CN110044610A - 齿轮故障诊断方法 - Google Patents

齿轮故障诊断方法 Download PDF

Info

Publication number
CN110044610A
CN110044610A CN201910413369.8A CN201910413369A CN110044610A CN 110044610 A CN110044610 A CN 110044610A CN 201910413369 A CN201910413369 A CN 201910413369A CN 110044610 A CN110044610 A CN 110044610A
Authority
CN
China
Prior art keywords
gear
frequency
speed
meshing frequency
signal
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
Application number
CN201910413369.8A
Other languages
English (en)
Other versions
CN110044610B (zh
Inventor
张玉斌
包继华
姜雪
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.)
Suzhou Dehms Information Technology Co Ltd
Original Assignee
Suzhou Dehms 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 Suzhou Dehms Information Technology Co Ltd filed Critical Suzhou Dehms Information Technology Co Ltd
Priority to CN201910413369.8A priority Critical patent/CN110044610B/zh
Publication of CN110044610A publication Critical patent/CN110044610A/zh
Application granted granted Critical
Publication of CN110044610B publication Critical patent/CN110044610B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/021—Gearings
    • 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
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—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

本发明揭示了一种齿轮故障诊断方法，包括如下步骤：S1、将加速度传感器固定设置于齿轮箱的检测区域，利用加速度传感器采集齿轮箱的加速度振动信号；S2、对加速度振动信号进行积分处理，得到速度频域信号；S3、根据齿轮箱内齿轮的转速和齿数分别得到齿轮的1X、2X、3X啮合频率及相对应的转速边带；S4、依据速度频域信号分别获取齿轮在1X、2X、3X啮合频率下啮合频率的幅值和转速边带的幅值；S5、分别判断齿轮在1X、2X、3X啮合频率下的啮合频率和转速边带是否正常，并最终判断出齿轮是否故障。本发明利用加速度积分、频谱分析，强化了齿轮的故障信号，进而完成了齿轮故障诊断，诊断结果真实准确。

Description

齿轮故障诊断方法
技术领域
本发明涉及一种设备故障诊断方法，具体而言，涉及一种针对旋转类机械设备中齿轮箱的齿轮故障诊断方法，属于机械设备振动分析及故障诊断领域。
背景技术
振动分析是一种广泛应用于旋转类机械设备的故障诊断方法，其主要利用振动传感器采集机械设备的振动数据，通过对振动数据、并结合设备的零部件参数和运行参数进行全面分析，从而诊断出设备的可能故障点及可能的故障原因。
以齿轮箱为例，齿轮箱是广泛应用于旋转类机械设备中的一种传动部件，同时也是故障率很高的一种部件。常见的发生于齿轮箱中的故障类型一般包括齿型误差、齿轮磨损、齿断裂、轴不对称、轴不平衡等，这些故障通常都会表现为与齿轮啮合频率相关的振动异常。现有的齿轮故障分析技术与传统的振动分析类似，通过安装加速度传感器采集齿轮箱的加速度信号，再利用小波变换或傅立叶变换的方法进行故障分析。
但不同于电机直连方式中对轴承故障的分析，齿轮箱的振动信号非常复杂，除齿轮自身的振动信号外，还包含有多个轴承、2个以上的轴以及负载设备和电机等部件，再加上负载振动和噪声等信号，这样的复合信号很难通过滤波和消噪的方式得到完全的净化，因此很难从中提取出明显的齿轮特征信号。
综上所述，如何在现有技术的基础上提出一种新的齿轮故障诊断方法，得到清晰、准确的齿轮特征信号，并依据这些信号完成对齿轮箱的故障诊断，也就成为了本领域内技术人员亟待解决的问题。
发明内容
鉴于现有技术存在上述缺陷，本发明提出了一种齿轮故障诊断方法，包括如下步骤：
S1、将加速度传感器固定设置于齿轮箱的检测区域，利用加速度传感器采集齿轮箱的加速度振动信号；
S2、对S1中所得到的加速度振动信号进行积分处理，得到速度频域信号；
S3、根据齿轮箱内齿轮的转速和齿数分别得到齿轮的1X、2X、3X啮合频率及相对应的转速边带；
S4、依据S2中得到的速度频域信号分别获取齿轮在1X、2X、3X啮合频率下啮合频率的幅值和转速边带的幅值；
S5、依据S4中的结果，分别判断齿轮在1X、2X、3X啮合频率下的啮合频率和转速边带是否正常，并最终判断出齿轮是否故障。
优选地，在S2中，所述积分处理的方式为频域积分或时域积分。
优选地，在S2中，所述积分处理的方式为频域积分，具体包括如下步骤：
根据傅立叶变换，将加速度信号表示为a(t)＝Aejωt
其中，a(t)为加速度在频率ω的傅立叶分量，A为对应a(t)的系数，j为虚数，
速度信号为加速度信号的积分，即
其中，v(t)为速度在频率ω的傅立叶分量，
记V为v(t)对应的系数，得到
即
其中，Vi为速度在频率ωi的傅立叶分量，Ai为加速度在频率ωi的傅立叶分量，j为虚数。
优选地，S2具体包括如下步骤：
S21、对加速度振动信号进行快速傅立叶变换，得到加速度频域数据；
S22、根据公式进行积分的频域变换、获得积分数据，转换公式为
其中，ωi为第i个角频率分量，N为数据点数，δω为角频率间隔、即δω＝2π*fs/N、fs为采样频率；
S23、对S22中得到的积分数据进行相位变换、得到速度频域信号，相位变换公式为Vi＝-imag(Vi)+real(Vi)*j
其中，Vi为第i点速度，imag(Vi)为Vi的虚部，real(Vi)为Vi的实部，j为虚数。
优选地，S2还包括如下步骤：
对S23中得到的速度频域信号进行快速傅立叶逆变换，得到速度时域信号，再对速度时域信号进行均方根值计算、得出速度有效值，随后将所述速度有效值与预设标准值进行比较，若所述速度有效值接近或高于预设标准值，则判断设备可能存在故障、继续对设备进行分析，若所述速度有效值远低于预设标准值，则判断设备没有故障、无需继续对设备进行分析。
优选地，S3具体包括如下步骤：
S31、计算齿轮的1X、2X、3X啮合频率，啮合频率GMF的计算公式为
其中，z1、z2分别为主、从动齿轮的齿数，n1、n2分别为主、从动齿轮的每分钟转速，1X、2X、3X啮合频率指GMF的1倍、2倍和3倍，
S32、获取与所述啮合频率相对应的转速边带，所述转速边带为啮合频率附近低于啮合频率但高于其他频率的幅值，且其横坐标与啮合频率的差值为齿轮转速的整数倍频率幅值信号。
优选地，S4具体包括如下步骤：
S41、依据速度频域信号获取齿轮在1X啮合频率下啮合频率的幅值；
S42、依据速度频域信号获取齿轮在1X啮合频率下各转速边带的幅值；
S43、重复步骤S41、S42，分别获取齿轮在2X、3X啮合频率下啮合频率的幅值和转速边带的幅值。
优选地，S5具体包括如下步骤：
S51、依据齿轮在1X啮合频率下啮合频率的幅值和转速边带的幅值进行判断，若齿轮在1X啮合频率下啮合频率的幅值远高于正常齿轮的幅值且存在明显的转速边带，则判断齿轮存在故障，随后再根据齿轮故障的特征频率分析齿轮故障原因，否则判断齿轮不存在故障；
S52、重复步骤S51，完成齿轮在2X、3X啮合频率下的故障判断与故障原因分析。
与现有技术相比，本发明的优点主要体现在以下几个方面：
本发明提出了一种齿轮故障诊断方法，通过频域积分的方式将加速度信号转换为速度频域信号，在实现了对高频振动信号和噪声的有效过滤的同时，在频域上获得了清晰、准确的齿轮特征信号。最终根据所获得的齿轮特征信号即可完成对齿轮箱的故障诊断。
在本发明的方法中，积分后齿轮的啮合频率和边带非常明显，因此操作者可以以此为依据很容易地判断出轴承故障。而且在本发明的方法中，频域积分的算法过程简单、计算量小、资源要求低，可以在各种硬件平台内实现。同时，采用频域积分的处理方式还可以避免时域积分“趋势顶”等带来的累积误差，从而进一步提升了诊断结果的准确性与可靠性，并为本发明的大规模推广应用奠定了技术基础。
此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内其他与振动分析相关的技术方案中，具有十分广阔的应用前景。
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。
附图说明
图1为本发明的步骤流程示意图；
图2为齿轮啮合频率及边带幅值信号示意图；
图3为正常齿轮的加速度时域信号示意图；
图4为故障齿轮的加速度时域信号示意图；
图5为正常齿轮的加速度频域信号示意图；
图6为故障齿轮的加速度频域信号示意图；
图7为正常齿轮的速度频域信号示意图；
图8为故障齿轮的速度频域信号示意图；
图9为正常齿轮局部放大的速度频域信号示意图；
图10为故障齿轮局部放大的速度频域信号示意图。
具体实施方式
本发明揭示了一种齿轮故障诊断方法，如图1所示，包括如下步骤：
S1、将加速度传感器固定设置于齿轮箱的检测区域，利用加速度传感器采集齿轮箱的加速度振动信号a(n)。
S2、对S1中所得到的加速度振动信号a(n)进行积分处理，得到速度信号v(n)。
所述积分处理的方式为频域积分或时域积分。在本实施例中，所述积分处理的方式为频域积分、所述速度信号为速度频域信号。所述的积分处理方式具体如下。
根据傅立叶变换，将加速度信号表示为a(t)＝Aejωt
其中，a(t)为加速度在频率ω的傅立叶分量，A为对应a(t)的系数，j为虚数。
速度信号为加速度信号的积分，即
其中，v(t)为速度在频率ω的傅立叶分量。
记V为v(t)对应的系数，得到
即
其中，Vi为速度在频率ωi的傅立叶分量，Ai为加速度在频率ωi的傅立叶分量，j为虚数。
简言之，S2的步骤就是把加速度振动信号通过快速傅立叶变换转换成加速度频域信号，然后在频域进行积分，再做快速傅立叶逆变换到时域，最终得到积分后的速度时域信号。具体而言，S2步骤如下。
S21、对加速度振动信号a(n)进行快速傅立叶变换(FFT)，得到加速度频域数据；
S22、根据公式进行积分的频域变换、获得积分数据，转换公式为
其中，ωi为第i个角频率分量，N为数据点数，δω为角频率间隔、即δω＝2π*fs/N、fs为采样频率；
S23、对S22中得到的积分数据进行相位变换、得到速度频域信号，相位变换公式为Vi＝-imag(Vi)+real(Vi)*j
其中，Vi为第i点速度，imag(Vi)为Vi的虚部，real(Vi)为Vi的实部，j为虚数；
S24、对S23中得到的速度频域信号进行快速傅立叶逆变换，得到速度时域信号，再对速度时域信号进行均方根值计算、得出速度有效值，速度有效值也是判断旋转设备是否有故障的依据之一。随后将所述速度有效值与预设标准值进行比较，若所述速度有效值接近或高于预设标准值，则判断设备可能存在故障、继续对设备进行分析，若所述速度有效值远低于预设标准值，则判断设备没有故障、无需继续对设备进行分析。
S3、根据齿轮箱内齿轮的转速和齿数分别得到齿轮的1X、2X、3X啮合频率及相对应的转速边带。
S3具体步骤如下。
S31、计算齿轮的1X、2X、3X啮合频率，啮合频率GMF的计算公式为
其中，z1、z2分别为主、从动齿轮的齿数，n1、n2分别为主、从动齿轮的每分钟转速，1X、2X、3X啮合频率指GMF的1倍、2倍和3倍，
S32、获取与所述啮合频率相对应的转速边带，所述转速边带为啮合频率附近低于啮合频率但高于其他频率的幅值，且其横坐标与啮合频率的差值为齿轮转速的整数倍频率幅值信号。
啮合频率及边带信号如图2所示。图中，a表示齿轮转频，b表示下边频，c表示啮合频率GMF，d表示上边频。
S4、依据S2中得到的速度频域信号分别获取齿轮在1X、2X、3X啮合频率下啮合频率的幅值和转速边带的幅值。
S5具体步骤如下。
S51、依据速度频域信号y(n)获取齿轮在1X啮合频率下啮合频率的幅值；
S52、依据速度频域信号y(n)获取齿轮在1X啮合频率下各转速边带的幅值；
S53、重复步骤S51、S52，分别获取齿轮在2X、3X啮合频率下啮合频率的幅值和转速边带的幅值。
S6、依据S5中的结果，分别判断齿轮在1X、2X、3X啮合频率下的啮合频率和转速边带是否正常，并最终判断出齿轮是否故障。
S6具体步骤如下。
S61、依据齿轮在1X啮合频率下啮合频率的幅值和转速边带的幅值进行判断，若齿轮在1X啮合频率下啮合频率的幅值远高于正常齿轮的幅值且存在明显的转速边带，则判断齿轮存在故障，随后再根据齿轮故障的特征频率分析齿轮故障原因，否则判断齿轮不存在故障；
S62、重复步骤S61，完成齿轮在2X、3X啮合频率下的故障判断与故障原因分析。
需要说明的是，由于本发明中所诊断的设备各异、工况不尽相同，因此上述各项对比过程中的判断标准一般不涉及到固定值，操作者可以根据实际的操作需要对判断过程中所使用到的标准值、差值阈限等做进一步限定，以保证本发明方法的正常使用。
以下结合具体实施实例对本发明方法的使用效果进行说明。
实际采集相同型号的两组齿轮数据进行对比分析，其中一组齿轮有故障，另外一组齿轮正常，利用本发明的方法进行分析，如图3到图10所示，可以看出本发明的所采用的分析方法效果显著。
图3和图4分别是正常齿轮和故障齿轮的加速度时域原始信号，可以看出故障齿轮信号中有明显的周期信号，但从中很难看出齿轮是否有异常。
图5和图6分别是正常齿轮和故障齿轮的加速度频域信号。
图7和图8是正常齿轮和故障齿轮积分后的速度频域信号，图9和图10是正常齿轮和故障齿轮局部放大的速度频域信号，从图8可以看出在1XGMF和2XGMF有明显的振动幅值，放大后对比图9和图10，从图10中可以非常明显的看出齿轮的啮合频率和边带，从而可以判定齿轮有故障。
作为对比，图5和图6是加速度时域信号快速傅立叶变换后的加速度频域信号，可以看出其中有大量的高频信号，对比图7和图8，信号的差别就不是那么明显，其中的齿轮的啮合频率信号及边带就更难看出。
本发明提出了一种齿轮故障诊断方法，通过积分的方式将加速度信号转换为速度信号，从而实现了对高频振动信号和噪声的有效过滤。随后对积分后的速度信号进行傅立叶变换，得到频域信号，从而在频域上获得了清晰、准确的齿轮特征信号。最终根据所获得的齿轮特征信号即可完成对齿轮箱的故障诊断。
在本发明的方法中，对加速度进行积分后得到振动速度信号，从而可以计算出速度的有效值，在我国和ISO的机械设备振动标准中，给定的判断设备是否故障的依据也是振动速度有效值，因此本发明方法可以先计算和判断振动速度有效值进行初步判断，避免不必要的对工况非常好的齿轮进行判断。
在本发明的方法中，积分后齿轮的啮合频率和边带非常明显，因此操作者可以以此为依据很容易地判断出轴承故障。而且在本发明的方法中，频域积分的算法过程简单、计算量小、资源要求低，可以在各种硬件平台内实现。同时，采用频域积分的处理方式还可以避免时域积分“趋势顶”等带来的累积误差，从而进一步提升了诊断结果的准确性与可靠性，并为本发明的大规模推广应用奠定了技术基础。
此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内其他与振动分析相关的技术方案中，具有十分广阔的应用前景。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种齿轮故障诊断方法，其特征在于，包括如下步骤：
S1、将加速度传感器固定设置于齿轮箱的检测区域，利用加速度传感器采集齿轮箱的加速度振动信号；
S2、对S1中所得到的加速度振动信号进行积分处理，得到速度频域信号；
S3、根据齿轮箱内齿轮的转速和齿数分别得到齿轮的1X、2X、3X啮合频率及相对应的转速边带；
S4、依据S2中得到的速度频域信号分别获取齿轮在1X、2X、3X啮合频率下啮合频率的幅值和转速边带的幅值；
S5、依据S4中的结果，分别判断齿轮在1X、2X、3X啮合频率下的啮合频率和转速边带是否正常，并最终判断出齿轮是否故障。
2.根据权利要求1所述的齿轮故障诊断方法，其特征在于：在S2中，所述积分处理的方式为频域积分或时域积分。
3.根据权利要求1所述的齿轮故障诊断方法，其特征在于，在S2中，所述积分处理的方式为频域积分，具体包括如下步骤：
根据傅立叶变换，将加速度信号表示为
a(t)＝Aejωt
其中，a(t)为加速度在频率ω的傅立叶分量，A为对应a(t)的系数，j为虚数，
速度信号为加速度信号的积分，即
其中，v(t)为速度在频率ω的傅立叶分量，
记V为v(t)对应的系数，得到
即
其中，Vi为速度在频率ωi的傅立叶分量，Ai为加速度在频率ωi的傅立叶分量，j为虚数。
4.根据权利要求3所述的齿轮故障诊断方法，其特征在于，S2具体包括如下步骤：
S21、对加速度振动信号进行快速傅立叶变换，得到加速度频域数据；
S22、根据公式进行积分的频域变换、获得积分数据，转换公式为
其中，ωi为第i个角频率分量，N为数据点数，δω为角频率间隔、即δω＝2π*fs/N、fs为采样频率；
S23、对S22中得到的积分数据进行相位变换、得到速度频域信号，相位变换公式为Vi＝-imag(Vi)+real(Vi)*j
其中，Vi为第i点速度，imag(Vi)为Vi的虚部，real(Vi)为Vi的实部，j为虚数。
5.根据权利要求4所述的齿轮故障诊断方法，其特征在于，S2还包括如下步骤：
S24、对S23中得到的速度频域信号进行快速傅立叶逆变换，得到速度时域信号，再对速度时域信号进行均方根值计算、得出速度有效值，随后将所述速度有效值与预设标准值进行比较，若所述速度有效值接近或高于预设标准值，则判断设备可能存在故障、继续对设备进行分析，若所述速度有效值远低于预设标准值，则判断设备没有故障、无需继续对设备进行分析。
6.根据权利要求1所述的齿轮故障诊断方法，其特征在于，S3具体包括如下步骤：
S31、计算齿轮的1X、2X、3X啮合频率，啮合频率GMF的计算公式为
其中，z1、z2分别为主、从动齿轮的齿数，n1、n2分别为主、从动齿轮的每分钟转速，1X、2X、3X啮合频率指GMF的1倍、2倍和3倍，
S32、获取与所述啮合频率相对应的转速边带，所述转速边带为啮合频率附近低于啮合频率但高于其他频率的幅值，且其横坐标与啮合频率的差值为齿轮转速的整数倍频率幅值信号。
7.根据权利要求1所述的齿轮故障诊断方法，其特征在于，S4具体包括如下步骤：
S41、依据速度频域信号获取齿轮在1X啮合频率下啮合频率的幅值；
S42、依据速度频域信号获取齿轮在1X啮合频率下各转速边带的幅值；
S43、重复步骤S41、S42，分别获取齿轮在2X、3X啮合频率下啮合频率的幅值和转速边带的幅值。
8.根据权利要求1所述的齿轮故障诊断方法，其特征在于，S5具体包括如下步骤：
S51、依据齿轮在1X啮合频率下啮合频率的幅值和转速边带的幅值进行判断，若齿轮在1X啮合频率下啮合频率的幅值远高于正常齿轮的幅值且存在明显的转速边带，则判断齿轮存在故障，随后再根据齿轮故障的特征频率分析齿轮故障原因，否则判断齿轮不存在故障；
S52、重复步骤S51，完成齿轮在2X、3X啮合频率下的故障判断与故障原因分析。
CN201910413369.8A 2019-05-17 2019-05-17 齿轮故障诊断方法 Active CN110044610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910413369.8A CN110044610B (zh) 2019-05-17 2019-05-17 齿轮故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910413369.8A CN110044610B (zh) 2019-05-17 2019-05-17 齿轮故障诊断方法

Publications (2)

Publication Number Publication Date
CN110044610A true CN110044610A (zh) 2019-07-23
CN110044610B CN110044610B (zh) 2021-09-07

Family

ID=67282461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910413369.8A Active CN110044610B (zh) 2019-05-17 2019-05-17 齿轮故障诊断方法

Country Status (1)

Country Link
CN (1) CN110044610B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110987427A (zh) * 2019-12-31 2020-04-10 安徽容知日新科技股份有限公司 一种用于机械设备的数据处理方法、装置及系统
CN112160371A (zh) * 2020-09-14 2021-01-01 徐州徐工挖掘机械有限公司 一种挖掘机回转故障诊断方法
CN112304597A (zh) * 2020-10-13 2021-02-02 潍柴动力股份有限公司 一种齿轮检测方法、装置及车辆
CN112539935A (zh) * 2020-11-25 2021-03-23 西安因联信息科技有限公司 旋转机械基础类故障的识别方法
CN113048220A (zh) * 2021-03-12 2021-06-29 中煤科工集团重庆研究院有限公司 一种矿用提升机齿轮箱隐患识别方法及监测装置
CN113865860A (zh) * 2021-08-25 2021-12-31 浙江运达风电股份有限公司 一种基于转频边带rms趋势分析的齿轮断齿故障诊断方法
CN113984313A (zh) * 2021-10-29 2022-01-28 东风汽车有限公司东风日产乘用车公司 多片离合器零件振动检测设备及检测方法、存储介质和电子设备
CN114353935A (zh) * 2022-01-04 2022-04-15 北京英华达软件工程有限公司 一种电量可控型无线振动加速度传感器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102539142A (zh) * 2010-09-23 2012-07-04 通用电气公司 用于齿轮啮合故障检测的边带能量比方法
CN103134676A (zh) * 2011-11-30 2013-06-05 上海宝钢工业检测公司 齿轮箱运行状态的在线监测预警方法
WO2017190745A1 (en) * 2016-05-04 2017-11-09 Vestas Wind Systems A/S Method of identifying a fault in a system of gears in a wind turbine
CN108613806A (zh) * 2018-07-23 2018-10-02 潍柴动力股份有限公司 一种齿轮检测方法及装置
CN108844733A (zh) * 2018-04-18 2018-11-20 苏州微著设备诊断技术有限公司 一种基于kl散度与均方根值的齿轮状态监测指标提取方法
CN109425483A (zh) * 2017-09-04 2019-03-05 锐电科技有限公司 基于scada和cms的风电机组运行状态评估与预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102539142A (zh) * 2010-09-23 2012-07-04 通用电气公司 用于齿轮啮合故障检测的边带能量比方法
CN103134676A (zh) * 2011-11-30 2013-06-05 上海宝钢工业检测公司 齿轮箱运行状态的在线监测预警方法
WO2017190745A1 (en) * 2016-05-04 2017-11-09 Vestas Wind Systems A/S Method of identifying a fault in a system of gears in a wind turbine
CN109416299A (zh) * 2016-05-04 2019-03-01 维斯塔斯风力系统集团公司 识别风力涡轮机中的齿轮系统中的故障的方法
CN109425483A (zh) * 2017-09-04 2019-03-05 锐电科技有限公司 基于scada和cms的风电机组运行状态评估与预测方法
CN108844733A (zh) * 2018-04-18 2018-11-20 苏州微著设备诊断技术有限公司 一种基于kl散度与均方根值的齿轮状态监测指标提取方法
CN108613806A (zh) * 2018-07-23 2018-10-02 潍柴动力股份有限公司 一种齿轮检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙楠楠: "大型旋转机械振动监测与故障诊断知识体系的研究与实现", 《万方数据》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110987427A (zh) * 2019-12-31 2020-04-10 安徽容知日新科技股份有限公司 一种用于机械设备的数据处理方法、装置及系统
CN110987427B (zh) * 2019-12-31 2021-11-09 安徽容知日新科技股份有限公司 一种用于机械设备的数据处理方法、装置及系统
CN112160371A (zh) * 2020-09-14 2021-01-01 徐州徐工挖掘机械有限公司 一种挖掘机回转故障诊断方法
CN112160371B (zh) * 2020-09-14 2022-06-14 徐州徐工挖掘机械有限公司 一种挖掘机回转故障诊断方法
CN112304597A (zh) * 2020-10-13 2021-02-02 潍柴动力股份有限公司 一种齿轮检测方法、装置及车辆
CN112304597B (zh) * 2020-10-13 2023-01-06 潍柴动力股份有限公司 一种齿轮检测方法、装置及车辆
CN112539935A (zh) * 2020-11-25 2021-03-23 西安因联信息科技有限公司 旋转机械基础类故障的识别方法
CN112539935B (zh) * 2020-11-25 2022-10-14 西安因联信息科技有限公司 旋转机械基础类故障的识别方法
CN113048220A (zh) * 2021-03-12 2021-06-29 中煤科工集团重庆研究院有限公司 一种矿用提升机齿轮箱隐患识别方法及监测装置
CN113865860A (zh) * 2021-08-25 2021-12-31 浙江运达风电股份有限公司 一种基于转频边带rms趋势分析的齿轮断齿故障诊断方法
CN113984313A (zh) * 2021-10-29 2022-01-28 东风汽车有限公司东风日产乘用车公司 多片离合器零件振动检测设备及检测方法、存储介质和电子设备
CN114353935A (zh) * 2022-01-04 2022-04-15 北京英华达软件工程有限公司 一种电量可控型无线振动加速度传感器

Also Published As

Publication number Publication date
CN110044610B (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
CN110044610A (zh) 齿轮故障诊断方法
Wang et al. Subband averaging kurtogram with dual-tree complex wavelet packet transform for rotating machinery fault diagnosis
Hu et al. An adaptive and tacholess order analysis method based on enhanced empirical wavelet transform for fault detection of bearings with varying speeds
CN103884502B (zh) 一种变转速下风力发电机行星齿轮系统故障诊断方法
Shahriar et al. Electrical signature analysis-based detection of external bearing faults in electromechanical drivetrains
Chen et al. Generator bearing fault diagnosis for wind turbine via empirical wavelet transform using measured vibration signals
CN110617964A (zh) 用于滚动轴承故障诊断的同步压缩变换阶比分析法
Wang et al. Rolling element bearing fault diagnosis via fault characteristic order (FCO) analysis
Saidi et al. Bi-spectrum based-EMD applied to the non-stationary vibration signals for bearing faults diagnosis
Guo et al. Faulty bearing signal recovery from large noise using a hybrid method based on spectral kurtosis and ensemble empirical mode decomposition
Yoon et al. On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis
Boudiaf et al. A summary of vibration analysis techniques for fault detection and diagnosis in bearing
Zhang et al. Enhancement of adaptive mode decomposition via angular resampling for nonstationary signal analysis of rotating machinery: Principle and applications
Guo et al. Gear fault diagnosis of wind turbine based on discrete wavelet transform
Chen et al. Use of the correlated EEMD and time-spectral kurtosis for bearing defect detection under large speed variation
CN108398260B (zh) 基于混合概率方法的齿轮箱瞬时角速度的快速评估方法
Wang et al. A two-stage method using spline-kernelled chirplet transform and angle synchronous averaging to detect faults at variable speed
Wu et al. A modified tacho-less order tracking method for the surveillance and diagnosis of machine under sharp speed variation
Shi et al. A dual-guided adaptive decomposition method of fault information and fault sensitivity for multi-component fault diagnosis under varying speeds
CN104215453B (zh) 一种一级行星二级平行轴齿轮箱故障检测方法
Chen et al. Application of reassigned wavelet scalogram in wind turbine planetary gearbox fault diagnosis under nonstationary conditions
CN110219816A (zh) 用于风机故障诊断的方法和系统
Nacib et al. A comparative study of various methods of gear faults diagnosis
Zhang et al. Wind turbine planetary gearbox fault diagnosis via proportion-extracting synchrosqueezing chirplet transform
Yang et al. Resampling Technique based Demodulation Analysis for Planet Bearing Cage Fault Diagnosis under Nonstationary Conditions

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 215123 Creative Industrial Park 11-802, No. 328, Xinghu street, Suzhou Industrial Park, Suzhou area, China (Jiangsu) pilot Free Trade Zone, Suzhou City, Jiangsu Province

Applicant after: SUZHOU DHMS INFORMATION TECHNOLOGY Co.,Ltd.

Address before: Room 1810, building 2, Suzhou entrepreneurship Park, No. 209, Zhuyuan Road, high tech Zone, Suzhou, Jiangsu 215000

Applicant before: SUZHOU DHMS INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant