CN113432856A - 电动机测试方法、装置、电子设备和存储介质 - Google Patents
电动机测试方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113432856A CN113432856A CN202110717900.8A CN202110717900A CN113432856A CN 113432856 A CN113432856 A CN 113432856A CN 202110717900 A CN202110717900 A CN 202110717900A CN 113432856 A CN113432856 A CN 113432856A
- Authority
- CN
- China
- Prior art keywords
- motor
- sound
- abnormal
- frequency
- module
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 234
- 238000001228 spectrum Methods 0.000 claims abstract description 194
- 230000005236 sound signal Effects 0.000 claims abstract description 84
- 230000005856 abnormality Effects 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 23
- 230000003595 spectral effect Effects 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000009413 insulation Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000002955 isolation Methods 0.000 claims 1
- 239000002847 sound insulator Substances 0.000 claims 1
- 238000010998 test method Methods 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 17
- 230000005674 electromagnetic induction Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 210000005069 ears Anatomy 0.000 description 3
- 239000012535 impurity Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007790 scraping Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
-
- 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请提供了电动机测试方法、装置、电子设备和存储介质,该电动机测试方法包括:针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征;获取电动机转动时所采集声音对应的第一声音信号;将所述第一声音信号从时域转换至频域,获得所述第一声音信号对应的第一频谱信息;针对每个所述电动机部件,若该电动机部件发生异常时所产生异响的频谱特征与所述第一频谱信息相匹配,则确定所述电动机中该电动机部件发生异常。本方案能够提高对电动机进行测试的可靠性。
Description
技术领域
本申请涉及机电技术领域,尤其涉及一种电动机测试方法、装置、电子设备和存储介质。
背景技术
电动机是一种应用电磁感应原理实现电能向机械能转换的装置,被广泛应用于工业、农业、建筑、车辆等行业。为了保证用户对于电动机的满意度,在电动机出厂前需要对其进行测试。电动机的出厂测试项目包括噪声测试,即根据电动机的运转声音确定电动机是否存在异常以及发生异常的部位。
目前在对电动机进行噪声测试时,通过人耳识别电动机的异响,基于个人经验判断电动机是否存在异常以及发生异常的部件。人耳识别异响和基于个人经验判断异常均存在较大的主观性,导致对电动机进行测试的可靠性较差。
发明内容
有鉴于此,本申请提供的电动机测试方法、装置、电子设备和存储介质,能够提高对电动机进行测试的可靠性。
第一方面,本申请实施例提供了一种电动机测试方法,包括:
针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征;
获取电动机转动时所采集声音对应的第一声音信号;
将所述第一声音信号从时域转换至频域,获得所述第一声音信号对应的第一频谱信息;
针对每个所述电动机部件,若该电动机部件发生异常时所产生异响的频谱特征与所述第一频谱信息相匹配,则确定所述电动机中该电动机部件发生异常。
在第一种可能的实现方式中,结合上述第一方面,所述获取电动机转动时所采集声音对应的第一声音信号,包括:
在所述电动机开始转动后,检测所述电动机的转速;
针对预设的至少两个目标转速中的每个目标转速,在所述电动机的转速等于该目标转速时,采集所述电动机转动时的声音,获得声音电信号;
将所述声音电信号转换为数字信号,获得所述第一声音信号。
在第二种可能的实现方式中,结合上述第一种可能的实现方式,所述电动机被置于隔音装置内,
并且其中,所述采集所述电动机转动时的声音,包括:
在所述隔音装置内采集所述电动机转动时的声音。
在第三种可能的实现方式中,结合上述第一方面,所述方法还包括:
获取所述电动机的变频器使能且所述电动机未转动时所采集声音对应的第二声音信号;
将所述第二声音信号从时域转换至频域,获得所述第二声音信号对应的第二频谱信息;
根据所述第二频谱信息,确定所述变频器产生的声音的第一频率和第一幅值,并确定环境噪声的第二频率和第二幅值;
根据所述第一频率和所述第一幅值,对所述第一频谱信息进行修正,消除所述变频器所产生声音的干扰;
根据所述第二频率和所述第二幅值,对所述第一频谱信息进行修正,消除所述环境噪声的干扰。
在第四种可能的实现方式中,结合上述第一方面,所述频谱特征包括异响频率和振幅强度阈值;并且,
所述针对每个所述电动机部件,若该电动机部件发生异常时所产生异响的频谱特征与所述第一频谱信息相匹配,则确定所述电动机中该电动机部件发生异常,包括:
针对每个所述电动机部件,若该电动机部件对应的所述异响频率在所述第一频谱信息中的振幅强度大于该电动机部件对应的所述振幅强度阈值,则确定所述电动机中该电动机部件发生异常。
在第五种可能的实现方式中,结合上述第一方面或第一方面的任一可能的实现方式,所述针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征,包括:
针对至少一个电动机部件中的每个电动机部件,均执行:
获取该电动机部件发生异常时电动机转动的至少两个声音样本;
将所述至少两个声音样本从时域转换至频域,获得的至少两个样本频谱信息;
对所述至少两个样本频谱信息进行分析,确定该电动机部件发生异常时所产生异响的频谱特征。
第二方面,本申请实施例还提供了一种电动机测试装置,包括:
预处理模块,用于针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征;
第一获取模块,用于获取电动机转动时所采集声音对应的第一声音信号;
第一转换模块,用于将所述第一获取模块获取到的所述第一声音信号从时域转换至频域,获得所述第一声音信号对应的第一频谱信息;
匹配模块,用于针对每个所述电动机部件,若所述预处理模块获取的该电动机部件发生异常时所产生异响的频谱特征与所述第一转换模块获得的所述第一频谱信息相匹配,则确定所述电动机中该电动机部件发生异常。
在第一种可能的实现方式中,结合上述第二方面,所述第一获取模块包括:
检测子模块,用于在所述电动机开始转动后,检测所述电动机的转速;
采集子模块,用于针对预设的至少两个目标转速中的每个目标转速,在所述检测子模块检测到所述电动机的转速等于该目标转速时,采集所述电动机转动时的声音,获得声音电信号;
处理子模块,用于将所述采集子模块获得的所述声音电信号转换为数字信号,获得所述第一声音信号。
在第二种可能的实现方式中,结合上述第一种可能的实现方式,所述电动机被置于隔音装置内,
所述采集子模块,用于在所述隔音装置内采集所述电动机转动时的声音。
在第三种可能的实现方式中,结合上述第二方面,所述装置还包括:
第二获取模块,用于获取所述电动机的变频器使能且所述电动机未转动时所采集声音对应的第二声音信号;
第二转换模块,用于将所述第二获取模块获取到的所述第二声音信号从时域转换至频域,获得所述第二声音信号对应的第二频谱信息;
分析模块,用于根据所述第二转换模块获得的所述第二频谱信息,确定所述变频器产生的声音的第一频率和第一幅值,并确定环境噪声的第二频率和第二幅值;
第一修正模块,用于根据所述分析模块确定的所述第一频率和所述第一幅值,对所述第一转换模块获得的所述第一频谱信息进行修正,消除所述变频器所产生声音的干扰;
第二修正模块,用于根据所述分析模块确定的所述第二频率和所述第二幅值,对所述第一转换模块获得的所述第一频谱信息进行修正,消除所述环境噪声的干扰。
在第四种可能的实现方式中,结合上述第二方面,所述频谱特征包括异响频率和振幅强度阈值;并且,
所述匹配模块,用于针对每个所述电动机部件,若该电动机部件对应的所述异响频率在所述第一频谱信息中的振幅强度大于该电动机部件对应的所述振幅强度阈值,则确定所述电动机中该电动机部件发生异常。
在第五种可能的实现方式中,结合上述第二方面或第二方面的任一可能的实现方式,所述预处理模块,用于针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时电动机转动的至少两个声音样本,将所述至少两个声音样本从时域转换至频域,获得的至少两个样本频谱信息,对所述至少两个样本频谱信息进行分析,确定该电动机部件发生异常时所产生异响的频谱特征。
第三方面,本申请实施例还提供了一种电子设备,包括:处理器和存储器,所述处理器和所述存储器连接,所述存储器存储有计算机程序,所述处理器用于执行所述计算机程序实现上述第一方面提供的方法。
第四方面,本申请实施例还提供了一种计算机可读介质,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行上述第一方面所提供的方法。
由上述技术方案可知,预先确定不同电动机部件发生异常时所产生异响的频谱特征,在获取到待测试的电动机转动时所采集声音对应的第一声音信号后,将第一声音信号从时域转转至频域,获得对应的第一频谱信息,然后分别将每个电动机部件对应的频谱特征与第一频谱信息进行匹配,如果一个电动机部件对应的频谱特征与第一频谱信息相匹配,则确定待测试的电动机中该电动机部件发生异常。由此,通过确定不同电动机部件产生异响的频谱特征,将不同电动机部件对应的频谱特征与电动机转动时所采集声音对应的第一频谱信息进行匹配,如果一个电动机部件对应的频谱特征与第一频谱信息相匹配,则说明待测试的电动机转动时该电动机部件产生了异响,进而确定该电动机部件发生异常,从而实现了电动机测试的自动化,减少电动机测试过程中的主观因素,提高了对电动机进行测试的可靠性。
附图说明
图1是本申请实施例一提供的一种电动机测试方法的流程图;
图2是本申请实施例二提供的一种电动机测试方法的流程图;
图3是本申请实施例二提供的一种频谱特征确定方法的流程图;
图4是本申请实施例二提供的一种变频器使能但电动机未转动时所采集声音对应的频率曲线的示意图;
图5是本申请实施例二提供的一种电动机转动时所采集声音对应的频率曲线的示意图;
图6是本申请实施例二提供的一种编码器产生异响时第一频谱信息所对应频率曲线的示意图;
图7是本申请实施例二提供的一种电磁感应部件产生异响时第一频谱信息所对应频率曲线的示意图;
图8是本申请实施例二提供的一种油封产生异响时第一频谱信息所对应频率曲线的示意图;
图9是本申请实施例二提供的一种转子产生异响时第一频谱信息所对应频率曲线的示意图;
图10是本申请实施例二提供的一种轴承产生异响时第一频谱信息所对应频率曲线的示意图;
图11是本申请实施例三提供的一种电动机测试装置的示意图;
图12是本申请实施例三提供的另一种电动机测试装置的示意图;
图13是本申请实施例三提供的又一种电动机测试装置的示意图;
图14是本申请实施例四提供的一种电子设备的示意图。
附图标记列表:
101:获取电动机部件发生异常时所产生异响的频谱特征
102:获取电动机转动时所采集声音对应的第一声音信号
103:将第一声音信号从时域转换至频域,获得第一声音信号对应的第一频谱信息
104:若电动机部件的频谱特征与第一频谱信息相匹配,则确定电动机部件发生异常
201:获取电动机部件发生异常时所产生异响的频谱特征
2011:获取电动机部件发生异常时电动机转动的至少两个声音样本
2012:将获取的至少两个声音样本从时域转换至频谱,获得至少两个样本频谱信息
2013:分析样本频谱信息,确定电动机部件发生异常时所产生异响的频谱特征
202:获取电动机的变频器使能且电动机未转动时所采集声音对应的第二声音信号
203:将第二声音信号从时域转换至频率,获得第二声音信号对应的第二频谱信息
204:根据第二频率信息,确定第一频率和第一幅值,并确定第二频率和第二幅值
205:在电动机开始转动后,检测电动机的转速
206:在电动机的转速等于该目标转速时采集电动机转动时的声音,获得声音电信号
207:将声音电信号转换为数字信号,获得第一声音信号
208:将第一声音信号从时域转换至频域,获得对应的第一频谱信息
209:根据第一频率和第一幅值以及第二频率和第二幅值对第一频谱信息进行修正
210:若电动机部件的频谱特征与第一频谱信息相匹配,则确定电动机部件发生异常
110:电动机测试装置 111:预处理模块 112:第一获取模块
113:第一转换模块 114:匹配模块 115:第二获取模块
116:第二转换模块 117:分析模块 118:第一修正模块
119:第二修正模块 1121:检测子模块 1122:采集子模块
1123:处理子模块 140:电子设备 141:处理器
142:存储器
具体实施方式
如前所述,目前在对电动机进行出厂检测时,检测人员通过人耳识别电动机的异响,进而基于个人经验判断电动机是否存在异常以及发生异常的部件,但是会使电动机产生异响的部件有多个,不同的部件出现异常时会产生不同的异响,通过人耳识别异响并基于个人经验识别异常部件均存在较大的主观性,并不能准确识别不同部件异常而产生的异响,进而导致对电动机进行测试的可靠性较差。
本申请实施例中,预先确定不同电动机部件发生异常时所产生异响的频谱特征,在对电动机进行测试时,获取电动机转动时所采集声音对应的第一声音信号,将第一声音信号从时域转转至频谱后,获得第一声音信号对应的第一频谱信息,然后将各电动机部件的频谱特征与第一频谱信息进行匹配,如果一个电动机部件的频谱特征与第一频谱信息相匹配,则确定电动机中该电动机部件发生异常。由此,通过预先确定不同电动机部件发生异常时所产生异响的频谱特征,将各电动机部件的频谱特征与电动机转动产生的声音进行匹配,如果匹配成功则确定相应电动机部件发生异常,从而实现电动机异响的自动检测,避免电动机测试过程中存在较大的主观性,保证对电动机进行测试的可靠性。
下面结合附图对本申请实施例提供的电动机测试方法和装置进行详细说明。
实施例一
图1是本申请实施例一提供的一种电动机测试方法的流程图,如图1所示,该电动机测试方法可以包括如下步骤:
101、针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征。
电动机包括多个发生异常后会产生异响的电动机部件,比如轴承、油封、刹车、编码器、电磁感应部件、转子等,而不同的电动机部件发生异常时所产生的异响不同,为了能够根据异响确定发生异常的电动机部件,需要确定每个电动机部件所产生异响的声音特点。为此,针对每个发生异常后会产生异响的电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征,频谱特征用于表征异响的声音特征,不同电动机部件所产生异响对应的频谱特征不同。
102、获取电动机转动时所采集声音对应的第一声音信号。
在待测试的电动机开始转动后,采集电动机转动时的声音,所采集的声音包括电动机转动所产生的声音。在采集到电动机转动时的声音后,获取所采集声音对应的第一声音信号,第一声音信号为数字信号,以便于后续通过信号处理方法对第一声音信号进行处理,基于第一声音信号确定发生异常的电动机部件。
103、将第一声音信号从时域转换至频域,获得第一声音信号对应的第一频谱信息。
第一声音信号反映声音与时间的关系,而不同电动机部件所产生异响的频率不同,因此需要将第一声音信号从时域转转至频率,获得反映声音能量与频率之间关系的第一频率信息,进而可以基于声音的频率确定电动机转动时所采集声音中是否包括电动机部件的异响。
在将第一声音信号从时域转换至频域时,可以对第一声音信号进行傅里叶变换,对第一声音信号的频率成分进行分析,获得频域的第一频谱信息。
104、针对每个电动机部件,若该电动机部件发生异常时所产生异响的频谱特征与第一频谱信息相匹配,则确定电动机中该电动机部件发生异常。
在获取到第一频谱信息后,分别将每个电动机部件对应的频谱特征与第一频谱信息进行匹配,其中一个电动机部件对应的频谱特征即为该电动机部件发生异常时所产生异响的频谱特征。对于每个电动机部件,如果该电动机部件对应的频谱特征与第一频谱信息相匹配,则确定待测试的电动机中该电动机部件发生异常。
在本申请实施例中,预先确定不同电动机部件发生异常时所产生异响的频谱特征,在获取到待测试的电动机转动时所采集声音对应的第一声音信号后,将第一声音信号从时域转转至频域,获得对应的第一频谱信息,然后分别将每个电动机部件对应的频谱特征与第一频谱信息进行匹配,如果一个电动机部件对应的频谱特征与第一频谱信息相匹配,则确定待测试的电动机中该电动机部件发生异常。由此,通过确定不同电动机部件产生异响的频谱特征,将不同电动机部件对应的频谱特征与电动机转动时所采集声音对应的第一频谱信息进行匹配,如果一个电动机部件对应的频谱特征与第一频谱信息相匹配,则说明待测试的电动机转动时该电动机部件产生了异响,进而确定该电动机部件发生异常,从而实现了电动机测试的自动化,减少电动机测试过程中的主观因素,提高了对电动机进行测试的可靠性。
实施例二
图2是本申请实施例二提供的一种电动机测试方法的流程图,如图2所示,该方法包括如下步骤:
201、获取电动机部件发生异常时所产生异响的频谱特征。
在对电动机进行测试之前,首先需要获取该电动机中各电动机部件发生异常时所产生异响的频谱特征。由于相同型号的电动机具有相同的结构,电动机部件发生异常时所产生异响相似,因此可以针对每一型号的电动机,预先确定该型号电动机中各电动机部件发生异常时所产生异响的频谱特征。
电动机的异响包括轴承异响、油封异响、刹车异响、编码器异响、刮擦异响、电磁异响等,为此需要预先获取电动机中轴承、油封、刹车、编码器、电磁感应部件、转子等电动机部件发生异常时所产生异响的频谱特征。
在一种可能的实现方式中,获取电动机部件发生异常时所产生异响的频谱特征时,可以对电动机部件发生异常时所产生的异响进行分析,通过对大量异响样本进行分析而获得电动机部件发生异常时所产生异响的频谱特征。图3是本申请实施例二提供的一种频谱特征确定方法的流程图,如图3所示,针对每一个发生异常时会产生异响的电动机部件,可以通过如下步骤确定该电动机部件发生异常时所产生异响的频谱特征:
2011、获取电动机部件发生异常时电动机转动的至少两个声音样本。
为了获取一个电动机部件发生异常时所产生的异响,使电动机中其他电动机部件均正常工作,仅该电动机部件发生异常,然后获取电动机转动时采集的声音作为声音样本。声音样本可以是此前对电动机部件发生异常的电动机进行测试时采集到的声音,也可以通过人为使电动机部件发生异常,然后采集电动机转动时的声音作为声音样本。
为了保证所确定频谱特征的准确性,针对每个电动机部件可以获取多个声音样本,以便后续通过对大量声音样本进行分析,准确的确定出电动机部件对应的频谱特征。比如,针对每个电动机部件,获取该电动机部件发生异常时电动机转动的10000个声音样本。
2012、将获取的至少两个声音样本从时域转换至频谱,获得至少两个样本频谱信息。
针对每个电动机部件,在获取到该电动机部件发生异常时电动机转动的多个声音样本后,分别将获取到的每个声音样本从时域转换至频域,获得每个声音样本对应的样本频谱信息。样本频谱信息反映声音样本的频率特征,因此样本频谱信息可以为频谱图。比如,在获取到10000个声音样本后,分别对每个声音样本进行傅里叶变换,将各声音样本从时域转换至频谱,获得10000个样本频谱信息。
2013、对获得的各样本频谱信息进行分析,确定电动机部件发生异常时所产生异响的频谱特征。
在获取到各声音样本对应的样本频谱信息后,对获取到的各样本频谱信息进行大数据分析,确定电动机部件发生异常时所产生异响的频谱特征。比如,针对每个电动机部件,对该电动机部件对应的10000个样本频谱信息进行大数据分析,确定出该电动机部件发生异常时所产生异响的频谱特征。
在本申请实施例中,针对每个电动机部件,采集该电动机部件发生异常后电动机转动时的声音样本,将采集到的多个声音样本从时域转转至频谱,获得多个样本频谱信息后,对各样本频谱信息进行大数据分析,确定出该电动机部件发生异常时所产生异响的频谱特征。通过大数据分析的方法确定每个电动机部件发生异常时所产生异响的频谱特征,保证所确定出的频谱特征能够真实地标识响应电动机部件发生异常时所产生的异响,进而保证基于电动机部件的频谱特征对电动机进行测试的准确性。
在一种可能的实现方式中,电动机部件发生异常时所产生异响的频谱特征包括异响频率和振幅强度阈值。由于不同的电动机部件发生异常时所产生的异响不同,不同的异响对应不同的频率和振幅强度,通过对多个样本频谱信息进行大数据分析,确定电动机部件发生异常时所产生异响对应的异响频率和振幅强度阈值,进而可以基于异响频率和振幅强度阈值来区分由不同电动机部件产生的异响。
比如,分别对每个电动机部件对应的样本频谱信息进行大数据分析后,确定各电动机部件对应的异响频率和振幅强度阈值如下表1所示。
表1
电动机部件 | 异响频率(Hz) | 振幅强度阈值(dB) |
轴承 | 3000~3500 | -38 |
油封 | 4000~5300 | -35 |
编码器 | 1700~1900 | -35 |
电磁感应部件 | 4100~4400 | -45 |
转子 | 600~800 | -20 |
需要说明的是,并非每次对电动机进行测试都需要执行步骤201,对于同一型号的电动机,在确定出该型号的电动机中各电动机部件发生异常时所产生异响的频谱特征后,后续每次对该型号的电动机进行测试时,都可以利用此前已经获取到的频谱特征来测试电动机是否发生异常,以及确定发生异常的电动机部件。
202、获取电动机的变频器使能且电动机未转动时所采集声音对应的第二声音信号。
由于电动机的变频器包括绝缘栅双极型晶体管(Insulated Gate BipolarTransistor,IGBT),变频器工作时IGBT具有特定的开关频率,当变频器驱动电动机转动时,IGBT按照器开关频率执行开关动作,会在IGBT的开关频率及其倍频附近有高频输出,但这是电动机转动时的正常声响,并不是电动机部件的异响,为此需要识别出变频器中IGBT的开关频率,以避免在对电动机进行测试过程中出现误判。比如,IGBT的开关频率是4000Hz,则在电动机转动时,会在4000Hz及4000nHz附近有高频输出,其中,n为大于1的正整数。
另外,在采集电动机转动的声音时,所采集的声音包括环境噪声。为了避免环境噪声对电动机测试结果的影响,需要预先确定环境噪声的频率和幅值,以避免将环境造成误识别为电动机部件的异响。
在电动机的变频器使能后,电动机的变频器开始工作,此时变频器中的IGBT会产生频率与其开关频率相同的声音。采集电动机的变频器使能但电动机未转动时的声音,该声音包括变频器中IGBT产生的声音,也包括环境噪声,因此在获取该声音对应的第二声音信号后,可以基于第二声音信号确定IGBT所产生声音的频率和幅值以及环境噪声的频率和幅值。
需要说明的是,为了减少环境噪声对测试结果的影响,可以将待测试的电机置于隔音装置内,在隔音装置内采集电动机的变频器使能但电动机未转动时的声音。
203、将第二声音信号从时域转换至频率,获得第二声音信号对应的第二频谱信息。
在获取到第二声音信号后,将第二声音信号从时域转换至频域,获得第二频谱信息,第二频谱信息包括变频器使能但电动机未转动时所采集声音的频率以及幅值,比如第二频谱信息为频率曲线。
图4是本申请实施例二提供的一种变频器使能但电动机未转动时所采集声音对应的频率曲线的示意图,如图4所示,频率4000Hz和8000Hz对应的幅值较高,由此确定待测试的电动机中变频器所产生声音的频率为4000Hz。
204、根据第二频率信息,确定电动机中变频器所产生声音的第一频率和第一幅值,并确定环境噪声的第二频率和第二幅值。
在获得第二频谱信息后,可以根据第二频谱信息确定待测试的电动机中变频器所产生声音对应的第一频率和第一幅值,还可以确定测试电动机的空间位置的环境噪声对应的第二频率和第二幅值。
比如,第二频谱信息为频谱图,根据从频谱图中可以读取变频器所产生声音对应的第一频率和第一幅值,还可以从频谱图中读取环境噪声对应的第二频率和第二幅值。
205、在电动机开始转动后,检测电动机的转速。
由于电动机部件产生的异响与电动机的转速有关,比如一些电动机部件在较低转速时不会产生异响,而在较高转速时则会产生异响,为此需要检测电动机的转速,在特定的转速下采集电动机转动时的声音,进而基于采集到的声音对电动机进行异常检测。
206、针对预设的至少两个目标转速中的每个目标转速,在电动机的转速等于该目标转速时,采集电动机转动时的声音,获得声音电信号。
预先设定采集电动机转动时声音的至少两个目标转速,在检测到电动机的转速达到目标转速后,采集电动机转动时的声音,获得声音电信号。比如,预先设定的目标转速为1000r/min和3000r/min,在电动机开始转动后检测电动机的转速,当电动机的转速达到1000r/min时,对电动机转动时的声音进行采集,获得一个声音电信号,当电动机的转速达到3000r/min时,再次对电动机转动时的声音进行采集,获得另一个声音电信号。
预先设定至少两个不同的目标转速,采集电动机在不同目标转速时的声音,进而可以基于电动机在不同转速下的声音对电动机进行异常检测,以测试各电动机部件在不同的转速下是否产生异响,提高对电动机进行测试的可靠性。
在电动机转动的过程中,可以通过声音传感器采集电动机转动时的声音,声音传感器将声波振动信号转换为声音电信号。与采集变频器使能但电动机未转动时的声音相类似,将电动机置于隔音装置内,声音传感器同样置于隔音装置内,在隔音装置内声音传感器采集电动机转动时的声音,使电动机未转动时所采集的声音与电动机转动时所采集的声音具有相似的环境噪声,同时所采集到的声音包括较少的环境噪声,以减少环境噪声对测试结果的影响。
207、将声音电信号转换为数字信号,获得第一声音信号。
在获取到至少两个声音电信号后,分别将每个声音电信号转换为数字信号,获得至少两个第一声音信号。将声音电信号转换为数字信号形式的第一声音信号,便于将第一声音信号从时域转换至频域,以基于频率属性对电动机部件的异常进行检测。
208、将第一声音信号从时域转换至频域,获得对应的第一频谱信息。
针对获取到的每个第一声音信号,对第一声音信号进行傅里叶变换,将第一声音信号从时域转换至频域,获得相对应的第一频谱信息。比如分别对每个第一声音信号进行傅里叶变换,将第一声音信号从时域转换至频谱,获得与第一声音信号相对应的频率曲线,作为第一频谱信息。
图5是本申请实施例提供的一种电动机转动时所采集声音对应的频率曲线的示意图。将第一声音信号从时域转换至频域,可以获得图5所示的频率曲线,进而将图5所示的频谱曲线作为与第一声音信号相对应的第一频谱信息。
209、根据第一频率和第一幅值,以及第二频率和第二幅值对第一频谱信息进行修正,消除变频器所产生声音和环境噪声的干扰。
由于第一频谱信息包括变频器所产生声音和环境噪声的频率和幅值,根据变频器所产生声音的第一频率和第一幅值对第一频谱信息进行修正,可以消除变频器所产生声音对测试结果的干扰,根据环境噪声的第二频率和第二幅值对第一频率信息进行修正,可以消除环境噪声对测试结果的干扰。
比如,变频器所产生声音的频率为4000Hz,则根据变频器所产生声音的幅值,对第一频谱信息中4000Hz和8000Hz对应的幅值进行修正,以将变频器所产生声音的幅值从第一频谱信息中去除。与变频器所产生声音相类似,可以通过相同的方法,基于环境噪声的第二频率和第二幅值,对第一频谱信息进行修正,以将环境噪声的幅值从第一频谱信息中去除。
210、针对每个电动机部件,如果该电动机部件发生异常时所产生异响的频谱特征与第一频谱信息相匹配,则确定该电动机部件发生异常。
对于每个修正后的第一频谱信息,分别将每个电动机部件发生异常时所产生异响的频谱特征与该第一频谱信息进行匹配,如果某个电动机部件对应的异响频率在第一频率信息中的振幅强度大于该电动机部件对应的振幅强度阈值,则确定该电动机部件发生异常时所产生异响的频谱特征与该第一频谱信息相匹配,进而确定该电动机部件发生异常。
图6是本申请实施例二提供的一种编码器产生异响时第一频谱信息所对应频率曲线的示意图,如图6所示,1700Hz~1900Hz之间频率对应的最大幅值大于-35dB,而根据上述表1的记载,编码器发生异常时所产生异响对应的异响频率为1700Hz~1900Hz,对应的振幅强度阈值为-35dB,因此图6中位于椭圆标记内的曲线段与编码器发生异常时所产生异响的频谱特征相匹配,从而基于图6所示的频率曲线确定待测试电动机中的编码器发生异常。
图7是本申请实施例二提供的一种电磁感应部件产生异响时第一频谱信息所对应频率曲线的示意图,如图7所示,4100Hz~4400Hz之间频率对应的最大幅值大于-45dB,而根据上述表1的记载,电磁感应部件发生异常时所产生异响对应的异响频率为4100Hz~4400Hz,对应的振幅强度阈值为-45dB,因此图7中位于椭圆标记内的曲线段与电磁感应部件发生异常时所产生异响的频谱特征相匹配,从而基于图7所示的频率曲线确定待测试电动机中的电磁感应部件发生异常。
图8是本申请实施例二提供的一种油封产生异响时第一频谱信息所对应频率曲线的示意图,如图8所示,4000Hz~5300Hz之间频率对应的最大幅值大于-35dB,而根据上述表1的记载,油封发生异常时所产生异响对应的异响频率为4000Hz~5300Hz,对应的振幅强度阈值为-35dB,因此图8中位于椭圆标记内的曲线段与油封发生异常时所产生异响的频谱特征相匹配,从而基于图8所示的频率曲线确定待测试电动机中的油封发生异常。
图9是本申请实施例二提供的一种转子产生异响时第一频谱信息所对应频率曲线的示意图,如图9所示,600Hz~800Hz之间频率对应的最大幅度大于-20dB,而根据上述表1的记载,转子发生异常时所产生异响对应的异响频率为600Hz~800Hz,对应的振幅强度阈值为-20dB,因此图9中位于椭圆标记内的曲线段与转子发生异常时所产生异响的频谱特征相匹配,从而基于图9所示的频率曲线确定待测试电动机中的转子发生异常。需要说明的是,转子异常包括转子与定子之间存在杂质,由杂质而导致的刮擦异响。
图10是本申请实施例二提供的一种轴承异响时第一频谱信息所对应频率曲线的示意图,如图10所示,3000Hz~3500Hz之间频率对应的最大幅度大于-38dB,而根据上述表1的记载,轴承发生异常时所产生异响对应的异响频率为3000Hz~3500Hz,对应的振幅强度阈值为-38dB,因此图10中位于椭圆标记内的曲线段与轴承发生异常时所产生异响的频谱特征相匹配,从而基于图10所示的频率曲线确定待测试电动机中的轴承发生异常。
需要说明的是,在图4-10所示的频谱曲线的示意图中,横坐标为频率,横坐标的单位为赫兹(Hz),纵坐标为振幅强度,纵坐标的单位为分贝(dB)。
实施例三
图11是本申请实施例三提供的一种电动机测试装置110的示意图,如图11所示,电动机测试装置110包括:
预处理模块111,用于针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征;
第一获取模块112,用于获取电动机转动时所采集声音对应的第一声音信号;
第一转换模块113,用于将第一获取模块112获取到的第一声音信号从时域转换至频域,获得第一声音信号对应的第一频谱信息;
匹配模块114,用于针对每个电动机部件,若预处理模块111获取的该电动机部件发生异常时所产生异响的频谱特征与第一转换模块113获得的第一频谱信息相匹配,则确定电动机中该电动机部件发生异常。
在本申请实施例中,预处理模块111可用于执行上述实施例一中的步骤101,第一获取模块112可用于执行上述实施例一中的步骤102,第一转换模块113可用于执行上述实施例一中的步骤103,匹配模块114可用于执行上述实施例一中的步骤104。
在一种可能的实现方式中,图12是本申请实施例三提供的另一种电动机测试装置110的示意图,如图12所示,在图11所示电动机测试装置110的基础上,第一获取模块112包括:
检测子模块1121,用于在电动机开始转动后,检测电动机的转速;
采集子模块1122,用于针对预设的至少两个目标转速中的每个目标转速,在检测子模块1121检测到电动机的转速等于该目标转速时,采集电动机转动时的声音,获得声音电信号;
处理子模块1123,用于将采集子模块1122获得的声音电信号转换为数字信号,获得第一声音信号。
在本申请实施例中,检测子模块1121可用于执行上述实施例二中的步骤205,采集子模块1122可用于执行上述实施例二中的步骤206,处理子模块1123可用于执行上述实施例二中的步骤207。
在一种可能的实现方式中,如图9所示,电动机被置于隔音装置内,采集子模块1122用于在隔音装置内采集电动机转动时的声音。
在一种可能的实现方式中,图13是本申请实施例三提供的又一种电动机测试装置110的示意图,如图13所示,在图11所示电动机测试装置110的基础上,电动机测试装置110还包括:
第二获取模块115,用于获取电动机的变频器使能且电动机未转动时所采集声音对应的第二声音信号;
第二转换模块116,用于将第二获取模块115获取到的第二声音信号从时域转换至频域,获得第二声音信号对应的第二频谱信息;
分析模块117,用于根据第二转换模块116获得的第二频谱信息,确定变频器产生的声音的第一频率和第一幅值,并确定环境噪声的第二频率和第二幅值;
第一修正模块118,用于根据分析模块117确定的第一频率和第一幅值,对第一转换模块113获得的第一频谱信息进行修正,消除变频器所产生声音的干扰;
第二修正模块119,用于根据分析模块117确定的第二频率和第二幅值,对第一转换模块113获得的第一频谱信息进行修正,消除环境噪声的干扰。
在本申请实施例中,第二获取模块115可用于执行上述实施例二中的步骤202,第二转换模块116可用于执行上述实施例二中的步骤203,分析模块117可用于执行上述实施例二中的步骤204,第一修正模块118和第二修正模块119可用于执行上述实施例二中的步骤209。
在一种可能的实现方式中,如图11所示,频谱特征包括异响频率和振幅强度阈值;匹配模块114用于针对每个电动机部件,若该电动机部件对应的异响频率在第一频谱信息中的振幅强度大于该电动机部件对应的振幅强度阈值,则确定电动机中该电动机部件发生异常。
在一种可能的实现方式中,如图11至图13中任一附图所示,预处理模块111用于针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时电动机转动的至少两个声音样本,将至少两个声音样本从时域转换至频域,获得的至少两个样本频谱信息,对至少两个样本频谱信息进行分析,确定该电动机部件发生异常时所产生异响的频谱特征。
需要说明的是,上述实施例三所提供的电动机测试装置与前述实施例一和实施例二提供的电动机测试方法同一构思,电动机测试装置中各模块之间的交互可参见前述电动机测试方法实施例中的描述,在此不再赘述。
实施例四
图14是本申请实施例四提供的一种电子设备140的示意图,如图14所示,电子设备140包括:处理器141和存储器142,处理器141和存储器142连接,存储器142存储有计算机程序,处理器141用于执行计算机程序实现上述实施例提供的电动机测试方法。
需要说明的是,上述电子设备的各模块之间的信息交互、执行过程等内容,由于与前述电动机测试方法实施例基于同一构思,具体内容可参见前述电动机测试方法实施例中的叙述,此处不再赘述。
本申请还提供了一种计算机可读介质,存储用于使一机器执行如本文所述的电动机测试方法的指令。具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或GPU或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本申请的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的GPU、CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,上述各流程和各系统结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件模块可以通过机械方式或电气方式实现。例如,一个硬件模块可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件模块还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本申请进行了详细展示和说明,然而本申请不限于这些已揭示的实施例,基与上述多个实施例本领域技术人员可以知晓,可以组合上述不同实施例中的代码审核手段得到本申请更多的实施例,这些实施例也在本申请的保护范围之内。
Claims (14)
1.电动机测试方法,其特征在于,包括:
针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征(101);
获取电动机转动时所采集声音对应的第一声音信号(102);
将所述第一声音信号从时域转换至频域,获得所述第一声音信号对应的第一频谱信息(103);
针对每个所述电动机部件,若该电动机部件发生异常时所产生异响的频谱特征与所述第一频谱信息相匹配,则确定所述电动机中该电动机部件发生异常(104)。
2.根据权利要求1所述的方法,其特征在于,所述获取电动机转动时所采集声音对应的第一声音信号,包括:
在所述电动机开始转动后,检测所述电动机的转速(205);
针对预设的至少两个目标转速中的每个目标转速,在所述电动机的转速等于该目标转速时,采集所述电动机转动时的声音,获得声音电信号(206);
将所述声音电信号转换为数字信号,获得所述第一声音信号(207)。
3.根据权利要求2所述的方法,其特征在于,所述电动机被置于隔音装置内,
并且其中,所述采集所述电动机转动时的声音,包括:
在所述隔音装置内采集所述电动机转动时的声音。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述电动机的变频器使能且所述电动机未转动时所采集声音对应的第二声音信号(202);
将所述第二声音信号从时域转换至频域,获得所述第二声音信号对应的第二频谱信息(203);
根据所述第二频谱信息,确定所述变频器产生的声音的第一频率和第一幅值,并确定环境噪声的第二频率和第二幅值(204);
根据所述第一频率和所述第一幅值,对所述第一频谱信息进行修正,消除所述变频器所产生声音的干扰(209);
根据所述第二频率和所述第二幅值,对所述第一频谱信息进行修正,消除所述环境噪声的干扰(209)。
5.根据权利要求1所述的方法,其特征在于,所述频谱特征包括异响频率和振幅强度阈值;并且,
所述针对每个所述电动机部件,若该电动机部件发生异常时所产生异响的频谱特征与所述第一频谱信息相匹配,则确定所述电动机中该电动机部件发生异常,包括:
针对每个所述电动机部件,若该电动机部件对应的所述异响频率在所述第一频谱信息中的振幅强度大于该电动机部件对应的所述振幅强度阈值,则确定所述电动机中该电动机部件发生异常(210)。
6.根据权利要求1至5中任一所述的方法,其特征在于,所述针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征,包括:
针对至少一个电动机部件中的每个电动机部件,均执行:
获取该电动机部件发生异常时电动机转动的至少两个声音样本(2011);
将所述至少两个声音样本从时域转换至频域,获得的至少两个样本频谱信息(2012);
对所述至少两个样本频谱信息进行分析,确定该电动机部件发生异常时所产生异响的频谱特征(2013)。
7.电动机测试装置(110),其特征在于,包括:
预处理模块(111),用于针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时所产生异响的频谱特征;
第一获取模块(112),用于获取电动机转动时所采集声音对应的第一声音信号;
第一转换模块(113),用于将所述第一获取模块(112)获取到的所述第一声音信号从时域转换至频域,获得所述第一声音信号对应的第一频谱信息;
匹配模块(114),用于针对每个所述电动机部件,若所述预处理模块(111)获取的该电动机部件发生异常时所产生异响的频谱特征与所述第一转换模块(113)获得的所述第一频谱信息相匹配,则确定所述电动机中该电动机部件发生异常。
8.根据权利要求7所述的装置,其特征在于,所述第一获取模块(112)包括:
检测子模块(1121),用于在所述电动机开始转动后,检测所述电动机的转速;
采集子模块(1122),用于针对预设的至少两个目标转速中的每个目标转速,在所述检测子模块(1121)检测到所述电动机的转速等于该目标转速时,采集所述电动机转动时的声音,获得声音电信号;
处理子模块(1123),用于将所述采集子模块(1122)获得的所述声音电信号转换为数字信号,获得所述第一声音信号。
9.根据权利要求8所述的装置,其特征在于,所述电动机被置于隔音装置内,
所述采集子模块(1122),用于在所述隔音装置内采集所述电动机转动时的声音。
10.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二获取模块(115),用于获取所述电动机的变频器使能且所述电动机未转动时所采集声音对应的第二声音信号;
第二转换模块(116),用于将所述第二获取模块(115)获取到的所述第二声音信号从时域转换至频域,获得所述第二声音信号对应的第二频谱信息;
分析模块(117),用于根据所述第二转换模块(116)获得的所述第二频谱信息,确定所述变频器产生的声音的第一频率和第一幅值,并确定环境噪声的第二频率和第二幅值;
第一修正模块(118),用于根据所述分析模块(117)确定的所述第一频率和所述第一幅值,对所述第一转换模块(113)获得的所述第一频谱信息进行修正,消除所述变频器所产生声音的干扰;
第二修正模块(119),用于根据所述分析模块(117)确定的所述第二频率和所述第二幅值,对所述第一转换模块(113)获得的所述第一频谱信息进行修正,消除所述环境噪声的干扰。
11.根据权利要求7所述的装置,其特征在于,所述频谱特征包括异响频率和振幅强度阈值;并且,
所述匹配模块(114),用于针对每个所述电动机部件,若该电动机部件对应的所述异响频率在所述第一频谱信息中的振幅强度大于该电动机部件对应的所述振幅强度阈值,则确定所述电动机中该电动机部件发生异常。
12.根据权利要求7至11中任一所述的装置,其特征在于,
所述预处理模块(111),用于针对至少一个电动机部件中的每个电动机部件,获取该电动机部件发生异常时电动机转动的至少两个声音样本,将所述至少两个声音样本从时域转换至频域,获得的至少两个样本频谱信息,对所述至少两个样本频谱信息进行分析,确定该电动机部件发生异常时所产生异响的频谱特征。
13.电子设备(140),其特征在于,包括:处理器(141)和存储器(142),所述处理器(141)和所述存储器(142)连接,所述存储器(142)存储有计算机程序,所述处理器(141)用于执行所述计算机程序实现上述权利要求1-6中任一项所述的方法。
14.计算机可读存储介质,所述计算机可读存储介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717900.8A CN113432856A (zh) | 2021-06-28 | 2021-06-28 | 电动机测试方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717900.8A CN113432856A (zh) | 2021-06-28 | 2021-06-28 | 电动机测试方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113432856A true CN113432856A (zh) | 2021-09-24 |
Family
ID=77755096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110717900.8A Pending CN113432856A (zh) | 2021-06-28 | 2021-06-28 | 电动机测试方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113432856A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114414038A (zh) * | 2022-01-26 | 2022-04-29 | 歌尔科技有限公司 | 马达模组的转动异音检测方法、装置、设备及介质 |
CN115962125A (zh) * | 2021-12-14 | 2023-04-14 | 黑龙江景宏石油设备制造有限公司 | 一种螺杆泵的驱动装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006313169A (ja) * | 2000-12-06 | 2006-11-16 | Nsk Ltd | 機械設備又は機器の異常診断方法および異常診断装置 |
CN105737974A (zh) * | 2016-04-25 | 2016-07-06 | 吉林大学 | 汽车空调压缩机噪声测试试验台 |
CN105810213A (zh) * | 2014-12-30 | 2016-07-27 | 浙江大华技术股份有限公司 | 一种典型异常声音检测方法及装置 |
CN106919662A (zh) * | 2017-02-14 | 2017-07-04 | 复旦大学 | 一种音乐识别方法及系统 |
CN107063654A (zh) * | 2016-01-18 | 2017-08-18 | 株式会社神户制钢所 | 旋转机械异常检测装置及该方法、以及旋转机械 |
CN108414240A (zh) * | 2018-03-15 | 2018-08-17 | 广东工业大学 | 一种检测机器异常振动的方法与装置 |
CN109443525A (zh) * | 2018-11-02 | 2019-03-08 | 四川长虹电器股份有限公司 | 一种设备异响检测系统及检测方法 |
CN109973325A (zh) * | 2017-12-20 | 2019-07-05 | 北京金风科创风电设备有限公司 | 识别异常振动的方法和设备 |
CN111508521A (zh) * | 2019-01-30 | 2020-08-07 | 深圳市冠旭电子股份有限公司 | 安防方法、终端设备及存储介质 |
CN112418173A (zh) * | 2020-12-08 | 2021-02-26 | 北京声智科技有限公司 | 异常声音识别方法、装置及电子设备 |
-
2021
- 2021-06-28 CN CN202110717900.8A patent/CN113432856A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006313169A (ja) * | 2000-12-06 | 2006-11-16 | Nsk Ltd | 機械設備又は機器の異常診断方法および異常診断装置 |
CN105810213A (zh) * | 2014-12-30 | 2016-07-27 | 浙江大华技术股份有限公司 | 一种典型异常声音检测方法及装置 |
CN107063654A (zh) * | 2016-01-18 | 2017-08-18 | 株式会社神户制钢所 | 旋转机械异常检测装置及该方法、以及旋转机械 |
CN105737974A (zh) * | 2016-04-25 | 2016-07-06 | 吉林大学 | 汽车空调压缩机噪声测试试验台 |
CN106919662A (zh) * | 2017-02-14 | 2017-07-04 | 复旦大学 | 一种音乐识别方法及系统 |
CN109973325A (zh) * | 2017-12-20 | 2019-07-05 | 北京金风科创风电设备有限公司 | 识别异常振动的方法和设备 |
CN108414240A (zh) * | 2018-03-15 | 2018-08-17 | 广东工业大学 | 一种检测机器异常振动的方法与装置 |
CN109443525A (zh) * | 2018-11-02 | 2019-03-08 | 四川长虹电器股份有限公司 | 一种设备异响检测系统及检测方法 |
CN111508521A (zh) * | 2019-01-30 | 2020-08-07 | 深圳市冠旭电子股份有限公司 | 安防方法、终端设备及存储介质 |
CN112418173A (zh) * | 2020-12-08 | 2021-02-26 | 北京声智科技有限公司 | 异常声音识别方法、装置及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115962125A (zh) * | 2021-12-14 | 2023-04-14 | 黑龙江景宏石油设备制造有限公司 | 一种螺杆泵的驱动装置 |
CN114414038A (zh) * | 2022-01-26 | 2022-04-29 | 歌尔科技有限公司 | 马达模组的转动异音检测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Delgado-Arredondo et al. | Methodology for fault detection in induction motors via sound and vibration signals | |
Abdelkader et al. | Rolling bearing fault diagnosis based on an improved denoising method using the complete ensemble empirical mode decomposition and the optimized thresholding operation | |
CN113432856A (zh) | 电动机测试方法、装置、电子设备和存储介质 | |
US10475469B2 (en) | Abnormal sound determination apparatus and determination method | |
JP2011259624A (ja) | 転がり軸受部振動データの高周波電磁振動成分除去方法および高周波電磁振動成分除去装置、回転機械の転がりの軸受診断方法および軸受診断装置 | |
US20170097323A1 (en) | System and method for detecting defects in stationary components of rotary machines | |
CN109029999B (zh) | 基于增强调制双谱分析的滚动轴承故障诊断方法 | |
Pons-Llinares et al. | Pursuing optimal electric machines transient diagnosis: The adaptive slope transform | |
Benko et al. | Fault diagnosis of a vacuum cleaner motor by means of sound analysis | |
Rajagopalan et al. | Wigner-Ville distributions for detection of rotor faults in brushless DC (BLDC) motors operating under non-stationary conditions | |
CN109934136B (zh) | 基于Duffing振子和本征模式分量的滚动轴承故障诊断方法 | |
Dogan et al. | Diagnosis of inter-turn faults based on fault harmonic component tracking in LSPMSMs working under nonstationary conditions | |
Kabul et al. | An alternative approach for the detection of broken rotor bars and bearing faults of induction motor based on vibration signals | |
JP6062588B1 (ja) | 三相誘導電動機の固有特徴量を決定する方法 | |
Hua et al. | Matching linear Chirplet strategy-based synchroextracting transform and its application to rotating machinery fault diagnosis | |
Salazar-Villanueva et al. | Spectral analysis for identifying faults in induction motors by means of sound | |
CN110537082B (zh) | 振动检测装置及异常判定系统 | |
CN112781723B (zh) | 一种基于频谱方差的谐波成分检测方法 | |
KR101133234B1 (ko) | 전동기 3상 전류신호의 합성을 통한 기기결함 신호의 해상도 증가방법 | |
Yeolekar et al. | Outer race bearing fault identification of induction motor based on stator current signature by wavelet transform | |
Altankhuyag et al. | Noise Signal Analysis for Fault Detection | |
Rubhini et al. | Machine condition monitoring using audio signature analysis | |
Mauricio | Beamformed Envelope Spectrum of acoustic signals for bearing diagnostics under varying speed conditions | |
JP3144878B2 (ja) | 回転機械の異常音診断方法、その装置及び回転機械の製造ライン | |
Siahpour et al. | Fault detection and isolation of wind turbine gearbox via noise-assisted multivariate empirical mode decomposition algorithm. |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231221 Address after: No. 99 Zhongxin Road, Yizheng City, Jiangsu Province, 211401 Applicant after: Siemens Electromechanical Technology (Jiangsu) Co.,Ltd. Address before: 211400 No. 99 Zhongxin Road, Yizheng City, Yangzhou City, Jiangsu Province Applicant before: SIEMENS MOTOR (CHINA) CO.,LTD. |