CN114026564A - 确定轴承状况的系统、装置和方法 - Google Patents

确定轴承状况的系统、装置和方法 Download PDF

Info

Publication number
CN114026564A
CN114026564A CN202080046530.3A CN202080046530A CN114026564A CN 114026564 A CN114026564 A CN 114026564A CN 202080046530 A CN202080046530 A CN 202080046530A CN 114026564 A CN114026564 A CN 114026564A
Authority
CN
China
Prior art keywords
bearing
profile
impact force
simulated
determining
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
CN202080046530.3A
Other languages
English (en)
Inventor
P·V·S·奈尔
V·马利克
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.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN114026564A publication Critical patent/CN114026564A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00—Bearings with rolling contact, for exclusively rotary movement
    • F16C19/52—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
    • F16C19/527—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions related to vibration and noise
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00—Bearings with rolling contact, for exclusively rotary movement
    • F16C19/52—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
    • F16C19/525—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions related to temperature and heat, e.g. insulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C41/00—Other accessories, e.g. devices integrated in the bearing not relating to the bearing function as such
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C2233/00—Monitoring condition, e.g. temperature, load, vibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

公开了确定系统中至少一个轴承（810）的状况的系统、装置和方法。该方法包括从与系统相关联的一个或多个感测单元接收与系统相关联的操作数据；从所述操作数据确定所述至少一个轴承（810）的操作轮廓，其中所述操作轮廓包括与所述至少一个轴承（810）相关联的振动响应、热响应和频率响应中的至少一个；基于所述操作轮廓和虚拟轴承模型（400，600）确定所述至少一个轴承（810）的操作期间的冲击力轮廓，所述虚拟轴承模型在与同所述至少一个轴承（810）可比较的轴承组相关联的操作轮廓和冲击力轮廓上训练；以及基于冲击力轮廓确定所述至少一个轴承（810）的状况。

Description

确定轴承状况的系统、装置和方法
本发明涉及确定系统中轴承的状况。
马达或任何旋转系统中使用的轴承可能由于多种原因而出现故障。例如，在滚动轴承的情况下，滚动轴承的使用寿命可能由于润滑剂功能的丧失而受到影响。润滑剂可能由于可能导致温度上升的集中应力而丧失其润滑能力。润滑剂也可能由于由磨损生成的颗粒引起的润滑剂污染而丧失其润滑能力。
确定润滑剂状况的技术包括实验方法。实验方法基于与轴承或使用轴承的系统的操作相关联的数据。基于数据的分析的准确性取决于捕获数据的感测单元的放置。例如，轴承的振动响应可以取决于加速度计的放置。
此外，在某些场景下，不可能测量可能导致润滑能力丧失的应力。在这样的场景下，基于数据的分析可能无法准确指示润滑剂的状况。因此，可能无法准确地标识轴承的状况。
鉴于上述情况，存在确定轴承的状况的需要。因此，本发明的目的是提供一种用于确定系统中轴承状况的系统、装置和方法。
本发明的方面是一种确定系统中至少一个轴承的状况的计算机实现方法。该方法包括从与系统相关联的一个或多个感测单元接收与系统相关联的操作数据；从操作数据确定所述至少一个轴承的操作轮廓（profile），其中操作轮廓包括与所述至少一个轴承相关联的振动响应、热响应和频率响应中的至少一个；基于所述操作轮廓和虚拟轴承模型确定所述至少一个轴承的操作期间的冲击力轮廓，所述虚拟轴承模型在与同所述至少一个轴承可比较的轴承组相关联的操作轮廓和冲击力轮廓上训练；以及基于冲击力轮廓确定所述至少一个轴承的状况。
示例轴承包括流体轴承和具有滚动元件或滚针的滚动轴承。示例系统包括转子、马达、传动系、齿轮箱等。
如本文使用的，“操作数据”是指反映轴承和/或系统的操作状况的从不同源（例如，传感器、扫描仪、用户设备等）接收的数据。传感器测量与技术系统相关联的操作参数。传感器可以包括振动传感器、电流和电压传感器等。例如，马达中轴电压的测量被映射到轴承的操作参数。术语“操作参数”是指轴承的一个或多个特性。例如，操作数据包括系统（包括轴承）的振动、温度、电流、磁通量、速度、功率的值。
如本文使用的，“操作轮廓”是指振动响应、热响应、频率响应、磁响应等之一的组合。响应依次从操作数据生成。在实施例中，可以基于来自振动传感器的振动数据的均方根来生成振动响应。
如本文使用的“冲击力轮廓”是指基于操作轮廓测量和确定的冲击力。冲击力是在轴承操作过程期间测量的，并且因此称为冲击力轮廓。
如本文使用的“虚拟轴承模型”是指基于轴承组的操作数据和与轴承相关联的物理特性生成的软件定义的轴承。虚拟轴承模型包括预测和人工智能算法来预测轴承的状况。
该方法可以包括在操作期间预测与所述至少一个轴承相关联的应力分布。基于所述至少一个轴承的冲击力轮廓和虚拟轴承模型来预测应力分布。此外，该方法可以包括使用神经网络基于应力分布和预测寿命来预测所述至少一个轴承的剩余寿命；其中所述神经网络被配置为执行梯度下降优化。
该方法可以包括基于冲击力轮廓标识所述至少一个轴承中的缺陷，并且确定所述至少一个轴承中润滑剂的污染状况。在实施例中，通过将所述至少一个轴承的操作轮廓叠加在虚拟轴承模型中的操作轮廓上来标识缺陷，并且确定污染状况。此外，通过导出冲击力轮廓并确定应力分布来执行叠加。
该方法可以进一步包括基于虚拟轴承模型，关于润滑剂温度升高、润滑剂中的杂质颗粒和润滑剂的油膜参数降低中的至少一个来确定所述至少一个轴承的疲劳。
本发明的第二方面包括一种生成虚拟轴承模型的计算机实现方法。该方法包括基于与轴承组相关联的测试操作数据来确定测试操作轮廓；在预定义轴承模型上模拟预定缺陷，该预定义轴承模型包括依照与轴承组相关联的动态负载额定标准和额定寿命标准的数据集；以及基于对预定义轴承模型上的预定缺陷的模拟，生成与轴承组相关联的模拟操作轮廓；其中测试操作轮廓和模拟操作轮廓包括与轴承组相关联的振动响应、热响应和频率响应。
如本文使用的，“测试操作数据”是指在轴承测试期间从轴承组生成的操作数据。测试操作数据包括系统（包括轴承）的振动、温度、电流、磁通量、速度和功率值。“测试操作数据”不同于基于源轴承的“操作数据”。
如本文使用的，“预定义轴承模型”是指基于与轴承组相关联的动态负载额定标准和额定寿命标准生成的模型。例如，预定义轴承模型是通过有限元建模生成的基于物理特性的模型。
虚拟轴承模型可以包括寿命预测算法。因此，该方法可以包括基于与轴承组中的一个或多个轴承相关联的轴承负载、负载区、轴承间隙、润滑粘度和润滑剂污染中的至少一个，预测轴承在经受预定缺陷时的寿命。
在实施例中，为了生成虚拟轴承模型，该方法可以包括在轴承组中的一个或多个轴承上实现一个或多个预定缺陷。预定缺陷包括润滑剂污染、轴承滚道上的布氏压痕或滚道上的剥落损伤。可以使用诸如放电加工（EDM）和激光雕刻之类的技术来准确地创建预定缺陷。
进一步地，该方法可以包括在一个或多个系统负载状况下操作包括轴承的系统。系统负载状况指示系统上的系统负载。例如，系统负载状况包括负载存在或不存在的情形。
更进一步地，该方法可以包括针对系统负载状况确定与轴承组相关联的测试操作轮廓，测试操作轮廓是基于从径向定位、轴向定位和水平定位接收的测试操作数据生成的。
该方法可以包括根据测试操作轮廓和模拟操作轮廓确定模拟冲击力。此外，该方法可以包括基于模拟的操作轮廓和轴承滚动元件的至少一个质量、与轴承相关联的阻尼系数和刚度来预测模拟冲击力。模拟冲击力包括来自轴承的稳态移动的稳态分量和与预定缺陷相关联的动态分量中的至少一个。
在实施例中，该方法包括基于模拟操作轮廓和轴承滚动元件的至少一个质量、与轴承相关联的阻尼系数和刚度来预测模拟冲击力，其中模拟冲击力包括来自稳态旋转的稳态分量和与预定缺陷相关联的动态分量中的至少一个。
该方法可以包括基于测试操作轮廓与模拟操作轮廓的比较来预测与轴承组相关联的应力分布，以更新应力分布。在实施例中，通过执行以下步骤来预测应力分布，即比较测试操作轮廓和模拟操作轮廓；基于比较更新模拟冲击力；基于更新的模拟冲击力生成应力分布；以及使用至少一个机器学习算法将应力分布映射到预定缺陷。
为了更新模拟冲击力，该方法包括使用至少一种机器学习算法基于测试操作轮廓和模拟操作轮廓之间的差来校准与轴承组相关联的更新的模拟冲击力。
在实施例中，该方法可以包括使用差分进化算法来校准更新的模拟冲击力。因此，该方法可以进一步包括定义轴承组的应力上限和应力下限；通过变异和重组操作之一来确定在应力上限和应力下限内的可能应力分布，其中针对差确定可能应力分布；以及使用基于冲击力差的连续函数优化从可能的应力分布中选择应力分布。
该方法有利于在污染和丧失润滑的情况下生成具有准确剩余寿命预测的虚拟轴承模型。上述方法是基于物理特性的模拟和机器学习方法的组合。叠加至少一个轴承的操作轮廓和虚拟轴承模型的操作轮廓的方法使能准确估计所述至少一个轴承的剩余寿命。此外，从轴承组生成的知识用于生成虚拟轴承模型。这使得编队的知识能够用于校准剩余寿命。上述方法可以用于保证系统中轴承的可用性。
本发明的第三方面包括一种用于确定系统中至少一个轴承状况的装置。该装置包括一个或多个处理单元；以及通信耦合到所述一个或多个处理单元的存储器单元。存储器单元包括轴承模块和虚拟轴承模块，所述轴承模块和虚拟轴承模块以由所述一个或多个处理单元可执行的机器可读指令的形式存储。此外，轴承模块被配置为执行与所述至少一个轴承相关联的一个或多个方法步骤，并且虚拟轴承模块被配置为执行生成虚拟轴承模型的方法。
本发明的第四方面包括一种系统，该系统包括能够提供与一个或多个系统的操作相关联的操作数据的一个或多个设备；以及通信耦合到所述一个或多个设备的装置，其中该装置被配置用于确定所述一个或多个系统中的至少一个轴承的状况。
本发明的第五方面包括其中存储有机器可读指令的计算机程序产品，所述指令当由一个或多个处理单元执行时，使得一个或多个处理单元执行以上方法。
现在将参照本发明的附图说明本发明的上述和其他特征。图示实施例旨在图示而非限制本发明。
下面参照附图中所示的实施例进一步描述本发明，其中：
图1图示了根据本发明实施例的与系统中轴承的劣化相关联的阶段；
图2图示了根据本发明实施例的轴承的剩余寿命相对于润滑剂状况之间的关系；
图3图示了根据本发明实施例的生成虚拟轴承模型的方法300；
图4图示了根据本发明实施例的滚动轴承中的滚珠的虚拟轴承模型400；
图5图示了根据本发明实施例的图4中的滚动轴承的冲击循环中的阶段；
图6根据本发明实施例图示了根据本发明实施例的用于具有多个滚珠的滚动轴承的虚拟轴承模型600；
图7图示了根据本发明实施例的系统中轴承状况的方法700；
图8图示了根据本发明实施例的用于在运行时确定系统800中的轴承810的状况的装置820；和
图9图示了根据本发明实施例的用于确定一个或多个系统910、920和930中的多个轴承912、922和932的状况的系统900。
在下文中，将详细描述用于实行本发明的实施例。参考附图描述各种实施例，其中相同的附图标记始终用于指代相同的元件。在以下描述中，出于解释的目的，阐述了许多具体细节，以便提供对一个或多个实施例的透彻理解。显然，这样的实施例可以在没有这些具体细节的情况下实践。
如下文中使用的“操作数据”是指反映轴承和/或系统的操作状况的数据，该数据是从不同的源（例如，传感器、扫描仪、用户设备等）接收的。传感器测量与技术系统相关的操作参数。传感器可以包括振动传感器、电流和电压传感器等。例如，马达中轴电压的测量被映射到轴承的操作参数。例如，操作数据包括系统（包括轴承）的振动、温度、电流、磁通量、速度、功率的值。
如在下文中使用的“虚拟轴承模型”是指基于轴承组的操作数据和与轴承相关联的物理特性而生成的软件定义的轴承。虚拟轴承模型包括预测和人工智能算法来预测轴承的状况。
如下文中使用的“剩余寿命”是指具有缺陷和污染的轴承的寿命。剩余寿命包括剩余使用寿命（RUL）、停机时间、维护时间等。“剩余寿命”不同于“寿命”。“寿命”是指轴承无缺陷的寿命或使用之初的寿命。
如下文中使用的“轴承状况”是指轴承的状态。例如，轴承状况包括轴承中缺陷的存在、污染状况、剩余寿命等。
图1图示了根据本发明实施例的系统中与轴承状况恶化相关联的阶段102-112。阶段102-112用作准确地预测轴承剩余寿命的框架。基于与轴承和/或系统相关联的操作数据来确定阶段102-112。此外，阶段102-112基于系统中轴承的虚拟轴承模型来确定。
阶段102指示轴承的“正常状况”。在阶段102中，轴承处于良好状况，轴承中的润滑剂没有污染。阶段102还包括轴承正常污染的状况。阶段102中的轴承状况可以基于操作数据来确定。
阶段104指示润滑剂的“轻度污染”。在阶段104中，轴承状况从正常污染转变为轻度污染。正常污染到轻度污染之间的转变可能难以估计。因此，分析操作数据和虚拟轴承模型的组合以确定所述转变。
阶段106指示润滑剂的“严重污染”。在阶段106中，轴承状况从轻度污染转变为严重污染。基于操作数据和虚拟轴承模型的组合来确定阶段106。
阶段108指示润滑剂的“温度状况”。在阶段108中，润滑剂能够维持预定温度的持续时间。例如，如果润滑剂润滑能力在100℃时丧失，则预定温度低于100℃。
阶段110指示使用轴承的系统的“系统状况”。在阶段110中，基于操作数据确定系统的状况，以确定任何故障状况。虚拟轴承模型用于确定故障状况是否与轴承相关联。
阶段112指示使用轴承的系统的“负载状况”。在阶段112中，针对各种负载状况确定系统的状况。基于虚拟轴承模型，负载状况被映射到与轴承相关联的轴承参数。例如，负载状况被映射到轴承所需的速度变化。
在步骤114执行操作数据和虚拟轴承模型的分析。图8中进一步描述了该分析。此外，在步骤116，基于分析预测轴承的剩余寿命。在步骤118，接收来自类似轴承的测试操作数据。将测试操作数据与操作数据和虚拟轴承模型进行比较。该比较在步骤120用于校准剩余寿命，使得对剩余寿命进行准确预测。
图2图示了轴承寿命220相对于润滑剂状况之间的关系210。寿命220在轴承开始使用时确定。润滑剂状况以4个阶段指示，即正常污染212、轻度污染214、严重污染216和极端污染218。寿命220是基于故障的循环次数来计算的。关系210是针对多个负载状况4KN、3kN、2kN和lkN确定的。
例如，图2图示正常污染的剩余寿命222是无限的。对于轻度污染，4KN负载的剩余寿命224为42500次循环至故障，并且3kN-lkN的剩余寿命为无限。对于严重污染，4kN的剩余寿命226为22600次循环，3kN为66210次循环，并且对于2kN和lkN，剩余寿命是无限的。对于极端污染，剩余寿命228对于4kN负载是8730次循环，对于3kN负载是22800次循环，对于2kN负载是89700次循环，以及对于lkN负载是不确定的。
如图2中所示，轴承的寿命210是无限的。关系210可能无法准确地预测寿命220。因此，测试操作数据用于确定正常使用中的剩余寿命250。关系210可以基于剩余寿命250来更新。在本示例中，剩余寿命250估计为40000次循环至故障。
图2还包括指示关系210的表格列260。此外，关系210也可以由图表270图示。
图3图示了根据本发明实施例的生成虚拟轴承模型的方法300。虚拟轴承模型是训练的模型，其从具有可比较操作参数的轴承组生成。轴承组可以每个都容纳在轴承外壳中，并可以在一个或多个系统中提供。例如，轴承组可以是提供在一个或多个旋转机械中的滚动轴承。
术语“操作参数”是指轴承的一个或多个特性。例如，操作参数包括系统（包括轴承）的振动、温度、电流、磁通量、速度、功率值。
方法300包括基于测试的建模305和基于仿真的建模308这两种技术来生成虚拟轴承模型。步骤302-306涉及基于测试的建模，并且步骤308涉及基于仿真的建模。本领域技术人员应当理解，技术可以并行或顺序执行，而不对所生成的虚拟轴承模型生成实质性影响。
在步骤302，轴承组中的一个或多个轴承上的一个或多个预定缺陷受到影响。出于以下解释的目的，预定缺陷影响轴承组的每个轴承。预定缺陷包括润滑剂污染、轴承滚道上的布氏压痕或滚道上的剥落损伤。本领域技术人员应当领会，预定缺陷可能因轴承而异。可以使用诸如放电加工（EDM）和激光雕刻的技术来准确地创建预定的缺陷。
在步骤304，在一个或多个系统负载状况下操作包括轴承的系统。如本文使用的“系统负载状况”是指包括轴承在内的系统上的系统负载。此外，系统负载状况指示系统是否在系统负载下操作。
在步骤306，生成与轴承组相关联的测试操作轮廓。测试操作轮廓是基于针对系统负载状况的测试操作数据生成的。测试操作数据从位于与轴承中的每个相关联的轴承外壳的外部和内部的径向定位、轴向定位和水平定位的一个或多个感测单元接收。
如本文使用的，测试操作轮廓是指从测试操作数据生成的振动响应、热响应和/或频率响应。在实施例中，来自轴承组的振动响应被称为测试操作轮廓。
在步骤308，在预定义轴承模型上模拟预定缺陷。预定义轴承模型包括符合与轴承组相关联的动态负载额定标准和额定寿命标准的数据集。动态负载额定标准和额定寿命标准是基于物理特性的。
在步骤308进一步地，生成与轴承组相关联的模拟操作轮廓。模拟操作轮廓包括振动响应、热响应和/或频率响应。响应于对预定模型上的预定缺陷的模拟，生成模拟操作轮廓。
在步骤310，基于模拟操作轮廓预测模拟冲击力。模拟冲击力还基于轴承滚动元件（诸如滚针或滚珠）中的至少一个质量、与轴承相关联的阻尼系数和刚度。模拟冲击力包括来自轴承稳态移动的稳定分量。此外，模拟冲击力包括与由预定缺陷引起的冲击相关联的动态分量。模拟冲击力的确定在图6中阐明。
此外，将测试操作轮廓与模拟操作轮廓进行比较。基于比较更新模拟冲击力。诸如遗传算法之类的机器学习算法被用于将测试操作轮廓与模拟操作轮廓进行比较。在实施例中，差分进化算法用于更新模拟操作轮廓。
在步骤320，基于模拟冲击力生成应力分布。例如，赫兹接触应力理论用于基于冲击力确定应力分布。
在步骤330，基于冲击力差更新应力分布。在实施例中，使用诸如差分进化算法的机器学习算法来更新应力分布。差分进化算法用于确定应力分布的极限。当确定应力上限和应力下限时，通过变异和重组操作之一确定应力上限和应力下限内的可能应力分布。
使用基于冲击力差的连续函数优化，从可能的应力分布中选择应力分布。冲击力差用于为差分进化算法生成优化问题。优化问题用于将基于适应度得分的可能应力分布缩小到优化问题。
在步骤340，使用差分进化算法将更新的应力分布映射到预定缺陷。执行的操作包括极限设置、变异、重组和选择。上述操作的输出导致将应力分布映射到预定缺陷。
在步骤350，预测轴承经受预定缺陷时的寿命。寿命是基于应力分布、轴承负载、负载区、轴承间隙、润滑粘度和与轴承组相关联的润滑剂污染来预测的。
因此，在方法300中生成的虚拟轴承模型被配置为可以用于基于与未知轴承相关联的操作数据来确定未知轴承的剩余寿命。此外，虚拟轴承模型能够标识未知轴承中的冲击力和缺陷。关于虚拟轴承模型的使用的详细描述在图7中描述。
图4图示了根据本发明实施例的滚动轴承中的滚珠的虚拟轴承模型400。虚拟轴承模型400包括外滚道404上的模拟滚珠402，所述外滚道404具有模拟缺陷450。缺陷450包括前缘406和后缘408。前缘406被称为入口缘，并且后缘408被称为出口缘。
虚拟轴承模型400是基于相关联的边界状况生成的。例如，边界状况可以包括利用螺栓接合固定滚动轴承，为内圈提供具有适当摩擦系数和旋转频率的表面对表面接触。
虚拟轴承模型400用于确定滚动轴承对物理缺陷的冲击力。冲击力是基于模拟滚珠402在模拟缺陷450上的移动来确定的。移动的详细描述在图5中图示。
图5图示了图4中的滚动轴承对前缘406和后缘408的冲击循环500中的阶段。冲击循环500包括前缘406和后缘408处的两个脉冲510和520。脉冲520通常高于脉冲510。
例如，滚动轴承在具有静态负载400N的负载状况的转子中。此外，转子中的轴以每分钟1478转的速度运转。虚拟轴承模型用于基于模拟滚珠402在模拟缺陷450上的前缘406和后缘408上的移动来确定滚动轴承的冲击力。因此，前缘力412被确定为4.07kN，并且后缘力414被确定为5.39kN。在0.17991ms处观察到前缘力412，并且在0.24993ms处观察到后缘力。前缘力412和后缘力414之间的时间差用于确定缺陷大小。这在图6中解释。
图6图示了根据本发明实施例的针对具有多个滚珠的滚动轴承的虚拟轴承模型600。图6中的虚拟轴承模型600图示了外滚道604上的模拟滚珠602。虚拟轴承模型600还图示了具有前缘606和后缘608的外滚道604上的模拟缺陷650。
虚拟轴承模型600被配置为图示由于前缘606和后缘608处的模拟缺陷650而生成的冲击力。冲击力在曲线图620中图示。前缘力由数字622指代，并且后缘力由数字624指代。
虚拟轴承模型600预测曲线图620中图示的冲击力。冲击力的预测可以假设为稳态旋转。大多数滚动轴承应用涉及外滚道和/或内滚道上的稳态旋转。旋转速度可以适中，以避免滚珠离心力或显著的陀螺运动。当滚珠穿过缺陷区时，滚动轴承感受到的冲击强度取决于相对速度和施加的外部负载。
基于以上所述，冲击力应该产生静态分量和动态分量，静态分量使用下面的等式来开发，动态分量由模拟滚珠602对模拟缺陷650的边缘606和608的冲击力产生。
Figure 173702DEST_PATH_IMAGE002
Figure 386116DEST_PATH_IMAGE004
否则，
Figure 556066DEST_PATH_IMAGE006
其中
m是滚珠的质量
mg是滚珠的质量和由于重力的加速度
B d 是滚珠直径
I是惯性质量矩
V是滚珠的线速度
Figure 951275DEST_PATH_IMAGE007
是滚珠的角速度。
进一步地，冲击力取决于滚动轴承的负载区。虚拟轴承模型600考虑模拟滚珠602是否在负载区中以及外滚道604和内滚道（图6中未示出）之间的间隙中。因此，是基于以下方程确定冲击力。
来自物体自由下落撞击钢板的实验的冲击力示出，冲击力随着冲击速度的平方而变化，冲击速度用于确定冲击力622和624。
Figure 765647DEST_PATH_IMAGE008
其中
Figure 650427DEST_PATH_IMAGE009
是常数，其取决于撞击材料和下落质量值
Figure 917460DEST_PATH_IMAGE010
其中
Figure 116360DEST_PATH_IMAGE011
是常数，其仅取决于冲击材料
F s 是来自下落质量的静态力
Figure 785239DEST_PATH_IMAGE012
考虑冲击力的方程Q i ，总冲击力的方程可以确定如下。
Figure 342384DEST_PATH_IMAGE013
其中
Figure 96714DEST_PATH_IMAGE014
是冲击系数，其取决于冲击材料和轴承几何形状这两者。
模拟缺陷650可以具有多种宽度。宽度可以基于模拟滚珠602的速度以及前缘力622和后缘力624之间的时间差来反向计算。在图6中，基于模拟滚珠602的速度和时间差来确定模拟缺陷650的缺陷宽度625。
在实施例中，当缺陷宽度625已知时，可以如下确定冲击力622和624。在本实施例中，冲击力622和624被认为与缺陷宽度625的平方成比例。因此，F T 如下导出。
Figure 833726DEST_PATH_IMAGE015
其中
B d 是滚动元件直径
k是比例常数
d def 是缺陷宽度。
图7图示了根据本发明实施例的系统中轴承状况的方法700。图7中的轴承可以与图3中的未知轴承相比较。因此，当没有关于轴承状况的历史数据时，可以使用方法700。
方法700从步骤702开始。在步骤702，接收与系统相关联的操作数据。操作数据从与系统相关联的一个或多个感测单元生成。系统的操作可以反映轴承的状况。因此，系统的操作数据被用来分析轴承的状况。
在步骤704，根据操作数据确定轴承的操作轮廓。操作轮廓包括与轴承相关联的振动响应、热响应和/或频率响应。例如，操作数据包括振动传感器数据。振动传感器数据用于生成不同位置处的振动响应，诸如轴承外的径向定位、轴承内的轴向定位和轴承内的径向定位。振动响应可以与电流签名一起被生成，以验证生成的振动响应。
在步骤706，基于操作轮廓和虚拟轴承模型，在轴承操作期间确定冲击力轮廓。虚拟轴承模型与图3中生成的模型可比较。因此，虚拟轴承模型是基于与同轴承可比较的轴承组相关联的操作轮廓和冲击力轮廓生成的训练模型。在实施例中，轴承组的操作轮廓叠加在（未知）轴承的操作轮廓上。基于叠加，（未知）轴承的冲击力轮廓由轴承组的冲击力轮廓确定。
在步骤708，在轴承操作期间预测与轴承相关联的应力分布。基于冲击力轮廓预测应力分布。此外，可以基于叠加直接从虚拟轴承模型生成应力分布。
在步骤710，基于应力分布预测轴承的剩余寿命。此外，虚拟轴承模型也用于确定剩余寿命。例如，虚拟轴承模型包括基于轴承组的冲击力轮廓生成的预测寿命。基于虚拟轴承模型预测的寿命来预测剩余寿命。
在步骤720，通过在虚拟轴承模型上模拟多种润滑剂污染状况和变化的润滑剂粘度，对轴承执行劣化分析。例如，润滑剂污染状况包括正常污染、轻度污染、严重污染和极端污染。例如，劣化分析用于关于润滑剂温度升高、润滑剂中的杂质颗粒、润滑剂的油膜参数降低等确定轴承的疲劳。
在步骤730，使用被配置为执行梯度下降优化的一个或多个神经网络来更新剩余寿命。所述一个或多个神经网络包括简单神经网络和多变量回归网络。
在实施例中，使用交叉熵作为损失函数来应用简单神经网络。这是有利的，因为轴承族信息可能不容易确定。此外，轴承的操作数据可能具有非线性关系，并且不容易比较。将与轴承相关联的轴承尺寸输入多变量回归网络。所述一个或多个神经网络的输出包括基于轴承尺寸和轴承族参数的更新的剩余寿命。
在步骤740，基于冲击力轮廓标识轴承中的缺陷。此外，轴承中润滑剂的污染状况显示在显示设备上。
图8图示了根据本发明实施例的用于在运行时确定系统800中的轴承810的状况的装置820。
轴承810连接到一个或多个感测单元812。感测单元812用于测量轴承810和系统800的操作参数。测量的操作参数在下文中称为操作数据。操作数据被输入到装置820，装置820被配置为确定轴承810的状况。
装置820包括处理单元822、通信单元824和存储器单元825。在一些实施例中，装置820可以包括感测单元812。装置820经由通信单元824和无线通信网络通信耦合到云计算环境中提供的数据库880。数据库880包括与轴承810可比较的轴承组的操作轮廓882和冲击力轮廓884。
存储器单元825包括机器可读指令，其被存储为模块，诸如虚拟轴承模块830和轴承模块840。模块830和840在运行时期间由处理单元822执行。
虚拟轴承模块830包括轴承历史数据832和冲击力轮廓834。轴承历史数据832可以包括与轴承810的设计和制造相关联的数据。轴承历史数据832可以进一步包括目录数据和缺陷历史。冲击力轮廓834可以包括冲击力轮廓884或对冲击力轮廓884的选择。冲击力轮廓884的选择是基于来自系统800的操作数据进行的。
轴承模块840包括预处理模块845、响应模块850、机器学习模块860和状况模块870。模块845、850和860将在下文中描述。
在运行时，操作数据由装置接收并由预处理模块845分析。预处理模块845被配置为标准化操作数据，以将其转换成用于分析的合适格式。响应模块850被配置为从格式化的操作数据生成轴承810的操作轮廓。在实施例中，操作轮廓包括与轴承810的润滑剂相关联的频域温度响应。
机器学习模块860包括神经网络和回归网络。神经网络使用交叉熵作为损失函数来确定与轴承810相关联的轴承族。至神经网络的输入是与轴承810和轴承组相关联的目录数据。此外，轴承810的操作轮廓也被输入到神经网络。
回归网络用于确定包括滚动元件（即滚珠）的轴承810的尺寸。回归网络采用梯度下降优化来对操作数据执行多变量回归，并且从而确定轴承810的尺寸。此外，梯度下降优化用于确定回归网络的权重。
状况模块870进一步分析机器学习模块860的输出。状况模块870分别使用缺陷模块872和应力模块874分析与缺陷和应力相关的输出。
在实施例中，如图9中图示的，在云计算平台上提供装置820的虚拟轴承模型830。
图9图示了用于确定一个或多个系统910、920和930中的多个轴承912、922和932的状况的系统900。系统910、920和930中的每一个都配备有装置820。本实施例中的装置820仅包括轴承模块840。
虚拟轴承模块830在云计算平台940上提供，云计算平台940经由网络接口950通信耦合到装置820。如本文使用的，“云计算”是指包括可配置的计算物理和逻辑资源以及分布在网络（例如互联网）上的数据的处理环境，所述可配置的计算物理和逻辑资源例如网络、服务器、存储装置、应用、服务等。云计算系统提供对可配置计算物理和逻辑资源的共享池的按需网络访问。该网络例如是有线网络、无线网络、通信网络或由这些网络的任何组合形成的网络。
轴承模块840和虚拟轴承模块830确定轴承912、922和932的状况的功能如上文所述。
系统900还可以包括显示设备960，其被配置为显示轴承912、922和932的剩余寿命。在实施例中，轴承912、922和932中的缺陷也可以通过使用增强现实技术将缺陷叠加到系统910、920和930上来显示。
虽然已经参照某些实施例详细描述了本发明，但是应当领会，本发明不限于这些实施例。鉴于本公开，在不脱离如本文所述的本发明的各种实施例的范围的情况下，许多修改和变化将呈现给本领域技术人员。因此，本发明的范围由下面的权利要求而不是前面的描述来指示。
图1
阶段102-112
102轴承的“正常状况”
104润滑剂的“轻度污染”
106润滑剂的“严重污染”
108润滑剂的“温度状况”
110“系统状况”
112“负载状况”
图2
寿命状况关系210
正常污染212
轻度污染214
严重污染216
极端污染218
寿命220
剩余寿命222、224、226、228
正常使用下的剩余寿命250
表格列260
曲线图270
图3方法
图4
虚拟轴承模型400
模拟滚珠402
外滚道404
前缘406
后缘408
前缘力412
后缘力414
模拟缺陷450
图5
冲击循环500
脉冲510和520
图6
虚拟轴承模型600
模拟滚珠602
外滚道604
前缘606
后缘608
曲线图620
前缘力622
后缘力624
缺陷宽度625
模拟缺陷650
图7方法
图8
系统800
装置820
轴承810
感测单元812
处理单元822
通信单元824
存储器单元825
虚拟轴承模块830
历史数据832
冲击力轮廓834
轴承模块840
预处理模块845
响应模块850
机器学习模块860
状况模块870
缺陷模块872
应力模块874
数据库880
操作轮廓882
冲击力轮廓884
图9
系统900
轴承912、922和932
系统910、920和930
云计算平台940
网络接口950
显示设备960。

Claims (16)

1.一种确定系统（800）中至少一个轴承（810）的状况的计算机实现的方法，所述方法包括：
从与系统（800）相关联的一个或多个感测单元接收与系统（800）相关联的操作数据；
从所述操作数据确定所述至少一个轴承（810）的操作轮廓，其中所述操轮廓包括与所述至少一个轴承（810）相关联的振动响应和热响应中的至少一个；
基于所述操作轮廓和虚拟轴承模型（400，600）确定所述至少一个轴承（810）的操作期间的冲击力轮廓，其中所述冲击力轮廓与所述至少一个轴承的滚动元件和所述轴承的物理缺陷之间的冲击相关联，其中所述虚拟轴承模型（400，600）在与同所述至少一个轴承（810）可比较的轴承组相关联的操作轮廓和冲击力轮廓上被训练；和
基于冲击力轮廓确定所述至少一个轴承（810）的状况。
2.根据权利要求1所述的方法，其中在与同所述至少一个轴承（810）可比较的轴承组相关联的操作轮廓和冲击力轮廓上训练虚拟轴承模型（400，600）包括：
基于与轴承组相关联的测试操作数据确定测试操作轮廓，其中测试操作包括在轴承的测试期间从轴承组生成的操作数据，并且其中测试操作轮廓包括与轴承组相关联的振动响应和热响应。
3.根据权利要求1或2所述的方法，其中基于与轴承组相关联的测试操作数据来确定测试操作轮廓包括：
在轴承组中的一个或多个轴承上产生一个或多个预定缺陷；
在一个或多个系统负载状况下操作包括轴承的系统，其中系统负载状况指示系统上的系统负载；和
针对系统负载状况确定与轴承组相关联的测试操作轮廓，其中所述测试操作轮廓基于从位于轴承组之中的每个轴承内部和外部的感测单元接收的测试操作数据而生成。
4.根据权利要求1至3中任一项所述的方法，进一步包括：
根据测试操作轮廓和模拟操作轮廓确定模拟冲击力；和
基于模拟冲击力生成与轴承组相关联的应力分布。
5.根据权利要求4所述的方法，其中根据所述测试操作轮廓和所述模拟操作轮廓确定所述模拟冲击力包括：
基于模拟操作轮廓和轴承滚珠的至少一个质量、与轴承相关联的阻尼系数和刚度来预测模拟冲击力，其中模拟冲击力包括来自轴承的稳态移动的稳态分量和与预定缺陷相关联的动态分量中的至少一个。
6.根据权利要求4所述的方法，其中基于模拟冲击力预测与轴承组相关联的应力分布进一步包括：
比较测试操作轮廓和模拟操作轮廓；
基于所述比较更新模拟冲击力；
基于更新的模拟冲击力生成应力分布；和
使用所述至少一个机器学习算法将应力分布映射到预定缺陷。
7.根据权利要求6所述的方法，其中基于所述测试操作轮廓和所述模拟操作轮廓之间的比较来更新所述模拟冲击力进一步包括：
使用至少一个机器学习算法，基于测试操作轮廓和模拟操作轮廓之间的差，校准与轴承组相关联的更新的模拟冲击力。
8.根据权利要求7所述的方法，其中所述至少一个机器学习算法是差分进化算法，并且其中使用至少一个机器学习算法基于所述测试操作轮廓和所述模拟操作轮廓之间的差来校准与轴承组相关联的更新的模拟冲击力包括：
定义轴承组的应力上限和应力下限；
通过变异和重组操作之一来确定应力上限和应力下限内的可能应力分布，其中针对差确定可能应力分布；和
使用基于冲击力差的连续函数优化从可能应力分布中选择应力分布。
9.根据权利要求2至8中任一项所述的方法，其中基于与所述轴承组相关联的测试操作数据来确定所述测试操作轮廓进一步包括：
基于与所述轴承组中的一个或多个轴承相关联的轴承负载、负载区、轴承间隙、润滑粘度和润滑剂污染中的至少一个来预测所述轴承在经受预定缺陷时的寿命。
10.根据权利要求1至9中任一项所述的方法，进一步包括：
在所述至少一个轴承（810）的操作期间预测与所述至少一个轴承（810）相关联的应力分布，其中基于所述至少一个轴承（810）的冲击力轮廓和虚拟轴承模型（400，600）预测应力分布；和
使用神经网络基于应力分布和预测寿命预测所述至少一个轴承（810）的剩余寿命；其中神经网络被配置为执行梯度下降优化。
11.根据权利要求1-10中任一项所述的方法，其中基于冲击力轮廓来确定所述至少一个轴承（810）的状况包括：
基于冲击力轮廓图标识所述至少一个轴承（810）中的缺陷；和
确定所述至少一个轴承中润滑剂的污染状况（810），
其中标识缺陷，并且通过将所述至少一个轴承（810）的操作轮廓叠加在虚拟轴承模型（400，600）中的操作轮廓上来确定污染状况。
12.根据权利要求1-11中任一项所述的方法，其中基于冲击力轮廓来确定所述至少一个轴承（810）的状况进一步包括：
基于虚拟轴承模型（400，600）关于润滑剂温度升高、润滑剂中的杂质颗粒和润滑剂的油膜参数减小中的至少一个确定所述至少一个轴承（810）的疲劳。
13.一种用于确定系统（800）中至少一个轴承（810）的状况的装置，所述装置包括：
一个或多个（822）处理单元；和
与所述一个或多个处理单元通信耦合的存储器单元（825），其中所述存储器单元包括轴承模块（840）和以由所述一个或多个处理单元可执行的机器可读指令的形式存储的虚拟轴承模块（830），
其中所述轴承模块（840）被配置为执行根据权利要求1和权利要求10至12的一个或多个方法步骤，并且
其中虚拟轴承模块（830）被配置为执行根据权利要求2至9或权利要求16的一个或多个方法步骤。
14.一种系统（800），包括：
能够提供与一个或多个系统的操作相关联的操作数据的一个或多个设备；和
根据权利要求13所述的装置，通信耦合到所述一个或多个设备，其中所述装置被配置用于确定根据权利要求1至12或权利要求16中任一项的一个或多个系统中的至少一个轴承（810）的状况。
15.一种具有存储在其中的机器可读指令的计算机程序产品，所述机器可读指令当由一个或多个处理单元执行时，使得所述一个或多个处理单元执行根据权利要求1至12或权利要求16的方法。
16.根据权利要求1或2所述的方法，进一步包括：
在与轴承组相关联的预定轴承模型上模拟预定缺陷；以及基于对预定轴承模型上的预定缺陷的模拟，生成与轴承组相关联的模拟操作轮廓。
CN202080046530.3A 2019-06-26 2020-06-26 确定轴承状况的系统、装置和方法 Pending CN114026564A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19182543.9 2019-06-26
EP19182543.9A EP3757539A1 (en) 2019-06-26 2019-06-26 System, apparatus and method of determining condition of a bearing
PCT/EP2020/068130 WO2020260654A1 (en) 2019-06-26 2020-06-26 System, apparatus and method of determining condition of a bearing

Publications (1)

Publication Number Publication Date
CN114026564A true CN114026564A (zh) 2022-02-08

Family

ID=67070745

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080046530.3A Pending CN114026564A (zh) 2019-06-26 2020-06-26 确定轴承状况的系统、装置和方法

Country Status (4)

Country Link
US (1) US20220252104A1 (zh)
EP (2) EP3757539A1 (zh)
CN (1) CN114026564A (zh)
WO (1) WO2020260654A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3855153A1 (en) * 2020-01-23 2021-07-28 Siemens Aktiengesellschaft Method for determining a remaining useful life of a bearing
CN113392544B (zh) * 2021-05-28 2022-08-26 东北林业大学 一种基于变形协调理论的行星螺纹滚柱轴承接触载荷计算方法
CN114626162B (zh) * 2022-03-22 2024-04-16 中车大连机车研究所有限公司 一种接触球轴承损耗程度定量识别方法
CN116579247B (zh) * 2023-05-24 2023-12-19 石家庄铁道大学 基于maml元学习的滚动轴承剩余寿命预测方法
CN116500524B (zh) * 2023-07-01 2023-08-18 北京格瑞拓动力设备有限公司 磁悬浮电机的轴向磁轴承刚度测试装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4504065B2 (ja) * 2004-03-31 2010-07-14 中国電力株式会社 転がり軸受の余寿命診断方法
JP6196093B2 (ja) * 2012-12-25 2017-09-13 Ntn株式会社 軸受装置の振動解析方法、軸受装置の振動解析装置、および転がり軸受の状態監視装置
CN107003663B (zh) * 2014-12-02 2019-10-25 西门子公司 具有活动部分的装置的监视
US20180038413A1 (en) * 2015-04-30 2018-02-08 Nsk Ltd. Abnormality diagnosis system
EP3601990B1 (en) * 2017-05-12 2022-05-25 Epps, Iain A bearing monitoring method and system
US11002634B2 (en) * 2017-08-24 2021-05-11 Banner Engineering Corp Vibrational alarms facilitated by determination of motor on-off state in variable-duty multi-motor machines
CA3089591C (en) * 2018-02-15 2023-10-24 Amsted Rail Company, Inc. System, method and apparatus for monitoring the health of railcar wheelsets
CN108760300A (zh) * 2018-04-19 2018-11-06 西安工业大学 一种依据轴承振动信号对其进行故障智能诊断的方法
US11599103B2 (en) * 2019-02-21 2023-03-07 Dodge Industrial, Inc. Method and system for data driven machine diagnostics

Also Published As

Publication number Publication date
WO2020260654A1 (en) 2020-12-30
EP3956645B1 (en) 2023-05-10
EP3956645A1 (en) 2022-02-23
US20220252104A1 (en) 2022-08-11
EP3757539A1 (en) 2020-12-30

Similar Documents

Publication Publication Date Title
CN114026564A (zh) 确定轴承状况的系统、装置和方法
US10527520B2 (en) Operating wind motors and determining their remaining useful life
Nonato et al. An approach for including the stiffness and damping of elastohydrodynamic point contacts in deep groove ball bearing equilibrium models
Taplak et al. Experimental analysis on fault detection for a direct coupled rotor-bearing system
US11921005B2 (en) System, apparatus and method for estimating remaining useful life of a bearing
CN115023598A (zh) 用于确定轴承的剩余可用寿命的方法
Hasanzadeh Ghafari A fault diagnosis system for rotary machinery supported by rolling element bearings
RU2794164C1 (ru) Система, устройство и способ определения состояния подшипника
Kenworthy et al. Wind turbine main bearing rating lives as determined by IEC 61400‐1 and ISO 281: A critical review and exploratory case study
Van Rensburg Delevitation modelling of an active magnetic bearing supported rotor
GANDHI Coast-down time monitoring for defect detection in rotating equipment
Meier et al. Determination of bearing clearance by the application of neural networks
Atanasovska et al. Damage Factor Calculation for Condition Monitoring of Rolling Bearings
Djaidir et al. Detection of vibrations defects in gas transportation plant based on input/output data analysis: Gas turbine investigations
KR20200051758A (ko) 데이터 처리 장치, 데이터 처리 시스템, 데이터 처리 방법, 데이터 처리 프로그램 및 기억 매체
Mendelovich et al. Characterization of fault size in bearings
Hetmańczyk et al. Computer Aided Diagnosis and Prediction of Mechatronic Drive Systems
CN112525530B (zh) 用于滚动轴承的部件的损伤预测的方法
Tuma et al. Calculation Of Component Durability Based On Simulation Model
Patel Accelerated Testing of Bearings for High Speed Application
EP4244495A1 (en) System, apparatus and method for estimating remaining useful life of at least one bearing
Van Rensselar Tribological Bearing Testing
WO2023186587A1 (en) System, apparatus and method for misalignment-based remaining useful life estimation of a bearing
JP2023179851A (ja) 装置状態評価システムおよび装置状態評価方法
Jonušas et al. Research of electric motor-generator vibrations

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