CN114781466A - 基于旋转机械振动信号谐波基频的故障诊断方法及系统 - Google Patents

基于旋转机械振动信号谐波基频的故障诊断方法及系统 Download PDF

Info

Publication number
CN114781466A
CN114781466A CN202210700846.0A CN202210700846A CN114781466A CN 114781466 A CN114781466 A CN 114781466A CN 202210700846 A CN202210700846 A CN 202210700846A CN 114781466 A CN114781466 A CN 114781466A
Authority
CN
China
Prior art keywords
frequency
spectrum
harmonic
original
fundamental frequency
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.)
Granted
Application number
CN202210700846.0A
Other languages
English (en)
Other versions
CN114781466B (zh
Inventor
胡翔
彭朋
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.)
Xi'an Iline Information Technology Co ltd
Original Assignee
Xi'an Iline Information Technology Co ltd
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 Xi'an Iline Information Technology Co ltd filed Critical Xi'an Iline Information Technology Co ltd
Priority to CN202210700846.0A priority Critical patent/CN114781466B/zh
Publication of CN114781466A publication Critical patent/CN114781466A/zh
Application granted granted Critical
Publication of CN114781466B publication Critical patent/CN114781466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
    • 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
    • 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
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/021—Gearings
    • 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
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • 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

Abstract

本发明涉及一种基于旋转机械振动信号谐波基频的故障诊断方法及系统，属于故障诊断分析领域。方法包括：获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱；计算所述原始频谱在各个频率下的噪声水平作为噪声频谱；根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱；提取所述归一化谐波乘积谱中最大幅值对应的频率作为谐波基频基准值；基于所述谐波基频基准值获取实际的谐波基础频率；根据所述谐波基础频率进行旋转机械设备的故障诊断，得到故障诊断结果。采用本发明方法能够准确识别旋转机械振动信号谐波基频，从而实现旋转机械设备的精准故障诊断。

Description

基于旋转机械振动信号谐波基频的故障诊断方法及系统
技术领域
本发明涉及故障诊断分析技术领域，特别是涉及一种基于旋转机械振动信号谐波基频的故障诊断方法及系统。
背景技术
在进行旋转机械设备状态监测时，采集振动信号后（通常为：加速度信号、速度信号和位移信号）需要分析设备故障特征频率，而大部分故障信号在频谱中都表现为大量丰富的谐波现象，这些谐波的基础频率可能为设备旋转工作频率，设备轴承部件的内圈、外圈、滚动体、保持架故障特征频率，齿轮箱的啮合频率，或者是和电气故障相关的工频特征频率。通过检测识别振动信号的谐波基础频率，辨别谐波基础频率的类别进而确定故障类型是故障诊断中的常规诊断方法。由此可见谐波基础频率识别是故障诊断分析中的基础。
从旋转机械设备的振动信号提取谐波基础频率目前主要有以下几种做法：1)直接识别频谱中最大幅值对应的频率作为基础频率，这种方法计算简单高效，但是往往频谱幅值最大的频率往往并不一定是谐波基础频率，可能为任一高次谐波对应的频率值甚至是其他无关频率，因此这种方法易导致识别错误；2)识别频谱中前几大幅值对应的频率值作为谐波基础频率候选集，通过判断这些频率的倍数关系，确定谐波基础频率；3)通过谐波求和计算各次谐波幅值加权求和，以谐波加权求和的最大值所对应的基础频率作为谐波基频结果，这种方式需设定谐波次数，同时谐波求和的物理含义不明确导致对应的加权求和最大值的基础频率并不一定为实际的基础频率；4)发明专利CN109410980A针对音频谐波信号，使用常Q变换，得到常Q变换谱，并使用求和方法获取基础频率的初始候选集，最后根据最大后验概率准则提取谐波信号基频；5)通过其他信号处理转换，包括自相关法、倒谱法、小波变换法等提取信号的中最大幅值的频率作为基础频率。上述这些方法中本质核心其实都是对谐波频率幅值的判断，进而识别基础频率。但是由于计算的物理意义不明确，以及谐波基础频率确定准则不一致，导致各个方法的识别效果千差万别，并且各个方法并不能直接应用于旋转机械设备的振动信号谐波基础频率提取中。
可见，由于旋转机械振动信号谐波基础频率现有识别准则不一致，识别准确率依赖于各个方法或对信号的先验参数设定，导致了实际在旋转机械振动信号中谐波基础频率识别普遍存在准确率低的问题。
发明内容
为解决或至少缓解上述问题，本发明提出一种基于旋转机械振动信号谐波基频的故障诊断方法及系统，能够准确识别旋转机械振动信号谐波基频，从而实现旋转机械设备的精准故障诊断。
为实现上述目的，本发明提供了如下方案：
一种基于旋转机械振动信号谐波基频的故障诊断方法，包括：
获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱；
计算所述原始频谱在各个频率下的噪声水平作为噪声频谱；
根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱；
提取所述归一化谐波乘积谱中最大幅值对应的频率作为谐波基频基准值；
基于所述谐波基频基准值获取实际的谐波基础频率；
根据所述谐波基础频率进行旋转机械设备的故障诊断，得到故障诊断结果。
可选地，所述获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱，具体包括：
获取旋转机械振动信号；所述旋转机械振动信号包括旋转机械设备的加速度信号、速度信号和位移信号；
采用频谱分析方法、包络解调分析方法或小波分析方法中的一种或几种方法计算所述旋转机械振动信号的原始频谱；所述原始频谱包括频率
Figure 100002_DEST_PATH_IMAGE001
以及与频率
Figure 317514DEST_PATH_IMAGE001
对应的幅值
Figure 57937DEST_PATH_IMAGE002
；其中
Figure 804045DEST_PATH_IMAGE001
为所述原始频谱中的第
Figure 100002_DEST_PATH_IMAGE003
个频率数据，
Figure 576173DEST_PATH_IMAGE002
为所述原始频谱中的第
Figure 703529DEST_PATH_IMAGE004
个幅值数据。
可选地，所述计算所述原始频谱在各个频率下的噪声水平作为噪声频谱，具体包括：
获取幅值
Figure 993565DEST_PATH_IMAGE002
的前W个幅值和后W个幅值组成的幅值数组；
计算所述幅值数组的中位数作为原始频谱在频率
Figure 481047DEST_PATH_IMAGE001
下的噪声水平
Figure 100002_DEST_PATH_IMAGE005
；
原始频谱在各个频率
Figure 704087DEST_PATH_IMAGE001
下的噪声水平
Figure 661066DEST_PATH_IMAGE005
共同构成所述噪声频谱。
可选地，所述根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱，具体包括：
以超过所有
Figure 985868DEST_PATH_IMAGE002
中最大幅值p倍的所有幅值对应的最小频率和最大频率分别作为谐波乘积谱的频率下限和初始频率上限；
计算频率
Figure 73779DEST_PATH_IMAGE001
最大值除以谐波乘积次数N的结果，并对结果向下取整数作为频率上限候选值，取所述初始频率上限和所述频率上限候选值中的最小值作为谐波乘积谱的频率上限；
依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 557850DEST_PATH_IMAGE001
，计算N个谐波的原始频谱幅值
Figure 620484DEST_PATH_IMAGE002
乘积并开N次方，得到原始频谱幅值乘积谱；
依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 619533DEST_PATH_IMAGE001
，计算N个谐波的噪声频谱幅值
Figure 141429DEST_PATH_IMAGE005
乘积并开N次方，得到噪声频谱幅值乘积谱；
计算所述原始频谱幅值谐波乘积谱与所述噪声频谱幅值乘积谱对应值的比值，作为所述归一化谐波乘积谱。
可选地，所述基于所述谐波基频基准值获取实际的谐波基础频率，具体包括：
获取所述原始频谱中最大幅值对应的频率作为实际疑似谐波基频；
若所述谐波基频基准值大于等于所述实际疑似谐波基频，判断所述谐波基频基准值除以所述实际疑似谐波基频的结果的小数部分是否小于等于0.1，若满足小于等于0.1，则确定实际的谐波基础频率为所述实际疑似谐波基频，若满足大于0.1，则确定实际的谐波基础频率为所述谐波基频基准值；
若所述谐波基频基准值小于所述实际疑似谐波基频，则确定实际的谐波基础频率为所述谐波基频基准值。
一种基于旋转机械振动信号谐波基频的故障诊断系统，包括：
原始频谱计算模块，用于获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱；
噪声频谱计算模块，用于计算所述原始频谱在各个频率下的噪声水平作为噪声频谱；
归一化谐波乘积谱计算模块，用于根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱；
谐波基频基准值提取模块，用于提取所述归一化谐波乘积谱中最大幅值对应的频率作为谐波基频基准值；
谐波基础频率获取模块，用于基于所述谐波基频基准值获取实际的谐波基础频率；
设备故障诊断模块，用于根据所述谐波基础频率进行旋转机械设备的故障诊断，得到故障诊断结果。
可选地，所述原始频谱计算模块具体包括：
旋转机械振动信号获取单元，用于获取旋转机械振动信号；所述旋转机械振动信号包括旋转机械设备的加速度信号、速度信号和位移信号；
原始频谱计算单元，用于采用频谱分析方法、包络解调分析方法或小波分析方法中的一种或几种方法计算所述旋转机械振动信号的原始频谱；所述原始频谱包括频率
Figure 89793DEST_PATH_IMAGE001
以及与频率
Figure 41438DEST_PATH_IMAGE001
对应的幅值
Figure 75253DEST_PATH_IMAGE002
；其中
Figure 114753DEST_PATH_IMAGE001
为所述原始频谱中的第
Figure 432471DEST_PATH_IMAGE004
个频率数据，
Figure 40170DEST_PATH_IMAGE002
为所述原始频谱中的第
Figure 266008DEST_PATH_IMAGE003
个幅值数据。
可选地，所述噪声频谱计算模块具体包括：
幅值数组获取单元，用于获取幅值
Figure 718986DEST_PATH_IMAGE002
的前W个幅值和后W个幅值组成的幅值数组；
噪声水平计算单元，用于计算所述幅值数组的中位数作为原始频谱在频率
Figure 422369DEST_PATH_IMAGE001
下的噪声水平
Figure 873073DEST_PATH_IMAGE005
；
噪声频谱构成单元，用于将原始频谱在各个频率
Figure 924556DEST_PATH_IMAGE001
下的噪声水平
Figure 118908DEST_PATH_IMAGE005
共同构成所述噪声频谱。
可选地，所述归一化谐波乘积谱计算模块具体包括：
频率下限确定单元，用于以超过所有
Figure 676797DEST_PATH_IMAGE002
中最大幅值p倍的所有幅值对应的最小频率和最大频率分别作为谐波乘积谱的频率下限和初始频率上限；
频率上限确定单元，用于计算频率
Figure 16511DEST_PATH_IMAGE001
最大值除以谐波乘积次数N的结果，并对结果向下取整数作为频率上限候选值，取所述初始频率上限和所述频率上限候选值中的最小值作为谐波乘积谱的频率上限；
原始频谱幅值乘积谱计算单元，用于依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 574532DEST_PATH_IMAGE001
，计算N个谐波的原始频谱幅值
Figure 25105DEST_PATH_IMAGE002
乘积并开N次方，得到原始频谱幅值乘积谱；
噪声频谱幅值乘积谱计算单元，用于依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 922653DEST_PATH_IMAGE001
，计算N个谐波的噪声频谱幅值
Figure 839794DEST_PATH_IMAGE005
乘积并开N次方，得到噪声频谱幅值乘积谱；
归一化谐波乘积谱计算单元，用于计算所述原始频谱幅值谐波乘积谱与所述噪声频谱幅值乘积谱对应值的比值，作为所述归一化谐波乘积谱。
可选地，所述谐波基础频率获取模块具体包括：
实际疑似谐波基频获取单元，用于获取所述原始频谱中最大幅值对应的频率作为实际疑似谐波基频；
第一谐波基础频率获取单元，用于若所述谐波基频基准值大于等于所述实际疑似谐波基频，判断所述谐波基频基准值除以所述实际疑似谐波基频的结果的小数部分是否小于等于0.1，若满足小于等于0.1，则确定实际的谐波基础频率为所述实际疑似谐波基频，若满足大于0.1，则确定实际的谐波基础频率为所述谐波基频基准值；
第二谐波基础频率获取单元，用于若所述谐波基频基准值小于所述实际疑似谐波基频，则确定实际的谐波基础频率为所述谐波基频基准值。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种基于旋转机械振动信号谐波基频的故障诊断方法及系统，所述方法包括：获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱；计算所述原始频谱在各个频率下的噪声水平作为噪声频谱；根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱；提取所述归一化谐波乘积谱中最大幅值对应的频率作为谐波基频基准值；基于所述谐波基频基准值获取实际的谐波基础频率；根据所述谐波基础频率进行旋转机械设备的故障诊断，得到故障诊断结果。采用本发明方法能够准确识别旋转机械振动信号谐波基频，从而实现旋转机械设备的精准故障诊断。
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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种基于旋转机械振动信号谐波基频的故障诊断方法的流程图；
图2为本发明方法基于旋转机械振动信号进行谐波基频识别的过程示意图；
图3为本发明实施例提供的某旋转机械速度振动信号的原始频谱和噪声频谱示意图；
图4为本发明实施例提供的某旋转机械速度振动信号的归一化谐波乘积谱示意图。
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。
本发明的目的是提供一种基于旋转机械振动信号谐波基频的故障诊断方法及系统，能够准确识别旋转机械振动信号谐波基频，从而实现旋转机械设备的精准故障诊断。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种基于旋转机械振动信号谐波基频的故障诊断方法的流程图，图2为本发明方法基于旋转机械振动信号进行谐波基频识别的过程示意图。参见图2，本发明方法基于旋转机械振动信号的频谱数据，频谱数据来源于直接的FFT分析或其他信号提取分析方法所得，通过获取频谱在各个频率下的噪声水平作为噪声频谱；之后计算归一化的谐波乘积谱，归一化主要体现在采用原始频谱幅值与噪声频谱的比值，同时在计算频谱幅值乘积之后经过开方计算明确乘积谱的物理含义，为基于幅值水平提取谐波基础频率提供了基础；提取谐波乘积谱中的最大幅值的频率作为基础频率的基准值（称为谐波基频基准值），最后基于实际频谱（也称为原始频谱）中最大幅值对应的频率值（称为实际疑似谐波基频）进行校准，进而获取最终的谐波基础频率（简称谐波基频）。通过本发明的应用，最终可以准确识别旋转机械振动信号谐波基频，为旋转机械实现精准的故障诊断提供了技术基础。
参见图1，本发明一种基于旋转机械振动信号谐波基频的故障诊断方法，具体包括：
步骤1：获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱。
该步骤1主要计算旋转机械振动信号的频谱。本发明对旋转机械振动信号（包括加速度信号、速度信号、位移信号），采用频谱分析方法（包括直接FFT（快速傅立叶变换）分析），获取频谱；或采用包络解调分析方法获取加速度信号的包络解调分析频谱；或采用小波分析或其他分析方法得到频谱，频谱包括频率数据
Figure 481515DEST_PATH_IMAGE006
与对应频率的幅值数据
Figure 329254DEST_PATH_IMAGE007
。
因此，所述步骤1获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱，具体包括：
获取旋转机械振动信号；所述旋转机械振动信号包括旋转机械设备的加速度信号、速度信号和位移信号；
采用频谱分析方法、包络解调分析方法或小波分析方法中的一种或几种方法计算所述旋转机械振动信号的原始频谱；所述原始频谱包括频率
Figure 143627DEST_PATH_IMAGE001
以及与频率
Figure 169351DEST_PATH_IMAGE001
对应的幅值
Figure 888915DEST_PATH_IMAGE002
；其中
Figure 759919DEST_PATH_IMAGE001
为所述原始频谱中的第
Figure 819010DEST_PATH_IMAGE003
个频率数据，
Figure 281216DEST_PATH_IMAGE002
为所述原始频谱中的第
Figure 566704DEST_PATH_IMAGE004
个幅值数据；则
Figure 222157DEST_PATH_IMAGE006
为
Figure 948805DEST_PATH_IMAGE001
的集合，
Figure 565600DEST_PATH_IMAGE007
为
Figure 682591DEST_PATH_IMAGE002
的集合。
步骤2：计算所述原始频谱在各个频率下的噪声水平作为噪声频谱。
该步骤2用于计算频谱各个频率下的噪声水平。获取频谱各个频率下的噪声，记为noise_y具体过程如下：
初始化noise_y为全0的数组，数组元素个数与
Figure 410245DEST_PATH_IMAGE007
相同；
计算第
Figure 991399DEST_PATH_IMAGE004
个噪声值，
Figure 779095DEST_PATH_IMAGE005
表示第
Figure 180121DEST_PATH_IMAGE003
个噪声值，具体计算方法为：在
Figure DEST_PATH_IMAGE008
中取第
Figure 652078DEST_PATH_IMAGE004
个幅值
Figure 415635DEST_PATH_IMAGE002
的前W个幅值和后W个幅值组成的幅值数组，计算该幅值数组的中位数作为
Figure 577495DEST_PATH_IMAGE005
。若
Figure 996975DEST_PATH_IMAGE002
前面不足W个数据，则直接取
Figure 597589DEST_PATH_IMAGE002
下标
Figure 887756DEST_PATH_IMAGE004
之前所有数据；若
Figure 220517DEST_PATH_IMAGE002
后面不足W个数据，则直接取
Figure 189610DEST_PATH_IMAGE002
下标
Figure 466352DEST_PATH_IMAGE003
之后所有数据。其中
Figure 204501DEST_PATH_IMAGE004
为幅值数据
Figure 990054DEST_PATH_IMAGE007
的下标值，
Figure 367815DEST_PATH_IMAGE003
从1开始；W取值范围为：1<W<10。
因此，所述步骤2计算所述原始频谱在各个频率下的噪声水平作为噪声频谱，具体包括：
步骤2.1：获取幅值
Figure 733068DEST_PATH_IMAGE009
的前W个幅值和后W个幅值组成的幅值数组；若
Figure 512675DEST_PATH_IMAGE009
前面不足W个数据，则直接取
Figure 734708DEST_PATH_IMAGE009
之前所有幅值数据；若
Figure 334186DEST_PATH_IMAGE009
后面不足W个数据，则直接取
Figure DEST_PATH_IMAGE010
之后所有幅值数据，来构成幅值数组；其中1<W<10，且W为整数；
步骤2.2：计算所述幅值数组的中位数作为原始频谱在频率
Figure 299868DEST_PATH_IMAGE001
下的噪声水平
Figure 936910DEST_PATH_IMAGE005
；
步骤2.3：原始频谱在各个频率
Figure 64266DEST_PATH_IMAGE001
下的噪声水平
Figure 151040DEST_PATH_IMAGE005
共同构成所述噪声频谱。
步骤3：根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱。
图3为本发明实施例提供的某旋转机械速度振动信号的原始频谱和噪声频谱示意图。从图3中可发现该速度振动信号中明显包含丰富的谐波频率，因此各个谐波的幅值大小不一致，无法确保谐波基础频率一定是幅值最大所对应的频率，因此需要更精准和通用的谐波基频提取方法解决该问题。本发明计算原始频谱的谐波乘积谱与噪声频谱的谐波乘积谱的比值作为归一化谐波乘积谱，同时在计算频谱幅值乘积之后经过开方计算将乘积谱的物理含义明确，为提取谐波基础频率提供了基础。
所述步骤3根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱，具体包括：
步骤3.1：以超过所有
Figure 123675DEST_PATH_IMAGE002
中最大幅值p倍的所有幅值对应的最小频率和最大频率分别作为谐波乘积谱的频率下限和初始频率上限；其中p取值范围为：0<p<0.15；
步骤3.2：确定谐波乘积谱的频率上限：计算所有频率
Figure 143452DEST_PATH_IMAGE001
中最大值除以谐波乘积次数N的结果，并对结果向下取整数作为频率上限候选值，取步骤3.1中计算的所述初始频率上限和本步骤3.2计算的所述频率上限候选值中的最小值作为谐波乘积谱的频率上限；
步骤3.3：依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 176130DEST_PATH_IMAGE001
，计算N个谐波的原始频谱幅值
Figure 281359DEST_PATH_IMAGE002
乘积并开N次方，得到原始频谱幅值乘积谱，计算公式如下：
Figure 792105DEST_PATH_IMAGE011
式中，
Figure 155739DEST_PATH_IMAGE004
为原始幅值
Figure DEST_PATH_IMAGE012
的下标顺序值，
Figure 156056DEST_PATH_IMAGE003
从1开始。
Figure 951842DEST_PATH_IMAGE009
为所述原始频谱中的第
Figure 328597DEST_PATH_IMAGE004
个幅值数据；
Figure 260650DEST_PATH_IMAGE013
为谐波乘积次数；
Figure 635131DEST_PATH_IMAGE014
为
Figure 714951DEST_PATH_IMAGE001
对应计算得到的原始频谱幅值乘积谱。
步骤3.4：依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 301921DEST_PATH_IMAGE001
，计算N个谐波的噪声频谱幅值
Figure 622569DEST_PATH_IMAGE005
乘积并开N次方，得到噪声频谱幅值乘积谱，计算公式如下：
Figure 699109DEST_PATH_IMAGE015
式中，
Figure 469488DEST_PATH_IMAGE004
为原始噪声幅值
Figure 656887DEST_PATH_IMAGE005
的下标顺序值，
Figure 173319DEST_PATH_IMAGE003
从1开始。
Figure 342132DEST_PATH_IMAGE016
为
Figure 944014DEST_PATH_IMAGE001
对应计算得到的噪声频谱幅值乘积谱。
步骤3.5：计算所述原始频谱幅值谐波乘积谱与所述噪声频谱幅值乘积谱对应值的比值，作为所述归一化谐波乘积谱。
步骤4：提取所述归一化谐波乘积谱中最大幅值对应的频率作为谐波基频基准值。
本发明中将谐波基频基准值记为base_freq。
步骤5：基于所述谐波基频基准值获取实际的谐波基础频率。
该步骤5基于谐波基频基准值base_freq获取实际频谱的基础频率值。所述步骤5基于所述谐波基频基准值获取实际的谐波基础频率，具体包括：
步骤5.1：获取所述原始频谱中最大幅值对应的频率作为实际疑似谐波基频，记为suspect_freq；
步骤5.2：若所述谐波基频基准值base_freq大于等于所述实际疑似谐波基频suspect_freq，判断所述谐波基频基准值base_freq除以所述实际疑似谐波基频suspect_freq的结果的小数部分是否小于等于0.1，若满足小于等于0.1，则确定实际的谐波基础频率为所述实际疑似谐波基频suspect_freq，若满足大于0.1，则确定实际的谐波基础频率为所述谐波基频基准值base_freq；
步骤5.3：若所述谐波基频基准值base_freq小于所述实际疑似谐波基频suspect_freq，则确定实际的谐波基础频率为所述谐波基频基准值base_freq。
步骤6：根据所述谐波基础频率进行旋转机械设备的故障诊断，得到故障诊断结果。
本发明方法实现了旋转机械振动信号谐波基频的准确识别。在实际应用中，通过辨别谐波基础频率的类别可以确定旋转机械设备的故障类型，作为旋转机械设备的故障诊断结果。
本发明方法基于旋转机械振动信号的频谱数据（频谱数据来源于直接的FFT分析或其他信号提取分析方法所得），通过获取频谱在各个频率下的噪声水平作为噪声频谱；之后计算原始频谱的谐波乘积谱（即原始频谱幅值乘积谱）与噪声频谱的谐波乘积谱（即噪声频谱幅值乘积谱）的比值作为归一化谐波乘积谱；提取谐波乘积谱中的最大频率作为基础频率的基准值，最后基于实际频谱最大幅值对应的频率值校准进而获取最终的谐波基础频率。通过本发明的应用，谐波提取过程被简化，同时应用乘积谱，并通过归一化和赋予乘积谱幅值实际物理含义，最终直接提取最大频率作为基础频率的基准值，整个过程无需依赖设备部件转速或者设备部件故障频率系数等信息，实现过程简单方便，具有非常高的通用性，针对所有频率数据皆可通过本发明方法计算频谱中隐藏的谐波基础频率，为旋转机械设备的故障诊断提供了可靠有效的谐波基频识别方式，从而提高了旋转机械设备的故障诊断准确性。
图4为本发明实施例提供的某旋转机械速度振动信号的归一化谐波乘积谱示意图。在该实施例中，通过转速测量装置获取该组信号对应的设备转速为935r/min，对应频率为15.58Hz，采用本发明方法，通过归一化谐波乘积谱最终识别的谐波基频为15.5Hz，与实际设备的转速频率误差低于1%。可见本发明方法在无需依赖外部参数输入的情况下实现了旋转机械设备谐波基础频率的准确识别，并且识别准确度高，为旋转机械设备的故障诊断分析提供了坚实基础，同时本发明方法识别谐波基频具备较高的通用性，具有广泛的应用前景。
基于本发明提供的方法，本发明还提供一种基于旋转机械振动信号谐波基频的故障诊断系统，所述系统包括：
原始频谱计算模块，用于获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱；
噪声频谱计算模块，用于计算所述原始频谱在各个频率下的噪声水平作为噪声频谱；
归一化谐波乘积谱计算模块，用于根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱；
谐波基频基准值提取模块，用于提取所述归一化谐波乘积谱中最大幅值对应的频率作为谐波基频基准值；
谐波基础频率获取模块，用于基于所述谐波基频基准值获取实际的谐波基础频率；
设备故障诊断模块，用于根据所述谐波基础频率进行旋转机械设备的故障诊断，得到故障诊断结果。
其中，所述原始频谱计算模块具体包括：
旋转机械振动信号获取单元，用于获取旋转机械振动信号；所述旋转机械振动信号包括旋转机械设备的加速度信号、速度信号和位移信号；
原始频谱计算单元，用于采用频谱分析方法、包络解调分析方法或小波分析方法中的一种或几种方法计算所述旋转机械振动信号的原始频谱；所述原始频谱包括频率
Figure 387634DEST_PATH_IMAGE001
以及与频率
Figure 758573DEST_PATH_IMAGE001
对应的幅值
Figure 95357DEST_PATH_IMAGE002
；其中
Figure 653378DEST_PATH_IMAGE001
为所述原始频谱中的第
Figure 369530DEST_PATH_IMAGE004
个频率数据，
Figure 1499DEST_PATH_IMAGE002
为所述原始频谱中的第
Figure 918640DEST_PATH_IMAGE003
个幅值数据。
所述噪声频谱计算模块具体包括：
幅值数组获取单元，用于获取幅值
Figure 150907DEST_PATH_IMAGE002
的前W个幅值和后W个幅值组成的幅值数组；
噪声水平计算单元，用于计算所述幅值数组的中位数作为原始频谱在频率
Figure 483799DEST_PATH_IMAGE001
下的噪声水平
Figure 891647DEST_PATH_IMAGE005
；
噪声频谱构成单元，用于将原始频谱在各个频率
Figure 245268DEST_PATH_IMAGE001
下的噪声水平
Figure 702181DEST_PATH_IMAGE005
共同构成所述噪声频谱。
所述归一化谐波乘积谱计算模块具体包括：
频率下限确定单元，用于以超过所有
Figure 838765DEST_PATH_IMAGE002
中最大幅值p倍的所有幅值对应的最小频率和最大频率分别作为谐波乘积谱的频率下限和初始频率上限；
频率上限确定单元，用于计算频率
Figure 694594DEST_PATH_IMAGE001
最大值除以谐波乘积次数N的结果，并对结果向下取整数作为频率上限候选值，取所述初始频率上限和所述频率上限候选值中的最小值作为谐波乘积谱的频率上限；
原始频谱幅值乘积谱计算单元，用于依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 891220DEST_PATH_IMAGE001
，计算N个谐波的原始频谱幅值
Figure 770183DEST_PATH_IMAGE002
乘积并开N次方，得到原始频谱幅值乘积谱；
噪声频谱幅值乘积谱计算单元，用于依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 507195DEST_PATH_IMAGE001
，计算N个谐波的噪声频谱幅值
Figure 217531DEST_PATH_IMAGE005
乘积并开N次方，得到噪声频谱幅值乘积谱；
归一化谐波乘积谱计算单元，用于计算所述原始频谱幅值谐波乘积谱与所述噪声频谱幅值乘积谱对应值的比值，作为所述归一化谐波乘积谱。
所述谐波基础频率获取模块具体包括：
实际疑似谐波基频获取单元，用于获取所述原始频谱中最大幅值对应的频率作为实际疑似谐波基频；
第一谐波基础频率获取单元，用于若所述谐波基频基准值大于等于所述实际疑似谐波基频，判断所述谐波基频基准值除以所述实际疑似谐波基频的结果的小数部分是否小于等于0.1，若满足小于等于0.1，则确定实际的谐波基础频率为所述实际疑似谐波基频，若满足大于0.1，则确定实际的谐波基础频率为所述谐波基频基准值；
第二谐波基础频率获取单元，用于若所述谐波基频基准值小于所述实际疑似谐波基频，则确定实际的谐波基础频率为所述谐波基频基准值。
对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
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法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于旋转机械振动信号谐波基频的故障诊断方法，其特征在于，包括：
获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱；
计算所述原始频谱在各个频率下的噪声水平作为噪声频谱；
根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱；
提取所述归一化谐波乘积谱中最大幅值对应的频率作为谐波基频基准值；
基于所述谐波基频基准值获取实际的谐波基础频率；
根据所述谐波基础频率进行旋转机械设备的故障诊断，得到故障诊断结果。
2.根据权利要求1所述的基于旋转机械振动信号谐波基频的故障诊断方法，其特征在于，所述获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱，具体包括：
获取旋转机械振动信号；所述旋转机械振动信号包括旋转机械设备的加速度信号、速度信号和位移信号；
采用频谱分析方法、包络解调分析方法或小波分析方法中的一种或几种方法计算所述旋转机械振动信号的原始频谱；所述原始频谱包括频率
Figure DEST_PATH_IMAGE001
以及与频率
Figure 676724DEST_PATH_IMAGE001
对应的幅值
Figure 249656DEST_PATH_IMAGE002
；其中
Figure 967077DEST_PATH_IMAGE001
为所述原始频谱中的第
Figure DEST_PATH_IMAGE003
个频率数据，
Figure 80395DEST_PATH_IMAGE002
为所述原始频谱中的第
Figure 832450DEST_PATH_IMAGE003
个幅值数据。
3.根据权利要求2所述的基于旋转机械振动信号谐波基频的故障诊断方法，其特征在于，所述计算所述原始频谱在各个频率下的噪声水平作为噪声频谱，具体包括：
获取幅值
Figure 878134DEST_PATH_IMAGE002
的前W个幅值和后W个幅值组成的幅值数组；
计算所述幅值数组的中位数作为原始频谱在频率
Figure 879588DEST_PATH_IMAGE001
下的噪声水平
Figure 734280DEST_PATH_IMAGE004
；
原始频谱在各个频率
Figure 668738DEST_PATH_IMAGE001
下的噪声水平
Figure 68627DEST_PATH_IMAGE004
共同构成所述噪声频谱。
4.根据权利要求3所述的基于旋转机械振动信号谐波基频的故障诊断方法，其特征在于，所述根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱，具体包括：
以超过所有
Figure 806644DEST_PATH_IMAGE002
中最大幅值p倍的所有幅值对应的最小频率和最大频率分别作为谐波乘积谱的频率下限和初始频率上限；
计算频率
Figure 950181DEST_PATH_IMAGE001
最大值除以谐波乘积次数N的结果，并对结果向下取整数作为频率上限候选值，取所述初始频率上限和所述频率上限候选值中的最小值作为谐波乘积谱的频率上限；
依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 739145DEST_PATH_IMAGE001
，计算N个谐波的原始频谱幅值
Figure 355940DEST_PATH_IMAGE002
乘积并开N次方，得到原始频谱幅值乘积谱；
依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 800828DEST_PATH_IMAGE001
，计算N个谐波的噪声频谱幅值
Figure 734674DEST_PATH_IMAGE004
乘积并开N次方，得到噪声频谱幅值乘积谱；
计算所述原始频谱幅值谐波乘积谱与所述噪声频谱幅值乘积谱对应值的比值，作为所述归一化谐波乘积谱。
5.根据权利要求4所述的基于旋转机械振动信号谐波基频的故障诊断方法，其特征在于，所述基于所述谐波基频基准值获取实际的谐波基础频率，具体包括：
获取所述原始频谱中最大幅值对应的频率作为实际疑似谐波基频；
若所述谐波基频基准值大于等于所述实际疑似谐波基频，判断所述谐波基频基准值除以所述实际疑似谐波基频的结果的小数部分是否小于等于0.1，若满足小于等于0.1，则确定实际的谐波基础频率为所述实际疑似谐波基频，若满足大于0.1，则确定实际的谐波基础频率为所述谐波基频基准值；
若所述谐波基频基准值小于所述实际疑似谐波基频，则确定实际的谐波基础频率为所述谐波基频基准值。
6.一种基于旋转机械振动信号谐波基频的故障诊断系统，其特征在于，包括：
原始频谱计算模块，用于获取旋转机械振动信号并计算所述旋转机械振动信号的原始频谱；
噪声频谱计算模块，用于计算所述原始频谱在各个频率下的噪声水平作为噪声频谱；
归一化谐波乘积谱计算模块，用于根据所述原始频谱和所述噪声频谱计算归一化谐波乘积谱；
谐波基频基准值提取模块，用于提取所述归一化谐波乘积谱中最大幅值对应的频率作为谐波基频基准值；
谐波基础频率获取模块，用于基于所述谐波基频基准值获取实际的谐波基础频率；
设备故障诊断模块，用于根据所述谐波基础频率进行旋转机械设备的故障诊断，得到故障诊断结果。
7.根据权利要求6所述的基于旋转机械振动信号谐波基频的故障诊断系统，其特征在于，所述原始频谱计算模块具体包括：
旋转机械振动信号获取单元，用于获取旋转机械振动信号；所述旋转机械振动信号包括旋转机械设备的加速度信号、速度信号和位移信号；
原始频谱计算单元，用于采用频谱分析方法、包络解调分析方法或小波分析方法中的一种或几种方法计算所述旋转机械振动信号的原始频谱；所述原始频谱包括频率
Figure 643724DEST_PATH_IMAGE001
以及与频率
Figure 385415DEST_PATH_IMAGE001
对应的幅值
Figure 301287DEST_PATH_IMAGE002
；其中
Figure 317785DEST_PATH_IMAGE001
为所述原始频谱中的第
Figure 268292DEST_PATH_IMAGE003
个频率数据，
Figure 977622DEST_PATH_IMAGE002
为所述原始频谱中的第
Figure DEST_PATH_IMAGE005
个幅值数据。
8.根据权利要求7所述的基于旋转机械振动信号谐波基频的故障诊断系统，其特征在于，所述噪声频谱计算模块具体包括：
幅值数组获取单元，用于获取幅值
Figure 380790DEST_PATH_IMAGE002
的前W个幅值和后W个幅值组成的幅值数组；
噪声水平计算单元，用于计算所述幅值数组的中位数作为原始频谱在频率
Figure 669820DEST_PATH_IMAGE001
下的噪声水平
Figure 471904DEST_PATH_IMAGE004
；
噪声频谱构成单元，用于将原始频谱在各个频率
Figure 680032DEST_PATH_IMAGE001
下的噪声水平
Figure 977021DEST_PATH_IMAGE004
共同构成所述噪声频谱。
9.根据权利要求8所述的基于旋转机械振动信号谐波基频的故障诊断系统，其特征在于，所述归一化谐波乘积谱计算模块具体包括：
频率下限确定单元，用于以超过所有
Figure 928797DEST_PATH_IMAGE002
中最大幅值p倍的所有幅值对应的最小频率和最大频率分别作为谐波乘积谱的频率下限和初始频率上限；
频率上限确定单元，用于计算频率
Figure 542312DEST_PATH_IMAGE001
最大值除以谐波乘积次数N的结果，并对结果向下取整数作为频率上限候选值，取所述初始频率上限和所述频率上限候选值中的最小值作为谐波乘积谱的频率上限；
原始频谱幅值乘积谱计算单元，用于依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 186920DEST_PATH_IMAGE001
，计算N个谐波的原始频谱幅值
Figure 971205DEST_PATH_IMAGE002
乘积并开N次方，得到原始频谱幅值乘积谱；
噪声频谱幅值乘积谱计算单元，用于依次在谐波乘积谱的频率下限和上限范围之间遍历原始频率
Figure 726671DEST_PATH_IMAGE001
，计算N个谐波的噪声频谱幅值
Figure 975119DEST_PATH_IMAGE004
乘积并开N次方，得到噪声频谱幅值乘积谱；
归一化谐波乘积谱计算单元，用于计算所述原始频谱幅值谐波乘积谱与所述噪声频谱幅值乘积谱对应值的比值，作为所述归一化谐波乘积谱。
10.根据权利要求9所述的基于旋转机械振动信号谐波基频的故障诊断系统，其特征在于，所述谐波基础频率获取模块具体包括：
实际疑似谐波基频获取单元，用于获取所述原始频谱中最大幅值对应的频率作为实际疑似谐波基频；
第一谐波基础频率获取单元，用于若所述谐波基频基准值大于等于所述实际疑似谐波基频，判断所述谐波基频基准值除以所述实际疑似谐波基频的结果的小数部分是否小于等于0.1，若满足小于等于0.1，则确定实际的谐波基础频率为所述实际疑似谐波基频，若满足大于0.1，则确定实际的谐波基础频率为所述谐波基频基准值；
第二谐波基础频率获取单元，用于若所述谐波基频基准值小于所述实际疑似谐波基频，则确定实际的谐波基础频率为所述谐波基频基准值。
CN202210700846.0A 2022-06-21 2022-06-21 基于旋转机械振动信号谐波基频的故障诊断方法及系统 Active CN114781466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210700846.0A CN114781466B (zh) 2022-06-21 2022-06-21 基于旋转机械振动信号谐波基频的故障诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210700846.0A CN114781466B (zh) 2022-06-21 2022-06-21 基于旋转机械振动信号谐波基频的故障诊断方法及系统

Publications (2)

Publication Number Publication Date
CN114781466A true CN114781466A (zh) 2022-07-22
CN114781466B CN114781466B (zh) 2022-09-27

Family

ID=82421578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210700846.0A Active CN114781466B (zh) 2022-06-21 2022-06-21 基于旋转机械振动信号谐波基频的故障诊断方法及系统

Country Status (1)

Country Link
CN (1) CN114781466B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116358864A (zh) * 2023-06-01 2023-06-30 西安因联信息科技有限公司 一种旋转机械设备故障类型诊断方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106124043A (zh) * 2016-06-17 2016-11-16 北京中元瑞讯科技有限公司 基于mcu和gprs的可组态输出智能传感系统
CN109034277A (zh) * 2018-09-17 2018-12-18 吉林大学 基于多特征融合的电能质量扰动分类方法及系统
CN109030628A (zh) * 2018-06-25 2018-12-18 北京交通大学 基于振动噪声频谱特征匹配的轨道结构力学性能评价方法
CN109404285A (zh) * 2018-09-13 2019-03-01 温州大学 一种螺杆式压缩机故障诊断的改进混洗蛙跳算法增强自适应带通滤波方法
CN111368129A (zh) * 2018-12-25 2020-07-03 天津大学青岛海洋技术研究院 基于深度神经网络的哼唱检索法
US20200302187A1 (en) * 2015-07-17 2020-09-24 Origin Wireless, Inc. Method, apparatus, and system for people counting and recognition based on rhythmic motion monitoring
CN113686576A (zh) * 2021-08-17 2021-11-23 山东科技大学 基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200302187A1 (en) * 2015-07-17 2020-09-24 Origin Wireless, Inc. Method, apparatus, and system for people counting and recognition based on rhythmic motion monitoring
CN106124043A (zh) * 2016-06-17 2016-11-16 北京中元瑞讯科技有限公司 基于mcu和gprs的可组态输出智能传感系统
CN109030628A (zh) * 2018-06-25 2018-12-18 北京交通大学 基于振动噪声频谱特征匹配的轨道结构力学性能评价方法
CN109404285A (zh) * 2018-09-13 2019-03-01 温州大学 一种螺杆式压缩机故障诊断的改进混洗蛙跳算法增强自适应带通滤波方法
CN109034277A (zh) * 2018-09-17 2018-12-18 吉林大学 基于多特征融合的电能质量扰动分类方法及系统
CN111368129A (zh) * 2018-12-25 2020-07-03 天津大学青岛海洋技术研究院 基于深度神经网络的哼唱检索法
CN113686576A (zh) * 2021-08-17 2021-11-23 山东科技大学 基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHAO M ET AL: "《Detection and Recovery of Fault Impulses via Improved Harmonic Product Spectrum and Its Application in Defect Size Estimation of Train Bearings》", 《SCIENCEDIRECT》 *
唐若瑜: "《基于改进增强包络谱的齿轮箱轴承故障诊断方法研究》", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
田维: "《船舶电力系统逆变模块故障检测与诊断研究》", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116358864A (zh) * 2023-06-01 2023-06-30 西安因联信息科技有限公司 一种旋转机械设备故障类型诊断方法及系统
CN116358864B (zh) * 2023-06-01 2023-08-29 西安因联信息科技有限公司 一种旋转机械设备故障类型诊断方法及系统

Also Published As

Publication number Publication date
CN114781466B (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
McCormick et al. Cyclostationarity in rotating machine vibrations
Yu et al. An adaptive sensitive frequency band selection method for empirical wavelet transform and its application in bearing fault diagnosis
Zheng et al. Incipient fault detection of rolling bearing using maximum autocorrelation impulse harmonic to noise deconvolution and parameter optimized fast EEMD
CN109668733B (zh) 变分非线性模式分解变转速轴承故障诊断方法
CN109932179B (zh) 一种基于ds自适应谱重构的滚动轴承故障检测方法
CN109883703B (zh) 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法
CN112101174A (zh) 一种基于LOF-Kurtogram的机械故障诊断方法
CN110173439B (zh) 一种基于均衡平方包络谱的泵汽蚀初生识别方法
Sheng et al. Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank
CN111307438B (zh) 一种基于信息熵的旋转机械振动故障诊断方法及其系统
CN105628381A (zh) 一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法
CN110160765A (zh) 一种基于声音或振动信号的冲击特征识别方法及系统
CN109029999B (zh) 基于增强调制双谱分析的滚动轴承故障诊断方法
Zhao et al. Vibration health monitoring of rolling bearings under variable speed conditions by novel demodulation technique
CN114781466B (zh) 基于旋转机械振动信号谐波基频的故障诊断方法及系统
CN108398260B (zh) 基于混合概率方法的齿轮箱瞬时角速度的快速评估方法
CN114486263B (zh) 一种旋转机械滚动轴承振动信号降噪解调方法
Bastami et al. Estimating the size of naturally generated defects in the outer ring and roller of a tapered roller bearing based on autoregressive model combined with envelope analysis and discrete wavelet transform
CN107679013A (zh) 基于eemd‑hht与时频重排结合的转速曲线估计方法
CN113326782B (zh) 基于包络谱形态拟合的滚动轴承故障特征自动提取方法
CN112033656A (zh) 一种基于宽带谱处理的机械系统故障检测方法
Wang et al. Fast spectral correlation based on sparse representation self-learning dictionary and its application in fault diagnosis of rotating machinery
CN112345247B (zh) 一种滚动轴承的故障诊断方法及装置
CN115064182A (zh) 自适应梅尔滤波器在强噪声环境下风机故障特征识别方法
CN113219333B (zh) 一种电机故障诊断时的频谱参数处理方法

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