CN110573845B - 检测振动传感器中缺陷的方法、相关设备和计算机程序 - Google Patents
检测振动传感器中缺陷的方法、相关设备和计算机程序 Download PDFInfo
- Publication number
- CN110573845B CN110573845B CN201880027984.9A CN201880027984A CN110573845B CN 110573845 B CN110573845 B CN 110573845B CN 201880027984 A CN201880027984 A CN 201880027984A CN 110573845 B CN110573845 B CN 110573845B
- Authority
- CN
- China
- Prior art keywords
- vibration
- vibration sensor
- vibration signal
- outliers
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种用于检测振动传感器中的缺陷的方法,包括:白化(E1)由振动传感器传递的振动信号(X(n)),以及计算(E2)白化的振动信号(Xb(n))的不对称性指标。其中,白化可以是简单地通过用信号的傅里叶变换除以模数来实现的谱白化。不对称性指标是对所白化的振动信号中的异常点的计数。
Description
技术领域
本发明涉及用于监控诸如航空器涡轮发动机的机器的健康状态的系统,该系统尤其用于预见性维护。本发明涉及通过分析机器的振动来对该机器进行监控,更特别地涉及对实施此类监控的振动传感器中的缺陷、尤其是固定缺陷的检测。
背景技术
旋转机器有着非常广泛的应用,例如,用于交通、土木工程、工业生产、能源等方面。这些机器通常在艰苦的环境中和严峻的操作条件下运行。尽管具有很好的可靠性,但这些机器系统还是会自然地出现故障。这些故障不仅可能会显著地增加系统的运行成本,而且还可能会对用户造成严重的危险。
预见性维护是一种用于优化机器的功能同时还确保安全的解决方案。其基于监控系统,该监控系统旨在通过对传感器所测量的各种类型的输入(温度、压力、振动、电流、电压等等)进行分析,产生进行维护操作的命令。
在本文中,振动分析是一种在各种机械应用中被广泛认可的用于监控机器的健康状态的方法。这种方法的有效性在于:由于机器振动包含大量有关系统中的内力的信息,这些内力通常与某些缺陷机制相关并且呈现出独特的振动征兆,称为机械签名。
可以用不同类型的传感器(即位移传感器、速度传感器和加速度传感器)来测量振动。加速度计为目前最常用的,因为其能够观察到很宽的频率范围,而且加速度计在许多尺寸和结构上都是强健可靠的。
振动传感器靠近待监控元件安装(例如,安装在齿轮组或轴承的支撑座上)。在振动传感器之后是采集链,其作用是将传感器的模拟信号转换为数字信号。该数字信号被称作“原始信号”,包括与缺陷相关的分量,以及与其他源相关的其他分量。由数学信号方法(例如滤波,频谱分析,统计工具,最优化等等)对该原始信号进行处理,以识别出异常振动签名的存在。根据所处理的信号计算指标以估算异常的进展并量化其严重性。将这些指标的值与阈值进行比较,并由此决定是否触发告警。
在多数的应用中,振动传感器通过粘合剂(例如,氰基丙烯酸胶、双相粘合带、石蜡、热熔胶)进行固定。振动传感器的固有频率取决于该固定材料的刚性,因此,粘合剂的选择对精密测量是至关重要的。由此,在选择粘合剂时,要考虑以下准则:振动传感器的质量、测量所需的频带宽度,在测量点处期望的振幅及温度。实际上,即使符合这些准则,由于在艰苦的环境中和严峻的操作条件下(例如,高温、高速以及高扭矩)运行,振动传感器容易经受不同程度的破损。这种破损可能会显著地影响传感器的传递函数及其性能。因此,所测量的信号的结构可能被显著改变,并且用于监控机器的健康状态的系统可能会触发错误告警。
为了降低错误告警的概率,从而提高状态监控系统的可靠性,可以通过检测诸如固定缺陷的任何缺陷来估算振动传感器提供的测量的准确性。
振动传感器中的缺陷通过使传感器的传递函数变为非线性,从而削弱了传感器的传递函数,其表现为振动信号的高不对称性。因此,如V.Girondin等人的题为“基于振动的直升机加速度计的缺陷检测(Vibration-based defect detection of accelerometersin helicopters)”,SAFEPROCESS-第八届IFAC缺陷检测研讨会,技术过程的监督和安全,2012年8月,墨西哥城,墨西哥,720-725,2012的文章中所述,当振动信号的不对称性超过阈值时,能够对不对称性进行量化并且推测出缺陷的存在。
这篇文章提出了使用基于线性滤波优化的改进的常用不对称性指标(偏度,skewness),线性滤波的优化将滤波信号的偏度的值最大化。然后,将该最大值作为用于检测振动传感器中的缺陷所采用的指标。线性滤波优化是一种耗费计算时间的迭代过程。
发明内容
本发明的目的是通过量化振动信号的不对称性来提高对振动传感器中的缺陷的检测精度,并由此增加通过振动分析来监控机器的健康状态的系统的可靠性
为此,本发明提出了一种检测振动传感器、通常为加速度计中的缺陷的方法,该方法包括:谱白化该振动传感器传递的振动信号,以及计算白化的振动信号中的不对称性指标,其中,计算所述不对称性指标包括:计算所述白化的振动信号中的正向异常点和负向异常点之间的差值,当所白化的振动信号中的点的绝对值高于异常阈值时,该点为正向异常点或者负向异常点。
以下为该方法的优选但非限制性方面:
振动信号的白化为倒谱白化;
振动信号的倒谱白化包括:对振动信号进行傅里叶变换,计算所述傅里叶变换的模数,将所述傅里叶变换除以模数,以及对上述除操作的结果进行傅里叶逆变换;
当不对称性指标超过告警阈值时,振动传感器中的缺陷被检测到;
振动传感器被安装在机器中,并且当未在振动传感器中检测到缺陷时,由用于通过振动分析来监控机器的健康状态的系统利用振动信号。
本发明涉及一种数据处理单元,包括被配置为实施所述方法的装置,本发明还涉及一种用于通过振动分析来监控机器的健康状态的系统,该系统包括安装在机器中的振动传感器,以及与本发明中的振动传感器耦接的数据处理单元。本发明还涉及计算机程序产品,包括代码指令,当所述程序在计算机上执行时,代码指令用于实施所述方法。
附图说明
通过阅读以下通过非限制性示例给出并且结合附图进行的对本发明的优选实施例的详细描述,本发明的其他方面、目的、特征和优点将变得更清楚,在附图中:
图1为根据本发明的用于通过振动分析来监控机器的健康状态的系统的图示;
图2为示出根据本发明的用于检测振动传感器中的缺陷的方法的流程图;
图3示出了在本发明中实施的谱白化的一种可能的实施方式;以及
图4示出了计算不对称性指标的一种可能示例。
具体实施方式
参照图1,本发明可以由用于通过振动分析来监控机器的健康状态的系统1来实现。该机器可以为旋转机器、内燃机或者爆燃式内燃机、或者试验台。一个特别的应用为监控飞机或者直升机的发动机。
系统1包括用于获取振动信号的获取单元2、用于计算健康状态指标的计算单元3,以及再现单元4,用于提供有关机器的健康状态或者振动传感器的健康状态的指示。
获取单元2包括通过粘合剂固定到受监控的机器的振动传感器21(例如加速度计)、以及用于获取振动传感器21所传递的振动信号的获取链22。获取链的作用在于将振动传感器21所传递的模拟信号转换为数字信号。该获取链通常包括以下元件:调节器(用于无源传感器的放大、电隔离以及激励等等)、模拟滤波器(用于限制传感器的带宽,从而防止信噪比恶化和频谱混叠)、采样保持单元(其提取信号的样本并且在转换期间中使该样本保持不变)以及模数转换器。进而,数字化的原始振动信号被传送至计算单元3。
计算单元3与传统的用于健康监控的单元的不同之处在于:该计算单元包括用于检测振动传感器中的缺陷的模块21,被配置为实现下文所描述的方法。该传感器缺陷检测模块的输出由第一测试模块32评估。
如果没有检测到传感器的缺陷(第一测试模块32的输出为N),则振动信号是在处理模块33中进行数字处理的对象,并且在指标计算模块34中根据所处理的信号计算指标。由第二测试模块35评估所计算的指标,在第二测试模块中将所计算的指标与阈值进行比较,以决定是否触发告警(第二测试模块35输出为N和O),该决定被提供给再现单元4,再现单元通常是显示器,能够通过发出告警来呈现与被监控的机器的健康状态相关的信息(方框41)或者缺陷状态相关的信息(方框42)。
如果检测到了传感器的缺陷(第一测试模块32的输出为O),不对振动信号进行处理,并且再现单元4呈现与传感器的缺陷存在相关的信息(方框43)。
下文描述了在检测模块21中实现的用于检测振动传感器的潜在缺陷的方法。
本发明基于以下发现:前文中提到的文章中所公开的方法将振动信号中的不对称性与振动传感器中存在的缺陷相关联。然而,申请人注意到振动信号的不对称性不仅与振动传感器的缺陷有关,而且还可能由以下因素引起:机械系统的非线性以及由于例如由齿轮的周期性振动所产生的在谐波(正弦波)处的相位分布。在振动传感器无故障运行的情况下,振动信号表现出不对称性,存在被过度识别的风险,从而产生错误告警。
为了能够区分各种不对称性源,参照图2,本发明的方法包括第一步骤E1:将振动信号X(n)谱白化。事实上,该步骤可以将振动信号的整个确定性分量排除在外,由此得到不对称性。在这种情况下,白化的振动信号Xb(n)中的不对称性可以仅被视作振动传感器中存在缺陷。
振动信号的确定性分量在平稳状态下是周期性的,由此具有离散的频谱。而振动信号的随机分量具有连续的频谱。信号的谱白化包括修改该信号的频谱以使其接近于白噪声的频谱。由此,白化的振动信号具有恒定的功率谱密度,其中,振动信号的频谱包络的峰值是均匀的,从而抑制了确定性分量的贡献。
特别地,将振动信号的确定性分量与随机分量分离可以通过倒谱白化来实现,倒谱白化使振动信号的源保持在相位中,并且去除了振幅上所显现的所有源。这种技术具有非凡的能力,即在白化振动信号的同时盲去除振动信号的确定性分量。该技术包括:将所有信号的复倒谱归零,同时仅保留与零频率相关的分量。因此,在与原始符号的相位进行重组后,倒频谱被归零,然后在时域中进行转换。对该倒谱白化技术的描述可以在P.Borghesani等人所著的题为“倒谱预白化在变速轴承故障诊断中的应用(Application of cepstrumpre-whitening for the diagnosis of bearing faults under variable speedconditions)”,Mech.Syst.Sig.Process.36(2013),370–384的文章中找到。
有利地,可以通过对振动信号进行简单的傅里叶变换而无需计算倒频谱来实施倒谱白化。在这种情况下,参照图3,对振动信号X(n)白化包括:对振动信号进行傅里叶变换FT,计算所述变换的模数MOD,将所述变换除以DIV其模数,以及对上述除操作的结果进行傅里叶逆变换(IFT)。采用离散傅里叶变换DFT及离散傅里叶逆变换DFT-1,谱白化运算可以被写为
参照图2,本发明的方法包括第二步骤E2:计算白化振动信号中的不对称性指标。此计算可以用来估算振动传感器的传递函数的非线性,或者另一方面,可以用来估算振动传感器中的缺陷(例如固定缺陷)的存在。
不对称性指标是针对白化的振动信号中的异常点的计数。更确切地说,异常点计数根据白化的振动信号中的正向异常点和负向异常点之间的差值来量化不对称性,这些异常点相对于被称为异常阈值的对称性阈值来限定。该异常阈值被表示为α,即小于信号Xb(n)的绝对值的最大值的正整数:0<α<max(|Xb(n)|)。例如,异常阈值α被选择成被视为所述白化的振动信号的L个样本的标准差的两倍。正向异常点和负向异常点分别表示为N+和N-,被定义为如下(参照图4):
其中,Iarg表示指标函数(当条件arg为真时,指标函数返回1)。指定N为正向异常点和负向异常点的总数(N=N++N-),对统计的异常点指标的计算包括计算正向异常点的数量和负向异常点的数量之间的差值,定义为如下:
该指标IX介于0和1之间,并且不受不对称方向的影响。当完美对称时,该指标返回0,而当不对称性很大时,该指标接近于1。
该指标IX被证明比前面所提到的文章中所描述的基于最优偏度的指标更加有效。原因在于:不同于指标IX,最优偏度既未被标准化又未被界定,因此很难被量化。此外,不对称性由定向脉冲来表征。然而,这些脉冲并不影响信号的经验概率分布,也不会被偏度检测到。就其本身而言,指标IX能够检测特定类型的不对称性。与偏度相比,本发明的指标IX对不对称性更加灵敏,可以提高检测振动传感器中的缺陷的能力。此外,更易于计算。
一旦计算出不对称性指标,本发明的方法还包括第三步骤E3:根据对指标IX的假设检验,估算不对称性。原因在于:虽然经白化的振动信号是对称的,但是指标不一定会返回至确切的零值。这是由于信号的有限长度所导致的估算误差(偏差和方差)。可以调节阈值μ(又称为告警阈值),其限定了指标的置信度。该阈值μ能够根据在传感器正常运行情况下计算的指标IX的经验值来计算,或者可替选地,通过统计数学计算方法来计算。如果指标IX的值低于告警阈值μ,信号就被认为是对称的,否则信号就被认为是不对称的。因此,当不对称指标IX超过告警阈值μ时,振动传感器中的缺陷被检测到。在这种情况(图2中的O)下,在步骤E4中,再现单元4可以显示出告警消息。在相反的情况(图2中的N)下,振动传感器被认为是健康的,并且在步骤E5中,监控系统正常运行以确定机器中是否存在缺陷。
应该理解的是,根据本发明中的方法可以快速简单地实施,并且不需要其他传感器的信号。还使得能够通过谱白化对缺陷进行鲁棒、精确的检测,该谱白化使振动传感器的运行正常或者运行故障相关的不对称源进行分离,本方法能进行强健而精确的缺陷检测。此外,该方法也不需要缺陷检测的历史记录,根据在前或在后进行的测量独立地评估振动信号。最后,与偏度相比,本发明中对异常点进行计数的指标对不对称性更加灵敏,从而可以提高检测振动传感器中的缺陷的能力。
本发明不仅不限于上文所描述的方法,而且还扩展至数据处理单元,包括:被配置为实施所述方法的装置,以及通过振动分析来监控机器的健康状态的系统,该系统包括安装在机器中的振动传感器以及与本发明中的振动传感器耦接的数据处理单元。本发明还涉及计算机程序产品,包括代码指令,当所述程序在计算机上执行时,代码指令用于实施所述方法。
Claims (8)
1.一种用于检测振动传感器中的缺陷的方法,包括以下步骤:
对由所述振动传感器传递的振动信号进行谱白化;以及
计算谱白化的振动信号中的不对称性指标,其中,计算所述不对称性指标包括:计算所述谱白化的振动信号中的正向异常点的数量和负向异常点的数量,当所述谱白化的振动信号中的点的绝对值高于异常阈值时,所述谱白化的振动信号中的所述点为正向异常点或者负向异常点;以及计算所述正向异常点的数量和所述负向异常点的数量之间的差值,
其中,所述方法还包括:当所述不对称性指标超过告警阈值时,所述振动传感器中的缺陷被检测到。
2.根据权利要求1所述的方法,其中,所述振动信号的谱白化为倒谱白化。
3.根据权利要求2所述的方法,其中,所述振动信号的倒谱白化包括:对所述振动信号进行傅里叶变换,计算所述傅里叶变换的模数,将所述傅里叶变换除以模数,以及对上述除操作的结果进行傅里叶逆变换。
5.根据权利要求1所述的方法,其中,所述振动传感器被安装在机器中,并且当未在所述振动传感器检测到缺陷时,由健康状态监控系统利用所述振动信号。
6.一种健康状态监控系统,包括:安装在机器中的振动传感器,以及与所述振动传感器耦接的数据处理单元,所述数据处理单元被配置为实施根据权利要求1所述的方法。
7.根据权利要求6所述的健康状态监控系统,其中,所述振动传感器为加速度计。
8.一种计算机介质,用于存储计算机程序,当所述计算机程序由计算机执行时,所述计算机程序实施根据权利要求1所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1753648 | 2017-04-26 | ||
FR1753648A FR3065803B1 (fr) | 2017-04-26 | 2017-04-26 | Procede de detection d'un defaut d'un capteur de vibration, dispositif et programme d'ordinateur associes |
PCT/FR2018/051015 WO2018197797A1 (fr) | 2017-04-26 | 2018-04-24 | Procédé de détection d'un defaut d'un capteur de vibration, dispositif et programme d'ordinateur associés |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110573845A CN110573845A (zh) | 2019-12-13 |
CN110573845B true CN110573845B (zh) | 2022-03-15 |
Family
ID=61521528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880027984.9A Active CN110573845B (zh) | 2017-04-26 | 2018-04-24 | 检测振动传感器中缺陷的方法、相关设备和计算机程序 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11422024B2 (zh) |
EP (1) | EP3593101B1 (zh) |
CN (1) | CN110573845B (zh) |
FR (1) | FR3065803B1 (zh) |
WO (1) | WO2018197797A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3089636B1 (fr) * | 2018-12-11 | 2021-08-06 | Safran Aircraft Engines | Procédé de détection d’une défaillance d’un capteur de vibration pour une pièce d’un moteur |
EP3708991A1 (en) * | 2019-03-14 | 2020-09-16 | Siemens Aktiengesellschaft | Automated health state classifier for rotating machines based on expert knowledge |
WO2023217724A1 (fr) * | 2022-05-09 | 2023-11-16 | Safran | Procédé de détection d'un défaut d'au moins un engrenage d'une turbomachine d'aéronef à partir d'un signal vibratoire de l'engrenage |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5459675A (en) * | 1992-01-29 | 1995-10-17 | Arch Development Corporation | System for monitoring an industrial process and determining sensor status |
US5629872A (en) * | 1992-01-29 | 1997-05-13 | Arch Development Corporation | System for monitoring an industrial process and determining sensor status |
US5761090A (en) * | 1995-10-10 | 1998-06-02 | The University Of Chicago | Expert system for testing industrial processes and determining sensor status |
CN101113936A (zh) * | 2007-07-20 | 2008-01-30 | 广州市计量检测技术研究院 | 一种虚拟振动台检测信号处理方法及其设备 |
CN105651376A (zh) * | 2014-11-10 | 2016-06-08 | 上海宝钢工业技术服务有限公司 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
CN106248356A (zh) * | 2016-07-13 | 2016-12-21 | 广东工业大学 | 一种基于峭度指标的旋转机械故障诊断方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5943634A (en) | 1996-05-14 | 1999-08-24 | Csi Technology, Inc. | Vibration data analysis based on time waveform parameters |
US6240372B1 (en) * | 1997-11-14 | 2001-05-29 | Arch Development Corporation | System for surveillance of spectral signals |
US9495646B2 (en) * | 2013-06-05 | 2016-11-15 | The Trustees Of Columbia University In The City Of New York | Monitoring health of dynamic system using speaker recognition techniques |
-
2017
- 2017-04-26 FR FR1753648A patent/FR3065803B1/fr active Active
-
2018
- 2018-04-24 EP EP18724959.4A patent/EP3593101B1/fr active Active
- 2018-04-24 CN CN201880027984.9A patent/CN110573845B/zh active Active
- 2018-04-24 WO PCT/FR2018/051015 patent/WO2018197797A1/fr unknown
- 2018-04-24 US US16/603,644 patent/US11422024B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5459675A (en) * | 1992-01-29 | 1995-10-17 | Arch Development Corporation | System for monitoring an industrial process and determining sensor status |
US5629872A (en) * | 1992-01-29 | 1997-05-13 | Arch Development Corporation | System for monitoring an industrial process and determining sensor status |
US5761090A (en) * | 1995-10-10 | 1998-06-02 | The University Of Chicago | Expert system for testing industrial processes and determining sensor status |
CN101113936A (zh) * | 2007-07-20 | 2008-01-30 | 广州市计量检测技术研究院 | 一种虚拟振动台检测信号处理方法及其设备 |
CN105651376A (zh) * | 2014-11-10 | 2016-06-08 | 上海宝钢工业技术服务有限公司 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
CN106248356A (zh) * | 2016-07-13 | 2016-12-21 | 广东工业大学 | 一种基于峭度指标的旋转机械故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
Application of cepstrum pre-whitening for the diagnosis of bearing faults under variable speed conditions;P. Borghesani 等;《Mechanical Systems and Signal Processing》;20130401;第36卷(第2期);第370-380页 * |
Also Published As
Publication number | Publication date |
---|---|
EP3593101B1 (fr) | 2021-01-27 |
US20200116554A1 (en) | 2020-04-16 |
US11422024B2 (en) | 2022-08-23 |
FR3065803B1 (fr) | 2019-08-30 |
CN110573845A (zh) | 2019-12-13 |
EP3593101A1 (fr) | 2020-01-15 |
WO2018197797A1 (fr) | 2018-11-01 |
FR3065803A1 (fr) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Instantaneous speed jitter detection via encoder signal and its application for the diagnosis of planetary gearbox | |
Lamraoui et al. | Cyclostationarity approach for monitoring chatter and tool wear in high speed milling | |
KR0139643B1 (ko) | 비동기터빈 블레이드 진동 모니터링 시스템 | |
CN110573845B (zh) | 检测振动传感器中缺陷的方法、相关设备和计算机程序 | |
JP5393693B2 (ja) | ガスタービンの運転を分析するための方法 | |
US20090162186A1 (en) | Method and apparatus for vibration-based automatic condition monitoring of a wind turbine | |
Rémond et al. | Editorial for the special issue on Instantaneous Angular Speed (IAS) processing and angular applications | |
Diamond et al. | A comparison between three blade tip timing algorithms for estimating synchronous turbomachine blade vibration | |
EP2781897B1 (en) | Blade tip timing | |
US11927501B2 (en) | Method and device for monitoring a gear system | |
CN104380063B (zh) | 异常音检测系统 | |
Corne et al. | Comparing MCSA with vibration analysis in order to detect bearing faults—A case study | |
Przysowa et al. | Inductive sensors for blade tip-timing in gas turbines | |
JP2017129583A (ja) | 振動監視システム | |
CN107515118B (zh) | 旋转机械轴承故障诊断方法 | |
CN103116032A (zh) | 用于获取风力发电机组的转速的方法和设备 | |
KR20120121621A (ko) | 차량의 이상 진단 장치, 이상 진단 방법 및 그 진단 방법의 기록매체 | |
Hu et al. | Novelty detection methods for online health monitoring and post data analysis of turbopumps | |
Afshar et al. | Generalized roughness bearing fault diagnosis using time series analysis and gradient boosted tree | |
CN115683644B (zh) | 航空发动机双源拍振特征识别方法 | |
RU2670771C9 (ru) | Способ определения характера касания лопатки вращающегося колеса о корпус турбомашины | |
US11977096B2 (en) | Motion, vibration and aberrant condition detection and analysis | |
Koch et al. | Angular measurement with a gear wheel as a material measure-Extension as absolute sensor | |
CN112504441B (zh) | 一种基于重要信息重构的振动加速度信号分段积分方法 | |
CN112268688B (zh) | 一种错误数据识别方法及装置 |
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 |