CN108844741A - 一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法 - Google Patents
一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法 Download PDFInfo
- Publication number
- CN108844741A CN108844741A CN201810727759.8A CN201810727759A CN108844741A CN 108844741 A CN108844741 A CN 108844741A CN 201810727759 A CN201810727759 A CN 201810727759A CN 108844741 A CN108844741 A CN 108844741A
- Authority
- CN
- China
- Prior art keywords
- array
- microphone
- signal
- sound source
- filtering
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000003745 diagnosis Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000012952 Resampling Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000001228 spectrum Methods 0.000 claims description 30
- 238000012360 testing method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 241000209140 Triticum Species 0.000 claims 2
- 235000021307 Triticum Nutrition 0.000 claims 2
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 2
- 230000001629 suppression Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 12
- 238000006073 displacement reaction Methods 0.000 description 6
- 238000003491 array Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003862 health status Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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)
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提出一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，该方法通过轨边安装的一种麦克风均匀矩形阵列获取列车行走过程中轮对轴承发出的声音信号，作为待检信号。由面阵中麦克风之间的几何关系，计算目标声源相对麦克风阵列中不同阵元信号相对于基准阵元信号的时延，然后加权滤波并重构时间序列，根据线性最小方差法获得最佳滤波器对原信号滤波，并将滤波后的信号插值重采样，对重采样后得到的信号做包络分析。本发明采用麦克风均匀矩形阵列滤波处理，与现有的单麦克风和线阵方案相比，具有测向精度高、设计简单、自适应强、噪声抑制效果好、诊断结果精度高等优点，特别适合在高速列车轮对轴承故障声学检测中。
Description
技术领域
本发明属于高速列车轴承故障诊断领域，尤其涉及一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法。
背景技术
轮对轴承作为列车主要部件之一，其健康状态直接影响到列车安全运行以及乘客生命财产安全，所以对其健康状态的实时监测诊断、及时报警处理尤为重要。列车在高速运行时，各运动部件都会产生声学信号，并且所带来的陡畸变、强噪声、多声源的问题一直是道旁声学故障诊断的难点。在信号处理领域里，基于传统的单麦克风处理技术，需要一些先验条件，并且在处理由于声源相对运动产生频谱混叠和频偏的多普勒畸变现象时，很难诊断轴承故障频率，而且运算复杂，目标声源信息失真严重；线性阵列技术虽然不需要先验条件，而且运算简单，但是在背景噪声较强的时候，诊断精度较低，而且也不能获得较高精度的时变角度信息。
发明内容
针对以上技术存在的不足，本发明提出一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，采用面阵可以获得目标声源的方位角和俯仰角信息，以获得高精度的时变角度信息，另外采用线性最小方差滤波的方法，最大抑制噪声，对故障轴承声源产生多普勒畸变的校正具有很好的效果，故障频率诊断精度高，并且结构简单，运算方便。
本发明技术解决方案：一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，实现步骤如下：
步骤1、麦克风均匀矩形面阵参数设置
麦克风矩形面阵竖直放置，在XOZ平面上采用共N＝M1×M2个阵元，其中，M1为X方向阵列，M2为Z方向阵列，X方向阵元间距为dx，Z方向阵元间距为dz。阵列安装在阵列架上且正对着轨边轴承并保持面阵的最底排与轴承在同一平面上，因为若阵列中心对准轴承，则声源到达阵列中心两边对称的阵元上，声压是一样的；
步骤2、阵元间距设定
为满足远场模型，设面阵中每条均匀线性阵列之间的间距为D＝n*d，n为阵列间距个数，d为每条线阵中相邻阵元之间间距；声源最高频率对应的波长为λ，则需要声源到阵列中心的距离远大于2D2/λ，为避免波束扫描方向上出现柵瓣，阵元间距必须满足d＜λmin/2，其中，λmin对应于fmax，是信号频谱中最高频率分量对应的波长；
步骤3、麦克风阵列信号的采集以及信号预处理，包括带通滤波
麦克风阵列采集到的信号X＝[x11,x12,…,x21,…,xmn]T，其中，xmn表示为第m行第n列麦克风采集到的信号。对采集到的信号做带通滤波处理，将实验中低频噪声的信号滤掉；
步骤4、计算目标声源相对麦克风阵列中不同阵元信号相对基准阵元信号的时延
在远场条件下，声源可看做是以一组平面波入射到阵列面，轴承声源与Y轴夹角Θ为方位角，与Z轴夹角为俯仰角，则平面波到达第(m1，m2)号阵元和参考阵元(0，0)之间的时间延迟为:
其中，m1＝0，1，...，M1-1；m2＝0，1，...，M2-1；
步骤5、初始化滤波处理并计算目标声源到达麦克风阵列中心的时间
当声源移动到阵列中心的时候，此时声压最强，信号幅值最大，在功率谱中，此时出现峰值。对滤波后的信号进行分帧处理，设定帧长和帧移，对信号做短时傅里叶变换，画出时频曲线，找到目标到达麦克风阵列中心的时间；
步骤6、选取阵列接受目标声源较强的一部分，根据中心时间计算声源的发声时间和麦克风接受时间；
步骤7、根据线性最小方差法获得最佳滤波器，由最佳滤波器对原信号加权滤波，并将滤波后的信号插值重采样；
步骤8、对重采样后得到的信号做包络分析。
其中，所述步骤1中，阵列安装在阵列架上且正对着轨边轴承并保持面阵的最底排与轴承在同一平面上，因为若阵列中心对准轴承，则声源到达阵列中心两边对称的阵元上，声压是一样的。
其中，所述步骤5中，对带通滤波后的信号做希尔伯特变换先恢复其相位信息得到X1，然后对X1做协方差分解并对其取其逆矩阵，采用线性最小方差算法计算滤波器参数，然后再对信号滤波。
本发明与现有技术相比的优点在于：使用麦克风均匀面阵可以获得目标声源的方位角和俯仰角信息，即有更高精度的时变角度信息；结构设计简单，计算方便；线性最小方差滤波器的优势在于，自适应波束能够根据噪声环境自适应调整，从而获得最大噪声抑制；诊断结果有更高的精度，适合轴承在线故障诊断。
附图说明
图1为本发明麦克风均匀矩形面阵几何模型；
图2为本发明的实际轨边声学采集系统的基本模型，其中，1为轴承，2为麦克风面阵，3为采集箱，4为电脑；
图3为本发明中麦克风均匀矩形阵列的实际框架，其中，5为麦克风，6为阵列支架；
图4为本发明方法的基本流程图；
图5为本发明中外圈信号的谱图，图5(a)为本发明中外圈信号的频谱，图5(b)为其包络谱，图5(c)为用均匀线性阵列校正多普勒畸变后的包络谱，图5(d)为用本发明中基于麦克风均匀矩形面阵滤波处理后的包络谱。
图6为本发明中内圈信号的谱图，图6(a)为本发明中内圈信号的频谱，图6(b)为其包络谱，图6(c)为用均匀线性阵列校正多普勒畸变后的包络谱，图6(d)为用本发明中基于麦克风均匀矩形面阵滤波处理后的包络谱。
图7为本发明中滚子信号的谱图，图7(a)为本发明中滚子信号的频谱，图7(b)为其包络谱，图7(c)为用均匀线性阵列校正多普勒畸变后的包络谱，图7(d)为用本发明中基于麦克风均匀矩形面阵滤波处理后的包络谱。
具体实施方式
为了让本发明的上述特征和优点更加明显，下面结合附图及实施例对本发明进行详细说明。
本发明一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，包括以下步骤：
步骤1、麦克风均匀矩形面阵参数设置
如图1所示，麦克风矩形面阵竖直放置，在XOZ平面上采用共N＝M1×M2个阵元，其中，M1为X方向阵列，M2为Z方向阵列，X方向阵元间距为dx，Z方向阵元间距为dz。如图2所示，阵列安装在阵列架上且正对着轨边轴承并保持面阵的最底排与轴承在同一平面上。本实施例中采用5×3矩形阵列，如图3所示；
步骤2、阵元间距设定
为满足远场模型，设面阵中每条均匀线性阵列之间的间距为D＝n*d，n为阵列间距个数，d为每条线阵中相邻阵元之间间距；声源最高频率对应的波长为λ，则需要声源到阵列中心的距离远大于2D2/λ，本实验中，设定距离L为1m。另外，为避免波束扫描方向上出现柵瓣，阵元间距必须满足d＜λmin/2，其中，λmin对应于fmax，是信号频谱中最高频率分量对应的波长。本次实验中，故障轴承的特征频率在2800Hz左右，根据要求计算d<0.06m，所以本实验中选取dx＝0.05m，dz＝0.05m；
步骤3、麦克风阵列信号的采集以及信号预处理，包括带通滤波
本实施例中，分别选取了轨边故障轴承的外圈故障，内圈故障和滚子故障的信号。声源以速度v经过面阵，麦克风阵列采集到的信号X＝[x11,x12,…,x21,…,xmn]T，其中，xmn表示为第m行第n列麦克风采集到的信号。对采集到的信号做带通滤波处理，用巴特沃斯(Butterworth)滤波器滤波，带通频率范围为[2000,4000]，将实验中低频噪声的信号滤掉；
步骤4、计算目标声源相对麦克风阵列中不同阵元信号相对基准阵元信号的时延
在远场条件下，声源可看做是以一组平面波入射到阵列面，轴承声源与Y轴夹角Θ为方位角，与Z轴夹角为俯仰角，则平面波到达第(m1，m2)号阵元和参考阵元(0，0)之间的时间延迟为:
其中，m1＝0，1，...，M1-1；m2＝0，1，...，M2-1；
步骤5、初始化滤波处理并计算目标声源到达麦克风阵列中心的时间
当声源移动到阵列中心的时候，此时声压最强，信号幅值最大，在功率谱中，此时出现峰值。对滤波后的信号进行分帧处理，设定帧长为100和帧移为80，对信号做短时傅里叶变换，画出时频曲线，找到目标到达麦克风阵列中心的时间；
步骤6、选取阵列接受目标声源较强的一部分，根据中心时间计算声源的发声时间和麦克风接受时间；
步骤7、根据线性最小方差法获得最佳滤波器，由最佳滤波器对原信号加权滤波，并将滤波后的信号插值重采样；
步骤8、对重采样后得到的信号做包络分析。
实施例1：外圈故障信号
转速为1772rpm，故障频率为106.3Hz，动态实验中车速v＝19.26m/s，声源与麦克风面阵垂直距离为l＝1m，采样频率为20kHz，麦克风阵列为5×3矩形面阵，阵列间距dx＝dz＝0.05m。
根据上述步骤，将采集的信号先经过带通滤波滤掉实验中低频噪声的影响，再做FFT变换，图5(a)为外圈故障信号频谱，图5(b)为其包络谱，从中可以看出，由于声源的相对运动产生多普勒畸变，产生频移和混叠，无法对轴承故障诊断。采用本发明的一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，将带通滤波后的信号进行分帧处理，对每一帧做短时傅里叶变换并画出时频曲线，找到目标到达麦克风阵列中心的时间。选取阵列接受目标声源较强的一部分，根据中心时间计算声源的发声时间和麦克风接受时间，根据线性最小方差法获得最佳滤波器，由最佳滤波器对原信号加权滤波，并将滤波后的信号插值重采样，对重采样后得到的信号做包络分析。图5(c)为采用传统线性阵列处理结果包络谱，图5(d)为本发明校正信号包络谱，可以看到频移和混叠得到消除，故障频率明显，而且相比较传统线性阵列具有更好的倍频信息，说明本发明在高速列车故障诊断中具有明显的优势。
实施例2：内圈故障信号
转速为1772rpm，故障频率为159.6Hz，动态实验中车速v＝28.14m/s，声源与麦克风面阵垂直距离为l＝1m，采样频率为20kHz，麦克风阵列为5×3矩形面阵，阵列间距dx＝dz＝0.05m。
根据上述步骤，将采集的信号先经过带通滤波滤掉实验中低频噪声的影响，再做FFT变换，图6(a)为内圈故障信号频谱，图6(b)为其包络谱，从中可以看出，由于声源的相对运动产生多普勒畸变，产生频移和混叠，无法对轴承故障诊断。采用本发明的一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，将带通滤波后的信号进行分帧处理，对每一帧做短时傅里叶变换并画出时频曲线，找到目标到达麦克风阵列中心的时间。选取阵列接受目标声源较强的一部分，根据中心时间计算声源的发声时间和麦克风接受时间，根据线性最小方差法获得最佳滤波器，由最佳滤波器对原信号加权滤波，并将滤波后的信号插值重采样，对重采样后得到的信号做包络分析。图6(c)为采用传统线性阵列处理结果包络谱，图6(d)为本发明校正信号包络谱，可以看到频移和混叠得到消除，故障频率明显，而且相比较传统线性阵列不仅基频故障频率明显，而且具有更好的倍频信息，说明本发明在高速列车故障诊断中具有明显的优势。
实施例3：滚子故障信号
转速为1772rpm，故障频率为69.6Hz，动态实验中车速v＝29.09m/s，声源与麦克风面阵垂直距离为l＝1m，采样频率为20kHz，麦克风阵列为5×3矩形面阵，阵列间距dx＝dz＝0.05m。
根据上述步骤，将采集的信号先经过带通滤波滤掉实验中低频噪声的影响，再做FFT变换，图7(a)为滚子故障信号频谱，图7(b)为其包络谱，从中可以看出，由于声源的相对运动产生多普勒畸变，产生频移和混叠，无法对轴承故障诊断。采用本发明的一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，将带通滤波后的信号进行分帧处理，对每一帧做短时傅里叶变换并画出时频曲线，找到目标到达麦克风阵列中心的时间。选取阵列接受目标声源较强的一部分，根据中心时间计算声源的发声时间和麦克风接受时间，根据线性最小方差法获得最佳滤波器，由最佳滤波器对原信号加权滤波，并将滤波后的信号插值重采样，对重采样后得到的信号做包络分析。图7(c)为采用传统线性阵列处理结果包络谱，诊断结果没有滚子故障的基频成分，而是呈二倍频出现，图7(d)为本发明校正信号包络谱，可以看到频移和混叠得到消除，故障频率明显，而且相比较传统线性阵列具有更好的倍频信息，说明本发明在高速列车故障诊断中具有明显的优势。
综上所述，本说明书实验是对本发明的阐述和验证，但本发明保护范围并不仅限于本说明中的实验，本领域的技术人员在不脱离本发明技术方案范围内，对实验做出任何的修改或等同变化均属于本发明范围内。
Claims (3)
1.一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，其特征在于，包括以下步骤：
步骤1、麦克风均匀矩形面阵参数设置
麦克风矩形面阵竖直放置，在XOZ平面上采用共N＝M1×M2个阵元，其中，M1为X方向阵列，M2为Z方向阵列，X方向阵元间距为dx，Z方向阵元间距为dz；
步骤2、阵元间距设定
为满足远场模型，设面阵中每条均匀线性阵列之间的间距为D＝n*d，n为阵列间距个数，d为每条线阵中相邻阵元之间间距；声源最高频率对应的波长为λ，则需要声源到阵列中心的距离远大于2D2/λ，为避免波束扫描方向上出现柵瓣，阵元间距必须满足d＜λmin/2，其中，λmin对应于fmax，是信号频谱中最高频率分量对应的波长；
步骤3、麦克风阵列信号的采集以及信号预处理，包括带通滤波
麦克风阵列采集到的信号X＝[x11,x12,…,x21,…,xmn]T，其中，xmn表示为第m行第n列麦克风采集到的信号，对采集到的信号做带通滤波处理，将实验中低频噪声的信号滤掉；
步骤4、计算目标声源相对麦克风阵列中不同阵元信号相对基准阵元信号的时延
在远场条件下，声源可看做是以一组平面波入射到阵列面，轴承声源与Y轴夹角Θ为方位角，与Z轴夹角为俯仰角，则平面波到达第(m1，m2)号阵元和参考阵元(0，0)之间的时间延迟为：
其中，m1＝0，1，...，M1-1；m2＝0，1，...，M2-1；
步骤5、初始化滤波处理并计算目标声源到达麦克风阵列中心的时间
当声源移动到阵列中心的时候，此时声压最强，信号幅值最大，在功率谱中，此时出现峰值，对滤波后的信号进行分帧处理，设定帧长和帧移，对信号做短时傅里叶变换，画出时频曲线，找到目标到达麦克风阵列中心的时间；
步骤6、选取阵列接受目标声源较强的一部分，根据中心时间计算声源的发声时间和麦克风接受时间；
步骤7、根据线性最小方差法获得最佳滤波器，由最佳滤波器对原信号加权滤波，并将滤波后的信号插值重采样；
步骤8、对重采样后得到的信号做包络分析。
2.根据权利要求1所述的一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，其特征在于：所述步骤1中，阵列安装在阵列架上且正对着轨边轴承并保持面阵的最底排与轴承在同一平面上，因为若阵列中心对准轴承，则声源到达阵列中心两边对称的阵元上，声压是一样的。
3.根据权利要求1所述的一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法，其特征在于：所述步骤5中，对带通滤波后的信号做希尔伯特变换先恢复其相位信息得到X1，然后对X1做协方差分解并对其取其逆矩阵，采用线性最小方差算法计算滤波器参数，然后再对信号滤波。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810727759.8A CN108844741B (zh) | 2018-07-05 | 2018-07-05 | 一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810727759.8A CN108844741B (zh) | 2018-07-05 | 2018-07-05 | 一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108844741A true CN108844741A (zh) | 2018-11-20 |
| CN108844741B CN108844741B (zh) | 2019-10-18 |
Family
ID=64201191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810727759.8A Active CN108844741B (zh) | 2018-07-05 | 2018-07-05 | 一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108844741B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109781410A (zh) * | 2019-01-22 | 2019-05-21 | 北京君林科技股份有限公司 | 一种声纹识别的轴承故障检测方法及装置 |
| CN110740407A (zh) * | 2019-10-24 | 2020-01-31 | 安徽大学 | 一种基于双麦克风的列车轴承轨边声学信号主动降噪方法 |
| CN112781864A (zh) * | 2020-12-25 | 2021-05-11 | 哈尔滨铁路科研所科技有限公司 | 动车底部传动系统故障诊断方法、装置和系统 |
| CN113188797A (zh) * | 2021-04-16 | 2021-07-30 | 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 |
| CN113447270A (zh) * | 2021-07-23 | 2021-09-28 | 上海工程技术大学 | 一种轨道车辆牵引电机轴承声学监测系统及方法 |
| CN115356134A (zh) * | 2022-10-19 | 2022-11-18 | 成都盛锴科技有限公司 | 一种基于声学成像的列车走行部异音检测系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202735105U (zh) * | 2012-07-03 | 2013-02-13 | 上海电机学院 | 一种故障检测装置 |
| CN105258785A (zh) * | 2015-10-20 | 2016-01-20 | 中国电子科技集团公司第三研究所 | 声学监测站、车轮检测方法和列车轴承故障被动声学诊断系统 |
| CN105865788A (zh) * | 2016-04-07 | 2016-08-17 | 成都铁安科技有限责任公司 | 一种用于列车轴承缺陷在线监测的阵列声学检测方法 |
| CN106153335A (zh) * | 2015-02-10 | 2016-11-23 | 中国科学院声学研究所 | 一种列车轴承声学在线故障诊断系统及方法 |
| CN106226078A (zh) * | 2016-07-01 | 2016-12-14 | 中国科学技术大学 | 一种基于麦克风阵列的多普勒畸变声学信号的校正方法 |
| CN107797096A (zh) * | 2017-10-20 | 2018-03-13 | 电子科技大学 | 一种基于麦克风面阵的鸣笛检测定位方法 |
| CN108008355A (zh) * | 2017-05-18 | 2018-05-08 | 南京航空航天大学 | 基于四元正交麦克风阵列的稳健声源定位方法 |
-
2018
- 2018-07-05 CN CN201810727759.8A patent/CN108844741B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202735105U (zh) * | 2012-07-03 | 2013-02-13 | 上海电机学院 | 一种故障检测装置 |
| CN106153335A (zh) * | 2015-02-10 | 2016-11-23 | 中国科学院声学研究所 | 一种列车轴承声学在线故障诊断系统及方法 |
| CN105258785A (zh) * | 2015-10-20 | 2016-01-20 | 中国电子科技集团公司第三研究所 | 声学监测站、车轮检测方法和列车轴承故障被动声学诊断系统 |
| CN105865788A (zh) * | 2016-04-07 | 2016-08-17 | 成都铁安科技有限责任公司 | 一种用于列车轴承缺陷在线监测的阵列声学检测方法 |
| CN106226078A (zh) * | 2016-07-01 | 2016-12-14 | 中国科学技术大学 | 一种基于麦克风阵列的多普勒畸变声学信号的校正方法 |
| CN108008355A (zh) * | 2017-05-18 | 2018-05-08 | 南京航空航天大学 | 基于四元正交麦克风阵列的稳健声源定位方法 |
| CN107797096A (zh) * | 2017-10-20 | 2018-03-13 | 电子科技大学 | 一种基于麦克风面阵的鸣笛检测定位方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109781410A (zh) * | 2019-01-22 | 2019-05-21 | 北京君林科技股份有限公司 | 一种声纹识别的轴承故障检测方法及装置 |
| CN110740407A (zh) * | 2019-10-24 | 2020-01-31 | 安徽大学 | 一种基于双麦克风的列车轴承轨边声学信号主动降噪方法 |
| CN112781864A (zh) * | 2020-12-25 | 2021-05-11 | 哈尔滨铁路科研所科技有限公司 | 动车底部传动系统故障诊断方法、装置和系统 |
| CN113188797A (zh) * | 2021-04-16 | 2021-07-30 | 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 |
| 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 |
| CN113447270A (zh) * | 2021-07-23 | 2021-09-28 | 上海工程技术大学 | 一种轨道车辆牵引电机轴承声学监测系统及方法 |
| CN113447270B (zh) * | 2021-07-23 | 2023-09-01 | 上海工程技术大学 | 一种轨道车辆牵引电机轴承声学监测系统及方法 |
| CN115356134A (zh) * | 2022-10-19 | 2022-11-18 | 成都盛锴科技有限公司 | 一种基于声学成像的列车走行部异音检测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108844741B (zh) | 2019-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108844741A (zh) | 一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法 | |
| CN102539150B (zh) | 基于连续小波变换的旋转机械部件的自适应故障诊断方法 | |
| CN109708891B (zh) | 一种柔性椭圆轴承滚道故障诊断方法 | |
| CN108801637A (zh) | 一种用于列车轴承轨边声学检测的抛物面声镜阵列采集装置 | |
| CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
| CN103424258A (zh) | 一种滚动轴承的故障诊断方法 | |
| CN105865788A (zh) | 一种用于列车轴承缺陷在线监测的阵列声学检测方法 | |
| AT521132B1 (de) | Vorrichtung, System und Verfahren zur räumlichen Lokalisierung von Schallquellen | |
| CN112926014B (zh) | 基于rls与rssd的滚动轴承声信号多频带融合故障诊断方法 | |
| CN111954121B (zh) | 一种麦克风阵列定向拾音方法及系统 | |
| Yu et al. | Feature enhancement method of rolling bearing acoustic signal based on RLS-RSSD | |
| He et al. | Trackside acoustic detection of axle bearing fault using wavelet domain moving beamforming method | |
| CN112485028B (zh) | 振动信号的特征频谱提取方法及机械故障诊断分析方法 | |
| CN111248858B (zh) | 一种基于频域波数域的光声断层成像重建方法 | |
| WO2024212785A1 (zh) | 一种色散补偿方法、装置、电子设备及存储介质 | |
| Shuai et al. | Research on acoustic fault diagnosis of bearings based on spatial filtering and time-frequency domain filtering | |
| CN109934136A (zh) | 基于Duffing振子和本征模式分量的滚动轴承故障诊断方法 | |
| CN113188797B (zh) | 一种基于传声器阵列的轴承故障诊断方法 | |
| CN114578290A (zh) | 一种基于频率修正的麦克风阵列声源定位方法 | |
| CN117571316A (zh) | 一种复合故障诊断方法及系统 | |
| CN108398267B (zh) | 一种高速列车轨边运动参数自适应识别方法 | |
| CN209783909U (zh) | 一种滚动轴承多阶段故障预判系统 | |
| CN104914162A (zh) | 相控阵定量化损伤监测方法、装置和系统 | |
| CN114060291A (zh) | 基于联轴器不对中工况的离心泵多源信号并行处理方法 | |
| CN102063894A (zh) | 转子碰摩声发射信号降噪方法 |
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 |