CN112665857B - 滚动轴承故障诊断方法、装置、设备及存储介质 - Google Patents
滚动轴承故障诊断方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112665857B CN112665857B CN202011511803.5A CN202011511803A CN112665857B CN 112665857 B CN112665857 B CN 112665857B CN 202011511803 A CN202011511803 A CN 202011511803A CN 112665857 B CN112665857 B CN 112665857B
- Authority
- CN
- China
- Prior art keywords
- demodulation
- diagnosis result
- frequency
- vibration data
- envelope
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 224
- 238000005096 rolling process Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000009467 reduction Effects 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims description 56
- 230000003595 spectral effect Effects 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 abstract description 6
- 238000005070 sampling Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明实施例提供一种滚动轴承故障诊断方法、装置、设备及存储介质。所述方法包括：获取滚动轴承的相关参数与振动数据，相关参数包括下述至少一项：电机转速、滚动轴承的特征频率；对振动数据分别进行第一包络解调与第二包络解调，包括：对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，分别得到第一解调信号与第二解调信号；根据相关参数，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果；根据第一诊断结果与第二诊断结果，确定最终诊断结果。本发明实施例能够提高滚动轴承故障诊断的准确性，降低滚动轴承使用过程中的风险。
Description
技术领域
本发明涉及轴承故障诊断技术领域，尤其涉及一种滚动轴承故障诊断方法、装置、设备及存储介质。
背景技术
随着铁路事业的发展，牵引电机的应用越来越广泛。滚动轴承是牵引电机的关键零部件，其性能影响着牵引电机的工作，进而影响铁路运行的安全性与稳定性。
现有技术中，常常根据滚动轴承的振动加速度有效值、峭度、歪度等重要特征指标判断滚动轴承是否故障。
然而，牵引电机在铁路上运行时工况复杂，上述指标会受到多种外界因素的影响和限制，导致滚动轴承故障诊断准确性低。
发明内容
本发明实施例提供一种滚动轴承故障诊断方法、装置、设备及存储介质，以解决现有技术中滚动轴承故障诊断准确性低的技术问题。
第一方面，本发明实施例提供一种滚动轴承故障诊断方法，包括：
获取滚动轴承的相关参数与振动数据，所述相关参数包括下述至少一项：电机转速、所述滚动轴承的特征频率；
对所述振动数据分别进行第一包络解调与第二包络解调，包括：对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，分别得到第一解调信号与第二解调信号；
根据所述相关参数，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果；
根据第一诊断结果与第二诊断结果，确定最终诊断结果。
在一种可能的实施方式中，所述对所述振动数据分别进行第一包络解调与第二包络解调之前，包括：
根据最小熵反褶积方法，对所述振动数据进行降噪处理，得到降噪处理后的振动数据。
在一种可能的实施方式中，所述根据所述相关参数，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果，包括：
根据所述电机转速与所述滚动轴承的特征频率，得到故障频率；
根据所述故障频率，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果。
在一种可能的实施方式中，所述对降噪处理后的振动数据进行第一包络解调，得到第一解调信号，包括：
根据预设包络解调次数，对降噪处理后的振动数据进行多次第一包络解调，以得到多个第一解调信号；
其中，每次第一包络解调包括：
对降噪处理后的振动数据进行傅里叶变换，得到本次第一频域信号；
根据所述本次第一频域信号确定本次第一中心频率，根据所述本次第一中心频率对所述降噪处理后的振动数据进行带通滤波处理，得到本次第一时域信号；
对本次第一时域信号进行包络分析，得到本次第一解调信号；
对本次第一频域信号进行相应幅值置零处理，得到下一次第一频域信号用于下一次第一包络解调。
在一种可能的实施方式中，所述对降噪处理后的振动数据进行第二包络解调，得到第二解调信号，包括：
对降噪处理后的振动数据进行傅里叶变换，得到第一频域信号；
根据预设的迭代步长对所述第一频域信号进行多次迭代运算，以得到若干谱峭度；
从各谱峭度中选出最大谱峭度，并确定其对应的第二频带；
根据所述第二频带对所述降噪处理后的振动数据进行带通滤波处理，得到第二时域信号；
对第二时域信号进行包络分析，得到第二解调信号。
在一种可能的实施方式中，所述故障识别，包括：
根据解调信号计算其对应的频域信号，确定所述频域信号中各故障频率对应的第一幅值以及其二倍频对应的第二幅值，根据第一幅值以及第二幅值得到加权和；
根据故障频率计算有效包络频段的幅值的平均值，根据所述加权和与所述平均值得到比值，将所述比值与预设故障阈值进行对比，确定诊断结果。
在一种可能的实施方式中，根据第一诊断结果与第二诊断结果，确定最终诊断结果，包括：
若第一诊断结果与第二诊断结果相同，则取任一诊断结果作为最终诊断结果；
若第一诊断结果与第二诊断结果不相同，则将第一诊断结果对应的比值与第二诊断结果对应的比值进行对比，取最大值对应的诊断结果作为最终诊断结果。
第二方面，本发明实施例提供一种滚动轴承故障诊断装置，包括：
获取模块，用于获取滚动轴承的相关参数与振动数据，所述相关参数包括下述至少一项：电机转速、所述滚动轴承的特征频率；
第一执行模块，用于对所述振动数据分别进行第一包络解调与第二包络解调，包括：对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，分别得到第一解调信号与第二解调信号；
第二执行模块，用于根据所述相关参数，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果；
第三执行模块，用于根据第一诊断结果与第二诊断结果，确定最终诊断结果。
第三方面，本发明实施例提供一种滚动轴承故障诊断设备，包括：存储器和至少一个处理器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的滚动轴承故障诊断方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现第一方面任一项所述的方法。
本发明实施例提供的滚动轴承故障诊断方法、装置、设备及存储介质，通过获取滚动轴承的相关参数与振动数据，对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，以得到第一解调信号与第二解调信号，并根据相关参数，对上述第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果，根据上述第一诊断结果与第二诊断结果确定最终诊断结果，能够提高滚动轴承故障诊断的准确性，降低滚动轴承使用过程中的风险。
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一简单地介绍，显而易见地，下面描述中的附图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为本发明实施例提供的一种应用场景示意图；
图2为本发明实施例提供的一种滚动轴承故障诊断方法的流程示意图；
图3为本发明实施例提供的另一种滚动轴承故障诊断方法的流程示意图；
图4为本发明实施例提供的一种滚动轴承故障诊断装置的结构示意图；
图5为本发明实施例提供的一种滚动轴承故障诊断设备的结构示意图。
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作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。
滚动轴承作为牵引电机的关键零部件，可以减少牵引电机中运转的轴与轴座之间的摩擦损失。当滚动轴承发生严重故障时，会导致牵引电机的失效。在一定程度上，对滚动轴承进行故障诊断可以在滚动轴承发生故障的早期发现问题，进而可以及时采取针对性措施。滚动轴承的振动加速度有效值、峭度、歪度等指标是判断滚动轴承是否故障的重要特征指标，然而，由于牵引电机在铁路上运行时的工作环境恶劣、工况复杂，上述指标受外界因素的干扰较大，导致滚动轴承故障诊断准确性低。
为了解决上述问题，本发明实施例通过采用多次第一包络解调和基于最大谱峭度的第二包络解调对滚动轴承降噪处理后的振动数据进行包络分析，进而对解调处理得到的第一解调信号与第二解调信号分别进行故障识别，并确定最终诊断结果，通过联合诊断的方法，提高了滚动轴承故障诊断的准确性，且可实现对滚动轴承的实时诊断，及时发现滚动轴承故障并进行报警提示，同时减少了运行维护量，降低了牵引电机的运行维护成本。
图1为本发明实施例提供的一种应用场景示意图。如图1所示，滚动轴承故障诊断设备可获取牵引电机上滚动轴承的振动数据以及相关参数，并对上述振动数据以及相关参数进行计算处理，得到最终诊断结果，然后将该最终诊断结果显示在诊断界面上并进行相关报警提示。
图2为本发明实施例提供的一种滚动轴承故障诊断方法的流程示意图。本发明实施例中方法的执行主体可以为滚动轴承故障诊断设备。如图2所示，本实施例中的方法，可以包括：
步骤201、获取滚动轴承的相关参数与振动数据，相关参数包括下述至少一项：电机转速、滚动轴承的特征频率。
本实施例中，每隔第一预设时间获取滚动轴承的振动数据，上述第一预设时间可以根据滚动轴承的工况和参数设定，上述振动数据可以通过振动传感器和数字信号采集设备检测获得，该振动数据为时域数据。电机转速为电机的实时转速，可由转速传感器实时检测获得。获取滚动轴承的相关参数中滚动轴承的特征频率，具体可以为：获取用户在诊断界面输入滚动轴承的特征频率的操作，根据上述操作获取滚动轴承的特征频率。上述诊断界面可以为触摸屏或按键屏，在此不做具体限制。
滚动轴承的特征频率对应滚动轴承的各个特征部件，上述特征部件可以包括：保持架、滚动体、外圈以及内圈，相应的，滚动轴承的特征频率可以包括：保持架频率、滚动体频率、外圈频率以及内圈频率。同一滚动轴承的特征部件对应的特征频率相同。
步骤202、对振动数据分别进行第一包络解调与第二包络解调，包括：对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，分别得到第一解调信号与第二解调信号。
本实施例中，上述降噪处理后的振动数据为时域数据，第一解调信号与第二解调信号均为时域数据。对获取到的振动数据先进行降噪处理，以去除上述振动数据中的干扰信号，然后对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，得到第一解调信号与第二解调信号。
步骤203、根据相关参数，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果。
本实施例中，根据相关参数，对第一解调信号进行故障识别，得到第一诊断结果，对第二解调信号进行故障识别，得到第二诊断结果。
步骤204、根据第一诊断结果与第二诊断结果，确定最终诊断结果。
本实施例中，基于第一包络解调与第二包络解调，分别得到第一诊断结果与第二诊断结果，进而根据上述诊断结果确定最终诊断结果。通过采用联合诊断方法，可以提高故障诊断结果的准确性。
本实施例提供的滚动轴承故障诊断方法，通过获取滚动轴承的相关参数与振动数据，对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，并根据相关参数对解调处理后得到的第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果，然后根据上述第一诊断结果与第二诊断结果确定最终诊断结果，能够通过联合诊断方法，提高滚动轴承故障诊断的准确性，降低滚动轴承使用过程中的风险。
为准确提取振动数据中的故障信号，本发明实施例将对降噪处理后的振动数据进行多次第一包络解调，以及基于最大谱峭度的第二包络解调。
图3为本发明实施例提供的另一种滚动轴承故障诊断方法的流程示意图。如图3所示，本实施例是在上述实施例提供的技术方案的基础上，对第一包络解调、第二包络解调以及故障识别的详细描述。本实施例中的方法，可以包括：
步骤301、获取滚动轴承的相关参数与振动数据，相关参数包括下述至少一项：电机转速、滚动轴承的特征频率。
本实施例中步骤301的具体实现过程和原理可以参见前述实施例，此处不再赘述。
步骤302、根据最小熵反褶积方法，对振动数据进行降噪处理，得到降噪处理后的振动数据。
具体来说，执行根据最小熵反褶积方法，对振动数据进行降噪处理的步骤，具体可包括：将振动数据作为本次输入信号，对本次输入信号求本次自相关矩阵，并根据本次输入信号计算本次降噪处理得到的本次时域信号；根据本次输入信号以及本次时域信号，得到本次中间变量，根据本次自相关矩阵以及本次中间变量，得到本次滤波器系数矩阵；根据本次滤波器系数矩阵与预设滤波器系数计算本次误差，若本次误差大于预设误差阈值，则以本次时域信号作为下一次输入信号进行下一次降噪处理，若本次误差小于或等于预设误差阈值，则以本次时域信号作为降噪处理后的振动数据。
本实施例中，根据最小熵反褶积方法对振动数据进行降噪处理，用以去除振动数据中的干扰信号，提高其信噪比。
步骤303、根据电机转速与滚动轴承的特征频率，得到故障频率。
本实施例中，上述故障频率可根据故障频率计算公式计算获得：故障频率＝(电机转速/60)×滚动轴承的特征频率。滚动轴承的特征频率包括保持架频率、滚动体频率、外圈频率以及内圈频率，相应的，故障频率包括保持架故障频率、滚动体故障频率、外圈故障频率以及内圈故障频率。
步骤304、对降噪处理后的振动数据进行第一包络解调，得到第一解调信号。
其中可选的，执行对降噪处理后的振动数据进行第一包络解调的步骤，具体可包括：根据预设包络解调次数，对降噪处理后的振动数据进行多次第一包络解调，以得到多个第一解调信号；
其中，每次第一包络解调包括：对降噪处理后的振动数据进行傅里叶变换，得到本次第一频域信号；根据本次第一频域信号确定本次第一中心频率，根据本次第一中心频率对降噪处理后的振动数据进行带通滤波处理，得到本次第一时域信号；对本次第一时域信号进行包络分析，得到本次第一解调信号；对本次第一频域信号进行相应幅值置零处理，得到下一次第一频域信号用于下一次第一包络解调。
具体的，获取滚动轴承的相关参数中，还可以包括采样频率，可通过获取用户在诊断界面输入采样频率的操作获取采样频率。根据采样频率以及本次第一频域信号的长度计算本次第一频率分辨率。根据本次第一频域信号确定本次第一中心频率，可以为取本次第一频域信号中最大值对应的频率作为本次第一中心频率，根据本次第一中心频率与故障频率确定本次第一频带，进而根据本次第一频带，以本次第一中心频率为中心频率对降噪处理后的振动数据进行带通滤波处理，得到本次第一时域信号。对本次第一频域信号进行相应幅值置零处理，可以为根据本次第一频率分辨率，将第一频域信号中本次第一频带对应的幅值置零，以得到下一次第一频域信号用于下一次第一包络解调。第一频域信号为频域数据，第一时域信号为时域数据。
本实施例中，通过对降噪处理后的振动数据进行多次第一包络解调，可以提取更多的故障信号，从而更准确地提取振动数据中的故障信号。
步骤305、对降噪处理后的振动数据进行第二包络解调，得到第二解调信号。
其中可选的，执行对降噪处理后的振动数据进行第二包络解调的步骤，具体可包括：对降噪处理后的振动数据进行傅里叶变换，得到第一频域信号；根据预设的迭代步长对第一频域信号进行多次迭代运算，以得到若干谱峭度；从各谱峭度中选出最大谱峭度，并确定其对应的第二频带；根据第二频带对降噪处理后的振动数据进行带通滤波处理，得到第二时域信号；对第二时域信号进行包络分析，得到第二解调信号。
具体的，根据采样频率以及第一频域信号的长度计算第二频率分辨率。根据预设的迭代步长对第一频域信号进行多次迭代运算，以得到若干谱峭度，可以为根据第二频率分辨率、故障频率以及预设的本次第二中心频率计算本次第二频带及第二长度，根据本次第二长度计算第一频域信号中本次第二频带对应的本次谱峭度，根据预设的迭代步长计算下一次第二中心频率以进行下一次迭代运算，直至预设的迭代运算完成。
本实施例中，对降噪处理后的振动数据进行基于最大谱峭度的第二包络解调，通过提高包含故障信号的谱峭度的值，进而可以更准确地提取振动数据中的故障信号。
可以理解的是，本领域技术人员可以根据实际需要调整上述步骤的顺序，例如，步骤304可以和步骤305同时执行。
步骤306、根据故障频率，对第一解调信号进行故障识别，得到第一诊断结果。
其中可选的，执行故障识别的步骤，具体可包括：根据第一解调信号计算其对应的频域信号，确定该频域信号中各故障频率对应的第一幅值以及各故障频率的二倍频对应的第二幅值，根据第一幅值以及第二幅值得到第一加权和；根据故障频率计算有效包络频段的幅值的平均值，根据所述第一加权和与所述平均值得到第一比值，将第一比值与预设故障阈值进行对比，确定诊断结果。
具体的，上述故障识别包括：根据第一解调信号计算其对应的频域信号，根据采样频率以及第一解调信号的长度计算第三频率分辨率，根据第三频率分辨率以及预设误差长度确定上述频域信号中各故障频率对应的第一幅值以及各故障频率的二倍频对应的第二幅值，对任一故障频率对应的第一幅值以及第二幅值进行加权和计算，得到第一加权和，根据故障频率计算有效包络频段的幅值的平均值，将上述第一加权和与平均值进行比值计算，得到第一比值，因各故障频率分别对应各特征部件，相应的，得到的与各故障频率对应的各第一比值，也分别对应各特征部件，将上述第一比值与预设故障阈值进行对比，判断第一比值是否大于或等于预设故障阈值，若是，则该第一比值对应的特征部件故障，若否，则该第一比值对应的特征部件无故障。其中，上述预设故障阈值可以根据滚动轴承的性能参数设定。
示例性的，对第一包络解调得到的多个第一解调信号分别进行故障识别，得到每次第一包络解调中与各故障频率对应的各第一比值，也就是各特征部件对应的各第一比值，以及该次诊断结果，将同一故障频率对应的多次第一包络解调得到的多个第一比值进行加权平均处理，得到该故障频率的最终比值，将各故障频率对应的最终比值与预设故障阈值进行对比，取数值大于或等于预设故障阈值且数值最大的最终比值对应的特征部件为第一诊断结果中的故障特征部件，即第一诊断结果为该特征部件故障，该特征部件对应的最终比值即为第一诊断结果对应的比值。若多个最终比值均大于或等于预设故障阈值，且该多个最终比值的数值最大且相等，则该多个最终比值对应的多个特征部件均为第一诊断结果中的故障特征部件。若最终比值均小于预设故障阈值，则第一诊断结果为无故障。
表1为本发明实施例提供的对第一解调信号进行故障识别后得到的各特征部件对应的比值表。
表1
以解调信号对应的频域信号中，故障频率对应的第一幅值以及其二倍频对应的第二幅值的加权和与有效包络频段的幅值的平均值得到的比值作为诊断依据，可以减少外界因素的影响与干扰，提高最终诊断结果的准确性。
进一步的，上述每次第一包络解调对应的该次诊断结果可以在诊断界面上显示。
步骤307、根据故障频率，对第二解调信号进行故障识别，得到第二诊断结果。
本实施例中，对第二解调信号进行故障识别的具体实现过程和原理可以参见前述实施例，此处不再赘述。
示例性的，对第二包络解调得到的第二解调信号进行计算得到其对应的频域信号，根据采样频率以及第二解调信号的长度计算第四频率分辨率，根据第四频率分辨率以及预设误差长度确定上述频域信号中各故障频率对应的第一幅值以及各故障频率的二倍频对应的第二幅值，对任一故障频率对应的第一幅值以及第二幅值进行加权和计算，得到第二加权和，根据故障频率计算有效包络频段的幅值的平均值，将上述第二加权和与平均值进行比值计算，得到第二比值，将上述第二比值与预设故障阈值进行对比，判断第二比值是否大于或等于预设故障阈值，取数值大于或等于预设故障阈值且数值最大的第二比值对应的特征部件为第二诊断结果中的故障特征部件，即第二诊断结果为该特征部件故障，该特征部件对应的第二比值即为第二诊断结果对应的比值。若多个第二比值均大于或等于预设故障阈值，且该多个第二比值的数值最大且相等，则该多个第二比值对应的多个特征部件均为第二诊断结果中的故障特征部件。若上述第二比值均小于预设故障阈值，则第二诊断结果为无故障。
表2为本发明实施例提供的对第二解调信号进行故障识别后得到的各特征部件对应的比值表。
表2
可以理解的是，本领域技术人员可以根据实际需要调整上述步骤的顺序，例如，步骤306可以和步骤307同时执行。
步骤308、若第一诊断结果与第二诊断结果相同，则取任一诊断结果作为最终诊断结果。
本实施例中，将第一诊断结果与第二诊断结果进行对比，若二者相同，则取第一诊断结果或第二诊断结果作为最终诊断结果。例如，若第一诊断结果为外圈故障，第二诊断结果也为外圈故障，则最终诊断结果为外圈故障。
步骤309、若第一诊断结果与第二诊断结果不相同，则将第一诊断结果对应的比值与第二诊断结果对应的比值进行对比，取最大值对应的诊断结果作为最终诊断结果。
本实施例中，将第一诊断结果与第二诊断结果进行判定，若二者不同，则将第一诊断结果对应的比值与第二诊断结果对应的比值进行对比，取数值最大的比值对应的诊断结果作为最终诊断结果；若第一诊断结果对应的比值与第二诊断结果对应的比值相同，则将第一诊断结果与第二诊断结果同时作为最终诊断结果。
为使用户可以实时观察到滚动轴承故障诊断结果，可选的，可以将最终诊断结果在诊断界面上进行显示，并进行相关报警提示，例如，若最终诊断结果为有故障且为“外圈故障”，则在诊断界面上显示“外圈故障”，若最终诊断结果为无故障，则在诊断界面上显示“无故障”或不显示。
进一步的，当最终诊断结果为有故障，则可以生成报警信号以控制报警装置进行报警。上述报警装置可安装在诊断界面面板上，可以包括指示灯与蜂鸣器等。例如，当最终诊断结果为有故障且为“外圈故障”，则生成相应的报警信号用以控制指示灯发出红光，同时控制蜂鸣器发出蜂鸣声。
上述指示灯可以设置为多个不同颜色的指示灯，即不同颜色的指示灯分别对应不同的特征部件。例如，当最终诊断结果为有故障且为“外圈故障”，则生成相应的报警信号用以控制与外圈对应的指示灯发出红光，当最终诊断结果为有故障且为“滚动体故障”，则生成相应的报警信号用以控制与滚动体对应的指示灯发出黄光。
为使用户可以对历史振动数据进行故障诊断，可选的，可以将每隔第一预设时间获取到的滚动轴承的振动数据存储至存储器，相应的，可以通过获取滚动轴承的振动数据对应的数据序号来获取相应的历史振动数据。具体可以为，获取用户在诊断界面输入数据序号的操作，获取用户在诊断界面输入的数据读取指令，根据数据读取指令读取数据序号对应的振动数据，进而对上述振动数据进行降噪、解调以及故障识别处理，确定最终诊断结果，实现对历史振动数据的故障诊断。
本实施例中，通过获取滚动轴承的相关参数与振动数据，根据相关参数确定故障频率，并根据最小熵反褶积方法对振动数据进行降噪处理，然后对降噪处理后的振动数据进行多次第一包络解调以得到多个第一解调信号，进行基于最大谱峭度的第二包络解调以得到第二解调信号，分别对上述第一解调信号与第二解调信号进行故障识别，得到第一诊断结果以及第二诊断结果，进而确定最终诊断结果，能够根据两种包络解调更准确地提取振动数据中的故障信号，并根据联合诊断方法，提高滚动轴承故障诊断的准确性，降低滚动轴承使用过程中的风险。
图4为本发明实施例提供的一种滚动轴承故障诊断装置的结构示意图。如图4所示，本实施例提供的滚动轴承故障诊断装置，可以包括：获取模块41、第一执行模块42、第二执行模块43和第三执行模块44。
获取模块41，用于获取滚动轴承的相关参数与振动数据，所述相关参数包括下述至少一项：电机转速、所述滚动轴承的特征频率；
第一执行模块42，用于对所述振动数据分别进行第一包络解调与第二包络解调，包括：对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，分别得到第一解调信号与第二解调信号；
第二执行模块43，用于根据所述相关参数，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果；
第三执行模块44，用于根据第一诊断结果与第二诊断结果，确定最终诊断结果。
在一种可选的实现方式中，所述第一执行模块42在对所述振动数据分别进行第一包络解调与第二包络解调之前，具体用于：
根据最小熵反褶积方法，对所述振动数据进行降噪处理，得到降噪处理后的振动数据。
在一种可选的实现方式中，所述第二执行模块43具体用于：
根据所述电机转速与所述滚动轴承的特征频率，得到故障频率；
根据所述故障频率，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果。
在一种可选的实现方式中，所述第一执行模块42在对所述降噪处理后的振动数据进行第一包络解调，得到第一解调信号时，具体用于：
根据预设包络解调次数，对降噪处理后的振动数据进行多次第一包络解调，以得到多个第一解调信号；
其中，每次第一包络解调包括：
对降噪处理后的振动数据进行傅里叶变换，得到本次第一频域信号；
根据所述本次第一频域信号确定本次第一中心频率，根据所述本次第一中心频率对所述降噪处理后的振动数据进行带通滤波处理，得到本次第一时域信号；
对本次第一时域信号进行包络分析，得到本次第一解调信号；
对本次第一频域信号进行相应幅值置零处理，得到下一次第一频域信号用于下一次第一包络解调。
在一种可选的实现方式中，所述第一执行模块42在对所述降噪处理后的振动数据进行第二包络解调，得到第二解调信号时，还具体用于：
对降噪处理后的振动数据进行傅里叶变换，得到第一频域信号；
根据预设的迭代步长对所述第一频域信号进行多次迭代运算，以得到若干谱峭度；
从各谱峭度中选出最大谱峭度，并确定其对应的第二频带；
根据所述第二频带对所述降噪处理后的振动数据进行带通滤波处理，得到第二时域信号；
对第二时域信号进行包络分析，得到第二解调信号。
在一种可选的实现方式中，所述第二执行模块43在故障识别时，具体用于：
根据解调信号计算其对应的频域信号，确定所述频域信号中各故障频率对应的第一幅值以及其二倍频对应的第二幅值，根据第一幅值以及第二幅值得到加权和；
根据故障频率计算有效包络频段的幅值的平均值，根据所述加权和与所述平均值得到比值，将所述比值与预设故障阈值进行对比，确定诊断结果。
在一种可选的实现方式中，所述第三执行模块44具体用于：
若第一诊断结果与第二诊断结果相同，则取任一诊断结果作为最终诊断结果；
若第一诊断结果与第二诊断结果不相同，则将第一诊断结果对应的比值与第二诊断结果对应的比值进行对比，取最大值对应的诊断结果作为最终诊断结果。
本实施例提供的滚动轴承故障诊断装置，可以执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图5为本发明实施例提供的一种滚动轴承故障诊断设备的结构示意图。如图5所示，本实施例提供的滚动轴承故障诊断设备，可以包括：存储器51和至少一个处理器52；
所述存储器51存储计算机执行指令；
所述至少一个处理器52执行所述存储器51存储的计算机执行指令，使得所述至少一个处理器52执行上述任一实施例所述的滚动轴承故障诊断方法。
其中，存储器51和处理器52可以通过总线53连接。
本实施例提供的滚动轴承故障诊断设备的具体实现原理和效果可以参见图1-图3所示实施例对应的相关描述和效果，此处不做过多赘述。
本发明实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上述任一实施例所述的方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上述任一实施例所述的方法。
其中，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本申请各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application SpecificIntegrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。
Claims (6)
1.一种滚动轴承故障诊断方法，其特征在于，包括：
获取滚动轴承的相关参数与振动数据，所述相关参数包括下述至少一项：电机转速、所述滚动轴承的特征频率；
对所述振动数据分别进行第一包络解调与第二包络解调，包括：对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，分别得到第一解调信号与第二解调信号；
根据所述相关参数，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果；
根据第一诊断结果与第二诊断结果，确定最终诊断结果；
所述对降噪处理后的振动数据进行第一包络解调，得到第一解调信号，包括：
根据预设包络解调次数，对降噪处理后的振动数据进行多次第一包络解调，以得到多个第一解调信号；
其中，每次第一包络解调包括：
对降噪处理后的振动数据进行傅里叶变换，得到本次第一频域信号；
根据所述本次第一频域信号确定本次第一中心频率，根据所述本次第一中心频率对所述降噪处理后的振动数据进行带通滤波处理，得到本次第一时域信号；
对本次第一时域信号进行包络分析，得到本次第一解调信号；
对本次第一频域信号进行相应幅值置零处理，得到下一次第一频域信号用于下一次第一包络解调；
所述对降噪处理后的振动数据进行第二包络解调，得到第二解调信号，包括：
对降噪处理后的振动数据进行傅里叶变换，得到第一频域信号；
根据预设的迭代步长对所述第一频域信号进行多次迭代运算，以得到若干谱峭度；
从各谱峭度中选出最大谱峭度，并确定其对应的第二频带；
根据所述第二频带对所述降噪处理后的振动数据进行带通滤波处理，得到第二时域信号；
对第二时域信号进行包络分析，得到第二解调信号；
所述故障识别，包括：
根据解调信号计算其对应的频域信号，确定所述频域信号中各故障频率对应的第一幅值以及其二倍频对应的第二幅值，根据第一幅值以及第二幅值得到加权和；
根据故障频率计算有效包络频段的幅值的平均值，根据所述加权和与所述平均值得到比值，将所述比值与预设故障阈值进行对比，确定诊断结果；
根据第一诊断结果与第二诊断结果，确定最终诊断结果，包括：
若第一诊断结果与第二诊断结果相同，则取任一诊断结果作为最终诊断结果；
若第一诊断结果与第二诊断结果不相同，则将第一诊断结果对应的比值与第二诊断结果对应的比值进行对比，取最大值对应的诊断结果作为最终诊断结果。
2.根据权利要求1所述的方法，其特征在于，所述对所述振动数据分别进行第一包络解调与第二包络解调之前，包括：
根据最小熵反褶积方法，对所述振动数据进行降噪处理，得到降噪处理后的振动数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述相关参数，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果，包括：
根据所述电机转速与所述滚动轴承的特征频率，得到故障频率；
根据所述故障频率，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果。
4.一种滚动轴承故障诊断装置，其特征在于，包括：
获取模块，用于获取滚动轴承的相关参数与振动数据，所述相关参数包括下述至少一项：电机转速、所述滚动轴承的特征频率；
第一执行模块，用于对所述振动数据分别进行第一包络解调与第二包络解调，包括：对降噪处理后的振动数据分别进行第一包络解调与第二包络解调，分别得到第一解调信号与第二解调信号；
第二执行模块，用于根据所述相关参数，对第一解调信号与第二解调信号分别进行故障识别，得到第一诊断结果与第二诊断结果；
第三执行模块，用于根据第一诊断结果与第二诊断结果，确定最终诊断结果；
所述第一执行模块在对所述降噪处理后的振动数据进行第一包络解调，得到第一解调信号时，具体用于：
根据预设包络解调次数，对降噪处理后的振动数据进行多次第一包络解调，以得到多个第一解调信号；
其中，每次第一包络解调包括：
对降噪处理后的振动数据进行傅里叶变换，得到本次第一频域信号；
根据所述本次第一频域信号确定本次第一中心频率，根据所述本次第一中心频率对所述降噪处理后的振动数据进行带通滤波处理，得到本次第一时域信号；
对本次第一时域信号进行包络分析，得到本次第一解调信号；
对本次第一频域信号进行相应幅值置零处理，得到下一次第一频域信号用于下一次第一包络解调；
所述第一执行模块在对所述降噪处理后的振动数据进行第二包络解调，得到第二解调信号时，还具体用于：
对降噪处理后的振动数据进行傅里叶变换，得到第一频域信号；
根据预设的迭代步长对所述第一频域信号进行多次迭代运算，以得到若干谱峭度；
从各谱峭度中选出最大谱峭度，并确定其对应的第二频带；
根据所述第二频带对所述降噪处理后的振动数据进行带通滤波处理，得到第二时域信号；
对第二时域信号进行包络分析，得到第二解调信号；
所述第二执行模块在故障识别时，具体用于：
根据解调信号计算其对应的频域信号，确定所述频域信号中各故障频率对应的第一幅值以及其二倍频对应的第二幅值，根据第一幅值以及第二幅值得到加权和；
根据故障频率计算有效包络频段的幅值的平均值，根据所述加权和与所述平均值得到比值，将所述比值与预设故障阈值进行对比，确定诊断结果；
所述第三执行模块具体用于：
若第一诊断结果与第二诊断结果相同，则取任一诊断结果作为最终诊断结果；
若第一诊断结果与第二诊断结果不相同，则将第一诊断结果对应的比值与第二诊断结果对应的比值进行对比，取最大值对应的诊断结果作为最终诊断结果。
5.一种滚动轴承故障诊断设备，其特征在于，包括：存储器和至少一个处理器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-3任一项所述的滚动轴承故障诊断方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-3任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011511803.5A CN112665857B (zh) | 2020-12-18 | 2020-12-18 | 滚动轴承故障诊断方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011511803.5A CN112665857B (zh) | 2020-12-18 | 2020-12-18 | 滚动轴承故障诊断方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112665857A CN112665857A (zh) | 2021-04-16 |
| CN112665857B true CN112665857B (zh) | 2024-02-06 |
Family
ID=75407237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011511803.5A Active CN112665857B (zh) | 2020-12-18 | 2020-12-18 | 滚动轴承故障诊断方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112665857B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113777488B (zh) * | 2021-09-14 | 2023-12-12 | 中国南方电网有限责任公司超高压输电公司昆明局 | 阀冷主泵电机的状态评估方法、装置、计算机设备 |
| CN114674552B (zh) * | 2022-03-21 | 2023-11-24 | 烟台杰瑞石油装备技术有限公司 | 齿轮箱的故障判别方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07174616A (ja) * | 1993-12-17 | 1995-07-14 | Ono Sokki Co Ltd | 検査装置 |
| EP1300668A1 (en) * | 2001-10-05 | 2003-04-09 | Chadwick-Helmuth Company Inc. | Method for the separation of epicyclic planet gear vibration signatures |
| CN106092565A (zh) * | 2016-06-08 | 2016-11-09 | 成都阜特科技股份有限公司 | 一种振动故障分析方法及其系统 |
| 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 |
| CN107505135A (zh) * | 2017-08-15 | 2017-12-22 | 河北建设集团卓诚路桥工程有限公司 | 一种滚动轴承复合故障提取方法及系统 |
| CN109030001A (zh) * | 2018-10-08 | 2018-12-18 | 电子科技大学 | 一种基于改进hht的滚动轴承故障诊断方法 |
| CN109635307A (zh) * | 2016-06-29 | 2019-04-16 | 潍坊学院 | 滚动轴承的wt、谱峭度和平滑迭代解调故障诊断方法 |
| CN111337250A (zh) * | 2020-03-17 | 2020-06-26 | 广州大学 | 基于虚拟仪器的机床状态故障诊断系统和方法 |
| CN111652031A (zh) * | 2019-12-02 | 2020-09-11 | 昆明理工大学 | 一种基于改进经验小波变换的滚动轴承故障诊断方法 |
| CN111898556A (zh) * | 2020-08-01 | 2020-11-06 | 华东交通大学 | 基于ck指标一致的轴承瞬态冲击特征提取方法 |
-
2020
- 2020-12-18 CN CN202011511803.5A patent/CN112665857B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07174616A (ja) * | 1993-12-17 | 1995-07-14 | Ono Sokki Co Ltd | 検査装置 |
| EP1300668A1 (en) * | 2001-10-05 | 2003-04-09 | Chadwick-Helmuth Company Inc. | Method for the separation of epicyclic planet gear vibration signatures |
| CN106092565A (zh) * | 2016-06-08 | 2016-11-09 | 成都阜特科技股份有限公司 | 一种振动故障分析方法及其系统 |
| CN109635307A (zh) * | 2016-06-29 | 2019-04-16 | 潍坊学院 | 滚动轴承的wt、谱峭度和平滑迭代解调故障诊断方法 |
| 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 |
| CN107505135A (zh) * | 2017-08-15 | 2017-12-22 | 河北建设集团卓诚路桥工程有限公司 | 一种滚动轴承复合故障提取方法及系统 |
| CN109030001A (zh) * | 2018-10-08 | 2018-12-18 | 电子科技大学 | 一种基于改进hht的滚动轴承故障诊断方法 |
| CN111652031A (zh) * | 2019-12-02 | 2020-09-11 | 昆明理工大学 | 一种基于改进经验小波变换的滚动轴承故障诊断方法 |
| CN111337250A (zh) * | 2020-03-17 | 2020-06-26 | 广州大学 | 基于虚拟仪器的机床状态故障诊断系统和方法 |
| CN111898556A (zh) * | 2020-08-01 | 2020-11-06 | 华东交通大学 | 基于ck指标一致的轴承瞬态冲击特征提取方法 |
Non-Patent Citations (5)
| Title |
|---|
| Autonomous Bearing Fault Diagnosis Method based on Envelope Spectrum;Andreas Klausen, Kjell G. Robbersmyr;IFAC-PapersOnLine;第50卷(第1期);13378-13383 * |
| Distributed bearing fault diagnosis based on vibration analysis;Boštjan Dolenc, Pavle Boškoski, Đani Juričić;Mechanical Systems and Signal Processing;第66-67卷;521-532 * |
| Envelope order tracking for fault detection in rolling element bearings;Yu Guo, Ting-Wei Liu ， Jing Na;Journal of Sound and Vibration;第331卷(第25期);5644-5654 * |
| 基于包络阶比分析的太阳轮故障特征提取;王志乐，王波;太阳能学报;第41卷(第9期);318-323 * |
| 煤矿机械齿轮箱故障诊断方法;刘永亮;工矿自动化;第46卷(第11期);12-16 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112665857A (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108195587B (zh) | 一种电机滚动轴承故障诊断方法及其诊断系统 | |
| CN112665857B (zh) | 滚动轴承故障诊断方法、装置、设备及存储介质 | |
| CN110017991B (zh) | 基于谱峭度和神经网络的滚动轴承故障分类方法及系统 | |
| US6442542B1 (en) | Diagnostic system with learning capabilities | |
| CN109635334A (zh) | 基于粒子群优化的滚动轴承故障诊断方法、系统及介质 | |
| CN109612732A (zh) | 一种基于解卷积和包络谱的滚动轴承故障诊断方法 | |
| CN109765055B (zh) | 基于ewt、谱有效值和knn的滚动轴承故障检测方法及系统 | |
| CN112101174A (zh) | 一种基于LOF-Kurtogram的机械故障诊断方法 | |
| Huang et al. | Multiple time-frequency curve extraction Matlab code and its application to automatic bearing fault diagnosis under time-varying speed conditions | |
| CN108324271B (zh) | 心电信号识别方法、系统和心电监测设备 | |
| CN109030849B (zh) | 压缩机旋转失速的监测方法及装置 | |
| CN111238813B (zh) | 一种强干扰下提取滚动轴承故障特征的方法 | |
| Barbini et al. | Phase editing as a signal pre-processing step for automated bearing fault detection | |
| CN112326213B (zh) | 异常数据检测方法及装置、机械故障检测方法及装置 | |
| DE102017200761A1 (de) | Vorrichtung zur überwachung eines rotierenden elements und entsprechendes verfahren | |
| Soave et al. | Blind deconvolution criterion based on Fourier–Bessel series expansion for rolling element bearing diagnostics | |
| CN113092114A (zh) | 一种轴承故障诊断方法、装置及存储介质 | |
| CN108398260B (zh) | 基于混合概率方法的齿轮箱瞬时角速度的快速评估方法 | |
| CN114689298A (zh) | 采煤机行走部的故障检测方法及装置 | |
| JP3333494B2 (ja) | 装置の異常診断方法 | |
| CN112857804A (zh) | 一种滚动轴承故障诊断的方法、装置、介质及计算机设备 | |
| CN114850968A (zh) | 基于振动模型的刀具磨损监测方法、装置、终端及介质 | |
| CN109612726A (zh) | 一种用于振动信号特征提取的多重超阶分析方法 | |
| CN117851872B (zh) | 一种航空发动机高频振动处理诊断方法及系统 | |
| Tang et al. | Rolling bearing diagnosis based on an unbiased-autocorrelation morphological filter method |
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 |