CN114036242B - 一种基于qt的智能主轴振动状态监测方法及系统 - Google Patents
一种基于qt的智能主轴振动状态监测方法及系统 Download PDFInfo
- Publication number
- CN114036242B CN114036242B CN202111109558.XA CN202111109558A CN114036242B CN 114036242 B CN114036242 B CN 114036242B CN 202111109558 A CN202111109558 A CN 202111109558A CN 114036242 B CN114036242 B CN 114036242B
- Authority
- CN
- China
- Prior art keywords
- data
- mysql
- database
- vibration state
- main shaft
- 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 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 230000006870 function Effects 0.000 claims abstract description 29
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000013461 design Methods 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000001845 vibrational spectrum 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
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供一种基于QT的智能主轴振动状态监测方法及系统,基于Navicat for MySQL可视化工具,使得管理数据列表更加简单,数据列表结构更加直观,方便工作人员进行后续编辑与调用;同时,通过MYSQL对应的程序语言创建数据列表,定义存储数据的名称、变量类型等,将采集的原始数据及分析结果分类存储,提高了数据接收的灵活性;最后,QT Creator开发平台,利用其强大的跨平台界面设计功能,通过对界面中控件的合理布局,结合C++编程语言实现多线程、访问数据库、图像处理、文件操作等功能,完成对智能主轴振动状态的实时监测,可及时发现问题,实现了人机交互功能,使工作人员更加便捷地对智能主轴振动状态进行监测与评估,提高工作效率,降低了人工检测的成本。
Description
技术领域
本发明涉及固定源污染物监测领域,具体涉及一种基于QT的智能主轴 振动状态监测方法及系统。
背景技术
随着物联网、大数据、云计算、移动互联等新一代信息技术及智能装备 的快速发展,传统制造业也在不断地进行改造升级。对智能主轴而言,可以 通过位移传感器、加速度传感器、温度传感器等对其进行状态监测,从而监 测主轴在运行过程中所出现的径向偏移、振动异常、局部温度过高等状态信 息,基于监测软件对得到的信息数据进行清洗与分析,实现主轴状态信息可视化。在智能主轴运行状态物理量测量过程中,要综合考虑主轴轴承安装位 置、外壳尺寸及形状、拉刀机构类型以及主轴的其他零部件尺寸与装配参数 等信息,因此需要多个传感器进行测量,采用数据采集卡对测量数据进行存 储,作为主轴振动状态的检测数据样本。
QT是一款跨平台的界面设计软件,在市面上的主流操作系统中都可以 运行,目前通过QT还衍生了QT Designer/CreaTor等优秀产品。QT CreaTor 是一个用于QT开发的轻量级跨平台集成开发环境。平台提供首个专为支持跨平台开发而设计的集成开发环境(IDE);QT CreaTor也是一个简单易用且 功能强大的IDE。目前市场上的振动监测软件有很多,如KSI科尚仪器开发的KASPro7.0专用于旋转机械在线监测的振动测试分析软件系统,广泛应用于电力、石化、冶金、化工、核电、油汽等工业关键旋转设备的振动检测 故障;美国VK软件公司和俄罗斯VAST共同推出的VAST-DC振动频谱分 析仪;德国西门子开发的LMS振动噪声测试系统等。对于市面上的振动测试系统软件,一方面软件开发成本比较高导致售价相对较高,另一方面软件 系统操作功能复杂,提高了操作人员学习的时间成本。
发明内容
针对现有技术中存在的问题,本发明提供一种开发成本低,操作简单, 状态显示多样的基于QT的智能主轴振动状态监测软件,即一种基于QT的 智能主轴振动状态监测方法及系统。
本发明是通过以下技术方案来实现:
一种基于QT的智能主轴振动状态监测方法,其特征在于,包括以下步 骤:
S1:利用MySQL数据库进行表格创建,并对智能主轴振动状态的原始 数据、特征提取和融合后的结果进行存储;
S2:利用Navicat for MySQL工具的可视化操作功能,对MySQL数据 库中存储的数据进行管理,包括数据分类、数据编码、数据传输;
S3:通过QT平台自带的UI界面设计模块搭建软件的可视化窗口,针 对窗口中的各个控件利用槽函数实现其功能与连接关系,完成对数据的监测。
进一步,所述S2中利用MySQL对硬件设备采集的原始数据、特征提 取和融合后的结果进行存储,包括以下步骤:创建存储过程、定义变量和变 量赋值。
进一步,所述创建存储过程包括:结合数据采集通道、采集频率和采样 时间来定义数据库存储名称,确定数据列表的相关参数及各个采集通道的存 储名称。
进一步,所述定义变量包括:结合已定义的数据库、数据列表信息设置 需要导入的数据变量名称、变量类型;
进一步,所述变量赋值包括:通过设置赋值表达式与数据变量进行连接 赋值,生成数据列表。
进一步,所述S3中利用Navicat for MySQL工具的可视化操作功能, 对MySQL数据库中存储的数据进行管理,包括数据分类、数据编码、数据 传输,包括以下步骤:
数据分类,打开Navicat for MySQL,创建一个名为“Signal”的数据库, 创建若干表格,分别对应各个传感器的通道名称;
数据编码,找到对应的.sql文件,复制文件的地址,设置编码格式,导 入到新建的数据库中;
数据传输,利用QT访问数据指令,结合相应的编辑命令,完成QT界 面与数据库数据的连接。
进一步,所述QT访问数据指令为QsqlDatebase::addDatabase。
一种基于QT的智能主轴振动状态监测系统,其特征在于,包括 MySQL数据库用于创建表格,并对智能主轴振动状态的原始数据、特征提 取和融合后的结果进行存储;
Navicat for MySQL工具的可视化操作功能,用于对MySQL数据库中存 储的数据进行管理;
QT平台的UI界面设计模块搭建软件的可视化窗口。
进一步,,所述可视化窗口的功能模块包括:
数据接收模块,主要有通信连接控件和参数设置,通信连接通过编程语 言与数据库建立联系,接收采集的信号;参数设置包含采样频率参数、采样 点参数、阈值、数据通道、PNN模型;
特征提取-融合模块,主要有特征提取控件、特征融合控件、PNN模型 控件;
状态显示模块,主要有原始信号特征、时域特征、频域特征、PNN故 障分类,时域特征包括峰值、均方根、波形指标、峭度指标,频域特征包括 自功率谱和倒频谱,PNN分类包括特征数据分类和模式识别验证。
与现有技术相比,本发明具有以下有益的技术效果:
本发明提供一种基于QT的智能主轴振动状态监测方法及系统,基于 Navicat forMySQL可视化工具,使得管理数据列表更加简单,数据列表结 构更加直观,方便工作人员进行后续编辑与调用;同时,本发明基于 MYSQL数据操作,通过MYSQL对应的程序语言创建数据列表,定义存储 数据的名称、变量类型等,将采集的原始数据及分析结果分类存储,提高了 数据接收的灵活性;最后,本发明基于QT Creator开发平台,利用其强大 的跨平台界面设计功能,通过对界面中控件的合理布局,并结合C++编程 语言实现多线程、访问数据库、图像处理、文件操作等功能,完成对智能主 轴振动状态的实时监测,及时发现问题所在,实现了人机交互功能,使工作人员更加便捷地对智能主轴振动状态进行监测与评估,提高工作效率,降低 了人工检测的成本。
附图说明
图1为本发明具体实施例中软件系统设计流程图;
图2为本发明具体实施例中软件系统窗口界面模块图;
图3为本发明具体实施例中软件功能实现流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,所述是对本发明的解释而 不是限定。
本发明提供一种基于QT的智能主轴振动状态监测方法,如图1所示, 包括以下步骤:
S1:利用MySQL数据库进行表格创建,并对智能主轴振动状态的原始 数据、特征提取和融合后的结果进行存储;
S2:利用Navicat for MySQL工具的可视化操作功能,对MySQL数据 库中存储的数据进行管理,包括数据分类、数据编码、数据传输;
S3:通过QT平台自带的UI界面设计模块搭建软件的可视化窗口,针 对窗口中的各个控件利用槽函数实现其功能与连接关系,完成对数据的监测。
进一步的,所述S2中利用MySQL对硬件设备采集的原始数据、特征 提取和融合后的结果进行存储,包括以下步骤:创建存储过程、定义变量和 变量赋值。
进一步的,所述创建存储过程包括:结合数据采集通道、采集频率和采 样时间来定义数据库存储名称,确定数据列表的相关参数及各个采集通道的 存储名称。
进一步的,所述定义变量包括:结合已定义的数据库、数据列表信息设 置需要导入的数据变量名称、变量类型;
进一步的,所述变量赋值包括:通过设置赋值表达式与数据变量进行连 接赋值,生成数据列表。
进一步的,所述S3中利用Navicat for MySQL工具的可视化操作功能, 对MySQL数据库中存储的数据进行管理,包括数据分类、数据编码、数据 传输,包括以下步骤:
数据分类,打开Navicat for MySQL,创建一个名为“Signal”的数据库, 创建若干表格,分别对应各个传感器的通道名称;
数据编码,找到对应的.sql文件,复制文件的地址,设置编码格式,导 入到新建的数据库中;
数据传输,利用QT访问数据指令,结合相应的编辑命令,完成QT界 面与数据库数据的连接。具体的,所述QT访问数据指令为 QsqlDatebase::addDatabase。
本发明提供一种基于QT的智能主轴振动状态监测系统,包括MySQL 数据库用于创建表格,并对智能主轴振动状态的原始数据、特征提取和融合 后的结果进行存储;
Navicat for MySQL工具的可视化操作功能,用于对MySQL数据库中存 储的数据进行管理;具体的,包括数据分类、数据编码、数据传输;
QT平台的UI界面设计模块搭建软件的可视化窗口,如图2所示;具体 的,基于数据库中的数据信息,通过QT平台自带的UI界面设计模块搭建 软件的可视化窗口,针对窗口中的各个控件利用槽函数实现其功能与连接关 系,最后完成对数据的处理分析。
本发明提供的一种优选实施方式为,软件开发工具包括:C++程序语言、 QTCreator开发平台、Mysql数据库、Navicat for MySQL工具,主要功能是 振动数据存储与管理、振动特征提取、信息融合算法、概率神经网络(PNN) 算法实现及状态显示。
本发明提供的另一种优选实施方式为,以智能主轴的智能主轴振动状态 监测为例,在智能主轴振动测量中,要考虑到轴承、外壳、拉刀机构等各位 置信息,需要多个传感器进行测量,采用数据采集卡对测量数据进行存储, 作为主轴智能主轴振动状态的检测数据样本。
首先,利用MySQL数据库进行表格创建,并对智能主轴振动状态的原 始数据、特征提取和融合后的结果进行存储;然后,利用Navicat for MySQL工具的可视化操作功能,对MySQL数据库中存储的数据进行管理, 包括数据分类、数据编码、数据传输;最后,基于数据库中的数据信息,通 过QT平台自带的UI界面设计模块搭建软件的可视化窗口,针对窗口中的各个控件利用槽函数实现其功能与连接关系,最后完成对数据的处理分析。
一种基于QT的智能主轴振动状态监测软件系统窗口界面模块图,如图 2所示,其具体包括,数据接收模块:主要有通信连接控件和参数设置,通 信连接通过编程语言与数据库建立联系,接收采集的信号;参数设置包含采 样频率参数、采样点参数、阈值、数据通道、PNN模型;特征提取-融合模块:主要有特征提取控件、特征融合控件、PNN模型控件;状态显示模块: 主要有原始信号特征、时域特征、频域特征、PNN故障分类,时域特征包 括峰值、均方根、波形指标、峭度指标,频域特征包括自功率谱和倒频谱, PNN分类包括特征数据分类和模式识别验证。
一种基于QT的智能主轴振动状态监测软件功能实现流程图,如图3所 示,首先连接数据采集卡,判断是否连接成功,若连接成功,则进行采样频 率、阈值等参数的设置,若连接不成功,检查线路重新连接;数据采集之后, 判断数据是否合理,合理则进行数据存储,不合理则重新设置采样参数;将 Mysql数据库已经采集的数据经Navicat for MySQL工具整理传递给特征提 取-融合模块进行计算处理;将得到的特征数据和融合结果存储到Mysql数 据库,同时将融合结果作为PNN模型训练的输入,最后输出PNN模型的分 类结果。
本发明的监测软件独立于采集卡,监测对象等相关硬件设备;因此,不 受硬件设备的影响,适用范围较广。通过使用C++编程语言、Mysql数据库 及QT Creator开发环境和Navicat for MySQL工具,设计一款监测软件对智 能主轴振动各状态信号进行分析处理,并进一步对智能主轴等设备的运行状 态的评估提供参考依据。
本发明提供的另一种优选实施方式为,所述可视化窗口的功能模块包括:
数据接收模块,主要有通信连接控件和参数设置,通信连接通过编程语 言与数据库建立联系,接收采集的信号;参数设置包含采样频率参数、采样 点参数、阈值、数据通道、PNN模型;
特征提取-融合模块,主要有特征提取控件、特征融合控件、PNN模型 控件;
状态显示模块,主要有原始信号特征、时域特征、频域特征、PNN故 障分类,时域特征包括峰值、均方根、波形指标、峭度指标,频域特征包括 自功率谱和倒频谱,PNN分类包括特征数据分类和模式识别验证。
以上内容仅说明本发明的技术思想,不能以此限定本发明的保护范围, 凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落 入本发明权利要求书的保护范围之内。
Claims (1)
1.一种基于QT的智能主轴振动状态监测方法,其特征在于,包括以下步骤:
S1:利用MySQL数据库进行表格创建,并对智能主轴振动状态的原始数据、特征提取和融合后的结果进行存储;
S2:利用Navicat for MySQL工具的可视化操作功能,对MySQL数据库中存储的数据进行管理,包括数据分类、数据编码、数据传输;
S3:通过QT平台自带的UI界面设计模块搭建软件的可视化窗口,针对窗口中的各个控件利用槽函数实现其功能与连接关系,完成对数据的监测;
所述S2中利用MySQL对硬件设备采集的原始数据、特征提取和融合后的结果进行存储,包括以下步骤:创建存储过程、定义变量和变量赋值;
所述创建存储过程包括:结合数据采集通道、采集频率和采样时间来定义数据库存储名称,确定数据列表的相关参数及各个采集通道的存储名称;
所述定义变量包括:结合已定义的数据库、数据列表信息设置需要导入的数据变量名称、变量类型;
所述变量赋值包括:通过设置赋值表达式与数据变量进行连接赋值,生成数据列表;
所述S3中利用Navicat for MySQL工具的可视化操作功能,对MySQL数据库中存储的数据进行管理,包括数据分类、数据编码、数据传输,包括以下步骤:
数据分类,打开Navicat for MySQL,创建一个名为“Signal”的数据库,创建若干表格,分别对应各个传感器的通道名称;
数据编码,找到对应的.sql文件,复制文件的地址,设置编码格式,导入到新建的数据库中;
数据传输,利用QT访问数据指令,结合相应的编辑命令,完成QT界面与数据库数据的连接;
所述QT访问数据指令为QsqlDatebase::addDatabase;
所述可视化窗口的功能模块包括:
数据接收模块,主要有通信连接控件和参数设置,通信连接通过编程语言与数据库建立联系,接收采集的信号;参数设置包含采样频率参数、采样点参数、阈值、数据通道、PNN模型;
特征提取-融合模块,主要有特征提取控件、特征融合控件、PNN模型控件;
状态显示模块,主要有原始信号特征、时域特征、频域特征、PNN故障分类,时域特征包括峰值、均方根、波形指标、峭度指标,频域特征包括自功率谱和倒频谱,PNN分类包括特征数据分类和模式识别验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109558.XA CN114036242B (zh) | 2021-09-22 | 2021-09-22 | 一种基于qt的智能主轴振动状态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109558.XA CN114036242B (zh) | 2021-09-22 | 2021-09-22 | 一种基于qt的智能主轴振动状态监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114036242A CN114036242A (zh) | 2022-02-11 |
CN114036242B true CN114036242B (zh) | 2024-04-26 |
Family
ID=80134685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111109558.XA Active CN114036242B (zh) | 2021-09-22 | 2021-09-22 | 一种基于qt的智能主轴振动状态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114036242B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105081879A (zh) * | 2015-08-27 | 2015-11-25 | 成都飞机工业(集团)有限责任公司 | 一种数控机床主轴的故障诊断与预测的方法 |
CN106294742A (zh) * | 2016-08-10 | 2017-01-04 | 中国科学技术大学 | 一种航天发射场安全可靠性数据库构建方法及分析与评估系统 |
CN109506921A (zh) * | 2018-12-24 | 2019-03-22 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
CN113280909A (zh) * | 2021-04-08 | 2021-08-20 | 上海大学 | 一种基于振动信号分析的选煤厂振动筛智能检测系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8903758B2 (en) * | 2011-09-20 | 2014-12-02 | Jill Benita Nephew | Generating navigable readable personal accounts from computer interview related applications |
-
2021
- 2021-09-22 CN CN202111109558.XA patent/CN114036242B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105081879A (zh) * | 2015-08-27 | 2015-11-25 | 成都飞机工业(集团)有限责任公司 | 一种数控机床主轴的故障诊断与预测的方法 |
CN106294742A (zh) * | 2016-08-10 | 2017-01-04 | 中国科学技术大学 | 一种航天发射场安全可靠性数据库构建方法及分析与评估系统 |
CN109506921A (zh) * | 2018-12-24 | 2019-03-22 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
CN113280909A (zh) * | 2021-04-08 | 2021-08-20 | 上海大学 | 一种基于振动信号分析的选煤厂振动筛智能检测系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于虚拟仪器的监测记录仪的设计;陈道全;秦树人;周传德;;中国测试技术;20070330(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114036242A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN108873830A (zh) | 一种生产现场数据在线采集分析及故障预测系统 | |
CN111563606A (zh) | 一种设备预测性维护方法及装置 | |
Lv et al. | High-order synchroextracting transform for characterizing signals with strong AM-FM features and its application in mechanical fault diagnosis | |
CN111401584A (zh) | 一种设备故障自动诊断方法及系统 | |
CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
Siaterlis et al. | An IIoT approach for edge intelligence in production environments using machine learning and knowledge graphs | |
Kotenko et al. | An approach for intelligent evaluation of the state of complex autonomous objects based on the wavelet analysis | |
CN111160393A (zh) | 一种基于数据驱动的运载火箭健康评估模型模块化建模方法 | |
CN114036242B (zh) | 一种基于qt的智能主轴振动状态监测方法及系统 | |
Wang et al. | Fast Spectral Correlation Based on Sparse Representation Self‐Learning Dictionary and Its Application in Fault Diagnosis of Rotating Machinery | |
CN113114748A (zh) | 一种基于数据分析的智能预测系统 | |
CN117217020A (zh) | 一种基于数字孪生的工业模型构建方法及系统 | |
CN115514679B (zh) | 一种基于通信模块的异常来源监测方法及系统 | |
CN111190944A (zh) | 一种数据挖掘方法和系统 | |
Kim et al. | A study toward appropriate architecture of system-level prognostics: physics-based and data-driven approaches | |
US20130124670A1 (en) | Systems and methods for recording data associated with the operation of foundation fieldbus devices | |
KR101984257B1 (ko) | 클라우드기반 빅데이터분석시스템 및 방법 | |
CN113168739B (zh) | 用于检查至少一台车辆的方法以及电子计算装置 | |
CN109613851B (zh) | 一种基于多阶组合的网络化在线监控方法 | |
CN111190922A (zh) | 电力状态的检测方法、装置、设备及存储介质 | |
Viereck et al. | Driving reliability with machine learning and improving operation by digitalization of power transformers | |
CN116643170B (zh) | 电机轴系振动测试方法、装置和计算机设备 | |
CN117707050B (zh) | 基于云计算的数控机床实时监控与数据分析系统及方法 | |
CN116915459B (zh) | 一种基于大语言模型的网络威胁分析方法 |
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 |