CN109520738B - 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法 - Google Patents

基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法 Download PDF

Info

Publication number
CN109520738B
CN109520738B CN201811250171.4A CN201811250171A CN109520738B CN 109520738 B CN109520738 B CN 109520738B CN 201811250171 A CN201811250171 A CN 201811250171A CN 109520738 B CN109520738 B CN 109520738B
Authority
CN
China
Prior art keywords
spectrum
order
rotating speed
signal
fault
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
Application number
CN201811250171.4A
Other languages
English (en)
Other versions
CN109520738A (zh
Inventor
蒋占四
徐飞
宋威震
黄惠中
余鼐
谢凤乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Huaxing Intelligent Technology Co.,Ltd.
Original Assignee
Zhuhai Huaxing Equipment Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhuhai Huaxing Equipment Information Technology Co ltd filed Critical Zhuhai Huaxing Equipment Information Technology Co ltd
Priority to CN201811250171.4A priority Critical patent/CN109520738B/zh
Publication of CN109520738A publication Critical patent/CN109520738A/zh
Application granted granted Critical
Publication of CN109520738B publication Critical patent/CN109520738B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms

Abstract

本发明公开一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，从宏观上采集轴承在整个变转速运行过程中的变转速信号，并对其采用阶次谱的方法初步确定故障的有无及可能存在的故障类型；再从微观上截取采集轴承在整个变转速运行过程中的某一段恒定转速信号，并对其采用包络谱的方法验证故障的类型是否正确，作为阶次谱方法诊断结果的补充；最终结合阶次谱和包络谱的诊断结果，得到最终的诊断结论，从而避免了单一诊断结果受干扰的影响，提高了诊断的精度。

Description

基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法
技术领域
本发明涉及轴承故障诊断技术领域，具体涉及一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法。
背景技术
随着机械装备向着高速、重载、精密方向发展，系统对机械传动设备的要求越来越高。不仅要求机械传动设备能够传递较大的功率和载荷，而且传动系统本身必须具有很好的可靠性，从而降低设备的运营成本并提高设备运营过程中的安全性。旋转机械一旦出现故障，轻则降低产品质量或者导致停产，重则会带来巨大的经济损失和人员伤亡。滚动轴承作为旋转机械的重要组成部分，其运行状态的监测和故障的诊断对工业生产的安全性和可靠性具有十分重要的意义。传统基于信号处理的轴承故障诊断大都假定轴承运行在恒定转速下，而实际机械装备在运行时，轴承都是处于变转速的工作状态。目前针对变转速轴承的诊断方法对系统硬件要求较高，诊断方法复杂，易受干扰的影响从而难以准确诊断出轴承故障，因而在实际应用中会存在局限性。
发明内容
本发明针对现有变转速轴承的诊断方法对系统硬件要求较高，诊断方法复杂，易受干扰的影响从而难以准确诊断出轴承故障，在实际应用中会存在局限性的问题，提供一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法。
为解决上述问题，本发明是通过以下技术方案实现的：通过传感器采集滚动轴承振动信号，传输并存储到计算机中。采用COT算法将时域非平稳信号转化为角域平稳信号；使用VMD算法对角域平稳信号进行分解；对分解后的信号求阶次谱从而得到故障信息；同时提取滚动轴承在变转速过程中出现的一段恒定转速信号；将信号输入到VMD算法中并求其包络谱以得到故障信息，最后得出综合诊断结论。
基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，包括步骤如下：
步骤1、通过传感器采集滚动轴承在运行过程中的振动时域信号，并将该振动时域信号存储于计算机中；
步骤2、采用计算阶次跟踪算法对采集到的振动时域信号进行处理，将振动时域信号转变为振动角域信号；
步骤3、采用变分模态分解算法对振动角域信号进行分解，得到一系列带宽限制的变转速本征模态，并对这些变转速本征模态进行傅里叶变换，将角域的重采样信号转换为阶次域信号，得到阶次谱；
步骤4、通过将阶次谱中的对应阶次和旋转机械滚动轴承的固有阶次进行对比，初步确定故障的有无及可能存在的故障类型；
步骤5、通过分析存储在计算机中的振动时域信号的速度变化趋势，并截取一段出现在滚动轴承变转速运行过程中出现的恒定转速信号；
步骤6、采用变分模态分解算法对恒定转速信号进行分解，得到一系列带宽限制的恒定转速本征模态，并对每个恒定转速本征模态分别绘制包络谱；
步骤7、通过分析包络谱上是否出现了步骤4所初步确定的故障类型所对应的特征频率，来验证阶次谱诊断出的故障类型是否正确：当包络谱中存在步骤4所初步确定的故障类型所对应的特征频率时，则最终认定该故障类型存在，否则最终认定该故障类型不存在。
上述步骤1中，所述传感器为压电加速度传感器。
与现有技术相比，本发明针对实际机械装备在运行时，轴承都是处于变转速的工作状态，结合阶次谱和包络谱来实现轴承故障诊断；考虑到现有阶次谱虽然能适用于变转速的工作状态，但是无法准确诊断出轴承故障；而包络谱虽然能够准确诊断出轴承故障，但仅适用于恒定转速的工作状态；本发明从宏观上采集轴承在整个变转速运行过程中的变转速信号，并对其采用阶次谱的方法初步确定故障的有无及可能存在的故障类型；再从微观上截取采集轴承在整个变转速运行过程中的某一段恒定转速信号，并对其采用包络谱的方法验证故障的类型是否正确，作为阶次谱方法诊断结果的补充；最终结合阶次谱和包络谱的诊断结果，得到最终的诊断结论，从而避免了单一诊断结果受干扰的影响，提高了诊断的精度。本发明能够适用于变转速的工作状态轴承，具有简单和准确的特点。
附图说明
图1为基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法的流程图。
图2为外圈变转速振动信号及其频谱图；(a)外圈变转速振动信号，(b)频谱图。
图3为内圈变转速振动信号及其频谱图；(a)内圈变转速振动信号，(b)频谱图。
图4为外圈变转速振动信号角域图。
图5为内圈变转速振动信号角域图。
图6为滚动轴承外圈阶次谱。
图7为滚动轴承内圈阶次谱。
图8为外圈固定转速振动信号及其频谱图；(a)外圈固定转速振动信号，(b)频谱图。
图9为内圈固定转速振动信号及其频谱图；(a)内圈固定转速振动信号，(b)频谱图。
图10为滚动轴承外圈包络谱。
图11为滚动轴承内圈包络谱。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，并参照附图，对本发明进一步详细说明。
针对现有变转速轴承的诊断方法对系统硬件要求较高，诊断方法复杂，易受干扰的影响从而难以准确诊断出轴承故障，在实际应用中会存在局限性的问题。本发明通过分析变转速信号和一段在变转速过程中出现的短暂恒定转速信号，分别使用阶次谱和包络谱方法诊断滚动轴承故障。在变转速条件下，传统的时频分析方法会造成故障的漏诊或误判，而计算阶次分析(COT)方法可以通过角域重采样技术，将时域中的非平稳信号变化为角域中的平稳信号，从而实现信号的诊断。同时，考虑到旋转机械滚动轴承在变转速过程中会出现短暂的恒定转速信号，可以通过包络谱的方法对其诊断并将诊断结论作为变转速条件下诊断结论的验证和补充。因此，本发明提出了一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，对滚动轴承变转速信号成分进行COT和变分模态分解(VMD)得到阶次谱，通过分析阶次谱初步确定故障的有无及可能存在的故障类型。对滚动轴承变转速过程中出现的短暂固定转速成分进行VMD得到包络谱，通过分析包络谱验证故障的类型是否正确并将诊断结果作为前者的验证和补充。最后，得出综合诊断结论。
参见图1，一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，其具体包括步骤如下：
第一步：通过传感器采集滚动轴承的振动信号，并存储于计算机中。
针对旋转机械中的滚动轴承，采用振动传感器，如使用压电加速度传感器采集振动信号，。滚动轴承的特征频率、特征阶次公式如下：
Figure GDA0002414855060000031
Figure GDA0002414855060000032
Figure GDA0002414855060000033
Figure GDA0002414855060000034
其中，z表示滚动体个数，d表示滚动体直径，D表示节圆直径，fr表示转频，f外圈、f内圈分别为外圈特征频率和内圈特征频率，J外圈、J内圈分别为外圈特征阶次和内圈特征阶次。
在本实施例中，采用16通道便携式数据采集仪和IEPE压电式加速度传感器，分别采集轴承内、外圈振动信号，设备参数如表1所示。其中，采样频率为25.6KHz、变转速信号采样点为262144个。
表1实验设备相关参数
Figure GDA0002414855060000035
Figure GDA0002414855060000041
其中：本实例所用轴承规格参数如表2所示，使用试验台如图所示，振动信号及其频谱如图2和图3所示。
表2 ER-12K轴承的规格参数
Figure GDA0002414855060000042
由上述参数和公式可得到滚动轴承内圈、外圈的特征频率分别是197.2Hz、121.5Hz。特征阶次分别是4.95、3.05。
第二步：使用COT算法处理变转速轴承振动信号。
将变转速信号输入到COT算法中，时域非平稳信号将转变为角域平稳信号。COT算法具体如下：
对原始振动信号和转速计脉冲信号以等时间间隔Δt采样时，需要确定恒角度增量Δθ的发生时刻。为了确定重采样发生时刻，假定轴以恒定的角加速度进行运动，则转过的角度与时间的关系如下：
θ(t)＝b0+b1t+b2t2 (5)
式中，b0，b1和b2由三个连续的键相脉冲到达时间确定。假设t1，t2和t3发生时刻所对应的角增量为
Figure GDA0002414855060000043
Figure GDA0002414855060000044
于是得到
Figure GDA0002414855060000045
将(6)式带入(5)式，则：
Figure GDA0002414855060000046
于是，通过(7)式，系数b0，b1，b2可以求解，
Figure GDA0002414855060000051
一旦系数确定，在增量
Figure GDA0002414855060000052
内任意角度所对应的时刻也就确定了，表示为
Figure GDA0002414855060000053
在每一个新的键相脉冲到达后，对数据重新采样，此时的脉冲时刻作为t3，前面的两个连续脉冲时刻作为t1和t2。为了避免采样重叠，重采样的计算时间仅间隔一半，即π≤θ≤3π。一般来说，角度重采样都是离散的，因此令
θ＝kΔθ (10)
式中Δθ表示重采样时间间隔，那么，k可以表示为
Figure GDA0002414855060000054
将式(10)，(11)带入(9)式中，等式(9)变为
Figure GDA0002414855060000055
在本实施例中，得到的角域信号如图4和图5所示，图中明显存在故障特征。
第三步：使用VMD算法对角域信号进行分解。
VMD算法可以自适应的将角域信号分解为一系列带宽限制的本征模态函数(BLIMFs)，算法原理如下：
(1)约束变分模型的构造
假设每个模态函数都是具有不同中心频率的有限带宽的本征模态函数，变分问题被描述为寻找k个模态函数uk，并且使得各个模态的估计带宽之和最小。具体步骤如下：
(i)对每一个模态函数，利用Hilbert变换求得其解析信号已获得其单边频谱，其频谱表达式为
Figure GDA0002414855060000056
(ii)对各个模态解析信号混合一个预先估计的中心频率
Figure GDA0002414855060000057
通过频移将其变换到基频带上，记为
Figure GDA0002414855060000058
(iii)最后计算解调信号的时间梯度L2范数的平方值，估计出模态分量的带宽。
Figure GDA0002414855060000059
因此，受约束变分模型的构造为：
Figure GDA0002414855060000061
上式中，δ(t)为狄利克雷函数，*为卷积运算。{uk}＝{u1，…，uK}表示经过VMD分解后的K个BLIMFs的集合；{ωk}＝{ω1，…，ωK}表示K个模态分量中心频率的结合；f表示输入信号。
(2)约束变分问题的求解
通过引入二次惩罚因子τ和拉格朗日乘子λ(t)，使目标函数的约束变分问题转变为了无约束的问题。并且当存在高斯噪声时，二次惩罚因子τ可以确保信号的重构精度；而拉格朗日乘子则能够保证约束条件的严格性。增广拉格朗日乘子
Figure GDA0002414855060000062
如下：
Figure GDA0002414855060000063
其中，α表示平衡系数。
利用Parseval/Plancherel傅里叶等距变换，得到第K个模态的更新表达式
Figure GDA0002414855060000064
根据同样的原理，将中心频率求解转化到频率，得到中心频率的更新
Figure GDA0002414855060000065
式(19)中，中心频率
Figure GDA0002414855060000066
是其对应的模态函数功率谱
Figure GDA0002414855060000067
的重心。时域中的模态uk(t)是通过对
Figure GDA0002414855060000068
维纳滤波后的信号进行Fourier逆变换所得的实部部分。
在本实施例中，将第二步得到的角域平稳信号进行VMD分解，从而获得更精细的信号特征。
第四步：阶次谱的绘制。
对VMD算法分解所得到的信号即BLIMFs进行傅里叶变换，将角域的重采样信号转换为阶次域信号，其横坐标为阶次，纵坐标为幅值的谱图即为阶次谱。
第五步：通过阶次谱初步确定故障的有无及可能存在的故障类型。
通过阶次谱上是否出现明显的阶次判断故障的有无，通过将阶次谱中的对应阶次和旋转机械滚动轴承的固有阶次进行对比即可初步确定可能存在的故障类型。
本实施例中得到的外圈阶次谱如图6所示，在图中可以清晰的看到5.9、14.9和23.6阶次。分别近似等于2倍外圈特征阶次6.1、5倍外圈特征阶次15.25和8倍外圈特征阶次24.4。基本可以确定滚动轴承外圈出现了故障。
同样，本实施例中得到的内圈阶次谱如图7所示，在图中可以看到9.4、15.0和19.9阶次。分别近似等于2倍内圈特征阶次9.9、3倍内圈特征阶次14.85和8倍内圈特征阶次19.8。虽然能够确定滚动轴承内圈上存在故障，但由于有干扰的存在需要下面步骤的进一步验证。
第六步：恒定转速信号提取。
通过分析存储在计算机中的振动信号速度趋势，截取一段出现在滚动轴承变转速过程中的恒定转速信号用于以下的信号分析。
在本实施例中，分别截取一段出现在滚动轴承变转速过程中的恒定转速外圈信号和内圈信号，共4096个点，其振动信号及其频谱分别如图8和图9所示。
第七步：包络谱的绘制。
将恒定转速信号输入到VMD算法中，算法对信号进行分解，分解后的信号将用于绘制包络谱，通过包络谱验证阶次谱诊断出的故障类型是否正确。
包络谱算法如下：
对于每一个模态分量uk(t)，其Hilbert变换可以写为：
Figure GDA0002414855060000071
构造模态分量的复解析信号为：
Figure GDA0002414855060000072
式中：ai(t)为幅值函数，
Figure GDA0002414855060000073
为相位函数。对每一个模态分量作Hilbert变换并忽略分解余项，信号可以表示为：
Figure GDA0002414855060000074
对信号x(t)进行谱分析就可以得到包络谱。
在本实施例中，将第五步中获得的恒定转速信号输入到VMD算法中，算法将信号进行分解，分解后的信号的包络谱如图10和图11所示。
第八步：通过包络谱验证阶次谱诊断出的故障类型是否正确，得出综合诊断结果。
由于信号噪声干扰的存在阶次谱上可能存在干扰阶次，同样包络谱上也可能存在干扰频率。但可以通过求交集的方法进行诊断。虽然阶次谱上出现了轴承故障的特征阶次，但可能存在干扰，阶次并不明显，此时，不能做出准确判断。但通过分析包络谱上是否出现了对应轴承故障的特征频率能够进一步验证阶次谱上的结果，从而避免了单一诊断结果受干扰的影响，提高了诊断的精度。
在本实施例中，外圈的包络谱中出现了频率为121.9Hz及其倍频，其与外圈特征频率121.5Hz很接近，表明外圈出现了故障，由于该结果与第五步中的结论相符，因此可以断定外圈一定存在故障。同样，内圈的包络谱上也出现了频率为200Hz及其1/5倍频，与内圈特征频率197.2接近，此时结合第五步的诊断结果，可以明确内圈出现了故障。
本发明同时采用阶次谱和包络谱的方法诊断滚动轴承故障，针对变转速轴承信号，采用COT算法和VMD算法获得故障阶次，初步确定故障的有无及可能存在的故障类型；针对变转速过程中出现的短暂固定转速信号，将其输入到VMD算法中并得到故障频率，验证阶次谱诊断出的故障类型是否正确并将诊断结果作为阶次谱诊断结果的验证和补充。最后，得出综合诊断结论。以便一般的操作人员不用理解系统的机理和分析数据而能准确地做出决策。
需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。

Claims (2)

1.基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，其特征是，包括步骤如下：
步骤1、通过传感器采集滚动轴承在运行过程中的振动时域信号，并将该振动时域信号存储于计算机中；
步骤2、采用计算阶次跟踪算法对采集到的振动时域信号进行处理，将振动时域信号转变为振动角域信号；
步骤3、采用变分模态分解算法对振动角域信号进行分解，得到一系列带宽限制的变转速本征模态，并对这些变转速本征模态进行傅里叶变换，将角域的重采样信号转换为阶次域信号，得到阶次谱；
步骤4、通过将阶次谱中的对应阶次和旋转机械滚动轴承的固有阶次进行对比，初步确定故障的有无及可能存在的故障类型；
步骤5、通过分析存储在计算机中的振动时域信号的速度变化趋势，并截取一段出现在滚动轴承变转速运行过程中出现的恒定转速信号；
步骤6、采用变分模态分解算法对恒定转速信号进行分解，得到一系列带宽限制的恒定转速本征模态，并对每个恒定转速本征模态分别绘制包络谱；
步骤7、通过分析包络谱上是否出现了步骤4所初步确定的故障类型所对应的特征频率，来验证阶次谱诊断出的故障类型是否正确：当包络谱中存在步骤4所初步确定的故障类型所对应的特征频率时，则最终认定该故障类型存在，否则最终认定该故障类型不存在。
2.根据权利要求1所述基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，其特征是，步骤1中，所述传感器为压电加速度传感器。
CN201811250171.4A 2018-10-25 2018-10-25 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法 Active CN109520738B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811250171.4A CN109520738B (zh) 2018-10-25 2018-10-25 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811250171.4A CN109520738B (zh) 2018-10-25 2018-10-25 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法

Publications (2)

Publication Number Publication Date
CN109520738A CN109520738A (zh) 2019-03-26
CN109520738B true CN109520738B (zh) 2020-07-21

Family

ID=65774075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811250171.4A Active CN109520738B (zh) 2018-10-25 2018-10-25 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法

Country Status (1)

Country Link
CN (1) CN109520738B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111006757A (zh) * 2019-12-11 2020-04-14 东方电气风电有限公司 一种风力发电机组稳态振动在线监测方法及监测系统
CN111006758A (zh) * 2019-12-11 2020-04-14 东方电气风电有限公司 一种风力发电机组稳态振动在线趋势预测方法及趋势预测系统
CN112484998B (zh) * 2020-11-16 2022-12-27 苏州大学文正学院 一种基于同步模态谱的风电机组轴承故障诊断方法
CN113670615A (zh) * 2021-08-23 2021-11-19 洛阳轴承研究所有限公司 一种轴承单元振动测试方法及系统
CN113702036A (zh) * 2021-08-31 2021-11-26 江南大学 一种变转速工况下减速机振动信号的故障频带识别方法
CN113761466B (zh) * 2021-09-09 2022-08-02 北京科技大学 一种旋转机械振动信号阶比谱构造方法及装置
CN114216676A (zh) * 2021-11-30 2022-03-22 上海海事大学 一种时变工况下无转速计的行星齿轮箱复合故障诊断方法
CN116358873B (zh) * 2023-05-31 2023-09-15 厚普清洁能源(集团)股份有限公司 滚动轴承故障诊断方法、装置、设备及介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4003088B2 (ja) * 2006-12-20 2007-11-07 日本精工株式会社 回転体の異常診断方法及び装置
US20150204757A1 (en) * 2014-01-17 2015-07-23 United States Of America As Represented By The Secretary Of The Navy Method for Implementing Rolling Element Bearing Damage Diagnosis
CN103884502B (zh) * 2014-04-02 2018-01-05 清华大学 一种变转速下风力发电机行星齿轮系统故障诊断方法
CN105095559A (zh) * 2014-05-09 2015-11-25 中央大学 实施全息希尔伯特频谱分析的方法与系统
CN104655380B (zh) * 2015-03-16 2017-10-24 北京六合智汇技术有限责任公司 一种旋转机械设备故障特征提取方法
CN105547698B (zh) * 2015-12-31 2017-11-14 新疆金风科技股份有限公司 滚动轴承的故障诊断方法及装置
CN105784366A (zh) * 2016-03-30 2016-07-20 华北电力大学（保定） 一种变转速下的风电机组轴承故障诊断方法
CN106769033B (zh) * 2016-11-30 2019-03-26 西安交通大学 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法
JP2018155494A (ja) * 2017-03-15 2018-10-04 日本精工株式会社 軸受異常診断システム及び軸受異常診断方法
CN107832729A (zh) * 2017-11-22 2018-03-23 桂林电子科技大学 一种轴承锈蚀智能诊断方法

Also Published As

Publication number Publication date
CN109520738A (zh) 2019-03-26

Similar Documents

Publication Publication Date Title
CN109520738B (zh) 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法
Manhertz et al. STFT spectrogram based hybrid evaluation method for rotating machine transient vibration analysis
Wang et al. An online tacholess order tracking technique based on generalized demodulation for rolling bearing fault detection
US6526831B2 (en) Condition based monitoring by vibrational analysis
Feng et al. A novel order spectrum-based Vold-Kalman filter bandwidth selection scheme for fault diagnosis of gearbox in offshore wind turbines
CN109596349B (zh) 一种基于vmd和pct的减速器故障诊断方法
CN113654798A (zh) 故障诊断方法、装置及电子设备
CN105675113A (zh) 基于微型传感器的旋转机械角域振动信号获取装置和方法
Lin et al. A review and strategy for the diagnosis of speed-varying machinery
Xu et al. Generalized S-synchroextracting transform for fault diagnosis in rolling bearing
Wu et al. A modified tacho-less order tracking method for the surveillance and diagnosis of machine under sharp speed variation
Choudhury et al. An overview of fault diagnosis of industrial machines operating under variable speeds
Shi et al. An improved Viterbi algorithm for adaptive instantaneous angular speed estimation and its application into the machine fault diagnosis
Alsalaet et al. Bearing fault diagnosis using normalized diagnostic feature-gram and convolutional neural network
Li et al. Application of a Method of Identifiying Instantaneous Shaft Speed from Spectrum in Aeroengine Vibration Analysis
CN111060302A (zh) 多参数设备状态综合监测诊断装置和诊断方法
Shi et al. A dual-guided adaptive decomposition method of fault information and fault sensitivity for multi-component fault diagnosis under varying speeds
Zhu et al. Fault diagnosis method for rolling element bearings under variable speed based on TKEO and fast-SC
CN109556895A (zh) 旋转机械的故障分析方法及装置
Bouaouiche et al. Detection of defects in a bearing by analysis of vibration signals
CN112465068A (zh) 一种基于多传感器数据融合的旋转设备故障特征提取方法
CN107490477A (zh) 基于频谱核密度函数相关性比较的齿轮箱故障诊断方法
CN114486252B (zh) 一种矢量模极大值包络的滚动轴承故障诊断方法
Shi et al. Automatic instantaneous frequency order (IFO) extraction via integration strategy and multi-demodulation for bearing fault diagnosis under variable speed operation
Cui et al. Instantaneous Frequency Estimation-Based Order Tracking for Bearing Fault Diagnosis Under Strong Noise

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200619

Address after: Room 101, floor 1, building 10, No. 1, Pingdong Sixth Road, Nanping Science and Technology Industrial Park, Xiangzhou District, Zhuhai City, Guangdong Province

Applicant after: Zhuhai Huaxing Equipment Information Technology Co.,Ltd.

Address before: 541004 the Guangxi Zhuang Autonomous Region golden Guilin Qixing District Road No. 1

Applicant before: GUILIN University OF ELECTRONIC TECHNOLOGY

GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 519000 1st floor, office building, No.8, Pingdong 2nd Road, Nanping, Xiangzhou District, Zhuhai City, Guangdong Province

Patentee after: Zhuhai Huaxing Intelligent Technology Co.,Ltd.

Address before: 519000 Room 101, 1st floor, building 10, 1 Pingdong 6th Road, Nanping Science and Technology Industrial Park, Xiangzhou District, Zhuhai City, Guangdong Province

Patentee before: Zhuhai Huaxing Equipment Information Technology Co.,Ltd.