CN113375933A - 一种刮板输送机故障诊断系统和诊断方法 - Google Patents
一种刮板输送机故障诊断系统和诊断方法 Download PDFInfo
- Publication number
- CN113375933A CN113375933A CN202110600560.0A CN202110600560A CN113375933A CN 113375933 A CN113375933 A CN 113375933A CN 202110600560 A CN202110600560 A CN 202110600560A CN 113375933 A CN113375933 A CN 113375933A
- Authority
- CN
- China
- Prior art keywords
- signal
- imf
- imf component
- scraper conveyor
- acoustic signal
- 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
- 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
- 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
- G01M13/025—Test-benches with rotational drive means and loading means; Load or drive simulation
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种刮板输送机故障诊断系统和诊断方法,属于采煤设备诊断技术领域。诊断系统包括声学信号采集模块,其包括采集端、信号调理单元和下位机,采集端布置于刮板输送机减速器驱动箱的轴端旁侧;处理终端,其诊断声学信号对应的减速器是否故障;交互模块,其与处理终端信号连接,给用户呈现诊断结果及采集的声学信号;电源,其为声学信号采集模块、处理终端及交互模块供电。本发明能对原始声音信号进行EMD分解后,筛选出最敏感IMF分量,剔除模态混叠段,然后进行滤波重构,有效解决了EMD分解过程中模态混叠现象,使信号特征更加显著,重构信号经VMD分解后对最敏感imf分量信号包络谱分析,得到准确有效的诊断结果,极大的提高了诊断维修的效率。
Description
技术领域
本发明属于采煤设备诊断技术领域,更具体地说,涉及一种刮板输送机故障诊断系统和诊断方法。
背景技术
刮板输送机是煤矿中不可或缺的重要输送设备,主要用于运输煤炭或矸石等物料,同时也作为液压支架的支点和采煤机的运行轨道,加之刮板输送机本身空载时自身重量较大、井下环境恶略等因素,使得其容易发生故障,其它设备也会因此无法运行,影响了整个系统的正常工作,对生产效率带来一定负面影响;减速机作为刮板输送机运行过程中的关键装置,其工作在多煤渣粉尘、潮湿的环境中,并且受落煤规格影响工作负载多变,其内部的齿轮轴承等关键部件极易受损诱发故障,在此影响下,减速机故障会引起整个采煤工作流程,产生巨大损失,甚至引发重大安全事故,严重影响安全生产。
传统的刮板输送机故障诊断是通过采集振动信号进行分析,其缺点在于:(1)、振动信号采集传感器属于直接接触式测量,正常工况下常采用螺纹连接,这种安装方式在强烈冲击振动的情况下会引起连接松动及传感器损坏,由于刮板输送机工作环境恶劣,很多情况下不适合采用接触时测量;此外由于传感器采用的是直接接触式测量进而会引起传感器共振,这会对信号中有用信息造成严重干扰;(2)、振动传感器安装时需要对设备壳体进行处理,安装位置不佳,则采集到的振动信号效果特征很微弱,频繁的更换安装位置会严重破坏了设备壳体,传感器安装位置可调节性差。
经检索,中国专利公开号:CN204346703U;公开日:2015年5月20日;公开了一种刮板输送机减速器故障诊断装置,包括压电加速度传感器、刮板输送机减速器、三相异步电动机、数据采集系统、计算机;两个压电加速度传感器通过磁铁块布置于减速器输出轴背面端盖和箱体上方,压电加速度传感器直接记录减速器的振动信号,并且与数据采集系统中的数据采集卡相连接,数据采集卡为PCI-1716采集卡,其具有一个250kS/s、16位A/D转换器,并且采集卡还具有16路单端模拟量输入和8路差分模拟量输入;数据采集卡与计算机连接,采集的减速器振动信号存储并且显示在计算机中;减速器为二级传动减速器,传动齿轮为斜齿圆锥齿轮。该申请案的装置采用多传感器的布置方式,能提高振动信号采集的有效性,但仍无法有效避免干扰信号对诊断结果的影响。
发明内容
为了解决上述技术问题至少之一,根据本发明的一方面,提供了一种刮板输送机故障诊断系统,包括:
声学信号采集模块,其包括采集端、信号调理单元和下位机,采集端布置于刮板输送机减速器驱动箱的轴端旁侧,采集端通过信号调理单元与下位机信号连接;
处理终端,其与声学信号采集模块的下位机信号连接,对采集到的声学信号进行分析,诊断声学信号对应的减速器是否故障;
交互模块,其与处理终端信号连接,给用户呈现诊断结果及采集的声学信号;
电源,其为声学信号采集模块、处理终端及交互模块供电。
根据本发明实施例的刮板输送机故障诊断系统,可选地,所述声学信号采集模块的采集端包括:
底座,其水平置于刮板输送机减速器驱动箱的轴端旁侧的水平面上;
导杆,其竖置形成于底座顶面上;
升降套,其活动套接于导杆上,升降套通过锁紧螺栓与导杆紧固;
夹爪,其固定连接于升降套外侧;
麦克风,其被夹持在夹爪上,麦克风位于轴端旁,麦克风与信号调理单元信号连接。
根据本发明实施例的刮板输送机故障诊断系统,可选地,所述麦克风侧壁套设有直管套,所述直管套内壁面光滑,外壁面粗糙。
根据本发明实施例的刮板输送机故障诊断系统,可选地,所述麦克风有若干个,至少有一个麦克风朝向轴端圆心布置。
根据本发明的另一方面,提供了一种刮板输送机故障诊断方法,步骤如下:
S1、将声学信号采集模块的采集端布置于轴端旁侧,麦克风采集声音信号,下位机将采集的声音信号作为原始声音信号传输至处理终端;
S2、处理终端对原始声音信号进行处理,先通过EMD算法分解原始声音信号,得到一系列IMF分量;
S3、筛选出M个敏感IMF分量,并将最敏感的IMF分量记为IMFsen-i;
S4、通过自相关分析法寻找并剔除IMFsen-i信号中存在模式混叠的数据段Smix;
S5、对剔除Smix数据段的IMFsen-i信号利用快速傅里叶变换进行分析,筛选出IMFsen-i信号的主要频段成分区间[flow,fhigh];
S6、对第i-1个IMF分量进行低通滤波,上截止频率设置为fhigh,得到滤波后的信号Sfilter-i-1;对第i+1个IMF分量进行高通滤波,下截止频率设置为flow,得到滤波后的信号Sfilter-i+1;将Sfilter-i-1、IMFsen-i和Sfilter-i+1进行相加重构得到信号S合;
S7、通过VMD算法对S合信号进行分解,得到一系列imf分量;
S8、筛选出最敏感的imf分量,记为imffinal,对此信号进行希尔伯特包络谱分析,根据分析结果判断刮板输送机是否存在故障。
根据本发明实施例的刮板输送机故障诊断方法,可选地,S3的具体步骤为:
S30、计算各IMF分量的相关系数r;
S31、计算各IMF分量的峭度指标k;
S32、计算各IMF分量的融合指标k_r,
k_r=k+r;
S33、按各IMF分量融合指标的大小排序各IMF分量,融合指标越大,对应IMF分量越敏感,融合指标最大的IMF分量为最敏感的IMF分量。
根据本发明实施例的刮板输送机故障诊断方法,可选地,S32计算各IMF分量的融合指标k_r前,先分别对S30计算的各IMF分量的相关系数r及S31计算的各IMF分量的峭度指标k均进行归一化处理,利用处理后的相关系数及处理后的峭度指标进行各IMF分量的融合指标k_r计算。
根据本发明实施例的刮板输送机故障诊断方法,可选地,归一化处理采用如下计算模型:
其中,为归一化处理后的相关系数或峭度指标x为归一化处理前IMF分量对应的相关系数r或峭度指标k,xmin为各IMF分量的相关系数r或峭度指标k的最小值,xmax为各IMF分量的相关系数r或峭度指标k的最大值。
有益效果
相比于现有技术,本发明至少具备如下有益效果:
(1)本发明的刮板输送机故障诊断系统,无需与检测位置直接接触,避免振动导致损坏、共振产生干扰信号等情况出现,提高诊断效率;采集端麦克风位置灵活可调,适用范围广;麦克风外壁设有直管套能有效屏蔽其他声源发出声音信号的干扰,配合多麦克风的设置,能大大提高诊断结果准确性;
(2)本发明的刮板输送机故障诊断方法,对原始声音信号进行EMD分解后,筛选出最敏感IMF分量,剔除模态混叠段,然后进行滤波重构,有效解决了EMD分解过程中模态混叠现象,使信号特征更加显著,重构信号经VMD分解后对最敏感imf分量信号包络谱分析,得到准确有效的诊断结果,极大的提高了诊断维修的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例的附图作简单地介绍,显而易见地,下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。
图1示出了本发明的诊断系统示意图;
图2示出了本发明的声学信号采集模块采集端的结构示意图;
图3示出了本发明的声学信号采集模块采集端布置位置示意图;
图4为本发明的诊断方法流程图;
图5示出了现有的单EMD分解法处理过程中模态混叠效果与本发明的方法VMD分解过程中模态混叠效果对比图;
图6示出了实施例2中对imffinal包络谱分析的结果图;
图7示出了实施例2中对剔除Smix数据的IMFsen-i信号进行快速傅里叶变换后的频域图像;
图8示出了实施例2中确定α值的能量差曲线;
附图标记:
1、声学信号采集模块;10、底座;11、导杆;12、升降套;120、锁紧螺栓;13、夹爪;14、麦克风;
2、处理终端;
3、交互模块;
4、电源;
100、轴端。
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。
实施例1
传统的刮板输送机故障诊断采用的振动信号传感器与刮板输送机直接接触,可调节性差,且刮板输送机工作环境恶劣,一方面容易损坏传感器结构,另一方面会引起共振导致对采集的信号产生严重干扰,最终会导致难以得出准确有效的诊断信息,针对上述问题,本实施例设计一种刮板输送机故障诊断系统。
如图1所示,本实施例的刮板输送机故障诊断系统由声学信号采集模块1、处理终端2、交互模块3及电源4构成,其中声学信号采集模块1包括采集端、信号调理单元和下位机,三者依次信号连接,采集端布置于减速器驱动箱的轴端100旁侧,不与刮板输送机直接接触,采集减速器运行时轴端100处的声音信号,信号调理单元与采集端信号连接,对采集端采集的信号进行放大处理后,传输至与之连接的下位机中,下位机将声音信号转化为波形图等形式传递给处理终端2;处理终端2包括工控机,其内搭载有诊断声音信号的算法处理模块,下位机与工控机通过485、232等信号线进行通讯,将声学信号采集模块1采集的声音信号传输至工控机,工控机分析处理后得到诊断结果;交互模块3包括显示面板、操作端及声光预警单元,工控机处理得到的诊断结果会从交互模块3的显示面板上呈现给用户,同时呈现的还有声学信号采集模块1采集的声音信号波形,操作端与工控机通过控制线连接,用户可通过操作端对工控机进行操作或参数设置,声光报警单元是在诊断出刮板输送机有故障时启动发出声光报警信号以提示用户;本实施例的电源4为防爆电源,与声学信号采集模块1、处理终端2、交互模块3通过变压模块电连接,以提供不同电压级别的稳定电能,考虑到刮板输送机的工况环境,本实施例的刮板输送机故障诊断系统需做防暴处理,如采用本安型部件或外加防爆壳体。
进一步地,本实施例的声学信号采集模块1的采集端结构如图2所示,采集端包括底座10、导杆11、升降套12、夹爪13及麦克风14,底座10采用钢板等作为配重,主要目的是采集端设置后位置结构的稳定性,导杆11竖直形成在底座10顶面上,升降套12套接在导杆11上,可沿导杆11长度方向上下活动,升降套12上沿径向开设有螺纹孔,锁紧螺栓120配合设于螺纹孔中,通过旋拧锁紧螺栓120,通过锁紧螺栓120与导杆11抵紧与否来将升降套12定位在合适的高度位置,夹爪13设于升降套12外侧,主要起夹持麦克风14的作用,麦克风14与信号调理单元信号连接,麦克风14位于轴端100旁侧,采集轴端100处的声音信息,麦克风14不与轴端100直接接触,本实施例的采集端可以灵活调整麦克风14的位置,以针对不同位置的声音信号采集需求作出调整,适用范围广,且麦克风14不直接与检测位置接触,不会存在振动导致损坏的情况,也避免了共振产生干扰信号的情况出现,提高了诊断结果准确性。
进一步地,本实施例在麦克风14侧壁套设有直管套,直管套能屏蔽其他声源发出声音信号引起的干扰,直管套内壁面光滑,外壁毛糙,如在外壁设有狼牙交错式凸起或磨砂层,可以进一步减少其他声源对麦克风14要采集声音信号的干扰,进一步提高诊断结果准确性。
进一步地,一处采集端,可布置若干个麦克风14,相应的,升降套12上形成有对应数量的夹爪13夹持麦克风14,且至少有一个麦克风14朝向轴端100圆心布置如图3所示,其余麦克风14可呈线性阵列或矩形阵列布置,保证以一轴端100圆心处的麦克风14为圆心,半径5cm范围内至少有一个麦克风14;还可采用三麦克风14式的采集端,三个麦克风14其中一个朝向轴端100圆心布置,另一个朝向轴端100径向方向布置,再一个沿着与轴端100外圆相切的方向布置,由此能对减速机启动时轴端100处的声音信号进行有效全面的采集,配合麦克风14外壁直管套结构,将非对应麦克风14采集方向的其他声源干扰降到最低,由此能大大提高诊断结果准确性。
实施例2
本实施例提供了一种刮板输送机故障诊断方法,方法流程图如图4所示,基于实施例1的刮板输送机故障诊断系统,旨在解决针对声音信号诊断时,干扰因素影响诊断结果准确性的问题,步骤如下:
S1、将声学信号采集模块1的采集端布置于轴端100旁侧,本实施例的采集端设有一个麦克风14,朝向轴端100圆心布置,麦克风14采集减速器启动时轴端100发出的声音信号,经信号调理单元放大后,由下位机将采集的声音信号作为原始声音信号传输至处理终端2;
S2、处理终端2对原始声音信号进行处理,先通过EMD算法分解原始声音信号,得到N个IMF分量;
S3、筛选出M个敏感IMF分量,并将最敏感的IMF分量记为IMFsen-i;
筛选步骤如下:
S30、计算各IMF分量的相关系数r;
其中,X为原始声音信号,Y为IMF分量信号,Cov(X,Y)为X与Y的协方差,Var[X]为X的方差,Var[Y]为Y的方差;
将原始声音信号带入X中,分别将各IMF分量信号带入Y中,利用上式,即可求得各IMF分量对应的相关系数;
S31、计算各IMF分量的峭度指标k;
分别将各IMF分量信号带入Y中,利用上式,即可求得各IMF分量对应的峭度指标;
S32、计算各IMF分量的融合指标k_r,利用如下公式;
k_r=k+r;
将每个IMF分量对应的相关系数r及峭度指标k先进行归一化处理,然后带入上式即可求得各IMF分量的融合指标k_r;
归一化处理具体步骤如下:
S33、按各IMF分量融合指标的大小排序各IMF分量,融合指标越大,对应IMF分量越敏感,融合指标最大的IMF分量为最敏感的IMF分量记为IMFsen-i;
筛选敏感IMF分量时按融合指标从大到小的顺序选取,本实施例中取1个最敏感的IMF分量,即M为1;
S4、通过自相关分析法寻找并剔除IMFsen-i信号中存在模式混叠的数据段Smix;
定义滑动窗长度为L,利用自相关分析法,逐个窗口寻找IMFsen-i信号中存在模式混叠的数据段Smix,并剔除;
S5、对剔除Smix数据段的IMFsen-i信号利用快速傅里叶变换(FFT)进行分析,得到剔除Smix数据段的IMFsen-i信号的频域图像,如图7所示,按照频率集中变化的区间筛选出IMFsen-i信号的主要频段成分区间[flow,fhigh];
S6、EMD算法分解后,得到了N个IMF分量,其中最敏感的IMF分量是第i个,对第i-1个IMF分量进行低通滤波,上截止频率设置为fhigh,得到滤波后的信号Sfilter-i-1;对第i+1个IMF分量进行高通滤波,下截止频率设置为flow,得到滤波后的信号Sfilter-i+1;将Sfilter-i-1、IMFsen-i和Sfilter-i+1进行相加重构得到信号S合;
S7、通过VMD算法对S合信号进行分解,得到一系列imf分量;
VMD算法的分解过程可看做下式描述的约束变分问题的构造与求解:
式中,C为需要分解的模态个数,本实施例中取C=3,{uc}为分解后的第c个模态分量,{ωc}为分解后第c个模态分量的中心频率,δ(t)为狄拉克函数,*为卷积运算符,t为时间,j为虚数符号,f为输入信号,即S合信号;
求解上式,引入Lagrange乘法算子λ,将约束变分问题转变为非约束变分问题,得到增广Lagrange表达式为:
(2)式的鞍点对应(1)式的解,利用乘子交替迭代法进行求解,最终得到一系列imf分量;
α为惩罚因子,用于保证高斯噪声下信号的重建精度,本实施例的α由能量差曲线确定,能量差为VMD分解的各层imf分量的能量和与原信号S合能量之间差的绝对值,如图8所示,α取1500,确保高重建精度;
如图5所示,图5中a为利用常规的单EMD分解处理方法中模态混叠处理效果,可看出各层之间存在较为明显的模态混叠现象,b为采用本实施例方法处理后VMD分解中的效果图,可看出模态混叠现象基本消失,后续进行包络谱分析诊断准确性更高;
S8、筛选出最敏感的imf分量,记为imffinal,筛选方法同S3,先分别计算各imf分量的相关系数与峭度指标,分别进行归一化处理,然后计算各imf分量的融合指标,然后选出最大融合指标对应的imf分量,记为imffinal,对此信号进行希尔伯特包络谱分析,如图6所示,可明显的看出故障频率,由此判断检测位置存在故障,处理终端2发出信号给交互模块3,交互模块3向用户发出声光信号警示。
本实施例的刮板输送机故障诊断方法,S1步骤采集目标区域的原始声音信号,通过S2步骤,采用EMD算法将原始声音信号分解为一系列IMF分量,在S3步骤中,通过构建融合指标作为评价指标,进行筛选,去除主要谐波和噪声成分,得到M个敏感分量,然后在S4步骤通过自相关分析法将EMD分解后分量中产生的模态混叠段去除,然后通过S5步骤,确定所选敏感分量的中心频带的带宽,并限定上下截止频率,以便对相邻的两分量进行滤波(由于模态混叠出现在相邻分量间,EMD分解的特点是将信号分解为一系列高频到低频的信号,所以对敏感分量相邻分量进行滤波时设定上截止频率和下截止频率,能确保所滤分量的频率在中心频带内,进一步的去噪),S6根据S5设定的上下截止频率进行相邻分量滤波处理,对处理后的信号进行合成重构,然后在S7步骤中采用VMD算法进行分解,以克服EMD模态混叠的问题,单纯采用EMD算法无法避免模态混叠的问题,VMD算法虽然可以克服模态混叠,但是单纯采用VMD算法自身存在局限性就是分解层数C需要人为设定,对于复杂未知信号,无法提前知道其主要组成成分,因此通过本实施例的方法,利用了EMD自适应分解的优点,通过S1~S7步骤依次执行,得到去噪后由三层分量组成的重构信号,进而确定VMD算法中的分解层数为3层,并确定最佳惩罚因子α,通过本实施例的各处理步骤,将EMD与VMD算法结合,使二者优势互补,有效克服二者的弊端,进而大大减小了噪声、模态混叠等因素对诊断结果的影响,由于有效信号往往只有一层,因此S8步骤筛选出最敏感的一层信号,对该层分量信号进行包络变换,即可诊断出轴承是否故障,根据其频率可以判断出发生了什么类型的故障,本实施例的诊断方法,各步骤间依次递进,相互配合,有效的提高了诊断结果的准确性。
本发明所述实例仅仅是对本发明的优选实施方式进行描述,并非对本发明构思和范围进行限定,在不脱离本发明设计思想的前提下,本领域工程技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的保护范围。
Claims (8)
1.一种刮板输送机故障诊断系统,其特征在于,包括:
声学信号采集模块,其包括采集端、信号调理单元和下位机,采集端布置于刮板输送机减速器驱动箱的轴端旁侧,采集端通过信号调理单元与下位机信号连接;
处理终端,其与声学信号采集模块的下位机信号连接,对采集到的声学信号进行分析,诊断声学信号对应的减速器是否故障;
交互模块,其与处理终端信号连接,给用户呈现诊断结果及采集的声学信号;
电源,其为声学信号采集模块、处理终端及交互模块供电。
2.根据权利要求1所述的一种刮板输送机故障诊断系统,其特征在于,所述声学信号采集模块的采集端包括:
底座,其水平置于刮板输送机减速器驱动箱的轴端旁侧的水平面上;
导杆,其竖置形成于底座顶面上;
升降套,其活动套接于导杆上,升降套通过锁紧螺栓与导杆紧固;
夹爪,其固定连接于升降套外侧;
麦克风,其被夹持在夹爪上,麦克风位于轴端旁,麦克风与信号调理单元信号连接。
3.根据权利要求2所述的一种刮板输送机故障诊断系统,其特征在于:所述麦克风侧壁套设有直管套,所述直管套内壁面光滑,外壁面粗糙。
4.根据权利要求3所述的一种刮板输送机故障诊断系统,其特征在于:所述麦克风有若干个,至少有一个麦克风朝向轴端圆心布置。
5.一种刮板输送机故障诊断方法,其特征在于,步骤如下:
S1、将声学信号采集模块的采集端布置于轴端旁侧,麦克风采集声音信号,下位机将采集的声音信号作为原始声音信号传输至处理终端;
S2、处理终端对原始声音信号进行处理,先通过EMD算法分解原始声音信号,得到一系列IMF分量;
S3、筛选出M个敏感IMF分量,并将最敏感的IMF分量记为IMFsen-i;
S4、通过自相关分析法寻找并剔除IMFsen-i信号中存在模式混叠的数据段Smix;
S5、对剔除Smix数据段的IMFsen-i信号利用快速傅里叶变换进行分析,筛选出IMFsen-i信号的主要频段成分区间[flow,fhigh];
S6、对第i-1个IMF分量进行低通滤波,上截止频率设置为fhigh,得到滤波后的信号Sfilter-i-1;对第i+1个IMF分量进行高通滤波,下截止频率设置为flow,得到滤波后的信号Sfilter-i+1;将Sfilter-i-1、IMFsen-i和Sfilter-i+1进行相加重构得到信号S合;
S7、通过VMD算法对S合信号进行分解,得到一系列imf分量;
S8、筛选出最敏感的imf分量,记为imffinal,对此信号进行希尔伯特包络谱分析,根据分析结果判断刮板输送机是否存在故障。
6.根据权利要求5所述的一种刮板输送机故障诊断方法,其特征在于,S3的具体步骤为:
S30、计算各IMF分量的相关系数r;
S31、计算各IMF分量的峭度指标k;
S32、计算各IMF分量的融合指标k_r,
k_r=k+r;
S33、按各IMF分量融合指标的大小排序各IMF分量,融合指标越大,对应IMF分量越敏感,融合指标最大的IMF分量为最敏感的IMF分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110600560.0A CN113375933B (zh) | 2021-05-31 | 2021-05-31 | 一种刮板输送机故障诊断系统和诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110600560.0A CN113375933B (zh) | 2021-05-31 | 2021-05-31 | 一种刮板输送机故障诊断系统和诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113375933A true CN113375933A (zh) | 2021-09-10 |
CN113375933B CN113375933B (zh) | 2022-09-09 |
Family
ID=77575139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110600560.0A Active CN113375933B (zh) | 2021-05-31 | 2021-05-31 | 一种刮板输送机故障诊断系统和诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113375933B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117142009A (zh) * | 2023-10-30 | 2023-12-01 | 山西海诚智能制造有限公司 | 一种基于图卷积网络的刮板输送机健康状态评估方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080065337A1 (en) * | 2006-09-07 | 2008-03-13 | United States Government As Represented By The Administrator Of The National Aeronautics And Spac | Noise-Assisted Data Analysis Method, System and Program Product Therefor |
CN207226356U (zh) * | 2017-08-24 | 2018-04-13 | 大同煤矿集团机电装备科大机械有限公司 | 一种带式输送机 |
CN109086888A (zh) * | 2018-09-05 | 2018-12-25 | 北京机械设备研究所 | 基于声音识别的汽车发动机故障判定方法及其装置 |
CN208474854U (zh) * | 2018-04-15 | 2019-02-05 | 石狮市康索特电器有限公司 | 一种智能仪器仪表的固定架 |
CN109507583A (zh) * | 2018-11-13 | 2019-03-22 | 交控科技股份有限公司 | 一种电动转撤机监测方法及系统 |
CN109635334A (zh) * | 2018-11-12 | 2019-04-16 | 武汉科技大学 | 基于粒子群优化的滚动轴承故障诊断方法、系统及介质 |
CN110470475A (zh) * | 2019-09-04 | 2019-11-19 | 中国人民解放军空军工程大学航空机务士官学校 | 一种航空发动机中介轴承早期微弱故障诊断方法 |
CN110987505A (zh) * | 2019-12-26 | 2020-04-10 | 天地科技股份有限公司上海分公司 | 采煤机综合测试实验台 |
CN110991055A (zh) * | 2019-12-08 | 2020-04-10 | 中国航空综合技术研究所 | 一种旋转类机械产品剩余寿命预测系统 |
CN111238813A (zh) * | 2020-01-19 | 2020-06-05 | 西安交通大学 | 一种强干扰下提取滚动轴承故障特征的方法 |
CN111561876A (zh) * | 2020-06-09 | 2020-08-21 | 南京沃天科技有限公司 | 一种芯体膜片的波纹深度检测设备 |
CN111579187A (zh) * | 2020-06-29 | 2020-08-25 | 万向钱潮(上海)汽车系统有限公司 | 一种汽车制动器Rattle噪声测试系统及方法 |
CN111610038A (zh) * | 2020-05-22 | 2020-09-01 | 华为技术有限公司 | 一种故障诊断系统、方法、装置、设备及其存储介质 |
CN211909089U (zh) * | 2020-05-27 | 2020-11-10 | 海南星群艺术文化传播有限公司 | 一种播音主持用麦克风固定装置 |
-
2021
- 2021-05-31 CN CN202110600560.0A patent/CN113375933B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080065337A1 (en) * | 2006-09-07 | 2008-03-13 | United States Government As Represented By The Administrator Of The National Aeronautics And Spac | Noise-Assisted Data Analysis Method, System and Program Product Therefor |
CN207226356U (zh) * | 2017-08-24 | 2018-04-13 | 大同煤矿集团机电装备科大机械有限公司 | 一种带式输送机 |
CN208474854U (zh) * | 2018-04-15 | 2019-02-05 | 石狮市康索特电器有限公司 | 一种智能仪器仪表的固定架 |
CN109086888A (zh) * | 2018-09-05 | 2018-12-25 | 北京机械设备研究所 | 基于声音识别的汽车发动机故障判定方法及其装置 |
CN109635334A (zh) * | 2018-11-12 | 2019-04-16 | 武汉科技大学 | 基于粒子群优化的滚动轴承故障诊断方法、系统及介质 |
CN109507583A (zh) * | 2018-11-13 | 2019-03-22 | 交控科技股份有限公司 | 一种电动转撤机监测方法及系统 |
CN110470475A (zh) * | 2019-09-04 | 2019-11-19 | 中国人民解放军空军工程大学航空机务士官学校 | 一种航空发动机中介轴承早期微弱故障诊断方法 |
CN110991055A (zh) * | 2019-12-08 | 2020-04-10 | 中国航空综合技术研究所 | 一种旋转类机械产品剩余寿命预测系统 |
CN110987505A (zh) * | 2019-12-26 | 2020-04-10 | 天地科技股份有限公司上海分公司 | 采煤机综合测试实验台 |
CN111238813A (zh) * | 2020-01-19 | 2020-06-05 | 西安交通大学 | 一种强干扰下提取滚动轴承故障特征的方法 |
CN111610038A (zh) * | 2020-05-22 | 2020-09-01 | 华为技术有限公司 | 一种故障诊断系统、方法、装置、设备及其存储介质 |
CN211909089U (zh) * | 2020-05-27 | 2020-11-10 | 海南星群艺术文化传播有限公司 | 一种播音主持用麦克风固定装置 |
CN111561876A (zh) * | 2020-06-09 | 2020-08-21 | 南京沃天科技有限公司 | 一种芯体膜片的波纹深度检测设备 |
CN111579187A (zh) * | 2020-06-29 | 2020-08-25 | 万向钱潮(上海)汽车系统有限公司 | 一种汽车制动器Rattle噪声测试系统及方法 |
Non-Patent Citations (2)
Title |
---|
姜建国 等: "基于MEEMD和峭度-相关系数电机轴承故障诊断", 《自动化技术与应用》 * |
康德 等: "一种基于改进同步压缩的瞬时转频估计算法", 《轴承》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117142009A (zh) * | 2023-10-30 | 2023-12-01 | 山西海诚智能制造有限公司 | 一种基于图卷积网络的刮板输送机健康状态评估方法 |
CN117142009B (zh) * | 2023-10-30 | 2024-03-15 | 西安重装蒲白煤矿机械有限公司 | 一种基于图卷积网络的刮板输送机健康状态评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113375933B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lei et al. | Fault diagnosis of rotating machinery using an improved HHT based on EEMD and sensitive IMFs | |
Li et al. | New procedure for gear fault detection and diagnosis using instantaneous angular speed | |
US5511422A (en) | Method and apparatus for analyzing and detecting faults in bearings and other rotating components that slip | |
Guo et al. | Faulty bearing signal recovery from large noise using a hybrid method based on spectral kurtosis and ensemble empirical mode decomposition | |
US8219361B2 (en) | Vibration analysis | |
CN109883703B (zh) | 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法 | |
CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
JPWO2015068446A1 (ja) | 異常音診断装置 | |
Hou et al. | A resonance demodulation method based on harmonic wavelet transform for rolling bearing fault diagnosis | |
CN113375933B (zh) | 一种刮板输送机故障诊断系统和诊断方法 | |
CN110621971A (zh) | 光学声学感测系统和方法 | |
JP3875981B2 (ja) | ころがり軸受の異常診断方法および装置 | |
De Almeida et al. | New technique for evaluation of global vibration levels in rolling bearings | |
JP2003232674A (ja) | 機械設備又は機器の異常診断方法及び異常診断装置 | |
JP3020349B2 (ja) | 異常検出方法及び装置 | |
JP5958932B2 (ja) | 動的設備の状態監視システムとその方法とそのプログラム | |
Li et al. | A detection method of gear micro-cracks based on tuned resonance | |
JP3920715B2 (ja) | 振動信号の処理方法 | |
JPH03257332A (ja) | 振動検出機構の診断方法 | |
CN211478951U (zh) | 故障诊断装置和故障诊断系统 | |
JP3918939B2 (ja) | 機械設備の監視システム | |
CN116026591A (zh) | 张量奇异谱分解方法 | |
JPH06323899A (ja) | 低速回転機械の異常診断方法 | |
CN211477587U (zh) | 在线安全预警装置和故障诊断系统 | |
JP7367535B2 (ja) | 回転軸受けの診断方法および装置 |
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 |