CN114235414B - 适用于外圈缺陷定位诊断的信号处理方法 - Google Patents
适用于外圈缺陷定位诊断的信号处理方法 Download PDFInfo
- Publication number
- CN114235414B CN114235414B CN202111627079.7A CN202111627079A CN114235414B CN 114235414 B CN114235414 B CN 114235414B CN 202111627079 A CN202111627079 A CN 202111627079A CN 114235414 B CN114235414 B CN 114235414B
- Authority
- CN
- China
- Prior art keywords
- signal
- oφj
- xoφj
- yoφj
- noise
- 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
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
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明属于故障诊断技术领域,具体涉及一种适用于外圈缺陷定位诊断的信号处理方法,该方法采用加速度传感器测取外圈缺陷在不同角位置时的水平和垂直方向振动加速度信号,再采用形态学尺度差分滤波器对不同角位置的振动加速度信号进行降噪处理,计算出不同角位置的形态学垂平同步均方根值,构建指标值与缺陷角位置间的函数关系式,从而实现噪声情况下轴承外圈缺陷角位置的精确测算。本发明的适用于外圈缺陷定位诊断的信号处理方法,实现了含噪情况下轴承外圈故障的精确定位诊断,对轴承的剩余寿命预测等具有重要的理论意义和应用价值。
Description
技术领域
本发明属于故障诊断技术领域,具体涉及一种适用于外圈缺陷定位诊断的信号处理方法。
背景技术
滚动轴承是机械传动设备的关键和核心零部件之一,其故障严重威胁着整个设备的运行安全。目前,基于振动信号的滚动轴承故障诊断技术已得到广泛地应用。然而,强大的背景噪声等因素均会导致故障与振动信号之间的关系变得不再清晰,使基于振动信号的故障诊断技术遇到了新的挑战。信号处理方法有望解决这一问题,但是不同的方法由于其降噪原理不同,也可能破坏故障与振动信号之间的某种关系。因此,需要寻找一种适用于外圈缺陷定位诊断的信号处理方法。
发明内容
本发明要解决的技术问题是:现有技术中强大的背景噪声等因素均会干扰故障与振动信号之间的关系的技术问题。本发明的目的是提供一种适用于外圈缺陷定位诊断的信号处理方法,实现外圈缺陷的精确诊断,进而有效防止因轴承故障引起重大事故发生,为滚动轴承外圈定位诊断和剩余寿命预测提供基础支撑。
本发明解决其技术问题所采用的技术方案是:一种适用于外圈缺陷定位诊断的信号处理方法,包括以下步骤:
S1、采集不同角位置时的振动加速度信号:
在轴承外滚道上采用线切割方式加工一个大小为h的缺陷;在轴承座的径向水平和垂直方向安装两个振动加速度传感器,用于同步采集总时长为t,点数为N的水平和垂直方向振动加速度信号;移动缺陷的角位置,采集缺陷在不同角位置φj时的水平振动加速度信号aax,oφj(i)和垂直振动加速度aay,oφj(i)用于后续处理;
实际上,测取的水平振动加速度信号aax,oφj(i)是由噪声nx和轴承故障冲击信号ax,oφj(i)一起叠加的效果,垂直振动加速度aay,oφj(i)是由噪声ny和轴承故障冲击信号ay,oφj(i)叠加的,即
根据噪声所在的位置,信号中的噪声nx又可分为两部分:轴承冲击部分的噪声nx1和非冲击部分噪声nx2,同理则有
S2、采用形态学尺度差分滤波器对加速度信号进行降噪处理:
采用形态学尺度差分滤波器对测取的aaxoφj(i)和aayoφj(i)信号进行处理:首先用小波阈值去噪,对aaxoφj(i)和aayoφj(i)信号进行处理,得到结果waxoφj(i)和wayoφj(i);小波阈值去噪可以去除冲击部分的噪声,且不影响冲击波形的幅值,则
用尺度为c1和c2的结构元素差值滤波算子对信号waxoφj(i)和wayoφj(i)进行滤波处理:
其中,·为开运算,为闭运算;waxoφj(i)经处理完的结果为cwaxo1φj(i)和cwaxo2φj(i),wayoφj(i)经处理完的结果为cwayo1φj(i)和cwayo2φj(i);
通过本发明研究发现,在故障冲击波形位置,两个尺度形态滤波处理后的波形幅值是重合的;而非故障冲击位置,两个尺度形态滤波处理后的波形幅值不重合;因此,将信号cwaxo1φj(i)和cwaxo2φj(i)相重合的部分提取出来,非重合部分设置为零,可以得到降噪的新信号maxoφj(i);根据水平方向信号相重合的点提取垂直方向的信号mayoφj(i);这一步骤可将非冲击部分噪声nx2和ny2去除;处理后,任意点的幅值maxo1φj(i)与信号waxoφj(i)有以下四类关系:
任意点的幅值mayo1φj(i)与信号wayoφj(i)有以下关系:
其中,|wAp|x,oφj和|wAp|y,oφj为信号waxoφj(i)和wayoφj(i)的波峰幅值,|wBh|x,oφj和|wBh|y,oφj为信号waxoφj(i)和wayoφj(i)的波谷幅值;
S3、求解不同角位置的MHVSRMS指标值,得出MHVSRMS指标值与缺陷角位置φj之间的关系。
根据步骤S2得到的水平方向信号maxoφj(i)和垂直方向信号mayoφj(i),计算出MHVSRMS指标值:
其中,
|Ap|x,oφj和|Ap|y,oφj为故障冲击信号axoφj(i)和ayoφj(i)的波峰幅值,|Bh|x,oφj和|Bh|y,oφj为故障冲击信号axoφj(i)和ayoφj(i)的波谷幅值;
当轴承故障冲击信号axoφj(i)和ayoφj(i)不含噪声时,缺陷角位置φj与其信号axoφj(i)和ayoφj(i)之间有这一线性关系:由此可得
根据公式(8)-(10),可推出
即不同缺陷角位置的含噪加速度信号采用形态学尺度差分滤波器处理得到的MHVSRMS与缺陷角位置φj之间也是线性关系,因此,这一线性关系可用于外圈缺陷的定位诊断。
本发明的适用于外圈缺陷定位诊断的信号处理方法,具体效果如下:用含噪声的加速度信号直接求指标与外圈缺陷角位置之间的关系,结果两者不具有线性关系。而通过本发明提出的适用于外圈缺陷定位诊断的信号处理方法,结合形态学尺度差分滤波器的降噪性能,获得了指标与缺陷角位置之间的线性关系,实现了含噪情况下轴承外圈缺陷定位诊断的目的,为机电装备滚动轴承的故障诊断和剩余寿命预测提供基础支撑,防止因轴承故障引起的重大事故发生,具有重要的实用性和工程价值。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明的适用于外圈缺陷定位诊断的信号处理方法的流程图;
图2为本发明的原始信号的指标与缺陷角位置之间的关系图;
图3为本发明得到的MHVSRMS指标与角位置之间的关系图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,本发明提供的适用于外圈缺陷定位诊断的信号处理方法,包括以下步骤:
S1、采集不同角位置时的振动加速度信号:
在轴承外滚道上采用线切割方式加工一个大小为h=1mm的缺陷;往轴承座的径向水平和垂直方向安装两个振动加速度传感器,用于同步采集总时长为t=2s,点数为N=131072的水平和垂直方向振动加速度信号;将缺陷的角位置φj移动至240°、250°、260°和270°,其中270°对应于轴承承载区中心位置;采集缺陷在4个位置时的水平振动加速度信号分别为aaxo240(i)、aaxo250(i)、aaxo260(i)和aaxo270(i)和垂直振动加速度分别为aayo240(i)、aayo250(i)、aayo260(i)和aayo270(i);由外圈缺陷角位置为240°的水平方向加速度aaxo240(i)和垂直方向加速度aayo240(i)计算出角位置为240°时的HVSRMS指标值
其中aaxo240(i)和aayo240(i)为240°的水平和垂直方向加速度信号,N为信号aaxo240(i)的长度;同理可得,250°对应的HVSRMS值为1.288、260°对应的HVSRMS值为0.7356和270°对应的HVSRMS指标值为0.6965,并绘制这四个角位置的HVSRMS指标值,结果如图2所示;从关系图中可以看出指标值与角位置是没有很直观的关系,这是因为信号中存在噪声。实际上,测取的水平振动加速度信号aax,oφj(i)是由噪声nx和轴承故障冲击信号ax,oφj(i)一起叠加的效果,垂直振动加速度aay,oφj(i)是由噪声ny和轴承故障冲击信号ay,oφj(i)叠加的,即
根据噪声所在的位置,信号中的噪声nx又可分为两部分:轴承冲击部分的噪声nx1和非冲击部分噪声nx2,同理则有
S2、采用形态学尺度差分滤波器对加速度信号进行降噪处理:
由于测取的振动加速度信号中存在大量的噪声,采用形态学尺度差分滤波器对测取的aaxoφj(i)和aayoφj(i)信号进行处理:首先用小波阈值去噪,对aaxoφj(i)和aayoφj(i)信号进行处理,得到结果waxoφj(i)和wayoφj(i);小波阈值去噪可以去除冲击部分的噪声,且不影响冲击波形的幅值,则
用尺度为c1和c2的结构元素差值滤波算子对信号waxoφj(i)和wayoφj(i)进行滤波处理:
其中,·为开运算,为闭运算;waxoφj(i)经处理完的结果为cwaxo1φj(i)和cwaxo2φj(i),wayoφj(i)经处理完的结果为cwayo1φj(i)和cwayo2φj(i);通过本发明研究发现,在故障冲击波形位置,两个尺度形态滤波处理后的波形幅值是重合的;而非故障冲击位置,两个尺度形态滤波处理后的波形幅值不重合;因此,将信号cwaxo1φj(i)和cwaxo2φj(i)相重合的部分提取出来,非重合部分设置为零,得到降噪的新信号maxoφj(i);根据水平方向信号相重合的点提取垂直方向的信号mayoφj(i);这一步骤可将非冲击部分噪声nx2和ny2去除;
处理后,任意点的幅值maxo1φj(i)与信号waxoφj(i)有以下四类关系:
任意点的幅值mayo1φj(i)与信号wayoφj(i)有以下关系:
其中,|wAp|x,oφj和|wAp|y,oφj为信号waxoφj(i)和wayoφj(i)的波峰幅值,|wBh|x,oφj和|wBh|y,oφj为信号waxoφj(i)和wayoφj(i)的波谷幅值。
将步骤S1获取的外圈缺陷角位置为240°的水平方向加速度信号axo240(i)和垂直方向加速度信号ayo240(i)先进行小波阈值去噪,去噪后的结果为waxo240(i)和wayo240(i),然后用尺度分别为c1=90和c2=100的结构元素差值滤波算子对信号waxo240(i)和wayo240(i)进行滤波处理:
cwaxo1240(i)=waxo240·g(c1)-waxo240og(c1)
cwaxo2240(i)=waxo240·g(c1)-waxo240og(c1)
cwayo1240(i)=wayo240·g(c2)-wayo240og(c2)
cwayo2240(i)=wayo240·g(c2)-wayo240og(c2)
将cwaxo11240(i)和cwaxo2240(i)相重合的部分取出来,记为新信号maxo240(i);cwayo11240(i)和cwayo2240(i)相重合的部分取出来,记为信号mayo240(i);以相同的方法步骤处理缺陷角位置为250°、260°和270°时的振动加速度信号axo250(i)、ayo250(i)、axo260(i)、ayo260(i)、axo270(i)和ayo270(i),处理结果记为maxo250(i)、mayo250(i)、maxo260(i)、mayo260(i)、maxo270(i)和mayo270(i)。
S3、求解不同角位置的MHVSRMS指标值,得到MHVSRMS指标值与缺陷角位置φj之间的关系;
根据步骤S2得到的水平方向信号maxoφj(i)和垂直方向信号mayoφj(i),可计算出MHVSRMS指标值:
其中,W为形态学尺度差分滤波器方法处理后信号maxoφj(i)的数据点数;将公式(5)和(6)代入至公式(7)中,则有
其中,bs为幅值|wAp|x,oφj出现的次数,cs为|wBh|x,oφj出现的次数;根据研究可知小波阈值可以去除故障冲击部分的噪声,则有
其中,|Ap|x,oφj和|Ap|y,oφj为故障冲击信号axoφj(i)和ayoφj(i)的波峰幅值,|Bh|x,oφj和|Bh|y,oφj为故障冲击信号axoφj(i)和ayoφj(i)的波谷幅值;当轴承故障冲击信号axoφj(i)和ayoφj(i)不含噪声时,缺陷角位置φj与其信号axoφj(i)和ayoφj(i)之间有这一线性关系:由此可得
根据公式(8)-(10),可推出
即不同缺陷角位置的含噪加速度信号采用形态学尺度差分滤波器处理得到的MHVSRMS与缺陷角位置φj之间也是线性关系,因此,这一线性关系可用于外圈缺陷的定位诊断。
为了验证这一关系,将步骤S2计算得到的角位置为240°的maxo240(i)和mayo240(i)代入公式(7)中求解得到指标值MHVSRMS240=1.08;同理可得,250°对应的指标值MHVSRMS250=0.7314,260°对应的指标值MHVSRMS260=0.5239,和270°对应的指标值MHVSRMS270=0.3948。
绘制MHVSRM S240、MHVSRMS250、MHVSRMS260和MHVSRMS270指标值与缺陷角位置φj之间的关系图,结果如图3所示;从结果可以看出图2中指标值与角位置之间的非线性关系通过形态学尺度差分滤波器处理后呈现出了线性关系,而线性关系则可以用于外圈缺陷的定位诊断。
本发明的适用于外圈缺陷定位诊断的信号处理方法,得到了MHVSRMS指标值与缺陷角位置φj之间呈线性关系,适用于外圈缺陷的定位诊断。
总而言之,本发明提出的适用于外圈缺陷定位诊断的信号处理方法,结合形态学尺度差分滤波器的降噪性能,获得了指标与缺陷角位置之间的线性关系,实现了含噪情况下轴承外圈缺陷定位诊断的目的,为机电装备滚动轴承的故障诊断和剩余寿命预测提供基础支撑,防止因轴承故障引起的重大事故发生,具有重要的实用性和工程价值。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (1)
1.一种适用于外圈缺陷定位诊断的信号处理方法,其特征在于,包括以下步骤:
S1、采集不同角位置时的振动加速度信号:
在轴承外滚道上采用线切割方式加工一个大小为h的缺陷;在轴承座的径向水平和垂直方向安装两个振动加速度传感器,用于同步采集总时长为t,点数为N的水平和垂直方向振动加速度信号;移动缺陷的角位置,采集缺陷在不同角位置φj时的水平振动加速度信号aax,oφj(i)和垂直振动加速度aay,oφj(i)用于后续处理;
水平振动加速度信号aax,oφj(i)由噪声nx和轴承故障冲击信号ax,oφj(i)叠加组成,垂直振动加速度aay,oφj(i)是由噪声ny和轴承故障冲击信号ay,oφj(i)叠加组成,
根据噪声所在的位置,信号中的噪声nx分为:轴承冲击部分的噪声nx1和非冲击部分噪声nx2,信号中的噪声ny分为:轴承冲击部分的噪声ny1和非冲击部分噪声ny2
S2、采用形态学尺度差分滤波器对加速度信号进行降噪处理:
采用形态学尺度差分滤波器对测取的aaxoφj(i)和aayoφj(i)信号进行处理:首先用小波阈值去噪,对aaxoφj(i)和aayoφj(i)信号进行处理,得到结果waxoφj(i)和wayoφj(i);
采用尺度为c1和c2的结构元素差值滤波算子对信号waxoφj(i)和wayoφj(i)进行滤波处理:
其中,·为开运算,为闭运算;waxoφj(i)经处理完的结果为cwaxo1φj(i)和cwaxo2φj(i),wayoφj(i)经处理完的结果为cwayo1φj(i)和cwayo2φj(i);
提取故障冲击波形位置信号cwaxo1φj(i)和cwaxo2φj(i)的重合部分,并将非重合部分设置为零,得到降噪的新信号maxoφj(i);并根据水平方向信号相重合的点提取垂直方向的信号mayoφj(i);
任意点的幅值mayo1φj(i)与信号wayoφj(i)有以下关系:
其中,|wAp|x,oφj和|wAp|y,oφj为信号waxoφj(i)和wayoφj(i)的波峰幅值,|wBh|x,oφj和|wBh|y,oφj为信号waxoφj(i)和wayoφj(i)的波谷幅值;
S3、求解不同角位置的MHVSRMS指标值,得出MHVSRMS指标值与缺陷角位置φj之间的关系;
根据步骤S2得到的水平方向信号maxoφj(i)和垂直方向信号mayoφj(i),计算出MHVSRMS指标值:
其中,W为形态学尺度差分滤波器方法处理后信号maxoφj(i)的数据点数;将公式(5)和(6)代入至公式(7)中,得出
其中,bs为幅值|wAp|x,oφj出现的次数,cs为|wBh|x,oφj出现的次数;采用小波阈值去除故障冲击部分的噪声,得出
其中,|Ap|x,oφj和|Ap|y,oφj为故障冲击信号axoφj(i)和ayoφj(i)的波峰幅值,|Bh|x,oφj和|Bh|y,oφj为故障冲击信号axoφj(i)和ayoφj(i)的波谷幅值;
当轴承故障冲击信号axoφj(i)和ayoφj(i)不含噪声时,缺陷角位置φj与其信号axoφj(i)和ayoφj(i)之间存在线性关系:由此可得
根据公式(8)-(10),得到的MHVSRMS与缺陷角位置φj之间也是线性关系,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111627079.7A CN114235414B (zh) | 2021-12-28 | 2021-12-28 | 适用于外圈缺陷定位诊断的信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111627079.7A CN114235414B (zh) | 2021-12-28 | 2021-12-28 | 适用于外圈缺陷定位诊断的信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114235414A CN114235414A (zh) | 2022-03-25 |
CN114235414B true CN114235414B (zh) | 2023-08-04 |
Family
ID=80764184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111627079.7A Active CN114235414B (zh) | 2021-12-28 | 2021-12-28 | 适用于外圈缺陷定位诊断的信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114235414B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011123014A1 (en) * | 2010-03-30 | 2011-10-06 | Rubico Ab | Method for rolling bearing fault detection based on enhancing statistical asymmetry |
CN104408040A (zh) * | 2014-09-26 | 2015-03-11 | 大连理工大学 | 头相关函数三维数据压缩方法与系统 |
CN107507253A (zh) * | 2017-08-15 | 2017-12-22 | 电子科技大学 | 基于高阶张量近似的多属性体数据压缩方法 |
CN107704695A (zh) * | 2017-10-13 | 2018-02-16 | 北京工业大学 | 一种滚动轴承外圈缺陷全尺寸定量诊断方法 |
CN107741324A (zh) * | 2017-10-13 | 2018-02-27 | 北京工业大学 | 一种滚动轴承外圈故障定位诊断方法 |
CN110146290A (zh) * | 2019-05-29 | 2019-08-20 | 清华大学 | 一种基于定位普遍法则的滚动轴承外圈缺陷定位诊断方法 |
-
2021
- 2021-12-28 CN CN202111627079.7A patent/CN114235414B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011123014A1 (en) * | 2010-03-30 | 2011-10-06 | Rubico Ab | Method for rolling bearing fault detection based on enhancing statistical asymmetry |
CN104408040A (zh) * | 2014-09-26 | 2015-03-11 | 大连理工大学 | 头相关函数三维数据压缩方法与系统 |
CN107507253A (zh) * | 2017-08-15 | 2017-12-22 | 电子科技大学 | 基于高阶张量近似的多属性体数据压缩方法 |
CN107704695A (zh) * | 2017-10-13 | 2018-02-16 | 北京工业大学 | 一种滚动轴承外圈缺陷全尺寸定量诊断方法 |
CN107741324A (zh) * | 2017-10-13 | 2018-02-27 | 北京工业大学 | 一种滚动轴承外圈故障定位诊断方法 |
CN110146290A (zh) * | 2019-05-29 | 2019-08-20 | 清华大学 | 一种基于定位普遍法则的滚动轴承外圈缺陷定位诊断方法 |
Non-Patent Citations (1)
Title |
---|
滚动轴承故障诊断的阶比多尺度形态学解调方法;徐亚军;于德介;孙云嵩;赵丹;振动工程学报;第26卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114235414A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Vibration analysis for large-scale wind turbine blade bearing fault detection with an empirical wavelet thresholding method | |
Endo et al. | Differential diagnosis of spall vs. cracks in the gear tooth fillet region: Experimental validation | |
Yang et al. | Vibration feature extraction techniques for fault diagnosis of rotating machinery: a literature survey | |
Liu et al. | Naturally damaged wind turbine blade bearing fault detection using novel iterative nonlinear filter and morphological analysis | |
CN108982107B (zh) | 一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法 | |
CN112557038A (zh) | 多重降噪处理的轴承早期故障诊断方法 | |
Wang et al. | An energy kurtosis demodulation technique for signal denoising and bearing fault detection | |
Jamaludin et al. | Monitoring extremely slow rolling element bearings: part I | |
Wang et al. | A computer-vision-based rotating speed estimation method for motor bearing fault diagnosis | |
CN112183259B (zh) | 一种基于ceemd与峭度加权平均阈值去噪的滚动轴承故障诊断方法 | |
Kim et al. | Motor-current-based electromagnetic interference de-noising method for rolling element bearing diagnosis using acoustic emission sensors | |
CN114004256A (zh) | 基于数字孪生体的制造装备主轴承的故障诊断方法 | |
Zhang et al. | Improved local cepstrum and its applications for gearbox and rolling bearing fault detection | |
Wu et al. | A modified tacho-less order tracking method for the surveillance and diagnosis of machine under sharp speed variation | |
Chen et al. | Customized maximal-overlap multiwavelet denoising with data-driven group threshold for condition monitoring of rolling mill drivetrain | |
CN110987431B (zh) | 一种基于tqwt辅助spc的轴承状态监测及故障诊断的方法 | |
CN114235414B (zh) | 适用于外圈缺陷定位诊断的信号处理方法 | |
Chan et al. | A novel, fast, reliable data transmission algorithm for wireless machine health monitoring | |
Guo et al. | FEM simulation-determined band pass filter method with continuously changed bandwidth for fault detection in axial piston pumps | |
Xu et al. | Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum | |
Tang et al. | Rolling bearing diagnosis based on an unbiased-autocorrelation morphological filter method | |
Xu et al. | Bearing fault detection using an alternative analytic energy operator: a fast and non-filtering method | |
CN112597969A (zh) | 一种滚动轴承故障诊断方法、系统及介质 | |
CN116380464A (zh) | 一种基于稀疏成分分析的轴承耦合故障解耦方法 | |
Osman et al. | A leakage-free resonance sparse decomposition technique for bearing fault detection in gearboxes |
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 |