CN113673371B - 基于振动信号的滚珠丝杠副正反向换向点识别方法及系统 - Google Patents
基于振动信号的滚珠丝杠副正反向换向点识别方法及系统 Download PDFInfo
- Publication number
- CN113673371B CN113673371B CN202110879382.XA CN202110879382A CN113673371B CN 113673371 B CN113673371 B CN 113673371B CN 202110879382 A CN202110879382 A CN 202110879382A CN 113673371 B CN113673371 B CN 113673371B
- Authority
- CN
- China
- Prior art keywords
- reversing
- searching
- point
- data
- ball screw
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000033001 locomotion Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 16
- 238000005520 cutting process Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Transmission Devices (AREA)
Abstract
本发明提供一种基于振动信号的滚珠丝杠副正反向换向点识别方法及系统,包括以下步骤:从多个换向测点通道中选取一个通道作为典型通道,获取典型通道的振动信号,提取所述振动信号的轮廓包络线数据进行降维处理;对降维后的轮廓包络线数据进行排序和去重处理,得到迭代步长集合;依据降维后的轮廓包络线数据组成的包络线和迭代步长集合进行换向点粗寻,得到粗寻换向点集合;根据粗寻换向点集合中的每个粗寻换向点的位置标签在所述振动信号中确定细寻换向点区间,并在所述细寻换向点区间寻找最小值在所述振动信号中对应的位置标签,所述位置标签即为滚珠丝杠副滑块运动的一个换向点。本发明提高了滚珠丝杠副的正反行程数据区间区分的准确率。
Description
技术领域
本发明涉及自动化信息采集领域,具体的说,涉及了一种基于振动信号的滚珠丝杠副正反向换向点识别方法及系统。
背景技术
数控机床作为机械工业生产自动化的重要基础设备,广泛应用于工业生产的各个领域。滚珠丝杠副作为数控机床进给系统的重要传动部件,其工作状况的优劣直接影响数控机床产品加工质量。对滚珠丝杠副的故障诊断以及健康管理都离不开对原始采集信号的数据预处理。在生产自动化加工过程中,滚珠丝杠副的往复进给运动是其主要运行方式。在传感器所采集到的原始信号数据中包含大量往复运动正反行程数据,要想实现后续对滚珠丝杠副故障诊断与健康管理,则必须对其正反行程数据予以区分。
然而原始信号数据存在噪声的情况下,难以对数据进行平滑处理;同时在正反行程未知的情况下,存在难以依据原始信号数据确定滚珠丝杠副滑块换向点的问题,从而无法准确进行滚珠丝杠副正反行程区分。
为了解决以上存在的问题,人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足,从而提供了一种基于振动信号的滚珠丝杠副正反向换向点识别方法及系统。
为了实现上述目的,本发明所采用的技术方案是:一种基于振动信号的滚珠丝杠副正反向换向点识别方法,包括以下步骤:
在采集数据预处理阶段,从多个换向测点通道中选取一个通道作为典型通道,获取典型通道的振动信号,提取所述振动信号的轮廓包络线数据进行降维处理;
对降维后的轮廓包络线数据进行排序和去重处理,得到迭代步长集合;
依据降维后的轮廓包络线数据组成的包络线和迭代步长集合进行换向点粗寻,得到粗寻换向点集合;
根据粗寻换向点集合中的每个粗寻换向点的位置标签在所述振动信号中确定细寻换向点区间,在所述细寻换向点区间寻找最小值,所述最小值对应的位置标签即为滚珠丝杠副滑块运动的一个换向点。
基于上述,依据迭代步长集合进行换向点粗寻的具体步骤如下:
设定迭代步长集合为S=[s1s2…sN];
在降维后的轮廓包络线数据组成的包络线上,定义一条水平线,其初始位置为0,将所述包络线与所述水平线的第一个交点作为初始粗寻换向点,加入粗寻换向点集合,并记录下其在原始振动信号中的位置标签;
在降维后的轮廓包络线数据组成的包络线上,将所述水平线向上移动步长值Si,i为当前迭代次数;分别计算所述包络线与所述水平线的每个交点与粗寻换向点集合中每个粗寻换向点的距离,选取最小距离与期望值进行比较,若最小距离大于或等于期望值,则判定该点为粗寻换向点,将其加入粗寻换向点集合;反之,该点并非粗寻换向点;判断粗寻换向点集合中的换向点数是否达到规定个数,若达到则停止移动所述水平线,否则判断i是否小于N,若i小于N,则令i加1,重新执行当前步骤,若i等于N,则停止移动所述水平线。
基于上述,遍历粗寻换向点集合,获取第j个粗寻换向点Yj的位置标签,在所述振动信号中查找位置标签为[kjm-m,kjm+m]的点,即得到细寻换向点区间rj;其中,kj为粗寻换向点Yj的位置标签,m为降维倍数,j∈[1,M],M为换向点数规定个数。
基于上述,计算所述包络线与所述水平线的每个交点与粗寻换向点集合中每个粗寻换向点的距离具体为:计算每个交点与粗寻换向点集合中每个粗寻换向点在所述振动信号中对应的位置标签的差值。
本发明还提供一种基于振动信号的滚珠丝杠副正反向行程数据区分方法,包括以下步骤:通过前述滚珠丝杠副正反向换向点识别方法获得滚珠丝杠副正反向换向点;
依据滚珠丝杠副正反向换向点和限制截取段长,剪切所述振动信号,截取相邻换向点之间符合要求的区间数据,并采用邻域面积比较法对区间数据进行判定,得到滚珠丝杠副正反行程数据分段及区分。
本发明还提供一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现前述的基于振动信号的滚珠丝杠副正反向换向点识别方法。
本发明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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行前述的基于振动信号的滚珠丝杠副正反向换向点识别方法。
本发明还提供一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现前述的滚珠丝杠副正反向行程数据区分方法。
本发明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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行前述的滚珠丝杠副正反向行程数据区分方法。
本发明相对现有技术具有突出的实质性特点和显著的进步,具体的说,本发明针对滚珠丝杠副测量原始数据数据量大的问题,在获取典型通道的振动信号且提取所述振动信号的轮廓包络线数据后,对轮廓包络线数据进行了降维处理;针对降维处理后数据依然存在较多噪声的问题,再次对数据进行包络分析,通过先粗寻再细寻的方式找到其包络线的谷值点,也即对应于原始振动数据的滚珠丝杠副滑块运动的换向点;通过已经找到的多个换向点,按照相邻换向点进行原始多个传感器数据区间截取分段;最后通过截取区间面积比较得出滚珠丝杠副原始采集数据正反往复运动信息;由此,完成了滚珠丝杠副采集信号正反行程区间划分。本发明提高了滚珠丝杠副的正反行程数据区间区分的准确率,可以用于故障诊断与健康管理等工作。
附图说明
图1是本发明的滚珠丝杠副正反向换向点识别方法的流程示意图。
图2是本发明中滚珠丝杠副滑块运动数据换向点识别示意图。
图3是本发明中典型通道寻找往返行程换向点具体操作示意图。
图4是本发明的滚珠丝杠副正反向行程数据区分方法的流程示意图。
图5是本发明中多通道原始数据剪切分段示意图。
具体实施方式
下面通过具体实施方式,对本发明的技术方案做进一步的详细描述。
如图1所示,一种基于振动信号的滚珠丝杠副正反向换向点识别方法,包括以下步骤:
S1,在采集数据预处理阶段,从多个换向测点通道中选取一个通道作为典型通道,获取典型通道的振动信号,提取所述振动信号的轮廓包络线数据进行降维处理;
定义xi(i=1,2,…,n)为滚珠丝杠的振动信号,上标i表示测点通道。
如图1所示,从n个通道中选出一个换向测点通道作为典型通道。定义xk(1≤k≤n)为典型通道的振动信号。
所述振动信号的长度Nt为
Nt=length(xk)=fs·t (1)
式中,fs表示采样率,t表示采样时间;
对振动信号xk取RMS包络其中,/>为包络数据向量,其长度等于原始信号xk的长度。
将包络数据向量进行数据拟合降维处理,具体的,将包络数据向量/>的每m个点取一次平均,生成一个新的数组;该数组的维数N为
N=Nt/m (2)
显然,降维后的向量维数远小于原始数据向量/>维数。
S2,对降维后的轮廓包络线数据进行排序和去重处理,得到迭代步长集合S=[s1,s2,…sst,…sN],(1≤st≤N)。
S3,依据降维后的轮廓包络线数据组成的包络线和迭代步长集合进行换向点粗寻,得到粗寻换向点集合;
具体的,在降维后的轮廓包络线数据组成的包络线上,定义一条水平线,其初始位置为0,将所述包络线与所述水平线的第一个交点作为初始粗寻换向点Y1,加入粗寻换向点集合Y,并记录下其在原始振动信号中的位置标签;
如图2和图3所示,令粗寻单行程数据量为L,在降维后的轮廓包络线数据组成的包络线上,将所述水平线向上移动步长值Si,i为当前迭代次数,得到交点集合Z=[z1,…,zp,…],(p≥1);
分别计算所述包络线与所述水平线的每个交点zp与粗寻换向点集合中每个粗寻换向点Yj的距离,得到本次差值集合D=[d1,d2,…,du],(u≥1),du=|zp-Yj|,(p≥1,j≥1);
在本次差值集合D中选取最小距离Dmin,Dmin=min(D);
将最小值Dmin与期望值L进行比较,若最小值Dmin大于或等于期望值Q,则判定该点为粗寻换向点,将其加入粗寻换向点集合Y;反之,该点并非粗寻换向点;
判断粗寻换向点集合中的换向点数是否达到规定个数,若达到则停止移动所述水平线,否则判断i是否小于N,若i小于N,则令i加1,重新在降维后的轮廓包络线数据组成的包络线上将所述水平线向上移动步长值Si,若i等于N,则停止移动所述水平线。
S4,根据粗寻换向点集合中的每个粗寻换向点的位置标签在所述振动信号中确定细寻换向点区间,在所述细寻换向点区间寻找最小值,所述最小值对应的位置标签即为滚珠丝杠副滑块运动的一个换向点。
具体的,根据粗寻换向点集合中的每个粗寻换向点的位置标签在所述振动信号中确定细寻换向点区间的具体步骤为:
遍历粗寻换向点集合,获取第j个粗寻换向点Yj的位置标签,在所述振动信号中查找位置标签为[kjm-m,kjm+m]的点,即得到细寻换向点区间rj;其中,kj为粗寻换向点Yj的位置标签,m为降维倍数,j∈[1,M],M为换向点数规定个数。
在具体实施时,计算所述包络线与所述水平线的每个交点与粗寻换向点集合中每个粗寻换向点的距离具体为:计算每个交点与粗寻换向点集合中每个粗寻换向点在所述振动信号中对应的位置标签的差值。
实施例2
本实施例提供一种具体实现方式,以表明算法的有效性;
采用实验室已搭建的滚珠丝杠副运行平台采集数据,所述试验台包括一个伺服驱动器、一个伺服电机、一个滚珠丝杠和一套控制电路。
使用加速度传感器采集数据,使用时,所述加速度传感器安装在滚珠丝杠副不同位置方向上,一个安装在滑块顶部的12点钟方向,一个安装在水平12点钟方向,一个安装在轨道底部水平12点钟方向,一个安装在支承座轴向方向。
对采集后获得的信号进行离散采样,获得数字信号,采样率是32K/s。
本实施例在电机转速未知条件下,滚珠丝杠副滑块往返运动区间长度为50cm。
获得采集数据后,执行以下步骤:
S1,在采集数据预处理阶段,从滚珠丝杠副的四路换向测点通道振动信号V1、H1、H2、A1中依据已有工程经验初步判断能明显区分采集滚珠丝杠副滑块运动换向的测点通道A1,作为典型通道。
所述典型通道A1的振动信号的长度为960000。
对所述典型通道A1的振动信号xk取RMS包络其包络线长度等于所述振动信号xk的长度。
将包络数据向量降维处理,每20个点取其平均值,则原始包络向量/>维数由960000降到48000,数据量降低为原来的5%,降维后的向量/>维数远小于原始数据向量维数。
S2,将所述典型通道的包络数据向量降维后得到的由小到大排序,去重后得到迭代步长集合S=[s1,s2,…sst,…s48000],(1≤st≤48000)。
S3,在降维后的轮廓包络线数据组成的包络线上,定义一条水平线,其初始位置为0,将所述包络线与所述水平线的第一个交点作为初始粗寻换向点Y1,加入粗寻换向点集合Y,并记录下其在原始振动信号中的位置标签。
令粗寻单行程数据量为L=5900,在降维后的轮廓包络线数据组成的包络线上,将所述水平线向上移动步长值Si,i为当前迭代次数,得到交点集合Z=[z1,…,zp,…],(p≥1);
将所述包络线与所述水平线的每个交点zp与粗寻换向点集合中每个粗寻换向点Yj的距离逐个比较下标差值大小,得到此次迭代差值集合D=[d1,d2,…,du],(u≥1)。
du=|zp-Yj|,(p≥1,j≥1) (3)
在差值集合D中,找最小值点Dmin。
Dmin=min(D) (4)
若最小差值Dmin≥Q,则该点即为下次迭代更新的粗寻换向点,将其加入粗寻换向点集合Y,反之,最小差值Dmin<Q,则该点非下次迭代更新的粗寻换向点。按照迭代集合迭代后,将找到最终粗寻换向点集合Y。
从原始数据图像看出,每个文件有7个或8个粗寻换向点。由于粗寻换向点个数不定,在这里规定粗寻换向点个数为7个,当循环迭代找到7个粗寻换向点Y1,Y2,…,Y7后停止迭代。
S4,遍历粗寻换向点集合,获取第j个粗寻换向点Yj的位置标签,在所述振动信号中查找位置标签为[20kj-20,20kj+20]的点,即得到细寻换向点区间rj;其中,kj为粗寻换向点Yj的位置标签,m为降维倍数,j∈[1,7]。
在细寻换向点区间rj上找一个最小值yj(即对应原始数据换向点所在位置下标)
yj=min(rj) (5)。
由于有7个粗寻换向点,因此可以得到7个细寻换向点区间r1,r2,…,r7,这7个细寻换向点区间的最小值y1,y2,…,y7即为滚珠丝杠副滑块运动换向点。
实施例3
本实施例提供一种基于振动信号的滚珠丝杠副正反向行程数据区分方法,如图4和图5所示,包括以下步骤:通过前述滚珠丝杠副正反向换向点识别方法获得滚珠丝杠副正反向换向点;
依据滚珠丝杠副正反向换向点和限制截取段长,剪切所述振动信号,截取相邻换向点之间符合要求的区间数据,并采用邻域面积比较法对区间数据进行判定,得到滚珠丝杠副正反行程数据分段及区分。
在具体实施时,截取相邻换向点之间符合要求的区间数据时,取符合要求的相邻换向点的中位数,并在中位数左右各截取限制截取段1/2长度的区间数据;
例如,限制截取段长l=10000,截取相邻换向点符合要求的区间数据,取符合要求的相邻换向点中位数,在此中位数左右各截取l/2=5000的区间数据;
采用邻域面积比较法对区间数据进行判定时,规定面积数值大的为正行程区间数据,面积小的为负行程区间数据。
将滚珠丝杠副原始数据行程进行提取,其中正向提取一组,反向提取一组。
针对不同数据文件,提取结果依据数据文件而定,本实施例提取结果呈现为正向3段,反向3段;或正向2段,反向3段;或正向2段,反向3段;或正向3段,反向2段。
实施例4
本实施例提供一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现实施例1所述的基于振动信号的滚珠丝杠副正反向换向点识别方法。
实施例5
本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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行实施例1所述的基于振动信号的滚珠丝杠副正反向换向点识别方法。
实施例6
本实施例提供一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现实施例3所述的基于振动信号的滚珠丝杠副正反向行程数据区分方法。
实施例7
本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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行实施例3所述的基于振动信号的滚珠丝杠副正反向行程数据区分方法。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (9)
1.一种基于振动信号的滚珠丝杠副正反向换向点识别方法,其特征在于:
在采集数据预处理阶段,从多个换向测点通道中选取一个通道作为典型通道,获取典型通道的振动信号,提取所述振动信号的轮廓包络线数据进行降维处理;
对降维后的轮廓包络线数据进行排序和去重处理,得到迭代步长集合;
依据降维后的轮廓包络线数据组成的包络线和迭代步长集合进行换向点粗寻,得到粗寻换向点集合;
其中,依据迭代步长集合进行换向点粗寻的具体步骤如下:
设定迭代步长集合为;
在降维后的轮廓包络线数据组成的包络线上,定义一条水平线,其初始位置为0,将所述包络线与所述水平线的第一个交点作为初始粗寻换向点,加入粗寻换向点集合,并记录下其在原始振动信号中的位置标签;
在降维后的轮廓包络线数据组成的包络线上,将所述水平线向上移动步长值Si,i为当前迭代次数;分别计算所述包络线与所述水平线的每个交点与粗寻换向点集合中每个粗寻换向点的距离,选取最小距离与期望值进行比较,若最小距离大于或等于期望值,则判定该点为粗寻换向点,将其加入粗寻换向点集合;反之,该点并非粗寻换向点;判断粗寻换向点集合中的换向点数是否达到规定个数,若达到则停止移动所述水平线,否则判断i是否小于N,若i小于N,则令i加1,重新执行当前步骤,若i等于N,则停止移动所述水平线;
根据粗寻换向点集合中的每个粗寻换向点的位置标签在所述振动信号中确定细寻换向点区间,在所述细寻换向点区间寻找最小值,所述最小值对应的位置标签即为滚珠丝杠副滑块运动的一个换向点。
2.根据权利要求1所述的基于振动信号的滚珠丝杠副正反向换向点识别方法,其特征在于,根据粗寻换向点集合中的每个粗寻换向点的位置标签在所述振动信号中确定细寻换向点区间的具体步骤为:
遍历粗寻换向点集合,获取第j个粗寻换向点Yj的位置标签,在所述振动信号中查找位置标签为[kjm-m,kjm+m]的点,即得到细寻换向点区间rj;其中,kj为粗寻换向点Yj的位置标签,m为降维倍数,j∈[1,M],M为换向点数规定个数。
3.根据权利要求1所述的基于振动信号的滚珠丝杠副正反向换向点识别方法,其特征在于,计算所述包络线与所述水平线的每个交点与粗寻换向点集合中每个粗寻换向点的距离具体为:计算每个交点与粗寻换向点集合中每个粗寻换向点在所述振动信号中对应的位置标签的差值。
4.一种基于振动信号的滚珠丝杠副正反向行程数据区分方法,其特征在于:通过权利要求1-3任一项所述的滚珠丝杠副正反向换向点识别方法获得滚珠丝杠副正反向换向点;
依据滚珠丝杠副正反向换向点和限制截取段长,剪切所述振动信号,截取相邻换向点之间符合要求的区间数据,并采用邻域面积比较法对区间数据进行判定,得到滚珠丝杠副正反行程数据分段及区分。
5.根据权利要求4所述的基于振动信号的滚珠丝杠副正反向行程数据区分方法,其特征在于:截取相邻换向点之间符合要求的区间数据时,取符合要求的相邻换向点的中位数,并在中位数左右各截取限制截取段的二分之一长度的区间数据;
采用邻域面积比较法对区间数据进行判定时,规定面积数值大的为正行程区间数据,面积小的为负行程区间数据。
6.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的基于振动信号的滚珠丝杠副正反向换向点识别方法。
7.一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至3中任意一项所述的基于振动信号的滚珠丝杠副正反向换向点识别方法。
8.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求4至5中任意一项所述的基于振动信号的滚珠丝杠副正反向行程数据区分方法。
9.一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求4至5中任意一项所述的基于振动信号的滚珠丝杠副正反向行程数据区分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110879382.XA CN113673371B (zh) | 2021-07-30 | 2021-07-30 | 基于振动信号的滚珠丝杠副正反向换向点识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110879382.XA CN113673371B (zh) | 2021-07-30 | 2021-07-30 | 基于振动信号的滚珠丝杠副正反向换向点识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113673371A CN113673371A (zh) | 2021-11-19 |
CN113673371B true CN113673371B (zh) | 2024-04-05 |
Family
ID=78541070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110879382.XA Active CN113673371B (zh) | 2021-07-30 | 2021-07-30 | 基于振动信号的滚珠丝杠副正反向换向点识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673371B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718876A (zh) * | 2016-01-18 | 2016-06-29 | 上海交通大学 | 一种滚珠丝杠健康状态的评估方法 |
CN109141625A (zh) * | 2018-10-24 | 2019-01-04 | 哈工大机器人(山东)智能装备研究院 | 一种滚珠丝杠副的在线状态监测方法 |
WO2021088481A1 (zh) * | 2019-11-08 | 2021-05-14 | 南京理工大学 | 一种基于条纹投影的高精度动态实时360度全方位点云获取方法 |
-
2021
- 2021-07-30 CN CN202110879382.XA patent/CN113673371B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718876A (zh) * | 2016-01-18 | 2016-06-29 | 上海交通大学 | 一种滚珠丝杠健康状态的评估方法 |
CN109141625A (zh) * | 2018-10-24 | 2019-01-04 | 哈工大机器人(山东)智能装备研究院 | 一种滚珠丝杠副的在线状态监测方法 |
WO2021088481A1 (zh) * | 2019-11-08 | 2021-05-14 | 南京理工大学 | 一种基于条纹投影的高精度动态实时360度全方位点云获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113673371A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889091B (zh) | 基于温度敏感区间分段的机床热误差预测方法与系统 | |
CN110716500B (zh) | 用于确定温度敏感区间分段建模点的方法与系统 | |
CN111104398B (zh) | 针对智能船舶近似重复记录的检测方法、消除方法 | |
CN108177660B (zh) | 具有激光图像处理步骤的钢轨磨耗检测方法 | |
KR20170041653A (ko) | 디스크 용량의 예측방법, 장치, 설비 및 비휘발성 컴퓨터기억매체 | |
CN112102343B (zh) | 基于超声图像的ptc诊断系统 | |
CN111582111A (zh) | 一种基于语义分割的细胞各成分分割方法 | |
CN116563279B (zh) | 基于计算机视觉的量测开关检测方法 | |
CN110544235B (zh) | 一种基于微分几何的柔性电路板图像区域识别方法 | |
CN112380992B (zh) | 一种加工过程监控数据准确性评估与优化方法及装置 | |
CN114757950B (zh) | 超声图像处理方法、装置以及计算机可读存储介质 | |
CN108393744B (zh) | 一种刀具状态多传感监测方法 | |
CN111340815B (zh) | 一种基于大津法与k均值法的自适应图像分割方法 | |
CN115909006A (zh) | 基于卷积Transformer的乳腺组织图像分类方法及系统 | |
CN113673371B (zh) | 基于振动信号的滚珠丝杠副正反向换向点识别方法及系统 | |
CN111524154A (zh) | 一种基于影像的隧道管片自动化分割方法 | |
CN109508649B (zh) | 一种血细胞分析仪的脉冲信号分析识别方法 | |
CN110672632A (zh) | 一种隧道病害识别方法 | |
CN117095754B (zh) | 一种利用机器学习进行蛋白质分类的方法 | |
CN117314016A (zh) | 基于bim技术的水利工程在线监控方法 | |
CN117036346A (zh) | 基于计算机视觉的硅胶污水处理智能监测方法 | |
CN116452826A (zh) | 基于机器视觉的遮挡情况下煤矸石轮廓估计方法 | |
CN109426216B (zh) | 一种用于数控铣床的矩形平面加工深度识别方法 | |
CN110702786A (zh) | 基于多尺度奇异吸引子预测误差的梁结构损伤识别方法 | |
CN112765219B (zh) | 一种跳过平稳区域的流数据异常检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |