CN112362343A - 基于调频字典的齿轮箱变转速下分布型故障特征提取方法 - Google Patents
基于调频字典的齿轮箱变转速下分布型故障特征提取方法 Download PDFInfo
- Publication number
- CN112362343A CN112362343A CN202011169096.6A CN202011169096A CN112362343A CN 112362343 A CN112362343 A CN 112362343A CN 202011169096 A CN202011169096 A CN 202011169096A CN 112362343 A CN112362343 A CN 112362343A
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- gearbox
- instantaneous
- dictionary
- 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
- G01M13/02—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
Abstract
本发明公开了基于调频字典的齿轮箱变转速下分布型故障特征提取方法,包括步骤:S1、采集变速工况下包含齿轮分布型故障特征的振动加速度信号;S2、应用频谱校正技术计算齿轮箱的瞬时啮合频率,从而获得参考轴的瞬时转速和转频;S3、基于参考轴转频,构造时域调频字典;S4、基于采集的时域振动加速度信号和构造的调频字典,利用分裂增广拉格朗日收缩算法(SALSA)求解稀疏系数并进行信号重构;S5、根据重构的信号,分析其阶次域特征,以用于故障诊断。
Description
技术领域
本发明属于齿轮等旋转机械和信号处理领域,特别地,涉及基于调频字典的齿轮箱变转速下分布型故障特征提取方法,可用于诊断变转速下齿轮是否产生了分布型故障。
背景技术
齿轮故障类型包括分布型故障与冲击型故障,两者通常耦合从而难以有效分离并实现故障诊断。在实际工程中,由于负载变化、路面波动、升降速过程等因素的影响,齿轮箱常处于变速工作状态,其振动响应信号表现非平稳信号。由于齿轮箱特征频率成分与转速成特定的比例关系,其频谱将会出现明显的能量泄露和频率模糊现象,传统的分析方法不再适用。
一种常用的变速工况下的振动信号处理方法是阶次跟踪分析,该方法可将时域非平稳信号转化成角域平稳信号,当参考轴选定后,信号阶次谱分布不受参考轴转速变化的影响。基于此,李永焯提出在阶次域构造准平稳字典进行变速工况下的分布型故障稀疏重构,但由于阶次谱中各成分的幅值只是分析信号中的平均值,重构信号幅值与原信号存在一定误差,导致故障信号成分未能完全提取,对后续混合故障中的冲击型故障的诊断造成了一定影响。分布型故障的精确提取,可大幅度提高信号中冲击故障信号的信噪比,从而有效实现后续冲击型故障的诊断。
发明内容
本发明的目的是针对现有技术的不足之处,提出一种方法:通过在时域中构造与转速相关的余弦调频字典,利用稀疏分解理论进行信号重构,从而从含噪信号中提取出分布型故障信号,该方法重构信号幅值精度高,为变速工况下的齿轮分布型故障诊断提供了一种有效的方法,也为混合型故障信号中,后续冲击型故障的提取提供了基础,
本发明至少通过如下技术方案之一实现。
一种基于调频字典的齿轮箱变转速下分布型故障特征提取方法,包括以下步骤:
S1、采集变速工况下包含齿轮分布型故障特征的振动加速度信号;
S2、通过频谱校正获得齿轮箱的瞬时啮合频率,从而得到参考轴的瞬时转速和转频;
S3、基于获得的参考轴转频,构造时域余弦调频字典;
S4、基于采集的振动加速度信号和时域余弦调频字典,利用分裂增广拉格朗日收缩算法(SALSA)求解稀疏系数,并进行信号重构;
S5、根据重构信号,分析其阶次域特征,以判断齿轮是否发生分布型故障。
优选的,步骤S1的具体步骤为:
S11、定义齿轮箱上的空间坐标系XYZ,其中X轴正向指向齿轮箱中心轴线输入轴往输出轴方向,Z轴正向竖直向上,Y轴正向由右手定则确定;
S12、在所述齿轮箱的轴承座表面安装单向加速度传感器,测试方向为Z轴,单向连接传感器通过数据采集器与便携式计算机连接;
S13、设置采样参数:采样时间长度T为15~20s,数据采集器的采样频率设为fs,则对应的采样时间间隔Δt=1/fs,采样点数n=fs×T;记最终采集的振动加速度时域信号为x(t)。
优选的,步骤S2的具体步骤为:
S21、对于采集的振动加速度信号x(t),选定窗函数类型,设置分析样本点数N和重叠率e,则移窗点数dn=(1-e)N;
S22、在振动加速度信号x(t)中用窗函数截取初始段N点振动数据段x1(t),并进行快速傅里叶变换(FFT),得到第一段的功率谱G1(f);对第一段的功率谱G1(f)进行三点卷积幅值校正运算,得到幅值校正后的功率谱G1z(f);
S23、从幅值校正后的功率谱G1z(f)中搜索最大谱峰值对应谱线号k1,用于频率定位;应用多点能量重心校正法根据幅值校正后的功率谱G1z(f)得到初始段x1(t)的瞬时啮合频率fzz 1;
S24、将窗函数往后移动dn点,截取后一段N点振动加速度信号xi(t),对xi(t)做FFT,得到第i段的功率谱Gi(f);
S25、根据第i-1段的功率谱Gi-1(f),应用能量中心校正法得到瞬时啮合频率fzz i-1,计算该频率对应的谱线号ki-1,以ki-1为中心,向左右延伸j条谱线,即[ki-1–j,ki-1+j],以该谱线范围作为第i段数据瞬时啮合频率的搜索范围;对Gi(f)进行三点卷积幅值校正运算,得到校正后的功率谱Giz(f);在[ki-1–j,ki-1+j]内搜索最大谱峰值对应谱线号ki;
S26、从Gi(f)中提取和校正第i段信号的瞬时啮合频率fzz i-1,待分析完采样总时长的x(t)后,应用三次样条插值法对fzz i进行拟合,得到瞬时啮合频率曲线fzz(t),并由此获得参考轴瞬时转频fn(t)=fzz(t)/z,瞬时转速rpm(t)=fn(t)×60。
优选的,步骤S3的具体步骤为:
S31、截取一段转频拟合最优的,时长为1-2s的振动加速度信号,记为xc(t),对应时间为tc,根据步骤S2获得的参考轴的瞬时转频fn(t),截取对应段转频fncb(t),构造余弦调频原子ds(t),组成余弦调频字典D:
式中,fnc(t)表示齿轮箱中所有轴转频的集合,b表示总的轴数。表示分段的相位,z为齿轮的齿数,m为啮合频率的各阶次,l为调制边频带的各阶次,M和L的选取要尽可能的覆盖振动响应信号中的最高阶啮合频率和最高阶调制边带,‖dstd‖2表示每个原子的长度,需要进行归一化。
优选的,步骤S4的具体步骤为:
S41、稀疏系数求解的目标函数定义为:
式中,D表示稀疏字典,w为待求解稀疏系数,λ>0表示正则项参数,xc表示振动加速度信号。
S42、对待求解变量w进行分裂,得到对应的频域变量v=w,设定中间变量d,设定误差界限ε,正则项系数λ>0、罚函数μ>0,v0=0,d0=0,重复以下公式,直至满足误差界限ε或达到最大迭代次数K,则输出最终求解得到的稀疏系数w;
wk+1=(DHD+μI)-1[DHxc+μ(vk+zk)]
vk+1=soft(wk+1+dk,λ/μ)
dk+1=dk-(wk+1-vk+1)
k=0,2,3,...,K-1
进而得到重构信号xs(t):
xs(t)=D×w
式中,I为单位矩阵;
优选的,步骤S5的具体步骤为:
S51、根据获得的参考轴的瞬时转频fn(t),计算参考轴的角位移曲线θ(t),采样间隔Δt为采样频率fs的倒数;
式中,L表示tc时间段内总的采样点数,即L=fs×tc;
S52、确定角域阶次采样率Os,以间隔Δθ=1/Os生成转角序列θ,对角位移曲线θ(t)三次样条插值,获得对应的重采样时间序列t’;
S53、按照时间序列t’对重构信号xs(t)进行三次样条插值重采样,从而得到等角度间隔的重构信号xs(θ);
S54、对重构信号xs(θ)作快速傅里叶变换,分析其阶次谱特征。
本发明相对于现有技术具有的优点及效果:
(1)该方法不仅适用于恒定转速工况下的故障诊断,同时也适用于变转速工况下的故障诊断;
(2)该方法是在时域构造调频字典并进行信号稀疏重构,相比于在阶次域构造字典,不用对变速信号分段进行傅里叶变换,因此重构信号幅值不是平均幅值,重构信号精度更高,更利于分布型故障诊断。此外,分布型故障信号提取得更为完全,也可大大提高剩余信号中冲击型故障信号的信噪比。
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。附图构成本申请的一部分,但仅是作为体现发明概念的非限制性示例,并非用于做出任何限制。
图1是本实施例的流程图;
图2是本实施例中输入轴仿真转速变化曲线图;
图3a是本实施例中的仿真信号时域图;
图3b是本实施例中的仿真信号频域图;
图4是本实施例中的输入轴瞬时转速拟合图;
图5是本实施例中截取的2s转速曲线图;
图6是本实施例的重构信号与仿真信号时域对比图;
图7是本实施例截取一转的重构信号与仿真信号时域对比图;
图8是本实施例重构信号与仿真信号的阶次谱对比图。
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。
如图1所示一种基于调频字典的齿轮箱变转速下分布型故障特征提取方法,包括以下步骤:
S1、采集变速工况下包含齿轮分布型故障特征的振动加速度信号;本实施例仿真齿轮箱分布型故障,仿真信号x(t):
x(t)=x1(t)+η(t)
其中
式中,信号x1(t)由转频成分和啮合频率调制成分组成。齿轮箱齿数比为20/35,r(t)为仿真转速,表示第k阶转频的幅值,转频阶数k设为1-2阶,表示第j阶的啮合频率幅值,啮合频率阶数j设为1-3阶。变速工况下,和均与转速r(t)相关,仿真中设各阶成分幅值比设为1:0.75:0.5;各阶成分幅值比为1:0.75;低频成分为前2阶输入齿轮转频;ρ(t)为输入轴角位移函数,可通过积分获得。η(t)为添加的高斯白噪声信号,令此时复合信号x(t)中总信噪比为10dB。
设定采样频率fs=16384,采样时长T=20s,仿真信号的输入转速r(t)设置为模拟齿轮箱线性升速、转速波动和准稳速运行三个工作状态,如图2所示,该转速下的仿真信号时域、频域见图3a和图3b;
S2、应用频谱校正估计齿轮箱的瞬时啮合频率,从而获得输入轴转速r(t),拟合曲线如图4所示;步骤S2的具体步骤为:
S21、对于采集的振动加速度信号x(t),选定窗函数类型,设置分析样本点数N和重叠率e,则移窗点数dn=(1-e)N,其中e的值不宜过大,避免两段样本的时间间隔内出现大的转速变化;
在x(t)中用窗函数截取初始段N点振动数据段x1(t),并进行快速傅里叶变换(FFT),得到第一段的功率谱G1(f);对G1(f)进行三点卷积幅值校正运算,得到幅值校正后的功率谱G1z(f);
S23、从G1z(f)中搜索最大谱峰值对应谱线号k1,用于频率定位;应用多点能量重心校正法从G1z(f)中提取和校正初始段x1(t)的瞬时啮合频率fzz 1;
S24、将窗函数往后移动dn点,截取后一段N点振动加速度信号xi(t),对xi(t)做FFT,得到第i段功率谱Gi(f);
S25、根据第i-1段的功率谱Gi-1(f),应用能量中心校正法得到瞬时啮合频率fzz i-1,计算该频率对应的谱线号ki-1,以ki-1为中心,向左右延伸j条谱线,即[ki-1–j,ki-1+j],以该谱线范围作为第i段数据瞬时啮合频率的搜索范围;对Gi(f)进行三点卷积幅值校正运算,得到校正后的功率谱Giz(f);在[ki-1–j,ki-1+j]内搜索最大谱峰值对应谱线号ki;
S26、从Gi(f)中提取和校正第i段信号的瞬时啮合频率fzz i-1,待分析完采样总时长的x(t)后,应用三次样条插值法对fzz i进行拟合,得到瞬时啮合频率曲线fzz(t),并由此获得参考轴瞬时转频fn(t)=fzz(t)/z,瞬时转速rpm(t)=fn(t)×60。
S3、基于获得的输入轴转速rpm(t),通过分析拟合误差曲线,截取拟合效果较好的一段,这里取2s,记相应转频为fnc1(t),同时截取对应段的仿真信号,记为xc(t),对应时间为tc,截取的转速曲线如图5所示。
式中,fnc(t)表示齿轮箱中所有轴转频的集合,表示分段的相位,z为齿轮的齿数,m为啮合频率的各阶次,l为调制边频带的各阶次,这里m和l的最高阶次分别为3和5。‖dstd‖2表示每个原子的长度,需要进行归一化。
S4、基于采集的时域振动加速度信号和构造的调频字典,利用SALSA算法,求解稀疏系数,并进行信号重构;设定最大迭代次数K=1,误差界限ε=0,正则项系数λ=1、罚函数μ=0.001,v0=0,d0=0,求解稀疏系数并重构得到信号xs(t),重构信号与原仿真信号如图6所示,截取某一转重构信号与原始信号对比,如图7所示:
步骤S4的具体步骤为:
S41、稀疏系数求解的目标函数定义为:
式中,D表示稀疏字典,w为待求解稀疏系数,λ>0表示正则项参数,xc表示振动加速度信号;
S42、对待求解变量w进行分裂,得到对应的频域变量v=w,设定中间变量d,设定误差界限ε,正则项系数λ>0、罚函数μ>0,v0=0,d0=0,重复以下公式,直至满足误差界限ε或达到最大迭代次数K,则输出最终求解得到的稀疏系数w,仿真中设置ε=1,K=1000;
wk+1=(DHD+μI)-1[DHxc+μ(vk+zk)]
vk+1=soft(wk+1+dk,λ/μ)
dk+1=dk-(wk+1-vk+1)
k=0,2,3,...,K-1
进而得到重构信号xs(t):
xs(t)=D×w
S51、根据截取的转频fnc1(t),计算参考轴的角位移曲线θ(t),采样间隔Δt为采样频率fs的倒数;
式中,L表示tc时间段内总的采样点数,即L=fs×tc。
确定角域阶次采样率Os,以间隔Δθ=1/Os生成转角序列θ,对角位移曲线θ(t)三次样条插值,获得对应的重采样时间序列t’,按照时间序列t’对重构信号xs(t)进行三次样条插值重采样,从而得到等角度间隔的重构信号xs(θ),对其做快速傅里叶变换,得到阶次谱如图8所示,从而可进行阶次谱特征分析,以用于故障诊断。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.基于调频字典的齿轮箱变转速下分布型故障特征提取方法,其特征在于,包括以下步骤:
S1、采集变速工况下包含齿轮分布型故障特征的振动加速度信号;
S2、通过频谱校正获得齿轮箱的瞬时啮合频率,从而得到参考轴的瞬时转速和转频;
S3、基于获得的参考轴转频,构造时域余弦调频字典;
S4、基于采集的振动加速度信号和时域余弦调频字典,利用分裂增广拉格朗日收缩算法求解稀疏系数,并进行信号重构;
S5、根据重构信号,分析其阶次域特征,以判断齿轮是否发生分布型故障。
2.根据权利要求1所述的基于调频字典的齿轮箱变转速下分布型故障特征提取方法,其特征在于,步骤S1的具体步骤为:
S11、定义齿轮箱上的空间坐标系XYZ,其中X轴正向指向齿轮箱中心轴线输入轴往输出轴方向,Z轴正向竖直向上,Y轴正向由右手定则确定;
S12、在所述齿轮箱的轴承座表面安装单向加速度传感器,测试方向为Z轴,单向连接传感器通过数据采集器与便携式计算机连接;
S13、设置采样参数:采样时间长度T为15~20s,数据采集器的采样频率设为fs,则对应的采样时间间隔Δt=1/fs,采样点数n=fs×T;记最终采集的振动加速度时域信号为x(t)。
3.根据权利要求1所述的基于调频字典的齿轮箱变转速下分布型故障特征提取方法,其特征在于,步骤S2的具体步骤为:
S21、对于采集的振动加速度信号x(t),选定窗函数类型,设置分析样本点数N和重叠率e,则移窗点数dn=(1-e)N;
S22、在振动加速度信号x(t)中用窗函数截取初始段N点振动数据段x1(t),并进行快速傅里叶变换(FFT),得到第一段的功率谱G1(f);对第一段的功率谱G1(f)进行三点卷积幅值校正运算,得到幅值校正后的功率谱G1z(f);
S23、从幅值校正后的功率谱G1z(f)中搜索最大谱峰值对应谱线号k1,用于频率定位;应用多点能量重心校正法根据幅值校正后的功率谱G1z(f)得到初始段x1(t)的瞬时啮合频率fzz 1;
S24、将窗函数往后移动dn点,截取后一段N点振动加速度信号xi(t),对xi(t)做FFT,得到第i段的功率谱Gi(f);
S25、根据第i-1段的功率谱Gi-1(f),应用能量中心校正法得到瞬时啮合频率fzz i-1,计算该频率对应的谱线号ki-1,以ki-1为中心,向左右延伸j条谱线,即[ki-1–j,ki-1+j],以该谱线范围作为第i段数据瞬时啮合频率的搜索范围;对Gi(f)进行三点卷积幅值校正运算,得到校正后的功率谱Giz(f);在[ki-1–j,ki-1+j]内搜索最大谱峰值对应谱线号ki;
S26、从Gi(f)中提取和校正第i段信号的瞬时啮合频率fzz i-1,待分析完采样总时长的x(t)后,应用三次样条插值法对fzz i进行拟合,得到瞬时啮合频率曲线fzz(t),并由此获得参考轴瞬时转频fn(t)=fzz(t)/z,瞬时转速rpm(t)=fn(t)×60。
4.根据权利要求3所述的基于调频字典的齿轮箱变转速下分布型故障特征提取方法,其特征在于,步骤S3的具体步骤为:
S31、截取一段转频拟合最优的,时长为1-2s的振动加速度信号,记为xc(t),对应时间为tc,根据步骤S2获得的参考轴的瞬时转频fn(t),截取对应时间段的转频fncb(t),构造余弦调频原子ds(t),组成余弦调频字典D:
5.根据权利要求4所述的基于调频字典的齿轮箱变转速下分布型故障特征提取方法,其特征在于,步骤S4的具体步骤为:
S41、稀疏系数求解的目标函数定义为:
式中,D表示稀疏字典,w为待求解稀疏系数,λ>0表示正则项参数,xc表示振动加速度信号;
S42、对待求解变量w进行分裂,得到对应的频域变量v=w,设定中间变量d,设定误差界限ε,正则项系数λ>0、罚函数μ>0,v0=0,d0=0,重复以下公式,直至满足误差界限ε或达到最大迭代次数K,则输出最终求解得到的稀疏系数w;
wk+1=(DHD+μI)-1[DHxc+μ(vk+zk)]
vk+1=soft(wk+1+dk,λ/μ)
dk+1=dk-(wk+1-vk+1)
k=0,2,3,...,K-1
式中,I为单位矩阵;
进而得到重构信号xs(t):
xs(t)=D×w。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169096.6A CN112362343A (zh) | 2020-10-28 | 2020-10-28 | 基于调频字典的齿轮箱变转速下分布型故障特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169096.6A CN112362343A (zh) | 2020-10-28 | 2020-10-28 | 基于调频字典的齿轮箱变转速下分布型故障特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112362343A true CN112362343A (zh) | 2021-02-12 |
Family
ID=74511035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011169096.6A Pending CN112362343A (zh) | 2020-10-28 | 2020-10-28 | 基于调频字典的齿轮箱变转速下分布型故障特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112362343A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114593908A (zh) * | 2022-03-01 | 2022-06-07 | 西人马(深圳)科技有限责任公司 | 一种齿轮故障分析方法及装置 |
CN115112061A (zh) * | 2022-06-28 | 2022-09-27 | 苏州大学 | 一种钢轨波磨检测方法及系统 |
CN115842848A (zh) * | 2023-03-01 | 2023-03-24 | 成都远峰科技发展有限公司 | 一种基于工业物联网的动态监控系统及其控制方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493378A (zh) * | 2009-03-06 | 2009-07-29 | 湖南大学 | 基于多尺度线调频基稀疏信号分解的齿轮故障诊断方法 |
CN104077474A (zh) * | 2014-06-23 | 2014-10-01 | 华南理工大学 | 基于啮合频率和频谱校正技术的风电齿轮箱阶次跟踪方法 |
CN104459186A (zh) * | 2014-12-08 | 2015-03-25 | 中国人民解放军军事交通学院 | 基于稀疏分段拟合与积分逼近的无转速计阶比分析方法 |
CN104502099A (zh) * | 2015-01-20 | 2015-04-08 | 中国人民解放军军事交通学院 | 齿轮箱瞬变工况特征分量循频提取方法 |
CN105241666A (zh) * | 2015-09-21 | 2016-01-13 | 华南理工大学 | 一种基于信号稀疏表示理论的滚动轴承故障特征提取方法 |
CN107525674A (zh) * | 2017-05-27 | 2017-12-29 | 苏州大学 | 基于脊线概率分布和局部波动的转频估计方法及检测装置 |
CN109100144A (zh) * | 2018-08-01 | 2018-12-28 | 江苏大学 | 基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法 |
CN109884192A (zh) * | 2019-02-28 | 2019-06-14 | 江苏大学 | 用于焊缝特征导波缺陷回波信号特性提取的稀疏表示方法 |
CN111089720A (zh) * | 2020-01-16 | 2020-05-01 | 山东科技大学 | 一种适用于变转速下齿轮故障诊断的正则化稀疏滤波方法 |
US20200302228A1 (en) * | 2019-03-20 | 2020-09-24 | Tata Consultancy Services Limited | System and method for signal pre-processing based on data driven models and data dependent model transformation |
-
2020
- 2020-10-28 CN CN202011169096.6A patent/CN112362343A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493378A (zh) * | 2009-03-06 | 2009-07-29 | 湖南大学 | 基于多尺度线调频基稀疏信号分解的齿轮故障诊断方法 |
CN104077474A (zh) * | 2014-06-23 | 2014-10-01 | 华南理工大学 | 基于啮合频率和频谱校正技术的风电齿轮箱阶次跟踪方法 |
CN104459186A (zh) * | 2014-12-08 | 2015-03-25 | 中国人民解放军军事交通学院 | 基于稀疏分段拟合与积分逼近的无转速计阶比分析方法 |
CN104502099A (zh) * | 2015-01-20 | 2015-04-08 | 中国人民解放军军事交通学院 | 齿轮箱瞬变工况特征分量循频提取方法 |
CN105241666A (zh) * | 2015-09-21 | 2016-01-13 | 华南理工大学 | 一种基于信号稀疏表示理论的滚动轴承故障特征提取方法 |
CN107525674A (zh) * | 2017-05-27 | 2017-12-29 | 苏州大学 | 基于脊线概率分布和局部波动的转频估计方法及检测装置 |
CN109100144A (zh) * | 2018-08-01 | 2018-12-28 | 江苏大学 | 基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法 |
CN109884192A (zh) * | 2019-02-28 | 2019-06-14 | 江苏大学 | 用于焊缝特征导波缺陷回波信号特性提取的稀疏表示方法 |
US20200302228A1 (en) * | 2019-03-20 | 2020-09-24 | Tata Consultancy Services Limited | System and method for signal pre-processing based on data driven models and data dependent model transformation |
CN111089720A (zh) * | 2020-01-16 | 2020-05-01 | 山东科技大学 | 一种适用于变转速下齿轮故障诊断的正则化稀疏滤波方法 |
Non-Patent Citations (1)
Title |
---|
李永焯: "齿轮系统振动信号调制机理及非平稳信号稀疏分解方法探究", 《中国博士学位论文全文数据库工程科技II辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114593908A (zh) * | 2022-03-01 | 2022-06-07 | 西人马(深圳)科技有限责任公司 | 一种齿轮故障分析方法及装置 |
CN115112061A (zh) * | 2022-06-28 | 2022-09-27 | 苏州大学 | 一种钢轨波磨检测方法及系统 |
CN115842848A (zh) * | 2023-03-01 | 2023-03-24 | 成都远峰科技发展有限公司 | 一种基于工业物联网的动态监控系统及其控制方法 |
CN115842848B (zh) * | 2023-03-01 | 2023-04-28 | 成都远峰科技发展有限公司 | 一种基于工业物联网的动态监控系统及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112362343A (zh) | 基于调频字典的齿轮箱变转速下分布型故障特征提取方法 | |
Huang et al. | Time-frequency squeezing and generalized demodulation combined for variable speed bearing fault diagnosis | |
Feng et al. | Complex signal analysis for planetary gearbox fault diagnosis via shift invariant dictionary learning | |
Yang et al. | A gear fault diagnosis using Hilbert spectrum based on MODWPT and a comparison with EMD approach | |
CN108426715A (zh) | 基于pso-vmd-mckd的滚动轴承微弱故障诊断方法 | |
Rodopoulos et al. | A parametric approach for the estimation of the instantaneous speed of rotating machinery | |
He et al. | Feature extraction of gear and bearing compound faults based on vibration signal sparse decomposition | |
CN112665851B (zh) | 一种无键相变转速齿轮箱故障诊断方法 | |
CN108875706A (zh) | 基于滑动平均与能量归集的海洋结构时频分析方法 | |
Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
CN105352726B (zh) | 一种齿轮的故障诊断方法 | |
Antoni et al. | Cyclostationarity in condition monitoring: 10 years after | |
CN114813123A (zh) | 一种基于pso-vmd-mckd的滚动轴承微弱故障诊断方法 | |
Zhao et al. | Enhanced order spectrum analysis based on iterative adaptive crucial mode decomposition for planetary gearbox fault diagnosis under large speed variations | |
Luo et al. | Order spectrum analysis for bearing fault detection via joint application of synchrosqueezing transform and multiscale chirplet path pursuit | |
Matania et al. | Algorithms for spectrum background estimation of non-stationary signals | |
Xu et al. | A novel tacholess order tracking method for gearbox vibration signal based on extremums search of gearmesh harmonic | |
Li et al. | Servo axis incipient degradation assessment of CNC machine tools using the built-in encoder | |
CN110598269A (zh) | 一种在低采样点时的离散频谱参数校正方法 | |
Randall et al. | Gear diagnostics under widely varying speed conditions | |
Wang et al. | A comparison between two conventional order tracking techniques in rotating machine diagnostics | |
CN106980722B (zh) | 一种脉冲响应中谐波成分的检测和去除方法 | |
CN112883318A (zh) | 相减策略的多频衰减信号参数估计算法 | |
CN102072987B (zh) | 短区间正弦信号的相位估计法及其实验装置 | |
CN116256158A (zh) | 一种基于深度信号分离的旋转机械瞬时相位自适应提取方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210212 |