CN113418704B - 一种基于微振动峭度改进的轴承故障判定方法 - Google Patents

一种基于微振动峭度改进的轴承故障判定方法 Download PDF

Info

Publication number
CN113418704B
CN113418704B CN202110678614.5A CN202110678614A CN113418704B CN 113418704 B CN113418704 B CN 113418704B CN 202110678614 A CN202110678614 A CN 202110678614A CN 113418704 B CN113418704 B CN 113418704B
Authority
CN
China
Prior art keywords
kurtosis
micro
vibration
bearing
value
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
Application number
CN202110678614.5A
Other languages
English (en)
Other versions
CN113418704A (zh
Inventor
王晗
王虹
刘红星
吴博
宋萌
王梦茵
肖杰
闫成智
韩甜甜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Control Engineering
Original Assignee
Beijing Institute of Control Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Control Engineering filed Critical Beijing Institute of Control Engineering
Priority to CN202110678614.5A priority Critical patent/CN113418704B/zh
Publication of CN113418704A publication Critical patent/CN113418704A/zh
Application granted granted Critical
Publication of CN113418704B publication Critical patent/CN113418704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • 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
    • 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
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (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)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

一种基于微振动峭度改进的轴承故障判定方法，基于微振动峭度，提出峭度波动系数和峭度本构系数两个参数，以表征轴承在初期跑合过程中各峭度值的关联关系。通过样本轴承数据验证采用两种参数进行轴承筛选的可行性，建立空间轴承早期故障的诊断方法与判据。进而对实际生产过程中的轴承状态进行评价，解决了传统轴承故障检测方法容易造成状态误判、筛选手段不严格的问题，可以推广应用于其他高速轴承产品的研制阶段筛选。

Description

一种基于微振动峭度改进的轴承故障判定方法
技术领域
本发明涉及一种基于微振动峭度改进的轴承故障判定方法，属于空间轴承制造技术领域。
背景技术
轴承组件是卫星飞轮和CMG的核心支撑部分，对于轻载高速轴承，主要通过对轴承长时间跑合过程中的电机电流、轴承温度、转速等参数进行监测，或人为感受振动和噪声来评价飞轮轴承是否合格，难以识别早期微弱故障轴承。微振动测试方法具有简单易行、成本低、敏感度高、实时性好等优点。
采用时域峭度指标的方法，对空间轴承开展了故障判定方法研究，可有效识别空间轴承故障，但难以鉴别临界故障状态的轴承。而明确识别临界故障，对空间轴承早期故障诊断是极为重要的，一方面可避免淘汰合格轴承所造成的损失，另一方面，能够准确淘汰隐患轴承，避免后续在轨出现问题。此外，空间轴承在初期跑合运转过程中，由于轴承润滑状态不稳定等因素，很可能出现瞬时的峭度突变，而单一的峭度数值无法评价整个跑合过程中的轴承状态，易造成轴承状态误判。因此，在地面研制阶段，需要增加其他有效筛选手段加严轴承筛选，避免潜在质量隐患轴承的交付。
发明内容
本发明解决的技术问题是：针对目前现有技术中，传统轴承故障检测方法容易造成状态误判、筛选手段不严格的问题，提出了一种基于微振动峭度改进的轴承故障判定方法。
本发明解决上述技术问题是通过如下技术方案予以实现的：
一种基于微振动峭度改进的轴承故障判定方法，步骤如下：
(1)于轴承组件完成一定时间跑合后，将振动传感器设置于外部测试工装的轴承中心轴位置处，利用外部信号采集分析系统配合进行微振动测试，获取时域波形信号；
(2)根据一定时间内的测量所得微振动加速度信号计算一组峭度值，删除峭度异常值并进行统计；
(3)根据步骤(2)统计结果计算峭度均值
Figure BDA0003121893370000021
峭度波动系数Kc、峭度本构系数Kb；
(4)利用步骤(3)计算所得参数对轴承组件进行筛选。
所述步骤(2)中，峭度值的计算方法如下：
Figure BDA0003121893370000022
式中，xi为第i个采样点的微振动时域波形信号幅值，
Figure BDA0003121893370000023
为n个采样点的微振动时域波形信号幅值的平均值，σ为n个采样点的微振动时域波形信号幅值的标准差，n为采样点数量。
所述步骤(2)中，若振动传感器各通道的峭度值均高于所在通道峭度均值的1.5倍，则该峭度值异常，将所有异常峭度值筛选后剔除。
所述步骤(3)中，峭度均值的计算方法为：
Figure BDA0003121893370000024
式中，Kur为当前计算所得峭度值；
峭度波动系数的计算方法为：
Figure BDA0003121893370000025
式中，σk为峭度的标准差，μk为峭度的均值，a、b为取值小于0的系数；
峭度本构系数的计算方法为：
Figure BDA0003121893370000026
式中，ki为单次采样中的最大峭度值、
Figure BDA0003121893370000027
为数据组的峭度均值、m为增量指数、z为可调整指数、m、z为大于0的系数。
所述步骤(4)中，筛选判据具体为：
峭度均值
Figure BDA0003121893370000031
峭度本构系数Kb<Kbx；
峭度波动系数Kc<Kcx；
其中，
Figure BDA0003121893370000032
为峭度均值阈值，Kbx为峭度本构系数阈值，Kcx为峭度波动系数阈值。
若三条判据全部满足，则当前轴承组件合格，若任一判据不满足，则当前轴承组件不合格。
所述步骤(1)中，一定时间跑合具体为：对轴承组件进行三向标称转速下跑合时间大于100h；
微振动测试时长于不同转速下均不小于0.5h；
微振动测试过程中，获取的时域波形信号采集时，采样频率不低于2048Hz。
所述步骤(4)中，阈值
Figure BDA0003121893370000033
Kbx、Kcx根据所选轴承组件的规格确定。
所述阈值
Figure BDA0003121893370000034
的取值范围为大于3且小于8，阈值Kbx的取值范围为大于0且小于1，阈值Kcx的取值范围为小于1。
本发明与现有技术相比的优点在于：
(1)本发明提供的一种基于微振动峭度改进的轴承故障判定方法，通过合理增加微振动测试，既不改变现有研制流程，又能覆盖到性能测试工序全过程，解决单一的峭度数值易造成轴承状态误判的问题，通过对振动峭度统计值进行再计算，获得稳定、可靠的量化指标参数来反映轴承状态优劣，减小峭度数值波动对数据判读的影响，增强评价结果的容错性、稳定性和可靠性；
(2)本发明采用多参数表征轴承在初期跑合过程中，峭度值之间的关联关系，经样本轴承数据验证后，建立空间轴承早期故障的诊断方法与判据，进而对实际生产过程中的轴承状态进行评价，能够及时筛选出临界故障轴承，避免存在早期故障轴承的交付安装，可以推广应用于其他高速轴承产品的研制阶段筛选。
附图说明
图1为发明提供的轴承故障判定方法流程图；
图2为发明提供的微振动测试系统工作原理图；
图3为发明提供的1#轴承早期故障轴承沟道划伤外观图；
图4为发明提供的2#轴承早期故障轴承保持架兜孔磨损外观图；
图5为发明提供的3#轴承早期故障轴承含油量过多外观图；
图6为发明提供的4#轴承早期故障轴承保持架粉末掉落外观图；
具体实施方式
一种基于微振动峭度改进的轴承故障判定方法，基于微振动峭度，提出峭度波动系数和峭度本构系数两个参数，以表征轴承在初期跑合过程中各峭度值的关联关系。通过样本轴承数据验证采用两种参数进行轴承筛选的可行性，建立空间轴承早期故障的诊断方法与判据。进而对实际生产过程中的轴承状态进行评价，具体方法步骤如下：
(1)于轴承组件完成一定时间跑合后，将振动传感器设置于外部测试工装的轴承中心轴位置处，利用外部信号采集分析系统配合进行微振动测试，获取时域波形信号；
其中，一定时间跑合具体为：对轴承组件进行三向标称转速下跑合时间大于100h；
微振动测试时长于不同转速下均不小于0.5h；
微振动测试过程中，获取的时域波形信号采集时，采样频率不低于2048Hz；
(2)根据一定时间内的测量所得微振动加速度信号计算一组峭度值，删除峭度异常值并进行统计；
其中，峭度值的计算方法如下：
Figure BDA0003121893370000041
式中，xi为第i个采样点的微振动时域波形信号幅值，
Figure BDA0003121893370000042
为n个采样点的微振动时域波形信号幅值的平均值，σ为n个采样点的微振动时域波形信号幅值的标准差，n为采样点数量；
若振动传感器各通道的峭度值均高于所在通道峭度均值的1.5倍，则该峭度值异常，将所有异常峭度值筛选后剔除；
(3)根据步骤(2)统计结果计算峭度均值
Figure BDA0003121893370000051
峭度波动系数Kc、峭度本构系数Kb；
其中，峭度均值的计算方法为：
Figure BDA0003121893370000052
式中，Kur为当前计算所得峭度值；
峭度波动系数的计算方法为：
Figure BDA0003121893370000053
式中，σk为峭度的标准差，μk为峭度的均值，a、b为取值小于0的系数；
峭度本构系数的计算方法为：
Figure BDA0003121893370000054
式中，ki为单次采样中的最大峭度值、
Figure BDA0003121893370000055
为数据组的峭度均值、m为增量指数、z为可调整指数、m、z为大于0的系数；
(4)利用步骤(3)计算所得参数对轴承组件进行筛选；
其中，筛选判据具体为：
峭度均值
Figure BDA0003121893370000056
峭度本构系数Kb<Kbx；
峭度波动系数Kc<Kcx；
其中，
Figure BDA0003121893370000057
为峭度均值阈值，Kbx为峭度本构系数阈值，Kcx为峭度波动系数阈值；若三条判据全部满足，则当前轴承组件合格，若任一判据不满足，则当前轴承组件不合格；
阈值
Figure BDA0003121893370000061
Kbx、Kcx根据所选轴承组件的规格确定，阈值
Figure BDA0003121893370000062
的取值范围为大于3且小于8，阈值Kbx的取值范围为大于0且小于1，阈值Kcx的取值范围为小于1。
下面结合具体实施例进行进一步说明：
在本实施例中，如图1、图2所示，针对所选轴承组件故障诊断的具体流程如下：
(1)在轴承组件完成长时间预跑合后，将振动传感器布置于测试工装上位于轴承中心轴位置，通过信号采集分析系统进行微振动测试，得到时域波形信号，测试时长不短于t，采样频率SF；
(2)以设定时间内的微振动加速度信号计算一组峭度，删除峭度异常值，并进行统计；
峭度的计算方法为：
Figure BDA0003121893370000063
xi表示第i个采样点的微振动时域波形信号幅值，
Figure BDA0003121893370000064
表示n个采样点的微振动时域波形信号幅值的平均值，σ表示n个采样点的微振动时域波形信号幅值的标准差，n表示采样点数量；
删除峭度异常值方法：若每个通道的峭度值都高于所在通道均值的1.5倍，则认为是异常值，将筛选出的异常值剔除；
(3)计算峭度均值
Figure BDA0003121893370000065
峭度波动系数Kc和峭度本构系数Kb；
峭度均值的计算方法为：
Figure BDA0003121893370000066
Kur为峭度；
峭度波动系数
Figure BDA0003121893370000067
(σk为峭度的标准差；μk为峭度的均值；a、b为取值小于0的系数)；
峭度本构系数：
Figure BDA0003121893370000071
(ki为单次采样中的最大峭度值；
Figure BDA0003121893370000072
为数据组的峭度均值；m为增量指数；z为可调整指数，m、z为大于0的系数)；
对轴承开展筛选，筛选判据包括：
峭度均值
Figure BDA0003121893370000073
峭度本构系数Kb<Kbx；
峭度波动系数Kc<Kcx；
若满足时域判据全部满足，轴承合格；其他情况，轴承不合格。
如图3-图6所示，1#、2#、3#、4#轴承组件是在轨应用较多的某一规格轴承产品，针对以上4个轴承组件，进行微振动测试，通过传统方法，即电机电流、轴承温度、转速和声音感受等，未识别出异常，从拆解结果看，1#轴承组件在长期跑合后出现轴承沟道划伤，2#轴承组件在长期跑合后出现保持架磨损，3#轴承组件在长期跑合后出现轴承含油量过多，4#轴承组件在长期跑合后出现轴承保持架粉末掉落。
实施例1
(1)轴承组件在长期跑合后，对1#轴承组件开展微振动测试得到微振动时域信号，每个转速测试时长约0.5h，采样频率为25.6kHz，设计标称转速为4600rpm，工作转速为3000rpm；
(2)对1#轴承组件时域波形信号计算得到峭度，删除峭度异常值，并进行统计；
(3)计算峭度均值
Figure BDA0003121893370000074
峭度波动系数Kc和峭度本构系数Kb；
(4)经计算，1#轴承组件，峭度均值
Figure BDA0003121893370000075
峭度本构系数Kb>Kbx,峭度波动系数Kc<Kcx；1#轴承组件不合格。与拆解结果一致。
实施例2
(1)轴承组件在长期跑合后，对2#轴承组件开展微振动测试得到微振动时域信号，每个转速测试时长约0.5h，采样频率为25.6kHz，设计标称转速为4600rpm，工作转速为3000rpm；
(2)对2#轴承组件时域波形信号计算得到峭度，删除峭度异常值，并进行统计；
(3)计算峭度均值
Figure BDA0003121893370000081
峭度波动系数Kc和峭度本构系数Kb；
(4)经计算，2#轴承组件，峭度均值
Figure BDA0003121893370000082
峭度本构系数Kb>Kbx,峭度波动系数Kc>Kcx；2#轴承组件不合格。与拆解结果一致。
实施例3
(1)轴承组件在长期跑合后，对3#轴承组件开展微振动测试得到微振动时域信号，每个转速测试时长约0.5h，采样频率为25.6kHz，设计标称转速为4600rpm，工作转速为3000rpm；
(2)对3#轴承组件时域波形信号计算得到峭度，删除峭度异常值，并进行统计；
(3)计算峭度均值
Figure BDA0003121893370000083
峭度波动系数Kc和峭度本构系数Kb；
(4)经计算，3#轴承组件，峭度均值
Figure BDA0003121893370000084
峭度本构系数Kb>Kbx,峭度波动系数Kc>Kcx；3#轴承组件不合格。与拆解结果一致。
实施例4
(1)轴承组件在长期跑合后，对4#轴承组件开展微振动测试得到微振动时域信号，每个转速测试时长约0.5h，采样频率为25.6kHz，设计标称转速为4600rpm，工作转速为3000rpm；
(2)对4#轴承组件时域波形信号计算得到峭度，删除峭度异常值，并进行统计；
(3)计算峭度均值
Figure BDA0003121893370000085
峭度波动系数Kc和峭度本构系数Kb；
(4)经计算，4#轴承组件，峭度均值
Figure BDA0003121893370000086
峭度本构系数Kb>Kbx,峭度波动系数Kc<Kcx；4#轴承组件不合格。与拆解结果一致。
综上所述，本方法已在空间高速轴承研制流程中成功应用，轴承拆解验证结果显示本发明方法可有效识别出传统方法无法识别的早期故障轴承，充分表明该方法的有效性
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (8)

1.一种基于微振动峭度改进的轴承故障判定方法，其特征在于步骤如下：
(1)于轴承组件完成一定时间跑合后，将振动传感器设置于外部测试工装的轴承中心轴位置处，利用外部信号采集分析系统配合进行微振动测试，获取时域波形信号；
(2)根据一定时间内的测量所得微振动加速度信号计算一组峭度值，删除峭度异常值并进行统计；
(3)根据步骤(2)统计结果计算峭度均值
Figure FDA0004031518600000011
峭度波动系数Kc、峭度本构系数Kb；
(4)利用步骤(3)计算所得参数对轴承组件进行筛选；
其中，峭度均值的计算方法为：
Figure FDA0004031518600000012
式中，Kur为当前计算所得峭度值；
峭度波动系数的计算方法为：
Figure FDA0004031518600000013
式中，σk为峭度的标准差，μk为峭度的均值，a、b为取值小于0的系数；
峭度本构系数的计算方法为：
Figure FDA0004031518600000014
式中，ki为单次采样中的最大峭度值、
Figure FDA0004031518600000025
为数据组的峭度均值、m为增量指数、z为可调整指数、m、z为大于0的系数。
2.根据权利要求1所述的一种基于微振动峭度改进的轴承故障判定方法，其特征在于：
所述步骤(2)中，峭度值的计算方法如下：
Figure FDA0004031518600000021
式中，xi为第i个采样点的微振动时域波形信号幅值，
Figure FDA0004031518600000022
为n个采样点的微振动时域波形信号幅值的平均值，σ为n个采样点的微振动时域波形信号幅值的标准差，n为采样点数量。
3.根据权利要求1所述的一种基于微振动峭度改进的轴承故障判定方法，其特征在于：
所述步骤(2)中，若振动传感器各通道的峭度值均高于所在通道峭度均值的1.5倍，则该峭度值异常，将所有异常峭度值筛选后剔除。
4.根据权利要求1所述的一种基于微振动峭度改进的轴承故障判定方法，其特征在于：
所述步骤(4)中，筛选判据具体为：
峭度均值
Figure FDA0004031518600000023
峭度本构系数Kb<Kbx；
峭度波动系数Kc<Kcx；
其中，
Figure FDA0004031518600000024
为峭度均值阈值，Kbx为峭度本构系数阈值，Kcx为峭度波动系数阈值。
5.根据权利要求4所述的一种基于微振动峭度改进的轴承故障判定方法，其特征在于：
若三条判据全部满足，则当前轴承组件合格，若任一判据不满足，则当前轴承组件不合格。
6.根据权利要求1所述的一种基于微振动峭度改进的轴承故障判定方法，其特征在于：
所述步骤(1)中，一定时间跑合具体为：对轴承组件进行三向标称转速下跑合时间大于100h；
微振动测试时长于不同转速下均不小于0.5h；
微振动测试过程中，获取的时域波形信号采集时，采样频率不低于2048Hz。
7.根据权利要求1所述的一种基于微振动峭度改进的轴承故障判定方法，其特征在于：
所述步骤(4)中，阈值
Figure FDA0004031518600000031
Kbx、Kcx根据所选轴承组件的规格确定。
8.根据权利要求7所述的一种基于微振动峭度改进的轴承故障判定方法，其特征在于：
所述阈值
Figure FDA0004031518600000032
的取值范围为大于3且小于8，阈值Kbx的取值范围为大于0且小于1，阈值Kcx的取值范围为小于1。
CN202110678614.5A 2021-06-18 2021-06-18 一种基于微振动峭度改进的轴承故障判定方法 Active CN113418704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110678614.5A CN113418704B (zh) 2021-06-18 2021-06-18 一种基于微振动峭度改进的轴承故障判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110678614.5A CN113418704B (zh) 2021-06-18 2021-06-18 一种基于微振动峭度改进的轴承故障判定方法

Publications (2)

Publication Number Publication Date
CN113418704A CN113418704A (zh) 2021-09-21
CN113418704B true CN113418704B (zh) 2023-04-07

Family

ID=77789099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110678614.5A Active CN113418704B (zh) 2021-06-18 2021-06-18 一种基于微振动峭度改进的轴承故障判定方法

Country Status (1)

Country Link
CN (1) CN113418704B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010190901A (ja) * 2010-03-17 2010-09-02 Chugoku Electric Power Co Inc:The 転がり軸受の余寿命診断方法
CN109063672A (zh) * 2018-08-21 2018-12-21 北京工业大学 一种基于自适应mckd的早期轴承外圈故障诊断方法
CN111896260A (zh) * 2020-08-01 2020-11-06 华东交通大学 NGAs同步优化小波滤波器与MCKD的轴承故障诊断方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106802969B (zh) * 2015-11-26 2020-08-07 英业达科技有限公司 阻尼材料动态特性的验证系统及其验证方法
CN107885908A (zh) * 2017-10-18 2018-04-06 中车青岛四方机车车辆股份有限公司 一种基于振动模态的层合板等效动力学模型的建立方法
US20190214138A1 (en) * 2018-01-10 2019-07-11 Canon Medical Systems Corporation Diagnosis support apparatus, diagnosis support system, and diagnosis support method
CN109883704A (zh) * 2019-03-11 2019-06-14 鲁东大学 一种基于eemd和k-gde的滚动轴承故障特征的提取方法
CN111178318B (zh) * 2020-01-06 2023-07-11 东南大学 一种基于渐进式vmd的滚动轴承早期复合故障特征提取方法
CN111238816B (zh) * 2020-03-06 2021-10-22 中原工学院 一种基于稀疏分类算法的滚动轴承复合故障诊断方法
CN111521399B (zh) * 2020-03-23 2022-04-12 北京控制工程研究所 一种基于峭度指标与包络谱的空间轴承早期故障诊断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010190901A (ja) * 2010-03-17 2010-09-02 Chugoku Electric Power Co Inc:The 転がり軸受の余寿命診断方法
CN109063672A (zh) * 2018-08-21 2018-12-21 北京工业大学 一种基于自适应mckd的早期轴承外圈故障诊断方法
CN111896260A (zh) * 2020-08-01 2020-11-06 华东交通大学 NGAs同步优化小波滤波器与MCKD的轴承故障诊断方法

Also Published As

Publication number Publication date
CN113418704A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
US9989439B2 (en) Method and data processing device for severity assessment of bearing defects using vibration energy
US7505852B2 (en) Probabilistic stress wave analysis system and method
Jamaludin et al. Monitoring extremely slow rolling element bearings: part I
CN102341597A (zh) 用于监控风力涡轮机的方法
CN105004523A (zh) 基于加权相似性测度的滚动轴承状态监测方法
CN105067262A (zh) 一种滚动轴承状态监测方法
CN106650576A (zh) 一种基于噪声特征统计量的矿山设备健康状态判决方法
CN110816588B (zh) 一种机车车轮失圆检测方法、装置、设备及系统
CN114781467B (zh) 一种基于振动相似度的故障检测方法
CN109615126A (zh) 一种轴承剩余寿命预测方法
CN105021706A (zh) 一种砂轮破碎状态预警识别装置及方法
EP1476733A1 (de) Verfahren und einrichtung zur detektion einer impulsartigen mechanischen einwirkung auf ein anlagenteil
CN104729678A (zh) 一种轴承运行状态的主元分析方法
CN113418704B (zh) 一种基于微振动峭度改进的轴承故障判定方法
CN104391046B (zh) 基于声发射的滚动轴承最优润滑脂量确定方法
CN112505500B (zh) 基于超高频检测方式的局部放电严重程度评估方法
CN103821749A (zh) 一种轴流式通风机失速和喘振的在线诊断方法
Jiang et al. Rolling bearing quality evaluation based on a morphological filter and a Kolmogorov complexity measure
CN111833905B (zh) 一种基于音频分析的标记字符质量检测系统及方法
CN113487141A (zh) 一种多源信息聚类融合的轴承状态评估方法
KR20170081355A (ko) 헬리콥터의 드라이브 시스템 진동 진단 방법
CN118035736A (zh) 一种基于卷积神经网络的旋转机械故障诊断方法
Oberdörfer et al. Determination of a Load Spectrum for a Robustness Test of WT Gearbox-Bearings
CN112213104B (zh) 轴承检测方法、装置和系统
US20230130080A1 (en) Method for Onset Time Detection of Acoustic Emission Based on Histogram Distance

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