CN113702036A - 一种变转速工况下减速机振动信号的故障频带识别方法 - Google Patents

一种变转速工况下减速机振动信号的故障频带识别方法 Download PDF

Info

Publication number
CN113702036A
CN113702036A CN202111014171.6A CN202111014171A CN113702036A CN 113702036 A CN113702036 A CN 113702036A CN 202111014171 A CN202111014171 A CN 202111014171A CN 113702036 A CN113702036 A CN 113702036A
Authority
CN
China
Prior art keywords
frequency band
signal
envelope
speed reducer
working condition
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
Application number
CN202111014171.6A
Other languages
English (en)
Inventor
程峰
赵克钦
蒋红琰
吉卫喜
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.)
Jiangnan University
Original Assignee
Jiangnan University
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 Jiangnan University filed Critical Jiangnan University
Priority to CN202111014171.6A priority Critical patent/CN113702036A/zh
Publication of CN113702036A publication Critical patent/CN113702036A/zh
Priority to PCT/CN2022/082635 priority patent/WO2023029455A1/zh
Pending legal-status Critical Current

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
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种变转速工况下减速机振动信号的故障频带识别方法，其包括：S1、采集减速机振动信号；S2、采用1/3二叉数进行频带划分，并进行FIR滤波；S3、将滤波后的信号进行希尔伯特变换后求平方，得到包络信号；S4、采用计算阶次分析方法将包络信号进行角域重采样并去均值；S5、计算每个包络信号的对数包络谱；S6、截取包络谱并计算对数包络阶次循环分量；S7、对得到的最优解调频带即最大对数包络阶次循环分量值所在的频带进行滤波，并进行包络阶次谱分析。本发明变转速工况下减速机振动信号的故障频带识别方法在高脉冲噪声的变转速工况环境下能更准确地提取轴承故障特征信息，具有准确度高的优点。

Description

一种变转速工况下减速机振动信号的故障频带识别方法
技术领域
本发明涉及故障识别技术领域，特别涉及一种变转速工况下减速机振动信号的故障频带识别方法。
背景技术
在工业旋转机械中，比较常见的减速机都会经历变转速工况，例如：风电机组和直升机中的偏航变桨减速机、挖掘机用减速机、钢铁水运输鱼雷车中的减速机、自动扶梯电梯用专用减速机等。尤其当减速机在野外高空、风沙雨雾、变速变载等复杂工况条件下运行时，减速机中的轴承、齿轮等摩擦副零部件很容易出现故障。此时摩擦副零部件缺陷部位与其相接触的表面相互作用产生的冲击会引起高频共振，这些冲击引起的高频共振所在的频率区域的信噪比远大于减速机系统其他频率区域。因此，一方面要求减速机支承轴承要具备足够的强度和承受三种联合力(轴向力、径向力和倾覆力矩)作用的承载能力，另一方面还要对减速机摩擦副零部件的振动信号等实时测量以监控其健康状态，找到适合于变转速工况下减速机振动信号的故障频带识别方法。
发明内容
本发明要解决的技术问题是提供一种准确度高的变转速工况下减速机振动信号的故障频带识别方法。
为了解决上述问题，本发明提供了变转速工况下减速机振动信号的故障频带识别方法，其包括：
S1、采集减速机振动信号；
S2、采用1/3二叉数进行频带划分，并进行FIR滤波；
S3、将滤波后的信号进行希尔伯特变换后求平方，得到包络信号；
S4、采用计算阶次分析方法将包络信号进行角域重采样并去均值；
S5、计算每个包络信号的对数包络谱；
S6、截取包络谱并计算对数包络阶次循环分量；
S7、对得到的最优解调频带即最大对数包络阶次循环分量值所在的频带进行滤波，并进行包络阶次谱分析。
作为本发明的进一步改进，步骤S2包括：
S21、通过频率平移的方式得到一个低通滤波器和高通滤波器；
S22、利用得到的两个滤波器分别对振动信号进行低通和高通分解；
S23、分别对低通分解和高通分解的结果进行2倍降采样处理；
S24、构造三分滤波器组对系数序列进一步分解并对结果进行3倍降采样处理，分解后的第i级系数序列计算得到的特征被插入到第i级与第i+1级由二分滤波器分解的系数序列计算的特征中。
作为本发明的进一步改进，步骤S21包括：通过频率平移的方式，将构造的截止频率为fc＝1/8+ε的低通滤波器分别频移1/8和3/8得到一个低通滤波器和高通滤波器；其中，ε表示微偏移量。
作为本发明的进一步改进，步骤S4包括：采用计算阶次分析方法对时域信号进行插值，并通过角域重采样将时域信号转化为角域信号，经角域重采样的信号可表示为：
Xa,b(θn)＝COT[|H[xa,b(t)]|2]
其中，xa,b(t)表示FIR滤波后的信号，H[·]表示希尔伯特变换，a和b分别表示带通滤波器的上截止频率和下截止频率，COT表示计算阶次分析，θn表示经角域重采样后横坐标对应的阶次。
作为本发明的进一步改进，所述包络信号的对数包络谱为：
LESa,b＝DFT[log|Xa,b(θn)|2]
其中，DFT为离散傅里叶变换。
作为本发明的进一步改进，对数包络阶次循环分量为：
Figure BDA0003239271320000021
其中，Mk为截取的对数包络谱，K为最大倍阶。
作为本发明的进一步改进，步骤S6中，以故障特征阶次及其倍阶为中心，并在其左右预定范围内截取对数包络谱。
作为本发明的进一步改进，所述预定范围为5％。
作为本发明的进一步改进，步骤S6还包括：用颜色深浅表示对数包络阶次循环分量的大小。
作为本发明的进一步改进，所述用颜色深浅表示对数包络阶次循环分量的大小，具体包括：用数值在色阶中对应颜色填充在1/3二叉树结构中，颜色最深位置所在频带为最优解调频带。
本发明的有益效果：
本发明变转速工况下减速机振动信号的故障频带识别方法在高脉冲噪声的变转速工况环境下能更准确地提取轴承故障特征信息，具有准确度高的优点。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是本发明优选实施例中变转速工况下减速机振动信号的故障频带识别方法的示意图；
图2是本发明优选实施例中的1/3二叉数结构；
图3(a)是本发明优选实施例中的转速信号；图3(b)是本发明优选实施例中的故障冲击信号；图3(c)是本发明优选实施例中的仿真信号；
图4是本发明优选实施例中仿真信号的频谱图；
图5(a)是本发明优选实施例中的阶次对数包络循环图；图5(b)是本发明优选实施例中最优频带对应的包络阶次谱；
图6是本发明优选实施例中变转速工况下减速机振动信号的故障频带识别方法在不同水平信噪比下频带选择结果图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
如图1所示，为本发明优选实施例中的变转速工况下减速机振动信号的故障频带识别方法，包括以下步骤：
S1、采集减速机振动信号；
S2、采用1/3二叉数进行频带划分，并进行FIR滤波；
步骤S2具体包括：
S21、通过频率平移的方式得到一个低通滤波器和高通滤波器；
可选的，通过频率平移的方式，将构造的截止频率为fc＝1/8+ε的低通滤波器分别频移1/8和3/8得到一个低通滤波器h1(n)和高通滤波器h2(n)，见公式(1)，其中，ε表示微偏移量；可选的，fc取0.4。
Figure BDA0003239271320000041
S22、利用得到的两个滤波器分别对振动信号进行低通和高通分解；
S23、为保证分解后信号整体长度不变，分别对低通分解和高通分解的结果进行2倍降采样处理；
S24、进一步细化分割频带，构造三分滤波器组对系数序列进一步分解并对结果进行3倍降采样处理，分解后的第i级系数序列计算得到的特征被插入到第i级与第i+1级由二分滤波器分解的系数序列计算的特征中。形成的1/3二叉树结构参照图2。
S3、将滤波后的信号进行希尔伯特变换后求平方，得到包络信号；
其中，包络信号表示为|H[xa,b(t)]|2，其中H[·]表示希尔伯特变换，a和b分别表示带通滤波器的上截止频率和下截止频率，xa,b(t)表示FIR滤波后的信号。
S4、采用计算阶次分析(COT)方法将包络信号进行角域重采样并去均值；
其中，为实现变转速工况下的滚动轴承故障特征提取，需要建立一个既能够表征信号的角域周期性，又能够描述时域脉冲响应的统计量。因此，采用计算阶次分析方法对时域信号进行插值，并通过角域重采样将时域信号转化为角域信号，经角域重采样的信号可表示为：
Xa,b(θn)＝COT[|H[xa,b(t)]|2] (2)
其中，xa,b(t)表示FIR滤波后的信号，H[·]表示希尔伯特变换，a和b分别表示带通滤波器的上截止频率和下截止频率，COT表示计算阶次分析，θn表示经角域重采样后横坐标对应的阶次。
S5、计算每个包络信号的对数包络谱；
二阶循环平稳(CS2)分量是旋转机械系统中各种故障的典型征兆，对于高脉冲噪声对CS2指标的负面影响，对数变换对包络方差具有“稳定”效应，因此，角域重采样后的信号对数平方包络谱可定义为：
LESa,b＝DFT[log|Xa,b(θn)|2] (3)
其中，DFT为离散傅里叶变换。
S6、截取包络谱并计算对数包络阶次循环分量；
对数包络阶次循环分量为：
Figure BDA0003239271320000051
其中，Mk为截取的对数包络谱，K为最大倍阶。
由于信号经过角度重采样和摩擦产生的滑移得到的对数包络谱中故障特征阶次会产生偏移，因此，Mk为以故障特征阶次及其倍阶为中心，并在其左右预定范围内截取的对数包络谱。可选的，所述预定范围为5％，具体可根据实际需求进行调整。
为了更直观地显示结果，步骤S6还包括：用颜色深浅表示对数包络阶次循环分量的大小。具体地，用数值在色阶中对应颜色填充在1/3二叉树结构中，颜色最深位置所在频带为最优解调频带。
S7、对得到的最优解调频带即最大对数包络阶次循环分量值所在的频带进行滤波，并进行包络阶次谱分析。完成故障识别和诊断。
为了验证本发明的方法在变速条件下对随机冲击干扰的鲁棒性，构建具有不同共振带的随机冲击干扰与故障信号的变转速条件下的滚动轴承信号外圈故障信号，某减速机轴承部件的故障振动信号可表示为：
x(t)＝x1(t)+x2(t)+x3(t)+n(t) (5)
Figure BDA0003239271320000061
其中，x1(t)表示与故障无关的转频及其谐波信号，x2(t)表示故障冲击信号，x3(t)表示随机冲击信号，n(t)表示高斯白噪声。Am(t)＝0.8t+1.5表示第m次故障冲击对应的幅值,随机冲击的幅值Ab＝10，模拟的轴承外圈故障阶次O＝3.5，转频方程f(t)＝2t+10，采样频率fs＝6kHz，采样时间为3s，其他仿真参数见表1。
Figure BDA0003239271320000062
表1
利用仿真信号的参数构建信噪比为-5dB的仿真信号，如图3所示，其中，图3(a)是转速信号，3(b)是故障冲击信号，图3(c)仿真信号，图3(c)中椭圆圈出的部分为仿真信号中的随机高脉冲噪声，其幅值调制系数Ab＝10。
图4是仿真信号的频谱图，从图中可以看出，有两处幅值较大的地方(由虚线标注)，其中fr1是由故障信号引起的共振带，fr2是由高冲击干扰引起的共振带。
利用本发明的方法对仿真信号进行诊断，有效克服了峭度值受到异常高脉冲和转速的影响，并成功定位到故障共振带，其结果如图5(a)所示，得到的最优解调频带为[2845，3155]Hz，对应到由故障引起的共振带。对本发明的方法得到的最优频带进行滤波并进行包络阶次谱分析，结果如图5(b)所示，倒三角表示故障特征阶次及其谐波在阶次谱图中所在位置。从图中可以清楚的看出滚动轴承外圈故障特征信息，表明本发明所提方法在存在高脉冲噪声下能够准确地定位故障解调频带。
为了验证本发明的方法在存在强背景噪声和高脉冲干扰的鲁棒性。对信噪比以1dB为增量从-30db到5dB每个仿真信号应用本发明的方法，并将所选频带作为信噪比的函数进行绘制，1/3-二叉树的最大级别被设置为K＝7，其结果如图6所示。
图6红色虚线表示故障冲击产生的共振带的中心频率，黑色虚线表示由高脉冲干扰产生的共振带的中心频率。灰色矩形的横向中心线表示不同水平信噪比的仿真信号应用本发明的方法所得到的中心频率结果，宽度表示带宽大小。
由图6可以看出，当信噪比从-15dB到-10dB时，本发明的方法仍能成功识别到由故障冲击产生的共振带。对信噪比从-15dB到5dB的仿真信号采用所提算法得到的最优频带进行滤波进行包络阶次谱分析，都可以清楚地在谱图中观察到故障特征。当信噪比水平到-16dB时，由本发明的方法选择的最优频带结果开始偏离故障冲击产生的共振带，并且从包络阶次谱上无法得到明显的故障特征信息。因此，本发明所提方法在在一定的信噪比范围内可以准确地定位故障脉冲产生的频带。
以上实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (10)

1.一种变转速工况下减速机振动信号的故障频带识别方法，其特征在于，包括：
S1、采集减速机振动信号；
S2、采用1/3二叉数进行频带划分，并进行FIR滤波；
S3、将滤波后的信号进行希尔伯特变换后求平方，得到包络信号；
S4、采用计算阶次分析方法将包络信号进行角域重采样并去均值；
S5、计算每个包络信号的对数包络谱；
S6、截取包络谱并计算对数包络阶次循环分量；
S7、对得到的最优解调频带即最大对数包络阶次循环分量值所在的频带进行滤波，并进行包络阶次谱分析。
2.如权利要求1所述的变转速工况下减速机振动信号的故障频带识别方法，其特征在于，步骤S2包括：
S21、通过频率平移的方式得到一个低通滤波器和高通滤波器；
S22、利用得到的两个滤波器分别对振动信号进行低通和高通分解；
S23、分别对低通分解和高通分解的结果进行2倍降采样处理；
S24、构造三分滤波器组对系数序列进一步分解并对结果进行3倍降采样处理，分解后的第i级系数序列计算得到的特征被插入到第i级与第i+1级由二分滤波器分解的系数序列计算的特征中。
3.如权利要求2所述的变转速工况下减速机振动信号的故障频带识别方法，其特征在于，步骤S21包括：通过频率平移的方式，将构造的截止频率为fc＝1/8+ε的低通滤波器分别频移1/8和3/8得到一个低通滤波器和高通滤波器；其中，ε表示微偏移量。
4.如权利要求1所述的变转速工况下减速机振动信号的故障频带识别方法，其特征在于，步骤S4包括：采用计算阶次分析方法对时域信号进行插值，并通过角域重采样将时域信号转化为角域信号，经角域重采样的信号可表示为：
Xa,b(θn)＝COT[|H[xa,b(t)]|2]
其中，xa,b(t)表示FIR滤波后的信号，H[·]表示希尔伯特变换，a和b分别表示带通滤波器的上截止频率和下截止频率，COT表示计算阶次分析，θn表示经角域重采样后横坐标对应的阶次。
5.如权利要求4所述的变转速工况下减速机振动信号的故障频带识别方法，其特征在于，所述包络信号的对数包络谱为：
LESa,b＝DFT[log|Xa,b(θn)|2]
其中，DFT为离散傅里叶变换。
6.如权利要求5所述的变转速工况下减速机振动信号的故障频带识别方法，其特征在于，对数包络阶次循环分量为：
Figure FDA0003239271310000021
其中，Mk为截取的对数包络谱，K为最大倍阶。
7.如权利要求1所述的变转速工况下减速机振动信号的故障频带识别方法，其特征在于，步骤S6中，以故障特征阶次及其倍阶为中心，并在其左右预定范围内截取对数包络谱。
8.如权利要求7所述的变转速工况下减速机振动信号的故障频带识别方法，其特征在于，所述预定范围为5％。
9.如权利要求1所述的变转速工况下减速机振动信号的故障频带识别方法，其特征在于，步骤S6还包括：用颜色深浅表示对数包络阶次循环分量的大小。
10.如权利要求9所述的变转速工况下减速机振动信号的故障频带识别方法，其特征在于，所述用颜色深浅表示对数包络阶次循环分量的大小，具体包括：用数值在色阶中对应颜色填充在1/3二叉树结构中，颜色最深位置所在频带为最优解调频带。
CN202111014171.6A 2021-08-31 2021-08-31 一种变转速工况下减速机振动信号的故障频带识别方法 Pending CN113702036A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111014171.6A CN113702036A (zh) 2021-08-31 2021-08-31 一种变转速工况下减速机振动信号的故障频带识别方法
PCT/CN2022/082635 WO2023029455A1 (zh) 2021-08-31 2022-03-24 一种变转速工况下减速机振动信号的故障频带识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111014171.6A CN113702036A (zh) 2021-08-31 2021-08-31 一种变转速工况下减速机振动信号的故障频带识别方法

Publications (1)

Publication Number Publication Date
CN113702036A true CN113702036A (zh) 2021-11-26

Family

ID=78658159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111014171.6A Pending CN113702036A (zh) 2021-08-31 2021-08-31 一种变转速工况下减速机振动信号的故障频带识别方法

Country Status (2)

Country Link
CN (1) CN113702036A (zh)
WO (1) WO2023029455A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023029455A1 (zh) * 2021-08-31 2023-03-09 江南大学 一种变转速工况下减速机振动信号的故障频带识别方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116304648B (zh) * 2023-05-23 2023-08-29 北京化工大学 基于优化脉冲增强与包络同步平均的齿轮故障识别方法
CN117992705B (zh) * 2024-04-07 2024-06-18 利维智能（深圳）有限公司 非稳态数据重采样方法、装置、设备及计算机存储介质
CN118310750A (zh) * 2024-06-07 2024-07-09 北京化工大学 基于共振频带分析的轴承故障定量诊断方法
CN118520402A (zh) * 2024-07-19 2024-08-20 利维智能（深圳）有限公司 大型变转速机组故障诊断系统及其诊断方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108760294A (zh) * 2018-06-13 2018-11-06 苏州大学 旋转机械设备自动诊断系统及方法
CN109520738A (zh) * 2018-10-25 2019-03-26 桂林电子科技大学 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法
CN109682601A (zh) * 2019-03-04 2019-04-26 北京天泽智云科技有限公司 一种变转速工况下滚动轴承的早期故障识别方法
CN110887663A (zh) * 2019-10-30 2020-03-17 中国石油化工股份有限公司 变工况计算阶次跟踪与谱峭度结合的轴承故障诊断方法
CN113188797A (zh) * 2021-04-16 2021-07-30 上海工程技术大学 一种基于传声器阵列的轴承故障诊断方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITUA20163745A1 (it) * 2016-05-24 2017-11-24 Nuovo Pignone Tecnologie Srl Metodo e sistema per monitorare lo stato di salute di un cuscinetto a rotolamento di una macchina, e macchina equipaggiata con tale sistema
CN113033304B (zh) * 2021-02-18 2021-10-22 北京科技大学 一种克服频域重叠干扰的多共振频带幅值解调分析方法
CN113702036A (zh) * 2021-08-31 2021-11-26 江南大学 一种变转速工况下减速机振动信号的故障频带识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108760294A (zh) * 2018-06-13 2018-11-06 苏州大学 旋转机械设备自动诊断系统及方法
CN109520738A (zh) * 2018-10-25 2019-03-26 桂林电子科技大学 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法
CN109682601A (zh) * 2019-03-04 2019-04-26 北京天泽智云科技有限公司 一种变转速工况下滚动轴承的早期故障识别方法
CN110887663A (zh) * 2019-10-30 2020-03-17 中国石油化工股份有限公司 变工况计算阶次跟踪与谱峭度结合的轴承故障诊断方法
CN113188797A (zh) * 2021-04-16 2021-07-30 上海工程技术大学 一种基于传声器阵列的轴承故障诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
倪清: ""基于最优解调频带选择的滚动轴承故障诊断方法研究"", 《中国优秀硕士论文全文库 工程科技II辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023029455A1 (zh) * 2021-08-31 2023-03-09 江南大学 一种变转速工况下减速机振动信号的故障频带识别方法

Also Published As

Publication number Publication date
WO2023029455A1 (zh) 2023-03-09

Similar Documents

Publication Publication Date Title
CN113702036A (zh) 一种变转速工况下减速机振动信号的故障频带识别方法
CN109682601B (zh) 一种变转速工况下滚动轴承的早期故障识别方法
CN107505135B (zh) 一种滚动轴承复合故障提取方法及系统
CN108151869B (zh) 一种机械振动特征指标提取方法、系统及装置
CN103884502B (zh) 一种变转速下风力发电机行星齿轮系统故障诊断方法
CN110987438B (zh) 水轮发电机变转速过程周期性振动冲击信号检测的方法
CN104596756A (zh) 用于旋转机械故障诊断的多频带包络谱阵
CN107907324A (zh) 一种基于dtcwt及阶次谱的齿轮箱故障诊断方法
CN108647667B (zh) 一种基于信号时频分解的频域幅值谱峭度图的实现方法
CN109063668B (zh) 一种基于峰值保留降采样的冲击信号包络解调方法
CN112067297B (zh) 一种轴承故障特征提取方法
JP4307591B2 (ja) 加速度センサを備えた乗り物、特にヘリコプタの遊星歯車装置を監視する方法
CN108181098A (zh) 一种门座式起重机低速重载部件故障特征提取方法
Bonnardot et al. Enhanced unsupervised noise cancellation using angular resampling for planetary bearing fault diagnosis
CN112597969B (zh) 一种滚动轴承故障诊断方法、系统及介质
CN107271181A (zh) 一种行星齿轮箱弱冲击成分提取方法
KR102598458B1 (ko) 셉스트럼 기반 유성 기어박스의 고장 감지 장치 및 방법
CN113074941A (zh) 基于自适应时变梳状滤波的变转速齿轮故障信号提取方法、诊断方法、系统及存储介质
CN111582248A (zh) 一种基于svd的齿轮箱信号降噪方法
CN115876471A (zh) 基于自适应阶次分析的轧机齿轮箱故障特征提取方法
CN116150585A (zh) 基于乘积包络谱的旋转机械故障诊断方法
CN108917918A (zh) 一种针对轴承振动信号瞬时频率分析诊断方法
CN114487804A (zh) 一种gis异响缺陷检测方法及装置
JP6934832B2 (ja) 状態監視装置、状態監視システムおよび状態監視方法
CN114166503B (zh) 一种基于阶次边带乘积谱的齿轮健康监测指标构造方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211126