CN111625909B - 一种基于工作振型和模态振型的振动模态识别方法 - Google Patents

一种基于工作振型和模态振型的振动模态识别方法 Download PDF

Info

Publication number
CN111625909B
CN111625909B CN202010462221.6A CN202010462221A CN111625909B CN 111625909 B CN111625909 B CN 111625909B CN 202010462221 A CN202010462221 A CN 202010462221A CN 111625909 B CN111625909 B CN 111625909B
Authority
CN
China
Prior art keywords
mode
vibration
working
mode shape
product
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
CN202010462221.6A
Other languages
English (en)
Other versions
CN111625909A (zh
Inventor
常涛
熊永强
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.)
Nanjing High Speed Gear Manufacturing Co Ltd
Original Assignee
Nanjing High Speed Gear Manufacturing 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 Nanjing High Speed Gear Manufacturing Co Ltd filed Critical Nanjing High Speed Gear Manufacturing Co Ltd
Priority to CN202010462221.6A priority Critical patent/CN111625909B/zh
Publication of CN111625909A publication Critical patent/CN111625909A/zh
Application granted granted Critical
Publication of CN111625909B publication Critical patent/CN111625909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及振动模态识别技术领域，公开一种基于工作振型和模态振型的振动模态识别方法，包括：获取产品在预设转速下运行时的振动峰值和振动峰值对应的第一频率；建立产品的动力学模型并标定；基于标定后的产品的动力学模型，获取产品在预设转速和第一频率下的工作振型；获取产品在运行工况预载荷下的模态振型，并从预设频率范围内的模态中找出与工作振型相似的N个模态振型；由N个模态振型中筛选出M个主模态振型；分别分析M个主模态振型与工作振型之间的相关性，并根据相关性分析数据筛选出相关性最高的主模态振型，以为齿轮箱提供振动优化的准确依据，同时为齿轮箱的设计提供清晰地加强方向和加强位置。

Description

一种基于工作振型和模态振型的振动模态识别方法
技术领域
本发明涉及齿轮箱技术领域，尤其涉及一种基于工作振型和模态振型的振动模态识别方法。
背景技术
随着大兆瓦、轻量化的趋势以及齿轮箱功率密度的提升，齿轮箱的振动问题也日益凸显。
在现有技术中，判定齿轮箱振动问题时，动力学仿真手段是其中一个重要方法。动力学仿真手段应用于振动问题诊断，常用多为模态分析。模态分析虽然能够看出振动问题频率下的一些模态，但过于主观，很难准确地为齿轮箱提供振动优化的依据，不能清晰地指出齿轮箱设计的加强方向和加强位置。
因此，亟需一种基于工作振型和模态振型的振动模态识别方法以解决上述技术问题。
发明内容
本发明的目的在于提供一种基于工作振型和模态振型的振动模态识别方法，既能够高效地找出相关性最高的主模态振型，又能保证结果的准确性，为齿轮箱提供振动优化的准确依据，同时为齿轮箱的设计提供清晰地加强方向和加强位置。
为达上述目的，本发明采用以下技术方案：
一种基于工作振型和模态振型的振动模态识别方法，包括：
S1.获取产品在预设转速下运行时的振动峰值和所述振动峰值对应的第一频率；
S2.建立所述产品的动力学模型并标定；
S3.基于标定后的所述产品的动力学模型，获取所述产品在所述预设转速和所述第一频率下的工作振型；
S4.基于标定后的所述产品的动力学模型，获取所述产品在运行工况预载荷下的模态振型，并从预设频率范围内的模态中找出与所述工作振型相似的N个模态振型，其中，预设频率范围的两个端点值分别等于第一频率±带宽频率；
S5.由N个所述模态振型中筛选出M个主模态振型；
S6.分别分析M个所述主模态振型与所述工作振型之间的相关性，并根据相关性分析数据筛选出相关性最高的主模态振型。
进一步地，步骤S6包括：
S61.根据步骤S3中获得的工作振型按照所述产品变形端的轮廓找出a个大变形量的轮廓点和b个小变形量的轮廓点，并将a个大变形量的轮廓点和b个小变形量的轮廓点连线，以获得能够表征所述产品的变形位置和轮廓的线框模型；
S62.由步骤S3中获得工作振型中提取出a个大变形量的轮廓点和b个小变形量的轮廓点所对应的振型数据，并将所述振型数据赋值到所述线框模型中，以获得线框工作振型；
S63.由步骤S5中获得M个主模态振型中提取出a个大变形量的轮廓点和b个小变形量的轮廓点所对应的振型数据，并将所述振型数据赋值到所述线框模型中，以获得M个线框模态振型；
S64.分别计算M个所述线框模态振型与所述线框工作振型之间的相关性，并将相关性最高的所述线框模态振型作为所述产品的主模态振型。
进一步地，在步骤S63中，相关性计算采用的准则为模态置信准则。
进一步地，在步骤S1中，利用振动测量仪测量产品在预设转速下运行时的振动值，并由所述振动值中找出振动峰值。
进一步地，所述预设转速为1000rpm。
进一步地，所述振动峰值对应的第一频率为700.8Hz。
进一步地，所述带宽频率为5Hz。
进一步地，M的取值范围为5-10。
进一步地，a的取值范围为4-10；和/或b的取值范围为4-10。
进一步地，所述产品为齿轮箱。
本发明的有益效果为：
本发明提供的基于工作振型和模态振型的振动模态识别方法，首先，基于标定后的动力学模型，获取齿轮箱在预设转速和振动峰值所对应的第一频率下的工作振型(ODS，Operational Deflection Shape)，其次，获取齿轮箱在运行工况预载荷下的模态振型，并从预设频率范围内的模态中找出与工作振型相似的N个模态振型，然后，再由N个模态振型中人工筛选出M个主模态振型，最后，分别分析M个主模态振型与工作振型之间的相关性，并根据相关性分析数据筛选出相关性最高的主模态振型。如果不对N个模态振型进行筛选，那么由于模态振型数目较多，工作振型本身不具正交性，与很多模态振型都有一定相关性，难以聚焦形成结论，但是如果首先主观缩小模态数目范围，就可以有效利用相关性分析。本发明提供的基于工作振型和模态振型的振动模态识别方法，将工作振型和模态振型相结合，并将主观筛选和相关性分析相结合，既能高效地找出相关性最高的主模态振型，又能保证结果的准确性，为齿轮箱提供振动优化的准确依据，同时为齿轮箱的设计提供清晰地加强方向和加强位置。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明实施例提供的基于工作振型和模态振型的振动模态识别方法的流程图；
图2是本发明实施例提供的齿轮箱在预设转速和第一频率下的工作振型；
图3是图2中工作振型的另一个视角；
图4是本发明实施例提供的齿轮箱在预设频率范围内找出的其中一个与工作振型相似的模态振型；
图5是图4中模态振型的另一个视角；
图6是本发明实施例提供的线框模型的取点位置示意图；
图7是本发明实施例提供的线框模型；
图8是本发明实施例提供的线框工作振型；
图9是本发明实施例提供的线框模态振型。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，或者用于区分不同结构或部件，而不能理解为指示或暗示相对重要性。其中，术语“第一位置”和“第二位置”为两个不同的位置。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
如图1所示，本实施例提供一种基于工作振型和模态振型的振动模态识别方法，包括：
S1.获取产品在预设转速下运行时的振动峰值和振动峰值对应的第一频率；
S2.建立产品的动力学模型并标定；
S3.基于标定后的产品的动力学模型，获取产品在预设转速和第一频率下的工作振型；
S4.基于标定后的产品的动力学模型，获取产品在运行工况预载荷下的模态振型，并从预设频率范围内的模态中找出与工作振型相似的N个模态振型，其中，预设频率范围的两个端点值分别等于第一频率±带宽频率,即预设频率范围的最小值＝第一频率-带宽频率，预设频率范围的最大值＝第一频率+带宽频率；
S5.由N个模态振型中筛选出M个主模态振型；
S6.分别分析M个主模态振型与工作振型之间的相关性，并根据相关性分析数据筛选出相关性最高的主模态振型。
具体地，在本实施例中，产品为风力发电用齿轮箱，当然，在其他实施例中，本方法还适用于其他以齿轮箱为传动的传动链结构。
本实施例提供的基于工作振型和模态振型的振动模态识别方法，首先，基于标定后的动力学模型，获取齿轮箱在预设转速和振动峰值所对应的第一频率下的工作振型(ODS，Operational Deflection Shape)，其次，获取齿轮箱在运行工况预载荷下的模态振型，并从预设频率范围内的模态中找出与工作振型相似的N个模态振型，然后，再由N个模态振型中人工筛选出M个主模态振型，最后，分别分析M个主模态振型与工作振型之间的相关性，并根据相关性分析数据筛选出齿轮箱的主模态振型。如果不对N个模态振型进行筛选，那么由于模态振型数目较多，工作振型本身不具正交性，与很多模态振型都有一定相关性，难以聚焦形成结论，但是如果首先主观缩小模态数目范围，就可以有效利用相关性分析。本实施例提供的基于工作振型和模态振型的振动模态识别方法，将工作振型和模态振型相结合，并将主观筛选和相关性分析相结合，既能高效地找出相关性最高的主模态振型，又能保证结果的准确性，为齿轮箱提供振动优化的准确依据，同时为齿轮箱的设计提供清晰地加强方向和加强位置。
可选地，在步骤S1中，利用振动测量仪测量产品在预设转速下运行时的振动值，并由振动值中找出振动峰值。
具体地，在本实施例中，预设转速为1000rpm。振动峰值对应的第一频率为700.8Hz。
步骤S3中，齿轮箱在预设转速(1000rpm)和第一频率(700.8Hz)下不同视角的工作振型如图2和图3所示，其中，图2和图3中颜色较浅的区域(偏灰色的区域)代表齿轮箱变形较大的区域，颜色较深的区域(偏黑色的区域)代表变形较小的区域，振型主体为壳体高速轴承座右侧轴向拉伸变形。
可选地，在本实施例中，带宽频率为5Hz。进一步地，预设频率范围为695.8Hz-705.8Hz。
图4和图5为齿轮箱在预设频率范围内找出的其中一个的模态振型，频率为701.6Hz，其中，图4和图5中颜色较浅的区域(偏灰色的区域)代表齿轮箱变形较大的区域，颜色较深的区域(偏黑色的区域)代表变形较小的区域，为壳体高速轴承座右侧轴向拉伸变形为主，同时前箱体椭圆变形，即图4和图5中的模态振型与图2和图3中的工作振型较为相似。
优选地，步骤S6包括：
S61.如图6所示，根据步骤S3中获得的工作振型按照产品变形端(由于壳体高速轴承座右侧轴向拉伸变形为主，所以变形端为高速轴承座的一端)的轮廓找出a个大变形量的轮廓点(图6中用“●”表示，大变形量的轮廓点分布在图2中前端颜色较浅的区域)和b个小变形量的轮廓点(图6中用“○”表示，小变形量的轮廓点分布在图2中前端颜色较深的区域)，并将a个大变形量的轮廓点和b个小变形量的轮廓点连线，以获得能够表征产品的变形位置和轮廓的线框模型，如图7所示。
S62.由步骤S3中获得工作振型中提取出a个大变形量的轮廓点和b个小变形量的轮廓点所对应的振型数据，并将振型数据赋值到线框模型中，以获得如图8所示的线框工作振型；
S63.由步骤S5中获得M个主模态振型中提取出a个大变形量的轮廓点和b个小变形量的轮廓点所对应的振型数据，并将振型数据赋值到线框模型中，以获得M个如图9所示的线框模态振型；
S64.分别计算M个线框模态振型与线框工作振型之间的相关性，并将相关性最高的线框模态振型作为产品的主模态振型。
需要指出的是，图7所示的线框模型既能表征工作振型主要的变形位置，又能大致表征齿轮箱变形端的外形轮廓。图8所示的线框工作振型对应的频率为700.8Hz。图9所示的线框模态振型对应的频率为701.6Hz。其中，图8和图9中的箭头方向表示变形方向，箭头长短表示变形大小，由图8和图9可看出700.8Hz下的线框工作振型和701.6Hz下的线框模态振型较为相似。
可选地，M的取值范围为5-10。可选地，a的取值范围为4-10。可选地，b的取值范围为4-10。
具体地，在本实施例中，在步骤S63中，相关性计算采用的准则为模态置信准则(Modal Assurance Criterion，MAC)。MAC用于评价两个振型向量的相关性，计算值为标量，介于0-1之间。MAC值接近0，表示两个振型相关性小，MAC值接近1，表示两个振型非常相似。
Figure BDA0002511324980000081
ψi为工作振型第i阶振型向量，
Figure BDA0002511324980000082
为模态振型第j阶振型向量。其含义是两个向量点乘除以各自向量模。
表1为本实施例提供的六个线框模态振型与线框工作振型之间的相关性计算数据。
表1为线框模态振型与线框工作振型之间的相关性计算数据
工作振型频率值(Hz) 模态振型频率值(Hz) 相关度-MAC值
700.8 699.5 0.55
700.8 699.9 0.51
700.8 701.6 0.86
700.8 702.1 0.67
700.8 702.6 0.61
从数据可以看出模态振型701.6Hz与工作振型700.8Hz的MAC值最大，表明两个振型十分相似，因此，该模态振型为需要寻找的振动模态，即相关性最高的主模态振型。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种基于工作振型和模态振型的振动模态识别方法，其特征在于，包括：
S1.获取产品在预设转速下运行时的振动峰值和所述振动峰值对应的第一频率；
S2.建立所述产品的动力学模型并标定；
S3.基于标定后的所述产品的动力学模型，获取所述产品在所述预设转速和所述第一频率下的工作振型；
S4.基于标定后的所述产品的动力学模型，获取所述产品在运行工况预载荷下的模态振型，并从预设频率范围内的模态中找出与所述工作振型相似的N个模态振型，其中，预设频率范围的两个端点值分别等于第一频率±带宽频率；
S5.由N个所述模态振型中筛选出M个主模态振型；
S6.分别分析M个所述主模态振型与所述工作振型之间的相关性，并根据相关性分析数据筛选出相关性最高的主模态振型；
步骤S6包括：
S61.根据步骤S3中获得的工作振型按照所述产品变形端的轮廓找出a个大变形量的轮廓点和b个小变形量的轮廓点，并将a个大变形量的轮廓点和b个小变形量的轮廓点连线，以获得能够表征所述产品的变形位置和轮廓的线框模型；
S62.由步骤S3中获得工作振型中提取出a个大变形量的轮廓点和b个小变形量的轮廓点所对应的振型数据，并将所述振型数据赋值到所述线框模型中，以获得线框工作振型；
S63.由步骤S5中获得M个主模态振型中提取出a个大变形量的轮廓点和b个小变形量的轮廓点所对应的振型数据，并将所述振型数据赋值到所述线框模型中，以获得M个线框模态振型；
S64.分别计算M个所述线框模态振型与所述线框工作振型之间的相关性，并将相关性最高的所述线框模态振型作为所述产品的主模态振型。
2.根据权利要求1所述的基于工作振型和模态振型的振动模态识别方法，其特征在于，在步骤S63中，相关性计算采用的准则为模态置信准则。
3.根据权利要求1所述的基于工作振型和模态振型的振动模态识别方法，其特征在于，在步骤S1中，利用振动测量仪测量产品在预设转速下运行时的振动值，并由所述振动值中找出振动峰值。
4.根据权利要求1所述的基于工作振型和模态振型的振动模态识别方法，其特征在于，所述预设转速为1000rpm。
5.根据权利要求1所述的基于工作振型和模态振型的振动模态识别方法，其特征在于，所述振动峰值对应的第一频率为700.8Hz。
6.根据权利要求1所述的基于工作振型和模态振型的振动模态识别方法，其特征在于，所述带宽频率为5Hz。
7.根据权利要求1所述的基于工作振型和模态振型的振动模态识别方法，其特征在于，M的取值范围为5-10。
8.根据权利要求1所述的基于工作振型和模态振型的振动模态识别方法，其特征在于，a的取值范围为4-10；和/或b的取值范围为4-10。
9.根据权利要求1所述的基于工作振型和模态振型的振动模态识别方法，其特征在于，所述产品为齿轮箱。
CN202010462221.6A 2020-05-27 2020-05-27 一种基于工作振型和模态振型的振动模态识别方法 Active CN111625909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010462221.6A CN111625909B (zh) 2020-05-27 2020-05-27 一种基于工作振型和模态振型的振动模态识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010462221.6A CN111625909B (zh) 2020-05-27 2020-05-27 一种基于工作振型和模态振型的振动模态识别方法

Publications (2)

Publication Number Publication Date
CN111625909A CN111625909A (zh) 2020-09-04
CN111625909B true CN111625909B (zh) 2023-06-06

Family

ID=72272161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010462221.6A Active CN111625909B (zh) 2020-05-27 2020-05-27 一种基于工作振型和模态振型的振动模态识别方法

Country Status (1)

Country Link
CN (1) CN111625909B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113266538B (zh) * 2021-05-31 2022-03-22 明阳智慧能源集团股份公司 一种海上风电塔架与传动链模态频率自动识别方法及系统
CN113392565B (zh) * 2021-07-12 2022-07-29 中车青岛四方机车车辆股份有限公司 车体与动力包振动匹配状态定量评估方法、系统及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104142219A (zh) * 2014-07-17 2014-11-12 浙江工业大学 一种基于多点脉冲激励的主轴系统运行模态分析方法
CN106529055A (zh) * 2016-11-18 2017-03-22 南京航空航天大学 一种基于应变模态振型相关性的模型修正方法
CN107895073A (zh) * 2017-11-08 2018-04-10 国电联合动力技术有限公司 一种风电机组叶片动力学模型的优化设计方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104142219A (zh) * 2014-07-17 2014-11-12 浙江工业大学 一种基于多点脉冲激励的主轴系统运行模态分析方法
CN106529055A (zh) * 2016-11-18 2017-03-22 南京航空航天大学 一种基于应变模态振型相关性的模型修正方法
CN107895073A (zh) * 2017-11-08 2018-04-10 国电联合动力技术有限公司 一种风电机组叶片动力学模型的优化设计方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孟永帅等.动车齿轮箱箱体模态相关性分析.《轨道交通装备与技术》.2015,(第undefined期),第46-48页. *

Also Published As

Publication number Publication date
CN111625909A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN111625909B (zh) 一种基于工作振型和模态振型的振动模态识别方法
EP3510278B1 (en) Predicting wind turbine noise
US11255310B2 (en) Wind turbine noise analysis and control
CN109973325B (zh) 识别异常振动的方法和设备
CN108663115A (zh) 一种汽车车内怠速噪声客观量化评价方法
CN112629851A (zh) 基于数据增强方法与图像识别的海上风电机组齿轮箱故障诊断方法
CN110690133A (zh) 半导体结构的检测方法及其检测装置
US20200220525A1 (en) Method For Automatic Detection of Physical Modes In A Modal Analysis Model
CN112100816A (zh) 一种基于电机声学模型的电动车车内噪声预测方法
Vives Vibration analysis for fault detection in wind turbines using machine learning techniques
CN108760295B (zh) 基于nvh性能的识别离合器匹配不佳导致变速器振动的方法
Liu et al. A multisensory time-frequency features fusion method for rotating machinery fault diagnosis under nonstationary case
KR102502740B1 (ko) 복합 조건을 고려한 회전 기계의 진동 진단 방법
CN113221402B (zh) 一种冲压件回弹预测及监控方法、系统及存储介质
Younes et al. The influence of the sound pressure level on the identification of the defects severity in gear transmission by the sound perception
JP4742259B2 (ja) 油入変圧器の劣化診断法
CN115835113A (zh) 一种基于可模拟自然风的风噪源的抗风噪测试方法及装置
CN115392155A (zh) 一种高层建筑表面格栅的智能调节方法
CN116211309A (zh) 基于眼动和脑电特征的操作者情境意识状态判定系统和方法
CN113962284A (zh) 一种基于卷积神经网络和峭度图的滚动轴承故障诊断方法
CN207223553U (zh) 智能型加工机主轴自我感应侦测传输系统
Lu Experimental Study of Installation Effects on Cooling Fan Noise
CN110751622B (zh) 半导体结构的检测方法及其检测装置
Saab et al. Determination of local flow conditions and preliminary investigation on the validity of the PNoise code for large-size wind turbine
CN118395364B (zh) 基于改进eemd和生成对抗网络的旋转机械故障诊断方法及系统

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