CN110580471B - 基于编码器信号瞬变特征的机械设备故障诊断方法 - Google Patents

基于编码器信号瞬变特征的机械设备故障诊断方法 Download PDF

Info

Publication number
CN110580471B
CN110580471B CN201910865515.0A CN201910865515A CN110580471B CN 110580471 B CN110580471 B CN 110580471B CN 201910865515 A CN201910865515 A CN 201910865515A CN 110580471 B CN110580471 B CN 110580471B
Authority
CN
China
Prior art keywords
fault
mechanical equipment
encoder
encoder signal
time domain
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
CN201910865515.0A
Other languages
English (en)
Other versions
CN110580471A (zh
Inventor
林京
丁传仓
焦金阳
梁凯旋
苗永浩
易迎港
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.)
Beihang University
Xian Jiaotong University
Original Assignee
Beihang University
Xian Jiaotong University
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 Beihang University, Xian Jiaotong University filed Critical Beihang University
Priority to CN201910865515.0A priority Critical patent/CN110580471B/zh
Publication of CN110580471A publication Critical patent/CN110580471A/zh
Application granted granted Critical
Publication of CN110580471B publication Critical patent/CN110580471B/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
    • G01M13/02—Gearings; Transmission mechanisms
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明提供一种基于编码器信号瞬变特征的机械设备故障诊断方法，首先利用编码器数据采集卡读取机械设备中编码器的输出得到编码器信号y(t)；然后构建基于局部多项式拟合和稀疏的优化问题并建立迭代算法，利用迭代算法提取出时域瞬变特征x(t)；再利用阶次跟踪算法将时域瞬变特征x(t)转换为角度域瞬变特征x(θ)；最后，识别角度域瞬变特征x(θ)的角度间隔T，进而输出故障诊断结果。本发明实现了变转速工况下时域瞬变特征的提取，利用阶次跟踪技术消除转速变化的影响，为准确利用编码器信号在变转速工况下进行机械设备故障诊断提供准确依据，并可以使得机械设备故障诊断自动化，且使得机械设备故障诊断具体为故障类型，确保设备的运行安全。

Description

基于编码器信号瞬变特征的机械设备故障诊断方法
技术领域
本发明涉及机械设备故障诊断技术领域，特别涉及一种基于编码器信号瞬变特征的机械设备故障诊断方法。
背景技术
近年来，研究表明编码器信号中包含表征机械设备健康状态的信息。机械设备的关键零部件齿轮、轴承等发生故障时，编码器信号中会产生瞬变特征。然而，故障引起的瞬变特征被编码器信号中的其他成分所干扰，导致难以监测机械设备的健康状态。
现有技术中虽然也提出一些编码器信号特征提取的方法，但是目前的方法只针对于定转速下的编码器信号特征提取，而在工程应用中机械设备多工作在变转速工况条件下，因此，对于变转速的机械设备的故障诊断会发生诊断错误。
发明内容
本发明针对上述现有技术中的缺陷，提出了如下技术方案。
一种基于编码器信号瞬变特征的机械设备故障诊断方法，该方法包括：
采集步骤，利用编码器数据采集卡读取机械设备中的编码器的输出信号，得到编码器信号y(t)；
时域瞬变特征提取步骤，对编码器信号y(t)构建基于局部多项式拟合和稀疏的优化问题建立迭代算法，基于所述迭代算法从编码器信号y(t)提取时域瞬变特征x(t)；
角度域瞬变特征提取步骤，将编码器信号y(t)作为相位参考信号，利用阶次跟踪算法将时域瞬变特征x(t)转换到角度域中得到角度域瞬变特征x(θ)；
故障诊断步骤，识别角度域瞬变特征x(θ)的角度间隔T，并将所述角度间隔T与故障类型的理论故障角度间隔T’进行匹配，根据匹配结果确定机械设备故障的类型。
更进一步地，所述机械设备为行星齿轮箱，所述行星齿轮箱包括齿圈、太阳轮及三个均匀分布的行星轮，在行星齿轮箱的输入轴和输出轴分别设置一个编码器。
更进一步地，所述行星齿轮箱传动比为5.1:1；所述齿圈的齿数为82、模数为1；所述太阳轮的齿数为20、模数为1；所述行星轮的齿数为31、模数为1；所述太阳轮、行星轮和齿圈相对于输出轴的故障阶次分别为12.3Hz、2.645Hz和3Hz。
更进一步地，对输出轴编码器信号y(t)进行分析确定行星齿轮箱故障类型。
更进一步地，所述时域瞬变特征提取步骤的具体操作为：
对编码器信号y(t)基于局部多项式拟合和稀疏的优化问题表示为：
Figure BDA0002201149560000021
s.t.pm＝Gam
其中，J(x,a)为优化问题的目标函数，由第一部分数据保真度度量算子
Figure BDA0002201149560000022
和第二部分正则项
Figure BDA0002201149560000023
组成，
Figure BDA0002201149560000024
表示对应于最小目标函数值的最优解；参数λ>0为正则参数，用于调节目标函数的两部分在优化中的权重；||·||2表示l2范数；
Figure BDA0002201149560000025
表示长度为N的编码器信号；
Figure BDA0002201149560000026
表示长度为N的时域瞬变特征；矩阵
Figure BDA0002201149560000027
将y(t)或x(t)分割成M个长度为L的片段，两个相邻片段的重叠长度为P；pm表示局部拟合多项式信号，am为相应的局部多项式系数，多项式系数a＝[a1,a2,…,am],矩阵
Figure BDA0002201149560000028
为范德蒙矩阵，d为拟合多项式阶数；此外，在优化问题的目标函数中，数据保真度度量算子约束信号的重构误差，正则项约束时域瞬变特征x(t)的组稀疏特性，其中
Figure BDA0002201149560000029
Figure BDA00022011495600000210
K表示组的大小。
当固定x时，式(1)的优化问题为相对于多项式系数a的优化问题，其解为：
Figure BDA00022011495600000211
其中，T表示矩阵转置。
将式(2)代入式(1)，式(1)转换为：
Figure BDA00022011495600000212
其中，I表示单位矩阵。
对于无约束优化问题式(3)，引入辅助变量um将其转化为约束优化问题，表示为：
Figure BDA00022011495600000213
s.t.um＝Smx m＝1,2,…,M
利用交替方向乘子法与优化最小化算法推导出相应的迭代算法求解约束优化问题式(4)；
所述迭代算法为：
um＝[G(GTG)-1GT(Smx+dm-Smy)+(Smy+μ(Smx+dm))]/(1+μ) (5)
其中，m＝1,2,…,M
Figure BDA0002201149560000031
dm＝dm-(um-Smx)其中，m＝1,2,…,M (7)
在式(5)-(7)中，i表示当前迭代次数，μ为惩罚因子，向量dm初始值设置为零向量，矩阵
Figure BDA0002201149560000032
标量n取值范围为[1,N]，[Λ(x(i))]n,n表示矩阵Λ(x(i))中第n行第n列的元素，标量j，k与n结合用于表示时域瞬变特征x(t)的第n-j+k个元素，j和k的取值范围为[0,K-1]。不断迭代执行式(5)-(7)，直到达到终止条件，利用推导出的迭代算法，提取出编码器信号y(t)中的时域瞬变特征x(t)。
更进一步地，所述片段长度L、重叠长度P、拟合多项式阶数d、组的大小K、正则参数λ分别设置为：L＝150、P＝100、d＝5，K＝10、λ＝0.23。
更进一步地，所述终止条件为预定的迭代次数。
更进一步地，将所述角度间隔T与故障类型的理论故障角度间隔T’进行匹配，根据匹配结果确定机械设备故障的类型，如果匹配结果是与齿圈发生故障时的理论故障角度间隔相匹配，则机械设备故障的类型为齿圈发生故障。
本发明的技术效果为：
本发明提出了基于局部多项式拟合和稀疏的优化问题，并建立了相应的迭代算法，实现了变转速工况下时域瞬变特征的提取，利用阶次跟踪技术消除转速变化的影响，为准确利用编码器信号在变转速工况下进行机械设备故障诊断提供准确依据，且使得机械设备故障诊断具体为故障类型，确保设备的运行安全。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。
图1为本发明的一种基于编码器信号瞬变特征的机械设备故障诊断方法的流程图；
图2为本发明的行星齿轮箱试验台的结构图；
图3为本发明的行星齿轮箱故障类型为齿圈剥落的示意图；
图4为本发明的实施例提供的编码器信号中转速波动较大的5s数据图；
图5为本发明的时域瞬变特征图；
图6为本发明的角度域瞬变特征图；以及
图7为本发明的角度域瞬变特征的局部放大图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明的一种基于编码器信号瞬变特征的机械设备故障诊断方法。
本发明中的机械设备以行星齿轮箱为例进行介绍，行星齿轮箱包括齿圈、太阳轮及三个均匀分布的行星轮，在行星齿轮箱的输入轴和输出轴分别设置一个编码器。以下将以某行星齿轮箱试验台为例进行说明，如图2所示，该试验台包括驱动电机、编码器、行星齿轮箱以及磁粉制动器，其中行星齿轮箱包含齿圈1、太阳轮2及三个均匀分布的行星轮3。此外，行星架与输出轴相连，太阳轮2与输入轴相连，两个编码器分别安装在输入轴和输出轴上，整个装置由驱动电机驱动，磁粉制动器完成加载过程。
行星齿轮箱试验台具体参数如下：驱动电机额定功率：1.2kW；行星齿轮箱传动比：5.1:1，齿圈1齿数：82，模数：1，太阳轮2齿数：20，模数：1，行星轮3齿数：31，模数1；根据行星齿轮箱参数，计算太阳轮、行星轮、齿圈相对于输出轴的故障阶次，其值分别为12.3Hz、2.645Hz、3Hz；磁粉制动器额定功率下的扭矩为0.06N*m。图3示出了行星齿轮箱故障类型为齿圈剥落。
本发明的方法包括以下步骤。
采集步骤S101，利用编码器数据采集卡读取机械设备中的编码器的输出信号，得到编码器信号y(t)。在本发明的一个实施例中，截取编码器信号中转速波动较大的5s数据进行分析，如图4所示，记为y(t)。由图4可以看出，累积角位置分量在编码器信号中占主要地位，故障引起的瞬变特征被完全掩盖。
时域瞬变特征提取步骤S102，对编码器信号y(t)构建基于局部多项式拟合和稀疏的优化问题并建立迭代算法，基于迭代算法从编码器信号y(t)提取时域瞬变特征x(t)。
角度域瞬变特征提取步骤S103，将编码器信号y(t)作为相位参考信号，利用阶次跟踪算法将时域瞬变特征x(t)转换到角度域中得到角度域瞬变特征x(θ)。
故障诊断步骤S104，识别角度域瞬变特征x(θ)的角度间隔T，并将角度间隔T与故障类型的理论故障角度间隔T’进行匹配，根据匹配结果确定机械设备故障的类型。其中，t为时间变量，θ为角度变量。
在本实施例中是对输出轴编码器信号进行分析，确定行星齿轮箱故障类型。即对输出轴编码器信号y(t)进行分析确定行星齿轮箱故障类型，即可以识别出图3所示故障类型为齿圈剥落的故障。
在一个实施例中，时域瞬变特征提取步骤S102的具体操作如下。
对编码器信号y(t)基于局部多项式拟合和稀疏的优化问题表示为：
Figure BDA0002201149560000051
s.t.pm＝Gam
其中，J(x,a)为优化问题的目标函数，由第一部分数据保真度度量算子
Figure BDA0002201149560000052
和第二部分正则项
Figure BDA0002201149560000053
组成，
Figure BDA0002201149560000054
表示对应于最小目标函数值的最优解；参数λ>0为正则参数，用于调节目标函数的两部分在优化中的权重；||·||2表示l2范数；
Figure BDA0002201149560000055
表示长度为N的编码器信号；
Figure BDA0002201149560000056
表示长度为N的时域瞬变特征；矩阵
Figure BDA0002201149560000057
将y(t)或x(t)分割成M个长度为L的片段，两个相邻片段的重叠长度为P；pm表示局部拟合多项式信号，am为相应的局部多项式系数，多项式系数a＝[a1,a2,…,am],矩阵
Figure BDA0002201149560000058
为范德蒙矩阵，d为拟合多项式阶数；此外，在优化问题的目标函数中，数据保真度度量算子约束信号的重构误差，正则项约束时域瞬变特征x(t)的组稀疏特性，其中
Figure BDA0002201149560000059
Figure BDA00022011495600000510
K表示组的大小。
当固定x时，式(1)的优化问题为相对于多项式系数a的优化问题，其解为：
Figure BDA00022011495600000511
其中，T表示矩阵转置。
将式(2)代入式(1)，式(1)转换为：
Figure BDA00022011495600000512
其中，I表示单位矩阵。
对于无约束优化问题式(3)，引入辅助变量um将其转化为约束优化问题，表示为：
Figure BDA0002201149560000061
s.t.um＝Smx m＝1,2,…,M
利用交替方向乘子法与优化最小化算法推导出相应的迭代算法求解约束优化问题式(4)；
迭代算法为：
um＝[G(GTG)-1GT(Smx+dm-Smy)+(Smy+μ(Smx+dm))]/(1+μ) (5)
其中，m＝1,2,…,M
Figure BDA0002201149560000062
dm＝dm-(um-Smx)其中，m＝1,2,…,M (7)
在式(5)-(7)中，i表示当前迭代次数，μ为惩罚因子，向量dm初始值设置为零向量，矩阵
Figure BDA0002201149560000063
标量n取值范围为[1,N]，[Λ(x(i))]n,n表示矩阵Λ(x(i))中第n行第n列的元素，标量j，k与n结合用于表示时域瞬变特征x(t)的第n-j+k个元素，j和k的取值范围为[0,K-1]。不断迭代执行式(5)-(7)，直到达到终止条件，利用推导出的迭代算法，提取出编码器信号y(t)中的时域瞬变特征x(t)。
其中，在本实施例中片段长度L、重叠长度P、多项式拟合阶次，也称为拟合多项式阶数d、组的大小K、正则参数λ分别设置为L＝150、P＝100、d＝5，K＝10、λ＝0.23。如图5所示，迭代算法准确地从原始编码器信号中提取出由故障引起的时域瞬变特征x(t)。行星齿轮箱在测试过程中转速是变化的，本发明提出了基于局部多项式拟合和稀疏的优化问题，并建立了相应的迭代算法，实现了变转速工况下时域瞬变特征的提取，以便于后续对提取的变转速工况下时域瞬变特征进行处理，确定故障的类型，这是本发明的重要发明点之一。
图5示出的时域瞬变特征x(t)是不等间隔分布的，尽管可以确定行星齿轮箱存在故障，但无法识别行星齿轮箱的故障类型。为了准确识别行星齿轮箱的故障类型，需要将时域瞬变特征x(t)转换为角度域瞬变特征x(θ)。即在角度域瞬变特征提取步骤S103中，使用阶次跟踪算法将等时间间隔采样的非平稳时域瞬变特征x(t)转化为等角度间隔采样的平稳角度域瞬变特征x(θ)，从而消除转速波动带来的影响，为进一步识别行星齿轮箱的故障类型奠定基础。图6为角度域瞬变特征x(θ)，可以看出其与图5所示的时域瞬变特征x(t)不同，角度域瞬变特征x(θ)是等间隔分布的，即阶次跟踪算法有效克服了转速波动的影响。本发明利用阶次跟踪技术消除转速变化的影响，为准确利用编码器信号在变转速工况下进行机械设备故障诊断提供准确依据，这是本发明的另一重要发明点。
在故障诊断步骤S104中，将角度间隔T与故障类型的理论故障角度间隔T’进行匹配，根据匹配结果确定机械设备故障的类型，如果匹配结果是与齿圈发生故障时的理论故障角度间隔相匹配，则机械设备故障的类型为齿圈发生故障。
在一个实施例中，为清晰地识别角度域瞬变特征x(θ)的角度间隔T，将其进行局部放大。图7为角度域瞬变特征x(θ)在角度范围4350°-4850°的局部放大图，可以看出角度间隔T＝120°，与齿圈发生故障时的理论故障角度间隔(360°/3)吻合。因此，可以确定行星齿轮箱齿圈存在故障，实现了对行星齿轮箱的准确诊断。
本发明的方法可以设计成机械设备故障诊断软件，安装在上位机中，上位机与编码器相连接，上位机实时获取编码器数据采集卡采集的编码器进行上述步骤的处理，以实时的诊断机械设备的故障类型，且使得机械设备故障诊断具体为故障类型，确保设备的运行安全。
最后所应说明的是：以上实施例仅以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于编码器信号瞬变特征的机械设备故障诊断方法，其特征在于，其包括：
采集步骤，利用编码器数据采集卡读取机械设备中的编码器的输出信号，得到编码器信号y(t)；
时域瞬变特征提取步骤，对编码器信号y(t)构建基于局部多项式拟合和稀疏的优化问题并建立迭代算法，基于所述迭代算法从编码器信号y(t)提取时域瞬变特征x(t)；
角度域瞬变特征提取步骤，将编码器信号y(t)作为相位参考信号，利用阶次跟踪算法将时域瞬变特征x(t)转换到角度域中得到角度域瞬变特征x(θ)；
故障诊断步骤，识别角度域瞬变特征x(θ)的角度间隔T，并将所述角度间隔T与故障类型的理论故障角度间隔T’进行匹配，根据匹配结果确定机械设备故障的类型；
所述时域瞬变特征提取步骤的具体操作为：
对编码器信号y(t)构建基于局部多项式拟合和稀疏的优化问题，可以表示为：
Figure FDA0003261989390000011
其中，J(x,a)为优化问题的目标函数，由第一部分数据保真度度量算子
Figure FDA0003261989390000012
和第二部分正则项
Figure FDA0003261989390000013
组成，
Figure FDA0003261989390000014
表示对应于最小目标函数值的最优解；参数λ>0为正则参数，用于调节目标函数的两部分在优化中的权重；||·||2表示l2范数；
Figure FDA0003261989390000015
表示长度为N的编码器信号；
Figure FDA00032619893900000112
表示长度为N的时域瞬变特征；矩阵
Figure FDA0003261989390000016
将y(t)或x(t)分割成M个长度为L的片段，两个相邻片段的重叠长度为P；pm表示局部拟合多项式信号，am为相应的局部多项式系数，多项式系数a＝[a1,a2,…,am],矩阵
Figure FDA0003261989390000017
为范德蒙矩阵，d为拟合多项式阶数；此外，在优化问题的目标函数中，数据保真度度量算子约束信号的重构误差，正则项约束时域瞬变特征x(t)的组稀疏特性，其中
Figure FDA0003261989390000018
Figure FDA0003261989390000019
K表示组的大小；
当固定x时，式(1)的优化问题为相对于多项式系数a的优化问题，其解为：
Figure FDA00032619893900000110
其中，T表示矩阵转置；
将式代入式，式转换为：
Figure FDA00032619893900000111
其中，I表示单位矩阵；
对于无约束优化问题式，引入辅助变量um将其转化为约束优化问题，表示为：
Figure FDA0003261989390000021
利用交替方向乘子法与优化最小化算法推导出相应的迭代算法求解约束优化问题式；
所述迭代算法为：
um＝[G(GTG)-1GT(Smx+dm-Smy)+(Smy+μ(Smx+dm))]/(1+μ) (5)
其中，m＝1,2,…,M
Figure FDA0003261989390000022
dm＝dm-(um-Smx)其中，m＝1,2,…,M (7)
在式-中，i表示当前迭代次数，μ为惩罚因子，向量dm初始值设置为零向量，矩阵
Figure FDA0003261989390000023
Figure FDA0003261989390000024
标量n取值范围为[1,N]，[Λ(x(i))]n,n表示矩阵Λ(x(i))中第n行第n列的元素，标量j，k与n结合用于表示时域瞬变特征x(t)的第n-j+k个元素，j和k的取值范围为[0,K-1]，不断迭代执行式-，直到达到终止条件，利用推导出的迭代算法，提取出编码器信号y(t)中的时域瞬变特征x(t)。
2.根据权利要求1所述的基于编码器信号瞬变特征的机械设备故障诊断方法，其特征在于，所述机械设备为行星齿轮箱，所述行星齿轮箱包括齿圈、太阳轮及三个均匀分布的行星轮，在行星齿轮箱的输入轴和输出轴分别设置一个编码器。
3.根据权利要求2所述的基于编码器信号瞬变特征的机械设备故障诊断方法，其特征在于，所述行星齿轮箱传动比为5.1:1；所述齿圈的齿数为82、模数为1；所述太阳轮的齿数为20、模数为1；所述行星轮的齿数为31、模数为1；所述太阳轮、行星轮和齿圈相对于输出轴的故障阶次分别为12.3Hz、2.645Hz和3Hz。
4.根据权利要求3所述的基于编码器信号瞬变特征的机械设备故障诊断方法，其特征在于，对输出轴编码器信号y(t)进行分析确定行星齿轮箱故障类型。
5.根据权利要求1所述的基于编码器信号瞬变特征的机械设备故障诊断方法，其特征在于，所述片段长度L、重叠长度P、拟合多项式阶数d、组的大小K、正则参数λ分别设置为：L＝150、P＝100、d＝5，K＝10、λ＝0.23。
6.根据权利要求5所述的基于编码器信号瞬变特征的机械设备故障诊断方法，其特征在于，所述终止条件为预定的迭代次数。
7.根据权利要求1-6任一项所述的基于编码器信号瞬变特征的机械设备故障诊断方法，其特征在于，将所述角度间隔T与故障类型的理论故障角度间隔T’进行匹配，根据匹配结果确定机械设备故障的类型，如果匹配结果是与齿圈发生故障时的理论故障角度间隔相匹配，则机械设备故障的类型为齿圈发生故障。
CN201910865515.0A 2019-09-12 2019-09-12 基于编码器信号瞬变特征的机械设备故障诊断方法 Active CN110580471B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910865515.0A CN110580471B (zh) 2019-09-12 2019-09-12 基于编码器信号瞬变特征的机械设备故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910865515.0A CN110580471B (zh) 2019-09-12 2019-09-12 基于编码器信号瞬变特征的机械设备故障诊断方法

Publications (2)

Publication Number Publication Date
CN110580471A CN110580471A (zh) 2019-12-17
CN110580471B true CN110580471B (zh) 2021-11-02

Family

ID=68811790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910865515.0A Active CN110580471B (zh) 2019-09-12 2019-09-12 基于编码器信号瞬变特征的机械设备故障诊断方法

Country Status (1)

Country Link
CN (1) CN110580471B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111089720B (zh) * 2020-01-16 2021-10-08 山东科技大学 一种适用于变转速下齿轮故障诊断的正则化稀疏滤波方法
CN111855208B (zh) * 2020-07-02 2021-09-21 南京航空航天大学 一种基于阶次分析和稀疏编码的旋转机械微弱故障信号提取方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2226621A1 (en) * 2009-03-05 2010-09-08 Tetra Laval Holdings & Finance SA Predictive rolling bearing maintenance
CN104819841A (zh) * 2015-05-05 2015-08-05 西安交通大学 基于内置编码信息的单传感柔性角度域平均方法
CN105675113A (zh) * 2016-03-16 2016-06-15 重庆大学 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
CN108106841A (zh) * 2017-12-21 2018-06-01 西安交通大学 基于内置编码器信号的行星齿轮箱智能故障诊断方法
CN108388692A (zh) * 2018-01-17 2018-08-10 西安交通大学 基于分层稀疏编码的滚动轴承故障特征提取方法
CN109813547A (zh) * 2019-01-08 2019-05-28 华南理工大学 基于稀疏分解优化算法的旋转机械局部型故障诊断方法
CN109883693A (zh) * 2019-04-04 2019-06-14 西安交通大学 基于低秩-稀疏逼近的行星齿轮箱故障诊断方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2226621A1 (en) * 2009-03-05 2010-09-08 Tetra Laval Holdings & Finance SA Predictive rolling bearing maintenance
CN104819841A (zh) * 2015-05-05 2015-08-05 西安交通大学 基于内置编码信息的单传感柔性角度域平均方法
CN105675113A (zh) * 2016-03-16 2016-06-15 重庆大学 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
CN108106841A (zh) * 2017-12-21 2018-06-01 西安交通大学 基于内置编码器信号的行星齿轮箱智能故障诊断方法
CN108388692A (zh) * 2018-01-17 2018-08-10 西安交通大学 基于分层稀疏编码的滚动轴承故障特征提取方法
CN109813547A (zh) * 2019-01-08 2019-05-28 华南理工大学 基于稀疏分解优化算法的旋转机械局部型故障诊断方法
CN109883693A (zh) * 2019-04-04 2019-06-14 西安交通大学 基于低秩-稀疏逼近的行星齿轮箱故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Application of spectral kurtosis and vold-Kalman filter based order tracking in wind turbine gearbox fault diagnosis";Jiang Hong 等;《2017 9th International Conference on Modelling, Identification and Control (ICMIC)》;20180322;49-53 *
"基于瞬时频率估计的阶次分析在风电齿轮箱故障诊断中的应用";龚韵秋;《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》;20160315;第2016年卷(第3期);C042-108 *

Also Published As

Publication number Publication date
CN110580471A (zh) 2019-12-17

Similar Documents

Publication Publication Date Title
Feng et al. Joint amplitude and frequency demodulation analysis based on intrinsic time-scale decomposition for planetary gearbox fault diagnosis
Li et al. A new strategy of instantaneous angular speed extraction and its application to multistage gearbox fault diagnosis
CN110580471B (zh) 基于编码器信号瞬变特征的机械设备故障诊断方法
CN104819841B (zh) 基于内置编码信息的单传感柔性角度域平均方法
He et al. Feature extraction of gear and bearing compound faults based on vibration signal sparse decomposition
CN109187021B (zh) 基于熵的多源风电机组轴承故障诊断方法
Lin et al. A review and strategy for the diagnosis of speed-varying machinery
CN107063681A (zh) 一种行星齿轮箱时变振动传递路径下的故障特征包络提取方法
CN115096581B (zh) 基于时频域特征的复杂传动装置故障诊断溯源方法及系统
Shang et al. An intelligent fault diagnosis system for newly assembled transmission
CN115524150B (zh) 基于稀疏时域同步平均的旋转机械故障检测方法
Hou et al. Acoustic feature enhancement in rolling bearing fault diagnosis using sparsity-oriented multipoint optimal minimum entropy deconvolution adjusted method
CN111855208B (zh) 一种基于阶次分析和稀疏编码的旋转机械微弱故障信号提取方法
Wu et al. A modified tacho-less order tracking method for the surveillance and diagnosis of machine under sharp speed variation
CN112362343A (zh) 基于调频字典的齿轮箱变转速下分布型故障特征提取方法
CN109883692B (zh) 基于内置编码器信息的广义差分滤波方法
KR102226971B1 (ko) 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치
CN117970105B (zh) 基于信号融合的电机轴承早期故障诊断方法及系统
Gutierrez Santiago et al. Input torque measurements for wind turbine gearboxes using fiber-optic strain sensors
CN105651515A (zh) 航空发动机中介轴承故障检测方法及检测装置
CN111855192B (zh) 一种用于编码器信号去噪的奇异值分解方法
Li et al. Servo axis incipient degradation assessment of CNC machine tools using the built-in encoder
CN117786607A (zh) 基于时频熵谱的变工况振动信号故障诊断方法、系统
CN116952584B (zh) 基于振动信号幅度谱相似度的电机轴承性能退化评估方法
CN112446326B (zh) 基于深度复卷积网络的屏蔽泵故障模式识别方法及系统

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