CN111189640A - 一种轴承故障监测方法及采用其的监测装置、洗衣机 - Google Patents
一种轴承故障监测方法及采用其的监测装置、洗衣机 Download PDFInfo
- Publication number
- CN111189640A CN111189640A CN202010023136.XA CN202010023136A CN111189640A CN 111189640 A CN111189640 A CN 111189640A CN 202010023136 A CN202010023136 A CN 202010023136A CN 111189640 A CN111189640 A CN 111189640A
- Authority
- CN
- China
- Prior art keywords
- bearing
- fault
- monitored
- signal
- vibration acceleration
- 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.)
- Pending
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
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Control Of Washing Machine And Dryer (AREA)
Abstract
本发明涉及一种轴承故障监测方法及采用其的监测装置、洗衣机,通过获取被监测轴承的振动加速度信号,其中,被监测轴承包括洗衣机电机中轴承以及链接洗衣机内外桶的轴承;对被监测轴承振动加速度信号进行放大与消噪处理;基于消噪后的轴承振动加速度信号提取轴承故障特征频率,并计算被监测轴承故障频率的理论值,基于轴承故障特征频率的实际提取值与故障频率的理论值判断被监测轴承是否发生故障,若发生故障,确定故障发生位置,并将判断结果向用户显示,方法简单,可操作性强,能够实时监测轴承的状态以及故障发生位置,并及时通知用户对轴承进行维修或更换,提升用户使用体验感。
Description
技术领域
本发明涉及一种监测方法及采用其的监测装置、洗衣机,具体而言,涉及一种轴承故障监测方法及采用其的监测装置、洗衣机。
背景技术
洗衣机的主要工作方式为电机带动内筒运动,实现洗涤、漂洗和脱水等功能,内外筒之间主要靠轴承链接,电机内旋转也有轴承参与,轴承为旋转机械中的主要零部件,由于长时间的运转,轴承会发生磨损或者老化,进而产生异响,严重者会造成电机烧坏、皮带断裂、内外筒碰撞等情况,洗衣机大多数故障来源于此,严重影响洗衣机使用寿命和用户满意度。
发明内容
鉴于此,本发明提供了一种轴承故障监测方法及采用其的监测装置、洗衣机,能够实时检测电机内轴承、内外筒之间轴承的状态,控制简单,易于实现,若轴承出现异常,可及时通知客户进行维修或更换,延长洗衣机使用寿命,提高使用感受,具体的,
一种轴承故障监测方法,适用于洗衣机的轴承故障监测,包括如下步骤:
S1:获取被监测轴承的振动加速度信号,其中,被监测轴承包括洗衣机电机中轴承以及链接洗衣机内外桶的轴承;
S2:对被监测轴承振动加速度信号进行放大与消噪处理;
S3:基于消噪后的轴承振动加速度信号提取轴承故障特征频率,并计算被监测轴承故障频率的理论值,基于特征频率的实际提取值与故障频率的理论值判断被监测轴承是否发生故障,若发生故障,确定故障发生位置,并将判断结果向用户显示。
优选的,步骤S1中,获取被监测轴承的振动加速度信号的方式为:通过加速度传感器采集被监测轴承的振动加速度信号,加速度传感器再将所采集的信号传递给信号分析装置。
优选的,步骤S2中,步骤S2中,对被监测轴承振动加速度信号进行消噪处理的过程包括:去除被监测轴承振动加速度信号中的直流分量,再对其进行小波滤波处理。
优选的,步骤S2中,小波滤波处理过程包括:对含噪的轴承振动加速度信号进行小波变换获取小波系数,再对小波系数进行阈值处理,基于阈值处理后的小波系数进行重构获取消噪后的轴承振动加速度信号。
优选的,步骤S3中,提取轴承故障特征频率过程包括:提取消噪后轴承振动加速度信号的外包络信号,并基于外包络信号获取包络谱,再基于包络谱提取轴承故障的特征频率。
优选的,基于包络谱提取轴承故障的特征频率方式为:对包络谱中的频率点依据其峰值大小进行排列,峰值从大到小排名前N的频率点为轴承故障的特征频率。
优选的,步骤S3中,判断被监测轴承是否发生故障的方式为:判断轴承故障特征频率的实际提取值是否为轴承故障频率理论值的倍频,若为是,则认为被监测轴承发生故障;若为否,则认为被监测轴承没有发生故障。
本发明还提供一种轴承故障监测装置,采用本发明提供的监测方法。
优选的,监测装置包括信号采集装置、信号分析装置以及显示装置,信号采集装置包括加速度传感器和信号放大器,其中,
加速度传感器,用于采集被监测轴承振动加速度信号;
信号放大器,用于放大被监测轴承振动加速度信号;
信号分析装置,用于对被监测轴承振动加速度信号进行消噪处理、提取轴承故障特征频率、计算被监测轴承故障频率的理论值,以及判断被监测轴承是否发生故障;
显示装置,用于显示被监测轴承状态和/或故障发生位置。
本发明还提供一种洗衣机,采用本发明提供的监测方法和/或本发明提供的监测装置。
本发明提供了一种轴承故障监测方法及采用其的监测装置、洗衣机,通过实时监测轴洗衣机电机中轴承以及链接内外桶的轴承的振动加速度信号来监测轴承的状态,若轴承发生故障还可智能检测出发生故障的位置,并向用户报警,提醒用户及时对轴承进行维修或更换,控简单,易于实现,能够延长洗衣机的使用寿命,解决了洗衣机中轴承损坏而用户不能及时得知的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,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本发明实施例1控制方法中信号处理流程示意图;
图2本发明实施例2监测装置系统组成示意图;
图3本发明实施例2监测装置中信号采集装置示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作过程以避免模糊本公开的各方面。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种结构,但这些结构不应受这些术语限制。这些术语乃用以区分一结构与另一结构。因此,下文论述的第一结构可称为第二结构而不偏离本公开概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本公开所必须的,因此不能用于限制本公开的保护范围。
实施例1:
如图1所示,本实施例提供一种轴承故障智能监测方法,该监测方法可用于检测洗衣机中轴承状态,具体的,包括如下步骤:
S1:获取被监测轴承的振动加速度信号,其中,被监测轴承包括洗衣机电机中轴承以及链接洗衣机内外桶的轴承。
由于洗衣机内外筒之间是依靠轴和轴承进行连接、支撑,因此链接洗衣机内外桶的轴承的振动加速度信号也需要进行监测。
优选的,步骤S1中,获取被监测轴承的振动加速度信号的方式为:通过加速度传感器采集被监测轴承的振动加速度信号,再将所采集的信号传递给信号处理单元。
采用加速度传感器来采集被监测轴承的振动加速度信号时,将采集电机振动加速度信号的第一加速度传感器直接粘贴在电机表面靠近轴承的地方,电机的振动加速度信号中包含了电机轴承的振动加速度信号;将采集链接内外筒轴承振动加速度信号的第二加速度传感器放置在轴承座上,以确保能够准确采集到轴承的振动加速度信号。
S2:对被监测轴承振动加速度信号进行放大与信号消噪处理。
优选的,步骤S2中,对被监测轴承振动加速度信号进行放大的方式为:通过信号放大器放大被监测轴承振动加速度信号,便于信号的传输与后续处理。信号放大器完成轴承振动加速度信号放大后,将放大的信号传递给信号分析装置进行后续的消噪、特征提取以及故障识别处理。
消噪的目的是为了消除采集到信号中无用的其它杂乱信号,其它杂乱信号包括直流分量和环境噪声,比如内筒转动引起的水流晃动噪声、电机通过皮带带动内筒转动时皮带轮摩擦声等,去除其它杂乱信号后保留轴承工作的信号,以便进行后续的处理与轴承状态判定。
优选的,步骤S2中,信号消噪的过程包括:去除直流分量以及小波滤波,其中,去除直流分量是指去除轴承振动加速度信号频谱中的直流分量,可去除采集设备本身的干扰;小波滤波是对含噪的轴承振动加速度信号进行小波滤波。
直流分量的产生原因是电路电感中的电流在短路瞬间不能突变,短路电流直流分量的幅值随时间衰减,进行傅里叶变换(FFT)后,直流分量会在频率为0的频率点附近形成很大的幅值,若直流分量的幅值远远大于频谱中故障特征频率的幅值,会给轴承故障特征频率提取带来很大的困难,也会多提取出0Hz附近的一个频率。
优选的,去除直流分量的方式为:通过IRR低通滤波器去除直流分量,减少直流分量对信号的干扰。
优选的,在对含噪的轴承振动加速度信号进行小波滤波的步骤包括:对含噪的轴承振动加速度信号进行小波变换,以便将含噪的信号进行多尺度分解,小波变换后得到小波系数;再对分解后每一层的小波系数进行阈值处理;由于小波系数是没有量纲单位的结果,需要经过重构这些系数得到实际有量纲的信号,因此再将阈值处理后的小波系数进行重构,即可得到消噪后的轴承振动加速度信号。
优选的,对小波系数进行阈值处理的方式为:采用自适应阈值算法对小波系数进行阈值处理,选取小波系数的阈值。自适应阈值算法的基本思想是由于信号对应的小波系数其幅值较大,但数目较小,而噪声对应的小波系数是一致分布的,个数较多,但幅值小,因此采用自适应阈值算法选取小波系数的阈值时先定义一个初始阈值,再定义一个步长,从初始阈值开始,每加一次步长,将阈值不断更新,将绝对值小于该阈值的小波系数置零,得出非零值个数,当两相邻阈值所得出的非零值个数差小于某个自定义的参数时,就得出所要求的阈值,选取两阈值中较小的那个值为小波系数的阈值。
S3:基于消噪后的轴承振动加速度信号提取轴承故障特征频率,并计算被监测轴承故障频率的理论值,基于故障特征频率的实际提取值与故障频率的理论值判断被监测轴承是否发生故障,并将判断结果向用户显示。
优选的,步骤S3中,基于消噪后的轴承振动加速度信号提取故障特征频率的过程包括:提取消噪后的轴承振动加速度信号的外包络信号,基于外包络信号获取包络谱,再基于包络谱提取轴承振动信号的故障特征频率。
优选的,提取消噪后的轴承振动加速度信号的外包络信号的方式为:基于希尔伯特(hilbert)变换来提取消噪后的轴承振动加速度信号的外包络信号。
具体的,对消噪后的轴承振动加速度信号进行希尔伯特(hilbert)变换,变换后取其极值,然后再基于取极值之后得到的一维数据取包络即可获得轴承振动加速度信号的外包络信号。外包络信号是一个高频调幅信号,它的幅度是按低频调制信号变化的。
优选的,基于外包络信号获取包络谱的方式为:通过对外包络信号进行傅里叶变换(FFT)变换获得包络谱。包络谱对冲击事件的故障比较敏感,包络谱图中各频率幅值的分布与频谱图有所区别,频谱图中故障特征频率幅值较小,而包络谱图中故障特征频率的幅值很高,容易辨认。相对对于频谱分析,包络谱分析剔除了不必要的频率干扰,更能够凸显故障特征频率,根据包络谱图能更容易地对轴承的故障种类进行判断。
轴承工作时的包络谱可以检测出轴承的状态,没有故障的轴承不会出现峰值较高的频率点,若出现峰值较高的频率点则表明对应部位有故障出现。
优选的,基于包络谱提取振动信号的特征频率方式为:对包络谱中的频率点依据其峰值大小进行排列,峰值从大到小排名前N的频率点为轴承故障特征频率,本实施例中,N优选为5,即峰值从大到小排名前5的频率点为轴承故障特征频率。
电机和链接洗衣机内外桶的轴承均为深沟球轴承,深沟球轴承属于滚动轴承,滚动轴承故障频率理论值依据下列公式计算得出:
轴承外圈故障频率:f1=0.5*n(1-(d/D)*cosα)*r/60;
轴承内圈故障频率:f2=0.5*n(1+(d/D)*cosα)*r/60;
轴承滚动体故障频率:f3=0.5*d/D(1-(d/D)2*cos2(α))*r/60;
轴承保持架外圈故障频率:f4=0.5*(1-(d/D)*cosα)*r/60;
其中,n为滚珠个数;d为滚动体的直径;D为轴承节径;α为滚动体接触角;r为轴承转速;
优选的,判断被监测轴承是否发生故障的方式为:判断轴承故障特征频率的实际提取值是否为轴承故障频率理论值的倍频,若为是,则认为被监测轴承发生故障;若为否,则认为被监测轴承没有发生故障。
优选的,步骤S3中,若判断出轴承发生故障,还可进一步确定轴承故障发生的位置。
用提取的5个轴承故障特征频率实际提取值依次除以轴承各个位置的故障频率理论值,若某一个轴承故障特征频率实际提取值是轴承外圈、内圈、滚动体以及保持架故障频率理论值中某一个的n倍,其中n为自然数,进一步的,相除所得结果偏差在±2Hz内,即认为实际提取值和理论计算值能够对应,则认为轴承发生故障,且故障发生在故障频率理论值对应的位置;若所有的轴承故障特征频率实际提取值依次除以所有的轴承故障频率理论值,所有的轴承故障特征频率实际提取值都不是轴承外圈、内圈、滚动体以及保持架故障频率理论值中任意一个的n倍,则认为轴承没有发生故障。
信号分析装置在分析、判断完被监测轴承的状态后,将分析、判断的结果传递给显示装置,再由显示装置将结果显示给用户。具体的,若判断出轴承没有发生故障,显示装置则显示轴承状态正常;若判断出轴承发生故障,则显示轴承发生故障,并显示轴承发生故障的具体位置,以便及时提醒用户进行维修或更换,延长洗衣机的寿命,提升用户的使用体验。
本实施例提供一种轴承故障智能监测方法,通过获取轴承振动加速度信号并对其进行放大、消噪,并基于消噪后的信号提取轴承故障特征频率,通过判断轴承故障特征频率的实际提取值与理论值是否是倍频关系判断轴承状态,确定故障发生位置并对用户进行提醒,方法简单,可操作性强,易于实现,能够延长洗衣机的使用寿命,提升用户的使用体验感。
实施例2:
如图2-3所示,本实施例提供一种轴承故障智能监测装置,采用实施例1中提供的轴承故障智能监测方法,监测装置包括信号采集装置、信号分析装置以及显示装置,信号采集装置包括加速度传感器和信号放大器,其中,
加速度传感器,用于采集被监测轴承振动加速度信号;
信号放大器,用于放大被监测轴承振动加速度信号;
信号分析装置,用于对被监测轴承振动加速度信号进行消噪处理、提取轴承故障特征频率、计算被监测轴承故障频率的理论值,以及判断被监测轴承是否发生故障;
显示装置,用于显示被监测轴承状态和/或故障发生位置。
优选的,本实施例中的监测装置还包括报警装置,用于在轴承发生故障时向用户发出警报,提醒用户及时维修或更换轴承。
本实施例提供的一种轴承故障智能监测装置,能够通过实时监测轴洗衣机电机中轴承以及链接内外桶的轴承的振动加速度信号来监测轴承的状态,若轴承发生故障还可智能检测出发生故障的位置,并向用户报警,提醒用户及时对轴承进行维修或更换,延长洗衣机的使用寿命。
实施例3:
本实施例提供一种洗衣机,采用实施例1提供的一种轴承故障智能监测方法和/或采用实施例2提供的一种轴承故障智能监测装置,能够监测轴承的状态以及故障发生位置,并及时通知用户对轴承进行维修或更换,提升用户使用体验感。
综上,本发明提供的一种轴承故障监测方法及采用其的监测装置、洗衣机,通过获取被监测轴承的振动加速度信号,其中,被监测轴承包括洗衣机电机中轴承以及链接洗衣机内外桶的轴承;对被监测轴承振动加速度信号进行放大与消噪处理;基于消噪后的轴承加速度信号提取轴承故障特征频率,并计算被监测轴承故障频率的理论值,基于特征频率的实际提取值与故障频率的理论值判断被监测轴承是否发生故障,若发生故障,确定故障发生位置,并将判断结果向用户显示,方法简单,可操作性强,能够实时监测轴承的状态以及故障发生位置,并及时通知用户对轴承进行维修或更换,提升用户使用体验感。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种轴承故障监测方法,适用于洗衣机的轴承故障监测,其特征在于,包括如下步骤:
S1:获取被监测轴承的振动加速度信号,其中,所述被监测轴承包括洗衣机电机中轴承以及链接洗衣机内外桶的轴承;
S2:对所述被监测轴承振动加速度信号进行放大与消噪处理;
S3:基于消噪后的轴承振动加速度信号提取轴承故障特征频率,并计算所述被监测轴承故障频率的理论值,基于所述故障特征频率的实际提取值与所述故障频率的理论值判断所述被监测轴承是否发生故障,若发生故障,确定故障发生位置,并将判断结果向用户显示。
2.如权利要求1所述的方法,其特征在于,所述步骤S1中,获取被监测轴承振动加速度信号的方式为:通过加速度传感器采集被监测轴承的振动加速度信号,所述加速度传感器再将所采集的信号传递给信号分析装置。
3.如权利要求1所述的方法,其特征在于,所述步骤S2中,对所述被监测轴承振动加速度信号进行消噪处理的过程包括:去除所述被监测轴承振动加速度信号中的直流分量,再对其进行小波滤波处理。
4.如权利要求3所述的方法,其特征在于,所述步骤S2中,小波滤波处理过程包括:对含噪的轴承振动加速度信号进行小波变换获取小波系数,再对所述小波系数进行阈值处理,基于阈值处理后的小波系数进行重构获取消噪后的轴承振动加速度信号。
5.如权利要求1所述的方法,其特征在于,所述步骤S3中,提取所述轴承故障特征频率过程包括:提取所述消噪后轴承振动加速度信号的外包络信号,并基于所述外包络信号获取包络谱,再基于所述包络谱提取所述轴承故障的特征频率。
6.如权利要求5所述的方法,其特征在于,所述基于包络谱提取轴承故障的特征频率方式为:对所述包络谱中的频率点依据其峰值大小进行排列,峰值从大到小排名前N的频率点为所述轴承故障的特征频率。
7.如权利要求1所述的方法,其特征在于,所述步骤S3中,所述判断被监测轴承是否发生故障的方式为:判断轴承故障特征频率的实际提取值是否为轴承故障频率理论值的倍频,若为是,则认为被监测轴承发生故障;若为否,则认为被监测轴承没有发生故障。
8.一种轴承故障监测装置,其特征在于,所述监测装置采用权利要求1-7任一所述的方法。
9.如权利要求1所述的监测装置,其特征在于,所述监测装置包括信号采集装置、信号分析装置以及显示装置,所述信号采集装置包括加速度传感器和信号放大器,其中,
加速度传感器,用于采集所述被监测轴承振动加速度信号;
信号放大器,用于放大所述被监测轴承振动加速度信号;
信号分析装置,用于对所述被监测轴承振动加速度信号进行消噪处理、提取所述轴承故障特征频率、计算所述被监测轴承故障频率的理论值,以及判断所述被监测轴承是否发生故障;
显示装置,用于显示所述被监测轴承状态和/或故障发生位置。
10.一种洗衣机,其特征在于,所述洗衣机采用权利要求1-7任一所述的方法和/或权利要求8-9任一所述的监测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010023136.XA CN111189640A (zh) | 2020-01-09 | 2020-01-09 | 一种轴承故障监测方法及采用其的监测装置、洗衣机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010023136.XA CN111189640A (zh) | 2020-01-09 | 2020-01-09 | 一种轴承故障监测方法及采用其的监测装置、洗衣机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111189640A true CN111189640A (zh) | 2020-05-22 |
Family
ID=70705215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010023136.XA Pending CN111189640A (zh) | 2020-01-09 | 2020-01-09 | 一种轴承故障监测方法及采用其的监测装置、洗衣机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111189640A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693284A (zh) * | 2020-06-23 | 2020-09-22 | 中国大唐集团科学技术研究院有限公司华东电力试验研究院 | 一种快速判断电厂轴承振动频率成分的方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110290024A1 (en) * | 2010-05-28 | 2011-12-01 | Lefler Kenneth A | System and method of mechanical fault detection based on signature detection |
CN103914617A (zh) * | 2014-03-25 | 2014-07-09 | 北京交通大学 | 地铁车辆转向架轴承的故障诊断方法 |
CN104677580A (zh) * | 2015-01-30 | 2015-06-03 | 燕山大学 | 基于解析模态分解的旋转机械故障诊断方法 |
CN106092565A (zh) * | 2016-06-08 | 2016-11-09 | 成都阜特科技股份有限公司 | 一种振动故障分析方法及其系统 |
CN107948251A (zh) * | 2017-11-06 | 2018-04-20 | 武汉科技大学 | 一种基于安卓的远程机械故障诊断系统 |
CN108694298A (zh) * | 2018-07-04 | 2018-10-23 | 温州大学 | 一种轴向柱塞泵轴承内圈与外圈故障诊断方法 |
CN109029996A (zh) * | 2018-09-11 | 2018-12-18 | 温州大学苍南研究院 | 一种轮毂轴承故障诊断方法 |
WO2019129956A1 (fr) * | 2017-12-28 | 2019-07-04 | Safran | Procédé et dispositif de surveillance d'un roulement équipant un dispositif tournant |
-
2020
- 2020-01-09 CN CN202010023136.XA patent/CN111189640A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110290024A1 (en) * | 2010-05-28 | 2011-12-01 | Lefler Kenneth A | System and method of mechanical fault detection based on signature detection |
CN103914617A (zh) * | 2014-03-25 | 2014-07-09 | 北京交通大学 | 地铁车辆转向架轴承的故障诊断方法 |
CN104677580A (zh) * | 2015-01-30 | 2015-06-03 | 燕山大学 | 基于解析模态分解的旋转机械故障诊断方法 |
CN106092565A (zh) * | 2016-06-08 | 2016-11-09 | 成都阜特科技股份有限公司 | 一种振动故障分析方法及其系统 |
CN107948251A (zh) * | 2017-11-06 | 2018-04-20 | 武汉科技大学 | 一种基于安卓的远程机械故障诊断系统 |
WO2019129956A1 (fr) * | 2017-12-28 | 2019-07-04 | Safran | Procédé et dispositif de surveillance d'un roulement équipant un dispositif tournant |
CN108694298A (zh) * | 2018-07-04 | 2018-10-23 | 温州大学 | 一种轴向柱塞泵轴承内圈与外圈故障诊断方法 |
CN109029996A (zh) * | 2018-09-11 | 2018-12-18 | 温州大学苍南研究院 | 一种轮毂轴承故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
张玲玲 等: "《柴油发动机故障诊断技术》", 31 December 2015, 国防工业出版社 * |
朱圣东 等: "《无油润滑压缩机》", 31 March 2001, 机械工业出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693284A (zh) * | 2020-06-23 | 2020-09-22 | 中国大唐集团科学技术研究院有限公司华东电力试验研究院 | 一种快速判断电厂轴承振动频率成分的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0693176B1 (en) | Method and apparatus for analyzing and detecting faults in bearings and other rotating components that slip | |
Hemmati et al. | Roller bearing acoustic signature extraction by wavelet packet transform, applications in fault detection and size estimation | |
Jamaludin et al. | Condition monitoring of slow-speed rolling element bearings using stress waves | |
McFadden et al. | Vibration monitoring of rolling element bearings by the high-frequency resonance technique—a review | |
Rubini et al. | Application of the envelope and wavelet transform analyses for the diagnosis of incipient faults in ball bearings | |
KR101429952B1 (ko) | 베어링의 진단 시스템 | |
Jamaludin et al. | Monitoring extremely slow rolling element bearings: part I | |
CN107167318A (zh) | 一种轴承智能快捷故障诊断仪及诊断方法 | |
US20200158562A1 (en) | Condition monitoring apparatus, condition monitoring system, and condition monitoring method | |
CN111189640A (zh) | 一种轴承故障监测方法及采用其的监测装置、洗衣机 | |
Wang | Analysis of fault detection in rolling element bearings | |
Boškoski et al. | Bearing fault detection with application to PHM Data Challenge | |
Gelman et al. | Diagnostics of local tooth damage in gears by the wavelet technology | |
Hemmati et al. | Rolling element bearing condition monitoring using acoustic emission technique | |
Gelman et al. | Rolling bearing diagnosis based on the higher order spectra | |
Saidi et al. | The use of spectral kurtosis as a trend parameter for bearing faults diagnosis | |
Kim et al. | Rolling element bearing fault detection using acoustic emission signal analyzed by envelope analysis with discrete wavelet transform | |
Unal et al. | Fault diagnosis of rolling bearing based on feature extraction and neural network algorithm | |
CN113049251A (zh) | 一种基于噪声的轴承故障诊断方法 | |
Guo et al. | An improved cepstrum analysis method to diagnose faults in bearings | |
JP3392350B2 (ja) | 軸受内蔵型車輪及び低速回転軸受の異常診断方法 | |
Kamiel | Demodulation of Vibration Signal Based on Envelope-Kurtogram for Ball Bearing Fault Detection | |
Sun et al. | Experimental investigation on double impulses phenomenon of outer race spalled rolling element bearings based on acoustic emission signals | |
Fernaindez et al. | Evaluation Study on Detection Techniques for Bearing Incipient Faults | |
Kim et al. | Parameter comparison of acoustic emission signals for condition monitoring of low-speed bearings |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200522 |