CN115876511A - 一种旋转机械的故障确定方法、装置及电子设备 - Google Patents
一种旋转机械的故障确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115876511A CN115876511A CN202211718150.7A CN202211718150A CN115876511A CN 115876511 A CN115876511 A CN 115876511A CN 202211718150 A CN202211718150 A CN 202211718150A CN 115876511 A CN115876511 A CN 115876511A
- Authority
- CN
- China
- Prior art keywords
- scale component
- vibration
- component signal
- intrinsic scale
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 7
- 230000003595 spectral effect Effects 0.000 claims description 61
- 238000001914 filtration Methods 0.000 claims description 18
- 230000006798 recombination Effects 0.000 claims description 9
- 238000005215 recombination Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000007257 malfunction Effects 0.000 claims 1
- 238000012216 screening Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000012885 constant function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请提供了一种旋转机械的故障确定方法、装置及电子设备，旋转机械的故障确定方法包括：根据局部特征尺度分解算法，对振动信号进行信号分解，确定不同振动方向上的振动信号对应的多个内禀尺度分量信号；对不同振动方向对应的最优内禀尺度分量信号进行全矢谱信息融合，确定待检测旋转机械对应的全矢内禀尺度分量信号；针对全矢内禀尺度分量信号进行包络谱分析得到待检测旋转机械的轴承故障特征信息，并基于轴承故障特征信息确定待检测旋转机械是否故障。本申请实现了对多个振动方向上的多个内禀尺度分量信号的筛选，在降低故障漏判或误判的可能性的同时，简化了后期对振动信号的分析流程，提高了分析效率和判断待检测旋转机械故障方式的准确率。
Description
技术领域
本申请涉及机械故障检测技术领域，尤其是涉及一种旋转机械的故障确定方法、装置及电子设备。
背景技术
随着科技的进步，越来越多的旋转机械开始在特定的应用场景中被广泛的应用，因此，对于旋转机械的故障检测就显得尤为的重要。
然而，旋转机械的故障振动信号大部分是非线性和非平稳信号，而此时，传统的时域分析和频域分析方法会不可避免的有一定的局限性，由于旋转机械同一截面不同方向测得的振动信号存在差异性，因此，传统采集的故障振动信号并检测旋转机械故障方式的准确率较低，容易造成故障的漏判或误判，且分析方式较复杂，导致分析效率较低。
发明内容
有鉴于此，本申请的目的在于提供一种旋转机械的故障确定方法、装置及电子设备，实现了对多个振动方向上的多个内禀尺度分量信号的筛选，在降低了故障漏判或误判的可能性的同时，简化了后期对振动信号的分析流程，提高了分析效率和判断待检测旋转机械故障方式的准确率。
本申请实施例提供了一种旋转机械的故障确定方法，所述旋转机械的故障确定方法包括：
获取待检测旋转机械在不同振动方向上的振动信号，其中，不同振动方向用于表征相互垂直的两个振动方向；
根据局部特征尺度分解算法，对所述振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号；
基于各个所述内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值，确定每个振动方向对应的最优内禀尺度分量信号；
对不同振动方向对应的最优内禀尺度分量信号进行全矢谱信息融合，确定所述待检测旋转机械对应的全矢内禀尺度分量信号；
针对所述全矢内禀尺度分量信号进行包络谱分析得到所述待检测旋转机械的轴承故障特征信息，并基于所述轴承故障特征信息确定所述待检测旋转机械是否故障。
进一步的，基于各个所述内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值，确定每个振动方向对应的最优内禀尺度分量信号，包括：
根据各个内禀尺度分量信号与对应的振动信号之间的相关系数，确定每个振动方向对应的第一最大内禀尺度分量信号；
根据各个所述内禀尺度分量信号与对应的所述振动信号之间的峭度值，确定每个所述振动方向对应的第二最大内禀尺度分量信号；
针对每个所述振动方向上的所述第一最大内禀尺度分量信号和所述第二最大内禀尺度分量信号进行数据重组，确定每个所述振动方向对应的最优内禀尺度分量信号。
进一步的，所述针对每个所述振动方向上的所述第一最大内禀尺度分量信号和所述第二最大内禀尺度分量信号进行数据重组，确定每个所述振动方向对应的最优内禀尺度分量信号，包括：
针对每个振动方向上的第一最大内禀尺度分量信号和第二最大内禀尺度分量信号进行预设加权规则的数据加权重组，确定每个所述振动方向对应的目标内禀尺度分量信号；
针对每个所述振动方向对应的所述目标内禀尺度分量信号进行滤波处理，确定每个所述振动方向对应的目标内禀尺度分量信号。
进一步的，所述针对每个所述振动方向对应的所述目标内禀尺度分量信号进行滤波处理，确定每个所述振动方向对应的目标内禀尺度分量信号，包括：
基于预设谱峭度分析算法，对每个振动方向对应的所述目标内禀尺度分量信号进行谱峭度分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带；
根据所述中心频带对应的中心带宽和所述中心频带对应的中心频率，对每个所述目标内禀尺度分量信号进行滤波处理，确定每个振动方向对应的目标内禀尺度分量信号。
进一步的，所述基于预设谱峭度分析算法，对每个振动方向对应的所述目标内禀尺度分量信号进行谱峭度分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带，包括：
针对每个振动方向对应的目标内禀尺度分量信号按照频率进行图表绘制，确定每个振动方向上所述目标内禀尺度分量信号对应的谱峭度图；
根据预设谱峭度分析算法，对所述谱峭度图进行频率分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带。
进一步的，所述轴承故障特征信息包括轴承故障类型和轴承故障频率，所述基于所述轴承故障特征信息确定所述待检测旋转机械是否故障，包括：
将待检测旋转机械的所述轴承故障特征信息中的轴承故障频率与预设故障频率进行对比，确定所述待检测旋转机械是否故障；
若存在故障，且所述轴承故障频率在预设故障频率的预设阈值范围内，则确定所述待检测旋转机械存在与所述轴承故障特征信息对应的所述轴承故障类型的机械故障。
进一步的，在所述将待检测旋转机械的所述轴承故障特征信息中的轴承故障频率与预设故障频率进行对比，确定所述待检测旋转机械是否故障之后，所述旋转机械的故障确定方法还包括：
若所述轴承故障频率不在预设故障频率的预设阈值范围内，则确定所述待检测旋转机械不存在与所述轴承故障特征信息对应的所述轴承故障类型的机械故障。
本申请实施例还提供了一种旋转机械的故障确定装置，所述旋转机械的故障确定装置包括：
获取模块，用于获取待检测旋转机械在不同振动方向上的振动信号，其中，不同振动方向用于表征相互垂直的两个振动方向；
第一确定模块，用于根据局部特征尺度分解算法，对所述振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号；
第二确定模块，用于基于各个所述内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值，确定每个振动方向对应的最优内禀尺度分量信号；
第三确定模块，用于对不同振动方向对应的最优内禀尺度分量信号进行全矢谱信息融合，确定所述待检测旋转机械对应的全矢内禀尺度分量信号；
判断模块，用于针对所述全矢内禀尺度分量信号进行包络谱分析得到所述待检测旋转机械的轴承故障特征信息，并基于所述轴承故障特征信息确定所述待检测旋转机械是否故障。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的旋转机械的故障确定方法的步骤。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的旋转机械的故障确定方法的步骤。
本申请实施例提供的旋转机械的故障确定方法、装置及电子设备，与现有技术中的故障检测方法相比，本申请提供的实施例通过获取待检测旋转机械在不同振动方向上的振动信号，并根据局部特征尺度分解算法，对振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号，实现了对多个振动方向上的多个内禀尺度分量信号的筛选，在降低了故障漏判或误判的可能性的同时，简化了后期对振动信号的分析流程，提高了分析效率和判断待检测旋转机械故障方式的准确率，且本申请通过将不同振动方向上的最优内禀尺度分量信号进行全矢谱信息融合的方式，避免了单一通道的信号振动信号采集带来的信息不完整以及不确定性，进而全面、多角度的掌握待检测旋转机械的故障特征信息。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例所提供的一种旋转机械的故障确定方法的流程图之一；
图2示出了本申请实施例所提供的一种旋转机械的故障确定方法中全矢谱信息融合的流程图；
图3示出了本申请实施例所提供的一种旋转机械的故障确定方法的实施例的流程图；
图4示出了本申请实施例所提供的一种旋转机械的故障确定方法的流程图之二；
图5示出了本申请实施例所提供的一种旋转机械的故障确定装置的结构示意图；
图6示出了本申请实施例所提供的一种电子设备的结构示意图。
图中：
500-旋转机械的故障确定装置；510-获取模块；520-第一确定模块；530-第二确定模块；540-第三确定模块；550-判断模块；600-电子设备；610-处理器；620-存储器；630-总线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
首先，对本申请可适用的应用场景进行介绍。本申请可应用于机械故障检测技术领域。
经研究发现，旋转机械的故障振动信号大部分是非线性和非平稳信号，而此时，传统的时域分析和频域分析方法会不可避免的有一定的局限性，由于旋转机械同一截面不同方向测得的振动信号存在差异性，因此，传统采集的故障振动信号并检测旋转机械故障方式的准确率较低，容易造成故障的漏判或误判，且分析方式较复杂，导致分析效率较低。
基于此，本申请实施例提供了一种旋转机械的故障确定方法、装置及电子设备，实现了对多个内禀尺度分量信号的筛选，进而简化了后期对振动信号的分析流程，提高了分析效率，且提高了判断待检测旋转机械故障方式的准确率，降低了故障漏判或误判的可能性。
请参阅图1，图1为本申请实施例所提供的一种旋转机械的故障确定方法的流程图之一。如图1中所示，本申请实施例提供的旋转机械的故障确定方法，包括以下步骤：
S101、获取待检测旋转机械在不同振动方向上的振动信号，其中，不同振动方向用于表征相互垂直的两个振动方向。
该步骤中，通过在待检测旋转机械的轴承座上径向安装两个互相垂直方向上的传感器，用于获取待检测旋转机械在相互垂直的两个振动方向上的振动信号。
这里，本申请的实施例提供的相互垂直的两个振动方向上的振动信号可以具体表示为{x(t)}和{y(t)}。
S102、根据局部特征尺度分解算法，对所述振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号。
该步骤中，在获取到待检测旋转机械在相互垂直的两个振动方向上的振动信号之后，使用局部特征尺度分解算法对上述的两个振动信号分别进行分解，并确定每个振动方向上该振动信号对应的多个内禀尺度分量信号。
这里，局部特征尺度分解算法用于将一个复杂信号分解成若干个相互独立的内禀尺度分量信号之和，且局部特征尺度分解算法在迭代速度、分解能力以及抑制模态混叠等方面有一定优势。
其中，本申请的实施例提供的不同振动方向上的所述振动信号对应的多个内禀尺度分量信号可以具体表示为ISCxi和ISCyi。
这样，本申请的实施例中局部特征尺度分解算法分解确定ISCxi和ISCyi的过程具体如下：
1)确定振动信号{x(t)}和{y(t)}极值点Xk和Yk，极值点需满足：整个数据段内，极大值为正，极小值为负，且任意两个相邻的极大值与极小值之间呈现严格单调性；假设所有极值点为Xk，对应的时刻为τk，k＝1,2…M，M为极值数目；由任意两个相邻的极大(或小)值点(τk，Xk)、(τk+2，Xk+2)确定的直线
在二者之间的极值Xk+1对应的时刻τk+1处的函数值(记为Ak+1)与Xk+1的比值保持不变。更一般地，满足式：
αAk+1+(1-α)Xk+1＝0,α∈(0,1)；
其中，Ak+1用于表征极值；Xk+1用于表征对应的时刻；τk+1用于表征该时刻处的函数值，Xk+1用于表征振动信号{x(t)}的k+1个极值点；α用于表征(0,1)区间内的常数；通常情况下，式中参数α取：α＝0.5，此时
根据上述直线lk和Ak+1与Xk+1关系，可得
2)计算所有相邻的极大(或极小)值点(τk,Xk)和(τk+2,Xk+2)，并根据上述确定所有相邻的极大(或极小)值点(τk,Xk)和(τk+2,Xk+2)确定的直线lk。继续确定直线lk在二者之间的极值点Xk+1所对应的时刻τk+1处的函数值Ak+1，及对应的直线Lk+1的值，其中，Lk+1＝αAk+1+(1-α)Xk+1,，其中，k＝1,2,…,M-2，Ak+1为极值Xk+1对应的时刻τk+1处的函数值，Xk+1为振动信号{x(t)}的k+1个极值点，α为(0,1)区间内的常数。
3)采用三次样条函数拟合所有的L1,L2,…LM，得到基线BL1(t)。
4)将基线信号BL1(t)从振动信号{x(t)}中分离，即h1(t)＝x(t)-BL1(t)；其中，x(t)为振动信号{x(t)}，BL1(t)为基线信号，h1(t)表示从振动信号分离基线信号后的余量；如果h1(t)满足条件预设内禀尺度分量信号分解条件，则h1(t)记为第一个内禀尺度分量信号(ISC)，输出h1(t)，并令ISC1＝h1(t)，否则将h1(t)继续作为振动信号{x(t)}，重复步骤2)-4)，循环k次，直至h1k(t)满足预设内禀尺度分量信号分解条件。
上述中预设内禀尺度分量信号分解条件为：h1k(t)＝h1(k-1)(t)-BL1(k-1)(t)。
这里，将h1k(t)记为第一个内禀尺度分量信号，并令I1(t)＝h1k(t)；其中内禀尺度分量信号的判据条件，采用基于Cauchy准则的标准偏差法(Standard Deviation，SD)为代表的终止条件进行判定。
SD的公式为：
其中，T表示时间长度，hik(t)表示第k个从原信号分离基线信号后的余量，hi(k-1)(t)表示第k-1个从原信号分离基线信号后的余量，SD表示终止判据数值；为了得到理想ISC的内禀尺度分量信号，一般SD取值不大于0.3，即当SD≤0.3时，则认为h1k(t)满足预设内禀尺度分量信号条件，此时，停止迭代。
5)将I1分量从振动信号x(t)中分离，得到剩余信号u1(t)，即u1(t)＝x(t)-I1(t)，再将u1(t)视为振动信号，重复上述步骤1)-5)，直至un(t)为单调或常函数，依次得到内禀尺度分量信号I1(t),I2(t),…,In(t)和趋势项un(t)。
6)振动信号x(t)即分解为n个内禀尺度分量信号和一个趋势项un(t)之和，即：
S103、基于各个所述内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值，确定每个振动方向对应的最优内禀尺度分量信号。
该步骤中，在确定每个不同振动方向上的各个内禀尺度分量信号之后，需要确定各个振动方向对应的最优内禀尺度分量信号，因此，本申请提供的实施例中是通过内禀尺度分量信号与对应的振动信号之间的相关系数和峭度值确定的。
这里，需要确定与待检测旋转机械的振动信号最接近的内禀尺度分量信号为最优内禀尺度分量信号。
其中，在确定最优内禀尺度分量信号后，即可通过直接对最优内禀尺度分量信号进行解析分析即可，无需对多个内禀尺度分量信号全部进行解析分析这样，不仅缩短了信号解析的时间，还大大的提升了待检测旋转机械进行故障分析的准群率和效率。
这样，如何确定待检测旋转机械是否故障来代表相同振动方向上的多个内禀尺度分量信号来解析分析故障就显得尤为重要。
可选的，步骤S103包括以下子步骤：
子步骤1031、根据各个内禀尺度分量信号与对应的振动信号之间的相关系数，确定每个振动方向对应的第一最大内禀尺度分量信号。
该步骤中，根据各个内禀尺度分量信号与对应的振动信号之间的相似度，确定个内禀尺度分量信号与对应的振动信号之间的相关系数，并将相关系数最大的一个最大内禀尺度分量信号，确定为对应振动方向上的第一最大内禀尺度分量信号。
子步骤1032、根据各个所述内禀尺度分量信号与对应的所述振动信号之间的峭度值，确定每个所述振动方向对应的第二最大内禀尺度分量信号。
该步骤中，将内禀尺度分量信号与振动信号之间的峭度值最大的一个内禀尺度分量信号，确定为所述振动方向对应的第二最大内禀尺度分量信号。
可选的，子步骤1032包括以下子步骤：
子步骤10321、针对每个振动方向上的第一最大内禀尺度分量信号和第二最大内禀尺度分量信号进行预设加权规则的数据加权重组，确定每个所述振动方向对应的最优内禀尺度分量信号。
该步骤中，将相互垂直的两个振动方向中任一振动方向上的第一最大内禀尺度分量信号和第二最大内禀尺度分量信号按照预设加权规则进行对应的数据加权重组，确定每个所述振动方向对应的最优内禀尺度分量信号。
这里，预设加权规则可以根据不同的使用场景、不同的使用需求以及不同的使用环境进行自定义的比例设置。
可选的，子步骤10321包以下子步骤：
子步骤103211、基于预设谱峭度分析算法，对每个振动方向对应的所述目标内禀尺度分量信号进行谱峭度分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带。
该步骤中，使用预设谱峭度分析算法对每个振动方向对应的所述目标内禀尺度分量信号进行谱峭度分析，能够准确地确定谱峭度值最大位置出的目标内禀尺度分量信号所在的中心频段和该中心频段的带宽。
这里，通过预设谱峭度分析算法确定中心频段和该中心频段的带宽的方式可以避免传统的人为选取滤波频带来的信息截取不全的问题，进而提升了故障诊断的准确性。
其中，预设谱峭度分析算法一方面具有反映瞬态冲击强弱的谱峭度指标，另一方面能自动确定谱峭度值最大频段所在的最佳的中心频率和带宽。
这样，瞬态冲击控制可以在实验室的振动台系统上模拟一些实测的瞬态冲击。
子步骤103212、根据所述中心频带对应的中心带宽和所述中心频带对应的中心频率，对每个所述目标内禀尺度分量信号进行滤波处理，确定每个振动方向对应的最优内禀尺度分量信号。
这里，所述基于预设谱峭度分析算法，对每个振动方向对应的所述目标内禀尺度分量信号进行谱峭度分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带，包括以下子步骤：
子步骤1、针对每个振动方向对应的目标内禀尺度分量信号按照频率进行图表绘制，确定每个振动方向上所述目标内禀尺度分量信号对应的谱峭度图。
这里，确定目标内禀尺度分量信号对应的谱峭度图中最大峭度所在位置及拟合程度最高的快速谱峭度分解层数。
子步骤2、根据预设谱峭度分析算法，对所述谱峭度图进行频率分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带。
这里，基于谱峭度图中最大峭度所在位置及拟合程度最高的快速谱峭度分解层数，将谱峭度图中谱峭度最大的目标内禀尺度分量信号的频率段为中心频带。
上述中，峭度值的计算公式为：
式中，i用于表示第i组内禀尺度分量序列，N用于表示内禀尺度分量序列的数量，Ii＝ISCxi或ISCyi，Ii用于表示原始振动信号{xi}或{yi}分解后对应的第i组内禀尺度分量。
相关系数计算公式为：
式中，i用于表示第i组内禀尺度分量序列，N用于表示内禀尺度分量序列的数量，Ii＝ISCxi或ISCyi，Ii用于表示原始振动信号{xi}或{yi}分解后对应的第i组内禀尺度分量，xi用于表示原始振动信号{xi}的第i个分量序列值。
接着，对重构信号ISCxo、ISCyo应用快速谱峭度分析，计算最大峭度所在位置及拟合程度最高的快速谱峭度分解层数，快速谱峭度分析的具体过程如下：
1)设计高通滤波器h1(t)和低通滤波器h0(t)：
式中：h(t)表示标准FIR低通滤波器，其中，截止频率为1/8(归一化频率)。
2)利用高通滤波器和低通滤波器对目标内禀尺度分量信号滤波处理，然后对滤波后的目标内禀尺度分量信号进行降采样，反复迭代进行，得到相应的滤波结果。
3)计算每次迭代所得结果的谱峭度值，其计算公式为：
其中，
用于表示第k层第i个滤波器所得到的滤波结果。
4)结合上述步骤3)得到的谱峭度，构造目标内禀尺度分量信号x(t)的谱峭度图，同理，继续构造目标内禀尺度分量信号y(t)的谱峭度图，谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带，然后使用带通滤波器按照该中心频带对最优内禀尺度分量信号ISCxo、ISCyo进行滤波处理。
子步骤10322、针对每个所述振动方向对应的所述目标内禀尺度分量信号进行滤波处理，确定每个所述振动方向对应的最优内禀尺度分量信号。
子步骤1033、针对每个所述振动方向上的所述第一最大内禀尺度分量信号和所述第二最大内禀尺度分量信号进行数据重组，确定每个所述振动方向对应的最优内禀尺度分量信号。
该步骤中，假设所述振动方向上的所述第一最大内禀尺度分量信号为ISCxk，第二最大内禀尺度分量信号为ISCyi，将ISCxk和ISCyi进行数据重组，舍弃相关系数和峭度值较小的最大内禀尺度分量信号，生成最优内禀尺度分量信号ISCxo和ISCyo。
S104、对不同振动方向对应的最优内禀尺度分量信号进行全矢谱信息融合，确定所述待检测旋转机械对应的全矢内禀尺度分量信号。
该步骤中，将不同振动方向对应的最优内禀尺度分量信号进行全矢谱信息融合，确定待检测旋转机械对应的全矢内禀尺度分量信号ISCzo。
这里，全矢谱信息融合为众多信息融合中的一种，信息融合就是指在空间或者时间上，多个传感器得到的信息，依据某种准则进行组合，从而获得比它原本各组成部分所构成的系统更为优越的性能，相比单一通道，同源融合后的信息，极大限度提升了可靠性，数据在时间和空间上得到很好展示。
这里，请参阅图2，图2为本申请实施例所提供的一种旋转机械的故障确定方法中全矢谱信息融合的流程图。如图2中所示，本申请提供的实施例中的全矢谱信息融合的具体过程如下：
1)通过安装不同振动方向的振动传感器采集对应的振动信号。
2)分别确定不同振动方向的最优内禀尺度分量信号Xk和Yk，其中，
/>
3)对应的最优内禀尺度分量信号ISCxo和ISCyo组成新的复信号{Zn},{Zn}＝{xn}+j{yn}，其中xn＝ISCxo；yn＝ISCyo。
4)对融合信号进行一次傅里叶变换(FFT)得到可得其离散傅里叶变换序列{Zk}。由傅立叶变换的性质，分别设定ZRk为Zk的实部序列，ZIk为Zk的虚部序列，可以推出：
式中RLk表示本谐波下旋转机械椭圆运动轨迹的长半轴即本谐波下的主振矢，RSk表示本谐波下的副振矢，
表示椭圆轴心轨迹的相位角，αk表示长半轴与x轴之间的夹角。
通过上述计算过程可以看出，该算法对于双通道的信号信息，相互垂直的通道信号构成一个复信号，只需对复信号进行一次傅里叶变换，即可得到各谐波下全矢谱的特征信息，大大减少了计算量。
S105、针对所述全矢内禀尺度分量信号进行包络谱分析得到所述待检测旋转机械的轴承故障特征信息，并基于所述轴承故障特征信息确定所述待检测旋转机械是否故障。
该步骤中，将全矢内禀尺度分量信号运用希尔比特变换(Hilbert)进行包络解调，实现对全矢内禀尺度分量信号中特征信息的解调。
这里，在将全矢内禀尺度分量信号中特征信息解调出后，将解调后的全矢内禀尺度分量信号进行对应的频域变换，得到与所述全矢内禀尺度分量信号对应的精确度较高的特征信息，然后将上述精确度较高的特征信息与对应轴承的预设故障频率进行对比，确定待检测旋转机械是否故障，以及该待检测旋转机械的轴承对应的故障类型。
这里，请参阅图3，图3为一种旋转机械的故障确定方法的实施例的流程图。如图3中所示，本申请提供的实施例中的全旋转机械的故障确定方法的具体过程如下：
1、通过安装不同振动方向的振动传感器采集对应的振动信号。
2、局部特征尺度分解，具体为将振动信号进行局部特征尺度分解，确定多个内禀尺度分量信号。
3、计算相关系数和峭度值，具体为各个内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值。
4、分量筛选，具体为针对各个内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值进行筛选，确定最优内禀尺度分量信号。
5、谱峭度分析，具体为在确定不同振动方向的目标内禀尺度分量信号后，针对每个目标内禀尺度分量信号进行谱峭度分析。
7、最优平频带通滤波，具体为，根据中心频带对应的中心带宽和中心频带对应的中心频率，对每个所述目标内禀尺度分量信号进行滤波处理，确定最优内禀尺度分量信号。
8、全矢谱信息融合，具体为针对两个最优内禀尺度分量信号进行全矢谱信息融合。
9、确定全矢内禀尺度分量信号。
10、包络解调分析，具体为针对全矢内禀尺度分量信号进行包络解调分析。
11、根据分析结果，判断待检测旋转机械的轴承是否故障，并确定故障类型。
本申请实施例提供的旋转机械的故障确定方法，与现有技术中的故障检测方法相比，本申请提供的实施例通过获取待检测旋转机械在不同振动方向上的振动信号，并根据局部特征尺度分解算法，对振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号，实现了对多个振动方向上的多个内禀尺度分量信号的筛选，在降低了故障漏判或误判的可能性的同时，简化了后期对振动信号的分析流程，提高了分析效率和判断待检测旋转机械故障方式的准确率，且本申请通过将不同振动方向上的最优内禀尺度分量信号进行全矢谱信息融合的方式，避免了单一通道的信号振动信号采集带来的信息不完整以及不确定性，进而全面、多角度的掌握待检测旋转机械的故障特征信息。
请参阅图4，图4为本申请实施例所提供的一种旋转机械的故障确定方法的流程图之二。如图4中所示，本申请实施例提供的旋转机械的故障确定方法，包括以下步骤：
S401、获取待检测旋转机械在不同振动方向上的振动信号，其中，不同振动方向用于表征相互垂直的两个振动方向。
S402、根据局部特征尺度分解算法，对所述振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号。
S403、基于各个所述内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值，确定每个振动方向对应的最优内禀尺度分量信号。
S404、对不同振动方向对应的最优内禀尺度分量信号进行全矢谱信息融合，确定所述待检测旋转机械对应的全矢内禀尺度分量信号。
S405、将待检测旋转机械的所述轴承故障特征信息中的轴承故障频率与预设故障频率进行对比，确定所述待检测旋转机械是否故障。
S406、若存在故障，且所述轴承故障频率在预设故障频率的预设阈值范围内，则确定所述待检测旋转机械存在与所述轴承故障特征信息对应的所述轴承故障类型的机械故障。
这里，若所述轴承故障频率不在预设故障频率的预设阈值范围内，则确定所述待检测旋转机械不存在与所述轴承故障特征信息对应的所述轴承故障类型的机械故障。
其中，S401至S404的描述可以参照S101至S104的描述，并且能达到相同的技术效果，对此不做赘述。
本申请实施例提供的旋转机械的故障确定方法，与现有技术中的故障检测方法相比，本申请提供的实施例通过获取待检测旋转机械在不同振动方向上的振动信号，并根据局部特征尺度分解算法，对振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号，实现了对多个振动方向上的多个内禀尺度分量信号的筛选，在降低了故障漏判或误判的可能性的同时，简化了后期对振动信号的分析流程，提高了分析效率和判断待检测旋转机械故障方式的准确率，且本申请通过将不同振动方向上的最优内禀尺度分量信号进行全矢谱信息融合的方式，避免了单一通道的信号振动信号采集带来的信息不完整以及不确定性，进而全面、多角度的掌握待检测旋转机械的故障特征信息。
请参阅图5，图5为本申请实施例所提供的一种旋转机械的故障确定装置的结构示意图。如图5中所示，所述旋转机械的故障确定装置500包括：
获取模块510，用于获取待检测旋转机械在不同振动方向上的振动信号，其中，不同振动方向用于表征相互垂直的两个振动方向。
第一确定模块520，用于根据局部特征尺度分解算法，对所述振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号。
可选的，所述第一确定模块520，具体用于：根据各个内禀尺度分量信号与对应的振动信号之间的相关系数，确定每个振动方向对应的第一最大内禀尺度分量信号。
根据各个所述内禀尺度分量信号与对应的所述振动信号之间的峭度值，确定每个所述振动方向对应的第二最大内禀尺度分量信号。
针对每个所述振动方向上的所述第一最大内禀尺度分量信号和所述第二最大内禀尺度分量信号进行数据重组，确定每个所述振动方向对应的最优内禀尺度分量信号。
可选的，所述针对每个所述振动方向上的所述第一最大内禀尺度分量信号和所述第二最大内禀尺度分量信号进行数据重组，确定每个所述振动方向对应的最优内禀尺度分量信号，包括：
针对每个振动方向上的第一最大内禀尺度分量信号和第二最大内禀尺度分量信号进行预设加权规则的数据加权重组，确定每个所述振动方向对应的目标内禀尺度分量信号。
针对每个所述振动方向对应的所述目标内禀尺度分量信号进行滤波处理，确定每个所述振动方向对应的目标内禀尺度分量信号。
可选的，所述针对每个所述振动方向对应的所述目标内禀尺度分量信号进行滤波处理，确定每个所述振动方向对应的目标内禀尺度分量信号，包括：
基于预设谱峭度分析算法，对每个振动方向对应的所述目标内禀尺度分量信号进行谱峭度分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带。
根据所述中心频带对应的中心带宽和所述中心频带对应的中心频率，对每个所述目标内禀尺度分量信号进行滤波处理，确定每个振动方向对应的目标内禀尺度分量信号。
可选的，所述基于预设谱峭度分析算法，对每个振动方向对应的所述目标内禀尺度分量信号进行谱峭度分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带，包括：
针对每个振动方向对应的目标内禀尺度分量信号按照频率进行图表绘制，确定每个振动方向上所述目标内禀尺度分量信号对应的谱峭度图。
根据预设谱峭度分析算法，对所述谱峭度图进行频率分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带。
第二确定模块530，用于基于各个所述内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值，确定每个振动方向对应的最优内禀尺度分量信号。
第三确定模块540，用于对不同振动方向对应的最优内禀尺度分量信号进行全矢谱信息融合，确定所述待检测旋转机械对应的全矢内禀尺度分量信号。
判断模块550，用于针对所述全矢内禀尺度分量信号进行包络谱分析得到所述待检测旋转机械的轴承故障特征信息，并基于所述轴承故障特征信息确定所述待检测旋转机械是否故障。
可选的，所述判断模块550，具体用于：
将待检测旋转机械的所述轴承故障特征信息中的轴承故障频率与预设故障频率进行对比，确定所述待检测旋转机械是否故障。
若存在故障，且所述轴承故障频率在预设故障频率的预设阈值范围内，则确定所述待检测旋转机械存在与所述轴承故障特征信息对应的所述轴承故障类型的机械故障。
若所述轴承故障频率不在预设故障频率的预设阈值范围内，则确定所述待检测旋转机械不存在与所述轴承故障特征信息对应的所述轴承故障类型的机械故障。
本申请实施例提供的旋转机械的故障确定装置500，与现有技术中的故障检测装置相比，本申请提供的实施例通过获取待检测旋转机械在不同振动方向上的振动信号，并根据局部特征尺度分解算法，对振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号，实现了对多个振动方向上的多个内禀尺度分量信号的筛选，在降低了故障漏判或误判的可能性的同时，简化了后期对振动信号的分析流程，提高了分析效率和判断待检测旋转机械故障方式的准确率，且本申请通过将不同振动方向上的最优内禀尺度分量信号进行全矢谱信息融合的方式，避免了单一通道的信号振动信号采集带来的信息不完整以及不确定性，进而全面、多角度的掌握待检测旋转机械的故障特征信息。
请参阅图6，图6为本申请实施例所提供的一种电子设备的结构示意图。如图6中所示，所述电子设备600包括处理器610、存储器620和总线630。
所述存储器620存储有所述处理器610可执行的机器可读指令，当电子设备600运行时，所述处理器610与所述存储器620之间通过总线630通信，所述机器可读指令被所述处理器610执行时，可以执行如上述图1至图4所示方法实施例中的旋转机械的故障确定方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1至图4所示方法实施例中的旋转机械的故障确定方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种旋转机械的故障确定方法，其特征在于，所述旋转机械的故障确定方法包括：
获取待检测旋转机械在不同振动方向上的振动信号，其中，不同振动方向用于表征相互垂直的两个振动方向；
根据局部特征尺度分解算法，对所述振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号；
基于各个所述内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值，确定每个振动方向对应的最优内禀尺度分量信号；
对不同振动方向对应的最优内禀尺度分量信号进行全矢谱信息融合，确定所述待检测旋转机械对应的全矢内禀尺度分量信号；
针对所述全矢内禀尺度分量信号进行包络谱分析得到所述待检测旋转机械的轴承故障特征信息，并基于所述轴承故障特征信息确定所述待检测旋转机械是否故障。
2.根据权利要求1所述的旋转机械的故障确定方法，其特征在于，基于各个所述内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值，确定每个振动方向对应的最优内禀尺度分量信号，包括：
根据各个内禀尺度分量信号与对应的振动信号之间的相关系数，确定每个振动方向对应的第一最大内禀尺度分量信号；
根据各个所述内禀尺度分量信号与对应的所述振动信号之间的峭度值，确定每个所述振动方向对应的第二最大内禀尺度分量信号；
针对每个所述振动方向上的所述第一最大内禀尺度分量信号和所述第二最大内禀尺度分量信号进行数据重组，确定每个所述振动方向对应的最优内禀尺度分量信号。
3.根据权利要求2所述的旋转机械的故障确定方法，其特征在于，所述针对每个所述振动方向上的所述第一最大内禀尺度分量信号和所述第二最大内禀尺度分量信号进行数据重组，确定每个所述振动方向对应的最优内禀尺度分量信号，包括：
针对每个振动方向上的第一最大内禀尺度分量信号和第二最大内禀尺度分量信号进行预设加权规则的数据加权重组，确定每个所述振动方向对应的目标内禀尺度分量信号；
针对每个所述振动方向对应的所述目标内禀尺度分量信号进行滤波处理，确定每个所述振动方向对应的最优内禀尺度分量信号。
4.根据权利要求3所述的旋转机械的故障确定方法，其特征在于，所述针对每个所述振动方向对应的所述目标内禀尺度分量信号进行滤波处理，确定每个所述振动方向对应的最优内禀尺度分量信号，包括：
基于预设谱峭度分析算法，对每个振动方向对应的所述目标内禀尺度分量信号进行谱峭度分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带；
根据所述中心频带对应的中心带宽和所述中心频带对应的中心频率，对每个所述目标内禀尺度分量信号进行滤波处理，确定每个振动方向对应的最优内禀尺度分量信号。
5.根据权利要求4所述的旋转机械的故障确定方法，其特征在于，所述基于预设谱峭度分析算法，对每个振动方向对应的所述目标内禀尺度分量信号进行谱峭度分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带，包括：
针对每个振动方向对应的目标内禀尺度分量信号按照频率进行图表绘制，确定每个振动方向上所述目标内禀尺度分量信号对应的谱峭度图；
根据预设谱峭度分析算法，对所述谱峭度图进行频率分析，确定谱峭度最大的所述目标内禀尺度分量信号的频率段为中心频带。
6.根据权利要求1所述的旋转机械的故障确定方法，其特征在于，所述轴承故障特征信息包括轴承故障类型和轴承故障频率，所述基于所述轴承故障特征信息确定所述待检测旋转机械是否故障，包括：
将待检测旋转机械的所述轴承故障特征信息中的轴承故障频率与预设故障频率进行对比，确定所述待检测旋转机械是否故障；
若存在故障，且所述轴承故障频率在预设故障频率的预设阈值范围内，则确定所述待检测旋转机械存在与所述轴承故障特征信息对应的所述轴承故障类型的机械故障。
7.根据权利要求6所述的旋转机械的故障确定方法，其特征在于，在所述将待检测旋转机械的所述轴承故障特征信息中的轴承故障频率与预设故障频率进行对比，确定所述待检测旋转机械是否故障之后，所述旋转机械的故障确定方法还包括：
若所述轴承故障频率不在预设故障频率的预设阈值范围内，则确定所述待检测旋转机械不存在与所述轴承故障特征信息对应的所述轴承故障类型的机械故障。
8.一种旋转机械的故障确定装置，其特征在于，所述旋转机械的故障确定装置包括：
获取模块，用于获取待检测旋转机械在不同振动方向上的振动信号，其中，不同振动方向用于表征相互垂直的两个振动方向；
第一确定模块，用于根据局部特征尺度分解算法，对所述振动信号进行信号分解，确定不同振动方向上的所述振动信号对应的多个内禀尺度分量信号；
第二确定模块，用于基于各个所述内禀尺度分量信号与对应的所述振动信号之间的相关系数和峭度值，确定每个振动方向对应的最优内禀尺度分量信号；
第三确定模块，用于对不同振动方向对应的最优内禀尺度分量信号进行全矢谱信息融合，确定所述待检测旋转机械对应的全矢内禀尺度分量信号；
判断模块，用于针对所述全矢内禀尺度分量信号进行包络谱分析得到所述待检测旋转机械的轴承故障特征信息，并基于所述轴承故障特征信息确定所述待检测旋转机械是否故障。
9.一种电子设备，一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1-7任一所述的旋转机械的故障确定方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-7任一所述的旋转机械的故障确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211718150.7A CN115876511A (zh) | 2022-12-29 | 2022-12-29 | 一种旋转机械的故障确定方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211718150.7A CN115876511A (zh) | 2022-12-29 | 2022-12-29 | 一种旋转机械的故障确定方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115876511A true CN115876511A (zh) | 2023-03-31 |
Family
ID=85757386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211718150.7A Pending CN115876511A (zh) | 2022-12-29 | 2022-12-29 | 一种旋转机械的故障确定方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115876511A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104165759A (zh) * | 2014-06-17 | 2014-11-26 | 中州大学 | 一种基于复局部均值分解的转子碰摩故障特征提取方法 |
| CN104634571A (zh) * | 2015-02-06 | 2015-05-20 | 北京航空航天大学 | 一种基于lcd-mf的滚动轴承故障诊断方法 |
| CN108020405A (zh) * | 2017-11-20 | 2018-05-11 | 郑州工程技术学院 | 一种油膜振荡二维及三维瞬时特征提取方法及装置 |
| CN108051189A (zh) * | 2017-11-20 | 2018-05-18 | 郑州工程技术学院 | 一种旋转机械故障特征提取方法及装置 |
| CN114923689A (zh) * | 2022-03-25 | 2022-08-19 | 江苏科技大学 | 一种基于局部特征尺度分解的滚动轴承故障诊断方法 |
| CN115060493A (zh) * | 2022-05-06 | 2022-09-16 | 金川集团股份有限公司 | 一种基于lcd的相关系数轴承声发射信号降噪法 |
-
2022
- 2022-12-29 CN CN202211718150.7A patent/CN115876511A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104165759A (zh) * | 2014-06-17 | 2014-11-26 | 中州大学 | 一种基于复局部均值分解的转子碰摩故障特征提取方法 |
| CN104634571A (zh) * | 2015-02-06 | 2015-05-20 | 北京航空航天大学 | 一种基于lcd-mf的滚动轴承故障诊断方法 |
| CN108020405A (zh) * | 2017-11-20 | 2018-05-11 | 郑州工程技术学院 | 一种油膜振荡二维及三维瞬时特征提取方法及装置 |
| CN108051189A (zh) * | 2017-11-20 | 2018-05-18 | 郑州工程技术学院 | 一种旋转机械故障特征提取方法及装置 |
| CN114923689A (zh) * | 2022-03-25 | 2022-08-19 | 江苏科技大学 | 一种基于局部特征尺度分解的滚动轴承故障诊断方法 |
| CN115060493A (zh) * | 2022-05-06 | 2022-09-16 | 金川集团股份有限公司 | 一种基于lcd的相关系数轴承声发射信号降噪法 |
Non-Patent Citations (3)
| Title |
|---|
| TENGFEI GUAN等: "Rolling Bearing Fault Diagnosis Based on Component Screening Vector Local Characteristic-Scale Decomposition", SHOCK AND VIBRATION, pages 1 - 5 * |
| 黄传金 等: "LCD全矢包络谱及其在轴承故障特征提取中的应用", 微特电机, pages 0 - 4 * |
| 黄传金 等: "全矢局部特征尺度分解及其在转子碰摩故障特征提取中的应用", 机械强度, pages 1 - 4 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110839016B (zh) | 异常流量监测方法、装置、设备及存储介质 | |
| CN111189639B (zh) | 一种基于瞬时频率优化vmd的轴承故障诊断方法 | |
| CN107025153B (zh) | 磁盘的故障预测方法和装置 | |
| CN109520738B (zh) | 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法 | |
| US20150219530A1 (en) | Systems and methods for event detection and diagnosis | |
| WO2007067471A1 (en) | Evaluating anomaly for one-class classifiers in machine condition monitoring | |
| CN110717472B (zh) | 基于改进的小波阈值去噪的故障诊断方法及系统 | |
| CN111193627A (zh) | 信息处理方法、装置、设备及存储介质 | |
| CN111353131A (zh) | 一种码载偏离度阈值计算的方法 | |
| CN113490857B (zh) | 方法和测试设备 | |
| CN115876511A (zh) | 一种旋转机械的故障确定方法、装置及电子设备 | |
| US9378082B1 (en) | Diagnosis of storage system component issues via data analytics | |
| JP2008097361A (ja) | 異常監視装置 | |
| KR101697954B1 (ko) | 기어의 고장 진단 및 구분 방법 | |
| US20070053595A1 (en) | Multi-resolution signal decomposition level selection | |
| CN115685037A (zh) | 一种电流传感器的故障检测方法、装置及介质 | |
| CN114993671A (zh) | 一种基于q因子小波变换的振动故障诊断方法及其系统 | |
| CN112161807A (zh) | 一种变速齿轮箱的故障诊断方法、装置及存储介质 | |
| CN112347966B (zh) | 一种设备物理指纹的提取方法、装置、电子设备和存储介质 | |
| CN114109794B (zh) | 转向确定方法、装置、可读存储介质和空气调节设备 | |
| CN113609207B (zh) | 一种边坡形变监测数据的数据预处理方法 | |
| CN117271980B (zh) | 钻进数据处理方法、装置、电子设备及存储介质 | |
| CN113283454B (zh) | 地震属性的处理方法、装置、计算机设备及可读存储介质 | |
| CN117640346B (zh) | 一种通信设备故障诊断方法、存储介质及计算机设备 | |
| CN110554791A (zh) | 触控面板信号检测方法及装置 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240625 Address after: 450001 No.149, science Avenue, high tech Zone, Zhengzhou City, Henan Province Applicant after: Zheng Ji Suo (Zhengzhou) Transmission Technology Co.,Ltd. Country or region after: China Address before: 450001 149 science Road, Zhengzhou high tech Industrial Development Zone, Zhengzhou, Henan Applicant before: ZHENGZHOU RESEARCH INSTITUTE OF MECHANICAL ENGINEERING Co.,Ltd. Country or region before: China |