CN112525336A - 一种机械设备振动连续增长的自动化检测方法 - Google Patents
一种机械设备振动连续增长的自动化检测方法 Download PDFInfo
- Publication number
- CN112525336A CN112525336A CN202011305243.8A CN202011305243A CN112525336A CN 112525336 A CN112525336 A CN 112525336A CN 202011305243 A CN202011305243 A CN 202011305243A CN 112525336 A CN112525336 A CN 112525336A
- Authority
- CN
- China
- Prior art keywords
- vibration
- value
- current moment
- characteristic
- equipment
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Abstract
一种机械设备振动连续增长的自动化检测方法,包括以下步骤:步骤1,将设备振动监测当前时刻采集所得的振动信号波形数据进行特征提取;步骤2,振动基准更新和计算,将步骤1得到的特征值V和振动基准进行比较,判断振动基准是否更新;步骤3,根据振动基准值计算当前时刻采集数据的增长结果;步骤4,根据步骤3的计算结果,判断当前时刻采集数据是否连续增长。本发明自动的计算和更新设备振动参考基准,之后通过计算设备实时采集振动与参考基准的增长结果,判断该增长结果是否大于前一连续增长点对应的增长结果,实现设备振动连续增长的自动化检测。
Description
技术领域
本发明属于机械设备状态监测与预测性维护领域,特别涉及一种机械设备振动连续增长的自动化检测方法。
背景技术
目前越来越多重要的高价值机械设备在其关键部位都有安装振动传感器,用以检测和发现机械设备运行过程中出现的部件异常和故障。机械设备运行异常和故障可以通过振动增长趋势变化来检测和发现。其中设备振动的连续增长就是一种设备异常和故障的重要表征。因此检测和发现振动连续增长可为机械设备状态监测和预测性维护提供重要分析基础。
现有的一些趋势增长检测方法都难以解决机械设备振动的连续增长检测问题,包括利用一段数据的线性拟合结果提取指标表征连续增长的特性、从一段数据的差分序列提取指标表征连续增长特性等方法。这些方法仅仅考虑了“局部”的连续增长,而机械设备振动的连续增长需要关注和检测“全局”的连续增长,即检测机械设备实时采集的振动是否大于历史振动的最大值,这样才能发现设备最真实的异常和故障问题。同时现有的趋势增长检测算法多数需要输入算法参数,这些算法参数会影响趋势增长检测结果,进而导致错误的检测结果。
发明内容
本发明的目的在于提供一种机械设备振动连续增长的自动化检测方法,以解决上述问题。
为实现上述目的,本发明采用以下技术方案:
一种机械设备振动连续增长的自动化检测方法,包括以下步骤:
步骤1,将设备振动监测当前时刻采集所得的振动信号波形数据进行特征提取,对提取的特征值V进行超限数据清洗和停机数据清洗预处理;
步骤2,振动基准更新和计算,将步骤1得到的特征值V和振动基准进行比较,判断振动基准是否更新;
步骤3,根据振动基准值计算当前时刻采集数据的增长结果;
步骤4,根据步骤3的计算结果,判断当前时刻采集数据是否连续增长。
进一步的,步骤1中,超限清洗:根据设备振动传感器可测量的量程范围,判断当前时刻采集所得的振动特征值V是否超出量程范围,若超出量程范围,则当前时刻采集所得的振动不可用,无需进行后续分析,反之,则需继续后续分析步骤;
停机清洗:根据设备停机时采集到的振动特征值接近于0的特点,设定停机判断阈值A,若当前时刻采集所得的振动特征值V小于等于停机判断阈值A,则V属于设备停机状态下采集的振动,无需进行后续分析,反之,若V大于停机判断阈值A,则V属于设备运行状态下采集的振动,需继续后续分析步骤。
进一步的,其中停机判断阈值A的取值是根据设备停机状态下采集到的振动历史数据的最大值vm决定,A取值等于vm的3-5倍,避免停机数据出现漏清洗。
进一步的,步骤1中,设备振动监测原始采集得到的振动信号波形数据能提取相应的特征值类型,特征值类型包括位移峰值、速度有效值、加速度峰值,由采集的振动信号类型决定,若采集的是位移信号,则提取特征为峰值,即位移信号的最大值;采集的是速度信号,则提取特征为有效值,即速度信号的均方根值;采集的是加速度信号,则提取特征为峰值,即加速度信号的最大值。
进一步的,步骤2中,首先判断振动基准值bs是否为空值。
若振动基准值不为空值,则需要进行基准更新判断,流程如下:
判断当前时刻采集数据提取的特征值V是否小于振动基准值,若V小于振动基准值,则将振动基准值与V的平均值作为更新后的振动基准值;反之,V大于等于振动基准值,则振动基准值保持不变;
若振动基准值为空值,则需要进行基准计算,步骤如下:
判断基准计算序列CalcV的长度是否大于等于5,若不满足大于等于5条件,则将当前时刻采集振动数据提取的特征值V继续添加至计算序列CalcV中,不计算基准值,基准值继续保持空值;若满足大于等于5的条件,则计算序列CalcV的中位数作为振动基准值,同时将序列CalcV置为空序列。
进一步的,步骤3中,首先判断振动基准bs是否为空值,若为空值,则直接结束后续判断流程,并输出当前时刻采集振动数据无增长;若不为空值,则计算当前时刻采集振动数据提取的特征值V的增长结果RiseV;
其中增长结果计算公式为:RiseV=V-bs。
进一步的,步骤4中:
①首先判断RiseV是否大于0,若小于等于0,则表示当前时刻采集振动数据无增长,直接结束步骤4判断;若大于0,继续流程②;
②继续判断上一连续增长数据的增幅preRiseV是否为空值,若preRiseV为空值,则表示当前时刻采集振动数据为连续增长,同时令preRiseV=RiseV,结束步骤4判断;若preRiseV不为空值,则继续流程③;
③判断RiseV是否大于preRiseV,若满足RiseV大于preRiseV,则表示当前时刻采集振动数据为连续增长,同时更新preRiseV的值,令preRiseV=RiseV;反之,则表示当前时刻采集振动数据并非连续增长,preRiseV值保持不变。
与现有技术相比,本发明有以下技术效果:
本发明自动的计算和更新设备振动参考基准,之后通过计算设备实时采集振动与参考基准的增长结果,判断该增长结果是否大于前一连续增长点对应的增长结果,实现设备振动连续增长的自动化检测。相对于现有的一些趋势增长检测方法,本发明提出的机械设备振动连续增长检测技术具有自动化检测连续增长的优点,无需设定算法参数,保证了技术具有非常好的通用能力和天然的抗干扰能力。同时本发明检测的是机械设备整个运行生命周期中振动的连续增长,并不局限于某个局部时段内的振动连续增长。所以本发明检测的振动连续增长能最真实的反应设备异常和故障,避免检测到某些局部连续增长并非反应设备真实故障发生。本发明为机械设备状态监测和预测性维护的大数据分析提供了可靠的分析方法,通过本发明的应用,可实现机械设备振动连续增长的自动和准确检测。
附图说明
图1一种机械设备振动连续增长的自动化检测技术的整体流程。
图2某泵振动速度有效值连续增长检测结果。
图3某风机振动加速度峰值连续增长检测结果。
具体实施方式
以下结合附图对本发明进一步说明:
请参阅图1至图3,一种机械设备振动连续增长的自动化检测技术,包括以下步骤:
步骤一:当前时刻采集数据预处理。
将设备振动监测当前时刻采集所得的振动信号波形数据进行特征提取,对提取的特征值V进行超限数据清洗和停机数据清洗预处理。
超限清洗:根据设备振动传感器可测量的量程范围,判断当前时刻采集所得的振动特征值V是否超出量程范围,若超出量程范围,则当前时刻采集所得的振动不可用,无需进行后续分析!反之,则需继续后续分析步骤!
停机清洗:根据设备停机时采集到的振动特征值接近于0的特点,设定停机判断阈值A,若当前时刻采集所得的振动特征值V小于等于停机判断阈值A,则V属于设备停机状态下采集的振动,无需进行后续分析!反之,若V大于停机判断阈值A,则V属于设备运行状态下采集的振动,需继续后续分析步骤!其中停机判断阈值A的取值是根据设备停机状态下采集到的振动历史数据的最大值vm决定,一般A取值等于vm的3-5倍,避免停机数据出现漏清洗。
上述设备振动监测原始采集得到的振动信号波形数据可以提取相应的特征值类型,特征值类型包括位移峰值、速度有效值、加速度峰值,由采集的振动信号类型决定,若采集的是位移信号,则提取特征为峰值,即位移信号的最大值;采集的是速度信号,则提取特征为有效值,即速度信号的均方根值;采集的是加速度信号,则提取特征为峰值,即加速度信号的最大值。
步骤二:振动基准更新和计算。
首先判断振动基准值bs是否为空值。
若振动基准值不为空值,则需要进行基准更新判断,流程如下:
判断当前时刻采集数据提取的特征值V是否小于振动基准值,若V小于振动基准值,则将振动基准值与V的平均值作为更新后的振动基准值;反之,V大于等于振动基准值,则振动基准值保持不变。
若振动基准值为空值,则需要进行基准计算,步骤如下:
判断基准计算序列CalcV的长度是否大于等于5,若不满足大于等于5条件,则将当前时刻采集振动数据提取的特征值V继续添加至计算序列CalcV中,不计算基准值,基准值继续保持空值;若满足大于等于5的条件,则计算序列CalcV的中位数作为振动基准值,同时将序列CalcV置为空序列。
步骤三:当前时刻采集数据增长结果计算。
首先判断振动基准bs是否为空值,若为空值,则直接结束后续判断流程,并输出当前时刻采集振动数据无增长;若不为空值,则计算当前时刻采集振动数据提取的特征值V的增长结果RiseV。
其中增长结果计算公式为:RiseV=V-bs。
步骤四:当前时刻采集数据连续增长判断。
①首先判断RiseV是否大于0,若小于等于0,则表示当前时刻采集振动数据无增长,直接结束步骤4判断;若大于0,继续流程②
②继续判断上一连续增长数据的增幅preRiseV是否为空值,若preRiseV为空值,则表示当前时刻采集振动数据为连续增长,同时令preRiseV=RiseV,结束步骤4判断;若preRiseV不为空值,则继续流程③;
③判断RiseV是否大于preRiseV,若满足RiseV大于preRiseV,则表示当前时刻采集振动数据为连续增长,同时更新preRiseV的值,令preRiseV=RiseV;反之,则表示当前时刻采集振动数据并非连续增长,preRiseV值保持不变!
在首次使用本发明技术时,需要对部分参数初始化,其中包括对振动基准值bs初始化为空值;基准计算序列CalcV初始化为空序列;上一连续增长数据的增幅preRiseV初始化为空值。
参阅附图1。图1为一种机械设备振动连续增长的自动化检测技术流程图。首先对实时获取的振动特征值进行停机预处理和超限预处理;其次将预处理后对应机械设备运转的振动特征值输入振动基准更新和计算模块中,计算该得到机械设备对应的振动特征基准值bs;之后计算当前振动特征值相对于基准的增长结果RiseV;最后判断当前振动特征值的增长结果是否满足连续增长要求,若满足要求,则当前振动特征为连续增长,反之,则当前振动特征非连续增长。
参阅附图2。图2为使用本发明对某泵振动速度有效值长达两个月数据的连续增长检测结果,图中标记为方块的位置为本发明检测得到的连续增长位置,图中显示速度有效值连续增长位置被准确、有效的检测得到。由图可见本发明可有效的实现自动化获取振动连续增长,为后续利用振动连续增长发现设备状态异常提供了坚实可靠的手段。
参阅附图3。图3为使用本发明对某风机振动加速度峰值长达一个月数据的连续增长检测结果,图中标记为方块的位置为本发明检测得到的连续增长位置,图中显示加速度峰值连续增长位置被准确、有效的检测得到。由图可见本发明可有效的实现自动化获取振动连续增长,为后续利用振动连续增长发现设备状态异常提供了坚实可靠的手段。
Claims (7)
1.一种机械设备振动连续增长的自动化检测方法,其特征在于,包括以下步骤:
步骤1,将设备振动监测当前时刻采集所得的振动信号波形数据进行特征提取,对提取的特征值V进行超限数据清洗和停机数据清洗预处理;
步骤2,振动基准更新和计算,将步骤1得到的特征值V和振动基准进行比较,判断振动基准是否更新;
步骤3,根据振动基准值计算当前时刻采集数据的增长结果;
步骤4,根据步骤3的计算结果,判断当前时刻采集数据是否连续增长。
2.根据权利要求1所述的一种机械设备振动连续增长的自动化检测方法,其特征在于,步骤1中,超限清洗:根据设备振动传感器可测量的量程范围,判断当前时刻采集所得的振动特征值V是否超出量程范围,若超出量程范围,则当前时刻采集所得的振动不可用,无需进行后续分析,反之,则需继续后续分析步骤;
停机清洗:根据设备停机时采集到的振动特征值接近于0的特点,设定停机判断阈值A,若当前时刻采集所得的振动特征值V小于等于停机判断阈值A,则V属于设备停机状态下采集的振动,无需进行后续分析,反之,若V大于停机判断阈值A,则V属于设备运行状态下采集的振动,需继续后续分析步骤。
3.根据权利要求2所述的一种机械设备振动连续增长的自动化检测方法,其特征在于,其中停机判断阈值A的取值是根据设备停机状态下采集到的振动历史数据的最大值vm决定,A取值等于vm的3-5倍,避免停机数据出现漏清洗。
4.根据权利要求1所述的一种机械设备振动连续增长的自动化检测方法,其特征在于,步骤1中,设备振动监测原始采集得到的振动信号波形数据能提取相应的特征值类型,特征值类型包括位移峰值、速度有效值、加速度峰值,由采集的振动信号类型决定,若采集的是位移信号,则提取特征为峰值,即位移信号的最大值;采集的是速度信号,则提取特征为有效值,即速度信号的均方根值;采集的是加速度信号,则提取特征为峰值,即加速度信号的最大值。
5.根据权利要求1所述的一种机械设备振动连续增长的自动化检测方法,其特征在于,步骤2中,首先判断振动基准值bs是否为空值;
若振动基准值不为空值,则需要进行基准更新判断,流程如下:
判断当前时刻采集数据提取的特征值V是否小于振动基准值,若V小于振动基准值,则将振动基准值与V的平均值作为更新后的振动基准值;反之,V大于等于振动基准值,则振动基准值保持不变;
若振动基准值为空值,则需要进行基准计算,步骤如下:
判断基准计算序列CalcV的长度是否大于等于5,若不满足大于等于5条件,则将当前时刻采集振动数据提取的特征值V继续添加至计算序列CalcV中,不计算基准值,基准值继续保持空值;若满足大于等于5的条件,则计算序列CalcV的中位数作为振动基准值,同时将序列CalcV置为空序列。
6.根据权利要求1所述的一种机械设备振动连续增长的自动化检测方法,其特征在于,步骤3中,首先判断振动基准bs是否为空值,若为空值,则直接结束后续判断流程,并输出当前时刻采集振动数据无增长;若不为空值,则计算当前时刻采集振动数据提取的特征值V的增长结果RiseV;
其中增长结果计算公式为:RiseV=V-bs。
7.根据权利要求1所述的一种机械设备振动连续增长的自动化检测方法,其特征在于,步骤4中:
①首先判断RiseV是否大于0,若小于等于0,则表示当前时刻采集振动数据无增长,直接结束步骤4判断;若大于0,继续流程②;
②继续判断上一连续增长数据的增幅preRiseV是否为空值,若preRiseV为空值,则表示当前时刻采集振动数据为连续增长,同时令preRiseV=RiseV,结束步骤4判断;若preRiseV不为空值,则继续流程③;
③判断RiseV是否大于preRiseV,若满足RiseV大于preRiseV,则表示当前时刻采集振动数据为连续增长,同时更新preRiseV的值,令preRiseV=RiseV;反之,则表示当前时刻采集振动数据并非连续增长,preRiseV值保持不变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305243.8A CN112525336B (zh) | 2020-11-18 | 2020-11-18 | 一种机械设备振动连续增长的自动化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305243.8A CN112525336B (zh) | 2020-11-18 | 2020-11-18 | 一种机械设备振动连续增长的自动化检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112525336A true CN112525336A (zh) | 2021-03-19 |
CN112525336B CN112525336B (zh) | 2023-06-27 |
Family
ID=74982623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011305243.8A Active CN112525336B (zh) | 2020-11-18 | 2020-11-18 | 一种机械设备振动连续增长的自动化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112525336B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113514148A (zh) * | 2021-07-09 | 2021-10-19 | 西安因联信息科技有限公司 | 基于低延迟数据平滑的设备振动预警方法及系统 |
Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002099013A (ja) * | 2000-09-21 | 2002-04-05 | Nikon Corp | 振れ検出装置及びブレ補正光学機器 |
US20050096873A1 (en) * | 2002-12-30 | 2005-05-05 | Renata Klein | Method and system for diagnostics and prognostics of a mechanical system |
JP2005195422A (ja) * | 2004-01-06 | 2005-07-21 | Ho Jinyama | 設備診断装置 |
CN101799366A (zh) * | 2010-01-27 | 2010-08-11 | 北京信息科技大学 | 一种机械故障预测的特征提取方法 |
CN102012316A (zh) * | 2010-11-11 | 2011-04-13 | 华北电力大学 | 汽轮发电机组轴颈碰摩故障实时辨识方法 |
CN102539151A (zh) * | 2012-01-18 | 2012-07-04 | 北京工业大学 | 一种汽车变速器智能化在线质量检测方法 |
CN102944435A (zh) * | 2012-10-25 | 2013-02-27 | 北京航空航天大学 | 一种基于费希尔判别分析与马氏距离的旋转机械健康评估与故障诊断方法 |
CN104180895A (zh) * | 2013-05-24 | 2014-12-03 | 安徽容知日新信息技术有限公司 | 旋转机械的振动信号同步采集装置及振动信号采集方法 |
CN105628421A (zh) * | 2015-12-25 | 2016-06-01 | 南京南瑞集团公司 | 一种水电机组分工况振摆越限监测预警方法 |
CN105651504A (zh) * | 2016-01-15 | 2016-06-08 | 北京工业大学 | 基于自适应小波能量的旋转机械故障特征提取方法 |
CN105651376A (zh) * | 2014-11-10 | 2016-06-08 | 上海宝钢工业技术服务有限公司 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
CN109033930A (zh) * | 2018-05-07 | 2018-12-18 | 北京化工大学 | 一种基于故障机理和统计模型在线学习的机械设备故障诊断方法 |
CN109242215A (zh) * | 2018-10-26 | 2019-01-18 | 浙江工业大学之江学院 | 一种基于粒子群-支持向量机的旋转机械设备运行工况预测方法 |
JP2019027788A (ja) * | 2017-07-25 | 2019-02-21 | 日本電気株式会社 | 回転機構の異常検知感度設定装置および異常検知感度設定方法 |
CN109805936A (zh) * | 2019-01-18 | 2019-05-28 | 深圳大学 | 基于地面振动信号的人体摔倒检测系统 |
CN109901537A (zh) * | 2019-03-18 | 2019-06-18 | 北京大通惠德科技有限公司 | 用于边缘计算侧的机械设备运行状态监测方法和系统 |
CN110057406A (zh) * | 2019-05-22 | 2019-07-26 | 西安因联信息科技有限公司 | 一种多尺度自适应的机械设备趋势预警方法 |
CN110298455A (zh) * | 2019-06-28 | 2019-10-01 | 西安因联信息科技有限公司 | 一种基于多变量估计预测的机械设备故障智能预警方法 |
CN110362068A (zh) * | 2019-08-02 | 2019-10-22 | 苏州容思恒辉智能科技有限公司 | 一种基于工业物联网的机械设备故障预警方法、系统和可读存储介质 |
CN110415494A (zh) * | 2019-07-25 | 2019-11-05 | 西安因联信息科技有限公司 | 一种基于历史运行数据的设备报警阈值计算方法 |
CN110618984A (zh) * | 2019-08-27 | 2019-12-27 | 西安因联信息科技有限公司 | 一种停机振动数据清洗方法 |
CN110749376A (zh) * | 2019-11-14 | 2020-02-04 | 北京龙德时代技术服务有限公司 | 基于连续数字测振的爆破安全分析方法及分析系统 |
CN111222247A (zh) * | 2020-01-13 | 2020-06-02 | 北京化工大学 | 一种旋转机械早期故障预警方法 |
CN111414584A (zh) * | 2020-03-25 | 2020-07-14 | 中国电建集团中南勘测设计研究院有限公司 | 一种基于监测数据的辅助预警方法 |
US20200271544A1 (en) * | 2019-02-27 | 2020-08-27 | Mitsubishi Heavy Industries Compressor Corporation | Monitoring device, monitoring method, method of creating shaft vibration determination model, and program |
CN111695521A (zh) * | 2020-06-15 | 2020-09-22 | 哈尔滨理工大学 | 一种基于Attention-LSTM的滚动轴承性能衰退预测方法 |
-
2020
- 2020-11-18 CN CN202011305243.8A patent/CN112525336B/zh active Active
Patent Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002099013A (ja) * | 2000-09-21 | 2002-04-05 | Nikon Corp | 振れ検出装置及びブレ補正光学機器 |
US20050096873A1 (en) * | 2002-12-30 | 2005-05-05 | Renata Klein | Method and system for diagnostics and prognostics of a mechanical system |
JP2005195422A (ja) * | 2004-01-06 | 2005-07-21 | Ho Jinyama | 設備診断装置 |
CN101799366A (zh) * | 2010-01-27 | 2010-08-11 | 北京信息科技大学 | 一种机械故障预测的特征提取方法 |
CN102012316A (zh) * | 2010-11-11 | 2011-04-13 | 华北电力大学 | 汽轮发电机组轴颈碰摩故障实时辨识方法 |
CN102539151A (zh) * | 2012-01-18 | 2012-07-04 | 北京工业大学 | 一种汽车变速器智能化在线质量检测方法 |
CN102944435A (zh) * | 2012-10-25 | 2013-02-27 | 北京航空航天大学 | 一种基于费希尔判别分析与马氏距离的旋转机械健康评估与故障诊断方法 |
CN104180895A (zh) * | 2013-05-24 | 2014-12-03 | 安徽容知日新信息技术有限公司 | 旋转机械的振动信号同步采集装置及振动信号采集方法 |
CN105651376A (zh) * | 2014-11-10 | 2016-06-08 | 上海宝钢工业技术服务有限公司 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
CN105628421A (zh) * | 2015-12-25 | 2016-06-01 | 南京南瑞集团公司 | 一种水电机组分工况振摆越限监测预警方法 |
CN105651504A (zh) * | 2016-01-15 | 2016-06-08 | 北京工业大学 | 基于自适应小波能量的旋转机械故障特征提取方法 |
JP2019027788A (ja) * | 2017-07-25 | 2019-02-21 | 日本電気株式会社 | 回転機構の異常検知感度設定装置および異常検知感度設定方法 |
CN109033930A (zh) * | 2018-05-07 | 2018-12-18 | 北京化工大学 | 一种基于故障机理和统计模型在线学习的机械设备故障诊断方法 |
CN109242215A (zh) * | 2018-10-26 | 2019-01-18 | 浙江工业大学之江学院 | 一种基于粒子群-支持向量机的旋转机械设备运行工况预测方法 |
CN109805936A (zh) * | 2019-01-18 | 2019-05-28 | 深圳大学 | 基于地面振动信号的人体摔倒检测系统 |
US20200271544A1 (en) * | 2019-02-27 | 2020-08-27 | Mitsubishi Heavy Industries Compressor Corporation | Monitoring device, monitoring method, method of creating shaft vibration determination model, and program |
CN109901537A (zh) * | 2019-03-18 | 2019-06-18 | 北京大通惠德科技有限公司 | 用于边缘计算侧的机械设备运行状态监测方法和系统 |
CN110057406A (zh) * | 2019-05-22 | 2019-07-26 | 西安因联信息科技有限公司 | 一种多尺度自适应的机械设备趋势预警方法 |
CN110298455A (zh) * | 2019-06-28 | 2019-10-01 | 西安因联信息科技有限公司 | 一种基于多变量估计预测的机械设备故障智能预警方法 |
CN110415494A (zh) * | 2019-07-25 | 2019-11-05 | 西安因联信息科技有限公司 | 一种基于历史运行数据的设备报警阈值计算方法 |
CN110362068A (zh) * | 2019-08-02 | 2019-10-22 | 苏州容思恒辉智能科技有限公司 | 一种基于工业物联网的机械设备故障预警方法、系统和可读存储介质 |
CN110618984A (zh) * | 2019-08-27 | 2019-12-27 | 西安因联信息科技有限公司 | 一种停机振动数据清洗方法 |
CN110749376A (zh) * | 2019-11-14 | 2020-02-04 | 北京龙德时代技术服务有限公司 | 基于连续数字测振的爆破安全分析方法及分析系统 |
CN111222247A (zh) * | 2020-01-13 | 2020-06-02 | 北京化工大学 | 一种旋转机械早期故障预警方法 |
CN111414584A (zh) * | 2020-03-25 | 2020-07-14 | 中国电建集团中南勘测设计研究院有限公司 | 一种基于监测数据的辅助预警方法 |
CN111695521A (zh) * | 2020-06-15 | 2020-09-22 | 哈尔滨理工大学 | 一种基于Attention-LSTM的滚动轴承性能衰退预测方法 |
Non-Patent Citations (7)
Title |
---|
HUA SU: "IEEE Transactions on Industrial Electronics", INDUCTION MACHINE CONDITION MONITORING USING NEURAL NETWORK MODELING * |
JIANMING DING: "Automatic detection of a wheelset bearing fault using a multi-level empirical wavelet transform", MEASUREMENT * |
KAI WANGGANG: "Vibration sensor approaches for experimental studies of sand detection carried in gas and droplets", POWDER TECHNOLOGY * |
M. SHODA: "Control of bit error caused by slider vibration during continuous contact recording", 2000 ASIA-PACIFIC MAGNETIC RECORDING CONFERENCE. DIGESTS OF APMRC2000 ON MECHANICAL AND MANUFACTURING ASPECTS OF HDD (CAT. NO.00EX395) * |
孟光: "基于状态监测的设备寿命预测与预防维护规划研究进展", 振动与冲击 * |
胥永刚: "分布式在线监测与故障诊断网络系统的研究与开发", 仪表技术与传感器 * |
袁学刚: "动载荷下不可压缩超弹性球形 薄膜的若干定性性质", 应用数学和力学 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113514148A (zh) * | 2021-07-09 | 2021-10-19 | 西安因联信息科技有限公司 | 基于低延迟数据平滑的设备振动预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112525336B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109783903B (zh) | 一种基于时间序列的工业用水管道故障诊断方法及系统 | |
CN108981796B (zh) | 一种五位一体水力机械故障诊断方法 | |
CN111963415A (zh) | 一种液压柱塞泵的故障诊断方法及系统 | |
CN111400961B (zh) | 风力发电机组叶片故障判断方法及装置 | |
CN111946559B (zh) | 一种风机基础和塔架结构检测方法 | |
Xu et al. | Fan fault diagnosis based on symmetrized dot pattern analysis and image matching | |
US20020052712A1 (en) | Method for the monitoring of a plant | |
CN110060368B (zh) | 基于潜在特征编码的机械异常检测方法 | |
CN112832999B (zh) | 一种基于多传感器数据融合的电泵井工况诊断系统及方法 | |
CN103925155A (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
CN115220396B (zh) | 一种数控机床智能监控方法及系统 | |
CN111222205A (zh) | 一种桨叶开度监测管理系统及方法 | |
CN106971058A (zh) | 一种泵站运行监控数据异常点检测方法 | |
CN110987396B (zh) | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 | |
CN112525336A (zh) | 一种机械设备振动连续增长的自动化检测方法 | |
CN110618984B (zh) | 一种停机振动数据清洗方法 | |
Hu et al. | Novelty detection methods for online health monitoring and post data analysis of turbopumps | |
CN116226719A (zh) | 基于多维稳态振动特征的轴承故障诊断方法及相关组件 | |
CN110633686A (zh) | 一种基于振动信号数据驱动的设备转速识别方法 | |
CN112560916B (zh) | 基于倾角传感器信息的风电塔筒倾覆智能诊断方法 | |
CN115270875A (zh) | 一种基于深度学习的隔膜泵运行状态监测方法 | |
CN113513304A (zh) | 一种基于抽油机电功图的平衡度检测方法 | |
CN113431800A (zh) | 一种实时判别风机运行状态的方法 | |
CN114036973A (zh) | 基于动态在线序列的极限学习机的串联电弧故障识别方法 | |
CN112621381A (zh) | 机床进给系统健康状态智能评估方法及装置 |
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 |