CN108332955A - 一种基于振动信号的机械链接松动检测与预警方法 - Google Patents
一种基于振动信号的机械链接松动检测与预警方法 Download PDFInfo
- Publication number
- CN108332955A CN108332955A CN201711405776.1A CN201711405776A CN108332955A CN 108332955 A CN108332955 A CN 108332955A CN 201711405776 A CN201711405776 A CN 201711405776A CN 108332955 A CN108332955 A CN 108332955A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- signal
- vibration
- mechanical linkage
- early warning
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种基于振动信号的机械链接松动检测与预警方法,通过采集机械链接件的振动器件的振动信号来判断机械链接件的松动情况并给出预警信息,所述方法包括以下步骤:步骤1、构建基于振动信号的机械链接松动检测与预警系统;步骤2、采集机械链接件的振动信号;步骤3、对所述振动信号进行处理,获得所述振动信号的形态梯度谱熵,进而判断所述机械链接件的运行状态;步骤4、根据前述步骤中的信息进行所述机械链接件的性能退化分析,综合评价所述机械链接件的健康状况,给出预警信息。本发明提供的方法,对机械链接件运行状态进行实时在线监控和预警分析,提高机械链接件运行的可靠性和安全性,具有较强的实施性能。
Description
技术领域
本发明涉及机械装备故障监测、诊断领域,尤其涉及一种基于振动信号的机械链接松动检测与预警方法。
背景技术
现代机械设备的结构越来越复杂,功能越来越完善,自动化程度越来越高。但是,当机械设备出现故障时所带来的影响程度也明显增大,有时不仅仅是造成巨大的经济损失,往往还会带来灾难性的事故。因此,加强对机械设备的状态监测刻不容缓,发展机械设备状态监测与故障诊断技术,并进行有效、合理的实施,可以掌握机械设备的状态变化规律及发展趋势,防止事故于未然,将事故消灭在萌芽。机械链接件是机械设备的关键部位也是易损部位。对机械链接件进行状态监测与故障诊断具有重大的工程意义。
如何有效提取反映机械设备运行状态的特征,一直是故障诊断领域的研究热点与难点,直接影响着对故障的正确判断。振动是自然界中的一种很普遍的运动,机械振动信号中包含了丰富的机器状态信息,它是机械设备故障特征信息的良好载体。利用振动信号来获取机械设备运行状态的特征并进行故障诊断具有如下优点:1)利用各种振动传感器及分析仪器,可以很方便地获得振动信号;2)振动监测可在现场不停机的情况下进行;3)在振动监测过程中,不会对被测对象造成损伤。
信号处理技术是进行故障诊断的基础,是特征提取必不可少的工具。现有技术中,机械设备在运行过程中发生故障时,采集到的信号一般是非线性、非高斯的信号,对采集到的信号直接进行傅里叶变换会产生“频率模糊”现象。因此,急需有效的处理技术和分析方法来对所述机械链接件的运行状态进行监测。
发明内容
为克服上述技术的不足,本发明提供一种基于振动信号的机械链接松动检测与预警方法,通过采集机械链接件的振动器件的振动信号来判断所述机械链接件的运行状态并给出预警信息,利用所述方法能够实时监测所述机械链接件的运行状态、判断和评估所述机械链接件的健康状况,并且能够实现对所述机械链接件的全生命周期监控和评估。
本发明是通过以下技术方案予以实现的:
一种基于振动信号的机械链接松动检测与预警方法,通过采集机械链接件的振动器件的振动信号来判断机械链接件的松动情况并给出预警信息,所述方法包括以下步骤,
步骤1、构建基于振动信号的机械链接松动检测与预警系统;
步骤2、采集机械链接件的振动信号;
步骤3、对所述振动信号进行处理,获得所述振动信号的形态梯度谱熵,进而判断所述机械链接件的运行状态;
步骤4、根据前述步骤中的信息进行所述机械链接件的性能退化分析,综合评价所述机械链接件的健康状况,给出预警信息;
所述步骤3进一步包括,
步骤①,将所述振动信号表示为y(t),对所述振动信号进行模态分析得到振动信号的主要振动模态,每一个振动模态包含振动频率ωi、振动幅度Ai、振动衰减系数si和振动的初始相位所述振动信号表示为
步骤②,根据所述振动信号的振动模态,计算各模态分量与原始振动信号的关联系数,所述关联系数定义为
其中,yi(t)为所述振动信号在第i个采样时间内的振幅,为信号平均振幅,zmi(t)为振动模态m在第i个采样时间内的平均振值,为振动模式m在整个信号周期内的平均值,
步骤③,根据获得的各模态分量以及各模态分量和所述振动信号的所述关联系数进行判断,从而确定所述振动信号的稳态振动信号ys(t),将相关系数最大的信号作为所述振动信号的稳态振动信号,
步骤④,计算所述稳态振动信号的形态梯度谱和形态梯度谱熵,分别为
其中:q(λ)=PGS(λ,g)/∑PGS(λ,g),为梯度算子,PGS(f,λ,g)为形态梯度谱,PFSE(f/g)为数学形态梯度谱熵,Grad(f)为形态梯度算子,f为信号本身,PGS(λ,g)为形态谱,g为单位结构元素,λ为分析尺度,λmax为最大尺度,λmin为最小尺度,
步骤⑤,根据所述振动信号的形态梯度谱熵对所述机械链接件的实际运行情况进行判断,若所述形态梯度谱熵的偏差值达到一定程度,则判定所述机械链接件处于松动状态。
本发明提供的基于振动信号的机械链接松动检测与预警方法利用所述振动信号的本质判断所述机械链接件的实际运行状态,通过数学分析模型获得所述振动信号的形态梯度谱熵,所述形态梯度谱熵反映所述振动信号的形态特征和组成变化,使得对所述机械链接件的实际运行状态的判断更为准确,并可利用所述后台服务器对所述机械链接件的健康状况进行综合判断,给出预警信息,实现了对所述机械链接件的实时在线监控和评估。
优选地,所述基于振动信号的机械链接松动检测与预警系统包括信号采集模块、信号处理模块、无线传输模块、后台服务器和显示终端,所述信号采集模块、所述信号处理模块、所述无线传输模块、所述后台服务器和所述显示终端依次相连。
进一步地,所述无线传输模块为GPRS模块或WIFI模块。
优选地,所述信号采集模块包括振动信号传感器,所述振动信号传感器置于所述机械链接件中。
进一步地,所述振动信号传感器采集机械振动时所述机械链接件产生的原始振动信号,并将所述原始振动信号发送至所述信号处理模块。
优选地,所述信号处理模块包括模数转换模块和数学分析模块。
进一步地,所述模数转换模块对所述原始振动信号进行以下的处理步骤:检波、调理、放大、积分和滤波,实现所述原始振动信号的模数转换,消除所述原始振动信号中含有的干扰信号,得到所述机械链接件的振动信号并发送至所述数学分析模块;所述数学分析模块利用数学模型对所述振动信号进行分析处理,得到所述振动信号的形态梯度谱、形态梯度谱熵,所述形态梯度谱熵反映了所述振动信号的形态特征和组成变化,进而用来判断产生所述振动信号的所述机械链接件的实际运行状态。
优选地,所述步骤3中,当所述机械链接件的运行状态被判断为松动状态时,根据所述偏差值的大小将所述机械链接件的运行状态判断为预松动、轻度松动、松动和严重松动,所述偏差值具有经验特性。
进一步地,所述机械链接件的实际运行状态包括正常状态和松动状态,预设一偏差阈值,当所述形态梯度谱熵的偏差值小于所述偏差阈值时,判定所述机械链接件处于正常状态;当所述形态梯度谱熵的偏差值大于或等于所述偏差阈值时,判定所述机械链接件处于松动状态。
优选地,所述步骤4中,所述机械链接件的性能退化分析包括数据融合、模糊评判和健康诊断。
进一步地,所述后台服务器将所述振动信号、所述振动信号的所述形态梯度谱和所述振动信号的所述形态梯度谱熵进行多信息融合,依据模糊算法进行综合判断,所述多信息包含速度信息、加速度信息、频率信息、幅度信息和各阶分量信息;依据模糊推理机制,对所述机械链接件的实际运行状态构建模糊规则库,进行模糊评判,从而实现对所述机架链接件的健康诊断。
优选地,所述基于振动信号的机械链接松动检测与预警系统包括多个所述机械链接件。
进一步地,每一个机械链接件对应独立的信号采集、信号处理和运行状态判断,所述无线传输模块将经采集与处理后的振动信息上传至所述后台服务器,所述后台服务器将多个机械链接件的振动信息进行汇集和融合,对机械链接件的健康状态进综合评估判断,给出预警信息。
优选地,所述显示终端包括台式电脑、平板电脑或智能手机中的一个或多个。
进一步地,所述显示终端内设有通信模块,用于接收所述后台服务器发送的所述机械链接件的实际运行状态和预警信息,并在所述显示终端实时在线显示,供工作人员随时查看。
本发明的有益效果在于,1)本发明提供的基于振动信号的机械链接松动检测与预警方法利用所述后台服务器对所述机械链接件的实际运行状态进行实时监测和综合的评估判断,远程在线观察所述机械链接件的健康状态,实时给出预警信息,避免未发现机械链接件松动或未及时预警机械链接件松动所导致的重大事故;2)能对产生振动信号的机械链接件的振动器件进行精准定位,发现异常振动信号时能快速准确找到异常器件,及时维修或更换,具有较强的实时性,避免可能造成的经济损失或人员伤害;3)对所述机械连接件进行全生命周期监控,实时评估所述机械链接件的健康状况,实时反馈振动信息和预警信息,具有友好的人机界面;4)利用所述振动信号的形态梯度谱熵判断所述机械链接件的实际运行状态,并能根据所述形态梯度谱熵的偏差值确定所述机械链接件的具体松动程度,相比现有技术而言判断结果更精确。
附图说明
图1为实施例的基于振动信号的机械链接松动检测与预警系统的示意图;
图中:1、信号采集模块;101、振动信号传感器;2、信号处理模块;201、模数转换模块;202、数学分析模块;3、无线传输模块;4、后台服务器;5、显示终端;501、通信模块。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然,所描述发实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面通过具体的实施例并结合附图对本发明做进一步的详细描述。
实施例1
一种基于振动信号的机械链接松动检测与预警方法,通过采集机械链接件的振动器件的振动信号来判断机械链接件的松动情况并给出预警信息。
在本实施例中,如图1所示,实现所述基于振动信号的机械链接松动检测与预警方法的系统包括信号采集模块1、信号处理模块2、无线传输模块3、后台服务器4和显示终端5,所述信号采集模块1、所述信号处理模块2、所述无线传输模块3、所述后台服务器4和所述显示终端5依次相连。所述无线传输模块3为GPRS模块。所述显示终端5为台式电脑,所述显示终端5内设有通信模块501,用于接收所述后台服务器4发送的所述机械链接件的实际运行状态和预警信息,并在所述显示终端5实时在线显示,供工作人员随时查看。
在本实施例中,所述信号采集模块1包括振动信号传感器101,所述振动信号传感器101置于所述机械链接件中。所述振动信号传感器101采集机械振动时所述机械链接件产生的原始振动信号,并将所述原始振动信号发送至所述信号处理模块2。
在本实施例中,所述信号处理模块2包括模数转换模块201和数学分析模块202。所述模数转换模块201对所述原始振动信号进行以下的处理步骤:检波、调理、放大、积分和滤波,实现所述原始振动信号的模数转换,消除所述原始振动信号中含有的干扰信号,得到所述机械链接件的振动信号并发送至所述数学分析模块202;所述数学分析模块202利用数学模型对所述振动信号进行分析处理,得到所述振动信号的形态梯度谱、形态梯度谱熵,所述形态梯度谱熵反映了所述振动信号的形态特征和组成变化,进而用来判断产生所述振动信号的所述机械链接件的实际运行状态。
在本实施例中,所述基于振动信号的机械链接松动检测与预警系统包括多个所述机械链接件。具体地,每一个机械链接件对应独立的信号采集、信号处理和运行状态判断,所述无线传输模块3将经采集与处理后的振动信号上传至所述后台服务器4,所述后台服务器4将多个机械链接件的振动信息进行汇集和融合,对机械链接件的健康状态进综合评估判断,给出预警信息,并在所述显示终端5显示出来。
在本实施例中,实现所述基于振动信号的机械链接松动检测与预警系统的方法包括以下步骤,
步骤1、构建基于振动信号的机械链接松动检测与预警系统;
步骤2、所述信号采集模块1通过所述振动信号传感器101采集所述机械链接件的所述原始振动信号;
步骤3、所述模数转换模块201对所述原始振动信号进行处理,将模拟的所述原始振动信号转换成数字信号并滤除所述干扰信号,获得所述机械链接件的振动信号,所述数学分析模块202对所述振动信号进行数学模型分析,获得所述振动信号的形态梯度谱、形态梯度谱熵和所述形态梯度谱熵的偏差值,根据所述形态梯度谱熵的所述偏差值判断所述机械链接件的实际运行状态;
步骤4、通过所述无线传输模块3将前述步骤中的振动信息上传至所述后台服务器4,所述后台服务器4根据前述步骤中的振动信息对所述机械链接件进行性能退化分析,所述机械链接件的性能退化分析包括数据融合、模糊评判和健康诊断,具体表现为,1)所述后台服务器4将所述振动信号、所述形态梯度谱和所述形态梯度谱熵进行多信息融合,依据模糊算法进行综合判断,所述多信息包含速度信息、加速度信息、频率信息、幅度信息和各阶分量信息,2)依据模糊推理机制,对所述机械链接件的实际运行状态构建模糊规则库,进行模糊评判,3)根据前述判断实现对所述机架链接件的健康诊断,并给出预警信息,所述显示终端5通过所述通信模块501接收所述预警信息并显示出来,供工作人员随时查看;
所述步骤3进一步包括,
步骤①,将所述振动信号表示为y(t),对所述振动信号进行模态分析得到振动信号的主要振动模态,每一个振动模态包含振动频率ωi、振动幅度Ai、振动衰减系数si和振动的初始相位所述振动信号表示为
步骤②,根据所述振动信号的振动模态,计算各模态分量与原始振动信号的关联系数,所述关联系数定义为
其中,yi(t)为所述振动信号在第i个采样时间内的振幅,为信号平均振幅,zmi(t)为振动模态m在第i个采样时间内的平均振值,为振动模式m在整个信号周期内的平均值,
步骤③,根据获得的各模态分量以及各模态分量和所述振动信号的所述关联系数进行判断,从而确定所述振动信号的稳态振动信号ys(t),将相关系数最大的信号作为所述振动信号的稳态振动信号,
步骤④,计算所述稳态振动信号的形态梯度谱和形态梯度谱熵,分别为
其中:q(λ)=PGS(λ,g)/∑PGS(λ,g),为梯度算子,PGS(f,λ,g)为形态梯度谱,PFSE(f/g)为数学形态梯度谱熵,Grad(f)为形态梯度算子,f为信号本身,PGS(λ,g)为形态谱,g为单位结构元素,λ为分析尺度,λmax为最大尺度,λmin为最小尺度,
步骤⑤,根据所述振动信号的形态梯度谱熵对所述机械链接件的实际运行情况进行判断,若所述形态梯度谱熵的偏差值达到一定程度,则判定所述机械链接件处于松动状态。
具体地,当所述机械链接件的运行状态被判断为松动状态时,根据所述偏差值的大小将所述机械链接件的运行状态判断为预松动、轻度松动、松动和严重松动,所述偏差值具有经验特性。进一步地,所述机械链接件的实际运行状态包括正常状态和松动状态,预设一偏差阈值,当所述形态梯度谱熵的偏差值小于所述偏差阈值时,判定所述机械链接件处于正常状态;当所述形态梯度谱熵的偏差值大于或等于所述偏差阈值时,判定所述机械链接件处于松动状态。
本发明提供的基于振动信号的机械链接松动检测与预警方法利用所述振动信号的本质判断所述机械链接件的实际运行状态,通过数学分析模型获得所述振动信号的形态梯度谱熵,所述形态梯度谱熵反映所述振动信号的形态特征和组成变化,使得对所述机械链接件的实际运行状态的判断更为准确,并可利用所述后台服务器4对所述机械链接件的健康状况进行综合判断,给出预警信息,实现了对所述机械链接件的实时在线监控和评估。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案。
Claims (8)
1.一种基于振动信号的机械链接松动检测与预警方法,通过采集机械链接件的振动器件的振动信号来判断机械链接件的松动情况并给出预警信息,其特征在于,包括以下步骤:
步骤1、构建基于振动信号的机械链接松动检测与预警系统;
步骤2、采集机械链接件的振动信号;
步骤3、对所述振动信号进行处理,获得所述振动信号的形态梯度谱熵,进而判断所述机械链接件的运行状态;
步骤4、根据前述步骤中的信息进行所述机械链接件的性能退化分析,综合评价所述机械链接件的健康状况,给出预警信息;
所述步骤3进一步包括:
步骤①,将所述振动信号表示为y(t),对所述振动信号进行模态分析得到振动信号的主要振动模态,每一个振动模态包含振动频率ωi、振动幅度Ai、振动衰减系数si和振动的初始相位所述振动信号表示为
步骤②,根据所述振动信号的振动模态,计算各模态分量与原始振动信号的关联系数,所述关联系数定义为
其中,yi(t)为所述振动信号在第i个采样时间内的振幅,为信号平均振幅,zmi(t)为振动模态m在第i个采样时间内的平均振值,为振动模式m在整个信号周期内的平均值,
步骤③,根据获得的各模态分量以及各模态分量和所述振动信号的所述关联系数进行判断,从而确定所述振动信号的稳态振动信号ys(t),将相关系数最大的信号作为所述振动信号的稳态振动信号,
步骤④,计算所述稳态振动信号的形态梯度谱和形态梯度谱熵,分别为
其中:q(λ)=PGS(λ,g)/∑PGS(λ,g),为梯度算子,PGS(f,λ,g)为形态梯度谱,PFSE(f/g)为数学形态梯度谱熵,Grad(f)为形态梯度算子,f为信号本身,PGS(λ,g)为形态谱,g为单位结构元素,λ为分析尺度,λmax为最大尺度,λmin为最小尺度,
步骤⑤,根据所述振动信号的形态梯度谱熵对所述机械链接件的实际运行情况进行判断,若所述形态梯度谱熵的偏差值达到一定程度,则判定所述机械链接件处于松动状态。
2.如权利要求1所述的基于振动信号的机械链接松动检测与预警方法,其特征在于,所述基于振动信号的机械链接松动检测与预警系统包括信号采集模块、信号处理模块、无线传输模块、后台服务器和显示终端,所述信号采集模块、所述信号处理模块、所述无线传输模块、所述后台服务器和所述显示终端依次相连。
3.如权利要求1所述的基于振动信号的机械链接松动检测与预警方法,其特征在于,所述信号采集模块包括振动信号传感器,所述振动信号传感器置于所述机械链接件中。
4.如权利要求1所述的基于振动信号的机械链接松动检测与预警方法,其特征在于,所述信号处理模块包括模数转换模块和数学分析模块。
5.如权利要求1所述的基于振动信号的机械链接松动检测与预警方法,其特征在于,所述步骤3中,当所述机械链接件的运行状态被判断为松动状态时,根据所述偏差值的大小将所述机械链接件的运行状态判断为预松动、轻度松动、松动和严重松动,所述偏差值具有经验特性。
6.如权利要求1所述的基于振动信号的机械链接松动检测与预警方法,其特征在于,所述步骤4中,所述机械链接件的性能退化分析包括数据融合、模糊评判和健康诊断。
7.如权利要求1所述的基于振动信号的机械链接松动检测与预警方法,其特征在于,所述基于振动信号的机械链接松动检测与预警系统包括多个所述机械链接件。
8.如权利要求1所述的基于振动信号的机械链接松动检测与预警方法,其特征在于,所述显示终端包括台式电脑、平板电脑或智能手机中的一个或多个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405776.1A CN108332955A (zh) | 2017-12-22 | 2017-12-22 | 一种基于振动信号的机械链接松动检测与预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405776.1A CN108332955A (zh) | 2017-12-22 | 2017-12-22 | 一种基于振动信号的机械链接松动检测与预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108332955A true CN108332955A (zh) | 2018-07-27 |
Family
ID=62923394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711405776.1A Pending CN108332955A (zh) | 2017-12-22 | 2017-12-22 | 一种基于振动信号的机械链接松动检测与预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108332955A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738169A (zh) * | 2018-11-28 | 2019-05-10 | 浙江未来技术研究院(嘉兴) | 一种通过紧固结构连接的结构件之间紧固状态的检测方法及系统 |
CN110044566A (zh) * | 2018-11-06 | 2019-07-23 | 西安交通大学 | 一种基于振动模态信息的螺栓松动程度判别方法 |
CN111256928A (zh) * | 2020-02-21 | 2020-06-09 | 河南科技大学 | 一种联合收割机振动筛故障检测方法 |
CN111442927A (zh) * | 2020-01-20 | 2020-07-24 | 内蒙古工业大学 | 一种基于多尺度数学形态学的滚动轴承故障诊断方法 |
CN113933563A (zh) * | 2021-09-29 | 2022-01-14 | 国电南瑞科技股份有限公司 | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统 |
CN115684349A (zh) * | 2022-10-28 | 2023-02-03 | 北京交通大学 | 一种基于振动信号的管路磨穿实时预警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102269655A (zh) * | 2010-06-04 | 2011-12-07 | 北京化工大学 | 一种轴承故障的诊断方法 |
CN102564568A (zh) * | 2011-12-29 | 2012-07-11 | 华北电力大学 | 大型旋转机械复杂工况下的早期故障搜索方法 |
CN103335785A (zh) * | 2013-06-24 | 2013-10-02 | 西安交通大学 | 一种基于阶比-全息谱原理的非稳态动平衡方法 |
CN105182172A (zh) * | 2015-07-23 | 2015-12-23 | 广东电网有限责任公司电力科学研究院 | 基于振动信号形态谱的变压器突发短路下绕组状态诊断方法 |
CN106203642A (zh) * | 2016-07-18 | 2016-12-07 | 王力 | 一种电力机车故障预测及健康管理的方法 |
-
2017
- 2017-12-22 CN CN201711405776.1A patent/CN108332955A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102269655A (zh) * | 2010-06-04 | 2011-12-07 | 北京化工大学 | 一种轴承故障的诊断方法 |
CN102564568A (zh) * | 2011-12-29 | 2012-07-11 | 华北电力大学 | 大型旋转机械复杂工况下的早期故障搜索方法 |
CN103335785A (zh) * | 2013-06-24 | 2013-10-02 | 西安交通大学 | 一种基于阶比-全息谱原理的非稳态动平衡方法 |
CN105182172A (zh) * | 2015-07-23 | 2015-12-23 | 广东电网有限责任公司电力科学研究院 | 基于振动信号形态谱的变压器突发短路下绕组状态诊断方法 |
CN106203642A (zh) * | 2016-07-18 | 2016-12-07 | 王力 | 一种电力机车故障预测及健康管理的方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110044566A (zh) * | 2018-11-06 | 2019-07-23 | 西安交通大学 | 一种基于振动模态信息的螺栓松动程度判别方法 |
CN109738169A (zh) * | 2018-11-28 | 2019-05-10 | 浙江未来技术研究院(嘉兴) | 一种通过紧固结构连接的结构件之间紧固状态的检测方法及系统 |
CN109738169B (zh) * | 2018-11-28 | 2020-07-07 | 浙江未来技术研究院(嘉兴) | 一种通过紧固结构连接的结构件之间紧固状态的检测方法及系统 |
CN111442927A (zh) * | 2020-01-20 | 2020-07-24 | 内蒙古工业大学 | 一种基于多尺度数学形态学的滚动轴承故障诊断方法 |
CN111442927B (zh) * | 2020-01-20 | 2022-03-25 | 内蒙古工业大学 | 一种基于多尺度数学形态学的滚动轴承故障诊断方法 |
CN111256928A (zh) * | 2020-02-21 | 2020-06-09 | 河南科技大学 | 一种联合收割机振动筛故障检测方法 |
CN113933563A (zh) * | 2021-09-29 | 2022-01-14 | 国电南瑞科技股份有限公司 | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统 |
CN113933563B (zh) * | 2021-09-29 | 2024-04-26 | 国电南瑞科技股份有限公司 | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统 |
CN115684349A (zh) * | 2022-10-28 | 2023-02-03 | 北京交通大学 | 一种基于振动信号的管路磨穿实时预警方法 |
CN115684349B (zh) * | 2022-10-28 | 2024-04-19 | 北京交通大学 | 一种基于振动信号的管路磨穿实时预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108332955A (zh) | 一种基于振动信号的机械链接松动检测与预警方法 | |
CN104386449B (zh) | 用于矿用皮带运输机头尾轮在线检测智能保护装置 | |
CN112393891B (zh) | 一种农业作业机械关键部件疲劳损伤无线监测系统和方法 | |
WO2022100084A1 (zh) | 一种工业设备异常振动检测装置 | |
CN115159285B (zh) | 电梯状态监测方法及电梯状态监测装置 | |
TWM575368U (zh) | 智能化工具機雲端運算系統 | |
CN208751840U (zh) | 一种机泵健康监测与故障诊断系统 | |
CN114487361A (zh) | 一种油液在线监测系统 | |
CN103424178B (zh) | 制冷设备中压缩机工况检测方法 | |
CN211062177U (zh) | 一种基于bim技术的特种设备监测系统 | |
CN218004099U (zh) | 电子元件生产线在线监管分析系统 | |
CN112326264A (zh) | 一种远程操控工程车辆的运行状态监测及故障诊断系统、方法 | |
CN113697424B (zh) | 一种基于云技术的带式输送机监测与故障诊断系统及方法 | |
CN112594356B (zh) | 一种高铁与地铁齿轮箱运行监测和故障诊断系统 | |
CN114116168A (zh) | 一种虚拟网络流量采集的方法 | |
CN110362036A (zh) | 一种基于倍福工业以太网的机床监测系统和方法 | |
CN111985654A (zh) | 一种智能化设备健康管理系统及方法 | |
CN111242329A (zh) | 一种港口起重机传动部件大数据监控系统及监控方法 | |
CN115898925B (zh) | 一种基于振动信号多阶矩的风机故障预警方法 | |
CN105424387A (zh) | 转向齿轮实时远程智能监控系统 | |
CN115407731A (zh) | 生产线工作状态监测与故障预警系统和方法 | |
CN114838760A (zh) | 温振智能监测模组边缘计算系统 | |
CN201561863U (zh) | 一种矿冶设备故障诊断数据质量保障装置 | |
CN211015603U (zh) | 一种港口起重机传动部件大数据监控系统 | |
CN114415013A (zh) | 一种工业电动机寿命预测及运维系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |