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 PDF

Info

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
Application number
CN202111109558.XA
Other languages
English (en)
Other versions
CN114036242A (zh
Inventor
张燕飞
李赟豪
孔令飞
汤奥斐
杨癸庚
高达敬
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.)
Xian University of Technology
Original Assignee
Xian University of Technology
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 Xian University of Technology filed Critical Xian University of Technology
Priority to CN202111109558.XA priority Critical patent/CN114036242B/zh
Publication of CN114036242A publication Critical patent/CN114036242A/zh
Application granted granted Critical
Publication of CN114036242B publication Critical patent/CN114036242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种基于QT的智能主轴振动状态监测方法及系统
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。
CN202111109558.XA 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 Active CN114036242B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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