CN115235768A - 一种滚动轴承故障诊断方法及系统 - Google Patents

一种滚动轴承故障诊断方法及系统 Download PDF

Info

Publication number
CN115235768A
CN115235768A CN202210785044.4A CN202210785044A CN115235768A CN 115235768 A CN115235768 A CN 115235768A CN 202210785044 A CN202210785044 A CN 202210785044A CN 115235768 A CN115235768 A CN 115235768A
Authority
CN
China
Prior art keywords
spectrum
envelope
rolling bearing
normalized
harmonic
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.)
Pending
Application number
CN202210785044.4A
Other languages
English (en)
Inventor
崔鹏
何小高
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.)
Shanghai Penghe Intelligent Technology Co ltd
Original Assignee
Shanghai Penghe Intelligent 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 Shanghai Penghe Intelligent Technology Co ltd filed Critical Shanghai Penghe Intelligent Technology Co ltd
Priority to CN202210785044.4A priority Critical patent/CN115235768A/zh
Publication of CN115235768A publication Critical patent/CN115235768A/zh
Pending legal-status Critical Current

Links

Images

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

Landscapes

  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提供一种滚动轴承故障诊断方法及系统，包括：步骤S1，采集不同测点的振动数据；步骤S2，对振动数据进行共振解调处理，然后进行快速傅里叶变换处理，得到包络谱；步骤S3，进行局部底噪计算，并对包络谱的谱峰进行局部归一化；步骤S4，根据归一化包络平均谱的特征频率及N次谐波的幅值进行量化，确定归一化包络平均谱的谱峰突出程度，进而确定是否存在故障，其中，N为大于等于1的自然数。有益效果：本发明通过局部峰值归一化技术使得任意场景下滚动轴承数据具有统一可比性，当归一化包络平均谱的特征频率及N次谐波成分在解调谱中具有一定突出程度，通过诊断规则确保智能诊断结果的高准确性。

Description

一种滚动轴承故障诊断方法及系统
技术领域
本发明涉及信号处理及旋转机械智能诊断技术领域，尤其涉及一种滚动轴承故障诊断方法及系统。
背景技术
目前我国在冶金、石油、化工等行业中，旋转机械设备约占80％，其中，滚动轴承作为主要的承载和旋转部件，一旦发生意外损坏，整个设备将失去工作能力，由此导致的停机会给企业带来巨额损失，因此，对其滚动轴承进行监测和故障诊断，实现预测性维护具有重大意义。
目前基于滚动轴承故障的机理模型研究已趋于成熟，主要为通过轴承座上的加速度传感器采集轴承损伤产生的冲击信号，并通过包络解调技术得到故障特征。对于诊断工程师，通过轴承基本参数信息，分析频谱和包络谱可以容易的进行故障诊断，然而对于在线监测诊断系统，仍停留在监测为主、诊断为辅的阶段。由于功能和型号差异，不同设备的正常工况存在显著差异，目前的方法，需要通过对比设备一段时间的特征趋势进行监测诊断，导致对不同类型设备进行在线系统部署时需要几天或数周时间调试，为服务提供商和设备使用方带来了极大的不便。因此，如何设计一种最大程度替代诊断工程师的智能诊断算法成为当前滚动轴承在线诊断系统面临的难题，基于上述问题，本发明提出一种基于频谱局部峰值归一化的滚动轴承故障诊断方法及系统，以满足实际应用需求。
发明内容
为了解决以上技术问题，本发明提供了一种滚动轴承故障诊断方法及系统。
本发明所解决的技术问题可以采用以下技术方案实现：
一种滚动轴承故障诊断方法，包括：
步骤S1，采集一旋转设备中各滚动轴承设定的不同测点的振动数据；
步骤S2，对所述振动数据进行共振解调处理，然后进行快速傅里叶变换处理，得到包络谱；
步骤S3，对所述包络谱进行局部底噪计算，并对所述包络谱的谱峰进行局部归一化，得到归一化包络平均谱；
步骤S4，根据所述归一化包络平均谱的特征频率及N次谐波的幅值进行量化，确定所述归一化包络平均谱的谱峰突出程度，进而确定是否存在故障，其中，N为大于等于1的自然数。
优选地，所述步骤S1中，具体包括：
按照一预先设定的采样频率采集各所述测点的振动加速度信号，并作为所述振动数据。
优选地，所述步骤S2中，具体包括：
步骤S21，对采集的所述振动数据进行带通滤波，得到一第一滤波数据，以及对所述振动数据进行高通滤波，得到一第二滤波数据；
步骤S22，对所述第一滤波数据进行希尔伯特变换、快速傅里叶变换，得到第一包络谱；以及对所述第二滤波数据进行希尔伯特变换、快速傅里叶变换，得到第二包络谱。
优选地，所述步骤S2中，带通滤波的截止频率为200-2500Hz；
高通滤波的截止频率为2500Hz。
优选地，所述步骤S3中，具体包括：
对所述第一包络谱、所述第二包络谱的一预设频率处的幅值分别进行归一化处理，得到归一化幅值，并对归一化后的所述第一包络谱和所述第二包络谱进行包络谱平均计算，得到所述归一化包络平均谱。
优选地，所述步骤S3中，采用下述公式进行归一化处理，得到所述归一化幅值：
Figure BDA0003731589540000031
Figure BDA0003731589540000032
其中，nf表示以所述预设频率为中心频率、左右一预设频段内的谱谷均值；
L表示所述谱谷均值中的极小值数目；
Figure BDA0003731589540000034
表示所述谱谷均值的极小值；
Af表示所述预设频率处的幅值；
Figure BDA0003731589540000033
表示所述归一化幅值。
优选地，所述步骤S3中，所述预设频段大于等于所述滚动轴承的内圈故障特征频率。
优选地，所述步骤S4中，具体包括：
步骤S41，从所述归一化包络平均谱中提取所述特征频率的一次谐波至四次谐波；
步骤S42，计算所述一次谐波至所述四次谐波的4个谐波的谐波均值；
步骤S43，将所述谐波均值与一预设的通用阈值进行比较，并于所述谐波均值超过所述预设的通用阈值，且所述一次谐波至所述四次谐波中至少存在两个谐波超过所述预设的通用阈值时，判定存在故障。
优选地，所述步骤S4中，所述预设的通用阈值为6-7。
本发明还提供一种滚动轴承故障诊断系统，包括如上述的滚动轴承故障诊断方法，如图3所示，所述系统包括：
一采集单元，用于采集一旋转设备中各滚动轴承设定的不同测点的振动数据；
一处理单元，连接所述采集单元，用于对所述振动数据进行共振解调处理，然后进行快速傅里叶变换处理，得到包络谱；
一局部归一化单元，连接所述处理单元，用于对所述包络谱进行局部底噪计算，并对所述包络谱的谱峰进行局部归一化，得到归一化包络平均谱；
一故障诊断单元，连接所述局部归一化单元，用于根据所述归一化包络平均谱的特征频率及N次谐波的幅值进行量化，确定所述归一化包络平均谱的谱峰突出程度，进而确定是否存在故障，其中，N为大于等于1的自然数。
本发明技术方案的优点或有益效果在于：
本发明提出的基于频谱局部峰值归一化技术的滚动轴承故障诊断方法，通过共振解调技术进行双频段包络处理，避免共振频带遗漏，通过局部峰值归一化技术，使得任意场景下滚动轴承数据具有统一可比性，当融合后特征频率幅值超过通用阈值时，表明该成分在解调谱中具有一定突出程度，通过一定诊断规则，确保智能诊断结果的高准确性，即少误诊、少漏诊；不需依赖设备历史数据，具有较强通用性，可应用于不同工况、不同类型的设备，可适用于实时在线监测场景，有效减少因参数优化导致的部署时长。
附图说明
图1为本发明较佳实施例中，滚动轴承故障诊断方法的总流程示意图；
图2为本发明较佳实施例中，滚动轴承故障诊断方法的所用实验设备的结构简图；
图3为本发明较佳实施例中，滚动轴承故障诊断系统的结构框图；
图4a为本发明较佳实施例1中，振动加速度信号的波形示意图；
图4b为本发明的较佳实施例1中，振动加速度信号的包络谱示意图；
图4c为本发明的较佳实施例1中，局部峰值归一化的包络平均谱示意图；
图5a为本发明较佳实施例2中，振动加速度信号的波形示意图；
图5b为本发明的较佳实施例2中，振动加速度信号的包络谱示意图；
图5c为本发明的较佳实施例2中，局部峰值归一化的包络平均谱示意图。
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作出创造性劳动的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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明实施例中的旋转设备可选择美国智能维护系统(IntelligentMaintenanceSystem，IMS)中心的滚动轴承实验设备。如图2所示，具体包括：电机2、滚动轴承、传感单元1；滚动轴承包括多个，多个滚动轴承通过轴与电机2连接，电机2的转速恒定保持在2000RPM；本发明实施例中滚动轴承具体为4个，每一滚动轴承上设置两个传感单元1，传感单元1采用PCB353B33高灵敏度石英ICP加速度计，第一加速度计垂直设置，第二加速度计水平设置；本发明实施例中通过弹簧机构在轴和滚动轴承上施加6000LB径向载荷,且所有滚动轴承都被强制润滑，以每个加速度计处作为测点，通过采集各测点的振动数据，并基于频谱局部峰值归一化技术进行故障诊断，判断是否存在故障。
需注意的是，为了清晰阐述，本发明实施例以滚动轴承A、滚动轴承B、滚动轴承C、滚动轴承D加以区分，表示设置在轴不同位置处，事实上，可以统称之为滚动轴承，同理，第一、第二加速度计也可以合称为加速度计。
本发明实施例提供一种滚动轴承故障诊断方法，包括以下步骤：
步骤S1，采集一旋转设备中各滚动轴承设定的不同测点的振动数据；
步骤S2，对振动数据进行共振解调处理，然后进行快速傅里叶变换处理，得到包络谱；
步骤S3，对包络谱进行局部底噪计算，并对包络谱的谱峰进行局部归一化，得到归一化包络平均谱；
步骤S4，根据归一化包络平均谱的特征频率及N次谐波的幅值进行量化，确定归一化包络平均谱的谱峰突出程度，进而确定是否存在故障，其中，N为大于等于1的自然数。
作为优选的实施方式，其中，步骤S1中，具体包括：
按照一预先设定的采样频率fs采集各测点的振动加速度信号，并作为振动数据。
优选的，预先设定的采样频率fs＝2000HZ。
优选的，通过上述加速度计、或者加速度传感器进行振动数据的采集。
作为优选的实施方式，其中，步骤S2中，具体包括：
步骤S21，对采集的振动数据进行带通滤波，得到一第一滤波数据，以及对振动数据进行高通滤波，得到一第二滤波数据；
步骤S22，对第一滤波数据进行希尔伯特变换、快速傅里叶变换，得到第一包络谱；以及对第二滤波数据进行希尔伯特变换、快速傅里叶变换，得到第二包络谱。
作为优选的实施方式，其中，步骤S2中，带通滤波的截止频率为200-2500Hz；
高通滤波的截止频率为2500Hz。
进一步的，步骤S21中，采用带通滤波器进行带通滤波处理，带通滤波器的截止频率为200-2500Hz；
采用高通滤波器进行高通滤波处理，高通滤波器的截止频率为2500Hz；
作为优选的实施方式，其中，步骤S3中，具体包括：
对第一包络谱、第二包络谱的一预设频率处的幅值分别进行归一化处理，得到归一化幅值，并对归一化后的第一包络谱和第二包络谱进行包络谱平均计算，得到归一化包络平均谱。
作为优选的实施方式，其中，步骤S3中，采用下述公式进行归一化处理，得到归一化幅值：
Figure BDA0003731589540000081
Figure BDA0003731589540000082
其中，nf表示以预设频率为中心频率、左右一预设频段内的谱谷均值，即局部底噪；
L表示谱谷均值[f-fb，f+fb]中的极小值数目；
f表示预设频率；
fb表示预设频段；
Figure BDA0003731589540000084
表示谱谷均值的极小值；
Af表示所述预设频率处的幅值；
Figure BDA0003731589540000083
表示归一化幅值。
作为优选的实施方式，其中，步骤S3中，预设频段fb大于等于滚动轴承的内圈故障特征频率。
进一步的，当(f-fb)≤0或
Figure BDA0003731589540000091
时，L对应的区间由[f-fb，f+fb]调整为[1，2fb+1]和
Figure BDA0003731589540000092
作为优选的实施方式，其中，步骤S4中，具体包括：
步骤S41，从归一化包络平均谱中提取特征频率的一次谐波至四次谐波；
步骤S42，计算一次谐波至四次谐波的4个谐波的谐波均值；
步骤S43，将谐波均值与一预设的通用阈值进行比较，并于谐波均值超过预设的通用阈值，且一次谐波至四次谐波中至少存在两个谐波超过预设的通用阈值时，判定存在故障。
作为优选的实施方式，其中，步骤S4中，预设的通用阈值为6-7。
进一步的，本发明实施例中预设的通用阈值为6.5。
本发明还提供一种滚动轴承故障诊断系统，包括如上述的滚动轴承故障诊断方法，系统包括：
一采集单元3，用于采集一旋转设备中各滚动轴承设定的不同测点的振动数据；
一处理单元4，连接采集单元3，用于对振动数据进行共振解调处理，然后进行快速傅里叶变换处理，得到包络谱；
一局部归一化单元5，连接处理单元4，用于对包络谱进行局部底噪计算，并对包络谱的谱峰进行局部归一化，得到归一化包络平均谱；
一故障诊断单元6，连接局部归一化单元5，用于根据归一化包络平均谱的特征频率及N次谐波的幅值进行量化，确定归一化包络平均谱的谱峰突出程度，进而确定是否存在故障，其中，N为大于等于1的自然数。
实施例1
本发明实施例1以滚动轴承A的水平测点作为分析对象。
如图1所示，本发明提供一种滚动轴承故障诊断方法，包括数据采集、信号处理、频谱编辑以及故障诊断四个步骤，具体如下：
首先，采用加速度计1按照预先设定的采样频率fs＝2000HZ采集滚动轴承A的水平测点的振动加速度信号作为振动数据；然后，对振动数据分别进行带通滤波和高通滤波，并分别对滤波后的信号进行希尔伯特变换、快速傅里叶变换，得到对应的包络谱，带通滤波器截止频率为200-2500Hz，高通滤波器截止频率为2500Hz；之后，对上述得到的包络谱进行频谱编辑，采用上述公式(1)、(2)分别对第一包络谱、第二包络谱的预设频率f处的幅值Af进行归一化处理，并对归一化后第一包络谱和第二包络谱进行包络谱平均计算，得到归一化包络平均谱；最后，进行故障诊断：从归一化包络平均谱中提取故障特征频率1-4次谐波成分，按照诊断规则：当某一特征频率的4个谐波均值超过预设的通用阈值，并且其中存在至少两个谐波也超过阈值时，判定存在该特征频率对应故障；
优选的，预设的通用阈值为6-7，本发明实施例中具体为6.5，
优选的，其中，旋转设备的转频fr＝2000r/min，滚动轴承d外圈、内圈、滚珠、保持架的特征系数依次为：7.09、8.91、4.19、0.44。
考虑受理论特征与实际特征存在误差及存在无故障特征情况等因素，各特征频率1次谐波包络谱搜索范围设置为5Hz，2-4次谐波包络谱搜索范围设置为1Hz。
参见图4a，为故障发生时振动加速度信号的波形图，可以看到，振动加速度信号的波形图中包含明显周期性冲击成分；参见图4b，为故障发生时振动加速度信号的包络谱图，包络谱中可见轴承外圈故障特征频率及谐波成分。
参见图4c，为归一化包络平均谱图，其整体谱图分布与未归一化前相似，但经局部峰值归一化处理后，其整体底噪在5以下，因此本发明实施例中设置6.5作为通用阈值与诊断工程师分析图谱逻辑相似，满足该诊断规则的谱峰在包络谱中具有一定突出程度。
表1为各特征频率及4次谐波处归一化幅值
Figure BDA0003731589540000111
参见上述表1可知，仅外圈故障满足其中至少2次谐波大于6.5，且四次谐波均值大于6.5的诊断条件，具体可诊断为外圈故障，该结果与诊断工程师根据解调谱分析结果及实验台实际故障情况一致。
实施例2
采用与实施例1中相同的滚动轴承实验设备、相同的滚动轴承故障诊断方法的四个步骤，本发明实施例2以滚动轴承C的水平测点作为分析对象，进行故障诊断。
参见图5a，为故障发生时振动加速度信号的波形图，可以看到振动加速度信号波形图中包含一定周期性冲击成分；参见图5b，为故障发生时振动加速度信号的包络谱图，包络谱中可见轴承内圈故障特征频率及谐波成分，相比外圈特征微弱。
参见图5c，为归一化包络平均谱图，其整体谱图分布与未归一化相似，但经局部峰值归一化处理后，整体底噪在5以下，因此本发明实施例设置6.5作为通用阈值与诊断工程师分析图谱逻辑相似，满足该条件的谱峰在包络谱中具有一定突出程度。
表2为各特征频率及4次谐波处归一化幅值
Figure BDA0003731589540000121
参见上述表2可知，仅内圈故障满足其中至少2次谐波大于6.5，且四次谐波均值大于6.5的诊断条件，具体可诊断为内圈故障，该结果与诊断工程师根据解调谱分析结果及实验台实际故障情况一致。
采用上述技术方案具有如下优点或有益效果：本发明提出的基于频谱局部峰值归一化技术的滚动轴承故障诊断方法，通过共振解调技术进行双频段包络处理，避免共振频带遗漏，通过局部峰值归一化技术，使得任意场景下滚动轴承数据具有统一可比性，当融合后特征频率幅值超过通用阈值时，表明该成分在解调谱中具有一定突出程度，通过一定诊断规则，确保智能诊断结果的高准确性，即少误诊、少漏诊；不需依赖设备历史数据，具有较强通用性，可应用于不同工况、不同类型的设备，可适用于实时在线监测场景，有效减少因参数优化导致的部署时长。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (10)

1.一种滚动轴承故障诊断方法，其特征在于，包括：
步骤S1，采集一旋转设备中各滚动轴承设定的不同测点的振动数据；
步骤S2，对所述振动数据进行共振解调处理，然后进行快速傅里叶变换处理，得到包络谱；
步骤S3，对所述包络谱进行局部底噪计算，并对所述包络谱的谱峰进行局部归一化，得到归一化包络平均谱；
步骤S4，根据所述归一化包络平均谱的特征频率及N次谐波的幅值进行量化，确定所述归一化包络平均谱的谱峰突出程度，进而确定是否存在故障，其中，N为大于等于1的自然数。
2.根据权利要求1所述的滚动轴承故障诊断方法，其特征在于，所述步骤S1中，具体包括：
按照一预先设定的采样频率采集各所述测点的振动加速度信号，并作为所述振动数据。
3.根据权利要求1所述的滚动轴承故障诊断方法，其特征在于，所述步骤S2中，具体包括：
步骤S21，对采集的所述振动数据进行带通滤波，得到一第一滤波数据，以及对所述振动数据进行高通滤波，得到一第二滤波数据；
步骤S22，对所述第一滤波数据进行希尔伯特变换、快速傅里叶变换，得到第一包络谱；以及对所述第二滤波数据进行希尔伯特变换、快速傅里叶变换，得到第二包络谱。
4.根据权利要求3所述的滚动轴承故障诊断方法，其特征在于，所述步骤S2中，带通滤波的截止频率为200-2500Hz；
高通滤波的截止频率为2500Hz。
5.根据权利要求3所述的滚动轴承故障诊断方法，其特征在于，所述步骤S3中，具体包括：
对所述第一包络谱、所述第二包络谱的一预设频率处的幅值分别进行归一化处理，得到归一化幅值，并对归一化后的所述第一包络谱和所述第二包络谱进行包络谱平均计算，得到所述归一化包络平均谱。
6.根据权利要求5所述的滚动轴承故障诊断方法，其特征在于，所述步骤S3中，采用下述公式进行归一化处理，得到所述归一化幅值：
Figure FDA0003731589530000021
Figure FDA0003731589530000022
其中，nf表示以所述预设频率为中心频率、左右一预设频段内的谱谷均值；
L表示所述谱谷均值中的极小值数目；
Afi表示所述谱谷均值的极小值；
Af表示所述预设频率处的幅值；
Figure FDA0003731589530000023
表示所述归一化幅值。
7.根据权利要求6所述的滚动轴承故障诊断方法，其特征在于，所述步骤S3中，所述预设频段大于等于所述滚动轴承的内圈故障特征频率。
8.根据权利要求1所述的滚动轴承故障诊断方法，其特征在于，所述步骤S4中，具体包括：
步骤S41，从所述归一化包络平均谱中提取所述特征频率的一次谐波至四次谐波；
步骤S42，计算所述一次谐波至所述四次谐波的4个谐波的谐波均值；
步骤S43，将所述谐波均值与一预设的通用阈值进行比较，并于所述谐波均值超过所述预设的通用阈值，且所述一次谐波至所述四次谐波中至少存在两个谐波超过所述预设的通用阈值时，判定存在故障。
9.根据权利要求7所述的滚动轴承故障诊断方法，其特征在于，所述步骤S4中，所述预设的通用阈值为6-7。
10.一种滚动轴承故障诊断系统，其特征在于，包括如权利要求1-9任意一项所述的滚动轴承故障诊断方法，所述系统包括：
一采集单元，用于采集一旋转设备中各滚动轴承设定的不同测点的振动数据；
一处理单元，连接所述采集单元，用于对所述振动数据进行共振解调处理，然后进行快速傅里叶变换处理，得到包络谱；
一局部归一化单元，连接所述处理单元，用于对所述包络谱进行局部底噪计算，并对所述包络谱的谱峰进行局部归一化，得到归一化包络平均谱；
一故障诊断单元，连接所述局部归一化单元，用于根据所述归一化包络平均谱的特征频率及N次谐波的幅值进行量化，确定所述归一化包络平均谱的谱峰突出程度，进而确定是否存在故障，其中，N为大于等于1的自然数。
CN202210785044.4A 2022-07-05 2022-07-05 一种滚动轴承故障诊断方法及系统 Pending CN115235768A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210785044.4A CN115235768A (zh) 2022-07-05 2022-07-05 一种滚动轴承故障诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210785044.4A CN115235768A (zh) 2022-07-05 2022-07-05 一种滚动轴承故障诊断方法及系统

Publications (1)

Publication Number Publication Date
CN115235768A true CN115235768A (zh) 2022-10-25

Family

ID=83671971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210785044.4A Pending CN115235768A (zh) 2022-07-05 2022-07-05 一种滚动轴承故障诊断方法及系统

Country Status (1)

Country Link
CN (1) CN115235768A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116067657A (zh) * 2022-12-30 2023-05-05 天地(常州)自动化股份有限公司北京分公司 一种滚动轴承故障诊断方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116067657A (zh) * 2022-12-30 2023-05-05 天地(常州)自动化股份有限公司北京分公司 一种滚动轴承故障诊断方法及系统
CN116067657B (zh) * 2022-12-30 2023-10-27 天地(常州)自动化股份有限公司北京分公司 一种滚动轴承故障诊断方法及系统

Similar Documents

Publication Publication Date Title
CN109506921B (zh) 一种旋转机械故障诊断与预警方法
CN101726413B (zh) 通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法
Gousseau et al. Analysis of the Rolling Element Bearing data set of the Center for Intelligent Maintenance Systems of the University of Cincinnati
CN110940917B (zh) 一种电动机故障预警方法及系统
CN109469896B (zh) 一种基于时间序列分析工业锅炉故障的诊断方法及系统
WO2002073150A2 (en) System and method for analyzing vibration signals
CN105181019A (zh) 用于旋转类机械早期故障预警分析的计算机程序产品
CN111238813B (zh) 一种强干扰下提取滚动轴承故障特征的方法
CN111122191B (zh) 一种基于ewma控制的设备安康报警阈值设定方法
JPH09113416A (ja) ころがり軸受の損傷診断方法
CN116304848B (zh) 一种滚动轴承故障诊断系统及方法
CN115235768A (zh) 一种滚动轴承故障诊断方法及系统
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
CN112162197A (zh) 一种立式机组定转子中心偏移故障的在线诊断方法
CN108520093B (zh) 一种基于知识库的机械设备故障诊断方法和装置
Tranter The fundamentals of, and the application of computers to, condition monitoring and predictive maintenance
CN113049251A (zh) 一种基于噪声的轴承故障诊断方法
CN115683580A (zh) 一种基于相位域自适应滤波的旋转机械故障诊断方法
Gelman et al. Diagnostics of local tooth damage in gears by the wavelet technology
CN112036270B (zh) 一种滚动轴承早期损伤状态的振动监测方法
Thanagasundram et al. Autoregressive based diagnostics scheme for detection of bearing faults
CN113032915A (zh) 一种制造装备主轴轴承健康状态评估方法及装置
JP7383367B1 (ja) 回転機器の振動データ分析方法及び分析システム
CN113358212B (zh) 基于相对谐阶次的机电故障诊断方法、系统及建模方法
CN110132579B (zh) 一种基于磁电式转速传感器的齿轮健康状态监测方法

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