CN111896257A - 一种滚动轴承故障诊断方法及系统 - Google Patents
一种滚动轴承故障诊断方法及系统 Download PDFInfo
- Publication number
- CN111896257A CN111896257A CN202010679182.5A CN202010679182A CN111896257A CN 111896257 A CN111896257 A CN 111896257A CN 202010679182 A CN202010679182 A CN 202010679182A CN 111896257 A CN111896257 A CN 111896257A
- Authority
- CN
- China
- Prior art keywords
- fault
- rolling bearing
- time
- frequency band
- 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
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003745 diagnosis Methods 0.000 title claims abstract description 26
- 230000010354 integration Effects 0.000 claims abstract description 46
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013016 damping Methods 0.000 abstract description 5
- 238000001228 spectrum Methods 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种滚动轴承故障诊断方法及系统。该方法包括:对待检测滚动轴承进行信号采集;对采集到的信号进行频谱分析,确定包含故障特征的故障频率段信号以及故障中心频率;对故障频率段信号进行带通滤波或者经验模态分解,获取故障频率段时域信号;对故障频率段时域信号取包络,确定包络时间;根据故障中心频率以及包络时间,确定积分时长;基于积分时长,对故障频率段时域信号进行积分,得到积分曲线;对积分曲线进行功率谱分析,确定待检测滚动轴承的故障点。脉冲信号的定长积分反映了信号各模态总能量随时间的变化过程,积分曲线与系统结构阻尼相关,因此更加稳定,从而能够更加快速、准确的对滚动轴承故障进行诊断。
Description
技术领域
本发明涉及滚动轴承领域,特别是涉及一种滚动轴承故障诊断方法及系统。
背景技术
滚动轴承广泛应用于旋转机械之中,用以支持轴类零件的工作。由于滚动轴承为点接触,接触应力大,制造、保养和使用不当,极其容易发生磨损。损坏的主要部位包括轴承内圈、外圈、滚动体和保持架。对于滚动轴承采用振动传感器进行监测是主要方法。滚动轴承运转过程中的冲击振动表现为脉冲衰减信号,并激励轴承零件高频振动,该振动表现为振动信号的载波,其幅值在旋转过程中受到与转速相关的调制,从而使轴承最终的振动波形表现为幅值调制波。现有的滚动轴承故障诊断方法包括信号提取分解和解调分析两个步骤。解调分析是滚动轴承故障诊断的关键问题,通过对解调信号的频谱分析,可以找到轴承的故障特征频率,目前采用的解调方法包括基于Hilbert变换解调、广义检波解调和能量算子解调。上述解调方法均是对信号包络的提取分析,但轴承冲击信号为指数衰减信号,其包络谱会分散到谐波频率上,需要通过谐波分析来进行故障诊断,当信噪比较低时,故障信号的频率容易被淹没,影响故障诊断的准确性。
发明内容
本发明的目的是提供一种滚动轴承故障诊断方法及系统,用以快速、准确的对滚动轴承故障进行诊断。
为实现上述目的,本发明提供了如下方案:
一种滚动轴承故障诊断方法,包括:
对待检测滚动轴承进行信号采集;
对采集到的信号进行频谱分析,确定包含故障特征的故障频率段信号以及故障中心频率;
对所述故障频率段信号进行带通滤波或者经验模态分解,获取故障频率段时域信号;
对所述故障频率段时域信号取包络,确定包络时间;
根据所述故障中心频率以及所述包络时间,确定积分时长;
基于所述积分时长,对所述故障频率段时域信号进行积分,得到积分曲线;
对所述积分曲线进行功率谱分析,确定所述待检测滚动轴承的故障点。
可选的,通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。
可选的,所述包络时间为从包络峰值下降到包络峰值的50%时所需的时间。
可选的,所述基于所述积分时长,对所述故障频率段时域信号进行积分,得到积分曲线,计算公式如下:
其中,S(t)为t时刻的积分曲线,Δt为积分时长,r(x)为故障频率段时域信号,x为时间,t≤x≤t+Δt。
可选的,所述对所述积分曲线进行功率谱分析,确定所述待检测滚动轴承的故障点,具体包括:
对所述积分曲线进行功率谱分析,确定峰值频率;
将所述峰值频率与故障特征频率进行比较,确定故障点。
本发明还提供了一种滚动轴承故障诊断系统,包括:
信号采集模块,用于对待检测滚动轴承进行信号采集;
频谱分析模块,用于对采集到的信号进行频谱分析,确定包含故障特征的故障频率段信号以及故障中心频率;
滤波模块,用于对所述故障频率段信号进行带通滤波或者经验模态分解,获取故障频率段时域信号;
包络模块,用于对所述故障频率段时域信号取包络,确定包络时间;
积分时长确定模块,用于根据所述故障中心频率以及所述包络时间,确定积分时长;
积分模块,基于所述积分时长,对所述故障频率段时域信号进行积分,得到积分曲线;
功率谱分析模块,用于对所述积分曲线进行功率谱分析,确定所述待检测滚动轴承的故障点。
可选的,通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。
可选的,所述包络时间为从包络峰值下降到包络峰值的50%时所需的时间。
可选的,所述积分模块进行积分的计算公式如下:
其中,S(t)为t时刻的积分曲线,Δt为积分时长,r(x)为故障频率段时域信号,x为时间,t≤x≤t+Δt。
可选的,所述功率谱分析模块具体包括:
功率谱分析单元,用于对所述积分曲线进行功率谱分析,确定峰值频率;
比较单元,用于将所述峰值频率与故障特征频率进行比较,确定故障点。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明对待检测滚动轴承进行信号采集;对采集到的信号进行频谱分析,确定包含故障特征的故障频率段信号以及故障中心频率;对所述故障频率段信号进行带通滤波或者经验模态分解,获取故障频率段时域信号;对所述故障频率段时域信号取包络,确定包络时间;根据所述故障中心频率以及所述包络时间,确定积分时长;基于所述积分时长,对所述故障频率段时域信号进行积分,得到积分曲线;对所述积分曲线进行功率谱分析,确定所述待检测滚动轴承的故障点。脉冲信号的定长积分反映了信号各模态总能量随时间的变化过程,积分曲线与系统结构阻尼相关,因此更加稳定,从而能够更加快速、准确的对滚动轴承故障进行诊断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例滚动轴承故障诊断方法的流程图;
图2为本发明实施例故障中心频率示意图;
图3为本发明实施例峰值频率示意图;
图4为本发明实施例滚动轴承故障诊断系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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,本领域普通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。
本发明的目的是提供一种滚动轴承故障诊断方法及系统,用以快速、准确的对滚动轴承故障进行诊断。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,一种滚动轴承故障诊断方法,包括:
步骤101:对待检测滚动轴承进行信号采集。使用加速度传感器采集轴承的振动信号或使用传声器采集轴承的噪声信号.
步骤102:对采集到的信号进行频谱分析,确定包含故障特征的故障频率段信号以及故障中心频率f。
步骤103:对所述故障频率段信号进行带通滤波或者经验模态分解,获取故障频率段时域信号。
步骤104:对所述故障频率段时域信号取包络,确定包络时间t0。测量从包络峰值下降到50%峰值所需的时间t0。
步骤105:根据所述故障中心频率以及所述包络时间,确定积分时长。积分时长Δt大于1/f,小于或等于2t0。
步骤106:基于所述积分时长,对所述故障频率段时域信号进行积分,得到积分曲线。
在t时刻,对从t时刻开始后的Δt时长范围内的各点信号的平方进行积分,并对积分值取对数,绘制积分曲线;积分公式为:
其中,S(t)为t时刻的积分曲线,Δt为积分时长,r(x)为故障频率段时域信号,x为时间,t≤x≤t+Δt。
步骤107:对所述积分曲线进行功率谱分析,确定所述待检测滚动轴承的故障点。
对积分曲线进行功率谱或幅值谱分析,将功率谱或幅值谱的主要峰值频率与故障特征频率比较,确定故障点为轴承内圈、外圈、滚动体或保持架中的某一处。
具体操作方法如下:
1、将加速度传感器安装在轴承支座上,尽可能靠近轴承。
2、记录加速度传感器信号,每段10秒。
3、选择其中不少于2秒的一段信号,对信号进行功率谱分析,将1kHz以上的功率谱峰值对应的频率确定为故障信号载波的中心频率f。例如图2所示的3600Hz。
4、在故障信号载波的中心频率附近设置带通滤波器,滤波器带宽为f/10。对信号进行带通滤波,保留包含中心频率的信号。
5、使用Hilbert变换对带通滤波信号取包络,找到包络的幅值最大点,测量从该点下降到50%所需的时间t0。
6、设定积分时长Δt=t0,对信号进行积分并取对数,
S(t)为某一时刻t的新的数值,r(x)为滤波后的时域信号。
7、对新的信号S(t)进行功率谱分析,找到5Hz以上的5个的最大峰值的频率点。如图3所示的峰值。
8、按照轴承故障频率的经验公式,根据轴承的尺寸和转速计算轴承各零件的故障频率。
轴承内圈故障特征频率fi=0.6×Z×fr;
外圈故障特征频率:f0=0.4×Z×fr;
保持架故障特征频率:fc=0.381-0.4×fr;
滚动体故障特征频率:fb=0.23×Z×fr(Z<10);fb=0.18×Z×fr(Z>10);
外圈与保持架关系:f0=Z×fc;
外圈与内圈关系:f0+fi=Z×fr;
其中,fr为轴承旋转频率,Z为轴承滚子数量。
当滚动轴承的某一元件发生局部损伤时,在轴承旋转过程中,其它元件经过损伤点,产生一次冲击振动,并激励轴承各元件振动。由于润滑和结构阻尼等原因,这种冲击振动又被迅速衰减下去。因此故障引起的冲击振动响应信号可以认为是一个自由衰减信号,这个自由衰减信号包含了其冲击振动激发的各种模态。虽然每次激发出的模态频率和幅值不同,但阻尼基本不变。脉冲信号的定长积分反映了信号各模态总能量随时间的变化过程,积分曲线与系统结构阻尼相关,因此更加稳定。
故障轴承高速旋转时,冲击振动的衰减变化曲线即信号能量的变化过程,信号发生衰减变化的频率即故障特征频率。相比其他方法而言,本发明提供的方法的信噪比更大,且具有明确的物理意义,故障特征更显著。
希尔伯特变换和能量算子得到的幅值谱下降较为平缓,使得的很多能量都会分布到谐波上,因此需要通过寻找谐波来确定故障特征频率,当信噪比较低时,谐波的寻找就会变得困难。而本发明提供的方法的频谱能量更集中于基频上,则在低信噪比时,更容易发现故障特征频率。
如图4所示,本发明还提供了一种滚动轴承故障诊断系统,包括:
信号采集模块401,用于对待检测滚动轴承进行信号采集。通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。
频谱分析模块402,用于对采集到的信号进行频谱分析,确定包含故障特征的故障频率段信号以及故障中心频率。
滤波模块403,用于对所述故障频率段信号进行带通滤波或者经验模态分解,获取故障频率段时域信号。
包络模块404,用于对所述故障频率段时域信号取包络,确定包络时间。所述包络时间为从包络峰值下降到包络峰值的50%时所需的时间。
积分时长确定模块405,用于根据所述故障中心频率以及所述包络时间,确定积分时长。
积分模块406,基于所述积分时长,对所述故障频率段时域信号进行积分,得到积分曲线。
所述积分模块进行积分的计算公式如下:
其中,S(t)为t时刻的积分曲线,Δt为积分时长,r(x)为故障频率段时域信号,x为时间,t≤x≤t+Δt。
功率谱分析模块407,用于对所述积分曲线进行功率谱分析,确定所述待检测滚动轴承的故障点。
所述功率谱分析模块407具体包括:
功率谱分析单元,用于对所述积分曲线进行功率谱分析,确定峰值频率;
比较单元,用于将所述峰值频率与故障特征频率进行比较,确定故障点。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种滚动轴承故障诊断方法,其特征在于,包括:
对待检测滚动轴承进行信号采集;
对采集到的信号进行频谱分析,确定包含故障特征的故障频率段信号以及故障中心频率;
对所述故障频率段信号进行带通滤波或者经验模态分解,获取故障频率段时域信号;
对所述故障频率段时域信号取包络,确定包络时间;
根据所述故障中心频率以及所述包络时间,确定积分时长;
基于所述积分时长,对所述故障频率段时域信号进行积分,得到积分曲线;
对所述积分曲线进行功率谱分析,确定所述待检测滚动轴承的故障点。
2.根据权利要求1所述的滚动轴承故障诊断方法,其特征在于,通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。
3.根据权利要求1所述的滚动轴承故障诊断方法,其特征在于,所述包络时间为从包络峰值下降到包络峰值的50%时所需的时间。
5.根据权利要求1所述的滚动轴承故障诊断方法,其特征在于,所述对所述积分曲线进行功率谱分析,确定所述待检测滚动轴承的故障点,具体包括:
对所述积分曲线进行功率谱分析,确定峰值频率;
将所述峰值频率与故障特征频率进行比较,确定故障点。
6.一种滚动轴承故障诊断系统,其特征在于,包括:
信号采集模块,用于对待检测滚动轴承进行信号采集;
频谱分析模块,用于对采集到的信号进行频谱分析,确定包含故障特征的故障频率段信号以及故障中心频率;
滤波模块,用于对所述故障频率段信号进行带通滤波或者经验模态分解,获取故障频率段时域信号;
包络模块,用于对所述故障频率段时域信号取包络,确定包络时间;
积分时长确定模块,用于根据所述故障中心频率以及所述包络时间,确定积分时长;
积分模块,基于所述积分时长,对所述故障频率段时域信号进行积分,得到积分曲线;
功率谱分析模块,用于对所述积分曲线进行功率谱分析,确定所述待检测滚动轴承的故障点。
7.根据权利要求6所述的滚动轴承故障诊断系统,其特征在于,通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。
8.根据权利要求6所述的滚动轴承故障诊断系统,其特征在于,所述包络时间为从包络峰值下降到包络峰值的50%时所需的时间。
10.根据权利要求6所述的滚动轴承故障诊断系统,其特征在于,所述功率谱分析模块具体包括:
功率谱分析单元,用于对所述积分曲线进行功率谱分析,确定峰值频率;
比较单元,用于将所述峰值频率与故障特征频率进行比较,确定故障点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010679182.5A CN111896257B (zh) | 2020-07-15 | 2020-07-15 | 一种滚动轴承故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010679182.5A CN111896257B (zh) | 2020-07-15 | 2020-07-15 | 一种滚动轴承故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111896257A true CN111896257A (zh) | 2020-11-06 |
CN111896257B CN111896257B (zh) | 2022-03-18 |
Family
ID=73192756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010679182.5A Active CN111896257B (zh) | 2020-07-15 | 2020-07-15 | 一种滚动轴承故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111896257B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03120438A (ja) * | 1989-10-02 | 1991-05-22 | Koyo Seiko Co Ltd | 軸受の寿命診断装置 |
US5852793A (en) * | 1997-02-18 | 1998-12-22 | Dme Corporation | Method and apparatus for predictive diagnosis of moving machine parts |
JP2009244090A (ja) * | 2008-03-31 | 2009-10-22 | Nippon Physical Acoustics Ltd | 異常検出装置、寿命検出装置、異常検出方法、および、コンピュータを異常検出装置として機能させるためのプログラム |
CN103335841A (zh) * | 2013-06-04 | 2013-10-02 | 辽宁大学 | 一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法 |
CN103728130A (zh) * | 2013-10-10 | 2014-04-16 | 西安交通大学 | 一种基于稀疏分解的风力发电机组故障特征提取方法 |
EP2730898A1 (en) * | 2012-11-12 | 2014-05-14 | SKF Aerospace France | Bearing, housing including a set of bearings, associated method and computer program |
CN103884502A (zh) * | 2014-04-02 | 2014-06-25 | 清华大学 | 一种变转速下风力发电机行星齿轮系统故障诊断方法 |
US20150088435A1 (en) * | 2013-09-24 | 2015-03-26 | Sikorsky Aircraft Corporation | Gear fault detection |
CN104776908A (zh) * | 2015-04-17 | 2015-07-15 | 南京理工大学 | 基于emd广义能量的轮轨振动信号故障特征提取方法 |
CN104792528A (zh) * | 2014-01-22 | 2015-07-22 | 中国人民解放军海军工程大学 | 一种自适应最优包络解调方法 |
CN106289774A (zh) * | 2016-07-26 | 2017-01-04 | 北京工业大学 | 一种滚动轴承故障识别与趋势预测方法 |
CN110006652A (zh) * | 2019-04-12 | 2019-07-12 | 燕山大学 | 一种滚动轴承故障诊断方法及系统 |
CN110954601A (zh) * | 2019-12-04 | 2020-04-03 | 国网福建省电力有限公司 | 基于快速包络谱峭度的水轮机空化状态在线评价方法 |
-
2020
- 2020-07-15 CN CN202010679182.5A patent/CN111896257B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03120438A (ja) * | 1989-10-02 | 1991-05-22 | Koyo Seiko Co Ltd | 軸受の寿命診断装置 |
US5852793A (en) * | 1997-02-18 | 1998-12-22 | Dme Corporation | Method and apparatus for predictive diagnosis of moving machine parts |
JP2009244090A (ja) * | 2008-03-31 | 2009-10-22 | Nippon Physical Acoustics Ltd | 異常検出装置、寿命検出装置、異常検出方法、および、コンピュータを異常検出装置として機能させるためのプログラム |
EP2730898A1 (en) * | 2012-11-12 | 2014-05-14 | SKF Aerospace France | Bearing, housing including a set of bearings, associated method and computer program |
CN103335841A (zh) * | 2013-06-04 | 2013-10-02 | 辽宁大学 | 一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法 |
US20150088435A1 (en) * | 2013-09-24 | 2015-03-26 | Sikorsky Aircraft Corporation | Gear fault detection |
CN103728130A (zh) * | 2013-10-10 | 2014-04-16 | 西安交通大学 | 一种基于稀疏分解的风力发电机组故障特征提取方法 |
CN104792528A (zh) * | 2014-01-22 | 2015-07-22 | 中国人民解放军海军工程大学 | 一种自适应最优包络解调方法 |
CN103884502A (zh) * | 2014-04-02 | 2014-06-25 | 清华大学 | 一种变转速下风力发电机行星齿轮系统故障诊断方法 |
CN104776908A (zh) * | 2015-04-17 | 2015-07-15 | 南京理工大学 | 基于emd广义能量的轮轨振动信号故障特征提取方法 |
CN106289774A (zh) * | 2016-07-26 | 2017-01-04 | 北京工业大学 | 一种滚动轴承故障识别与趋势预测方法 |
CN110006652A (zh) * | 2019-04-12 | 2019-07-12 | 燕山大学 | 一种滚动轴承故障诊断方法及系统 |
CN110954601A (zh) * | 2019-12-04 | 2020-04-03 | 国网福建省电力有限公司 | 基于快速包络谱峭度的水轮机空化状态在线评价方法 |
Non-Patent Citations (3)
Title |
---|
PENG SUN: "The Shock Pulse Index and Its Application in the Fault Diagnosis of Rolling Element Bearings", 《SENSORS》 * |
丁康 等: "解调分析的一种优化方法", 《振动工程学报》 * |
朱利民 等: "振动信号短时分析方法及在机械故障诊断中的应用", 《振动工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111896257B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saruhan et al. | Vibration analysis of rolling element bearings defects | |
CN109682601A (zh) | 一种变转速工况下滚动轴承的早期故障识别方法 | |
CN110617964A (zh) | 用于滚动轴承故障诊断的同步压缩变换阶比分析法 | |
US20100280772A1 (en) | Method for detection and automatic identification of damage to rolling bearings | |
CN110987438B (zh) | 水轮发电机变转速过程周期性振动冲击信号检测的方法 | |
CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
CN102840907B (zh) | 早期故障状态下滚动轴承振动信号特征提取和分析方法 | |
CN108572075A (zh) | 基于小波包能量谱和调制双谱分析的滚动轴承故障诊断方法 | |
Randall et al. | New cepstral methods for the diagnosis of gear and bearing faults under variable speed conditions | |
CN109724802A (zh) | 一种基于频谱图评价与优选的电机轴承微弱故障诊断方法 | |
CN112067297B (zh) | 一种轴承故障特征提取方法 | |
CN102721462A (zh) | 旋转机械启停车过程波德图/奈奎斯特图的快速计算方法 | |
JP4424515B2 (ja) | ころがり軸受における固体伝導音の検出方法 | |
CN117836599A (zh) | 检测旋转系统中轴承缺陷的方法以及实施该方法的监控系统 | |
CN110174281A (zh) | 一种机电设备故障诊断方法及系统 | |
CN109839272B (zh) | 基于故障冲击提取与自相关总体平均的轴承故障诊断方法 | |
Noman et al. | Oscillatory Lempel–Ziv complexity calculation as a nonlinear measure for continuous monitoring of bearing health | |
JP4997936B2 (ja) | 転がり軸受の異常診断装置および乗物 | |
CN112597969B (zh) | 一种滚动轴承故障诊断方法、系统及介质 | |
CN111896257B (zh) | 一种滚动轴承故障诊断方法及系统 | |
Shan et al. | A novel experimental research on vibration characteristics of the running high-speed motorized spindles | |
CN116150585A (zh) | 基于乘积包络谱的旋转机械故障诊断方法 | |
Gelman et al. | Rolling bearing diagnosis based on the higher order spectra | |
JP6815489B2 (ja) | 振動検出装置および異常判定システム | |
Thanagasundram et al. | Autoregressive based diagnostics scheme for detection of bearing faults |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240111 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: 529000 No. 6, ChaoLian Avenue, ChaoLian Town, Pengjiang district, Jiangmen City, Guangdong Province Patentee before: JIANGMEN POLYTECHNIC |