CN115263551B - 一种海洋船舶发动机运行健康状态监测方法 - Google Patents
一种海洋船舶发动机运行健康状态监测方法 Download PDFInfo
- Publication number
- CN115263551B CN115263551B CN202211177715.5A CN202211177715A CN115263551B CN 115263551 B CN115263551 B CN 115263551B CN 202211177715 A CN202211177715 A CN 202211177715A CN 115263551 B CN115263551 B CN 115263551B
- Authority
- CN
- China
- Prior art keywords
- vibration
- signal
- period
- peak
- cycle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 title claims abstract description 15
- 230000036541 health Effects 0.000 title claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 43
- 230000001133 acceleration Effects 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 230000010355 oscillation Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000004880 explosion Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
- F02B77/00—Component parts, details or accessories, not otherwise provided for
- F02B77/08—Safety, indicating, or supervising devices
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种海洋船舶发动机运行健康状态监测方法,涉及数据处理领域,该方法包括:获取船舶的发动机的振动信号并分为多个信号段;根据振动周期中每个振动信号的幅值差异得到该振动周期的第一异常程度;获取每个振动周期波峰的峰值和半峰周期;根据每个振动周期的半峰周期、峰值以及参照半峰周期、参照峰值得到每个振动周期的第二异常程度;对振动周期中所有振动信号的幅值进行聚类得到多类信号幅值,获取每类信号幅值对应的振动信号的可参考性;获取每个振动信号的传输优先级;利用传输优先级对振动信号进行霍夫曼编码并传输至分析系统中分析发动机的运行状态,本发明提高了船舶发动机运行状态检测的准确率。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种海洋船舶发动机运行健康状态监测方法。
背景技术
柴油发动机具有热效率高、经济性好的特点,作为船舶推进系统的动力心脏,发动机运行状态的好坏不仅会影响燃油消耗率,更会影响到船舶运行的安全性。
现常用的发动机健康状态监测方法一般是将采集的实时参数传输至分析系统,在分析系统中对实时参数与历史参数中的振动信号进行对比分析,确定发动机是否正常运行。为得到准确的发动机运行状态的分析结果,需要保证用来对比分析的实时参数的完整性,所以需要对采集的实时参数即振动信号进行无损压缩传输。
但是海上无线网络不稳定,因此海洋船舶的传感器在采集实时参数即振动信号并进行传输时可能会造成振动信号的丢失,利用传输的振动信号分析发动机的运行状态,导致用来对比分析的实时参数不完整,即无法对船舶发动机的健康状态监测提供可靠的数据支持,进而导致无法确定最后分析得到的船舶发动机的运行状态是否准确,因此,本发明提出一种海洋船舶发动机运行健康状态监测方法。
发明内容
本发明提供一种海洋船舶发动机运行健康状态监测方法,以解决现有的问题。
本发明的一种海洋船舶发动机运行健康状态监测方法,采用如下技术方案:
获取当前时段船舶的发动机的振动信号,将得到的振动信号分为多个信号段;
根据每个信号段中相邻振动信号的振幅得到振动信号的幅值差异;获取每个信号段中的多个振动周期,根据振动周期中每个振动信号的幅值差异得到该振动周期的第一异常程度;
获取当前时段每个信号段的波形图,根据波形图获取每个振动周期波峰的峰值,根据振动周期波峰和波峰左侧波谷之间的时间差得到振动周期的半峰周期;获取历史数据中船舶每个运行速度下发动机的振动周期的参照半峰周期和参照峰值;
根据当前时段每个振动周期的半峰周期、峰值以及当前时段的船舶运行速度对应的参照半峰周期、参照峰值得到每个振动周期的第二异常程度;
利用无监督聚类对振动周期中所有振动信号的幅值进行聚类得到多类信号幅值,获取每类信号幅值在振动周期的振动信号总数量中的占比,将每类信号幅值得到的占比进行反比例归一化的值作为每类信号幅值对应的振动信号的可参考性;
根据每个振动信号的可参考性以及该振动信号所在振动周期的第一异常程度、第二异常程度得到每个振动信号的传输优先级;
按照当前时段信号段中每个振动信号的传输优先级由小到大的顺序从霍夫曼树底部向上开始编码,得到每个振动信号的霍夫曼编码,将信号段中每个振动信号按照霍夫曼编码由短到长的顺序传输至分析系统;
对分析系统接收到的霍夫曼编码进行解码得到当前时段信号段中的振动信号,利用得到的振动信号分析船舶发动机的运行状态。
进一步,利用振动传感器获取每个信号段中振动信号的加速度,将相邻两个加速度为0的时间节点之间的时间差作为一个振动周期。
进一步,根据每个信号段中相邻振动信号的振幅得到振动信号的幅值差异的步骤包括:
利用每个信号段中每个振动信号的振幅减去上一个振动信号的振幅得到每个振动信号的幅值差异,每个信号段中的第一个振动信号不计算幅值差异。
进一步,根据振动周期中每个振动信号的幅值差异得到该振动周期的第一异常程度的步骤包括:
获取振动周期最开始到振动周期波峰之间所有振动信号的幅值差异的第一方差,以及振动周期波峰到振动周期结束之间所有振动信号的幅值差异的第二方差;
对每个振动周期的第一方差和第二方差求均值再进行归一化,将得到的归一化值作为该振动周期的第一异常程度。
进一步,根据当前时段每个振动周期的半峰周期、峰值以及当前时段的船舶运行速度对应的参照半峰周期、参照峰值得到每个振动周期的第二异常程度的公式为:
其中,表示当前时段第个振动周期的第二异常程度;表示当前时段第个振动周期的半峰周期;表示该振动周期波峰的时间节点;表示该振动周期波峰左侧波谷的时间节点;表示当前时段第个振动周期的峰值;表示对应的船舶运行速度下发动机振动周期的参照峰值;表示对应的船舶运行速度下发动机振动周期的参照半峰周期。
进一步,计算每类信号幅值对应的振动信号的可参考性的公式为:
进一步,根据每个振动信号的可参考性以及该振动信号所在振动周期的第一异常程度、第二异常程度得到每个振动信号的传输优先级的步骤包括:
对每个振动信号所在振动周期的第一异常程度和第二异常程度求均值得到该振动信号所在振动周期的综合异常程度;
利用每个振动信号的可参考性乘以该振动信号所在的振动周期的综合异常程度值得到对应的振动信号的传输优先级。
本发明的有益效果是:本发明的一种海洋船舶发动机运行健康状态监测方法,通过将振动信号传感器所采集的船舶发动机的振动信号分为多段进行分段分析传输,保证了分析得到的船舶发动机运行状态的实时性,同时避免了由于传输过程中信号数据丢失造成的信号数据混乱的问题;根据每段传输间隔中单次振动周期中振动信号的振幅幅值差异确定出振动周期的第一异常程度,根据半峰周期和峰值确定出振动周期的第二异常程度,并根据振幅对振动信号分类确定出振动信号的可参考性,利用得到的异常程度和可参考性确定出每个振动信号的传输优先级;传输优先级越高表示该振动信号的重要程度即后续分析时的可参考程度越高,利用传输优先级对振动信号进行霍夫曼编码,优先级越高,振动信号的编码越短,进而使得传输速度越快,越不容易丢失,因此保证了所有具备可参考性价值的重要信号数据得以保留,为船舶发动机运行状态的监测分析提供了更加完整可靠的数据支持。
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为本发明的一种海洋船舶发动机运行健康状态监测方法的实施例总体步骤的流程图;
图2为波形图,其中(a)为信号段中的部分波形图,(b)为单个振动周期的单峰值谱图。
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。
本发明的一种海洋船舶发动机运行健康状态监测方法的实施例,如图1所示,该方法包括:
S1、获取当前时段船舶的发动机的振动信号,将得到的振动信号分为多个信号段。
具体的,将振动传感器安装在船舶发动机的缸盖、缸面或者底脚螺栓上,利用振动传感器对发动机的实时振动信号进行监测,为了避免实时传输中振动信号数据丢失造成的的信号数据混乱问题,本方案对采集的振动信号进行分段分析并传输;将每1s作为一个信号段,利用振动传感器获取当前时段多个信号段的振动信号。
S2、根据每个信号段中相邻振动信号的振幅得到振动信号的幅值差异;获取每个信号段中的多个振动周期,根据振动周期中每个振动信号的幅值差异得到该振动周期的第一异常程度。
如图2所示,其中(a)为1s信号段其中一段的波形图,振动信号呈现连续起伏的周期性变化,表示1s信号段内发动机存在多次受力振动;如图2中的(b)中所示,为一次受力所产生的完整的振动过程中振动信号频率和振动加速度之间的关系的示意图,即一个振动周期的振动信号频率与振动加速度之间的关系的示意图,为单峰值谱图,振动周期最开始时,单位时间内振动的次数少、过程时间长、加速度较小且变化量更小,随着振动进行,振动加速度到达本次受力的最大值,然后开始衰减直到加速度为0。单次受力产生的振动加速度应该呈现一个类似正态分布的趋势,即单调递增至最大加速度处,随即开始单调递减。
因此,将振动传感器得到的相邻两个值为0的加速度的时间节点之间的时间差作为一个振动周期。
获取信号段中每个振动信号的幅值,将信号段中每个振动信号与相邻的上一个振动信号之间的幅值差异作为该振动信号的幅值差异,每个信号段中的第一个振动信号不计算幅值差异。
获取当前时段振动周期最开始到振动周期波峰之间所有振动信号的幅值差异的第一方差,以及振动周期波峰到振动周期结束之间所有振动信号的幅值差异的第二方差;对每个振动周期的第一方差和第二方差求均值再进行归一化,将得到的归一化值作为该振动周期的第一异常程度,具体计算公式为:
其中,表示当前时段第个振动周期的第一异常程度;表示该振动周期最开始到振动周期波峰之间所有振动信号的幅值差异的方差,记为第一方差,表示该振动周期中振动周期最开始到振动周期波峰之间所有的振动信号;表示该振动周期波峰到振动周期结束之间所有振动信号的幅值差异的方差,记为第二方差,表示该振动周期波峰到振动周期结束之间所有的振动信号;表示利用双曲正切函数对该振动周期得到的第一方差和第二方差的均值进行归一化,使其取值限制在0-1之间。
以单次振动周期的振幅为分界线,单次振动周期最左侧振动信号即最开始的振动信号至该振动周期的振幅对应的振动信号处、振幅对应的振动信号至最右侧振动信号即振动周期结束的振动信号处,各自区间内相邻振动信号的幅值幅值差异所得的数值集合,其方差可以表征振动信号在各自区间内随着振动的进行,振动信号的幅值的递增、递减变化的单调性。
S3、获取当前时段每个信号段的波形图,根据波形图获取每个振动周期波峰的峰值,根据振动周期波峰和波峰左侧波谷之间的时间差得到振动周期的半峰周期;获取历史数据中船舶每个运行速度下发动机的振动周期的参照半峰周期和参照峰值;根据当前时段每个振动周期的半峰周期、峰值以及当前时段的船舶运行速度对应的参照半峰周期、参照峰值得到每个振动周期的第二异常程度。
发动机受力产生振动时单次周期内振动信号的变化特征为:最开始存在一段振动信号的幅值变化平缓,然后急剧上升至峰值点再衰减,振动信号从开始急剧上升到峰值点表示发动机受力后振动加速度上升至最大值所用的时间,因此将振动信号开始急剧上升至峰值点的部分记为半峰,半峰可以描述发动机受力后振动加速度上升至最大值所用的时间以及对应的振动周期的峰值大小。若发动机正常运行,所受的燃油爆发带动转子产生的对发动机的力应该是恒定的,所以将半峰周期长度、峰值与历史数据进行比对,可以评估该单次振动周期是否仅受到燃油爆发带来的正常振动受力,还是存在其他异常振动受力。
从每个信号段的波形图中获取每个振动周期波峰的峰值,根据当前时段每个振动周期中加速度急剧上升到峰值的时间差得到振动周期的半峰周期,即波形图中振动周期波峰和波峰左侧波谷之间的时间差为该振动周期的半峰周期,根据历史数据获取船舶每个运行速度下发动机的振动周期的参照半峰周期和参照峰值。
获取当前时段的船舶运行速度,利用当前时段船舶的运行速度获取历史数据中对应的运行速度下发动机的振动周期的参照半峰周期和参照峰值。
根据每个振动周期的半峰周期、峰值以及参照半峰周期、参照峰值得到每个振动周期的第二异常程度,具体计算公式为:
其中,表示当前时段第个振动周期的第二异常程度;表示当前时段第个振动周期的半峰周期;表示该振动周期波峰的时间节点;表示该振动周期波峰左侧波谷的时间节点;表示当前时段第个振动周期的峰值;表示对应的船舶运行速度下发动机振动周期的参照峰值;表示对应的船舶运行速度下发动机振动周期的参照半峰周期;表示第个振动周期的半峰周期与参照半峰周期的比值,则可以表示该振动周期的半峰周期与参照半峰周期即历史数据的差异性;同理也可以表示该次振动周期的峰值与参照峰值即历史数据的差异性;对得到的两个差异性相乘,即从历史数据与实时数据进行对比的结果中得到了当前时段第个振动周期的第二异常程度。
S4、利用无监督聚类对振动周期中所有振动信号的幅值进行聚类得到多类信号幅值,获取每类信号幅值在振动周期的振动信号总数量中的占比,将每类信号幅值得到的占比进行反比例归一化的值作为每类信号幅值对应的振动信号的可参考性。
具体的,对当前时段每个振动周期中所有的振动信号的信号幅值进行无监督聚类,无监督聚类可以将振动周期中无序的振动信号分类,根据不同信号幅值区间将信号幅值分为多个类,无监督聚类得到的多个聚类结果,每个聚类结果对应一类信号幅值,每个信号幅值对应一个振动信号。
某一类信号幅值中的数量越少,表示该信号幅值对应的振动信号为振动周期中的峰值、或者为异常值、或者为振动周期开始和结束部分的振动信号,这部分振动信号对于后续进行发动机运行状态分析时的可参考性较高。
获取当前时段振动周期中每类信号幅值的数量在振动周期中振动信号的总数量中的占比,对得到的占比进行反比例归一化得到该类信号幅值对应的振动周期的可参考性,具体计算公式为:
其中,表示当前时段第个振动周期中第类信号幅值对应的振动信号的可参考性;表示第类信号幅值对应的振动信号的数量;表示第类信号幅值所在的振动周期中所有振动信号的数量。表示第类信号幅值对应的振动信号的数量在所在的振动周期内所有振动信号数量中的占比,占比越低,则代表第类信号幅值对应的振动信号可参考性越高,所以利用进行反比例归一化,使得占比越小得到的可参考性越高。
S5、根据每个振动信号的可参考性以及该振动信号所在振动周期的第一异常程度、第二异常程度得到每个振动信号的传输优先级。
具体的,对每个振动信号所在振动周期的第一异常程度和第二异常程度求均值得到该振动信号所在振动周期的综合异常程度,利用每个振动信号的可参考性和该振动信号所在的振动周期的综合异常程度值得到对应的振动信号的传输优先级,具体计算公式为:
其中,表示第个振动周期中第类信号幅值对应的振动信号的传输优先级;表示第个振动周期的第一异常程度;表示第个振动周期的第二异常程度;表示第个振动周期的综合异常程度;表示第个振动周期中第类信号幅值对应的振动信号的可参考性;综合异常程度越大,认为该振动信号对分析发动机的运行状态的重要程度越高,因此传输优先级越高,可参考性越大,也证明该振动信号分析发动机的运行状态的重要程度越高;综合异常程度和可参考性相乘得到的值越大认为该振动信号的传输必要性越高即传输优先级越高。
S6、按照当前时段信号段中每个振动信号的传输优先级由小到大的顺序从霍夫曼树底部向上开始编码,得到每个振动信号的霍夫曼编码,将信号段中每个振动信号按照霍夫曼编码由短到长的顺序传输至分析系统;对分析系统接收到的霍夫曼编码进行解码得到当前时段信号段中的振动信号,利用得到的振动信号分析船舶发动机的运行状态。
具体的,对每个信号段中的振动信号按照传输优先级从小到大的顺序排列,将传输优先级最小的两个振动信号的传输优先级从霍夫曼树底部开始进行编码,传输优先级从小到大对应霍夫曼树由低到高开始构建霍夫曼树,得到信号段中每个振动信号的霍夫曼编码。
霍夫曼树底部的振动信号的霍夫曼编码最长,霍夫曼树顶部的振动信号的霍夫曼编码最短,即传输优先级最高的振动信号对应的霍夫曼编码最短,传输时需要的时间就最少,即传输速度最快;传输优先级最低的振动信号对应的霍夫曼编码最长,传输时需要的时间就最多,即传输速度最慢;因此,传输优先级越高的振动信号对应的霍夫曼编码越短,传输时需要的时间就越少,即传输速度越快,传输优先级越低,传输速度越慢。
每个信号段在进行信号传输时,按照霍夫曼编码从短到长的顺序传输,因此,短时间内可以快速将传输优先级高的振动信号传输到分析系统进行发动机运行状态的分析,丢失的概率小,大幅提高了传输过程的稳定性,霍夫曼编码越长的振动信号后传输,传输速度较慢,可能丢失的概率较大,但是霍夫曼编码越长的振动信号的传输优先级越低,即越不具备分析发动机运行状态时的参考性,因此,即使发生丢失也影响不大。
振动传感器将每个信号段传输优先级高的振动信号,即每1秒内的振动信号中可参考性高的,最可能出现异常的振动信号优先快速的传输至分析系统,对分析船舶发动机的运行状态提供了可靠的数据支持,在分析系统中对霍夫曼编码进行解码得到振动信号,利用振动信号分析当前时段发动机的运行状态。
综上所述,本发明提供一种海洋船舶发动机运行健康状态监测方法,通过将振动信号传感器所采集的船舶发动机的振动信号分为多段进行分段分析传输,保证了分析得到的船舶发动机运行状态的实时性;根据每段传输间隔中单次振动周期中振动信号的振幅幅值差异确定出振动周期的第一异常程度,根据半峰周期和峰值确定出振动周期的第二异常程度,并根据振幅对振动信号分类确定出振动信号的可参考性,利用得到的异常程度和可参考性确定出每个振动信号的传输优先级;传输优先级越高表示该振动信号的重要程度即后续分析时的可参考程度越高,利用传输优先级对振动信号进行霍夫曼编码,优先级越高,振动信号的编码越短,进而使得传输速度越快,越不容易丢失,因此保证了所有具备可参考性价值的重要信号数据得以保留,为船舶发动机运行状态的监测分析提供了更加完整可靠的数据支持。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (4)
1.一种海洋船舶发动机运行健康状态监测方法,其特征在于:
获取当前时段船舶的发动机的振动信号,将得到的振动信号分为多个信号段;
根据每个信号段中相邻振动信号的振幅得到振动信号的幅值差异;获取每个信号段中的多个振动周期,根据振动周期中每个振动信号的幅值差异得到该振动周期的第一异常程度:获取振动周期最开始到振动周期波峰之间所有振动信号的幅值差异的第一方差,以及振动周期波峰到振动周期结束之间所有振动信号的幅值差异的第二方差;对每个振动周期的第一方差和第二方差求均值再进行归一化,将得到的归一化值作为该振动周期的第一异常程度;
获取当前时段每个信号段的波形图,根据波形图获取每个振动周期波峰的峰值,根据振动周期波峰和波峰左侧波谷之间的时间差得到振动周期的半峰周期;获取历史数据中船舶每个运行速度下发动机的振动周期的参照半峰周期和参照峰值;
根据当前时段每个振动周期的半峰周期、峰值以及当前时段的船舶运行速度对应的参照半峰周期、参照峰值得到每个振动周期的第二异常程度,得到每个振动周期的第二异常程度的公式为:
其中,表示当前时段第个振动周期的第二异常程度;表示当前时段第个振动周期的半峰周期;表示该振动周期波峰的时间节点;表示该振动周期波峰左侧波谷的时间节点;表示当前时段第个振动周期的峰值;表示对应的船舶运行速度下发动机振动周期的参照峰值;表示对应的船舶运行速度下发动机振动周期的参照半峰周期;
利用无监督聚类对振动周期中所有振动信号的幅值进行聚类得到多类信号幅值,获取每类信号幅值在振动周期的振动信号总数量中的占比,将每类信号幅值得到的占比进行反比例归一化的值作为每类信号幅值对应的振动信号的可参考性;
对每个振动信号所在振动周期的第一异常程度和第二异常程度求均值得到该振动信号所在振动周期的综合异常程度;利用每个振动信号的可参考性乘以该振动信号所在的振动周期的综合异常程度值得到对应的振动信号的传输优先级;
按照当前时段信号段中每个振动信号的传输优先级由小到大的顺序从霍夫曼树底部向上开始编码,得到每个振动信号的霍夫曼编码,将信号段中每个振动信号按照霍夫曼编码由短到长的顺序传输至分析系统;
对分析系统接收到的霍夫曼编码进行解码得到当前时段信号段中的振动信号,利用得到的振动信号分析船舶发动机的运行状态。
2.根据权利要求1所述的一种海洋船舶发动机运行健康状态监测方法,其特征在于,利用振动传感器获取每个信号段中振动信号的加速度,将相邻两个加速度为0的时间节点之间的时间差作为一个振动周期。
3.根据权利要求1所述的一种海洋船舶发动机运行健康状态监测方法,其特征在于,根据每个信号段中相邻振动信号的振幅得到振动信号的幅值差异的步骤包括:
利用每个信号段中每个振动信号的振幅减去上一个振动信号的振幅得到每个振动信号的幅值差异,每个信号段中的第一个振动信号不计算幅值差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177715.5A CN115263551B (zh) | 2022-09-27 | 2022-09-27 | 一种海洋船舶发动机运行健康状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177715.5A CN115263551B (zh) | 2022-09-27 | 2022-09-27 | 一种海洋船舶发动机运行健康状态监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115263551A CN115263551A (zh) | 2022-11-01 |
CN115263551B true CN115263551B (zh) | 2023-01-13 |
Family
ID=83756787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211177715.5A Active CN115263551B (zh) | 2022-09-27 | 2022-09-27 | 一种海洋船舶发动机运行健康状态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115263551B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116228176B (zh) * | 2023-05-10 | 2023-07-18 | 安徽皖欣环境科技有限公司 | 一种基于数据处理的污水处理数据高效管理系统 |
CN116346289B (zh) * | 2023-05-30 | 2023-08-04 | 泰山学院 | 一种用于计算机网络中心的数据处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08319879A (ja) * | 1995-05-25 | 1996-12-03 | Kyushu Denki Seizo Kk | 内燃機関の動作状態判定方法および装置 |
JP2006184175A (ja) * | 2004-12-28 | 2006-07-13 | Fuji Heavy Ind Ltd | センサ診断方法及びセンサ診断装置 |
CN101936812A (zh) * | 2010-08-25 | 2011-01-05 | 重庆大学 | 装甲车发动机工作状态检测方法 |
CN106444489A (zh) * | 2016-08-31 | 2017-02-22 | 中国人民解放军装甲兵工程学院 | 基于数字化监测重型装备发动机的监测装置及其监测方法 |
CN112067306A (zh) * | 2020-08-13 | 2020-12-11 | 武汉理工大学 | 船用发动机健康状态在线监测评估方法、设备及系统 |
CN113706837A (zh) * | 2021-07-09 | 2021-11-26 | 上海汽车集团股份有限公司 | 一种发动机异常状态检测方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2952177B1 (fr) * | 2009-11-04 | 2012-06-01 | Snecma | Procede de detection d'un endommagement d'au moins un roulement de palier d'un moteur |
-
2022
- 2022-09-27 CN CN202211177715.5A patent/CN115263551B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08319879A (ja) * | 1995-05-25 | 1996-12-03 | Kyushu Denki Seizo Kk | 内燃機関の動作状態判定方法および装置 |
JP2006184175A (ja) * | 2004-12-28 | 2006-07-13 | Fuji Heavy Ind Ltd | センサ診断方法及びセンサ診断装置 |
CN101936812A (zh) * | 2010-08-25 | 2011-01-05 | 重庆大学 | 装甲车发动机工作状态检测方法 |
CN106444489A (zh) * | 2016-08-31 | 2017-02-22 | 中国人民解放军装甲兵工程学院 | 基于数字化监测重型装备发动机的监测装置及其监测方法 |
CN112067306A (zh) * | 2020-08-13 | 2020-12-11 | 武汉理工大学 | 船用发动机健康状态在线监测评估方法、设备及系统 |
CN113706837A (zh) * | 2021-07-09 | 2021-11-26 | 上海汽车集团股份有限公司 | 一种发动机异常状态检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115263551A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115263551B (zh) | 一种海洋船舶发动机运行健康状态监测方法 | |
CN116228176B (zh) | 一种基于数据处理的污水处理数据高效管理系统 | |
CN105699072B (zh) | 一种基于级联经验模态分解齿轮故障诊断方法 | |
CN112100713B (zh) | 一种基于变间距栅格的索力自动识别方法 | |
CN111852837B (zh) | 基于聚类的往复式压缩机自适应故障监测方法 | |
CN113225209B (zh) | 一种基于时间序列相似检索的网络监控实时预警方法 | |
CN104750973A (zh) | 基于数据平滑度函数的火电机组负荷(准)稳态工况聚类算法 | |
CN112732748A (zh) | 一种基于自适应特征选择的非侵入式家电负荷识别方法 | |
CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
CN115184016A (zh) | 一种升降机轴承故障检测方法 | |
CN114263621B (zh) | 一种离心泵空化故障诊断模拟的试验方法及系统 | |
CN116719983A (zh) | 一种动静脉内瘘远程监测及警示系统 | |
CN115080356A (zh) | 异常告警方法和装置 | |
CN114895656A (zh) | 一种自适应触发增量学习的工业物联网设备故障诊断系统 | |
CN110298767B (zh) | 一种火力发电厂时间序列变量异常监测方法及系统 | |
CN112882898A (zh) | 基于大数据日志分析的异常检测方法、系统、设备及介质 | |
CN116232935B (zh) | 一种物联网监测大数据传输方法 | |
CN110985315A (zh) | 一种检测风机叶片结冰的早期预测方法 | |
CN117367570B (zh) | 一种基于单点声信号的空气压缩机智能故障诊断方法 | |
CN112200346A (zh) | 一种天气波动过程划分与匹配的短期风电功率预测方法 | |
CN112083077A (zh) | 周期运动叶片音频故障检测系统 | |
Bodo et al. | Feature ranking under industrial constraints in continuous monitoring applications based on machine learning techniques | |
CN117424753B (zh) | 基于物联网的流量池监控方法及系统 | |
CN117240930B (zh) | 一种载波通信数据智能采集方法及系统 | |
CN114812796B (zh) | 设备状况评估方法以及相关设备 |
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 |