CN112326236B - 一种齿轮箱运行状态在线监测方法、系统及存储介质 - Google Patents

一种齿轮箱运行状态在线监测方法、系统及存储介质 Download PDF

Info

Publication number
CN112326236B
CN112326236B CN202011203125.6A CN202011203125A CN112326236B CN 112326236 B CN112326236 B CN 112326236B CN 202011203125 A CN202011203125 A CN 202011203125A CN 112326236 B CN112326236 B CN 112326236B
Authority
CN
China
Prior art keywords
frequency
imf
hilbert
spectrogram
fault
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
CN202011203125.6A
Other languages
English (en)
Other versions
CN112326236A (zh
Inventor
王立勇
籍永建
冯淦淇
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.)
Beijing Information Science and Technology University
Original Assignee
Beijing Information Science and Technology 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 Beijing Information Science and Technology University filed Critical Beijing Information Science and Technology University
Priority to CN202011203125.6A priority Critical patent/CN112326236B/zh
Publication of CN112326236A publication Critical patent/CN112326236A/zh
Application granted granted Critical
Publication of CN112326236B publication Critical patent/CN112326236B/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
    • G01M13/021—Gearings
    • 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
    • G01M13/028—Acoustic or vibration analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Acoustics & Sound (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种齿轮箱运行状态在线监测方法、系统及存储介质，其包括：建立齿轮箱的所有待测部件正常运行时的频率特征数据库；选择待测点及待测部件，获取实时的振动信号；获取待测部件的Hilbert谱图，并与频率特征数据库中的频谱图进行对比；得到故障频率，并在频谱图上标出故障频率。本发明解决了齿轮箱零部件产生轻微故障时，产生的冲击信号幅度小、能量分散宽，传统的信号处理方法难以捕捉到这些冲击信号的问题。

Description

一种齿轮箱运行状态在线监测方法、系统及存储介质
技术领域
本发明涉及机械故障诊断技术领域，特别是关于一种齿轮箱运行状态在线监测方法、系统及存储介质。
背景技术
现有生产技术中，齿轮箱被广泛应用于输送设备、化工设备与汽车传动等机械装置中，其主要作用是改变输出速度、改变传动方向、改变传动力矩、分配动力和离合，因此，齿轮箱在机械设备中有着十分重要的作用。在许多高精尖的大型机械设备中，齿轮箱的工作时长较长，例如，纺纱机的齿轮箱全年工作350天以上，因此，齿轮箱一旦出现故障，将会给企业带来不可估量的经济损失，齿轮箱运行过程中，工作人员无法直接观测其实际运行状态，齿轮箱故障诊断技术应运而生。
机械在运行过程中，产生的振动信号包含大量复杂信息，这些信息运用适当的方法处理后可揭示机器的状态，因此振动信号在机械故障诊断被看成参考信号。根据齿轮箱内零部件失效的统计情况，齿轮和轴承的失效比重远超过其他零件，齿轮和轴承的失效一般是由缺乏润滑或安装等因素引起，随着齿轮箱的工作时间变长，齿轮和轴承的磨损加剧，振动幅度将慢慢变大，当轴承和齿轮达到疲劳极限后，就会出现齿轮断裂、轴承脱落等故障。齿轮和轴承的磨损会产生点蚀，当与之一起运动的部件遇到点蚀处时，将产生冲击信号，该冲击信号的强度与轴承和齿轮表面磨损的程度相关。
机械故障诊断需要大量实时运行数据、分析系统和故障状态的准确辨识，信号数据的分析是故障状态识别中的关键的一环，信号的分析性能也是整个检测系统是否实用的评判标准。目前，齿轮箱的振动信号主要通过传感器采集，监测人员对采集的信号进行分析后，即可实时监测齿轮箱的运行状态。频谱分析能够显示出齿轮箱各个振动信号的谱图，是齿轮箱故障诊断的常用方法，因此，若将齿轮箱的振动信号转化为振动频谱分析图，则可以较为方便地对齿轮箱的故障状态进行监测。
发明内容
针对上述问题，本发明的目的是提供一种齿轮箱运行状态在线监测方法、系统及存储介质，其解决了齿轮箱零部件产生轻微故障时，由于产生的冲击信号幅度小、能量分散宽，传统信号处理方法难以捕捉到这些冲击信号的问题。
为实现上述目的，本发明采取以下技术方案：一种齿轮箱运行状态在线监测方法，其包括以下步骤：
1)建立齿轮箱的所有待测部件正常运行时的频率特征数据库；
2)选择待测点及待测部件，获取实时的振动信号；
3)获取待测部件的Hilbert谱图，并与频率特征数据库中的频谱图进行对比；
4)得到故障频率，并在频谱图上标出故障频率。
进一步，所述齿轮箱的待测部件包括齿轮箱中各型号轴承、定轴轮齿系和行星齿轮系。
进一步，所述待测部件的Hilbert谱图的获取方法包括以下步骤：
3.1)采用经验模态分解方法将振动信号进行自适应分解，得到若干个本征模态函数IMF’，确定本征模态参数个数K'；
3.2)对原始信号进行VMD处理，针对VMD中需要提前设置的本征模态函数个数K，用K'代替，获得新的本征模态函数IMF；对各IMF进行分析，画出各个IMF能量图；
3.3)设定能量阈值范围和相关系数阈值范围，若本征模态函数IMF能量与相关系数都在设定的阈值范围内，则保留阈值范围内的有效本征模态函数IMF个数，去除IMF中的虚假分量，最终得到M个有效的本征模态函数IMF；
3.4)对提取的每个IMF进行希尔伯特变换，得到信号时间、瞬时频率和幅值之间的关系[t,fp(t),Bp(t)]，即为希尔伯特谱H(ω,t)；
3.5)将M个IMF的希尔伯特谱进行汇总，将其视为原始信号的时频谱，与频率特征数据库中正常状态下待测部件的频谱图进行对比分析，最后得到故障频率。
进一步，所述能量E为：
Figure BDA0002756093890000021
所述相关系数ρp为：
Figure BDA0002756093890000022
其中，Xl为原始待测信号，Ylp为原始待测信号分解得到的IMF样本，
Figure BDA0002756093890000023
分别是Xl、Ylp的均值，l为样本点，N为样本总数。
进一步，所述Hilbert变换表达式为：
Figure BDA0002756093890000031
其中，τ为时间变量；c'p(τ)为希尔伯特变换信号。
进一步，所述希尔伯特谱H(ω,t)：
Figure BDA0002756093890000032
其中，Bp(t)为幅值，θp(t)为相位。
进一步，所述对比分析为：若对比误差超过预先设定阈值，则说明齿轮箱待测部件出现故障。
一种齿轮箱运行状态在线监测系统，其包括：参数设置模块、信号采集模块、数据对比分析模块和故障预警模块；
所述参数设置模块用于建立齿轮箱的所有待测部件正常运行时的频率特征数据库；
所述信号采集模块选择待测点及待测部件，获取实时的振动信号；
所述数据对比分析模块获取待测部件的Hilbert谱图，并与频率特征数据库中的频谱图进行对比；
所述故障预警模块得到故障频率，并在频谱图上标出故障频率。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
本发明由于采取以上技术方案，其具有以下优点：1、本发明能有效解决齿轮箱运行状态在线监测系统中难以直接将故障特征频率显示在振动频谱分析图上的问题。2、本发明通过能量占比与相关系数指标综合判定有效的本征模态函数(IMF)，可更加准确地提取与故障特征相关的敏感信息。3、本发明采用变分模态分解(VMD)对信号进行分解处理，有效避免了模态混叠问题，采用经验模态分解预先确定本征模态函数(IMF)个数，有效解决了变分模态分解中参数K的选取问题。
附图说明
图1为本发明在线故障监测方法的流程图。
图2为本发明的信号处理方法流程图。
图3为本发明的信号处理效果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
在本实施例中提供一种齿轮箱运行状态在线监测方法，该方法能有效解决齿轮箱在线监测系统中难以直接将故障特征频率显示在振动频谱分析图上的问题。如图1所示，该监测方法包括以下步骤：
1)建立齿轮箱的所有待测部件正常运行时的频率特征数据库；
2)选择待测点及待测部件，获取实时的振动信号，同时在现有人机界面上显示所选待测部件的重要结构参数和特征频率谱；
其中，齿轮箱的待测部件包括齿轮箱中各型号轴承、定轴轮齿系和行星齿轮系；
轴承的重要结构参数包括：该轴承的滚珠个数Z、滚珠直径d、轴承滚道节径D、轴承接触角α、内圈滚道半径r1、外圈滚道半径r2、轴承内圈转速n等；
定轴齿轮系的重要结构参数包括：各齿轮的齿数、模数、齿顶圆直径、齿根圆直径、节圆直径等；
定轴齿轮系的重要结构参数包括：行星轮个数、行星轮齿数、大齿圈齿数和太阳轮齿数。
轴承的故障特征频率包括：轴承外圈故障特征频率、轴承内圈故障特征频率、基座故障特征频率和滚动体故障特征频率。
定轴轮系的故障特征频率包括：齿轮的啮合频率、齿轮摆动频率。
行星轮系的故障特征频率包括：齿轮的啮合频率、行星轮的自转频率和各齿轮的缺陷频率。
3)获取待测部件的Hilbert谱图，并与频率特征数据库中的频谱图进行对比；
4)得到故障频率，并在频谱图上标出故障频率。
上述步骤1)中，齿轮箱部件正常运行时频率特征数据库包括待测部件的名称、部件类别、对应的重要结构参数及其频谱图。根据齿轮箱内零部件失效的情况统计，齿轮和轴承的失效比重远超过其他零件，在本实施例中以轴承为例，选择待测部件为轴承时，将得到该轴承的滚珠个数Z、滚珠直径d、轴承滚道节径D、轴承接触角α、内圈滚道半径r1、外圈滚道半径r2、轴承内圈转速n等重要结构参数，可以根据现有的经验公式结合轴承的结构参数计算出轴承的频率特征并储存在数据库中：
内圈旋转频率fi：
Figure BDA0002756093890000051
n为轴承内圈转速；
内外圈相对旋转频率fr：fr＝fi-f0，f0表示内圈的旋转频率；
滚动体通过内圈一点的频率fic：
Figure BDA0002756093890000052
滚动体通过外圈一点的频率foc：
Figure BDA0002756093890000053
滚动体的公转频率fb：
Figure BDA0002756093890000054
基座旋转频率fc：
Figure BDA0002756093890000055
上述步骤中，数据库中的数据主要包括需要检测的实时振动数据和正常运行状下的历史数据。
上述步骤3)中，如图2所示，待测部件的希尔伯特(Hilbert)谱图的获取方法包括以下步骤：
3.1)采用经验模式分解(EMD)方法将振动信号进行自适应分解，得到若干个本征模态函数(IMF’)，确定本征模态参数个数K'。
3.2)对原始信号进行变分模态分解(VMD)，针对VMD中需要提前设置的模态个数K，用K'代替，即K'＝K，获得新的本征模态函数(IMF)。对各IMF进行分析，画出各个IMF能量图；计算各IMF与原始待测信号的相关系数；
其中，能量E为：
Figure BDA0002756093890000056
相关系数ρp为：
Figure BDA0002756093890000057
其中，Xl为原始待测信号，Ylp为原始待测信号分解得到的IMF样本，X、Yp分别是Xl、Ylp的均值，l为样本点，N为样本总数。
3.3)设定能量阈值范围和相关系数阈值范围，若本征模态函数(IMF)能量与相关系数都在设定的阈值范围内，则保留阈值范围内的有效本征模态函数(IMF)个数，去除IMF中的虚假分量，最终得到M个有效的本征模态函数(IMF)。
3.4)对VMD分解得到的有效本征模态函数进行希尔伯特(Hilbert)变换，其数学表达式为：
Figure BDA0002756093890000061
其中，τ为时间变量；c'p(τ)为希尔伯特变换信号。
对每个IMF进行希尔伯特变换，得到信号时间、瞬时频率和幅值之间的关系[t,fp(t),Bp(t)]，即希尔伯特谱H(ω,t)：
Figure BDA0002756093890000062
其中，fp(t)表示瞬时频率，Bp(t)为幅值，θp(t)为相位。
3.5)将M个IMF的希尔伯特谱进行汇总，将其视为原始信号的时频谱，与频率特征数据库中正常状态下待测部件的频谱图进行对比分析，最后得到故障频率，如图3所示；
若对比误差超过预先设定阈值，则说明齿轮箱待测部件出现故障。
上述步骤2)中，齿轮箱的实时振动信号数据由设置在各待测点的加速度传感器进行获取，待测点包括主轴轴承、行星齿轮、齿轮箱中间端轴承、齿轮箱高速端轴承、发电机驱动端轴承以及发电机自由端轴承。优选的，加速度传感器采用压电式加速度传感器，压电式加速度传感器具有动态范围大、频率范围宽和受外界干扰小等特点。
实施例2：
在本实施例中提供一种齿轮箱运行状态在线监测系统，其包括参数设置模块、信号采集模块、数据对比分析模块和故障预警模块；
参数设置模块用于建立齿轮箱的所有待测部件正常运行时的频率特征数据库；并进行部件选择和信号分析设置，其中，(1)部件选择：在对齿轮箱进行故障诊断时，为了能够准确的监测出具体部件的运行状态，需要对所测部件进行选择，主要选择项包括系统部件名称、部件类别、部件结构信息等；(2)信号分析设置，主要包括设置所选振动信号的采样点数、采样精度和采样频率。
信号采集模块选择待测点及待测部件，获取实时的振动信号，同时在现有人机界面上显示所选待测部件的重要结构参数和特征频率谱；
数据对比分析模块获取待测部件的Hilbert谱图，并与频率特征数据库中的频谱图进行对比；
状态预警模块得到故障频率，并在频谱图上标出故障频率，出现故障时报警。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (9)

1.一种齿轮箱运行状态在线监测方法，其特征在于，包括以下步骤：
1)建立齿轮箱的所有待测部件正常运行时的频率特征数据库；
2)选择待测点及待测部件，获取实时的振动信号；
3)获取待测部件的Hilbert谱图，并与频率特征数据库中的频谱图进行对比；
4)得到故障频率，并在频谱图上标出故障频率；
所述待测部件的Hilbert谱图的获取方法包括以下步骤：
3.1)采用经验模态分解方法将振动信号进行自适应分解，得到若干个本征模态函数IMF’，确定本征模态参数个数K'；
3.2)对原始信号进行VMD处理，针对VMD中需要提前设置的本征模态函数个数K，用K'代替，使K'＝K，获得新的本征模态函数IMF；对各IMF进行分析，画出各个IMF能量图；计算各IMF与原始待测信号的相关系数；
3.3)设定能量阈值范围和相关系数阈值范围，若本征模态函数IMF能量与相关系数都在设定的阈值范围内，则保留阈值范围内的有效本征模态函数IMF个数，去除IMF中的虚假分量，最终得到M个有效的本征模态函数IMF；
3.4)对提取的每个IMF进行希尔伯特变换，得到信号时间、瞬时频率和幅值之间的关系[t,fp(t),Bp(t)]，即为希尔伯特谱H(ω,t)；
3.5)将M个IMF的希尔伯特谱进行汇总，将其视为原始信号的时频谱，与频率特征数据库中正常状态下待测部件的频谱图进行对比分析，最后得到故障频率。
2.如权利要求1所述在线监测方法，其特征在于，所述齿轮箱的待测部件包括齿轮箱中各型号轴承、定轴轮齿系和行星齿轮系。
3.如权利要求1所述在线监测方法，其特征在于，所述能量E为：
Figure FDA0004106130280000011
所述相关系数ρp为：
Figure FDA0004106130280000012
其中，Xl为原始待测信号，Ylp为原始待测信号分解得到的IMF样本，
Figure FDA0004106130280000013
分别是Xl、Ylp的均值，l为样本点，N为样本总数。
4.如权利要求1所述在线监测方法，其特征在于，所述希尔伯特变换表达式为：
Figure FDA0004106130280000021
其中，τ为时间变量；c'p(τ)为希尔伯特变换信号。
5.如权利要求4所述在线监测方法，其特征在于，所述希尔伯特谱H(ω,t)：
Figure FDA0004106130280000022
其中，Bp(t)为幅值，θp(t)为相位。
6.如权利要求4所述在线监测方法，其特征在于，所述对比分析为：若对比误差超过预先设定阈值，则说明齿轮箱待测部件出现故障。
7.一种齿轮箱运行状态在线监测系统，其特征在于，包括：参数设置模块、信号采集模块、数据对比分析模块和故障预警模块；
所述参数设置模块用于建立齿轮箱的所有待测部件正常运行时的频率特征数据库；
所述信号采集模块选择待测点及待测部件，获取实时的振动信号；
所述数据对比分析模块获取待测部件的Hilbert谱图，并与频率特征数据库中的频谱图进行对比；
所述故障预警模块得到故障频率，并在频谱图上标出故障频率；
所述待测部件的Hilbert谱图的获取方法包括以下步骤：
3.1)采用经验模态分解方法将振动信号进行自适应分解，得到若干个本征模态函数IMF’，确定本征模态参数个数K'；
3.2)对原始信号进行VMD处理，针对VMD中需要提前设置的本征模态函数个数K，用K'代替，使K'＝K，获得新的本征模态函数IMF；对各IMF进行分析，画出各个IMF能量图；计算各IMF与原始待测信号的相关系数；
3.3)设定能量阈值范围和相关系数阈值范围，若本征模态函数IMF能量与相关系数都在设定的阈值范围内，则保留阈值范围内的有效本征模态函数IMF个数，去除IMF中的虚假分量，最终得到M个有效的本征模态函数IMF；
3.4)对提取的每个IMF进行希尔伯特变换，得到信号时间、瞬时频率和幅值之间的关系[t,fp(t),Bp(t)]，即为希尔伯特谱H(ω,t)；
3.5)将M个IMF的希尔伯特谱进行汇总，将其视为原始信号的时频谱，与频率特征数据库中正常状态下待测部件的频谱图进行对比分析，最后得到故障频率。
8.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至6所述方法中的任一方法。
9.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至6所述的方法中的任一方法的指令。
CN202011203125.6A 2020-11-02 2020-11-02 一种齿轮箱运行状态在线监测方法、系统及存储介质 Active CN112326236B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011203125.6A CN112326236B (zh) 2020-11-02 2020-11-02 一种齿轮箱运行状态在线监测方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011203125.6A CN112326236B (zh) 2020-11-02 2020-11-02 一种齿轮箱运行状态在线监测方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN112326236A CN112326236A (zh) 2021-02-05
CN112326236B true CN112326236B (zh) 2023-04-18

Family

ID=74324159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011203125.6A Active CN112326236B (zh) 2020-11-02 2020-11-02 一种齿轮箱运行状态在线监测方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN112326236B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114137338B (zh) * 2021-11-19 2023-12-01 神华准格尔能源有限责任公司 一种设备运行状态监测方法、系统及存储介质
CN114279704B (zh) * 2021-12-28 2022-11-22 德力佳传动科技(江苏)有限公司 一种风电齿轮箱行星级运行状态的监测方法及系统
CN114705424A (zh) * 2022-03-30 2022-07-05 阿里巴巴（中国）有限公司 机械故障检测方法、装置、服务端设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8018670B1 (en) * 2008-10-28 2011-09-13 Marvell International Ltd. Evaluation apparatus
CN109029987A (zh) * 2018-09-10 2018-12-18 北航（天津武清）智能制造研究院有限公司 行星齿轮箱齿轮故障检测方法及系统
CN111356910A (zh) * 2017-09-23 2020-06-30 纳诺普润塞斯Sci公司 一种实现旋转设备自动故障诊断及寿命预测的系统和方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102840979A (zh) * 2012-09-04 2012-12-26 国电联合动力技术有限公司 一种风电机组传动链故障检测方法及装置
CN103728134B (zh) * 2012-10-16 2016-05-18 华锐风电科技(集团)股份有限公司 机组轴承的检测方法和装置及风电机组
CN105738102A (zh) * 2016-02-05 2016-07-06 浙江理工大学 一种风电齿轮箱故障诊断方法
CN205719541U (zh) * 2016-04-28 2016-11-23 广西华银铝业有限公司 一种用于分解槽减速机轴承故障的检测系统
CN107271170B (zh) * 2017-07-12 2019-05-31 西安因联信息科技有限公司 一种机械设备故障类型的自动诊断方法及系统
CN108458875A (zh) * 2018-04-10 2018-08-28 上海应用技术大学 一种回转窑托轮轴承的故障诊断方法
CN109029960B (zh) * 2018-08-27 2020-08-21 深圳供电局有限公司 一种断路器机械状态检测方法
CN111238808B (zh) * 2020-02-04 2021-08-17 沈阳理工大学 一种基于经验模态分解与改进变分模态分解的齿轮箱复合故障诊断方法
CN111259323A (zh) * 2020-02-22 2020-06-09 西安科技大学 一种采煤机摇臂机械传动系统故障精确定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8018670B1 (en) * 2008-10-28 2011-09-13 Marvell International Ltd. Evaluation apparatus
CN111356910A (zh) * 2017-09-23 2020-06-30 纳诺普润塞斯Sci公司 一种实现旋转设备自动故障诊断及寿命预测的系统和方法
CN109029987A (zh) * 2018-09-10 2018-12-18 北航（天津武清）智能制造研究院有限公司 行星齿轮箱齿轮故障检测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周志朋 等.风电齿轮箱复合故障诊断方法研究.《河南科技》.2020,(第17期),第72-75页. *

Also Published As

Publication number Publication date
CN112326236A (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN112326236B (zh) 一种齿轮箱运行状态在线监测方法、系统及存储介质
US10416126B2 (en) Machine fault prediction based on analysis of periodic information in a signal
CN109506921B (zh) 一种旋转机械故障诊断与预警方法
CN107976304B (zh) 基于对信号的周期性信息进行分析的机器故障预测
Wang et al. Support vector data description for fusion of multiple health indicators for enhancing gearbox fault diagnosis and prognosis
Saravanan et al. Vibration-based fault diagnosis of spur bevel gear box using fuzzy technique
Aherwar An investigation on gearbox fault detection using vibration analysis techniques: A review
Simm et al. Laser based measurement for the monitoring of shaft misalignment
CN102016736B (zh) 齿轮箱模型式诊断方法、工具
CN105181019B (zh) 旋转类机械早期故障预警分析方法
EP2434266B1 (en) Sideband energy ratio method for gear mesh fault detection
Sharma et al. Gear crack detection using modified TSA and proposed fault indicators for fluctuating speed conditions
Siegel et al. Novel method for rolling element bearing health assessment—A tachometer-less synchronously averaged envelope feature extraction technique
Cao et al. Deterioration state diagnosis and wear evolution evaluation of planetary gearbox using vibration and wear debris analysis
CN109596349A (zh) 一种基于vmd和pct的减速器故障诊断方法
CN113092113B (zh) 一种基于谱值比的滚动轴承故障诊断系统
Figlus et al. A method for detecting damage to rolling bearings in toothed gears of processing lines
US20190346343A1 (en) System for Separating Periodic Amplitude Peaks from Non-Periodic Amplitude Peaks in Machine Vibration Data
CN111664929A (zh) 用于在机器振动数据中分离周期振幅波峰和非周期振幅波峰的系统
Nacib et al. A comparative study of various methods of gear faults diagnosis
JP4101714B2 (ja) 回転機器の状態診断支援装置およびそのプログラム、ならびに同プログラムを記録した記録媒体、状態診断支援方法
Jamadar et al. Spur Gear Fault Detection Using Design of Experiments and Support Vector Machine (SVM) Algorithm
Ghodake et al. A review on fault diagnosis of gear-box by using vibration analysis method
Fan et al. Application of statistical parameters and discrete wavelet transform to gear damage diagnosis
Samuel et al. Survey of Gear Fault Diagnosis Using Various Statistical Signals Parameters

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