CN112858485A - 一种转子碰摩故障声发射诊断方法 - Google Patents
一种转子碰摩故障声发射诊断方法 Download PDFInfo
- Publication number
- CN112858485A CN112858485A CN202110056167.XA CN202110056167A CN112858485A CN 112858485 A CN112858485 A CN 112858485A CN 202110056167 A CN202110056167 A CN 202110056167A CN 112858485 A CN112858485 A CN 112858485A
- Authority
- CN
- China
- Prior art keywords
- rotor
- component
- acoustic emission
- emission signal
- rub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000003745 diagnosis Methods 0.000 title claims abstract description 24
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 20
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 6
- 238000001228 spectrum Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4472—Mathematical theories or simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种转子碰摩故障声发射诊断方法,采集转子碰摩声的发射信号x(t);对采集到的发射信号x(t)进行经验模态分解,得到n个本征模态分量ci(t)和残差分量rn(t);计算进行经验模态分解后的n个本征模态分量ci(t)的香农熵H(p),找到香农熵H(p)的第一个局部极大值点,保留极大值点及之前的本征模态分量ci(t)进行重构,得到重构的本征模态分量ci(t)’,进而得到重构后的发射信号x(t)’;对重构的发射信号x(t)’进行1.5维Teager能量谱分析,得到发射信号x(t)的频率特征,实现转子碰摩故障诊断。本发明对早期碰摩信号更加敏感、频带宽、能检测出微弱碰摩故障,能够在转子碰摩未引发转子系统较强振动之前检测出转子碰摩故障,避免造成巨大的经济损失和人员伤亡。
Description
技术领域
本发明涉及旋转机械故障诊断技术领域,具体为一种基于声发射信号的转子碰摩故障的诊断方法。
背景技术
转子系统作为旋转机械重要的组成部分,一旦发生故障,都将造成极大的经济损失,甚至造成人员伤亡。因此,尽早发现转子故障具有重大的意义。
随着机械设备自动化的发展,为了实现机械设备的高效率,转子系统的动、静转子之间的间隙越来越小,因此也造成了转子碰摩故障的发生率大幅提高。据统计,目前国内外转子系统的故障有30%都是由转子碰摩故障造成的,而且对于转子碰摩的故障诊断方法大多采用振动信号进行故障诊断,但振动故障信号来源较多,很难区分出碰摩故障信号。现有的诊断方法较难发现转子碰摩的早期故障,一旦发生故障,将造成巨大的损失。
发明内容
发明目的:本发明提出一种碰摩故障声发射诊断方法,其目的在于解决现有的诊断方法很难区分出碰摩故障信号,不能早期发现微弱转子碰摩故障的问题。技术方案:
一种转子碰摩故障声发射诊断方法,步骤如下:
1)、采集转子碰摩声的发射信号x(t);
2)、对采集到的发射信号x(t)进行经验模态分解,得到n个本征模态分量ci(t)和残差分量rn(t);
3)、计算进行经验模态分解后的n个本征模态分量ci(t)的香农熵H(p),找到香农熵H(p)的第一个局部极大值点,保留极大值点及之前的本征模态分量ci(t)进行重构,得到重构的本征模态分量ci(t)’,进而得到重构后的发射信号x(t)’;
4)、对重构的发射信号x(t)’进行1.5维Teager能量谱分析,得到发射信号x(t)的频率特征,实现转子碰摩故障诊断。
步骤2)中,经验模态分解步骤为:
(1)求取发射信号x(t)的局部极大值点和极小值点;
(2)通过三次样条插值方法对发射信号x(t)的极值点进行拟合,得到发射信号x(t)的上包络xmax(t)和下包络线xmin(t),对xmax(t)和xmin(t)求平均值得
(3)计算发射信号x(t)与平均值m(t)的差值h(t),得到最终合适的第一尺度本征模态分量c1(t);
(4)求取发射信号x(t)与第一尺度本征模态分量c1(t)的差值,得到第一尺度残差量r1(t);
(5)将第一尺度残差量r1(t)作为发射信号x(t),重复步骤(1)—(4),直至得到第n尺度残差量rn(t),n>0,得到n个本征模态分量ci(t)和残差分量rn(t);
(6)最后,声发射信号x(t)被分解为n个IMF分量和一个残差的和的形式:
在步骤(3)中,若整个序列中差值h(t)过零点的数目与极值点的数目小于等于1个,且平均值m(t)为0,则得到最终合适的第一尺度本征模态分量c1(t);若整个序列中差值h(t)过零点的数目与极值点的数目大于1个,则对差值h(t)重复步骤(1)和(2),直至获得第一尺度本征模态分量c1(t)。
步骤(5)中,若第n个尺度残差分量rn(t)为单调函数或者常数,则EMD分解结束,得到n个本征模态分量ci(t)和残差分量rn(t);否则,继续重复步骤(1)—(4)直至EMD分解结束。
步骤3)中,本征模态分量ci(t)的香农熵H(p)计算方法为:
(1)用Si表示第i个IMF分量的能量,具体表达式为:
式中,N为采样个数;
(2)用S表示声发射信号的总能量,具体表达式为:
(3)计算n个本征模态函数ci(t)的香农熵H(p),具体表达式为
H(p)=-pilnpi
式中,pi表示第i个本征模态函数ci(t)占整个声发射信号x(t)的比重。
步骤4)中,1.5维Teager能量谱分析步骤为:
a、计算重构后的发射信号x(t)’的Teager能量;
b、计算1.5维Teager能量谱。
步骤a中发射信号x(t)’的Teager能量的表达式为:
步骤b中,计算1.5维Teager能量谱的步骤为:
b1计算声发射信号y(t)的三阶累计量的对角切片,具体表达式为:
R3y(τ,τ)=E{y(t)y(t+τ)y(t+τ)}
式中,E为期望,τ为时间延迟;
b2对三阶累积量的对角切片R3y(τ,τ)进行一阶傅里叶变换,得到采集声发射信号的1.5维Teager能量谱,具体表达式为:
B(w)=∫R3y(τ,τ)e-jwτdτ
式中,w代表频率R3y(τ,τ)表示三阶累积量的对角切片,τ表示时延,3y表示三阶累积量。
有益效果:
(1)本发明采用声发射技术检测转子碰摩故障,声发射检测灵敏度极高,可检测10-9~10-13m微小振动,而常用的振动检测最小位移可达到10-6m左右。因此声发射检测具有对早期碰摩信号更加敏感、频带宽、能检测出微弱碰摩故障的特点,能够在转子碰摩未引发转子系统较强振动之前检测出转子碰摩故障,避免造成巨大的经济损失和人员伤亡。
(2)本发明采用各本征模态分量的香农熵的局部极大值的选取规则,代替了根据相关系数等参数的重构分量的选取,实现了自动选取重构分量,更好的提取表征转子碰摩故障特征的IMF分量。
(3)本发明结合了经验模态分解、1.5维Teager能量谱的优点,加强转子碰摩产生的声发射冲击信号,提取声发射信号中的频率特征,实现转子碰摩的故障诊断。
附图说明
图1为转子碰摩故障诊断流程;
图2为转子正常运行声发射信号时域图;
图3为转子碰摩故障声发射信号时域图;
图4为转子正常运行状态下声发射信号经验模态分解结果图;
图5为转子碰摩故障声发射信号经验模态分解结果图;
图6为转子正常运行状态1.5维Teager能量谱图;
图7为转子碰摩故障1.5维Teager能量谱图。
具体实施方式
为了更加清楚的对该发明技术进行说明,下面结合附图对本发明进行进一步阐述。
如图1所示,本发明提出的一种转子碰摩故障诊断方法,具体步骤为:
1)、利用QPZZ-II实验台模拟转子系统的运行过程,将传感器采集到声发射信号作为研究对象。
具体为利用QPZZ-II实验台模拟转子系统运行状态,模拟转子系统正常运行、转子碰摩故障两种运行状态。实验时采用1MHz的采样频率,试验台利用调整电动机控制联轴器直接对转子系统进行控制,启动实验装置,将转速调节到转速为1100r/min,通过声发射传感器和前置放大器采集转子正常运行状态和碰摩故障运行状态的实验数据作为研究对象,采集到的时域波形图如图2和3所示。
2)、对采集到的发射信号x(t)进行经验模态分解,得到n个本征模态分量ci(t)和残差分量rn(t);
利用经验模态分解对采集到的声发射信号进行分解,得到8个本征模态函数和一个残余分量。转子系统正常运行和碰摩故障的经验模态分解结果图如图4和5所示。具体步骤为:
(1)求取声发射信号x(t)的局部极大值点和极小值点。
(2)通过三次样条插值方法对声发射信号x(t)的极值点进行拟合,得到信号的上包络xmax(t)和下包络线xmin(t)。对xmax(t)和xmin(t)求平均值得
(3)计算x(t)与m(t)的差值h(t)
h(t)=x(t)-m(t)
若h(t)满足:在整个序列中,过零点的数目与极值点的数目最多相差1个,且m(t)为0,则得到最终合适的第一尺度本征模态分量c1(t)。若h(t)不满足此条件,则对h(t)重复步骤(1)和(2),直至h(t)满足条件,并获得c1(t)。
(4)求取x(t)与c1(t)的差值,得到第一尺度残差量r1(t)。
(5)将r1(t)作为信号x(t),重复步骤(1)—(4),直至得到第n尺度残差量rn(t),n>0,得到n个本征模态分量ci(t)和残差分量rn(t)。若rn(t)为单调函数或常数,则EMD分解结束,得到n个本征模态分量ci(t)和残差分量rn(t)。否则,继续重复步骤(1)—(4)。
(6)通过以上步骤,声发射信号x(t)被分解为n个IMF分量和一个残差的和的形式:
3)、计算进行经验模态分解后的n个本征模态分量ci(t)的香农熵H(p),找到香农熵H(p)的第一个局部极大值点,保留极大值点及之前的本征模态分量ci(t)进行重构,得到重构的本征模态分量ci(t)’,进而得到重构后的发射信号x(t)’;
计算每个本征模态函数的香农熵,选取香农熵极大值及之前的IMF分量进行重构信号。根据如下公式计算IMF分量的香农熵,如表1所示。
1)用Si表示第i个IMF分量的能量,具体表达式为:
式中,N为采样个数;
3)计算n个本征模态函数ci(t)的香农熵H(p),具体表达式为
H(p)=-pi lnpi
式中,pi表示第i个本征模态函数ci(t)占整个声发射信号x(t)的比重。由表1可知,本实施例中第2个IMF分量最大,因此选取前两个IMF分量进行重构。
表1碰摩和正常运行状态下各IMF分量的香农熵
重构后的声发射x(t)’为:
4)、对重构的发射信号x(t)’进行1.5维Teager能量谱分析,得到发射信号x(t)的频率特征,实现转子碰摩故障诊断。具体步骤为:
(1)计算重构信号的Teager能量:
(2)计算y(t)的1.5维谱:
R3y(τ,τ)=E{y(t)y(t+τ)y(t+τ)}
B(w)=∫R3y(τ,τ)e-jwτdτ
式中,R3y(τ,τ)为三阶累积量的对角切片,w表示频率,τ表示时延,3y表示三阶累计量。
本发明采用声发射技术检测转子碰摩故障,声发射检测灵敏度极高,可检测10-9~10-13微小振动,如图6和7的1.5维Teager能量谱。从图6中可以发现当转子系统无碰摩故障时,未发现任何特征频率,当转子系统发生碰摩故障时,从图7中可以发现转子系统的转子基频及倍频成分,在振动检测未检测到之前,更早的实现了转子碰摩的故障诊断。
综上所述,利用本发明对声发射信号进行处理后,若波形中出现转子基频及倍频成分、幅值增大,则表明转子系统发生故障。
Claims (8)
1.一种转子碰摩故障声发射诊断方法,其特征在于:步骤如下:
1)、采集转子碰摩声的发射信号x(t);
2)、对采集到的发射信号x(t)进行经验模态分解,得到n个本征模态分量ci(t)和残差分量rn(t);
3)、计算进行经验模态分解后的n个本征模态分量ci(t)的香农熵H(p),找到香农熵H(p)的第一个局部极大值点,保留极大值点及之前的本征模态分量ci(t)进行重构,得到重构的本征模态分量ci(t)’,进而得到重构后的发射信号x(t)’;
4)、对重构的发射信号x(t)’进行1.5维Teager能量谱分析,得到发射信号x(t)的频率特征,实现转子碰摩故障诊断。
2.根据权利要求1所述的转子碰摩故障声发射诊断方法,其特征在于:步骤2)中,经验模态分解步骤为:
(1)求取发射信号x(t)的局部极大值点和极小值点;
(2)通过三次样条插值方法对发射信号x(t)的极值点进行拟合,得到发射信号x(t)的上包络xmax(t)和下包络线xmin(t),对xmax(t)和xmin(t)求平均值得
(3)计算发射信号x(t)与平均值m(t)的差值h(t),得到最终合适的第一尺度本征模态分量c1(t);
(4)求取发射信号x(t)与第一尺度本征模态分量c1(t)的差值,得到第一尺度残差量r1(t);
(5)将第一尺度残差量r1(t)作为发射信号x(t),重复步骤(1)—(4),直至得到第n尺度残差量rn(t),n>0,得到n个本征模态分量ci(t)和残差分量rn(t);
(6)最后,声发射信号x(t)被分解为n个IMF分量和一个残差的和的形式:
3.根据权利要求2所述的转子碰摩故障声发射诊断方法,其特征在于:在步骤(3)中,若整个序列中差值h(t)过零点的数目与极值点的数目小于等于1个,且平均值m(t)为0,则得到最终合适的第一尺度本征模态分量c1(t);若整个序列中差值h(t)过零点的数目与极值点的数目大于1个,则对差值h(t)重复步骤(1)和(2),直至获得第一尺度本征模态分量c1(t)。
4.根据权利要求2所述的转子碰摩故障声发射诊断方法,其特征在于:步骤(5)中,若第n个尺度残差分量rn(t)为单调函数或者常数,则EMD分解结束,得到n个本征模态分量ci(t)和残差分量rn(t);否则,继续重复步骤(1)—(4)直至EMD分解结束。
6.根据权利要求1所述的转子碰摩故障声发射诊断方法,其特征在于:步骤4)中,1.5维Teager能量谱分析步骤为:
a、计算重构后的发射信号x(t)’的Teager能量;
b、计算1.5维Teager能量谱。
8.根据权利要求6所述的转子碰摩故障声发射诊断方法,其特征在于:步骤b中,计算1.5维Teager能量谱的步骤为:
b1计算声发射信号y(t)的三阶累计量的对角切片,具体表达式为:
R3y(τ,τ)=E{y(t)y(t+τ)y(t+τ)}
式中,E为期望,τ为时间延迟;
b2对三阶累积量的对角切片R3y(τ,τ)进行一阶傅里叶变换,得到采集声发射信号的1.5维Teager能量谱,具体表达式为:
B(w)=∫R3y(τ,τ)e-jwτdτ
式中,w代表频率R3y(τ,τ)表示三阶累积量的对角切片,τ表示时延,3y表示三阶累积量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110056167.XA CN112858485B (zh) | 2021-01-15 | 2021-01-15 | 一种转子碰摩故障声发射诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110056167.XA CN112858485B (zh) | 2021-01-15 | 2021-01-15 | 一种转子碰摩故障声发射诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112858485A true CN112858485A (zh) | 2021-05-28 |
CN112858485B CN112858485B (zh) | 2024-04-19 |
Family
ID=76006937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110056167.XA Active CN112858485B (zh) | 2021-01-15 | 2021-01-15 | 一种转子碰摩故障声发射诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112858485B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115862681A (zh) * | 2023-03-01 | 2023-03-28 | 深圳市新凯来技术有限公司 | 转子碰摩故障声信号诊断方法、装置及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106017879A (zh) * | 2016-05-18 | 2016-10-12 | 河北工业大学 | 基于振声信号特征融合的万能式断路器机械故障诊断方法 |
CN108108659A (zh) * | 2017-11-23 | 2018-06-01 | 国网辽宁省电力有限公司 | 基于经验模态分解的孤岛检测关键特征提取方法 |
CN108254179A (zh) * | 2017-08-08 | 2018-07-06 | 常州路航轨道交通科技有限公司 | 一种基于meemd排列熵的高速列车轮对轴承故障诊断方法 |
CN108759871A (zh) * | 2018-07-03 | 2018-11-06 | 哈尔滨工业大学 | 一种基于改进emd预处理算法的捷联惯性导航系统粗对准方法 |
CN110263649A (zh) * | 2019-05-22 | 2019-09-20 | 北京化工大学 | 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法 |
CN110767315A (zh) * | 2019-11-07 | 2020-02-07 | 山东大学 | 基于心电信号量化分析的自主神经系统健康状态评估装置 |
CN110991004A (zh) * | 2019-11-06 | 2020-04-10 | 安徽大学 | 一种轴承故障诊断方法、终端设备及计算机存储介质 |
CN111089726A (zh) * | 2020-01-16 | 2020-05-01 | 东南大学 | 一种基于最优维数奇异谱分解的滚动轴承故障诊断方法 |
CN111414893A (zh) * | 2020-04-09 | 2020-07-14 | 北华大学 | 基于vmd精细复合多尺度散布熵的转子故障特征提取方法 |
-
2021
- 2021-01-15 CN CN202110056167.XA patent/CN112858485B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106017879A (zh) * | 2016-05-18 | 2016-10-12 | 河北工业大学 | 基于振声信号特征融合的万能式断路器机械故障诊断方法 |
CN108254179A (zh) * | 2017-08-08 | 2018-07-06 | 常州路航轨道交通科技有限公司 | 一种基于meemd排列熵的高速列车轮对轴承故障诊断方法 |
CN108108659A (zh) * | 2017-11-23 | 2018-06-01 | 国网辽宁省电力有限公司 | 基于经验模态分解的孤岛检测关键特征提取方法 |
CN108759871A (zh) * | 2018-07-03 | 2018-11-06 | 哈尔滨工业大学 | 一种基于改进emd预处理算法的捷联惯性导航系统粗对准方法 |
CN110263649A (zh) * | 2019-05-22 | 2019-09-20 | 北京化工大学 | 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法 |
CN110991004A (zh) * | 2019-11-06 | 2020-04-10 | 安徽大学 | 一种轴承故障诊断方法、终端设备及计算机存储介质 |
CN110767315A (zh) * | 2019-11-07 | 2020-02-07 | 山东大学 | 基于心电信号量化分析的自主神经系统健康状态评估装置 |
CN111089726A (zh) * | 2020-01-16 | 2020-05-01 | 东南大学 | 一种基于最优维数奇异谱分解的滚动轴承故障诊断方法 |
CN111414893A (zh) * | 2020-04-09 | 2020-07-14 | 北华大学 | 基于vmd精细复合多尺度散布熵的转子故障特征提取方法 |
Non-Patent Citations (1)
Title |
---|
唐贵基 等: "基于EEMD降噪和1.5维能量谱的滚动轴承故障诊断研究", 振动与冲击, vol. 33, no. 1, 31 December 2014 (2014-12-31), pages 6 - 10 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115862681A (zh) * | 2023-03-01 | 2023-03-28 | 深圳市新凯来技术有限公司 | 转子碰摩故障声信号诊断方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112858485B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Vibration feature extraction techniques for fault diagnosis of rotating machinery: a literature survey | |
CN113375939B (zh) | 基于svd和vmd的机械件故障诊断方法 | |
CN110779724B (zh) | 一种基于频域组稀疏降噪的轴承故障诊断方法 | |
CN109187023B (zh) | 一种汽车发电机轴承故障诊断方法 | |
CN112858485A (zh) | 一种转子碰摩故障声发射诊断方法 | |
CN111738068A (zh) | 一种转速波动工况下的传动轴故障诊断方法和系统 | |
CN114486263B (zh) | 一种旋转机械滚动轴承振动信号降噪解调方法 | |
Afia et al. | An early gear fault diagnosis method based on RLMD, Hilbert transform and cepstrum analysis | |
He et al. | Weak fault detection method of rolling bearing based on testing signal far away from fault source | |
CN104089778B (zh) | 一种水轮机振动故障诊断方法 | |
CN111523231B (zh) | 一种基于EEMD和Prony方法的次同步振荡分析方法 | |
CN117316172A (zh) | 一种机器人声发射信号的降噪方法及系统 | |
CN107941511A (zh) | 一种基于信号时频分解的频率—峭度图的实现方法 | |
CN112461552B (zh) | 电子助力制动系统的检测方法、系统及可读存储介质 | |
CN115014765B (zh) | 一种通过声信号提取滚动轴承保持架故障特征的方法 | |
Wang et al. | A model-based gear diagnostic technique | |
Kumar et al. | Denoising of vibration signal used in fault diagnosis of machine | |
CN114923689A (zh) | 一种基于局部特征尺度分解的滚动轴承故障诊断方法 | |
CN111709279B (zh) | 一种利用svd-emd算法分离微地震噪声混合信号的算法 | |
CN110320018B (zh) | 一种基于二阶循环平稳特性的旋转机械复合故障诊断方法 | |
Zheng et al. | Wavelet packet decomposition and neural network based fault diagnosis for elevator excessive vibration | |
Shuo et al. | Optimization of Laplace wavelet dictionary for sparse decomposition of early weak signal of rolling bearing based on artificial bee colony algorithm | |
Liu et al. | Research on local mean decomposition and extreme learning machine based circuit breaker fault diagnosis method | |
CN110569478A (zh) | 用于编码器信号分析的改进变分模态分解方法 | |
CN116337445B (zh) | 基于多尺度排列熵和峭度值融合因子的轴承故障提取方法 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Yu Yang Inventor after: Bai Guojun Inventor after: Long Hui Inventor after: Liu Qiang Inventor after: Yang Ping Inventor before: Yu Yang Inventor before: Long Hui Inventor before: Bai Guojun Inventor before: Liu Qiang Inventor before: Yang Ping |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |