CN116089866B - 基于振动信号的设备故障分析方法、系统、终端及介质 - Google Patents
基于振动信号的设备故障分析方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN116089866B CN116089866B CN202310135978.8A CN202310135978A CN116089866B CN 116089866 B CN116089866 B CN 116089866B CN 202310135978 A CN202310135978 A CN 202310135978A CN 116089866 B CN116089866 B CN 116089866B
- Authority
- CN
- China
- Prior art keywords
- characteristic
- sub
- representing
- vector
- value
- 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
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
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了基于振动信号的设备故障分析方法、系统、终端及介质,涉及故障分析技术领域,其技术方案要点是:将主矢量方向分解为多个子矢量方向;根据子矢量方向采集目标设备的振动加速度信号;采用时域波形解析方法提取振动加速度数据集中的第一特征值;依据共性约束条件从所有特征集的第一特征值中选取得到至少一个共性特征量;依据主矢量方向获取目标设备相应固定周期内的振动加速度信号;采用时域波形解析方法从第二振动加速度数据集中提取与共性特征量对应的第二特征值;将第二特征值与异常特征参考值进行相似度匹配,得到设备故障分析结果。本发明能够同时准确、可靠的分析出不同的设备故障类型,数据处理过程复杂度较低,易于实现。
Description
技术领域
本发明涉及故障分析技术领域,更具体地说,它涉及基于振动信号的设备故障分析方法、系统、终端及介质。
背景技术
设备振动故障一般通过采集设备的振动加速度信号进行时域波形解析和/或频谱分析,通过提取振动加速度信号中表征的特征值,并将提取的特征值进行对比、融合等方式处理后实现设备振动故障类型的判断。
然而,引起设备振动故障有不平衡、不对中、机械松动、轴承故障等多种原因,而不同的设备振动故障类型所展现的特征量以及特征量所对应的特征值各不相同,在对单个设备振动故障类型进行分析时,常常因特征量的选取而存在较大的误差,尤其是在各种干扰信号影响下的判断误差更大;此外,由于干扰信号会增加一定的特征量以及改变特征值,且信号采集方向的不同也会导致所采集的干扰信号以及振动加速度信号存在差异,一旦实际的信号采集方向与标定的信号采集方向存在差异时,也会影响到设备振动故障类型判定的准确性。
因此,如何研究设计一种能够克服上述缺陷的基于振动信号的设备故障分析方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足,本发明的目的是提供基于振动信号的设备故障分析方法、系统、终端及介质,能够同时准确、可靠的分析出不同的设备故障类型,数据处理过程复杂度较低,易于实现。
本发明的上述技术目的是通过以下技术方案得以实现的:
第一方面,提供了基于振动信号的设备故障分析方法,包括以下步骤:
确定采集振动数据的主矢量方向,并将主矢量方向分解为多个不同的子矢量方向;
根据不同的子矢量方向采集目标设备在同一固定周期内的振动加速度信号,得到多个对应的第一振动加速度数据集;
采用时域波形解析方法提取振动加速度数据集中的第一特征值,得到相应的第一特征集;
依据共性约束条件从所有特征集的第一特征值中选取得到至少一个共性特征量;
依据主矢量方向获取目标设备相应固定周期内的振动加速度信号,得到第二振动加速度数据集;
采用时域波形解析方法从第二振动加速度数据集中提取与共性特征量对应的第二特征值,得到第二特征集;
将第二特征集中的所有第二特征值与不同设备故障类型所对应的异常特征参考值进行相似度匹配,并选取相似度不小于对应的设定阈值的设备故障类型作为设备故障分析结果。
进一步的,所有所述子矢量方向的矢量和等于主矢量方向,且子矢量方向与主矢量方向之间的方向偏差角度小于90度。
进一步的,所述共性约束条件包括:
不同子矢量方向所对应选取的第一特征值之间的单一波动不超过对应的波动阈值;
任意两个子矢量方向所对应选取的第一特征值之间的差值不超过对应的跨度阈值;
和/或,任意两个子矢量方向中所有选取的第一特征值之间的整体波动不超过差异阈值。
进一步的,所述共性约束条件的表达式具体为:
其中,xi,j表示第i个子矢量方向所对应的第j个第一特征值;表示所有子矢量方向所对应的第j个第一特征值的平均值;n表示子矢量方向的数量;Dj表示第j个第一特征值的波动阈值;/>表示所有子矢量方向所对应的第j个第一特征值的最大值;/>表示所有子矢量方向所对应的第j个第一特征值的最小值;/>表示第j个第一特征值的跨度阈值;xk,j表示第jk个子矢量方向所对应的第j个第一特征值;m表示第一特征值的数量;D0表示第一特征集之间的差异阈值。
进一步的,所述差异阈值的计算公式具体为:
D0=Dmin(1+logmM)
其中,D0表示差异阈值;Dmin表示差异下限值;M表示在共性特征量提取过程中所选取的第一特征值的数量;m表示第一特征值的数量。
进一步的,所述差异阈值的计算公式具体为:
其中,D0表示差异阈值;Dmax表示差异上限值;M表示在共性特征量提取过程中所选取的第一特征值的数量;m表示第一特征值的数量;K(M)表示转换系数函数;K′(M)表示转换系数函数的一介导。
进一步的,所述第二振动加速度数据集依据多个不同的子矢量方向所对应采集的第一振动加速度数据集进行矢量求和得到;或,依据主矢量方向采集目标设备在同一固定周期内的振动加速度信号得到。
第二方面,提供了基于振动信号的设备故障分析系统,包括:
方向分解模块,用于确定采集振动数据的主矢量方向,并将主矢量方向分解为多个不同的子矢量方向;
数据采集模块,用于根据不同的子矢量方向采集目标设备在同一固定周期内的振动加速度信号,得到多个对应的第一振动加速度数据集;
特征解析模块,用于采用时域波形解析方法提取振动加速度数据集中的第一特征值,得到相应的第一特征集;
特征筛选模块,用于依据共性约束条件从所有特征集的第一特征值中选取得到至少一个共性特征量;
数据融合模块,用于依据主矢量方向获取目标设备相应固定周期内的振动加速度信号,得到第二振动加速度数据集;
特征提取模块,用于采用时域波形解析方法从第二振动加速度数据集中提取与共性特征量对应的第二特征值,得到第二特征集;
故障分析模块,用于将第二特征集中的所有第二特征值与不同设备故障类型所对应的异常特征参考值进行相似度匹配,并选取相似度不小于对应的设定阈值的设备故障类型作为设备故障分析结果。
第三方面,提供了一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任意一项所述的基于振动信号的设备故障分析方法。
第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行可实现如第一方面中任意一项所述的基于振动信号的设备故障分析方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明提供的基于振动信号的设备故障分析方法,通过将主矢量方向分解为多个不同的子矢量方向,以此获得具有对干扰信号以及不同设备故障类型具有差异性表现的共性特征量,再从主矢量方向所对应的第二振动加速度数据集中提取与共性特征量对应的第二特征值进行设备故障类型对比分析,能够同时准确、可靠的分析出不同的设备故障类型,数据处理过程复杂度较低,易于实现;
2、本发明在选取共性特征量时,不仅考虑了在不同子矢量方向上单一特征量之间波动情况,也考虑了多个特征量在两个子矢量方向上的波动情况,使得共性特征量的选取更加符合实际故障情况;
3、本发明在分析所有选取的第一特征值之间的整体波动时,依据所选取的第一特征值数量动态调整差异阈值的大小,能够尽可能的选取所有与设备故障类型相关的特征量,以此减少设备故障类型漏判的情况。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明实施例中的流程图;
图2是本发明实施例中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:基于振动信号的设备故障分析方法,如图1所示,包括以下步骤:
步骤S1:确定采集振动数据的主矢量方向,并将主矢量方向分解为多个不同的子矢量方向;
步骤S2:根据不同的子矢量方向采集目标设备在同一固定周期内的振动加速度信号,得到多个对应的第一振动加速度数据集;
步骤S3:采用时域波形解析方法提取振动加速度数据集中的第一特征值,得到相应的第一特征集;
步骤S4:依据共性约束条件从所有特征集的第一特征值中选取得到至少一个共性特征量;
步骤S5:依据主矢量方向获取目标设备相应固定周期内的振动加速度信号,得到第二振动加速度数据集;
步骤S6:采用时域波形解析方法从第二振动加速度数据集中提取与共性特征量对应的第二特征值,得到第二特征集;
步骤S7:将第二特征集中的所有第二特征值与不同设备故障类型所对应的异常特征参考值进行相似度匹配,并选取相似度不小于对应的设定阈值的设备故障类型作为设备故障分析结果。
需要说明的是,采用时域波形解析方法提取的特征量分为有量纲参数与无量纲参数。有量纲参数包括但不限于最大值、最小值、峰峰值、均值、方差、标准差、均方值、均方根值(RMS)、均方误差(MSE)、均方根误差(RMSE)、方根幅值。无量纲参数包括但不限于峰值因子、脉冲因子、裕度因子、波形因子、峭度因子、偏度因子。有量纲参数与无量纲参数既可以单独应用,也可以结合应用,在此不受限制。
在本实施例中,子矢量方向的矢量和等于主矢量方向,且子矢量方向与主矢量方向之间的方向偏差角度小于90度。
共性约束条件包括但不限于:不同子矢量方向所对应选取的第一特征值之间的单一波动不超过对应的波动阈值;任意两个子矢量方向所对应选取的第一特征值之间的差值不超过对应的跨度阈值;任意两个子矢量方向中所有选取的第一特征值之间的整体波动不超过差异阈值。共性约束条件既可以是上述条件中的一种,也可以是多种的组合,在此不受限制。
作为一种优选的实施方式,共性约束条件的表达式具体为:
其中,xi,j表示第i个子矢量方向所对应的第j个第一特征值;表示所有子矢量方向所对应的第j个第一特征值的平均值;n表示子矢量方向的数量;Dj表示第j个第一特征值的波动阈值;/>表示所有子矢量方向所对应的第j个第一特征值的最大值;/>表示所有子矢量方向所对应的第j个第一特征值的最小值;/>表示第j个第一特征值的跨度阈值;xk,j表示第k个子矢量方向所对应的第j个第一特征值;m表示第一特征值的数量;D0表示第一特征集之间的差异阈值。
本发明在选取共性特征量时,不仅考虑了在不同子矢量方向上单一特征量之间波动情况,也考虑了多个特征量在两个子矢量方向上的波动情况,使得共性特征量的选取更加符合实际故障情况。
作为一种可选的实施方式,差异阈值的计算公式具体为:
D0=Dmin(1+logmM)
其中,D0表示差异阈值;Dmin表示差异下限值;M表示在共性特征量提取过程中所选取的第一特征值的数量;m表示第一特征值的数量。
作为另一种可选的实施方式,差异阈值的计算公式具体为:
其中,D0表示差异阈值;Dmax表示差异上限值;M表示在共性特征量提取过程中所选取的第一特征值的数量;m表示第一特征值的数量;K(M)表示转换系数函数;K′(M)表示转换系数函数的一介导。
本发明在分析所有选取的第一特征值之间的整体波动时,依据所选取的第一特征值数量动态调整差异阈值的大小,能够尽可能的选取所有与设备故障类型相关的特征量,以此减少设备故障类型漏判的情况。
此外,本实施例中的第二振动加速度数据集可以依据多个不同的子矢量方向所对应采集的第一振动加速度数据集进行矢量求和得到,也可以依据主矢量方向采集目标设备在同一固定周期内的振动加速度信号得到,还可以结合两者之间的均值得到。
实施例2:基于振动信号的设备故障分析系统,该系统用于实现实施例1中所记载的基于振动信号的设备故障分析方法,如图2所示,包括方向分解模块、数据采集模块、特征解析模块、特征筛选模块、数据融合模块、特征提取模块和故障分析模块。
其中,方向分解模块,用于确定采集振动数据的主矢量方向,并将主矢量方向分解为多个不同的子矢量方向;数据采集模块,用于根据不同的子矢量方向采集目标设备在同一固定周期内的振动加速度信号,得到多个对应的第一振动加速度数据集;特征解析模块,用于采用时域波形解析方法提取振动加速度数据集中的第一特征值,得到相应的第一特征集;特征筛选模块,用于依据共性约束条件从所有特征集的第一特征值中选取得到至少一个共性特征量;数据融合模块,用于依据主矢量方向获取目标设备相应固定周期内的振动加速度信号,得到第二振动加速度数据集;特征提取模块,用于采用时域波形解析方法从第二振动加速度数据集中提取与共性特征量对应的第二特征值,得到第二特征集;故障分析模块,用于将第二特征集中的所有第二特征值与不同设备故障类型所对应的异常特征参考值进行相似度匹配,并选取相似度不小于对应的设定阈值的设备故障类型作为设备故障分析结果。
工作原理:本发明通过将主矢量方向分解为多个不同的子矢量方向,以此获得具有对干扰信号以及不同设备故障类型具有差异性表现的共性特征量,再从主矢量方向所对应的第二振动加速度数据集中提取与共性特征量对应的第二特征值进行设备故障类型对比分析,能够同时准确、可靠的分析出不同的设备故障类型,数据处理过程复杂度较低,易于实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于振动信号的设备故障分析方法,其特征是,包括以下步骤:
确定采集振动数据的主矢量方向,并将主矢量方向分解为多个不同的子矢量方向;
根据不同的子矢量方向采集目标设备在同一固定周期内的振动加速度信号,得到多个对应的第一振动加速度数据集;
采用时域波形解析方法提取振动加速度数据集中的第一特征值,得到相应的第一特征集;
依据共性约束条件从所有特征集的第一特征值中选取得到至少一个共性特征量;
依据主矢量方向获取目标设备相应固定周期内的振动加速度信号,得到第二振动加速度数据集;
采用时域波形解析方法从第二振动加速度数据集中提取与共性特征量对应的第二特征值,得到第二特征集;
将第二特征集中的所有第二特征值与不同设备故障类型所对应的异常特征参考值进行相似度匹配,并选取相似度不小于对应的设定阈值的设备故障类型作为设备故障分析结果;
所述共性约束条件包括:
不同子矢量方向所对应选取的第一特征值之间的单一波动不超过对应的波动阈值;
任意两个子矢量方向所对应选取的第一特征值之间的差值不超过对应的跨度阈值;
和/或,任意两个子矢量方向中所有选取的第一特征值之间的整体波动不超过差异阈值;
所述共性约束条件的表达式具体为:
其中,xi,j表示第i个子矢量方向所对应的第j个第一特征值;表示所有子矢量方向所对应的第j个第一特征值的平均值;n表示子矢量方向的数量;Dj表示第j个第一特征值的波动阈值;/>表示所有子矢量方向所对应的第j个第一特征值的最大值;/>表示所有子矢量方向所对应的第j个第一特征值的最小值;/>表示第j个第一特征值的跨度阈值;xk,j表示第k个子矢量方向所对应的第j个第一特征值;m表示第一特征值的数量;D0表示第一特征集之间的差异阈值。
2.根据权利要求1所述的基于振动信号的设备故障分析方法,其特征是,所有所述子矢量方向的矢量和等于主矢量方向,且子矢量方向与主矢量方向之间的方向偏差角度小于90度。
3.根据权利要求1所述的基于振动信号的设备故障分析方法,其特征是,所述差异阈值的计算公式具体为:
D0=Dmi11(1+logmM)
其中,D0表示差异阈值;Dmin表示差异下限值;M表示在共性特征量提取过程中所选取的第一特征值的数量;m表示第一特征值的数量。
4.根据权利要求1所述的基于振动信号的设备故障分析方法,其特征是,所述差异阈值的计算公式具体为:
其中,D0表示差异阈值;Dmax表示差异上限值;M表示在共性特征量提取过程中所选取的第一特征值的数量;m表示第一特征值的数量;K(M)表示转换系数函数;K′(M)表示转换系数函数的一介导。
5.根据权利要求1所述的基于振动信号的设备故障分析方法,其特征是,所述第二振动加速度数据集依据多个不同的子矢量方向所对应采集的第一振动加速度数据集进行矢量求和得到;或,依据主矢量方向采集目标设备在同一固定周期内的振动加速度信号得到。
6.基于振动信号的设备故障分析系统,其特征是,包括:
方向分解模块,用于确定采集振动数据的主矢量方向,并将主矢量方向分解为多个不同的子矢量方向;
数据采集模块,用于根据不同的子矢量方向采集目标设备在同一固定周期内的振动加速度信号,得到多个对应的第一振动加速度数据集;
特征解析模块,用于采用时域波形解析方法提取振动加速度数据集中的第一特征值,得到相应的第一特征集;
特征筛选模块,用于依据共性约束条件从所有特征集的第一特征值中选取得到至少一个共性特征量;
数据融合模块,用于依据主矢量方向获取目标设备相应固定周期内的振动加速度信号,得到第二振动加速度数据集;
特征提取模块,用于采用时域波形解析方法从第二振动加速度数据集中提取与共性特征量对应的第二特征值,得到第二特征集;
故障分析模块,用于将第二特征集中的所有第二特征值与不同设备故障类型所对应的异常特征参考值进行相似度匹配,并选取相似度不小于对应的设定阈值的设备故障类型作为设备故障分析结果;
所述共性约束条件包括:
不同子矢量方向所对应选取的第一特征值之间的单一波动不超过对应的波动阈值;
任意两个子矢量方向所对应选取的第一特征值之间的差值不超过对应的跨度阈值;
和/或,任意两个子矢量方向中所有选取的第一特征值之间的整体波动不超过差异阈值;
所述共性约束条件的表达式具体为:
其中,xi,j表示第i个子矢量方向所对应的第j个第一特征值;表示所有子矢量方向所对应的第j个第一特征值的平均值;n表示子矢量方向的数量;Dj表示第j个第一特征值的波动阈值;/>表示所有子矢量方向所对应的第j个第一特征值的最大值;/>表示所有子矢量方向所对应的第j个第一特征值的最小值;/>表示第j个第一特征值的跨度阈值;xk,j表示第k个子矢量方向所对应的第j个第一特征值;m表示第一特征值的数量;D0表示第一特征集之间的差异阈值。
7.一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现如权利要求1-5中任意一项所述的基于振动信号的设备故障分析方法。
8.一种计算机可读介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行可实现如权利要求1-5中任意一项所述的基于振动信号的设备故障分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310135978.8A CN116089866B (zh) | 2023-02-09 | 2023-02-09 | 基于振动信号的设备故障分析方法、系统、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310135978.8A CN116089866B (zh) | 2023-02-09 | 2023-02-09 | 基于振动信号的设备故障分析方法、系统、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116089866A CN116089866A (zh) | 2023-05-09 |
CN116089866B true CN116089866B (zh) | 2023-09-01 |
Family
ID=86211999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310135978.8A Active CN116089866B (zh) | 2023-02-09 | 2023-02-09 | 基于振动信号的设备故障分析方法、系统、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116089866B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108152064A (zh) * | 2017-12-26 | 2018-06-12 | 华侨大学 | 一种振动筛故障特征提取方法和故障监控系统 |
CN109580231A (zh) * | 2018-12-12 | 2019-04-05 | 中国北方发动机研究所(天津) | 一种识别柴油机匹配涡轮增压器的压壳旋转故障测试方法 |
CN113551927A (zh) * | 2021-07-07 | 2021-10-26 | 广州赛意信息科技股份有限公司 | 一种基于振动信号的机械设备故障预警方法和系统 |
CN113933056A (zh) * | 2021-11-05 | 2022-01-14 | 上海电气风电集团股份有限公司 | 风力发电机组的轴承故障诊断方法和装置 |
CN114152440A (zh) * | 2021-11-10 | 2022-03-08 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 一种滚动轴承故障特征提取方法 |
WO2022261805A1 (zh) * | 2021-06-15 | 2022-12-22 | 大连理工大学 | 一种柴油机齿轮箱故障诊断方法 |
-
2023
- 2023-02-09 CN CN202310135978.8A patent/CN116089866B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108152064A (zh) * | 2017-12-26 | 2018-06-12 | 华侨大学 | 一种振动筛故障特征提取方法和故障监控系统 |
CN109580231A (zh) * | 2018-12-12 | 2019-04-05 | 中国北方发动机研究所(天津) | 一种识别柴油机匹配涡轮增压器的压壳旋转故障测试方法 |
WO2022261805A1 (zh) * | 2021-06-15 | 2022-12-22 | 大连理工大学 | 一种柴油机齿轮箱故障诊断方法 |
CN113551927A (zh) * | 2021-07-07 | 2021-10-26 | 广州赛意信息科技股份有限公司 | 一种基于振动信号的机械设备故障预警方法和系统 |
CN113933056A (zh) * | 2021-11-05 | 2022-01-14 | 上海电气风电集团股份有限公司 | 风力发电机组的轴承故障诊断方法和装置 |
CN114152440A (zh) * | 2021-11-10 | 2022-03-08 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 一种滚动轴承故障特征提取方法 |
Non-Patent Citations (1)
Title |
---|
多个低速重载轴承同轴安装状态下故障诊断方法研究;韩嘉华;阎文;曹进华;;机械传动(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116089866A (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150346066A1 (en) | Asset Condition Monitoring | |
CN111931601B (zh) | 齿轮箱错误类别标签修正系统及方法 | |
US11762374B2 (en) | Data generation device, machine learning system, and machining state estimation system | |
JP2006318263A (ja) | 情報分析システム、情報分析方法及びプログラム | |
CN113177537B (zh) | 一种旋转机械设备的故障诊断方法及系统 | |
CN109753762B (zh) | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 | |
CN115800272B (zh) | 基于拓扑识别的电网故障分析方法、系统、终端及介质 | |
US10311703B1 (en) | Detection of spikes and faults in vibration trend data | |
US11830518B2 (en) | Sound data processing method, sound data processing device, and program | |
US7557572B1 (en) | Method of detecting and compensating for faults in an MRI process | |
CN109254924B (zh) | 一种软件故障定位方法、装置、设备及可读存储介质 | |
CN106651731B (zh) | 基于历史数据的通信铁塔待解决问题集生成方法及系统 | |
CN116089866B (zh) | 基于振动信号的设备故障分析方法、系统、终端及介质 | |
CN110705137B (zh) | 一种应力幅值和均值的确定方法以及装置 | |
JP2020183939A (ja) | ギアボックスの異常検出方法及び情報処理装置 | |
CN113670611A (zh) | 一种轴承早期退化评估方法、系统、介质及电子设备 | |
CN114800486A (zh) | 一种基于统计特征的工业机器人故障诊断方法及系统 | |
CN117332205B (zh) | 压电阻抗温度补偿高精度自动优化方法及装置 | |
JP2009110262A (ja) | フィルタ装置、フィルタ装置のフィルタリング方法およびフィルタリングプログラム | |
KR20210107844A (ko) | 분석 장치, 분석 방법, 및 프로그램 | |
CN112100577A (zh) | 基于长程相关性的设备运行稳定性在线监测方法及系统 | |
CN111737067A (zh) | 一种硬盘故障预测模型解释方法及装置 | |
CN112965964B (zh) | 一种实测飞参数据的野值检测方法、系统及计算机相关产品 | |
Pereira et al. | Bank of H∞ filters for sensor fault isolation in active controlled flexible structures | |
US20220156586A1 (en) | System for monitoring a circuit breaker |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230908 Address after: Room 614, Unit 1, Building 1, Tian'an Digital City, No. 1, Huangjin Road, Nancheng Street, Dongguan, Guangdong 523000 Patentee after: Guangdong Del Smart Technology Co.,Ltd. Address before: 230000 No. 8 Garden Avenue, Baohe Economic Development Zone, Hefei City, Anhui Province Patentee before: Anhui Bulate Intelligent Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |