CN115864719A - 一种模块化的电机隔声设备 - Google Patents
一种模块化的电机隔声设备 Download PDFInfo
- Publication number
- CN115864719A CN115864719A CN202211405883.5A CN202211405883A CN115864719A CN 115864719 A CN115864719 A CN 115864719A CN 202211405883 A CN202211405883 A CN 202211405883A CN 115864719 A CN115864719 A CN 115864719A
- Authority
- CN
- China
- Prior art keywords
- noise
- processing
- level
- motor
- module
- 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
Links
- 238000009413 insulation Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 111
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000005236 sound signal Effects 0.000 claims abstract description 7
- 238000012423 maintenance Methods 0.000 claims abstract description 5
- 230000000737 periodic effect Effects 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
Images
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Motor Or Generator Frames (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种模块化的电机隔声设备,涉及电机技术领域,包括噪声采集模块、噪声处理模块、降噪评估模块以及预警分析模块;噪声采集模块用于通过安装在电机壳体上的麦克风采集声音信号,作为噪声信号;控制中心接收到噪声信号后,若电机处于工作状态,则生成降噪指令至噪声处理模块;噪声处理模块用于对噪声信号进行主次分类,然后对主要噪声源进行滤波增益处理,并记录噪声处理信息;降噪评估模块用于根据噪声处理信息进行等级评估,预警分析模块用于对云平台存储的带有时间戳的噪声处理级别进行预警分析,判断对应电机的运行隔音是否正常;以及时提示工作人员对电机进行检修维护,从源头上减少电机的运行噪声,提高电机实用效果。
Description
技术领域
本发明涉及电机技术领域,具体是一种模块化的电机隔声设备。
背景技术
电机是指依据电磁感应定律实现电能转换或传递的一种电磁装置,电机在电路中是用字母m(旧标准用d)表示,它的主要作用是产生驱动转矩,作为用电器或各种机械的动力源,发电机在电路中用字母g表示,它的主要作用是利用电能转化为机械能。电机是把电能转换成机械能的设备,在机械、冶金、石油、煤炭、化学、航空、交通、农业以及其他各工业中,电机得到广泛应用。
在理论上考虑,电机在运行的过程中应该不会发出任何的声响,所以在电机工作的过程中任何的声响都视为噪声,电机产生的噪声主要来源于三大类,电磁噪声、机械噪声和空气动力噪声,其中空气动力噪声主要来源于电机自身的散热扇叶在转动的过程中带来的噪声;目前市场上的电机,它包括壳体以及设置于壳体内的定子以及转子,转子连接有输出轴。传统电机的噪音较大,会与周侧的部件产生共振,会存在影响设备上的部件发生松动的现象,从而降低实用效果,基于以上不足,本发明提出一种模块化的电机隔声设备。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种模块化的电机隔声设备。
为实现上述目的,根据本发明的第一方面的实施例提出一种模块化的电机隔声设备,包括噪声采集模块、噪声处理模块、降噪评估模块、数据库、云平台以及预警分析模块;
所述噪声采集模块用于通过安装在电机壳体上的麦克风采集声音信号,作为噪声信号并将噪声信号传输至控制中心;所述控制中心接收到噪声信号后,若电机处于工作状态,则生成降噪指令至噪声处理模块;
所述噪声处理模块用于对噪声信号进行主次分类,并对主要噪声源进行滤波增益处理;所述噪声处理模块用于将噪声等级Dt以及噪声处理时长进行融合记录,得到噪声处理信息;
所述降噪评估模块用于根据噪声处理信息进行等级评估并将噪声处理级别打上时间戳存储至云平台;其中,噪声处理级别包括高级降噪处理、中级降噪处理以及低级降噪处理;
所述预警分析模块用于对云平台存储的带有时间戳的噪声处理级别进行预警分析,判断对应电机的运行隔音是否正常;具体分析步骤为:
根据时间戳,统计最近一月内对应电机的噪声处理频率并标记为N1;
将高级降噪处理、中级降噪处理以及低级降噪处理的次数占比依次标记为Zb1、Zb2、Zb3;利用公式GY=N1×(Zb1×3+Zb2×2+Zb3)×f计算得到对应电机的隔音预警值GY,其中f为系数因子;
将隔音预警值GY与设定预警阈值相比较,若GY≥设定预警阈值,则表明对应电机运行噪声问题严重,生成预警信号。
进一步地,所述噪声处理模块的具体处理步骤为:
获取噪声信号,将噪声信号转换为电信号;对转换的电信号进行数字信号处理;通过数字滤波得到电信号的频谱分布,通过数值的大小分析得到电信号的强度分布;
按照预设的采集间隔时长采集噪声信号的频率和强度;将噪声信号的频率标记为P1,将噪声信号的强度标记为P2;利用公式ZP=P1×a1+P2×a2计算得到噪声信号的降噪系数ZP,其中a1、a2为系数因子;
将降噪系数ZP与预设系数阈值相比较;若ZP≥预设系数阈值且持续时长超过第一时长阈值,则将对应的噪声信号标记为主要噪声源;否则,标记为次要噪声源。
进一步地,对主要噪声源进行滤波增益处理,具体包括:
获取所述主要噪声源的周期能量值并标记为Ei;建立周期能量值Ei随时间变化的曲线图,将周期能量值Ei与预设能量阈值相比较;
若Ei大于预设能量阈值,则在对应的曲线图中截取对应的曲线段并进行标注,记为超越曲线段;
统计超越曲线段的数量为C1;将超越曲线段上对应Ei与预设能量阈值的差值对时间进行积分并进行求和得到超越参考面积M1,利用公式CY=C1×a1+M1×a2计算得到噪声超越系数CY,其中a1、a2均为系数因子;
根据噪声超越系数CY确定所述主要噪声源的噪声等级,具体为:
数据库内存储有噪声超越系数范围与噪声等级的对照表;根据对照表,确定与噪声超越系数CY对应的噪声等级,并标记为Dt。
进一步地,所述周期能量值是指对接收到的连续多个比特位数据的能量进行累加并求平均所得到的值。
进一步地,所述降噪评估模块的具体评估步骤为:
获取噪声处理信息中对应的噪声等级Dt以及噪声处理时长Td,利用公式ZX=Dt×a3+Td×a4计算得到增益调值ZX,其中a3、a4为系数因子;
将增益调值ZX与预设阈值相比较,其中预设阈值包括Y1、Y2;其中Y1>Y2,Y1、Y2均为预设值;
当增益调值ZX≥Y1时,则将此次的噪声处理级别标记为高级降噪处理;当Y2≤增益调值ZX<Y1时,则将此次的噪声处理级别标记为中级降噪处理;当增益调值ZX<Y2时,则将此次的噪声处理级别标记为低级降噪处理。
进一步地,所述预警分析模块用于将预警信号传输到控制中心,控制中心接收到预警信号控制报警模块发出警报,并自动驱动显示模块显示“电机运行噪声问题严重,建议维护”,提示工作人员对电机进行检修维护。
与现有技术相比,本发明的有益效果是:
1、本发明中所述控制中心接收到噪声信号后,若电机处于工作状态,则生成降噪指令至噪声处理模块;所述噪声处理模块用于对噪声信号进行主次分类;根据噪声信号的频率和强度,计算得到噪声信号的降噪系数ZP;若ZP≥预设系数阈值且持续时长超过第一时长阈值,则将对应的噪声信号标记为主要噪声源;并对主要噪声源进行滤波增益处理,降低信噪比,减少信号噪点;并将噪声等级Dt以及噪声处理时长进行融合记录得到噪声处理信息;
2、所述降噪评估模块用于根据噪声处理信息进行等级评估;所述预警分析模块用于对云平台存储的带有时间戳的噪声处理级别进行预警分析,结合噪声处理频率以及高级降噪处理、中级降噪处理以及低级降噪处理的次数占比,计算得到对应电机的隔音预警值GY,若GY≥设定预警阈值,则表明对应电机运行噪声问题严重,生成预警信号,以提示工作人员对电机进行检修维护,从源头上减少电机的运行噪声,提高电机实用效果。
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为本发明一种模块化的电机隔声设备的原理框图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
如图1所示,一种模块化的电机隔声设备,包括噪声采集模块、控制中心、噪声处理模块、降噪评估模块、数据库、云平台、预警分析模块、报警模块以及显示模块;
噪声采集模块用于通过安装在电机壳体上的麦克风采集声音信号,作为噪声信号;并将噪声信号传输至控制中心;
控制中心接收到噪声信号后检测电机是否处于工作状态;若电机处于工作状态,则生成降噪指令至噪声处理模块;
噪声处理模块用于对噪声信号进行主次分类,并对主要噪声源进行滤波增益处理,降低信噪比,减少信号噪点;具体处理步骤为:
获取噪声信号,将噪声信号转换为电信号;对转换的电信号进行数字信号处理;通过数字滤波得到电信号的频谱分布,通过数值的大小分析得到电信号的强度分布;
按照预设的采集间隔时长采集噪声信号的频率和强度;将噪声信号的频率标记为P1,将噪声信号的强度标记为P2;利用公式ZP=P1×a1+P2×a2计算得到噪声信号的降噪系数ZP,其中a1、a2为系数因子;
将降噪系数ZP与预设系数阈值相比较;若ZP≥预设系数阈值且持续时长超过第一时长阈值,则将对应的噪声信号标记为主要噪声源;否则,标记为次要噪声源;
对主要噪声源进行滤波增益处理,并记录噪声处理信息;具体为:
获取主要噪声源的周期能量值并标记为Ei,周期能量值是指对接收到的连续多个比特位数据的能量进行累加并求平均所得到的值;
建立周期能量值Ei随时间变化的曲线图,将周期能量值Ei与预设能量阈值相比较;若Ei大于预设能量阈值,则在对应的曲线图中截取对应的曲线段并进行标注,记为超越曲线段;
统计超越曲线段的数量为C1;将超越曲线段上对应Ei与预设能量阈值的差值对时间进行积分并进行求和得到超越参考面积M1,利用公式CY=C1×a1+M1×a2计算得到噪声超越系数CY,其中a1、a2均为系数因子;
根据噪声超越系数CY确定主要噪声源的噪声等级,具体为:
数据库内存储有噪声超越系数范围与噪声等级的对照表;根据对照表,确定与噪声超越系数CY对应的噪声等级,并标记为Dt;
噪声处理模块用于将噪声等级Dt以及噪声处理时长进行融合记录得到噪声处理信息,并将噪声处理信息上传至降噪评估模块进行等级评估;降噪评估模块的具体评估步骤为:
获取噪声处理信息中对应的噪声等级Dt以及噪声处理时长Td,利用公式ZX=Dt×a3+Td×a4计算得到增益调值ZX,其中a3、a4为系数因子;
将增益调值ZX与预设阈值相比较,其中预设阈值包括Y1、Y2;其中Y1>Y2,Y1、Y2均为预设值;
当增益调值ZX≥Y1时,则将此次的噪声处理级别标记为高级降噪处理;
当Y2≤增益调值ZX<Y1时,则将此次的噪声处理级别标记为中级降噪处理;当增益调值ZX<Y2时,则将此次的噪声处理级别标记为低级降噪处理;
降噪评估模块用于将噪声处理级别打上时间戳存储至云平台;
预警分析模块用于对云平台存储的带有时间戳的噪声处理级别进行预警分析,判断对应电机的运行隔音是否正常;具体分析步骤为:
根据时间戳,统计最近一月内对应电机的噪声处理频率并标记为N1;
将高级降噪处理、中级降噪处理以及低级降噪处理的次数占比依次标记为Zb1、Zb2、Zb3;利用公式GY=N1×(Zb1×3+Zb2×2+Zb3)×f计算得到对应电机的隔音预警值GY,其中f为系数因子;
将隔音预警值GY与设定预警阈值相比较,若GY≥设定预警阈值,则表明对应电机运行噪声问题严重,生成预警信号;
预警分析模块用于将预警信号传输到控制中心,控制中心接收到预警信号控制报警模块发出警报,并自动驱动显示模块显示“电机运行噪声问题严重,建议维护”,提示工作人员对电机进行检修维护,从源头上减少电机的运行噪声,提高电机实用效果。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理:
一种模块化的电机隔声设备,在工作时,噪声采集模块用于通过安装在电机壳体上的麦克风采集声音信号,作为噪声信号;控制中心接收到噪声信号后,若电机处于工作状态,则生成降噪指令至噪声处理模块;噪声处理模块用于对噪声信号进行主次分类;根据噪声信号的频率和强度,计算得到噪声信号的降噪系数ZP;若ZP≥预设系数阈值且持续时长超过第一时长阈值,则将对应的噪声信号标记为主要噪声源;并对主要噪声源进行滤波增益处理,降低信噪比,减少信号噪点;
噪声处理模块还用于根据主要噪声源的周期能量值计算得到噪声超越系数CY,从而确定主要噪声源的噪声等级,并将噪声等级Dt以及噪声处理时长进行融合记录得到噪声处理信息;降噪评估模块用于根据噪声处理信息进行等级评估;预警分析模块用于对云平台存储的带有时间戳的噪声处理级别进行预警分析,结合噪声处理频率以及高级降噪处理、中级降噪处理以及低级降噪处理的次数占比,计算得到对应电机的隔音预警值GY,若GY≥设定预警阈值,则表明对应电机运行噪声问题严重,生成预警信号,以提示工作人员对电机进行检修维护,从源头上减少电机的运行噪声,提高电机实用效果。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种模块化的电机隔声设备,其特征在于,包括噪声采集模块、噪声处理模块、降噪评估模块、数据库、云平台以及预警分析模块;
所述噪声采集模块用于通过安装在电机壳体上的麦克风采集声音信号,作为噪声信号并将噪声信号传输至控制中心;所述控制中心接收到噪声信号后,若电机处于工作状态,则生成降噪指令至噪声处理模块;
所述噪声处理模块用于对噪声信号进行主次分类,并对主要噪声源进行滤波增益处理;所述噪声处理模块用于将噪声等级Dt以及噪声处理时长进行融合记录,得到噪声处理信息;
所述降噪评估模块用于根据噪声处理信息进行等级评估并将噪声处理级别打上时间戳存储至云平台;其中,噪声处理级别包括高级降噪处理、中级降噪处理以及低级降噪处理;
所述预警分析模块用于对云平台存储的带有时间戳的噪声处理级别进行预警分析,判断对应电机的运行隔音是否正常;具体分析步骤为:
根据时间戳,统计最近一月内对应电机的噪声处理频率并标记为N1;
将高级降噪处理、中级降噪处理以及低级降噪处理的次数占比依次标记为Zb1、Zb2、Zb3;利用公式GY=N1×(Zb1×3+Zb2×2+Zb3)×f计算得到对应电机的隔音预警值GY,其中f为系数因子;
将隔音预警值GY与设定预警阈值相比较,若GY≥设定预警阈值,则表明对应电机运行噪声问题严重,生成预警信号。
2.根据权利要求1所述的一种模块化的电机隔声设备,其特征在于,所述噪声处理模块的具体处理步骤为:
获取噪声信号,将噪声信号转换为电信号;对转换的电信号进行数字信号处理;通过数字滤波得到电信号的频谱分布,通过数值的大小分析得到电信号的强度分布;
按照预设的采集间隔时长采集噪声信号的频率和强度;将噪声信号的频率标记为P1,将噪声信号的强度标记为P2;利用公式ZP=P1×a1+P2×a2计算得到噪声信号的降噪系数ZP,其中a1、a2为系数因子;
将降噪系数ZP与预设系数阈值相比较;若ZP≥预设系数阈值且持续时长超过第一时长阈值,则将对应的噪声信号标记为主要噪声源;否则,标记为次要噪声源。
3.根据权利要求2所述的一种模块化的电机隔声设备,其特征在于,对主要噪声源进行滤波增益处理,具体包括:
获取所述主要噪声源的周期能量值并标记为Ei;建立周期能量值Ei随时间变化的曲线图,将周期能量值Ei与预设能量阈值相比较;
若Ei大于预设能量阈值,则在对应的曲线图中截取对应的曲线段并进行标注,记为超越曲线段;
统计超越曲线段的数量为C1;将超越曲线段上对应Ei与预设能量阈值的差值对时间进行积分并进行求和得到超越参考面积M1,利用公式CY=C1×a1+M1×a2计算得到噪声超越系数CY,其中a1、a2均为系数因子;
根据噪声超越系数CY确定所述主要噪声源的噪声等级,具体为:
数据库内存储有噪声超越系数范围与噪声等级的对照表;根据对照表,确定与噪声超越系数CY对应的噪声等级,并标记为Dt。
4.根据权利要求3所述的一种模块化的电机隔声设备,其特征在于,所述周期能量值是指对接收到的连续多个比特位数据的能量进行累加并求平均所得到的值。
5.根据权利要求3所述的一种模块化的电机隔声设备,其特征在于,所述降噪评估模块的具体评估步骤为:
获取噪声处理信息中对应的噪声等级Dt以及噪声处理时长Td,利用公式ZX=Dt×a3+Td×a4计算得到增益调值ZX,其中a3、a4为系数因子;
将增益调值ZX与预设阈值相比较,其中预设阈值包括Y1、Y2;其中Y1>Y2,Y1、Y2均为预设值;
当增益调值ZX≥Y1时,则将此次的噪声处理级别标记为高级降噪处理;当Y2≤增益调值ZX<Y1时,则将此次的噪声处理级别标记为中级降噪处理;当增益调值ZX<Y2时,则将此次的噪声处理级别标记为低级降噪处理。
6.根据权利要求1所述的一种模块化的电机隔声设备,其特征在于,所述预警分析模块用于将预警信号传输到控制中心,控制中心接收到预警信号控制报警模块发出警报,并自动驱动显示模块显示“电机运行噪声问题严重,建议维护”,提示工作人员对电机进行检修维护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211405883.5A CN115864719B (zh) | 2022-11-10 | 2022-11-10 | 一种模块化的电机隔声设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211405883.5A CN115864719B (zh) | 2022-11-10 | 2022-11-10 | 一种模块化的电机隔声设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115864719A true CN115864719A (zh) | 2023-03-28 |
CN115864719B CN115864719B (zh) | 2023-12-05 |
Family
ID=85663030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211405883.5A Active CN115864719B (zh) | 2022-11-10 | 2022-11-10 | 一种模块化的电机隔声设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115864719B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004219783A (ja) * | 2003-01-16 | 2004-08-05 | Konica Minolta Holdings Inc | 画像形成装置 |
KR20140098985A (ko) * | 2013-02-01 | 2014-08-11 | 배규호 | 진동 및 소음 경보 시스템 |
CN104716772A (zh) * | 2013-12-11 | 2015-06-17 | 北汽福田汽车股份有限公司 | 电动或混合动力汽车用电机主动降噪装置 |
CN112751602A (zh) * | 2020-12-18 | 2021-05-04 | 广州东峰通信科技有限公司 | 数字型一拖四微功率直放站 |
JP2021076383A (ja) * | 2019-11-05 | 2021-05-20 | Necプラットフォームズ株式会社 | 騒音監視システム、騒音レベル抑制方法および騒音レベル抑制プログラム |
CN112866869A (zh) * | 2021-04-09 | 2021-05-28 | 深圳市美恩微电子有限公司 | 一种通话时自动降噪的蓝牙耳机及其降噪方法 |
CN114063507A (zh) * | 2021-10-25 | 2022-02-18 | 合肥创农生物科技有限公司 | 基于智慧农业的远程设备控制系统及其控制方法 |
CN114285217A (zh) * | 2021-12-22 | 2022-04-05 | 安徽玖邦驱动科技有限公司 | 一种低噪音的减震防爆电机及其控制系统 |
CN114354106A (zh) * | 2022-02-09 | 2022-04-15 | 中大检测(湖南)股份有限公司 | 基于risc-v桥梁智能监测预警分析系统 |
CN115096373A (zh) * | 2022-08-09 | 2022-09-23 | 中大智能科技股份有限公司 | 一种基于传感器的桥梁工程健康检测系统 |
-
2022
- 2022-11-10 CN CN202211405883.5A patent/CN115864719B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004219783A (ja) * | 2003-01-16 | 2004-08-05 | Konica Minolta Holdings Inc | 画像形成装置 |
KR20140098985A (ko) * | 2013-02-01 | 2014-08-11 | 배규호 | 진동 및 소음 경보 시스템 |
CN104716772A (zh) * | 2013-12-11 | 2015-06-17 | 北汽福田汽车股份有限公司 | 电动或混合动力汽车用电机主动降噪装置 |
JP2021076383A (ja) * | 2019-11-05 | 2021-05-20 | Necプラットフォームズ株式会社 | 騒音監視システム、騒音レベル抑制方法および騒音レベル抑制プログラム |
CN112751602A (zh) * | 2020-12-18 | 2021-05-04 | 广州东峰通信科技有限公司 | 数字型一拖四微功率直放站 |
CN112866869A (zh) * | 2021-04-09 | 2021-05-28 | 深圳市美恩微电子有限公司 | 一种通话时自动降噪的蓝牙耳机及其降噪方法 |
CN114063507A (zh) * | 2021-10-25 | 2022-02-18 | 合肥创农生物科技有限公司 | 基于智慧农业的远程设备控制系统及其控制方法 |
CN114285217A (zh) * | 2021-12-22 | 2022-04-05 | 安徽玖邦驱动科技有限公司 | 一种低噪音的减震防爆电机及其控制系统 |
CN114354106A (zh) * | 2022-02-09 | 2022-04-15 | 中大检测(湖南)股份有限公司 | 基于risc-v桥梁智能监测预警分析系统 |
CN115096373A (zh) * | 2022-08-09 | 2022-09-23 | 中大智能科技股份有限公司 | 一种基于传感器的桥梁工程健康检测系统 |
Non-Patent Citations (1)
Title |
---|
梁国荣;谷爱昱;沈训欢;: "基于噪声源估计的电机故障诊断研究", 防爆电机, no. 04, pages 32 - 35 * |
Also Published As
Publication number | Publication date |
---|---|
CN115864719B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Daneshi-Far et al. | Review of failures and condition monitoring in wind turbine generators | |
CN110985309B (zh) | 偏航对风异常检测方法、装置、设备和存储介质 | |
CN104131950B (zh) | 一种风电机组温度特征量的阈值分区确定方法 | |
CN114200273B (zh) | 一种用于潜油电泵在线绝缘监测的故障预测系统 | |
WO2022048186A1 (zh) | 振动监控系统、风力发电系统及风电场 | |
JP7042448B2 (ja) | 状態監視システム、状態監視方法、及び状態監視プログラム | |
CN103758696A (zh) | 基于scada温度参数的风电机组安全状况评价方法 | |
CN103912448A (zh) | 一种区域风电场机组功率特性监测方法 | |
CN108460207A (zh) | 一种基于运行数据模型的发电机组的故障预警方法 | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN115238933B (zh) | 基于多点测量的风电机组惯量响应检测方法、装置和系统 | |
CN105065212A (zh) | 一种风电场风电机组校验方法及系统 | |
CN114184956B (zh) | 一种基于大数据管理的服役风力发电机组故障预测方法 | |
CN111267620A (zh) | 一种基于云计算的汽车电机运载监测控制系统 | |
El-Metwally et al. | Reliability assessment of wind turbine operating concepts using reliability block diagrams (RBDs) | |
CN115864719B (zh) | 一种模块化的电机隔声设备 | |
CN117006000A (zh) | 一种分离式风力发电机监测装置 | |
CN116205631A (zh) | 基于蜻蜓算法的vmd-ceemd风电机组齿轮箱振动故障解析方法 | |
CN217425721U (zh) | 一种多类型强对流天气靶向预报预警系统 | |
CN111102139B (zh) | 风机偏航卡钳报警方法和系统 | |
CN105932669B (zh) | 风功率波动分量分解器以及风电出力波动特性评估方法 | |
US20230184223A1 (en) | Method for predictive monitoring of the condition of wind turbines | |
Zhang et al. | Probability warning for wind turbine gearbox incipient faults based on SCADA data | |
Kaidis | Wind Turbine Reliability Prediction: A Scada Data Processing & Reliability Estimation Tool | |
CN104201712A (zh) | 一种基于空间平均风速的风电功率实时预测计算方法 |
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 |