CN112098094A - 一种低速重载轴承故障振动诊断的方法 - Google Patents
一种低速重载轴承故障振动诊断的方法 Download PDFInfo
- Publication number
- CN112098094A CN112098094A CN202011030897.4A CN202011030897A CN112098094A CN 112098094 A CN112098094 A CN 112098094A CN 202011030897 A CN202011030897 A CN 202011030897A CN 112098094 A CN112098094 A CN 112098094A
- Authority
- CN
- China
- Prior art keywords
- bearing
- fault
- low
- speed heavy
- vibration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005096 rolling process Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 15
- 238000003745 diagnosis Methods 0.000 claims abstract description 12
- 230000035939 shock Effects 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010959 steel Substances 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
本发明公开了一种低速重载轴承故障振动诊断的方法。在低速重载轴承上安装一组振动传感器，该方法包括步骤：实时采集低速重载轴承工作时的振动数据；识别1001Hz‑4000Hz之间振动数据中的特征指标信息和0Hz‑1000Hz之间振动数据中的特征频率；基于低速重载轴承的转动周期参数，建立轴承内外圈、滚动体及保持架故障的振动特征库；以实际监测特征对照特征库，识别低速重载轴承的故障类型，将故障诊断信息实时发送给设备操作人员，提醒停机检修；根据现场检修反馈结果更新低速重载轴承故障特征库。
Description
技术领域
本发明属于机电设备安全监测技术领域，尤其是一种低速重载轴承故障振动诊断的方法。
背景技术
低速重载轴承设备是一种机械作业设备，特别是在钢厂、冶炼厂、蒸馏工艺中的锅炉装备中经常出现，用以慢速传送超重原材料到炉子中加工。低速重载轴承一般承受较大的负荷和扭矩，在其运行过程中经常会出现局部点蚀、剥落以及滚子破碎等严重故障；低速重载轴承除了受轴承质量、安装水平等影响外，通常还受设备带重载频繁启动、润滑油污染、高振动等因素的影响。轴承的疲劳、腐蚀、压痕和胶合等随着故障发展，通常会演变成磨损故障。
低速重载轴承通常轴承多，运行过程中可能会产生各轴承故障特征频率、各转轴的转动频率等等，频率成分较复杂，而在这些频率中，高速转轴频率产生的冲击能量通常较大，产生的幅值较大的振动；而低速轴轴承产生的冲击能量往往较小，产生幅值较小的振动，这就往往容易被忽视而造成漏判。通过对振动频谱和波形的分析，可以很好地找出故障源所在。对振动趋势的监测，能较好的掌握故障的恶化情况。
一般此类低速重载轴承通常用在一些大型的关键设备上，一旦发生故障，维修起来不但要花费大量的时间和费用，还会严重影响生产。因此，对低速重载轴承的状态监测和故障维护就极其重要，由于轴承处于低速重载作业环境下，轴承故障的振动特征与常规条件的轴承故障特征之间有明显差异，需要建立低速重载作业环境下的轴承故障振动特征库，为此，我司专门对低速重载轴承设备的状态监测和故障智能诊断方法进行了广泛深入研究，提出了建立低速重载作业环境下的轴承故障振动特征库，利用实际监测数据不断优化故障振动特征的方法，提高低速重载轴承实时监测诊断的准确率。在此基础，发明了一种低速重载轴承故障振动诊断的方案，给企业降低维护费用，具有重要的实际意义和经济价值。
发明内容
鉴于此，本发明提供一种低速重载轴承故障振动诊断的方案，以图解决或缓解上面存在的问题。
第一方面，本发明提供了一种低速重载轴承故障振动诊断的方法，在低速重载轴承外部的壳体上分别安装一个加速度振动传感器和一个速度振动传感器，方法包括步骤：
步骤一：实时采集低速重载轴承工作运行时的振动数据信息；
步骤二：识别1001Hz-4000Hz振动时序数据中的冲击脉冲信号，包括冲击持续时间、冲击间隔时间、脉冲间隔时间、脉冲振幅等特征信息。识别0Hz-1000Hz振动数据中的特征频率；
步骤三：基于低速重载轴承的转动周期参数，建立轴承内圈、外圈、滚动体及保持架故障的振动特征库；
步骤四：以实际监测特征对照特征库，识别低速重载轴承的故障类型，将低速重载轴承的故障诊断信息实时发送给设备操作人员，提醒停机检修；
步骤五：根据操作维修人员反馈的实际检修结果，更新优化低速重载轴承故障特征库。
可选地，在根据本发明的方法中，所述实时采集低速重载轴承工作运行时的振动数据信息，利用安装在低速重载轴承外部壳体上的加速度振动传感器和速度振动传感器，请参阅图2为本发明振动传感器在低速重载轴承设备上的安装位置示意图，采集低速重载轴承工作运行时0Hz-4KHz全频段的振动数据信号。
可选地，在根据本发明的方法中，所述识别1001Hz-4000Hz振动时序数据中的冲击脉冲信号，主要建立了低速重载轴承故障的高频冲击振动特征指标集：冲击持续时间、冲击间隔时间、脉冲间隔时间、脉冲振幅、峭度指标等特征指标。实现以下功能：1）根据振动时序数据序列计算脉冲指标
、峭度指标
；2）根据已知经验或事后学习，设置冲击信号和脉冲信号的脉冲指标值、峭度指标值判断阈值，计算每次采集数据的冲击持续时间、冲击间隔时间、脉冲间隔时间、脉冲振幅等特征信息。
可选地，在根据本发明的方法中，所述识别0Hz-1000Hz振动数据中的特征频率，提出了低速重载轴承所特有1Hz以下的特征频率信号，根据已知经验知识，低速（一般轴承转速1r/min）重载轴承出现剥落以及滚子破碎等故障时，存在故障振动特征频率0.75Hz～1.5Hz。
可选地，在根据本发明的方法中，所述实时基于低速重载轴承的转动周期参数，建立轴承内圈、外圈、滚动体及保持架故障的振动特征库，具体发明内容如下。
1）轴承内圈故障振动特征库
特征指标1：一圈内冲击脉冲持续时间，30s内；
特征指标2：冲击脉冲间隔时间，几百毫秒（800ms）内；
特征指标3：冲击响应频率，2kHz-3kHz左右；
特征指标4：冲击能量强度：轻度（5~15ms）、中度（15~25ms）、重度（>25ms）；
特征产生原因：根据故障脉冲出现的周期可以判断内圈故障。一般内圈故障出现的时间大约是轴承旋转一圈时间的一半左右。例如转炉轴承的转速1转／分，则出现故障冲击的间隔在30秒左右，当故障点转出承载区后故障脉冲消失。因此内圈故障在测试过程中会出现故障脉冲逐渐出现持续一段时间逐渐消失的过程，这是内圈故障的特点。
2）轴承外圈故障振动特征库
特征指标1：一圈内冲击脉冲持续时间，10s内；
特征指标2：冲击脉冲间隔时间，几百毫秒（800ms）内；
特征指标3：冲击响应频率，2kHz-3kHz左右；
特征指标4：冲击能量强度：轻度（5~15ms）、中度（15~25ms）、重度（>25ms）；
特征产生原因：当外圈故障在承载区内时，则在整个运转过程中均会产生故障冲击脉冲。
3）轴承滚动体故障振动特征库
特征指标1：一圈内冲击脉冲持续时间，60s；
特征指标2：冲击脉冲间隔时间，几百毫秒（800ms）内；
特征指标3：冲击响应频率，2kHz-3kHz左右；
特征指标4：冲击能量强度：轻度（5~15ms）、中度（15~25ms）、重度（>25ms）；
特征产生原因：滚动体故障的出现间隔与内圈故障不同，根据轴承的运动分析可以计算出滚动体中心的线速度是与其接触的内圈线速度的一半。滚动体的转动速度是滚动体中心线速度除以与其接触的外圈直经，若近似认为轴承内圈和外圈与滚动体的接触直经相等，则滚动体的转动速度是内圈(即轴承)转速的1/2。因此通过故障脉冲出现的间隔以及持续时间上可以区分是内圈故障还是滚动体故障。
4）轴承保持架故障振动特征库
特征指标1：一圈内冲击脉冲持续时间，60s；
特征指标2：冲击脉冲间隔时间，几秒（1-8s）；
特征指标3：冲击响应频率，2kHz-3kHz左右；
特征指标4：冲击能量，不均匀；
特征产生原因：保持架故障的冲击脉冲间隔具有随机性且周期较长。例如对于转炉轴承内、外圈及滚动体故障的冲击间隔都在几百毫秒内，而保持架的故障脉冲间隔往往是好几秒钟，而且冲击脉冲能量不均匀。
可选地，在根据本发明的方法中，所述以实际监测特征对照特征库，识别低速重载轴承的故障类，采用把故障特征库转换为故障特征逻辑决策树，诊断程序用实际监测特征从根节点开始巡查对比各树节点上的故障特征，直至找到最相近的故障特征为止。
可选地，在根据本发明的方法中，所述将低速重载轴承的故障诊断信息实时通过微信或短信方式发送给设备操作人员，提醒停机检修。
可选地，在根据本发明的方法中，所述根据操作维修人员反馈的实际检修结果，更新优化低速重载轴承故障特征库，提供一种低速重载轴承故障特征的自学习优化算法：正态分布3σ标准差值域法，将一定时期内监测特征指标值正态分布的3σ标准差值域作为认定该故障的特征指标值域，如果原特征库设定的指标值域与大数据样本统计出的3σ标准差值域存在20%以上的偏差，用新的大数据样本统计值域更新原特征库指标值域。
本发明和现有技术相比，其优点在于。
优点一：本技术方案提出的在低速重载轴承外部的壳体上分别安装一个加速度振动传感器和一个速度振动传感器，来全方位采集低速重载轴承设备作业时0Hz-4000Hz全频段的振动数据的方法，具有技术可行，经济适用，方便实施等优点。
优点二：本技术方案提出的建立低速重载轴承故障振动特征库，通过机器学习不断优化故障特征库的方法来提高低速重载轴承故障诊断准确率的方法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明方法示意图；
图2为本发明振动传感器在低速重载轴承设备上的安装位置示意图；
图3为本发明方法实施流程图；
图4为本发明方法特征库更新规则示意图；
图5为支撑本发明方法实施的信息系统；
1振动传感器模块，2网络传输装置，3云端数据库，4智能诊断程序，5预警模块，101轴承，102低速重载转盘，103速度振动传感器，104加速度振动传感器。
具体实施方式
下面将参照附图更详细地描述本发明公开的示例性实施例，这些实施例是为了能够更透彻地理解本发明，并且能够将本发明公开的范围完整的传达给本领域的技术人员。虽然附图中显示了本发明公开的示例性实施例，然而应当理解，本发明而不应被这里阐述的实施例所限制。
参阅图3，本发明实施例提供了一种低速重载轴承故障振动诊断的方法的实施流程，在低速重载轴承外部的壳体上分别安装一个加速度振动传感器和一个速度振动传感器，数据传输装置布置在附近100米以内，包括：
F31，实时采集数据。数据采集设置每1个小时采集1次，每次采集1分钟时长的数据，发现有故障时，调整到每5分钟采集1次；
F32，数据传输。采集的数据实时通过RFID无线通讯从传感器传输到数据传输装置，数据传输装置把数据通过GPRS网络发送到远程云端数据库；
F33，管理和存储监测数据。云端数据库按照监测点和时序归集数据，通过ETL处理和数据融合，生成每台设备、每个监测点、每类监测参数的源数据集；
F34，工况学习。第一次诊断时，针对采集的数据，对原有的低速重载轴承故障特征库进行检验，根据数据样本特征，调整原轴承内圈/外圈/滚动体/保持架高频冲击信号特征库、电流波动特征库的特征指标值域选项，以适应新设备及其工况环境，请参阅图4为本发明方法特征库更新规则示意图，具体如下：
F3401，轴承内圈故障的特征值更新规则
例如，若原库中轴承内圈故障特征指标的正常值域为：
特征指标1：一圈内冲击脉冲持续时间，[0,30s]；
特征指标2：冲击脉冲间隔时间，[0,800ms]；
特征指标3：冲击响应频率，[2kHz,3kHz]；
特征指标4：冲击能量强度：轻度[5,15ms]、中度[15,25ms]、重度[25ms,不限]；
统计新工况正常工作时样本数据的特征指标值范围，若偏差超过下述幅度，需要更新原库：
特征指标1：一圈内冲击脉冲持续时间，[100s,不限]；
特征指标2：冲击脉冲间隔时间，[2000s,不限]；
特征指标3：冲击响应频率，1.8k以下,3.4kHz以上；
特征指标4：冲击能量强度：轻度[±30%,不限]、中度[±30%,不限]、重度[±30%,不限]；
F3402，轴承外圈故障的特征值更新规则
特征指标1：一圈内冲击脉冲持续时间，[100s,不限]；
特征指标2：冲击脉冲间隔时间，[2000s,不限]；
特征指标3：冲击响应频率，1.8k以下,3.4kHz以上；
特征指标4：冲击能量强度：轻度[±30%,不限]、中度[±30%,不限]、重度[±30%,不限]；
特征指标5：电流负荷值增大[±100%,不限]，波形频率[±100%,不限]，波动幅度[±100%,不限]；
F3403，轴承滚动体故障的特征值更新规则
特征指标1：一圈内冲击脉冲持续时间，[100s,不限]；
特征指标2：冲击脉冲间隔时间，[2000s,不限]；
特征指标3：冲击响应频率，1.8k以下,3.4kHz以上；
特征指标4：冲击能量强度：轻度[±30%,不限]、中度[±30%,不限]、重度[±30%,不限]；
F3404，轴承保持架故障的特征值更新规则
特征指标1：一圈内冲击脉冲持续时间，[100s,不限]；
特征指标2：冲击脉冲间隔时间，[2000s,不限]；
特征指标3：冲击响应频率，1.8kHz以下,3.4kHz以上；
特征指标4：冲击能量，不均匀程度，不纳入更新判断规则；
F3405，如果有新的故障类型或故障逻辑，需要调整诊断程序的故障决策树节点及其判断关系代码；
F35，更新故障特征库。把新特征库和新诊断程序默认为系统首选模块；
F36，诊断计算。先选择设备、监测点、类型或方法，根据监测数据和低速重载轴承设备类型生成诊断任务，任务驱动诊断程序，系统智能计算出低速重载轴承设备的故障诊断结果，诊断结果存入云端数据库；
F37，诊断结果应用。预警模块以微信或短信方式将低速重载轴承故障信息同步推送给设备操作人员，提醒停机检修；
F38，特征库优化。若诊断结果有出入，修正故障特征库或诊断程序。
尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。
Claims (5)
1.一种低速重载轴承故障振动诊断的方法，在低速重载轴承外部的壳体上分别安装一个加速度振动传感器和一个速度振动传感器，该方法包括步骤：
步骤一：实时采集低速重载轴承工作运行时的振动数据信息；
步骤二：识别1001Hz-4000Hz振动时序数据中的冲击脉冲信号，包括冲击持续时间、冲击间隔时间、脉冲间隔时间、脉冲振幅等特征信息；
识别0Hz-1000Hz振动数据中的特征频率；
步骤三：基于低速重载轴承的转动周期参数，建立轴承内圈、外圈、滚动体及保持架故障的振动特征库；
步骤四：以实际监测特征对照特征库，识别低速重载轴承的故障类型，将低速重载轴承的故障诊断信息实时发送给设备操作人员，提醒停机检修；
步骤五：根据操作维修人员反馈的实际检修结果，更新优化低速重载轴承故障特征库。
2.如权利要求1所述的方法，其中，所述的实时采集低速重载轴承工作运行时的振动数据信息，利用安装在低速重载轴承外部壳体上的加速度振动传感器和速度振动传感器，采集低速重载轴承工作运行时0Hz-4KHz全频段的振动数据信号。
3.如权利要求1所述的方法，其中，所述的识别1001Hz-4000Hz振动时序数据中的冲击脉冲信号，主要建立了低速重载轴承故障的1001Hz-4000Hz冲击振动特征指标集：冲击持续时间、冲击间隔时间、脉冲间隔时间、脉冲振幅、峭度指标等特征指标，所述的识别0Hz-1000Hz振动数据中的特征频率，提出了低速重载轴承所特有的特征频率，一般轴承转速1r/min左右，出现剥落以及滚子破碎等故障时，存在故障振动特征频率0.75Hz～1.5Hz。
4.如权利要求1所述的方法，其中，所述的基于低速重载轴承的转动周期参数，建立了该工况环境下，轴承内圈、外圈、滚动体及保持架故障的振动特征库，以轴承内圈故障为例，其故障特征库如下：
特征指标1：一圈内冲击脉冲持续时间，30s内；
特征指标2：冲击脉冲间隔时间，几百毫秒（800ms）内；
特征指标3：冲击响应频率，2kHz-3kHz左右；
特征指标4：冲击能量强度：轻度（5~15ms）、中度（15~25ms）、重度（>25ms）；
特征产生原因：根据故障脉冲出现的周期可以判断内圈故障；
一般内圈故障出现的时间大约是轴承旋转一圈时间的一半左右；
例如转炉轴承的转速1转／分，则出现故障冲击的间隔在30秒左右，当故障点转出承载区后故障脉冲消失；
因此内圈故障在测试过程中会出现故障脉冲逐渐出现持续一段时间逐渐消失的过程，这是内圈故障的特点。
5.如权利要求1所述的方法，其中，所述的根据操作维修人员反馈的实际检修结果，更新优化低速重载轴承故障特征库，提供一种低速重载轴承故障特征的自学习优化算法：正态分布3σ标准差值域法，将一定时期内监测特征指标值正态分布的3σ标准差值域作为认定该故障的特征指标值域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011030897.4A CN112098094A (zh) | 2020-09-27 | 2020-09-27 | 一种低速重载轴承故障振动诊断的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011030897.4A CN112098094A (zh) | 2020-09-27 | 2020-09-27 | 一种低速重载轴承故障振动诊断的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112098094A true CN112098094A (zh) | 2020-12-18 |
Family
ID=73756330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011030897.4A Pending CN112098094A (zh) | 2020-09-27 | 2020-09-27 | 一种低速重载轴承故障振动诊断的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112098094A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688780A (zh) * | 2021-09-08 | 2021-11-23 | 泉州信息工程学院 | 一种电机轴承故障识别方法 |
| CN114184367A (zh) * | 2021-11-29 | 2022-03-15 | 北京唐智科技发展有限公司 | 旋转机械设备故障诊断方法、装置、设备及可读存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050155429A1 (en) * | 2002-04-13 | 2005-07-21 | I-For-T Gmbh | Vibration sensor and method for monitoring the condition of rotating components and bearings |
| CN101968404A (zh) * | 2009-06-19 | 2011-02-09 | 武汉钢铁(集团)公司 | 一种用于检测间歇性低速重载设备故障隐患的方法 |
| CN104156585A (zh) * | 2014-08-04 | 2014-11-19 | 北京工业大学 | 一种基于多项指标特征的双字典匹配追踪轴承故障程度评价方法 |
| CN104359674A (zh) * | 2014-10-20 | 2015-02-18 | 广东电网有限责任公司电力科学研究院 | 基于时域与频域状态监测的高速滚动轴承故障诊断方法 |
| CN106017927A (zh) * | 2016-05-18 | 2016-10-12 | 唐智科技湖南发展有限公司 | 一种识别轴承滚子间距变化的保持架故障诊断方法 |
| CN108195587A (zh) * | 2018-02-12 | 2018-06-22 | 西安交通大学 | 一种电机滚动轴承故障诊断方法及其诊断系统 |
| CN209783909U (zh) * | 2019-04-22 | 2019-12-13 | 上海丰律流体技术有限公司 | 一种滚动轴承多阶段故障预判系统 |
| CN110940522A (zh) * | 2019-04-09 | 2020-03-31 | 东华大学 | 强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法 |
| CN110987433A (zh) * | 2019-12-13 | 2020-04-10 | 华中科技大学 | 一种基于高频信号特征幅值的轴承故障预警方法 |
| CN111220373A (zh) * | 2020-03-18 | 2020-06-02 | 北京工业大学 | 一种离心泵转子系统故障诊断的方法 |
| CN111220388A (zh) * | 2020-02-04 | 2020-06-02 | 珠海市华星装备信息科技有限公司 | 一种基于时域分析的滚动轴承故障诊断方法 |
| CN111256993A (zh) * | 2018-11-30 | 2020-06-09 | 中国电力科学研究院有限公司 | 一种风电机组主轴承故障类型诊断方法及系统 |
-
2020
- 2020-09-27 CN CN202011030897.4A patent/CN112098094A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050155429A1 (en) * | 2002-04-13 | 2005-07-21 | I-For-T Gmbh | Vibration sensor and method for monitoring the condition of rotating components and bearings |
| CN101968404A (zh) * | 2009-06-19 | 2011-02-09 | 武汉钢铁(集团)公司 | 一种用于检测间歇性低速重载设备故障隐患的方法 |
| CN104156585A (zh) * | 2014-08-04 | 2014-11-19 | 北京工业大学 | 一种基于多项指标特征的双字典匹配追踪轴承故障程度评价方法 |
| CN104359674A (zh) * | 2014-10-20 | 2015-02-18 | 广东电网有限责任公司电力科学研究院 | 基于时域与频域状态监测的高速滚动轴承故障诊断方法 |
| CN106017927A (zh) * | 2016-05-18 | 2016-10-12 | 唐智科技湖南发展有限公司 | 一种识别轴承滚子间距变化的保持架故障诊断方法 |
| CN108195587A (zh) * | 2018-02-12 | 2018-06-22 | 西安交通大学 | 一种电机滚动轴承故障诊断方法及其诊断系统 |
| CN111256993A (zh) * | 2018-11-30 | 2020-06-09 | 中国电力科学研究院有限公司 | 一种风电机组主轴承故障类型诊断方法及系统 |
| CN110940522A (zh) * | 2019-04-09 | 2020-03-31 | 东华大学 | 强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法 |
| CN209783909U (zh) * | 2019-04-22 | 2019-12-13 | 上海丰律流体技术有限公司 | 一种滚动轴承多阶段故障预判系统 |
| CN110987433A (zh) * | 2019-12-13 | 2020-04-10 | 华中科技大学 | 一种基于高频信号特征幅值的轴承故障预警方法 |
| CN111220388A (zh) * | 2020-02-04 | 2020-06-02 | 珠海市华星装备信息科技有限公司 | 一种基于时域分析的滚动轴承故障诊断方法 |
| CN111220373A (zh) * | 2020-03-18 | 2020-06-02 | 北京工业大学 | 一种离心泵转子系统故障诊断的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 上海电气（集团）总公司，上海市机电工业技术监督所: "《长度计量工 高级》", 上海科学技术出版社 * |
| 曹进华等: "多套超低速重载轴承同轴安装的故障诊断", 《轴承》 * |
| 甘晓晔等: "低速重载大轴承故障特征与诊断探讨", 《设备管理与维修》 * |
| 赵晓玲: "滚动轴承故障振动检测方法", 《重庆科技学院学报(自然科学版)》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688780A (zh) * | 2021-09-08 | 2021-11-23 | 泉州信息工程学院 | 一种电机轴承故障识别方法 |
| CN114184367A (zh) * | 2021-11-29 | 2022-03-15 | 北京唐智科技发展有限公司 | 旋转机械设备故障诊断方法、装置、设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103411774B (zh) | 波动工况下的风电机组在线预警方法 | |
| CN112098094A (zh) | 一种低速重载轴承故障振动诊断的方法 | |
| CN110469462B (zh) | 一种基于多模板的风电机组智能状态监测系统 | |
| Sheng et al. | Recent progress on mechanical condition monitoring and fault diagnosis | |
| CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
| CN110907170B (zh) | 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法 | |
| CN115034483A (zh) | 一种水轮发电机组运行故障监测方法及系统 | |
| CN103769425A (zh) | 减定径机振动状态在线监测方法 | |
| CN114252216A (zh) | 一种燃气轮机滑油泄漏的检测方法 | |
| CN116304848B (zh) | 一种滚动轴承故障诊断系统及方法 | |
| CN115131946B (zh) | 一种考虑工况波动的自适应设备报警方法和系统 | |
| CN102840976A (zh) | 一种轧机主传动系统的检测方法 | |
| CN109333161A (zh) | 一种用于机床主轴传动部件故障检测的智能螺栓监测系统 | |
| Tamilselvan et al. | A two-stage diagnosis framework for wind turbine gearbox condition monitoring | |
| CN117028164A (zh) | 一种风电机组振动检测方法和设备 | |
| CN105928611A (zh) | 机械设备故障预警系统及方法 | |
| CN115358533A (zh) | 一种基于大数据的预测性维护管理系统 | |
| CN221347133U (zh) | 一种风电机组偏航、变桨轴承数据智能采集系统 | |
| CN101452276A (zh) | 冷轧酸洗拉矫机齿轮箱运行状态的在线监测方法 | |
| CN108491622A (zh) | 一种风电机组的故障诊断方法及系统 | |
| CN116537965B (zh) | 一种柴油机在线监测和故障诊断装置 | |
| CN211624815U (zh) | 一种基于plc的机械设备检测与自动润滑系统 | |
| CN114993461A (zh) | 一种塔机机构电机振动的检测系统和方法 | |
| Derbel et al. | Integrated sensor based smart diagnostic and online monitoring of Industrial Systems | |
| CN112525337A (zh) | 一种针对机械压力机振动监测数据预处理方法 |
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 |
Application publication date: 20201218 |
|
| RJ01 | Rejection of invention patent application after publication |