CN109443769A - 电机轴承状态的检测方法、系统、装置及可读存储介质 - Google Patents
电机轴承状态的检测方法、系统、装置及可读存储介质 Download PDFInfo
- Publication number
- CN109443769A CN109443769A CN201811242981.5A CN201811242981A CN109443769A CN 109443769 A CN109443769 A CN 109443769A CN 201811242981 A CN201811242981 A CN 201811242981A CN 109443769 A CN109443769 A CN 109443769A
- Authority
- CN
- China
- Prior art keywords
- state
- motor bearings
- fan operation
- operation parameter
- current
- 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
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
-
- 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)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种电机轴承状态的检测方法、系统、装置及可读存储介质,包括获取电机轴承在每一状态下对应的风机运行参数,其中,风机运行参数包括轴承温度、轴承振动加速度及风机出风口的风速,状态包括正常状态和N种故障状态;根据所有风机运行参数构建状态检测网络;获取待测电机轴承在当前状态下对应的当前风机运行参数,将当前风机运行参数输入状态检测网络,得到待测电机轴承的当前状态。本发明针对轨道运输的复杂工况,在监测轴承温度及轴承振动加速度的基础上对风机的整体运行状态进行监测,减弱了由于轨道变化引起车体振动造成轴承振动信号异常的干扰,降低了错检率,提高了检测效率。
Description
技术领域
本发明涉及轨道交通领域,特别是涉及一种电机轴承状态的检测方法、系统、装置及可读存储介质。
背景技术
风机是冶金、石化、电力、城市轨道交通、纺织、船舶等国民经济各领域以及各种场所通风换气的关键系统部件,其健康状态一直是关注的重点。根据以往的故障数据分析,电机轴承故障占风机总故障数的75%,当出现电机轴承故障时,风机已不能继续使用,因此,需要对电机轴承的状态进行检测,目前,一般是通过对电机轴承的运行温度和振动速度进行报警阈值设定来检测电机轴承的状态,考虑到轨道交通车辆在运行过程中车体自身振动信号复杂,且没有合适的方法对其自身振动信号的干扰进行排除,因此在通过现有方案对轨道交通车辆上的风机的电机轴承进行检测时,错检率高,检测效率低。
因此,如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
发明内容
本发明的目的是提供一种电机轴承状态的检测方法,针对轨道运输的复杂工况,减弱了由于轨道变化引起车体振动造成轴承振动信号异常的干扰,降低了错检率,提高了检测效率;本发明的另一目的是提供一种电机轴承状态的检测系统、装置及可读存储介质。
为解决上述技术问题,本发明提供了一种电机轴承状态的检测方法,包括:
获取电机轴承在每一状态下对应的风机运行参数,其中,所述风机运行参数包括轴承温度、轴承振动加速度及风机出风口的风速,所述状态包括正常状态和N种故障状态,N为正整数;
根据所有所述风机运行参数构建状态检测网络;
获取待测电机轴承在当前状态下对应的当前风机运行参数,将当前风机运行参数输入所述状态检测网络,得到所述待测电机轴承的当前状态。
优选的,所述获取电机轴承在每一状态下对应的风机运行参数的过程具体为:
通过振动加速度传感器获取电机轴承在每一状态下对应的轴承振动加速度;
通过温度传感器获取所述电机轴承在每一所述状态下对应的轴承温度;
通过风速传感器获取所述电机轴承在每一所述状态下对应的风机出风口的风速。
优选的,所述根据所有所述风机运行参数构建状态检测网络的过程具体为:
通过每一所述状态及每一所述状态下对应的风机运行参数训练三层深度信念神经网络的权值矩阵,以得到状态检测网络。
优选的,所述通过每一所述状态及每一所述状态下对应的风机运行参数训练三层深度信念神经网络的权值矩阵的过程具体为:
对获取到的每一所述风机运行参数进行特征提取得到特征信号;
通过每一所述状态及每一所述状态下对应的特征信号训练三层深度信念神经网络的权值矩阵;
相应的,所述将当前风机运行参数输入所述状态检测网络的过程具体为:
对当前风机运行参数进行所述特征提取得到当前特征信号;
将当前特征信号输入所述状态检测网络。
优选的,所述对获取到的每一所述风机运行参数进行特征提取得到特征信号的过程具体为:
通过小波包分解重构算法对获取到的每一所述风机运行参数进行特征提取得到特征信号;
相应的,所述对当前风机运行参数进行所述特征提取得到当前特征信号的过程具体为:
通过所述小波包分解重构算法对当前风机运行参数进行所述特征提取得到当前特征信号。
优选的,所述得到所述待测电机轴承的当前状态的同时,该电机轴承状态的检测方法还包括:
显示所述待测电机轴承的当前状态。
优选的,所述得到所述待测电机轴承的当前状态之后,该电机轴承状态的检测方法还包括:
在当前状态满足故障条件时,通过报警装置发出警报,以便提醒操作员对所述待测电机轴承进行处理。
为解决上述技术问题,本发明还提供了一种电机轴承状态的检测系统,包括:
获取模块,用于获取电机轴承在每一状态下对应的风机运行参数,其中,所述风机运行参数包括轴承温度、轴承振动加速度及风机出风口的风速,所述状态包括正常状态和N种故障状态,N为正整数;
构建模块,用于根据所有所述风机运行参数构建状态检测网络;
诊断模块,用于获取待测电机轴承在当前状态下对应的当前风机运行参数,将当前风机运行参数输入所述状态检测网络,得到所述待测电机轴承的当前状态。
为解决上述技术问题,本发明还提供了一种电机轴承状态的检测装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上文任意一项所述电机轴承状态的检测方法的步骤。
为解决上述技术问题,本发明还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上文任意一项所述电机轴承状态的检测方法的步骤。
本发明提供了一种电机轴承状态的检测方法,包括获取电机轴承在每一状态下对应的风机运行参数,其中,风机运行参数包括轴承温度、轴承振动加速度及风机出风口的风速,状态包括正常状态和N种故障状态,N为正整数;根据所有风机运行参数构建状态检测网络;获取待测电机轴承在当前状态下对应的当前风机运行参数,将当前风机运行参数输入状态检测网络,得到待测电机轴承的当前状态。
可见,在实际应用中,采用本发明的方案,针对轨道运输的复杂工况,在监测轴承温度及轴承振动加速度的基础上对风机的整体运行状态同时进行监测,使得获取的数据在一定程度上可以减弱整车振动信号的干扰,然后通过电机轴承在不同状态下对应的温度、风机出风口的风速和振动加速度三类信息构建状态检测网络,通过该状态检测网络对待测电机轴承的当前状态进行检测,减弱了由于轨道变化引起车体振动造成轴承振动信号异常的干扰,降低了错检率,提高了检测效率。
本发明还提供了一种电机轴承状态的检测系统、装置及可读存储介质,具有和上述检测方法相同的有益效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对现有技术和实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种电机轴承状态的检测方法的步骤流程图;
图2为本发明所提供的一种电机轴承状态的检测系统的结构示意图。
具体实施方式
本发明的核心是提供一种电机轴承状态的检测方法,针对轨道运输的复杂工况,减弱了由于轨道变化引起车体振动造成轴承振动信号异常的干扰,降低了错检率,提高了检测效率;本发明的另一核心是提供一种电机轴承状态的检测系统、装置及可读存储介质。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图1,图1为本发明所提供的一种电机轴承状态的检测方法的步骤流程图,包括:
步骤1:获取电机轴承在每一状态下对应的风机运行参数,其中,风机运行参数包括轴承温度、轴承振动加速度及风机出风口的风速,状态包括正常状态和N种故障状态,N为正整数;
可以理解的是,电机轴承的状态包括正常状态及N种故障状态,即电机轴承的状态共有N+1种,其中,故障状态中可以包括可维护的故障状态及需更换的故障状态。
具体的,获取电机轴承在每种状态下所对应的轴承温度、轴承振动加速度以及风机出风口的风速,考虑到电机轴承故障必然引起风机出风口的风速变化,因此风机的运行情况也可以作为电机轴承是否存在故障的判断依据,可以理解的是,风速变化并不一定都是电机轴承故障引起的,因此风机出风口的风速异常可以看作是电机轴承故障的必要非充分条件。本发明在监测轴承温度及轴承振动加速度的基础上对风机的整体运行状态同时进行监测,可以从一定程度上减弱由于轨道变化引起车体振动造成轴承振动信号异常的干扰,降低错检率,提高检测效率。
步骤2:根据所有风机运行参数构建状态检测网络;
步骤3:获取待测电机轴承在当前状态下对应的当前风机运行参数,将当前风机运行参数输入状态检测网络,得到待测电机轴承的当前状态。
作为一种优选的实施例,获取电机轴承在每一状态下对应的风机运行参数的过程具体为:
通过振动加速度传感器获取电机轴承在每一状态下对应的轴承振动加速度;
通过温度传感器获取电机轴承在每一状态下对应的轴承温度;
通过风速传感器获取电机轴承在每一状态下对应的风机出风口的风速。
具体的,根据获取到的电机轴承在不同状态下所对应的风机运行参数来训练构建状态检测网络,通过该状态检测网络对待测电机轴承的当前状态进行检测,得到待测电机轴承的当前状态,当前状态属于上述N+1种状态类别中的任意一种。
其中,对风机运行参数进行监测可以是实时的,即振动加速度传感器实时监测电机轴承的轴承振动加速度、温度传感器实时监测电机轴承的轴承温度、风速传感器实时监测风机出风口的风机出风口的风速,而获取风机运行参数进行处理和判断的过程,可以按预设时间间隔获取。
本发明提供了一种电机轴承状态的检测方法,包括获取电机轴承在每一状态下对应的风机运行参数,其中,风机运行参数包括轴承温度、轴承振动加速度及风机出风口的风速,状态包括正常状态和N种故障状态,N为正整数;根据所有风机运行参数构建状态检测网络;获取待测电机轴承在当前状态下对应的当前风机运行参数,将当前风机运行参数输入状态检测网络,得到待测电机轴承的当前状态。
可见,在实际应用中,采用本发明的方案,针对轨道运输的复杂工况,在监测轴承温度及轴承振动加速度的基础上对风机的整体运行状态同时进行监测,使得获取的数据在一定程度上可以减弱整车振动信号的干扰,然后通过电机轴承在不同状态下对应的温度、风机出风口的风速和振动加速度三类信息构建状态检测网络,通过该状态检测网络对待测电机轴承的当前状态进行检测,减弱了由于轨道变化引起车体振动造成轴承振动信号异常的干扰,降低了错检率,提高了检测效率。
在上述实施例的基础上:
作为一种优选的实施例,根据所有风机运行参数构建状态检测网络的过程具体为:
通过每一状态及每一状态下对应的风机运行参数训练三层深度信念神经网络的权值矩阵,以得到状态检测网络。
具体的,三层深度信念神经网络,即采用含有三个隐藏层的网络,三层隐藏层是深度信念神经网络的最低隐藏层数,隐藏层数可以增加,但是考虑到计算时间和效率,本发明选择了三层,以达到识别能力较强而费时相对较短的目的,进一步提高了检测效率。
具体的,电机轴承的状态类别是已知的,共有N+1种,将电机轴承的每一状态及在每一状态下对应的风机运行参数共同输入到设有初始权值矩阵的三层深度信念神经网络中,对该三层深度信念神经网络的初始权值矩阵进行训练,得到状态检测网络,可以理解的是,状态检测网络中的权值矩阵是训练后的权值矩阵,可以在后续对待测电机轴承的当前状态进行N+1种类别的检测,上述过程也可以理解为,通过所有风机运行参数及与每一风机运行参数所对应的状态求权值矩阵,然后通过待测电机轴承的当前风机运行参数和求得的权值矩阵得到检测结果(当前状态)。
作为一种优选的实施例,通过每一状态及每一状态下对应的风机运行参数训练三层深度信念神经网络的权值矩阵的过程具体为:
对获取到的每一风机运行参数进行特征提取得到特征信号;
通过每一状态及每一状态下对应的特征信号训练三层深度信念神经网络的权值矩阵;
相应的,将当前风机运行参数输入状态检测网络的过程具体为:
对当前风机运行参数进行特征提取得到当前特征信号;
将当前特征信号输入状态检测网络。
具体的,在构建状态检测网络及通过状态检测网络检测待测电机轴承状态时,通常是将获取到的风机运行参数(包括轴承温度、轴承振动加速度及风机出风口的风速)粘接后,再输入到状态检测网络中,考虑到粘接后的数据量较大,因此本发明对获取到的每一风机运行参数先进行特征提取,进行特征提取的目的主要是为了对数据量进行压缩,使得输入到状态检测网络的数据量更小,后续进行检测时精准度更高,其中,特征提取得到的是该风机运行参数的频谱能量分布。
具体的,本发明在进行网络训练阶段,对每一状态都获取大量的特征信号,将该状态及该状态下不同的特征信号都输入到待训练的三层深度信念神经网络中进行训练,以使得到的状态检测网络可靠性更高,后续对待测电机轴承的当前状态进行检测时,检测精准度更高。
作为一种优选的实施例,对获取到的每一风机运行参数进行特征提取得到特征信号的过程具体为:
通过小波包分解重构算法对获取到的每一风机运行参数进行特征提取得到特征信号;
相应的,对当前风机运行参数进行特征提取得到当前特征信号的过程具体为:
通过小波包分解重构算法对当前风机运行参数进行特征提取得到当前特征信号。
具体的,小波包分解算法可以实现将数据量压缩,使得后期的检测时间缩短,实现高效检测。
作为一种优选的实施例,得到待测电机轴承的当前状态的同时,该电机轴承状态的检测方法还包括:
显示待测电机轴承的当前状态。
具体的,在检测到待测电机轴承的当前状态后,可以通过显示装置显示检测到的状态,以便操作员可以根据显示装置上显示的状态,对待测电机轴承进行相应的处理,如当前状态为正常状态,则不需要对待测电机轴承进行处理,如当前状态为N种故障状态中的待更换状态,则对待测电机轴承进行更换,如当前状态为N种故障状态中的待维护状态,则对待测电机轴承进行维护等。显示当前状态可以具体显示为文字或与该状态对应的代码,根据实际工程需要设置即可,本发明在此不做限定。
作为一种优选的实施例,得到待测电机轴承的当前状态之后,该电机轴承状态的检测方法还包括:
在当前状态满足故障条件时,通过报警装置发出警报,以便提醒操作员对待测电机轴承进行处理。
具体的,考虑到电机轴承故障时,会影响到风机的正常工作,因此在待测电机轴承的当前状态为任意一种故障状态时,通过报警装置发出警报,以提醒操作员注意,及时对故障的待测电机轴承进行相应的处理,提高了本方案的安全性。
其中,报警装置可以选择成本较低、便于集成的指示灯和/或蜂鸣器,根据实际工程需要选择即可,本发明在此不做限定。
综上所述,本发明针对轨道运输的复杂工况,在监测轴承温度及振动加速度的基础上对风机的整体运行状态同时进行监测,将轴承温度、风机出风口的风速和轴承振动加速度三类信息粘连后通过小波包分解重构算法进行特征提取和数据压缩,减少了数据量,加快网络运行速度,提高了识别效率,然后使用提取到的特征信号和N+1种类别的状态对三层深度信念神经网络进行权值矩阵训练,最后用训练好的状态检测网络对待测电机轴承的特征信号直接进行N+1种状态分类检测,以便操作员可以根据检测结果确定待测电机轴承是否需要某种维护或更换,在一定程度上减弱了由于轨道变化引起车体振动造成轴承振动信号异常的干扰,降低了错检率,提高了检测效率。
请参照图2,图2为本发明所提供的一种电机轴承状态的检测系统的结构示意图,包括:
获取模块1,用于获取电机轴承在每一状态下对应的风机运行参数,其中,风机运行参数包括轴承温度、轴承振动加速度及风机出风口的风速,状态包括正常状态和N种故障状态,N为正整数;
构建模块2,用于根据所有风机运行参数构建状态检测网络;
诊断模块3,用于获取待测电机轴承在当前状态下对应的当前风机运行参数,将当前风机运行参数输入状态检测网络,得到待测电机轴承的当前状态。
作为一种优选的实施例,获取模块1具体用于:
通过振动加速度传感器获取电机轴承在每一状态下对应的轴承振动加速度;
通过温度传感器获取电机轴承在每一状态下对应的轴承温度;
通过风速传感器获取电机轴承在每一状态下对应的风机出风口的风速。
作为一种优选的实施例,构建模块2具体用于:
通过每一状态及每一状态下对应的风机运行参数训练三层深度信念神经网络的权值矩阵,以得到状态检测网络。
作为一种优选的实施例,通过每一状态及每一状态下对应的风机运行参数训练三层深度信念神经网络的权值矩阵的过程具体为:
对获取到的每一风机运行参数进行特征提取得到特征信号;
通过每一状态及每一状态下对应的特征信号训练三层深度信念神经网络的权值矩阵;
相应的,将当前风机运行参数输入状态检测网络的过程具体为:
对当前风机运行参数进行特征提取得到当前特征信号;
将当前特征信号输入状态检测网络。
作为一种优选的实施例,对获取到的每一风机运行参数进行特征提取得到特征信号的过程具体为:
通过小波包分解重构算法对获取到的每一风机运行参数进行特征提取得到特征信号;
相应的,对当前风机运行参数进行特征提取得到当前特征信号的过程具体为:
通过小波包分解重构算法对当前风机运行参数进行特征提取得到当前特征信号。
作为一种优选的实施例,该电机轴承状态的检测系统还包括:
显示模块,用于显示待测电机轴承的当前状态。
作为一种优选的实施例,该电机轴承状态的检测方法还包括:
报警模块,用于在当前状态满足故障条件时,发出警报,以便提醒操作员对待测电机轴承进行处理。
本发明所提供的一种电机轴承状态的检测系统,具有和上述检测方法相同的有益效果。
对于本发明所提供的一种电机轴承状态的检测系统的介绍请参照上述实施例,本发明在此不再赘述。
相应的,本发明还提供了一种电机轴承状态的检测装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上文任意一项电机轴承状态的检测方法的步骤。
本发明所提供的一种电机轴承状态的检测装置,具有和上述检测方法相同的有益效果。
对于本发明所提供的一种电机轴承状态的检测装置的介绍请参照上述实施例,本发明在此不再赘述。
相应的,本发明还提供了一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上文任意一项电机轴承状态的检测方法的步骤。
本发明所提供的一种可读存储介质,具有和上述检测方法相同的有益效果。
对于本发明所提供的一种可读存储介质的介绍请参照上述实施例,本发明在此不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种电机轴承状态的检测方法,其特征在于,包括:
获取电机轴承在每一状态下对应的风机运行参数,其中,所述风机运行参数包括轴承温度、轴承振动加速度及风机出风口的风速,所述状态包括正常状态和N种故障状态,N为正整数;
根据所有所述风机运行参数构建状态检测网络;
获取待测电机轴承在当前状态下对应的当前风机运行参数,将当前风机运行参数输入所述状态检测网络,得到所述待测电机轴承的当前状态。
2.根据权利要求1所述的电机轴承状态的检测方法,其特征在于,所述获取电机轴承在每一状态下对应的风机运行参数的过程具体为:
通过振动加速度传感器获取电机轴承在每一状态下对应的轴承振动加速度;
通过温度传感器获取所述电机轴承在每一所述状态下对应的轴承温度;
通过风速传感器获取所述电机轴承在每一所述状态下对应的风机出风口的风速。
3.根据权利要求1所述的电机轴承状态的检测方法,其特征在于,所述根据所有所述风机运行参数构建状态检测网络的过程具体为:
通过每一所述状态及每一所述状态下对应的风机运行参数训练三层深度信念神经网络的权值矩阵,以得到状态检测网络。
4.根据权利要求3所述的电机轴承状态的检测方法,其特征在于,所述通过每一所述状态及每一所述状态下对应的风机运行参数训练三层深度信念神经网络的权值矩阵的过程具体为:
对获取到的每一所述风机运行参数进行特征提取得到特征信号;
通过每一所述状态及每一所述状态下对应的特征信号训练三层深度信念神经网络的权值矩阵;
相应的,所述将当前风机运行参数输入所述状态检测网络的过程具体为:
对当前风机运行参数进行所述特征提取得到当前特征信号;
将当前特征信号输入所述状态检测网络。
5.根据权利要求4所述的电机轴承状态的检测方法,其特征在于,所述对获取到的每一所述风机运行参数进行特征提取得到特征信号的过程具体为:
通过小波包分解重构算法对获取到的每一所述风机运行参数进行特征提取得到特征信号;
相应的,所述对当前风机运行参数进行所述特征提取得到当前特征信号的过程具体为:
通过所述小波包分解重构算法对当前风机运行参数进行所述特征提取得到当前特征信号。
6.根据权利要求1所述的电机轴承状态的检测方法,其特征在于,所述得到所述待测电机轴承的当前状态的同时,该电机轴承状态的检测方法还包括:
显示所述待测电机轴承的当前状态。
7.根据权利要求1所述的电机轴承状态的检测方法,其特征在于,所述得到所述待测电机轴承的当前状态之后,该电机轴承状态的检测方法还包括:
在当前状态满足故障条件时,通过报警装置发出警报,以便提醒操作员对所述待测电机轴承进行处理。
8.一种电机轴承状态的检测系统,其特征在于,包括:
获取模块,用于获取电机轴承在每一状态下对应的风机运行参数,其中,所述风机运行参数包括轴承温度、轴承振动加速度及风机出风口的风速,所述状态包括正常状态和N种故障状态,N为正整数;
构建模块,用于根据所有所述风机运行参数构建状态检测网络;
诊断模块,用于获取待测电机轴承在当前状态下对应的当前风机运行参数,将当前风机运行参数输入所述状态检测网络,得到所述待测电机轴承的当前状态。
9.一种电机轴承状态的检测装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1-7任意一项所述电机轴承状态的检测方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述电机轴承状态的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811242981.5A CN109443769B (zh) | 2018-10-24 | 2018-10-24 | 电机轴承状态的检测方法、系统、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811242981.5A CN109443769B (zh) | 2018-10-24 | 2018-10-24 | 电机轴承状态的检测方法、系统、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109443769A true CN109443769A (zh) | 2019-03-08 |
CN109443769B CN109443769B (zh) | 2021-02-05 |
Family
ID=65547434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811242981.5A Active CN109443769B (zh) | 2018-10-24 | 2018-10-24 | 电机轴承状态的检测方法、系统、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109443769B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110487327A (zh) * | 2019-08-13 | 2019-11-22 | 中铁十二局集团有限公司 | 一种机械设备电气系统的运行状态检测系统 |
CN110659671A (zh) * | 2019-08-29 | 2020-01-07 | 广州亚美信息科技有限公司 | 车辆发电机工作状态检测方法、装置及计算机设备 |
CN112161806A (zh) * | 2020-09-18 | 2021-01-01 | 深圳市水务科技有限公司 | 风机的故障监测方法和故障监测装置 |
CN112211845A (zh) * | 2020-10-12 | 2021-01-12 | 上海沃克通用设备有限公司 | 风机故障诊断系统 |
CN112525505A (zh) * | 2020-11-06 | 2021-03-19 | 上海电气风电集团股份有限公司 | 故障检测方法、系统和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100823124B1 (ko) * | 2007-05-18 | 2008-04-18 | 주식회사 준마엔지니어링 | 풍력 발전 장치의 나셀 제어회로 |
EP2172887A2 (en) * | 2008-09-30 | 2010-04-07 | Rockwell Automation Technologies, Inc. | System and method for dynamic multi-objective optimization of machine selection, integration and utilization |
WO2012003108A1 (en) * | 2010-06-30 | 2012-01-05 | 3M Innovative Properties Company | Curable polysiloxane coating composition |
CN102506016A (zh) * | 2011-10-27 | 2012-06-20 | 镇江明润信息科技有限公司 | 风电场设备状态巡检装置 |
US20140201571A1 (en) * | 2005-07-11 | 2014-07-17 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
WO2014123361A1 (ko) * | 2013-02-06 | 2014-08-14 | Han Seungjoo | 자기 구동 공기충전장치 |
CN105137233A (zh) * | 2015-08-26 | 2015-12-09 | 西安科技大学 | 一种矿用主通风机安全隐患监测预警系统及方法 |
CN105787584A (zh) * | 2016-01-28 | 2016-07-20 | 华北电力大学(保定) | 一种基于云平台的风电机群故障预警方法 |
CN106541958A (zh) * | 2016-12-07 | 2017-03-29 | 中车株洲电力机车有限公司 | 一种轨道机车用辅机通风系统监测方法及通风系统 |
CN206071925U (zh) * | 2016-08-04 | 2017-04-05 | 苏州云白环境设备股份有限公司 | 一种油烟风机异常自动监控装置 |
CN107247231A (zh) * | 2017-07-28 | 2017-10-13 | 南京航空航天大学 | 一种基于oblgwo‑dbn模型的航空发电机故障特征提取方法 |
CN108692583A (zh) * | 2018-05-24 | 2018-10-23 | 中车株洲电力机车有限公司 | 一种轨道车辆及冷却塔通风系统 |
-
2018
- 2018-10-24 CN CN201811242981.5A patent/CN109443769B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140201571A1 (en) * | 2005-07-11 | 2014-07-17 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
KR100823124B1 (ko) * | 2007-05-18 | 2008-04-18 | 주식회사 준마엔지니어링 | 풍력 발전 장치의 나셀 제어회로 |
EP2172887A2 (en) * | 2008-09-30 | 2010-04-07 | Rockwell Automation Technologies, Inc. | System and method for dynamic multi-objective optimization of machine selection, integration and utilization |
WO2012003108A1 (en) * | 2010-06-30 | 2012-01-05 | 3M Innovative Properties Company | Curable polysiloxane coating composition |
CN102506016A (zh) * | 2011-10-27 | 2012-06-20 | 镇江明润信息科技有限公司 | 风电场设备状态巡检装置 |
WO2014123361A1 (ko) * | 2013-02-06 | 2014-08-14 | Han Seungjoo | 자기 구동 공기충전장치 |
CN105137233A (zh) * | 2015-08-26 | 2015-12-09 | 西安科技大学 | 一种矿用主通风机安全隐患监测预警系统及方法 |
CN105787584A (zh) * | 2016-01-28 | 2016-07-20 | 华北电力大学(保定) | 一种基于云平台的风电机群故障预警方法 |
CN206071925U (zh) * | 2016-08-04 | 2017-04-05 | 苏州云白环境设备股份有限公司 | 一种油烟风机异常自动监控装置 |
CN106541958A (zh) * | 2016-12-07 | 2017-03-29 | 中车株洲电力机车有限公司 | 一种轨道机车用辅机通风系统监测方法及通风系统 |
CN107247231A (zh) * | 2017-07-28 | 2017-10-13 | 南京航空航天大学 | 一种基于oblgwo‑dbn模型的航空发电机故障特征提取方法 |
CN108692583A (zh) * | 2018-05-24 | 2018-10-23 | 中车株洲电力机车有限公司 | 一种轨道车辆及冷却塔通风系统 |
Non-Patent Citations (3)
Title |
---|
ZEXIAN SUN,HEXU SUN,JINGXUAN ZHANG: "Multistep Wind Speed and Power Prediction Based on a Predictive Deep Brief Network and an Optimized Random Forest", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 * |
刘东: "基于多变量数据的矿井风机故障预测系统的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
王洪斌 等: "基于深度信念网络的风机主轴承状态监测方法", 《中国机械工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110487327A (zh) * | 2019-08-13 | 2019-11-22 | 中铁十二局集团有限公司 | 一种机械设备电气系统的运行状态检测系统 |
CN110487327B (zh) * | 2019-08-13 | 2021-08-17 | 中铁十二局集团有限公司 | 一种机械设备电气系统的运行状态检测系统 |
CN110659671A (zh) * | 2019-08-29 | 2020-01-07 | 广州亚美信息科技有限公司 | 车辆发电机工作状态检测方法、装置及计算机设备 |
CN110659671B (zh) * | 2019-08-29 | 2022-05-03 | 广州亚美信息科技有限公司 | 车辆发电机工作状态检测方法、装置及计算机设备 |
CN112161806A (zh) * | 2020-09-18 | 2021-01-01 | 深圳市水务科技有限公司 | 风机的故障监测方法和故障监测装置 |
CN112211845A (zh) * | 2020-10-12 | 2021-01-12 | 上海沃克通用设备有限公司 | 风机故障诊断系统 |
CN112211845B (zh) * | 2020-10-12 | 2022-07-19 | 上海沃克通用设备有限公司 | 风机故障诊断系统 |
CN112525505A (zh) * | 2020-11-06 | 2021-03-19 | 上海电气风电集团股份有限公司 | 故障检测方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109443769B (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109443769A (zh) | 电机轴承状态的检测方法、系统、装置及可读存储介质 | |
Song et al. | Vibration-based intelligent fault diagnosis for roller bearings in low-speed rotating machinery | |
CN100538761C (zh) | 基于数据融合模式识别的嵌入式故障智能诊断装置及方法 | |
CN106441893B (zh) | 火车滚动轴承故障与杂质振动区分方法 | |
CN107884214B (zh) | 一种列车走行部部件故障多参数综合决策方法及装置 | |
JP6557110B2 (ja) | 状態診断装置及びプログラム | |
CN103983452B (zh) | 利用混合域特征向量和灰色关联分析对行星齿轮箱进行故障模式识别的方法 | |
CN101718634A (zh) | 基于多元概率模型的设备状态综合动态报警方法 | |
CN110411766A (zh) | 列车转向架蛇形失稳检测方法、装置、系统和存储介质 | |
CN111717753A (zh) | 基于多维故障特征的自适应电梯故障预警系统及方法 | |
CN113562562A (zh) | 一种电梯安全预警监测系统及其判断方法 | |
CN107229017A (zh) | 一种风力发电机组变桨蓄电池异常故障预测方法 | |
CN110388315A (zh) | 基于多源信息融合的输油泵故障识别方法、装置及系统 | |
CN102449309A (zh) | 用于确定推进器的状况指示器的系统和方法 | |
CN108254179A (zh) | 一种基于meemd排列熵的高速列车轮对轴承故障诊断方法 | |
CN109238727A (zh) | 一种发动机故障监测预警系统 | |
CN107063339A (zh) | 铁道沿线落石与行车信号分类分级判断识别方法 | |
Manarikkal et al. | Diagnostics and prognostics of planetary gearbox using CWT, auto regression (AR) and K-means algorithm | |
CN107269511A (zh) | 一种隔膜泵单向阀实时故障检测方法及系统 | |
CN116717437A (zh) | 一种风电机组故障监测方法及系统 | |
CN110738332B (zh) | 事故车辆鉴定方法及系统、存储介质 | |
Li et al. | Fault diagnosis of motor bearing based on the Bayesian network | |
Xue et al. | Real-time diagnosis of an in-wheel motor of an electric vehicle based on dynamic Bayesian networks | |
CN109782168A (zh) | 基于小波包支持向量机的感应电机转子断条故障诊断方法 | |
CN109263650A (zh) | 识别人工介入的方法、装置及交通工具 |
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 |