CN114383718B - 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 - Google Patents
一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 Download PDFInfo
- Publication number
- CN114383718B CN114383718B CN202111514592.5A CN202111514592A CN114383718B CN 114383718 B CN114383718 B CN 114383718B CN 202111514592 A CN202111514592 A CN 202111514592A CN 114383718 B CN114383718 B CN 114383718B
- Authority
- CN
- China
- Prior art keywords
- frequency
- blade
- time
- vibration
- passing
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Abstract
本发明公开了一种基于燃机外机匣振动信号的燃机高频叶片通过频率提取方法,涉及燃机变转速工况下信号转换和特征提取技术领域,该方法能在无键相条件下更为准确、有效地提取并分离出燃机各级高频叶片通过频率分量,实现了单分量的信号振动波形重构,可用于振动特征的准确提取。该方法包括:利用振动加速度传感器采集待评估的燃机外机匣的振动加速度信号。通过短时傅里叶变换得到振动信号的时频分布,再通过局部最大同步挤压变换(LMSST)得到时频聚集性良好的时频曲线,从中提取转子的一倍频转频曲线,用转子的一倍频曲线乘上各级叶片的叶片数可以得到各级叶片通过频率的理论计算值,再依靠各级叶片通过频率的理论计算值缩小时频分布的搜索范围。
Description
技术领域
本发明涉及燃机变转速工况下信号转换和特征提取技术领域,具体涉及一种基于燃机外机匣振动信号的高频叶片通过频率提取方法。
背景技术
燃气轮机目前已在我国航天、船舶及石油化工等行业得到了广泛应用。燃气轮机工作环境恶劣,运行环境长期处于高温、高压、高转速条件,易发生故障。叶片是燃气轮机这类旋转机械的关键部件之一,据国外媒体报道,燃气轮机叶片故障占燃气轮机总故障的42%。例如叶片的断裂和叶片上附着物的脱离等故障会直接影响设备的运行状态。因此叶片损伤故障的早期智能监测诊断研究成果相对薄弱,急需加强。
目前,实现燃气轮机的叶片故障监测预警的主要技术方案有两种:(1)基于叶尖定时原理的方法,(2)基于机匣振动信号的方法。目前国内外研究的叶片监测技术大量集中于技术方案(1),但由于叶尖定时法需要通过机匣孔探孔或加工孔安装传感器,且由于工业现场环境下叶尖定时测量系统的长期耐高温性、光纤传感器的抗污染能力、可靠性等存在一些缺陷,导致叶尖定时测量系统在工业生产现场的长期连续在线监测尚难以实施;方案(2)通过机匣表面安装振动传感器,感知叶片振动响应经复杂路径传递后到达机匣的信号,该方法在现场实施简单且成本低,但是该方法测试得到的机匣振动信号中不仅包含叶片振动信息,还包括转子系统、轴承等部件的振动响应信息,带来振动耦合的问题,缺少叶尖定时法的直接监测优势,且燃气轮机的叶片振动信息常包含在高频部分,因此需深入研究并提出适用于机匣振动信号分析的数字信号处理方法,从包含多振动响应信息的机匣振动信号中提取出仅包含叶片振动信息的信号分量,以实现叶片振动信号的特征提取与分析。
时频分析是一种适用于燃气轮机工作状态监测的方法。早期的时频分析方法例如小波变换、短时傅里叶变换主要适用于分析线性、平稳的振动信号,由于其受到海森堡不确定性的影响,在面对燃气轮机变转速情形时,燃机的高频叶片振动信号变化迅速,其时频提取的结果中存在时频分辨率低且能量发散的缺点,无法准确实现燃机振动信号中各单分量的分离与提取。因此目前对于燃气轮机的高频叶片通过频率提取的研究仍存在一定不足,时频聚集性的提高以及高频叶片通过频率提取的准确性等问题有待解决。
发明内容
有鉴于此,本发明提供了一种基于燃机外机匣振动信号的高频叶片通过频率提取方法,能够在无键相条件下利用机匣振动信号,采用LMSST的时频分析方法,成功提取出高频叶片的通过频率,并实现分量的分离、提取与重构,相较于传统时频分析方法能有效提高时频分布的聚集性,从而更精确地完成叶片通过频率地的提取与重构。
为达到上述目的,本发明的技术方案为提供的一种基于燃机外机匣振动信号的高频叶片通过频率提取方法,包括如下步骤:
S1、利用振动加速度传感器采集待分析的外机匣振动加速度信号;
S2、降采样至所需分析叶片通过频率分析范围后,用LMSST对振动加速度信号进行时频分布的提取;
S3、提取时频分布中低压一倍频的脊线,计算各级叶片通过频率的理论值;
S4、再提取各级叶片通过频率的脊线;
S5、分离各级叶片通过频率,并对各级叶片通过频率实现单分量振动波形的重构;
S6、将各级叶片通过频率提取值与理论计算值进行对比,并对重构振动波形进行频谱分析,分析得出提取方法的准确性。
进一步地,S1中,利用振动加速度传感器采集待分析的外机匣振动加速度信号,包括如下步骤:将振动加速度传感器安装在支架上,再将支架安装到燃气轮机的外机匣上,设置原始信号的采样频率fs高于待分析最大叶片通过频率frmax的2.56倍数。
进一步地,对振动加速度传感器采集得到的待分析原始信号进行降采样处理,具体为:振动加速度传感器采集得到待分析评估的原始信号,对原始信号进行降采样处理作为采集得到的振动加速度信号进行分析。其过程是根据数据采集系统设置的采样频率和最大叶片振动分析频率进行降采样处理,将降采样后的信号截取其中一段作为时频分析所需的振动加速度信号进行分析。
进一步地,S2中,用LMSST对振动加速度信号进行时频分布的提取,具体为:
以降采样后的加速度振动信号作为待分析的信号,以高斯窗作为短时傅里叶变换的窗函数,设置窗口函数的长度参数hlength,将一维的时间序列扩展到二维时频平面,再设置最大同步挤压变换(LMSST)的时宽参数le,将得到的短时傅里叶变换时频分布进行同步挤压变换,并将模糊的时频能量重新分配到频率方向的中频估计上,得到时频聚集性更好的时频分布。其中LMSST的计算公式为该方法运用的频率方向的重分配运算符为
进一步地,S3中,提取时频分布低压一倍频的脊线,具体为:采用贪婪算法来计算时频分布中所有分量的脊线近似值,该算法使用几个随机初始化,然后向前或向后搜索,输出结果包括脊线索引的向量以及返回脊的能量。
进一步地,在低压范围内找到并分离出低压一倍频的脊线,作为无键相条件下低压转子的转频信息,用低压转子的转频乘上各级叶片的叶片数,得到各级叶片通过频率的理论计算值。
进一步地,S4中,继续提取叶片通过频率的脊线,具体为:依据理论计算值的范围缩小各级叶片通过频率搜索范围,再利用贪婪算法从多分量的信号中去提取叶片通过频率的单分量信号,并完成各级叶片通过频率的脊线提取。
进一步地,S5中,分离各级叶片通过频率,具体为:选取在理论计算值范围内的叶片通过频率脊线分量,将其与其他分量分离开来,并采用滑动平均法进行平滑处理,使提取到的时频脊线变得平滑。
进一步地,对各级叶片通过频率实现单分量振动波形的重构,基于LMSST的单分量重构计算公式为依靠脊线提取返回所得脊线索引的向量以及返回脊的能量等信息实现各级叶片的单分量振动波形重构,得到各级叶片的重构振动波形时域图。
进一步地,S6中,将各级叶片通过频率提取值与理论计算值进行对比,并对重构振动波形进行频谱分析具体为:将所提到的实际叶片通过频率与理论计算值在每一个对应的点去对比,用(实际提取值-理论计算值)/理论计算值,得到误差的评估,用百分数来表示,以此来定性分析所采用方法提取叶片通过频率的准确性。对各分量的重构振动波形做FFT,得到其频谱,判断其频带变化范围也与理论计算值是否一致,可知所采用方法的准确性。
有益效果:
1、本发明提供了一种基于燃机外机匣振动信号的高频叶片通过频率提取方法,将振动加速度传感器安装在支架上,再将支架安装到燃气轮机的外机匣上,采集得到外机匣振动加速度信号,经过降采样处理后用于时频分析。用LMSST对振动加速度信号进行时频分布提取,然后从中提取低压一倍频作为低压转频信息,计算叶片通过频率的理论计算值,再缩小频率搜索范围,提取各级叶片的通过频率,从中分离各级叶片的通过频率,对各级叶片通过频率实现振动波形的重构。本发明完成了对各级叶片通过频率的时频分析、脊线提取、分量分离、振动波形重构等工作,成功从包含多振动响应信息的机匣振动信号中提取出仅包含叶片振动信息的信号分量,可用于对叶片振动信号的特征提取与分析,进而指导早期叶片故障特征的提取。
2、本发明实例提供了基于燃机外机匣振动信号的高频叶片通过频率提取方法,能够准确地提取出低压叶片的通过频率,并实现各级叶片的单分量振动波形重构,可服务于现场在无键相条件下叶片工作状态监测,解决了工程应用中在无键相传感器情况下高频叶片通过频率提取困难的难题,有利于实现燃气轮机的故障监测预警。
附图说明
图1为本发明提供的一种基于燃机外机匣振动信号的高频叶片通过频率提取方法流程示意图;
图2为本发明实施例中燃机的外机匣振动波形与其时频分布图;
图3为本发明实施例中LMSST提取出的各级叶片通过频率时频分布图;
图4为本发明实施例中提取出的各级叶片通过频率脊线分布图;
图5为本发明实施例中重构出的各级叶片通过频率的单分量振动波形图;
图6为本发明实施例中叶片通过频率提取值的误差分析结果图。
具体实施方式
下面结合附图并举例,对本发明进行详细描述。
本发明提供了一种基于燃机外机匣振动信号的高频叶片通过频率提取方法,其流程如附图1所示,包括:
S1、利用振动加速度传感器采集待分析的外机匣振动加速度信号;
S2、降采样至所需分析叶片通过频率分析范围后,用LMSST对振动加速度信号进行时频分布的提取;
S3、提取时频分布中低压一倍频的脊线,计算各级叶片通过频率的理论值;
S4、再提取各级叶片通过频率的脊线;
S5、分离各级叶片通过频率,并对各级叶片通过频率实现单分量振动波形的重构;
S6、将各级叶片通过频率提取值与理论计算值进行对比,并对重构振动波形进行频谱分析,分析得出提取方法的准确性。
即本发明通过LMSST将外机匣振动加速度传感器进行时频分布的提取,通过贪婪算法对叶片通过频率的脊线进行提取,依靠脊线提取返回所得脊线索引的向量以及返回脊的能量等信息实现各级叶片通过频率的提取及单分量振动波形重构,进而有效地实现叶片振动信息中的特征提取,用于评估燃气轮机的叶片运行状态。
实施例:
本实施例的数据是在某台燃气轮机的现场测试中得到的,该燃气轮机为双转子燃气轮机类型。采用BK4519加速度传感器测量燃气轮机外机匣的振动加速度信号,传感器是固定在设计的支架上,支架通过螺栓固定外机匣上。测试过程中,高低压转子运转均在变转速工况,高低压转子的转速在100~200rpm范围呈升速状态,采样频率为51200Hz。
一种基于燃机外机匣振动信号的的高频叶片通过频率提取方法,其流程如图1所示,具体步骤如下:
S1、利用振动加速度传感器采集待分析的外机匣振动加速度信号,将振动加速度传感器安装在支架上,再将支架安装到燃气轮机的外机匣上,设置原始信号的采样频率高于待分析最大叶片通过频率的2.56倍数。振动加速度传感器采集得到待分析评估的原始信号,根据采集系统设置的采样频率和最大叶片振动分析频率进行降采样,将降采样后的信号作为时频分析所需的振动加速度信号进行分析。
本实施例中采样频率为51200Hz,低压叶片通过频率最大分析频率大致在10000Hz以下,因此根据低压叶片通过频率的最大分析频率降采样至25600Hz,选取一个转速升高的点进行分析。时间为0.608s,降采样后点数为15565。
S2、以降采样后的加速度振动信号作为待分析的信号,选择高斯窗作为短时傅里叶变换的窗函数,设置窗口函数的长度参数hlength,将一维的时间序列扩展到二维时频平面,再设置最大同步挤压变换(LMSST)的时宽参数le,将得到的短时傅里叶变换时频分布进行同步挤压变换,并将模糊的时频能量重新分配到频率方向的中频估计上,得到时频聚集性更好的时频分布。
在本实施例中,截取的信号时间长度是0.608s,降采样后得到的采样点数是15565个,因此选择高斯窗作为时频分析的窗函数,设置窗口长度参数hlength为2000,在LMSST的参数设置中其时宽参数le设置为20,得到时频聚集性更好的时频分布。
S3、从时频分布中提取低压一倍频,利用贪婪函数算法得到其脊线,将低压一倍频乘上各级叶片的叶片数目,公式可表达为Fren=Nn*fn(n表示叶片级数,Fren表示第n级叶片的通过频率,Nn表示第n级叶片的叶片数,fn表示低压转子的转频),因此可以得到各级叶片通过频率的理论值;
在本发明实例中,采用贪婪算法来计算时频分布中所有分量的脊线近似值,该算法使用几个随机初始化,然后向前或向后搜索,输出结果包括脊线索引的向量以及返回脊的能量。提取得到了低压一倍频的变化频带,范围在128~131.3Hz之间,根据低压一倍频与叶片通过频率的关系式,Fren=Nn*fn(n=4),故四级低压叶片的通过频率理论计算值范围如下表所示
表1低压叶片通过频率理论计算
S4、提取叶片通过频率的脊线,根据低压叶片通过频率的理论计算可以缩小搜索范围,可以将搜索范围放在4000~8000Hz以内,使用贪婪算法更快计算该时频分布平面中分量的脊线近似值,依靠各级叶片通过频率的理论频带范围确定叶片通过频率的分量。
S5、分离各级叶片通过频率,选取在理论计算值范围内的叶片通过频率脊线分量,将其与其他分量分离开来,并采用滑动平均法进行平滑处理,使提取到的时频脊线变得平滑,在滑动平均法中选取平滑窗长为201。
进一步地,对各级叶片通过频率实现单分量振动波形的重构,由于LMSST自身保留了信号重构的能力,每个单独的信号分量能在LMSST表示的瞬时频率轨迹中从其时频系数进行分解并实现单分量的重构,基于LMSST的单分量重构计算公式为依靠脊线提取返回所得脊线索引的向量以及返回脊的能量等信息实现各级叶片的单分量振动波形重构,得到各级叶片的重构振动波形时域图,各级叶片分量的重构振动波形如附图5所示。
S6中,将各级叶片通过频率提取值与理论计算值进行对比,具体为:将所提到的实际叶片通过频率与理论计算值在每一个对应的点去对比,用(实际提取值-理论计算值)/理论计算值,得到每个点的误差评估,用百分数来表示,以此来定性分析所采用方法提取叶片通过频率的准确性。
计算结果如图6所示,可以看到除了各时间段的开始部分存在端点效应,导致误差较大,达到0.4%左右之外,其余部分的误差基本在0.2%以下,证明所采用的时频分析方法提取到的脊线是适用于高频叶片的通过频率提取的。
进一步地,对重构振动波形进行频谱分析,具体为:对各分量的重构振动波形做傅里叶变换(FFT),得到其频谱,判断其频带变化范围也与理论计算值是否一致,可知所采用方法的准确性。
可通过对其重构振动波形进行频谱分析,发现其幅值最高的频率成分均在理论计算范围之内,其频带变化范围也与理论计算值的范围基本一致,例如一级叶片的通过频率幅值最大的频率成分是4805Hz,频带的变化范围是在4756Hz至4840Hz左右,与一级叶片的通过频率理论计算值基本一致,其他及叶片通过频率提取得到叶片通过频率提取值和理论计算值基本吻合,证明单分量的重构振动波形基本正确,本文所采用的高频叶片通过频率提取方法基本准确。
本实施例测得燃机外机匣的振动加速信号时域波形及STFT变换时频分布如图2所示,从时频分布中可以明显看到叶片通过频率的成分。本实例中对STFT进行后处理的LMSST结果如图3所示,图3表明LMSST结果的时频分布时频聚集性更好,可用于后续的分量分离、提取及单分量振动波形的重构。图4显示了四级叶片的通过频率分离提取的结果,图4表面本发明能在无键相、变转速条件下,有效地提取出叶片通过频率随时间的变化趋势。图5是各级叶片通过频率的单分量振动波形重构,可用于后续对叶片振动信号的特征提取与分析,进而指导早期叶片故障特征的提取。图6是对叶片通过频率提取的误差验证,计算每个点数位置的(实际提取值-理论计算值)/理论计算值,得到误差的评估,可以用于判断叶片通过频率提取的准确性。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于燃机外机匣振动信号的高频叶片通过频率提取方法,其特征在于,包含如下步骤
S1、利用振动加速度传感器采集待分析的外机匣振动加速度信号;
S2、降采样至所需分析叶片通过频率分析范围后,用LMSST对振动加速度信号进行时频分布的提取;
S3、提取时频分布中低压一倍频的脊线,计算各级叶片通过频率的理论值;
S4、再提取各级叶片通过频率的脊线;
S5、分离各级叶片通过频率,并对各级叶片通过频率实现单分量振动波形的重构;
S6、将各级叶片通过频率提取值与理论计算值进行对比,并对重构振动波形进行频谱分析,分析得出提取方法的准确性。
2.如权利要求1所述的方法,其特征在于,所述S1中,利用振动加速度传感器采集待分析的外机匣振动加速度信号,包括如下步骤:
将振动加速度传感器安装在支架上,再将支架安装到燃气轮机的外机匣上,设置原始信号的采样频率fs高于待分析最大叶片通过频率frmax的2.56倍数。
3.如权利要求2所述的方法,其特征在于,对振动加速度传感器采集得到的待分析原始信号进行降采样处理,具体为:
振动加速度传感器采集得到待分析评估的原始信号,对原始信号进行降采样处理作为采集得到的振动加速度信号进行分析, 其过程是根据数据采集系统设置的采样频率和最大叶片振动分析频率进行降采样处理,将降采样后的信号截取其中一段作为时频分析所需的振动加速度信号进行分析。
5.如权利要求4所述的方法,其特征在于,所述S3中,提取时频分布低压一倍频的脊线,具体为:
采用贪婪算法来计算时频分布中所有分量的脊线近似值,该算法使用几个随机初始化,然后向前或向后搜索,输出结果包括脊线索引的向量以及返回脊的能量。
6.如权利要求5所述的方法,其特征在于,在低压范围内找到并分离出低压一倍频的脊线,作为无键相条件下低压转子的转频信息,用低压转子的转频乘上各级叶片的叶片数,得到各级叶片通过频率的理论计算值。
7.如权利要求5或6所述的方法,其特征在于,所述S4中,继续提取叶片通过频率的脊线,具体为:
依据理论计算值的范围缩小各级叶片通过频率搜索范围,再利用贪婪算法从多分量的信号中去提取叶片通过频率的单分量信号,并完成各级叶片通过频率的脊线提取。
8.如权利要求7所述的方法,其特征在于,所述S5中,分离各级叶片通过频率,具体为:
选取在理论计算值范围内的叶片通过频率脊线分量,将其与其他分量分离开来,并采用滑动平均法进行平滑处理,使提取到的时频脊线变得平滑。
10.如权利要求1所述的方法,其特征在于,所述S6中,将各级叶片通过频率提取值与理论计算值进行对比,并对重构振动波形进行频谱分析,具体为:
将所提到的实际叶片通过频率与理论计算值在每一个对应的点去对比,用(实际提取值-理论计算值)/理论计算值,得到误差的评估,用百分数来表示,以此来定性分析所采用方法提取叶片通过频率的准确性,对各分量的重构振动波形做FFT(傅里叶变换),得到其频谱,判断其频带变化范围也与理论计算值是否一致,可知所采用方法的准确性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111514592.5A CN114383718B (zh) | 2021-12-13 | 2021-12-13 | 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111514592.5A CN114383718B (zh) | 2021-12-13 | 2021-12-13 | 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114383718A CN114383718A (zh) | 2022-04-22 |
CN114383718B true CN114383718B (zh) | 2022-10-11 |
Family
ID=81196230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111514592.5A Active CN114383718B (zh) | 2021-12-13 | 2021-12-13 | 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114383718B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115169409B (zh) * | 2022-07-18 | 2023-05-09 | 四川省公路规划勘察设计研究院有限公司 | 基于滑窗的桥梁结构自振频率识别、预警方法及设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108225764A (zh) * | 2017-12-05 | 2018-06-29 | 昆明理工大学 | 一种基于包络提取的高精度无键相信号阶次跟踪方法及系统 |
CN108776031A (zh) * | 2018-03-21 | 2018-11-09 | 南京航空航天大学 | 一种基于改进的同步挤压变换的旋转机械故障诊断方法 |
CN110617964A (zh) * | 2019-07-29 | 2019-12-27 | 中国铁道科学研究院集团有限公司城市轨道交通中心 | 用于滚动轴承故障诊断的同步压缩变换阶比分析法 |
CN110696051B (zh) * | 2019-10-12 | 2022-12-06 | 中科新松有限公司 | 一种基于多分量信号分解的机械臂关节振动识别方法 |
CN112101245B (zh) * | 2020-09-18 | 2024-02-02 | 丽水市特种设备检测院 | 基于频域窗函数的短时傅里叶变换机械冲击特征提取方法 |
CN113125179B (zh) * | 2021-03-11 | 2022-04-01 | 同济大学 | 一种旋转机械转速波动无键相阶次跟踪方法 |
-
2021
- 2021-12-13 CN CN202111514592.5A patent/CN114383718B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114383718A (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106769033B (zh) | 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法 | |
EP2136189B1 (en) | Method for analysing vibration in rotor blades | |
Hu et al. | A new wind turbine fault diagnosis method based on ensemble intrinsic time-scale decomposition and WPT-fractal dimension | |
CN101435799B (zh) | 基于声发射技术的水轮机故障诊断方法及装置 | |
CN101603854A (zh) | 旋转机械启停阶段非平稳振动信号瞬时频率估计算法 | |
CN109710955B (zh) | 基于lcd—递归定量分析的滚动轴承故障诊断及健康评估方法 | |
CN112461934B (zh) | 一种基于声发射的航空发动机叶片裂纹源定位方法 | |
CN104502099A (zh) | 齿轮箱瞬变工况特征分量循频提取方法 | |
CN114383718B (zh) | 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 | |
Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
CN113586177B (zh) | 基于单叶端定时传感器的叶片固有频率识别方法 | |
CN101718269A (zh) | 基于频带能量的喘振先兆识别方法 | |
CN116256158A (zh) | 一种基于深度信号分离的旋转机械瞬时相位自适应提取方法 | |
CN115683644A (zh) | 航空发动机双源拍振特征识别方法 | |
CN112857806B (zh) | 一种基于移动窗口时域特征提取的轴承故障检测方法 | |
CN111650436B (zh) | 一种高比例可再生能源电力系统的次同步振荡辨识方法 | |
Tavakkoli et al. | A ball bearing fault diagnosis method based on wavelet and EMD energy entropy mean | |
CN106679948A (zh) | 一种快速阀在线故障诊断方法 | |
Li et al. | A signal processing method for extracting shaft speed information from vibration signal | |
CN113530616B (zh) | 基于多个叶端定时传感器的叶片间固有频率差值提取方法 | |
Zhen et al. | Electrical motor current signal analysis using a dynamic time warping method for fault diagnosis | |
CN113533529B (zh) | 单个或均布叶端定时传感器提取叶片间固有频率差值方法 | |
CN116070135B (zh) | 一种基于同步提取标准s变换的柱塞泵故障诊断方法 | |
Feng et al. | A method for turbine blade temperature data segmentation | |
CN112268688B (zh) | 一种错误数据识别方法及装置 |
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 |