CN116070154A - 一种大型轴承保持器的故障检测方法、设备及介质 - Google Patents
一种大型轴承保持器的故障检测方法、设备及介质 Download PDFInfo
- Publication number
- CN116070154A CN116070154A CN202310314708.3A CN202310314708A CN116070154A CN 116070154 A CN116070154 A CN 116070154A CN 202310314708 A CN202310314708 A CN 202310314708A CN 116070154 A CN116070154 A CN 116070154A
- Authority
- CN
- China
- Prior art keywords
- fault
- operation data
- data
- detected
- preset
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本说明书实施例公开了一种大型轴承保持器的故障检测方法、设备及介质,涉及数据监测分析技术领域,用于解决现有人工检修效率低且实时性低的问题。方法包括:获取待检测大型轴承保持器的运行数据;基于预置校验时间间隔获取与运行数据相对应多个历史运行数据,依次获取运行数据与历史运行数据之间的校验差值,以及各历史运行数据之间的历史校验差值来进行对比,以根据预置差值区间表确定突变数据,根据突变数据确定对应的多个传感器,调用对应的多个传感器的检测信号;提取检测信号的时频域故障特征生成待分析故障特征;将待分析特征输入预置的最小二乘支持向量机模型输出待检测大型轴承保持器的故障信息。
Description
技术领域
本说明书涉及数据监测分析技术领域,尤其涉及一种大型轴承保持器的故障检测方法、设备及介质。
背景技术
轴承是当代机械设备中一种重要零部件。它的主要功能是支撑机械旋转体,降低其运动过程中的摩擦系数,并保证其回转精度。轴承保持器,则是轴承中的一个重要部件。轴承保持器,是指部分地包裹全部或部分滚动体,并随之运动的轴承零件,是轴承中的重要组成部分,主要作用是均匀地隔离各个滚动体,使载荷平均分配,同时避免滚动体之间的直接接触,通常还引导滚动体并将其保持在轴承内。对于大型轴承来说,当其在工作时,特别是载荷复杂且高速旋转时,大型轴承保持器要承受很大的离心力、冲击和振动,从而使得大型轴承保持器和滚动体之间存在较大的滑动摩擦,并产生大量的热量。在力和热共同作用的结果下会容易导致保持器故障,严重时会造成保持器烧伤和断裂,进而导致机器强烈振动,危及相邻部件安全,甚至引发重大事故。因此,为了保证机械的正常运行对于大型轴承保持器的故障检测是一个十分重要的环节。
现有技术中,通过设备维修人员对于轴承保持器所在机械进行定期的或者不定期的检查来发现设备中的轴承保持器的故障。然而通过人工检测的方式,对运行中的轴承保持器进行故障监测预警,效率低且检测精准度低,且实时性较低难以对所有大型轴承保持器进行有效监测预警。进而无法及时反馈滚动轴承的故障状态,无法对于故障进行及时响应,使得后续维修成本过高。为了解决人工检测效率低的问题,传统方式中通过实时分析振动信号对轴承保持器的故障进行检测,然而基于单一信号分析的方式部分故障特征被掩盖从而导致准确性较低,且实时检测到振动信号后对于振动信号进行解析的方式计算成本较高。
发明内容
为解决上述技术问题,本说明书一个或多个实施例提供了一种大型轴承保持器的故障检测方法、设备及介质。
本说明书一个或多个实施例采用下述技术方案:
本说明书一个或多个实施例提供一种大型轴承保持器的故障检测方法,方法包括:
实时获取待检测大型轴承保持器的运行数据;其中,所述运行数据包括:待检测大型轴承保持器的转速、径向窜动量、油膜厚度、轴承蠕变数据;
基于预置校验时间间隔获取与所述运行数据相对应多个历史运行数据,基于时间顺序依次获取所述运行数据与所述历史运行数据之间的校验差值,以及各所述历史运行数据之间的历史校验差值;
对比所述校验差值与所述历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据所述突变数据确定所述待检测大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于所述时间戳调用所述对应的多个传感器的检测信号;其中,所述检测信号包括:振动信号、温度信号与保持器噪声信号;
分别提取所述振动信号、温度信号与所述保持器噪声信号的时频域故障特征,以生成所述待检测大型轴承保持器的待分析故障特征;
将所述待分析特征输入预置的最小二乘支持向量机模型,输出所述待检测大型轴承保持器的故障信息。
可选地,在本说明书一个或多个实施例中,所述基于预置校验时间间隔获取与所述运行数据相对应多个历史运行数据,基于时间顺序依次获取所述运行数据与所述历史运行数据之间的校验差值,以及各所述历史运行数据之间的历史校验差值,具体包括:
基于预置校验时间间隔确定所述待检测大型轴承保持器的当前校验时间、第一校验时间与第二校验时间;其中,所述第一校验时间与第二校验时间为历史校验时间,且所述第一校验时间位于所述第二校验时间之后;
对所述待检测大型轴承保持器的运行数据进行划分以获得所述待检测大型轴承保持器的直接运行数据与间接运行数据;其中,所述间接运行数据为所述待检测大型轴承保持器相关联设备的运行数据;
基于预置数据库调用所述第一校验时间的第一历史运行数据;其中,所述第一历史运行数据包括:第一历史直接运行数据、第一历史间接运行数据;
基于预置数据库调用所述第二校验时间的第二历史运行数据;其中,所述第二历史运行数据包括:第二历史直接运行数据、第二历史间接运行数据;
获取所述直接运行数据与所述第一历史直接运行数据的第一校验差值,以及所述间接运行数据与所述第一历史间接运行数据的第二校验差值;
获取所述第一历史直接运行数据与所述第二历史直接运行数据的第一历史校验差值,以及所述第一历史间接运行数据与所述第二历史间接运行数据的第二历史校验差值。
可选地,在本说明书一个或多个实施例中,对比所述校验差值与所述历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据所述突变数据确定所述大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于所述时间戳调用所述对应的多个传感器的检测信号,具体包括:
基于所述待检测大型轴承保持器的设备型号确定对应的预置差值区间表;其中,所述预置差值区间表包括:直接差值区间表、间接差值区间表,所述直接差值区间表用于记录各直接运行数据的差值范围,所述间接差值区间表用于记录各间接运行数据的差值范围;
对比所述第一校验差值与所述第一历史校验差值,获得所述待检测大型轴承保持器中的直接变化数据,并对比所述第二校验差值与所述第二历史校验差值,获得所述待检测大型轴承保持器中的间接变化数据;
通过所述直接差值区间表判断所述直接变化数据是否处于所述直接差值区间表所覆盖的区间范围,并通过所述间接差值区间表判断所述间接变化数据是否处于所述间接差值区间表所覆盖的区间范围;
若否,则将所述直接变化数据和/或所述间接变换数据作为所述运行数据中的突变数据;
根据各所述突变数据的属性信息,确定所述突变数据所对应的多个传感器,并确定所述突变数据所对应的时间戳,以调用所述对应的多个传感器中对应于所述时间戳的预设时间范围的检测信号。
可选地,在本说明书一个或多个实施例中,分别提取所述振动信号、温度信号与所述保持器噪声信号的时频域故障特征,以生成所述待检测大型轴承保持器的待分析故障特征,具体包括:
基于预置随机共振系统对所述保持器噪声信号进行信号增强处理,并提取增强后所述保持器噪声信号中的低频特征信号,对所述低频特征信号进行分段压缩后获得所述待检测大型轴承保持器的第一时频域故障特征;
基于所述温度信号与所述振动信号的信号波形信息,确定所述温度信号与所述振动信号的无量纲特征作为所述待检测大型轴承保持器的第二时频域故障特征;其中,所述无量纲特征包括:脉冲指标特征、峭度指标特征、裕度指标特征、峰值指标特征;
融合所述第一时频域故障特征与所述第二时频域故障特征,获得所述待检测大型轴承保持器的待分析特征。
可选地,在本说明书一个或多个实施例中,基于预置随机共振系统对所述保持器噪声信号进行信号增强处理之前,所述方法还包括:
基于随机共振理论与随机共振系统的可调整参数,构建出初始随机共振系统的关系表达式;其中,所述初始随机共振系统的可调整参数包括:阻尼比、系统参数、步长;
对预置寻优迭代策略的种群数据进行初始化,并将所述预置寻优迭代策略中的种群节点进行角色划分,确定种群的搜索节点与跟随节点;其中,所述种群数据包括:所述随机共振系统的可调整参数的调整范围、所述预置寻优迭代策略的种群规模、变量维度;
基于预置单峰混沌映射生成对应的混沌序列,以将所述混沌序列作为所述搜索节点与所述跟随节点所对应的初始化位置;
获取所述噪声信号的信噪比,并基于所述信噪比确定所述种群的适应度函数;
根据所述适应度函数计算所述种群中各所述搜索节点与所述跟随节点的适应度值,以保留所述种群中适应度值最高的节点位置与所述种群中适应度值最低的节点位置,以基于所述可调整参数的调整范围,迭代获取所述种群中的最高适应度值;
获取所述种群中的最高适应度值所对应的可调整参数的数值,以基于所述数值更新所述初始随机共振系统获得预置随机共振系统。
可选地,在本说明书一个或多个实施例中,所述基于预置随机共振系统对所述保持器噪声信号进行信号增强处理,并提取增强后所述保持器噪声信号中的低频特征信号,对所述低频特征信号进行分段压缩后获得所述待检测大型轴承保持器的第一时频域故障特征,具体包括:
将所述噪声信号输入所述预置随机共振系统,以基于所述预置随机共振系统对所述保持器噪声信号进行增强处理,输出与所述保持器噪声信号相对应的增强噪声信号;
基于希尔伯特变换对所述增强噪声信号进行包络解调,以获得所述增强噪声信号的低频特征信号;
根据所述大型轴承保持器的故障特征频率范围,以及预置采样频率,确定所述低频特征信号的分段窗口尺寸;
基于所述分段窗口尺寸对所述低频特征信号进行分段,并将各段中所述低频特征信号的平均值,作为该段中所述低频特征信号的累积近似,以汇总获得待分析低频信号;
通过所述待分析低频信号的波形确定与所述待分析低频信号相对应的小波基函数,以基于所述小波基函数对所述待分析低频信号进行小波变换,获得具有时频特征的第一时频域故障特征。
可选地,在本说明书一个或多个实施例中,将所述待分析特征输入预置的最小二乘支持向量机模型,输出所述待检测大型轴承保持器的故障状态信息之后,所述方法还包括
基于所述故障信息对所述待检测大型轴承保持器进行故障维修测量,获得所述待检测大型轴承保持器的故障测量数据;其中,所述故障信息包括:所述待检测大型轴承保持器的故障类型、所述故障类型所对应的故障位置;
根据所述故障类型与各所述故障类型所对应的故障位置获取所述待检测大型轴承保持器当前的故障标识序列;
获取预置因果图中与所述故障标识序列中各故障标识相匹配的一个或多个搜索路径,以基于所述搜索路径回溯与所述故障标识相对应的所述待检测大型轴承保持器的生产工序;其中,所述搜索路径为所述预置因果图中与所述故障标识相对应的各概率最大的边连接构成的路径;
调用与各所述生产工序相对应的所述待检测大型轴承保持器的初始状态数据,并基于所述故障测量数据与所述初始状态数据的对应关系,确定所述生产工序中的待调整工艺,以便统计分析与所述待检测大型轴承保持器同型号大型轴承保持器的生产工艺。
可选地,在本说明书一个或多个实施例中,所述获取预置因果图中与所述故障标识序列中各故障标识相匹配的一个或多个搜索路径之前,所述方法还包括:
提取预置数据库中与所述待检测大型轴承保持器的设备型号相对应的故障事件;
对各所述故障事件基于故障类型进行聚类,获得各故障类型的事件集合,以基于生产工艺对事件集合中各所述故障事件进行聚类,获得各生产工艺所对应的故障事件类簇;
获取各所述故障事件类簇中各所述故障事件,在所述故障类型的事件集合中所占比例,以基于所述比例确定所述生产工艺对所述故障类型的影响概率;
根据所述待检测大型轴承保持器的生产工序所对应的各生产工艺,以及所述生产工艺对所述故障类型的影响概率,确定所述待检测大型轴承保持器各生产子节点所对应的初始因果图;其中,所述初始因果图为以各所述生产工艺以及所述故障类型为节点,并以所述影响概率为边的有向图;
基于所述待检测大型轴承保持器的生产流程,确定各所述初始因果图的连接点,以构建所述待检测大型轴承保持器的预置因果图。
本说明书一个或多个实施例提供一种大型轴承保持器的故障检测设备,设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
实时获取待检测大型轴承保持器的运行数据;其中,所述运行数据包括:待检测大型轴承保持器的转速、径向窜动量、油膜厚度、轴承蠕变数据;
基于预置校验时间间隔获取与所述运行数据相对应多个历史运行数据,基于时间顺序依次获取所述运行数据与所述历史运行数据之间的校验差值,以及各所述历史运行数据之间的历史校验差值;
对比所述校验差值与所述历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据所述突变数据确定所述待检测大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于所述时间戳调用所述对应的多个传感器的检测信号;其中,所述检测信号包括:振动信号、温度信号与保持器噪声信号;
分别提取所述振动信号、温度信号与所述保持器噪声信号的时频域故障特征,以生成所述待检测大型轴承保持器的待分析故障特征;
将所述待分析特征输入预置的最小二乘支持向量机模型,输出所述待检测大型轴承保持器的故障信息。
本说明书一个或多个实施例提供的一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
实时获取待检测大型轴承保持器的运行数据;其中,所述运行数据包括:待检测大型轴承保持器的转速、径向窜动量、油膜厚度、轴承蠕变数据;
基于预置校验时间间隔获取与所述运行数据相对应多个历史运行数据,基于时间顺序依次获取所述运行数据与所述历史运行数据之间的校验差值,以及各所述历史运行数据之间的历史校验差值;
对比所述校验差值与所述历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据所述突变数据确定所述待检测大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于所述时间戳调用所述对应的多个传感器的检测信号;其中,所述检测信号包括:振动信号、温度信号与保持器噪声信号;
分别提取所述振动信号、温度信号与所述保持器噪声信号的时频域故障特征,以生成所述待检测大型轴承保持器的待分析故障特征;
将所述待分析特征输入预置的最小二乘支持向量机模型,输出所述待检测大型轴承保持器的故障信息。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过对基于预设时间间隔获取的校验差值与历史校验差值的对比,获取到待检测大型轴承保持器的突变数据,从而实现了对于故障的初步判断,在基于运行数据判断出存在故障后,基于突变数据的时间戳调用对于的检测信号进行分析,通过简单对比运行数据锁定故障后再进行精细检测的方式,在实时监控的基础上节约了现有技术中不断分析实时检测信号计算成本。此外,通过对多类型信号的时频域故障特征,避免了单一类型信号容易导致检测不可靠的问题,提高了检测的精确性。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例,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。在附图中:
图1为本说明书实施例提供的一种大型轴承保持器的故障检测方法的流程示意图;
图2为本说明书实施例提供的一种预置因果图的构建示意图;
图3为本说明书实施例提供的一种大型轴承保持器的故障检测设备的内部结构示意图;
图4为本说明书实施例提供的一种非易失性存储介质的内部结构示意图。
具体实施方式
本说明书实施例提供一种大型轴承保持器的故障检测方法、设备及介质。
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
如图1所示,本说明书实施例提供了一种大型轴承保持器的故障检测方法的流程示意图。由图1可知,在本说明书一个或多个实施例中,一种大型轴承保持器的故障检测方法,方法包括以下步骤:
S101:实时获取待检测大型轴承保持器的运行数据;其中,所述运行数据包括:待检测大型轴承保持器的转速、径向窜动量、油膜厚度、轴承蠕变数据。
由于实时采集检测信号,从而根据采集的检测信号进行实时分析时,需要不停处理连续检测信号,而基于检测信号分析确定故障类型与故障位置需要大量分析计算过程,从而导致通过实时检测信号确定待检测大型轴承保持器是否出现故障时,会耗费大量的计算成本。为了节约计算成本,本说明书实施例中首先基于大型轴承保持器的运行日志实时获取待检测大型轴承保持器的运行数据,以便于根据运行数据初步判断是否出现故障,若出现故障则进行后续的检测信号的分析,在实时监控的基础上节约了现有技术中不断分析实时检测信号计算成本。其中,需要说明的是,运行数据包括:待检测大型轴承保持器的转速、待检测大型轴承保持器的径向窜动量、待检测大型轴承保持器的油膜厚度、轴承的蠕变数据等。其中,大型轴承保持器的径向窜动量影响轴承的回转精度同时影响轴承的运行噪声,待检测大型轴承保持器的油膜厚度和轴承保持架滑差率相关,轴承的蠕变数据出现偏离时可能会造成轴承保持器的破损,因此,实时获取待检测大型轴承保持器的运行数据为可能影响大型轴承保持器正常运行的相关数据,以便基于相关数据初步判待检测轴承保持器是否存在故障的可能性。
S102:基于预置校验时间间隔获取与所述运行数据相对应多个历史运行数据,基于时间顺序依次获取所述运行数据与所述历史运行数据之间的校验差值,以及各所述历史运行数据之间的历史校验差值。
为了简便获取到大型轴承保持器运行过程中运行数据中出现的异常数据,从而进行后续对于故障的检测的过程。本说明书实施例中根据预先设置的校验时间间隔获取到与运行数据相对应的多个历史运行数据,从而根据运行数据的时间顺序依次获取到运行数据与历史运行数据之间的校验差值,以及各个历史运行数据之间的历史校验差值。
具体地,由于轴承设备的日常运行环境中存在各种干扰,因此正常情况下大型轴承保持器的运行数据的变化会保持在一个范围内,此时为了方便获取运行数据中的异常数据,在本说明书一个或多个实施例中,根据预置校验时间间隔获取与运行数据相对应多个历史运行数据,基于时间顺序依次获取运行数据与历史运行数据之间的校验差值,以及各历史运行数据之间的历史校验差值,具体包括以下过程:
首先根据预先设置的校验时间间隔确定出待检测大型轴承保持器的当前校验时间、第一校验时间与第二校验时间。其中,需要说明的是第一校验时间与第二校验时间为历史校验时间,且所述第一校验时间位于第二校验时间之后。例如:当前校验时间为时间A,第一校验时间为时间B,第二校验时间为时间C那么时间A、时间B与时间C之间的时间间隔为预先设置的校验时间间隔。由于运行数据中包括了例如轴承蠕动数据等不是待检测大型轴承保持器直接产生的数据但是对大型轴承保持器的故障具有影响的数据,因此为了方便对于数据的对比,本说明书中对待检测大型轴承保持器的运行数据进行划分从而获得待检测大型轴承保持器的直接运行数据与间接运行数据。其中,需要说明的是间接运行数据为与待检测大型轴承保持器相关联设备产生的,间接影响大型轴承保持器故障的运行数据。
然后根据预先设置的数据库调用出第一校验时间的第一历史运行数据;其中,基于上述对于运行数据进行划分的同样方式,第一历史运行数据划分为包括:第一历史直接运行数据、第一历史间接运行数据。同时根据预置数据库调用出第二校验时间的第二历史运行数据;其中,第二历史运行数据也基于同样方式划分为包括:第二历史直接运行数据、第二历史间接运行数据。然后获取直接运行数据与第一历史直接运行数据的第一校验差值,以及间接运行数据与第一历史间接运行数据的第二校验差值。然后获取第一历史直接运行数据与所述第二历史直接运行数据的第一历史校验差值,以及第一历史间接运行数据与第二历史间接运行数据的第二历史校验差值。例如:以大型轴承保持器运行过程中的转速作为直接运行数据,轴承外圈相对位置作为间接运行数据,那么获取转速在第一校验时间的数据作为第一历史直接运行数据,在第二校验时间的数据作为第二历史直接运行数据,从而根据第一校验差值与第一历史校验差值确定转速在第一校验时间到当前校验时间的变化值,以及在第二校验时间到第一校验时间时的变化值。可以理解的校验差值即为直接运行数据在预置时间间隔内的变化值。同样的,轴承外圈相对位置作为间接运行数据时获取到的第二校验差值和第二历史校验差值为间接接运行数据在预置时间间隔内的变化值。
S103:对比所述校验差值与所述历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据所述突变数据确定所述待检测大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于所述时间戳调用所述对应的多个传感器的检测信号;其中,所述检测信号包括:振动信号、温度信号与保持器噪声信号。
基于上述步骤获得了校验差值与历史校验差值后,通过对比校验差值与历史校验差值后,根据预置差值区间表能够确定出运行数据中的突变数据,从而根据突变数据确定出待检测大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于该时间戳调用对应的多个传感器的检测信号;其中,为了避免单一类型的信号检测容易使得细节特征被掩盖的问题,本说明书实施例中获取的检测信号包括:振动信号、温度信号与保持器噪声信号。
具体地,在本说明书一个或多个实施例中,对比校验差值与历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据突变数据确定大型轴承保持器所对应的多个传感器,并确定突变数据所对应的时间戳,以基于时间戳调用对应的多个传感器的检测信号,具体包括以下过程:
首先,根据待检测大型轴承保持器的设备型号确定对应的预置差值区间表;其中,需要说明的是预置差值区间表包括:直接差值区间表、间接差值区间表,可以理解的是直接差值区间表是用来记录各直接运行数据所允许的差值范围的,而间接差值区间表是用来记录各间接运行数据所允许的差值范围的。也就是说正常状态下,运行数据在预设时间间隔内的变化值需要在差值范围内。因此,对比第一校验差值与第一历史校验差值,获得待检测大型轴承保持器中的直接变化数据,并通过对比第二校验差值与第二历史校验差值,获得待检测大型轴承保持器中的间接变化数据。然后,通过直接差值区间表判断直接变化数据是否处于所述直接差值区间表所覆盖的区间范围,并通过间接差值区间表判断间接变化数据是否处于间接差值区间表所覆盖的区间范围。如果不是,那么说明该数据存在问题,此时将该直接变化数据和/或间接变换数据作为运行数据中的突变数据。然后根据各突变数据的属性信息,确定出突变数据所对应的多个传感器,并确定出突变数据所对应的时间戳,以调用出对应的多个传感器中对应于时间戳的预设时间范围的检测信号。例如,基于该突变数据的属性信息为温度数据,则可以确定该突变数据对应于温度传感器。在获取到突变数据所对应的多个传感器之后,根据突变数据所对应的时间戳,调用多个传感器在该时间戳范围内采集的信号作为检测信号进行后续分析,避免了持续分析检测信号导致的计算成本过高的问题。
S104:分别提取所述振动信号、温度信号与所述保持器噪声信号的时频域故障特征,以生成所述待检测大型轴承保持器的待分析故障特征。
基于上述步骤S103获取到传感器检测到的振动信号、温度信号以及保持器噪声信号之后,为了便于对信号中的故障特征进行分析,本说明书实施例中分别提取振动信号、温度信号与保持器噪声信号中的时频域故障,从而根据提取到的时频域故障特征,汇总融合生成待检测大型轴承保持器的待分析故障特征。
具体地,在本说明书一个或多个实施例中,分别提取振动信号、温度信号与保持器噪声信号的时频域故障特征,以生成待检测大型轴承保持器的待分析故障特征,具体包括以下步骤:
由于现有轴承保持架的故障诊断方法主要是利用识别保持架理论通过频率来判断故障,但由于保持架公转频率极低,位于频谱图上的最左端,容易被低频干扰所混淆,为了增强需要进行分析的保持器噪声信号突出低频特征信号,从而增强故障检测的精确性。本说明书实施例根据预先设置的随机共振系统对保持器噪声信号进行信号增强处理,然后提取增强后保持器噪声信号中的低频特征信号,再对低频特征信号进行分段压缩后获得待检测大型轴承保持器的第一时频域故障特征。然后为了弥补单一类型信号分析时可能存在部分特征无法覆盖的问题,本说明书实施例根据温度信号与振动信号的信号波形信息,确定出温度信号与所述振动信号的无量纲特征作为待检测大型轴承保持器的第二时频域故障特征。其中,需要说明的是无量纲特征包括:脉冲指标特征、峭度指标特征、裕度指标特征、峰值指标特征等,融合第一时频域故障特征与第二时频域故障特征,获得到待检测大型轴承保持器的待分析特征。其中,需要说明的是,融合过程为对于相同的时频域故障特征进行去重融合的过程。
进一步地,为了使得预先设置的随机共振系统可以有效检测出强噪声中的未知微弱故障信号,在本说明书一个或多个实施例中,基于预置随机共振系统对保持器噪声信号进行信号增强处理之前,方法还包括以下步骤:
首先根据随机共振理论与随机共振系统的可调整参数,构建出初始随机共振系统的关系表达式;其中,需要说明的是初始随机共振系统的可调整参数包括:阻尼比、系统参数、步长。此处还需要说明的是初始随机共振系统的关系表达式可以基于四阶龙格-库塔法等现有方式求解获得,此处不再加以赘述。对预先设置的寻优迭代策略的种群数据进行初始化,并且将预先设置的寻优迭代策略中的种群节点进行角色划分,从而确定出种群的搜索节点与跟随节点;其中,需要说明的是种群数据包括:随机共振系统的可调整参数的调整范围、预置寻优迭代策略的种群规模以及变量维度等数据,预置寻优迭代策略可以为灰狼优化算法、萤火虫算法、鲸鱼算法等具有寻优迭代功能的算法。然后,为了解决寻优迭代策略由于初始种群转分部不均容易造成算法陷入局部最佳的问题,本说明书实施例中根据预先设置的单峰混沌映射生成对应的混沌序列,从而将混沌序列作为搜索节点与跟随节点所对应的初始化位置。其中,需要说明的是,单峰混沌映射是一个二次多项式映射。由于信号强度与信噪比相关因此获取保持器噪声信号的信噪比,随机共振系统的增强效果可以通过信噪比进行衡量,因此并将该信噪比作为种群的适应度函数,以便在适应度值最佳时蝴蝶随机共振系统的最佳状态。然后根据该适应度函数计算种群中各个搜索节点与跟随节点的适应度值,从而保留种群中适应度值最高的节点位置与种群中适应度值最低的节点位置,以基于可调整参数的调整范围,迭代获取到种群中的最高适应度值。然后,获取种群中的最高适应度值所对应的可调整参数的数值,基于该数值更新初始随机共振系统获得预置随机共振系统,实现了对于初始随机共振系统的优化,提升了大型轴承故障检测的检测精确度。
进一步地,在本说明书一个或多个实施例中,根据预置随机共振系统对所保持器噪声信号进行信号增强处理,并提取增强后保持器噪声信号中的低频特征信号,对低频特征信号进行分段压缩后获得待检测大型轴承保持器的第一时频域故障特征,具体包括:
将噪声信号输入到上述迭代优化后获得的预置随机共振系统中,从而根据预置随机共振系统对保持器噪声信号进行增强处理,输出与保持器噪声信号相对应的增强噪声信号,也就是增强后的保持器噪声信号。然后根据希尔伯特变换对所述增强噪声信号进行包络解调,以便于获得增强噪声信号的低频特征信号。然后在根据大型轴承保持器的故障特征频率范围,以及预置采样频率,确定出低频特征信号的分段窗口尺寸,从而根据该分段窗口尺寸对低频特征信号进行分段。然后为了提高计算效率并且节约计算成本,获取各段中低频特征信号的平均值,并将该平均值作为该分段中低频特征信号的累积近似,实现对于低频特征信号的压缩,然后汇总各个分段压缩后的低频特征信号,获得增强噪声信号处理后的待分析低频信号。然后通过该待分析低频信号的波形选择出与待分析低频信号相对应的小波基函数,从而根据该小波基函数对待分析低频信号进行小波变换,获得具有时频特征的第一时频域故障特征。
S105:将所述待分析特征输入预置的最小二乘支持向量机模型,输出所述待检测大型轴承保持器的故障信息。
将上述步骤S104中获取到的待分析特征输入到预先设置的最小二乘支持向量机模型中,从而根据该最小支持向量机分析预测获得该待检测大型轴承保持器的故障信息。
进一步地,在本说明书一个或多个实施例中,为了分析故障原因之后能够回溯优化生产工艺,完善保持架生产工序使得完善后的大型圆锥保持器,受力更加平衡稳固,延长大型圆锥保持器的运转使用寿命。首先根据输出的待检测大型轴承保持器的故障信息,确定该待检测大型轴承保持器的故障类型。然后获取该待检测大型轴承保持器的当前已使用寿命,若当前已使用寿命小于预先设置的寿命阈值,则将待分析特征输入预置的最小二乘支持向量机模型,输出待检测大型轴承保持器的故障状态信息之后,方法还包括以下步骤:
首先根据故障信息实现对与待检测大型轴承保持器的故障维修测量,从而获得该待检测大型轴承保持器的故障测量数据;其中,需要说明的是故障信息包括:待检测大型轴承保持器的故障类型、故障类型所对应的故障位置。然后根据该故障类型与各该故障类型所对应的故障位置获取该待检测大型轴承保持器当前的故障标识序列。再获取预先设置的因果图中与该故障标识序列中各故障标识相匹配的一个或多个搜索路径,从而根据搜索路径回溯和该故障标识相对应的待检测大型轴承保持器的生产工序。其中,需要说明的是如图2所示,搜索路径为预置因果图中与故障标识相对应的各概率最大的边连接构成的路径。获得搜索路径后,调用与各生产工序相对应的待检测大型轴承保持器的初始状态数据,从而基于故障测量数据与初始状态数据的对应关系,确定出生产工序中的待调整工艺,以便统计分析与待检测大型轴承保持器同型号大型轴承保持器的生产工艺。
进一步地,为了确定各故障所对应的因果图,方便对于故障的溯源,在本说明书一个或多个实施例中,获取预置因果图中与故障标识序列中各故障标识相匹配的一个或多个搜索路径之前,方法还包括以下步骤:
首先,提取预置数据库中与待检测大型轴承保持器的设备型号相对应的故障事件。然后再对各故障事件基于故障类型进行聚类,获得各故障类型的事件集合,从而根据生产工艺对事件集合中各故障事件进行聚类,获得各生产工艺所对应的故障事件类簇。然后获取各故障事件类簇中各个故障事件,在故障类型的事件集合中所占比例,从而根据该所占比例确定出生产工艺对故障类型的影响概率。然后根据待检测大型轴承保持器的生产工序所对应的各生产工艺,以及生产工艺对故障类型的影响概率,确定出待检测大型轴承保持器各生产子节点所对应的初始因果图。此处,需要说明的是如图2所示,初始因果图是以各个生产工艺以及故障类型为节点,并以影响概率为边的有向图。根据待检测大型轴承保持器的生产流程,确定出各初始因果图的连接点,从而构建待检测大型轴承保持器的预置因果图。以图2为例,生产工序1对应生产工艺1和生产工艺2,基于生产工序1与各个生产工艺的对应关系以及生产工艺与各个故障标识的对应关系的影响概率,生成生产子节点1的初始因果图1。同理生产工序2对应生产工艺1和生产工艺3,基于生产工序2与各个生产工艺的对应关系以及生产工艺与各个故障标识的对应关系的影响概率,生成生产子节点2的初始因果图2。若生产工序1和生产工序2之间基于生产流程连接,则确定初始因果图1和初始因果图2之间具有连接点,从而根据初始因果图1和初始因果图2汇总获得对应的预置因果图。
如图3所示,本说明书一个或多个实施例提供了一种大型轴承保持器的故障检测设备的内部结构示意图。由图3可知,在本说明书一个或多个实施例中,一种大型轴承保持器的故障检测设备,包括:
至少一个处理器301;以及,
与所述至少一个处理器301通信连接的存储器302;其中,
所述存储器302存储有可被所述至少一个处理器301执行的指令,所述指令被所述至少一个处理器301执行,以使所述至少一个处理器301能够
实时获取待检测大型轴承保持器的运行数据;其中,所述运行数据包括:待检测大型轴承保持器的转速、径向窜动量、油膜厚度、轴承蠕变数据;
基于预置校验时间间隔获取与所述运行数据相对应多个历史运行数据,基于时间顺序依次获取所述运行数据与所述历史运行数据之间的校验差值,以及各所述历史运行数据之间的历史校验差值;
对比所述校验差值与所述历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据所述突变数据确定所述待检测大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于所述时间戳调用所述对应的多个传感器的检测信号;其中,所述检测信号包括:振动信号、温度信号与保持器噪声信号;
分别提取所述振动信号、温度信号与所述保持器噪声信号的时频域故障特征,以生成所述待检测大型轴承保持器的待分析故障特征;
将所述待分析特征输入预置的最小二乘支持向量机模型,输出所述待检测大型轴承保持器的故障信息。
如图4所示,本说明书一个或多个实施例提供一种非易失性存储介质的内部结构示意图。由图4可知,本说明书一个或多个实施例中,一种非易失性存储介质,存储有计算机可执行指令401,所述计算机可执行指令401能够:
实时获取待检测大型轴承保持器的运行数据;其中,所述运行数据包括:待检测大型轴承保持器的转速、径向窜动量、油膜厚度、轴承蠕变数据;
基于预置校验时间间隔获取与所述运行数据相对应多个历史运行数据,基于时间顺序依次获取所述运行数据与所述历史运行数据之间的校验差值,以及各所述历史运行数据之间的历史校验差值;
对比所述校验差值与所述历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据所述突变数据确定所述待检测大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于所述时间戳调用所述对应的多个传感器的检测信号;其中,所述检测信号包括:振动信号、温度信号与保持器噪声信号;
分别提取所述振动信号、温度信号与所述保持器噪声信号的时频域故障特征,以生成所述待检测大型轴承保持器的待分析故障特征;
将所述待分析特征输入预置的最小二乘支持向量机模型,输出所述待检测大型轴承保持器的故障信息。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种大型轴承保持器的故障检测方法,其特征在于,所述方法包括:
实时获取待检测大型轴承保持器的运行数据;其中,所述运行数据包括:待检测大型轴承保持器的转速、径向窜动量、油膜厚度、轴承蠕变数据;
基于预置校验时间间隔获取与所述运行数据相对应多个历史运行数据,基于时间顺序依次获取所述运行数据与所述历史运行数据之间的校验差值,以及各所述历史运行数据之间的历史校验差值;
对比所述校验差值与所述历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据所述突变数据确定所述待检测大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于所述时间戳调用所述对应的多个传感器的检测信号;其中,所述检测信号包括:振动信号、温度信号与保持器噪声信号;
分别提取所述振动信号、温度信号与所述保持器噪声信号的时频域故障特征,以生成所述待检测大型轴承保持器的待分析故障特征;
将所述待分析特征输入预置的最小二乘支持向量机模型,输出所述待检测大型轴承保持器的故障信息。
2.根据权利要求1所述的一种大型轴承保持器的故障检测方法,其特征在于,所述基于预置校验时间间隔获取与所述运行数据相对应多个历史运行数据,基于时间顺序依次获取所述运行数据与所述历史运行数据之间的校验差值,以及各所述历史运行数据之间的历史校验差值,具体包括:
基于预置校验时间间隔确定所述待检测大型轴承保持器的当前校验时间、第一校验时间与第二校验时间;其中,所述第一校验时间与第二校验时间为历史校验时间,且所述第一校验时间位于所述第二校验时间之后;
对所述待检测大型轴承保持器的运行数据进行划分以获得所述待检测大型轴承保持器的直接运行数据与间接运行数据;其中,所述间接运行数据为所述待检测大型轴承保持器相关联设备的运行数据;
基于预置数据库调用所述第一校验时间的第一历史运行数据;其中,所述第一历史运行数据包括:第一历史直接运行数据、第一历史间接运行数据;
基于预置数据库调用所述第二校验时间的第二历史运行数据;其中,所述第二历史运行数据包括:第二历史直接运行数据、第二历史间接运行数据;
获取所述直接运行数据与所述第一历史直接运行数据的第一校验差值,以及所述间接运行数据与所述第一历史间接运行数据的第二校验差值;
获取所述第一历史直接运行数据与所述第二历史直接运行数据的第一历史校验差值,以及所述第一历史间接运行数据与所述第二历史间接运行数据的第二历史校验差值。
3.根据权利要求2所述的一种大型轴承保持器的故障检测方法,其特征在于,所述对比所述校验差值与所述历史校验差值,并根据预置差值区间表确定所述运行数据中的突变数据,以根据所述突变数据确定所述大型轴承保持器所对应的多个传感器,并确定所述突变数据所对应的时间戳,以基于所述时间戳调用所述对应的多个传感器的检测信号,具体包括:
基于所述待检测大型轴承保持器的设备型号确定对应的预置差值区间表;其中,所述预置差值区间表包括:直接差值区间表、间接差值区间表,所述直接差值区间表用于记录各直接运行数据的差值范围,所述间接差值区间表用于记录各间接运行数据的差值范围;
对比所述第一校验差值与所述第一历史校验差值,获得所述待检测大型轴承保持器中的直接变化数据,并对比所述第二校验差值与所述第二历史校验差值,获得所述待检测大型轴承保持器中的间接变化数据;
通过所述直接差值区间表判断所述直接变化数据是否处于所述直接差值区间表所覆盖的区间范围,并通过所述间接差值区间表判断所述间接变化数据是否处于所述间接差值区间表所覆盖的区间范围;
若否,则将所述直接变化数据和/或所述间接变换数据作为所述运行数据中的突变数据;
根据各所述突变数据的属性信息,确定所述突变数据所对应的多个传感器,并确定所述突变数据所对应的时间戳,以调用所述对应的多个传感器中对应于所述时间戳的预设时间范围的检测信号。
4.根据权利要求1所述的一种大型轴承保持器的故障检测方法,其特征在于,所述分别提取所述振动信号、温度信号与所述保持器噪声信号的时频域故障特征,以生成所述待检测大型轴承保持器的待分析故障特征,具体包括:
基于预置随机共振系统对所述保持器噪声信号进行信号增强处理,并提取增强后所述保持器噪声信号中的低频特征信号,对所述低频特征信号进行分段压缩后获得所述待检测大型轴承保持器的第一时频域故障特征;
基于所述温度信号与所述振动信号的信号波形信息,确定所述温度信号与所述振动信号的无量纲特征作为所述待检测大型轴承保持器的第二时频域故障特征;其中,所述无量纲特征包括:脉冲指标特征、峭度指标特征、裕度指标特征、峰值指标特征;
融合所述第一时频域故障特征与所述第二时频域故障特征,获得所述待检测大型轴承保持器的待分析特征。
5.根据权利要求4所述的一种大型轴承保持器的故障检测方法,其特征在于,所述基于预置随机共振系统对所述保持器噪声信号进行信号增强处理之前,所述方法还包括:
基于随机共振理论与随机共振系统的可调整参数,构建出初始随机共振系统的关系表达式;其中,所述初始随机共振系统的可调整参数包括:阻尼比、系统参数、步长;
对预置寻优迭代策略的种群数据进行初始化,并将所述预置寻优迭代策略中的种群节点进行角色划分,确定种群的搜索节点与跟随节点;其中,所述种群数据包括:所述随机共振系统的可调整参数的调整范围、所述预置寻优迭代策略的种群规模、变量维度;
基于预置单峰混沌映射生成对应的混沌序列,以将所述混沌序列作为所述搜索节点与所述跟随节点所对应的初始化位置;
获取所述噪声信号的信噪比,并基于所述信噪比确定所述种群的适应度函数;
根据所述适应度函数计算所述种群中各所述搜索节点与所述跟随节点的适应度值,以保留所述种群中适应度值最高的节点位置与所述种群中适应度值最低的节点位置,以基于所述可调整参数的调整范围,迭代获取所述种群中的最高适应度值;
获取所述种群中的最高适应度值所对应的可调整参数的数值,以基于所述数值更新所述初始随机共振系统获得预置随机共振系统。
6.根据权利要求4所述的一种大型轴承保持器的故障检测方法,其特征在于,所述基于预置随机共振系统对所述保持器噪声信号进行信号增强处理,并提取增强后所述保持器噪声信号中的低频特征信号,对所述低频特征信号进行分段压缩后获得所述待检测大型轴承保持器的第一时频域故障特征,具体包括:
将所述噪声信号输入所述预置随机共振系统,以基于所述预置随机共振系统对所述保持器噪声信号进行增强处理,输出与所述保持器噪声信号相对应的增强噪声信号;
基于希尔伯特变换对所述增强噪声信号进行包络解调,以获得所述增强噪声信号的低频特征信号;
根据所述大型轴承保持器的故障特征频率范围,以及预置采样频率,确定所述低频特征信号的分段窗口尺寸;
基于所述分段窗口尺寸对所述低频特征信号进行分段,并将各段中所述低频特征信号的平均值,作为该段中所述低频特征信号的累积近似,以汇总获得待分析低频信号;
通过所述待分析低频信号的波形确定与所述待分析低频信号相对应的小波基函数,以基于所述小波基函数对所述待分析低频信号进行小波变换,获得具有时频特征的第一时频域故障特征。
7.根据权利要求1所述的一种大型轴承保持器的故障检测方法,其特征在于,所述将所述待分析特征输入预置的最小二乘支持向量机模型,输出所述待检测大型轴承保持器的故障状态信息之后,所述方法还包括
基于所述故障信息对所述待检测大型轴承保持器进行故障维修测量,获得所述待检测大型轴承保持器的故障测量数据;其中,所述故障信息包括:所述待检测大型轴承保持器的故障类型、所述故障类型所对应的故障位置;
根据所述故障类型与各所述故障类型所对应的故障位置获取所述待检测大型轴承保持器当前的故障标识序列;
获取预置因果图中与所述故障标识序列中各故障标识相匹配的一个或多个搜索路径,以基于所述搜索路径回溯与所述故障标识相对应的所述待检测大型轴承保持器的生产工序;其中,所述搜索路径为所述预置因果图中与所述故障标识相对应的各概率最大的边连接构成的路径;
调用与各所述生产工序相对应的所述待检测大型轴承保持器的初始状态数据,并基于所述故障测量数据与所述初始状态数据的对应关系,确定所述生产工序中的待调整工艺,以便统计分析与所述待检测大型轴承保持器同型号大型轴承保持器的生产工艺。
8.根据权利要求7所述的一种大型轴承保持器的故障检测方法,其特征在于,所述获取预置因果图中与所述故障标识序列中各故障标识相匹配的一个或多个搜索路径之前,所述方法还包括:
提取预置数据库中与所述待检测大型轴承保持器的设备型号相对应的故障事件;
对各所述故障事件基于故障类型进行聚类,获得各故障类型的事件集合,以基于生产工艺对事件集合中各所述故障事件进行聚类,获得各生产工艺所对应的故障事件类簇;
获取各所述故障事件类簇中各所述故障事件,在所述故障类型的事件集合中所占比例,以基于所述比例确定所述生产工艺对所述故障类型的影响概率;
根据所述待检测大型轴承保持器的生产工序所对应的各生产工艺,以及所述生产工艺对所述故障类型的影响概率,确定所述待检测大型轴承保持器各生产子节点所对应的初始因果图;其中,所述初始因果图为以各所述生产工艺以及所述故障类型为节点,并以所述影响概率为边的有向图;
基于所述待检测大型轴承保持器的生产流程,确定各所述初始因果图的连接点,以构建所述待检测大型轴承保持器的预置因果图。
9.一种大型轴承保持器的故障检测设备,其特征在于,所述设备包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述权利要求1-8任一所述的方法。
10.一种非易失性存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令能够执行上述权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310314708.3A CN116070154B (zh) | 2023-03-29 | 2023-03-29 | 一种大型轴承保持器的故障检测方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310314708.3A CN116070154B (zh) | 2023-03-29 | 2023-03-29 | 一种大型轴承保持器的故障检测方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070154A true CN116070154A (zh) | 2023-05-05 |
CN116070154B CN116070154B (zh) | 2023-06-20 |
Family
ID=86173488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310314708.3A Active CN116070154B (zh) | 2023-03-29 | 2023-03-29 | 一种大型轴承保持器的故障检测方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070154B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116221038A (zh) * | 2023-05-10 | 2023-06-06 | 山东金帝精密机械科技股份有限公司 | 一种基于风电轴承保持架的轴承运行监测方法及设备 |
CN116223037A (zh) * | 2023-05-09 | 2023-06-06 | 山东金帝精密机械科技股份有限公司 | 一种风电轴承保持器的运行监测方法及设备 |
CN116380251A (zh) * | 2023-06-06 | 2023-07-04 | 山东金帝精密机械科技股份有限公司 | 一种基于温升的轴承保持器状态检测方法、设备及介质 |
CN117969092A (zh) * | 2024-03-29 | 2024-05-03 | 山东天工岩土工程设备有限公司 | 一种盾构机主轴承的故障检测方法、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7843192B2 (en) * | 2007-08-16 | 2010-11-30 | National Research Council Of Canada | Kit, method and apparatus for monitoring operation of a bearing assembly, method for producing said apparatus, and bearing assembly with a condition monitor |
CN104081173A (zh) * | 2012-01-30 | 2014-10-01 | S.P.M.仪器公司 | 用于分析具有旋转部件的机器的状态的装置和方法 |
CN110426611A (zh) * | 2019-08-15 | 2019-11-08 | 南方电网科学研究院有限责任公司 | 三相分箱gis内部导体过热故障模拟试验装置及方法 |
CN114048769A (zh) * | 2021-11-08 | 2022-02-15 | 太原科技大学 | 面向轴承故障诊断的多源多域信息熵融合及模型自优化方法 |
WO2022062161A1 (zh) * | 2020-09-28 | 2022-03-31 | 广东石油化工学院 | 基于波形和无量纲学习的大机组摩擦故障分析方法及系统 |
CN114813128A (zh) * | 2022-04-18 | 2022-07-29 | 西安理工大学 | 基于鲸鱼算法的轴承故障信号检测方法及系统 |
WO2022165737A1 (zh) * | 2021-02-04 | 2022-08-11 | 江苏科技大学 | 一种船舶机械设备早期微弱故障信号特征诊断方法 |
CN217211399U (zh) * | 2022-04-28 | 2022-08-16 | 江苏苏港智能装备产业创新中心有限公司 | 一种电缆卷筒故障检测装置 |
CN115615540A (zh) * | 2022-12-20 | 2023-01-17 | 潍坊百特磁电科技有限公司 | 一种永磁自卸除铁器的托辊故障识别方法、设备及介质 |
-
2023
- 2023-03-29 CN CN202310314708.3A patent/CN116070154B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7843192B2 (en) * | 2007-08-16 | 2010-11-30 | National Research Council Of Canada | Kit, method and apparatus for monitoring operation of a bearing assembly, method for producing said apparatus, and bearing assembly with a condition monitor |
CN104081173A (zh) * | 2012-01-30 | 2014-10-01 | S.P.M.仪器公司 | 用于分析具有旋转部件的机器的状态的装置和方法 |
CN110426611A (zh) * | 2019-08-15 | 2019-11-08 | 南方电网科学研究院有限责任公司 | 三相分箱gis内部导体过热故障模拟试验装置及方法 |
WO2022062161A1 (zh) * | 2020-09-28 | 2022-03-31 | 广东石油化工学院 | 基于波形和无量纲学习的大机组摩擦故障分析方法及系统 |
WO2022165737A1 (zh) * | 2021-02-04 | 2022-08-11 | 江苏科技大学 | 一种船舶机械设备早期微弱故障信号特征诊断方法 |
CN114048769A (zh) * | 2021-11-08 | 2022-02-15 | 太原科技大学 | 面向轴承故障诊断的多源多域信息熵融合及模型自优化方法 |
CN114813128A (zh) * | 2022-04-18 | 2022-07-29 | 西安理工大学 | 基于鲸鱼算法的轴承故障信号检测方法及系统 |
CN217211399U (zh) * | 2022-04-28 | 2022-08-16 | 江苏苏港智能装备产业创新中心有限公司 | 一种电缆卷筒故障检测装置 |
CN115615540A (zh) * | 2022-12-20 | 2023-01-17 | 潍坊百特磁电科技有限公司 | 一种永磁自卸除铁器的托辊故障识别方法、设备及介质 |
Non-Patent Citations (3)
Title |
---|
HONGMEI YAN ET AL.: "Fault Diagnosis of Rolling Bearing Based on WP Reconstructed Energy Entropy and PSO-LSSVM", 《2019 PROGNOSTICS AND SYSTEM HEALTH MANAGEMENT CONFERENCE (PHM-PARIS)》, pages 18 - 23 * |
刘波等: "MCKD与改进的LSSVM在滚动轴承故障诊断中的应用", 《电子技术应用》, vol. 44, no. 07, pages 81 - 85 * |
赵培振等: "再结晶退火在风机主轴轴承保持架中的应用", 《锻造与冲压》, no. 06, pages 42 - 44 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116223037A (zh) * | 2023-05-09 | 2023-06-06 | 山东金帝精密机械科技股份有限公司 | 一种风电轴承保持器的运行监测方法及设备 |
CN116223037B (zh) * | 2023-05-09 | 2023-09-19 | 山东金帝精密机械科技股份有限公司 | 一种风电轴承保持器的运行监测方法及设备 |
CN116221038A (zh) * | 2023-05-10 | 2023-06-06 | 山东金帝精密机械科技股份有限公司 | 一种基于风电轴承保持架的轴承运行监测方法及设备 |
CN116380251A (zh) * | 2023-06-06 | 2023-07-04 | 山东金帝精密机械科技股份有限公司 | 一种基于温升的轴承保持器状态检测方法、设备及介质 |
CN116380251B (zh) * | 2023-06-06 | 2023-08-04 | 山东金帝精密机械科技股份有限公司 | 一种基于温升的轴承保持器状态检测方法、设备及介质 |
CN117969092A (zh) * | 2024-03-29 | 2024-05-03 | 山东天工岩土工程设备有限公司 | 一种盾构机主轴承的故障检测方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116070154B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116070154B (zh) | 一种大型轴承保持器的故障检测方法、设备及介质 | |
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
Cui et al. | Quantitative trend fault diagnosis of a rolling bearing based on Sparsogram and Lempel-Ziv | |
KR102141391B1 (ko) | 군집 평가에 기반한 고장 데이터의 관리 방법 | |
Yan et al. | Fisher’s discriminant ratio based health indicator for locating informative frequency bands for machine performance degradation assessment | |
CN110940518B (zh) | 一种基于故障数据的航天传动机构分析方法 | |
CN105241680A (zh) | 一种基于概率密度函数的旋转机械健康状态评估方法 | |
CN107473036A (zh) | 电梯曳引机远程在线检测与诊断系统及其检测诊断方法 | |
CN109615126A (zh) | 一种轴承剩余寿命预测方法 | |
CN111964909A (zh) | 滚动轴承运行状态检测方法、故障诊断方法及系统 | |
CN111504647A (zh) | 基于ar-mset的滚动轴承的性能退化评估方法 | |
CN109214522B (zh) | 一种基于多属性的设备性能退化评估方法 | |
CN104380063A (zh) | 异常音检测系统 | |
CN113551927A (zh) | 一种基于振动信号的机械设备故障预警方法和系统 | |
CN107702919A (zh) | 基于声发射的滑动轴承润滑状态监测方法 | |
KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
CN116910677A (zh) | 一种工业仪表故障诊断方法及系统 | |
CN117370879A (zh) | 一种风力机齿轮箱的实时在线故障诊断方法及系统 | |
CN115270896B (zh) | 一种用于识别航空发动机主轴承松动故障的智能诊断方法 | |
CN116226719A (zh) | 基于多维稳态振动特征的轴承故障诊断方法及相关组件 | |
CN113168739B (zh) | 用于检查至少一台车辆的方法以及电子计算装置 | |
CN112699609A (zh) | 一种基于振动数据的柴油机可靠性模型构建方法 | |
Hu et al. | Degradation assessment of bearing fault using SOM network | |
KR101967629B1 (ko) | 원자력 발전설비 예측진단용 신호데이터 처리장치 | |
CN113037550B (zh) | 一种服务故障监控方法、系统及计算机可读存储介质 |
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 |