方向进行估计,找到主瓣的最大值,即为可能的故障位置。
如图1所示,本发明一种利用麦克风阵列进行机械故障检测的方法,包括以下步骤:
1)在机械设备的正上方布置麦克风阵列;
2)通过麦克风阵列采集被测信号,获得被测声音在时域的电压信号;
3)求得麦克风采集到的电压信号映射到平面空间测试点的导向矩阵;
4)对麦克风收集到的时域信号做FFT变换,利用导向矩阵获得频率信息;
5)利用波束成形在频域中对声源进行定位的思想进行初步的故障检测定位;
6)利用p=Hq的映射关系,再利用iFFT求逆变换求得每一个机器平面上的测试点的时间序列;其中,p为麦克风收集到的信号,H为导向矩阵,q为将麦克风收集到的信号通过导向矩阵一一映射到机械平面每个测试点获得的序列;
7)对每一个机器平面上的测试点的时间序列进行谱峭度的特征提取,谱峭度的大小做为波束形成定位算法的权重;
8)根据数值的相对大小进行成像,获得故障声源产生的位置。
本发明方法是对麦克风收集到的信号进行谱峭度的特征提取,它是一种高阶统计量,能有效地从含有强噪声信号中发现暂态成分及其在频域中的位置,所以可以很好地对脉冲信号进行提取;将声音信号地谱峭度作为权重,作用在利用波束形成算法进行预定位所获得声音位置的概率矩阵估计值上,更准确地定位出产生冲击信号在机械中的位置。
步骤1)中,麦克风阵列为:选用N个麦克风,布置在一个平面上形成麦克风阵列,该麦克风阵列平面平行放置在机械设备的正上方,相距30~90cm。
如图3所示,本实施例以旋转机械设备为例,其电机部分1没有发生故障,可以正常运作,齿轮部分2,齿轮处发生了故障,有磨损的现象,正弦波式的啮合波形遭到破坏,产生了脉冲信号。为了检测故障,使用麦克风阵列3对故障进行检测,其排列方式如图3,总共有40个麦克风,形成花瓣形状,最外层的距离中心点最远,距离是37cm,最内层距离中心点的距离是3cm,形成一个圆形。上述旋转机械设备的俯视图如图4所示。
机械产生的故障常有齿轮的点蚀、断齿和磨损,旋转机械转轴与轴瓦碰磨等,这些故障往往都会产生周期性、非平稳、频率较高的冲击信号。但由于机械工作过程中会产生巨大的噪声,可能会将故障信号淹没,所以要对麦克风阵列收集到的信号进行处理,使得可以更准确地对故障位置进行检测。
步骤2)中,获得被测声音在时域的电压信号包括以下步骤:
201)麦克风阵列的中心点为坐标原点,以麦克风所在平面为xoy平面,以垂直于xoy平面、且过中心点直线为z轴,建立空间直角坐标系;
202)计算中心点到各麦克风的方向矢量,方向指向各麦克风,长度为中心点到各麦克风的距离R。由于机械正常工作和故障工作产生的信号频率范围均比较广,所以选频范围在其中,fs为麦克风对声音信号的采样频率。
203)计算中心点麦克风到测试点的方向矢量,方向指向测试点,长度为中心点麦克风到测试点的距离;
204)利用向量的点积运算求出测试点到各麦克风与测试点到中心点麦克风的距离差d=Rcosθ,其中:R为中心点到各麦克风的距离,θ为中心点到各麦克风的方向矢量和中心点到测试点的方向矢量的夹角;
205)定义三维导向矩阵,其中某一个分量为矩阵的大小为(麦克风数-1)×测试点数×自选的考察的频率范围中频率成分的个数,其中:fi为选定频率的某一频率分量,fi为0到奈奎斯特频率的等距采样点中的某一个值,dj为距离差,c为声音在空气中的传播速度,j为单位虚数。
步骤3)中,对采集到的声音信号做FFT变换,获得每一个麦克风时间序列的频率信息。并将不同麦克风做FFT变换后获得的频率信息构成一个矩阵。
步骤4)中,对麦克风采集到的时域信号做FFT变换为:对采集到的声音信号做FFT变换,获得每一个麦克风时间序列的频率信息;并将不同麦克风做FFT变换后获得的频率信息构成一个矩阵,将上述矩阵和步骤3)中形成的导向矩阵相乘,获得信号的频率信息。
步骤4)中还包括:对获得的信号频率信息利用iFFT求逆变换求得每一个机器平面上的测试点对应的时间序列。
步骤5)中,利用波束成形思想进行初步的故障检测定位为:
将对应的测试点的自选频率范围内的所有频率成分相加得到利用波束形成思想获得的各个测试点为声源概率的相对可能性大小。
步骤7)中,对每一个机器平面上的测试点的时间序列进行谱峭度的特征提取为:
对信号做滤波处理,再对滤波后的时间序列x(t)做短时傅立叶变换X(t,f);
求出X(t,f)的4阶谱矩和2阶谱矩
求取将能量归一化的四阶谱矩,即为谱峭度;
其中,t为时间,f为频率,KX为将能量归一化的四阶谱矩,S4X(f)为X(t,f)的4阶谱矩,S2X(f)为X(t,f)的2阶谱矩。
谱峭度的大小做为波束形成定位算法的权重为:将机械平面上的每一个测试点的谱峭度特征提取后得到的序列进行求和处理,得到每一个测试点的峭度大小的相对值,若值较大则此处产生冲击信号可能性大,做为故障的可能性大,将对应不同测试点的峭度大小的相对值作为权重,和步骤5)求得的各个测试点为声源概率的相对可能性大小相乘,得到新的各个测试点为声源概率的相对可能性大小。
步骤8)中,成像的强度是根据波束形成和谱峭度的计算形成的概率矩阵得到的,再通过MATLAB的成像函数生成图像,显示在显示器上。应用本发明方法检测到的机械故障位置如图5所示,灰色暗影部分是检测到的故障范围。
如图2所示,上部为原始信号,下部为经过谱峭度特征提取后的信号经包络解调得到的信号。与原始信号相比,经过谱峭度特征提取后的信号出现明显的周期性冲击。
由于瞬态冲击信号占主导的频率段的谱峭度较大,而平稳高斯背景噪声信号占主导频率段的谱峭度很小,所以将进行谱峭度特征提取后得到的序列进行求和处理,若值较大说明此处产生冲击信号可能性较大,为故障的可能性较大。将对应不同测试点的此值作为权重,和步骤5)求得的各个测试点为声源概率的相对可能性大小相乘,得到新的各个测试点为声源概率的相对可能性大小,新的相对可能性大小更加准确。
最后根据数值的相对大小进行成像,即可判断出故障声源产生的位置。
本发明的工作原理为:在被检测机械设备的上表面放置平面麦克风阵列,分别采集机械设备正常运转,以及故障条件下运转的声音信号;对采集到的信号利用波束形成算法进行声源位置信息定位;将机器平面进行平均分块,设为测试点,利用不同测试点时延的不同,获得不同测试点的声音信号的时间序列;对不同测试点的声音信号进行谱峭度特征提取;将谱峭度的相对大小作为权重作用于波束形成算法进行定位中,获得最终的机械故障定位结果。本发明利用声源定位的方法实现非接触式的机械故障检测,同时利用对机械运作过程中声音信号的特征提取,减少噪声干扰,可以更准确地定位出故障地位置。
Claims (8)
1.一种利用麦克风阵列进行机械故障检测的方法,其特征在于包括以下步骤:
1)在机械设备的正上方布置麦克风阵列;
2)通过麦克风阵列采集被测信号,获得被测声音在时域的电压信号;
3)求得麦克风采集到的电压信号映射到机械平面空间测试点的导向矩阵;
4)对麦克风收集到的时域的电压信号做FFT变换,利用导向矩阵获得频率信息;
5)利用波束成形在频域中对声源进行定位进行初步的故障检测定位;
6)利用p=Hq的映射关系,再利用iFFT求逆变换求得每一个机械平面空间测试点的时间序列;其中,p为麦克风收集到的信号,H为导向矩阵,q为将麦克风收集到的信号通过导向矩阵一一映射到每一个机械平面空间测试点获得的序列;
7)对每一个机械平面空间测试点的时间序列进行谱峭度的特征提取,谱峭度的大小做为波束成形定位算法的权重;
8)根据数值的相对大小进行成像,获得故障声源产生的位置。
2.按权利要求1所述的利用麦克风阵列进行机械故障检测的方法,其特征在于所述步骤1)中麦克风阵列为:
选用N个麦克风,布置在一个平面上形成麦克风阵列,该麦克风阵列平面平行放置在机械设备的正上方,相距30~90cm。
3.按权利要求1所述的利用麦克风阵列进行机械故障检测的方法,其特征在于步骤2)中,获得被测声音在时域的电压信号包括:
201)麦克风阵列的中心点为坐标原点,以麦克风所在平面为xoy平面,以垂直于xoy平面,且过中心点直线为z轴,建立空间直角坐标系;
202)计算中心点到各麦克风的方向矢量,方向指向各麦克风,长度为中心点到各麦克风的距离R;
203)计算中心点麦克风到机械平面空间测试点的方向矢量,方向指向机械平面空间测试点,长度为中心点麦克风到机械平面空间测试点的距离;
204)利用向量的点积运算求出机械平面空间测试点到各麦克风与机械平面空间测试点到中心点麦克风的距离差d=Rcosθ,其中:R为中心点到各麦克风的距离,θ为中心点到各麦克风的方向矢量和中心点到机械平面空间测试点的方向矢量的夹角;
205)定义三维导向矩阵,其中某一个分量为矩阵的大小为(麦克风数-1)×测试点数×自选的考察的频率范围中频率成分的个数,其中:fi为选定频率的某一频率分量,fi为0到奈奎斯特频率的等距采样点中的某一个值,dj为距离差,c为声音在空气中的传播速度,j为单位虚数。
4.按权利要求1所述的利用麦克风阵列进行机械故障检测的方法,其特征在于步骤4)中,对麦克风采集到的时域信号做FFT变换为:对采集到的声音信号做FFT变换,获得每一个麦克风时间序列的频率信息;并将不同麦克风做FFT变换后获得的频率信息构成一个矩阵,将上述矩阵和步骤3)中形成的导向矩阵相乘,获得信号的频率信息。
5.按权利要求1所述的利用麦克风阵列进行机械故障检测的方法,其特征在于步骤5)中,利用波束成形进行初步的故障检测定位为:
将对应的机械平面空间测试点的自选频率范围内的所有频率成分相加得到利用波束成形获得的各个机械平面空间测试点为声源概率的相对可能性大小。
6.按权利要求1所述的利用麦克风阵列进行机械故障检测的方法,其特征在于步骤4)中还包括以下步骤民:对获得的信号频率信息利用iFFT求逆变换求得每一个机械平面空间测试点对应的时间序列。
7.按权利要求1所述的利用麦克风阵列进行机械故障检测的方法,其特征在于步骤7)中,对每一个机械平面空间测试点的时间序列进行谱峭度的特征提取为:
对信号做滤波处理,再对滤波后的时间序列x(t)做短时傅立叶变换X(t,f);
求出X(t,f)的4阶谱矩S4X(f)=<|X(t,f)|4>和2阶谱矩S2X(f)=<|X(t,f)|2>;
求取将能量归一化的四阶谱矩,即为谱峭度;
其中,t为时间,f为频率,KX为将能量归一化的四阶谱矩,S4X(f)为X(t,f)的4阶谱矩,S2X(f)为X(t,f)的2阶谱矩。
8.按权利要求1所述的利用麦克风阵列进行机械故障检测的方法,其特征在于步骤7)中,谱峭度的大小做为波束成形定位算法的权重为:将每一个机械平面空间测试点的谱峭度特征提取后得到的序列进行求和处理,得到每一个机械平面空间测试点的峭度大小的相对值,若值较大则此处产生冲击信号可能性大,做为故障的可能性大,将对应不同机械平面空间测试点的峭度大小的相对值作为权重,和步骤5)求得的各个机械平面空间测试点为声源概率的相对可能性大小相乘,得到新的各个机械平面空间测试点为声源概率的相对可能性大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287310.6A CN108007681B (zh) | 2017-12-07 | 2017-12-07 | 一种利用麦克风阵列进行机械故障检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287310.6A CN108007681B (zh) | 2017-12-07 | 2017-12-07 | 一种利用麦克风阵列进行机械故障检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108007681A CN108007681A (zh) | 2018-05-08 |
CN108007681B true CN108007681B (zh) | 2019-06-18 |
Family
ID=62057222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711287310.6A Active CN108007681B (zh) | 2017-12-07 | 2017-12-07 | 一种利用麦克风阵列进行机械故障检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108007681B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109655269B (zh) * | 2018-11-29 | 2021-04-09 | 华为技术有限公司 | 一种马达震动检测方法及装置 |
CN111582355B (zh) * | 2020-04-30 | 2022-09-06 | 中国科学技术大学 | 基于最优宽带波束形成的大型电抗器故障检测方法及系统 |
CN112051063B (zh) * | 2020-09-03 | 2021-06-15 | 山东大学 | 一种设备故障声源定位方法及系统 |
CN112362348A (zh) * | 2020-10-27 | 2021-02-12 | 华北电力大学(保定) | 一种带式输送机托辊轴承故障声学监测方法 |
CN112866690B (zh) * | 2021-01-08 | 2022-07-19 | 深圳创维-Rgb电子有限公司 | 麦克风故障检测电路及其检测方法、设备、存储介质 |
CN112880812A (zh) * | 2021-01-19 | 2021-06-01 | 广州特种机电设备检测研究院 | 扶梯故障检测方法、系统和存储介质 |
CN113030863B (zh) * | 2021-03-02 | 2023-08-25 | 珠海格力电器股份有限公司 | 故障声源检测方法和系统 |
CN113188797B (zh) * | 2021-04-16 | 2022-11-15 | 上海工程技术大学 | 一种基于传声器阵列的轴承故障诊断方法 |
CN113267330B (zh) * | 2021-05-14 | 2023-03-14 | 国网重庆市电力公司电力科学研究院 | 一种基于声学成像的gis设备机械故障检测系统及方法 |
CN116222997B (zh) * | 2023-03-07 | 2024-04-05 | 华北电力大学(保定) | 基于波束形成及时空网络的托辊故障声源距离估计方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494894A (zh) * | 2011-11-17 | 2012-06-13 | 高丙团 | 风力发电机组音频监测和故障诊断系统及其方法 |
CN202735105U (zh) * | 2012-07-03 | 2013-02-13 | 上海电机学院 | 一种故障检测装置 |
CN106844829A (zh) * | 2016-12-07 | 2017-06-13 | 青岛科技大学 | 污水处理的平垂扰流(pvfl)流态数值模拟优化技术 |
CN106596088A (zh) * | 2016-12-13 | 2017-04-26 | 东南大学 | 基于近场声源聚焦定位的碰摩声发射故障位置识别方法 |
CN107396244B (zh) * | 2017-08-15 | 2019-12-24 | 浙江新再灵科技股份有限公司 | 一种基于麦克风阵列的声源定位系统及方法 |
-
2017
- 2017-12-07 CN CN201711287310.6A patent/CN108007681B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108007681A (zh) | 2018-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108007681B (zh) | 一种利用麦克风阵列进行机械故障检测的方法 | |
Liang et al. | A windowing and mapping strategy for gear tooth fault detection of a planetary gearbox | |
Zhou et al. | A review of full-scale structural testing of wind turbine blades | |
CN101846594A (zh) | 基于波束形成声像模式识别的故障检测装置及其检测方法 | |
Poozesh et al. | Multicamera measurement system to evaluate the dynamic response of utility‐scale wind turbine blades | |
SA108290823B1 (ar) | اختبار غير متلف، بوجه خاص لأنابيب خلال التصنيع أو في حالتها النهائية | |
CN106353651A (zh) | 基于bp网络的gis局放声电联合检测故障定位方法 | |
CN111812207A (zh) | 基于超声导波转换模态提取的无基准损伤诊断成像方法 | |
Zhao et al. | Remote structural health monitoring for industrial wind turbines using short-range Doppler radar | |
CN106839968A (zh) | 转子空间弯曲轴线测试系统及其测试方法 | |
CN106093204A (zh) | 一种用于锻件裂纹定量识别的相位加权矢量全聚焦成像装置及方法 | |
CN103792287A (zh) | 一种基于Lamb波的大面积结构损伤检测方法 | |
CN109060285A (zh) | 一种螺旋弹簧动态振动特性的检测装置及方法 | |
Lall et al. | Time–frequency and autoregressive techniques for prognostication of shock-impact reliability of implantable biological electronic systems | |
CN105954359B (zh) | 复杂形状零件内部缺陷分布式超声无损检测装置及方法 | |
CN112924176B (zh) | 一种基于时域等效源法的滚动轴承故障声学诊断方法 | |
CN104040329B (zh) | 用于检测在检查对象内部的缺陷的方法和装置 | |
JP6773878B1 (ja) | コンクリート構造物内部状況点検方法及びその方法に使用するシステム | |
CN108205018A (zh) | 一种钢轨探伤验证系统 | |
CN106645401B (zh) | 一种基于频率波数估计的损伤定位与重构方法及系统 | |
CN109990968A (zh) | 一种基于时间反转法原理的板结构冲击定位方法 | |
US10739312B2 (en) | Ultrasonic inspection apparatus for a spherical body | |
CN106197849A (zh) | 一种检测和诊断风力机叶轮气动不平衡的方法 | |
EP2765417A1 (en) | Ultrasonic detection method and system | |
CN105955272A (zh) | 服务机器人多飞行时间传感器的融合方法 |
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 |