CN114055515B - 一种抖动分析方法与系统 - Google Patents
一种抖动分析方法与系统 Download PDFInfo
- Publication number
- CN114055515B CN114055515B CN202010757173.3A CN202010757173A CN114055515B CN 114055515 B CN114055515 B CN 114055515B CN 202010757173 A CN202010757173 A CN 202010757173A CN 114055515 B CN114055515 B CN 114055515B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- time
- jitter
- frequency
- obtaining
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种抖动分析方法,包括:获取待测件的预处理加速度;根据所述预处理加速度得到待测件抖动的时频信息;根据所述时频信息获取待测件的抖动信息。本发明还公开了一种应用于上述抖动分析方法的系统。上述抖动分析方法不仅能获取同一时间序列中包含的频率成分,而且能够分析出这些频率成分发生的时间信息,从而可以为量化分析待测件的抖动信息提供依据,进而能够对待测件的抖动进行准确测量与分析,以获取能够反映出待测件实际抖动的细节情况的抖动信息,从而解决传统方法获取的抖动信息无法反映待测件实际抖动的情况。
Description
技术领域
本发明涉及振动检测技术领域,特别涉及一种抖动分析方法。本发明还涉及一种应用于该抖动分析方法的抖动分析系统。
背景技术
目前,工业机器人已广泛应用于汽车及汽车零部件制造业、机械加工行业、电子电气行业、橡胶及塑料工业、食品工业、木材与家具制造业等领域中。工业机器人由于普遍存在柔性连接,使得系统容易产生机械谐振的现象,这不仅影响机器人寿命,也对机器人控制精度和性能产生负面影响。
国内外诸多学者对谐振抑制进行了大量的研究,在对机器人谐振进行抑制时,往往需要已知谐振频率,如使用陷波器通过补偿对谐振进行抑制,其特点是能够针对抖动频点大幅衰减增益而不对其他频率产生影响,该方法不需要额外地增加硬件成本,但需要准确地设置陷波频率和宽度,当频率设置偏移实际的谐振频率时,不能达到良好的抑振效果,且会造成系统在正常工作的频带增益被压制,起到相反的效果;抖动参数检测则通过参数采集装置采集工业机器人实际运行时速度或加速度等信息,经过快速傅里叶变换(FFT)获取抖动信号的幅频特性,再通过频率提取算法提取出系统的抖动频率,最后再将频率传递给抑制谐振的陷波器等需要设置谐振频率的装置。抖动分为两种:启停换向时的残余抖动和匀速运行时的机械谐振。对于工业机器人抖动测量与分析系统往往需要对工业机器人的抖动特性进行准确测量与分析,系统通过将加速度传感器或者速度传感器分别置于待测工业机器人的不同测量位置,同时获得多个目标点的抖动信号,再将抖动信号传递给运行分析仪进行处理与分析,从而获得工业机器人的抖动频响特性与实时运行状态数据,现有技术中,该分析普遍使用的是FFT获取抖动信号的频谱。然而,传统FFT只能获得抖动信号的频域分布信息,并不能反映出实际抖动的细节情况。
因此,如何避免通过传统方法获取的抖动信息无法反映机器人实际抖动的情况,是本领域技术人员目前需要解决的技术问题。
发明内容
本发明的目的是提供一种抖动分析方法,该抖动分析方法可以对工业机器人的抖动特性进行准确测量与分析,从而可以判断工业机器人末端的抖动类型,并获取抖动频率。本发明的另一目的是提供一种应用于该抖动分析方法的抖动分析系统。
为实现上述目的,本发明提供一种抖动分析方法,包括:
获取待测件的预处理加速度;
根据所述预处理加速度得到待测件抖动的时频信息;
根据所述时频信息获取待测件的抖动信息。
可选地,所述获取待测件的预处理加速度包括:
对所述合成加速度a进行去趋势波动处理并得到去趋势波动加速度;
对所述去趋势波动加速度归一化处理得到预处理加速度。
可选地,所述对所述合成加速度a进行去趋势波动处理并得到去趋势波动加速度包括:
根据所述合成加速度a得到合成加速度曲线;
对所述合成加速度曲线进行分段线性拟合并得到拟合直线;
根据所述拟合直线得到所述去趋势波动加速度。
可选地,所述根据所述预处理加速度得到待测件抖动的时频信息包括:
将所述预处理加速度输入自适应最优核时频分布算法;
通过所述自适应最优核时频分布算法对待测件进行时频分析并得到所述时频信息的时频分布图。
可选地,所述根据所述时频信息获取待测件的抖动信息包括:
根据所述时频分布图判断待测件抖动的方式;
获取待测件抖动的中心频率。
可选地,所述获取待测件抖动的中心频率包括:
根据所述能量和与所述能量熵得到待测件抖动的中心频率。
本发明还提供一种抖动分析系统,包括:
加速度预处理模块:用于获取待测件的预处理加速度;
运算模块:用于根据所述预处理加速度得到待测件抖动的时频信息;
获取模块:用于根据所述时频信息获取待测件的抖动信息。
可选地,所述加速度预处理模块包括:
加速度去趋势波动单元:用于对所述合成加速度a进行去趋势波动处理并得到去趋势波动加速度;
加速度归一化单元:用于对所述去趋势波动加速度归一化处理得到预处理加速度。
可选地,所述运算模块包括:
第一运算单元:用于将所述预处理加速度输入自适应最优核时频分布算法;
第二运算单元:用于通过所述自适应最优核时频分布算法对待测件进行时频分析并得到所述时频信息的时频分布图。
可选地,所述获取模块包括:
判断单元:用于根据所述时频分布图判断待测件抖动的方式;
获取单元:用于获取待测件抖动的中心频率。
相对于上述背景技术,本发明针对工业机器人抑制振动的不同要求,设计了一种抖动分析方法,具体来说,上述抖动分析方法包括:S1:获取待测件的预处理加速度;S2:根据预处理加速度得到待测件抖动的时频信息;S3:根据时频信息获取待测件的抖动信息。同时,本申请还提供一种抖动分析系统,该系统包括加速度预处理模块、运算模块和获取模块,其中,加速度预处理模块用于获取待测件的预处理加速度;运算模块用于根据预处理加速度得到待测件抖动的时频信息;获取模块用于根据时频信息获取待测件的抖动信息。
上述抖动分析方法首先通过获取到待测件的预处理加速度,然后根据预处理加速度得到待测件抖动的时频信息,也就是说,以预处理加速度为输入信号对待测件抖动进行时频分析并获取抖动在时间域和频率域的相关信息;最后,根据得到的时频信息进一步获取待测件的抖动信息。这样一来,相对于传统使用FFT获得抖动信号频谱的方法,上述抖动分析方法不仅能获取同一时间序列中包含的频率成分,而且能够分析出这些频率成分发生的时间信息,从而可以为量化分析待测件的抖动信息提供依据,进而能够对待测件的抖动进行准确测量与分析,以获取能够反映出待测件实际抖动的细节情况的抖动信息,从而解决传统方法获取的抖动信息无法反映待测件实际抖动的情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的抖动分析方法的流程图;
图2为本发明实施例中六轴机器人J1轴单轴运行的加速度曲线;
图3为本发明实施例中六轴机器人J3轴单轴运行的加速度曲线;
图4(a)为本发明实施例中六轴机器人J1轴单轴运行的去趋势波动的加速度曲线;
图4(b)为本发明实施例中六轴机器人J3轴单轴运行的去趋势波动的加速度曲线;
图5(a)为本发明实施例中六轴机器人J1轴单轴运行的归一化去趋势波动的加速度曲线;
图5(b)为本发明实施例中六轴机器人J3轴单轴运行的归一化去趋势波动的加速度曲线;
图6(a)为本发明实施例中六轴机器人J1轴单轴运行的时频分布图;
图6(b)为本发明实施例中六轴机器人J3轴单轴运行的时频分布图;
图7(a)为本发明实施例中六轴机器人J1轴单轴运行的时频分布指标统计示意图;
图7(b)为本发明实施例中六轴机器人J3轴单轴运行的时频分布指标统计示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的核心是提供一种抖动分析方法,该抖动分析方法可以对工业机器人的抖动特性进行准确测量与分析,从而可以判断工业机器人末端的抖动类型,并获取抖动频率。本发明的另一核心是提供一种应用于该抖动分析方法的抖动分析系统。
为了使本技术领域的技术人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
请参考图1至图7,图1为本发明实施例所提供的抖动分析方法的流程图;图2为本发明实施例中六轴机器人J1轴单轴运行的加速度曲线;图3为本发明实施例中六轴机器人J3轴单轴运行的加速度曲线;图4(a)为本发明实施例中六轴机器人J1轴单轴运行的去趋势波动的加速度曲线;图4(b)为本发明实施例中六轴机器人J3轴单轴运行的去趋势波动的加速度曲线;图5(a)为本发明实施例中六轴机器人J1轴单轴运行的归一化去趋势波动的加速度曲线;图5(b)为本发明实施例中六轴机器人J3轴单轴运行的归一化去趋势波动的加速度曲线;图6(a)为本发明实施例中六轴机器人J1轴单轴运行的时频分布图;图6(b)为本发明实施例中六轴机器人J3轴单轴运行的时频分布图;图7(a)为本发明实施例中六轴机器人J1轴单轴运行的时频分布指标统计示意图;图7(b)为本发明实施例中六轴机器人J3轴单轴运行的时频分布指标统计示意图。
本发明实施例所提供的抖动分析方法包括:
S1:获取待测件的预处理加速度;
S2:根据预处理加速度得到待测件抖动的时频信息;
S3:根据时频信息获取待测件的抖动信息。
上述抖动分析方法可以用于对工业六轴机器人的抖动进行分析,通过上述方法能够对工业机器人的抖动特性进行准确测量与分析,以达到判断机器人末端的抖动类型和获取抖动频率的目的。
在S1中,获取待测件的预处理加速度是指获取待测件经数据预处理后的加速度,获取待测件的预处理加速度的过程主要可以包括通过加速度传感器采集待测件在三轴方向的加速度值、对三个加速度值进行合成计算得到合成加速度、对合成加速度进行去趋势波动处理并得到去趋势波动加速度和对去趋势波动加速度归一化处理得到预处理加速度。
下面以工业六轴机器人为例具体说明机器人末端抖动的分析过程。
对于机器人末端三个相互垂直方向上加速度值的采集:在机器人J6轴上安装机器人标准负载,负载上固定三轴加速度传感器,加速度传感器能够实时检测三个互相垂直方向上的加速度值。
通过加速度传感器的芯片采集的代表每个方向的数字量与实际加速度值之间的转换关系如下:
式中,i代表x、y、z三个方向中的一个,di表示i方向的数字量输出值,其取值范围是[0,4096],g是重力加速度。
从上式可知,ai的取值范围是[-5g,5g],当di等于2048时,ai等于0,表示加速度传感器处于静止状态。ai与di是一一对应的线性关系,后续分析中使用数字量di的波动代表加速度波动,其中,加速度采样周期可以设定为5ms。
具体地说,通过单独运行机器人J1和J3轴来进行抖动测量与分析。当控制J1轴单独运动时,固定J2、J3、J4、J5、J6轴角度分别为0°、90°、0°、90°、0°,运行速度设定为J1轴最大速度的5%,范围从-170°到+170°往复运动;当控制J3轴单独运动时,固定J1、J2、J4、J5、J6轴角度分别为0°、0°、0°、90°、0°,运行速度设定为J3轴最大速度的7%,范围从0°到90°往复运动。上述设置是为了实时采集加速度传感器x、y、z三个方向的加速度曲线,当然也可以有其他不同的设置方式,本文对此并不作具体限制。
由于受加速度传感器安装姿态和机器人姿态变化的影响,使用某一方向的加速度无法反映机器人的抖动情况,因此,需要通过计算合成加速度来分析机器人的抖动情况。合成加速度的计算过程为:将采集的加速度x、y、z三个方向的加速度值ax、ay、az进行合成,公式如下:
其中,ax、ay、az分别表示x、y、z三个方向的加速度数字量值,a是合成的加速度的数字量值。
对合成加速度进行去趋势波动处理并得到去趋势波动加速度的过程具体可以设置为包括:
第一步:根据合成加速度得到合成加速度曲线;
第二步:对合成加速度曲线进行分段线性拟合并得到拟合直线;
第三步:根据拟合直线得到去趋势波动加速度。
在运行过程中,实时采集加速度传感器x、y、z三个方向的加速度曲线,如图2和图3所示分别为机器人单轴运行J1和J3的加速度曲线。
由于机器人在运行过程中,由于机器人姿态变化和安装在机器人末端的加速度传感器会受到重力加速度的影响,运行J1轴时机器人做水平旋转运动,故没有重力加速度的影响,合成加速度曲线围绕3330上下波动,如图2所示;而J3轴单轴运行时,机器人上下运动,合成加速度曲线则表现出一定的上行或下行趋势,如图3所示。因此,为了消除这种趋势性的影响,只关注趋势上信号的波动信息,需要对获取到的合成加速度a进行去趋势波动处理以得到去趋势波动加速度。
具体地说,首先,设置作线性拟合的数据长度n0,例如n0=30;根据抖动频率设置,由于机器人本体谐振一般是低频抖动(10-20Hz左右),采样时间为5ms,因此,30个数据长度代表150ms,基本能够覆盖抖动的2-3个周期。
然后,对原始的合成加速度序列进行分段,每段长度为n0,最后不足n0长度的数据舍弃。再对每一段数据进行最小二乘法线性拟合,得到拟合直线,该拟合直线则代表了当前加速度曲线的趋势。
最后,使用每一段的原始数据减去对应段的直线拟合值,获取其上的波动,得到去除波动趋势的加速度曲线,如图4(a)、图4(b)所示。
当然,上述去趋势波动算法包括但不限于使用分段线性拟合方法,针对不同的研究对象及工作条件,可以采用二次函数拟合、三角函数拟合等方法替代线性拟合。
作为优选的,获取去趋势波动加速度后,进一步对去趋势波动后的加速度序列作归一化处理,得到预处理加速度,该预处理加速度为范围在[-1,1]的加速度序列。归一化能够减少机器人不同运行工况下加速度绝对值可能有差异而引起的波动分析不准确,具体可以通过下式计算:
其中,aNDF表示归一化的去趋势波动的加速度值,即预处理加速度,aDF是去趋势波动加速度值。如图4(a)、图4(b)、图5(a)和图5(b)所示。
在S2中,获取预处理加速度后,进一步根据预处理加速度得到待测件抖动的时频信息,具体包括:
第一步:将预处理加速度输入自适应最优核时频分布算法;
第二步:通过自适应最优核时频分布算法对待测件进行时频分析并得到时频信息的时频分布图。
也就是说,上述时频分析是采用自适应最优核时频分布算法(AOK TFD)进行的,利用随信号自适应变化的高斯核函数以保持较好的时频聚集性,同时有效抑制时频平面内的交叉项干扰。自适应最优核时频分布D(t,f)计算如下:
D(t,f)=∫∫S(t,τ,υ)·Φ(τ,υ)·e-j2π(tυ+τf)dτdυ
其中,υ为偏频,τ表示时延,t是时间,f代表频率。Φ(τ,υ)是用于产生自适应最优核时频分布的核函数,S(t,τ,υ)为短时模糊函数。
得到的时频分布图如图6(a)和图6(b)所示。图6(a)和图6(b)中,WaveForm是做时频分布的原始信号,对应S1中预处理加速度信号,Spectrum是对WaveForm进行快速傅里叶变换(FFT)获得的频谱分布,Time Frequency Representation是WaveForm对应的时频分布图,时频分布图的横坐标Time是时间,纵坐标Frequency表示频率,颜色表征了在某一时刻某一频率下的能量值,即D(t,f)。将时频分布沿着时间域累加,即得到Spectrum分布。也就是说,时频分布不仅能获取某一时间序列中包含的频率成分,而且能够分析出这些频率成分发生的时间,这是FFT无法实现的。当然,时频分析也可以采用现有技术中其他常规时频分布分析算法,此处将不再一一展开。
这样一来,根据时频信息获取待测件的抖动信息具体包括根据时频分布图判断待测件抖动的方式和获取待测件抖动的中心频率。
更加具体地说,从图6(a)的J1轴和图6(b)的J3轴时频分布图中,沿着时间方向均能够观察到两个明显的色带区域,如图中的虚线框和实线框所示,他们分别代表了机器人的两种抖动方式:一种是机器人启停的残余抖动;另一种是机器人运行中的匀速抖动。残余抖动持续的时间较短,只在机器人启停或换向时发生;匀速抖动持续的时间较长,当机器人运行速度与机器人本体谐振频率一致或者接近时即会产生。
进一步的,为了定量化分析机器人抖动,从时频分布图中提取两个指标:同一频率所有时间下的能量和E(f),同一频率所有时间下的能量熵H(f)。设时间t的取值范围是[1,m],频率f的取值范围是[1,n],E(f)和H(f)的计算方法如下:
其中,D(t,f)为自适应最优核时频分布,E(f)表示能量和,H(f)表示能量熵,m为大于1的实数。
需要说明的是,同一频率所有时间下的能量和E(f):时频分布图中同一频率f下所有时间时频分布D(t,f)的和;同一频率所有时间下的能量熵H(f):时频分布图中同一频率f下所有时间时频分布D(t,f)的信息熵。
图7(a)和图7(b)分别为对图6(a)和图6(b)的时频分布计算E(f)和H(f)得到的结果图。如图所示,横坐标Frequency为频率,左纵坐标Energy表示E(f),右纵坐标Entropy为H(f)。
结合图7(a)和图7(b)以及图6(a)和图6(b)可知,频率f1是机器人启停时发生残余抖动的中心频率,f2对应机器人匀速抖动的中心频率。残余抖动中心频率f1所在位置的特点是:具有较高的同一频率所有时间下的能量和,是同一频率所有时间下的能量和的一处极大值点;同时,具有较低的同一频率所有时间下的能量熵,是同一频率所有时间下的能量熵的一处极小值点。匀速抖动中心频率f2位置的特点是:具有几乎最大的同一频率所有时间下的能量和,是同一频率所有时间下的能量和的又一处极大值点;同时,具有较大的同一频率所有时间下的能量熵。受环境中高频噪声的影响,同一频率所有时间下的能量熵在频率较大时的值均比较高。
也就是说,机器人在启停的残余抖动频率附近表现为高于周围频率的同一频率所有时间下的能量和,以及低于周围频率的同一频率所有时间下的能量熵;在匀速抖动频率附近表现为高于周围频率的同一频率所有时间下的能量和,以及较高的同一频率所有时间下的能量熵。
当然,量化分析抖动的提取指标包括但不限于同一频率所有时间下的能量和E(f)和同一频率所有时间下的能量熵H(f)的组合,可以将同一频率所有时间下的能量和进行归一化,即通过除以所有频率所有时间下的能量和,得到取值范围在[0,1]之间的归一化同一频率所有时间下的能量和,以方便设定确定的阈值进行抖动频率的提取。同一频率所有时间下的能量熵与同一频率所有时间下的能量和相类似,也可以进行归一化。
综上所述,上述抖动分析方法首先通过获取到待测件的预处理加速度,然后根据预处理加速度得到待测件抖动的时频信息,也就是说,以预处理加速度为输入信号对待测件抖动进行时频分析并获取抖动在时间域和频率域的相关信息;最后,根据得到的时频信息进一步获取待测件的抖动信息。
这样一来,相对于传统使用FFT获得抖动信号频谱的方法,上述抖动分析方法不仅能获取同一时间序列中包含的频率成分,而且能够分析出这些频率成分发生的时间信息,从而可以为量化分析待测件的抖动信息提供依据,进而能够对待测件的抖动进行准确测量与分析,以获取能够反映出待测件实际抖动的细节情况的抖动信息,从而解决传统方法获取的抖动信息无法反映待测件实际抖动的情况。
同时,本申请还提供一种抖动分析系统,该系统包括加速度预处理模块、运算模块和获取模块,其中,加速度预处理模块用于获取待测件的预处理加速度;运算模块用于根据预处理加速度得到待测件抖动的时频信息;获取模块用于根据时频信息获取待测件的抖动信息。
在本发明实施例中,加速度预处理模块包括:加速度合成单元、加速度去趋势波动单元和加速度归一化单元,其中;
加速度去趋势波动单元:用于对合成加速度a进行去趋势波动处理并得到去趋势波动加速度;
加速度归一化单元:用于对所述去趋势波动加速度归一化处理得到预处理加速度。
此外,运算模块包括:第一运算单元和第二运算单元,其中,第一运算单元用于将预处理加速度输入自适应最优核时频分布算法;第二运算单元用于通过自适应最优核时频分布算法对待测件进行时频分析并得到时频信息的时频分布图。获取模块包括:判断单元和获取单元,其中,判断单元用于根据所述时频分布图判断待测件抖动的方式;获取单元用于获取待测件抖动的中心频率。
需要说明的是,在本说明书中,诸如第一和第二之类的关系术语仅仅用来将一个实体与另外几个实体区分开来,而不一定要求或者暗示这些实体之间存在任何这种实际的关系或者顺序。
以上对本发明所提供的抖动分析方法与系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (7)
1.一种抖动分析方法,其特征在于,包括:
获取待测件的预处理加速度;
根据所述预处理加速度得到待测件抖动的时频信息;
根据所述时频信息获取待测件的抖动信息;
所述根据所述预处理加速度得到待测件抖动的时频信息包括:
将所述预处理加速度输入自适应最优核时频分布算法;
通过所述自适应最优核时频分布算法对待测件进行时频分析并得到所述时频信息的时频分布图;
所述根据所述时频信息获取待测件的抖动信息包括:
根据所述时频分布图判断待测件抖动的方式;
获取待测件抖动的中心频率;
所述获取待测件抖动的中心频率包括:
根据所述能量和与所述能量熵得到待测件抖动的中心频率。
3.根据权利要求2所述的抖动分析方法,其特征在于,所述对所述合成加速度a进行去趋势波动处理并得到去趋势波动加速度包括:
根据所述合成加速度a得到合成加速度曲线;
对所述合成加速度曲线进行分段线性拟合并得到拟合直线;
根据所述拟合直线得到所述去趋势波动加速度。
4.一种抖动分析系统,采用如权利要求1-3任意一项所述的抖动分析方法,其特征在于,包括:
加速度预处理模块:用于获取待测件的预处理加速度;
运算模块:用于根据所述预处理加速度得到待测件抖动的时频信息;
获取模块:用于根据所述时频信息获取待测件的抖动信息。
6.根据权利要求5所述的抖动分析系统,其特征在于,所述运算模块包括:
第一运算单元:用于将所述预处理加速度输入自适应最优核时频分布算法;
第二运算单元:用于通过所述自适应最优核时频分布算法对待测件进行时频分析并得到所述时频信息的时频分布图。
7.根据权利要求6所述的抖动分析系统,其特征在于,所述获取模块包括:
判断单元:用于根据所述时频分布图判断待测件抖动的方式;
获取单元:用于获取待测件抖动的中心频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757173.3A CN114055515B (zh) | 2020-07-31 | 2020-07-31 | 一种抖动分析方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757173.3A CN114055515B (zh) | 2020-07-31 | 2020-07-31 | 一种抖动分析方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114055515A CN114055515A (zh) | 2022-02-18 |
CN114055515B true CN114055515B (zh) | 2023-07-07 |
Family
ID=80227474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010757173.3A Active CN114055515B (zh) | 2020-07-31 | 2020-07-31 | 一种抖动分析方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114055515B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1392697A (zh) * | 2001-06-15 | 2003-01-22 | 特克特朗尼克公司 | 基于频谱分析的串行数据抖动测量设备和方法 |
JP2004301673A (ja) * | 2003-03-31 | 2004-10-28 | Anritsu Corp | ジッタ解析方法および装置 |
CN101257373A (zh) * | 2007-02-27 | 2008-09-03 | 吴伟 | 基于时间-频率域分析的信号抖动检测方法 |
KR20110088392A (ko) * | 2010-01-28 | 2011-08-03 | 가부시키가이샤 어드밴티스트 | 시험 장치, 측정 장치 및 전자 디바이스 |
EP2390789A1 (en) * | 2010-05-27 | 2011-11-30 | Tektronix, Inc. | Method for decomposing and analyzing jitter using spectral analysis and time domain probability density |
CN109202963A (zh) * | 2018-11-21 | 2019-01-15 | 浙江谱麦科技有限公司 | 一种用于工业机器人抖动分析的8通道抖动测量系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5143341B2 (ja) * | 2004-02-18 | 2013-02-13 | 株式会社アドバンテスト | ジッタ測定装置、ジッタ測定方法およびプログラム |
CN201111116Y (zh) * | 2007-08-24 | 2008-09-03 | 淄博泰宝防伪技术产品有限公司 | 应用无线射频技术的一种鞋类防伪物流电子标签 |
CN103292892B (zh) * | 2012-08-09 | 2015-04-08 | 北京中元瑞讯科技有限公司 | 低频、小幅度振动信号的测量方法及装置 |
CN107433589B (zh) * | 2017-07-28 | 2021-03-23 | 珞石(山东)智能科技有限公司 | 基于加速度传感器的机器人振动抑制方法 |
CN107478402B (zh) * | 2017-08-10 | 2019-08-02 | 上海海事大学 | 一种低频振动位移检测系统和方法 |
JP7225563B2 (ja) * | 2018-05-14 | 2023-02-21 | セイコーエプソン株式会社 | ロボット、制御装置およびロボットの制御方法 |
CN111486943B (zh) * | 2020-03-30 | 2022-02-01 | 伯朗特机器人股份有限公司 | 工业机器人振动状态分析方法、系统、装置及可读存储介质 |
-
2020
- 2020-07-31 CN CN202010757173.3A patent/CN114055515B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1392697A (zh) * | 2001-06-15 | 2003-01-22 | 特克特朗尼克公司 | 基于频谱分析的串行数据抖动测量设备和方法 |
JP2004301673A (ja) * | 2003-03-31 | 2004-10-28 | Anritsu Corp | ジッタ解析方法および装置 |
CN101257373A (zh) * | 2007-02-27 | 2008-09-03 | 吴伟 | 基于时间-频率域分析的信号抖动检测方法 |
KR20110088392A (ko) * | 2010-01-28 | 2011-08-03 | 가부시키가이샤 어드밴티스트 | 시험 장치, 측정 장치 및 전자 디바이스 |
EP2390789A1 (en) * | 2010-05-27 | 2011-11-30 | Tektronix, Inc. | Method for decomposing and analyzing jitter using spectral analysis and time domain probability density |
CN109202963A (zh) * | 2018-11-21 | 2019-01-15 | 浙江谱麦科技有限公司 | 一种用于工业机器人抖动分析的8通道抖动测量系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114055515A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10352785B2 (en) | Method measuring axial force of bolt | |
CN110987434A (zh) | 一种基于去噪技术的滚动轴承早期故障诊断方法 | |
CN113970420B (zh) | 一种基于深度学习的激波风洞测力信号频域分析方法 | |
Han et al. | Roller bearing fault diagnosis based on LMD and multi-scale symbolic dynamic information entropy | |
CN117798744B (zh) | 一种数控机床运行状态监测方法 | |
CN111678698A (zh) | 一种基于声振信号融合的滚动轴承故障检测方法 | |
US10288640B2 (en) | Method for measuring the rotation speed of a vehicle wheel | |
CN117836599A (zh) | 检测旋转系统中轴承缺陷的方法以及实施该方法的监控系统 | |
CN115169409A (zh) | 基于滑窗的桥梁结构自振频率识别、预警方法及设备 | |
Sousa et al. | Robust cepstral-based features for anomaly detection in ball bearings | |
CN114055515B (zh) | 一种抖动分析方法与系统 | |
CN113246175B (zh) | 机器人末端震动分类方法、机器人及存储介质 | |
CN113984392B (zh) | 一种电驱动总成系统振动品质在线测试评估方法 | |
Fu et al. | Intelligent fault diagnosis of rolling bearings based on an improved empirical wavelet transform and ResNet under variable conditions | |
CN115655719A (zh) | 一种轴承振动信号分阶段降噪方法及轴承故障识别方法 | |
Long et al. | Applications of fractional lower order frequency spectrum technologies to bearing fault analysis | |
Zhang et al. | Review on fault diagnosis on the rolling bearing | |
CN114638265A (zh) | 一种基于信号卷积神经网络的铣削颤振判别方法 | |
CN109877647A (zh) | 一种基于内置编码器的机床伺服轴性能退化评估系统 | |
Gárdonyi et al. | Hybrid spectral speed determination method for rotary machines | |
JP2006125976A (ja) | 機械設備の異常診断システム | |
CN111753460A (zh) | 估算螺栓的夹紧力的方法 | |
CN111319787A (zh) | 一种直升机动部件振动监测数据有效性评估方法 | |
He et al. | LPF/OGS: A low-pass filtering and overlapping group shrinkage denoising method for diesel engine fault diagnosis | |
Zhang et al. | A Fault Diagnosis Method for Single Pitting Corrosion of Rotating Machinery Bearing Based on Wavelet Analysis |
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 |