CN116184193A - 天线伺服驱动状态监测与故障诊断方法 - Google Patents
天线伺服驱动状态监测与故障诊断方法 Download PDFInfo
- Publication number
- CN116184193A CN116184193A CN202310153106.4A CN202310153106A CN116184193A CN 116184193 A CN116184193 A CN 116184193A CN 202310153106 A CN202310153106 A CN 202310153106A CN 116184193 A CN116184193 A CN 116184193A
- Authority
- CN
- China
- Prior art keywords
- phase current
- frequency domain
- faults
- current signal
- reconstructed
- 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 35
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 238000003745 diagnosis Methods 0.000 title claims abstract description 20
- 230000009467 reduction Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 7
- 230000001629 suppression Effects 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 abstract description 2
- 238000004804 winding Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种天线伺服驱动状态监测与故障诊断方法，步骤1、采集伺服电机正常状态和各故障状态的定子三相电流信号，分别进行降噪预处理，得到各状态下重构三相电流信号；步骤2、频域特征和相对归一化幅值特征提取，建立伺服电机各状态下，三相电流归一化幅值的对应关系及其与频域特征的对应关系；步骤3、根据三相电流相对归一化幅值特征的对应关系及频域特征进行伺服电机故障诊断。本发明的方法通过建立伺服驱动各类状态模型、提出小波变换与SVD结合的定子电流信号噪声抑制方法，同时提出包络曲线解调算法，有效提取天线伺服驱动正常、定子故障、转子故障、轴承故障状态对应的频域特征，实现测控设备伺服驱动状态监测与故障诊断。
Description
技术领域
本发明专利属于航天器测量、控制与应用领域，涉及天线伺服驱动状态监测与故障诊断方法。
背景技术
日益密集的航天发射任务对雷达、天线等地面设备的稳定运行需求越来越高，伺服电机在雷达、天线中占据重要地位，其稳定运行决定了天线的运转性能及跟踪精度，但是，部分地面设备长期工作在高温、高压、潮湿等恶劣条件下，容易引发方位轴、俯仰轴、第三轴等部位伺服电机定子、转子、轴承的结构损坏，需要准确和快速的故障诊断方法来判断故障从而及时对故障进行处理。
目前，较为成熟的电机故障诊断方法主要包括三个方面：(1)基于解析模型的方法，该方法需建立较精确的电机模型，对于复杂非线性系统存在一定困难；(2)基于知识的方法，该方法存在算法通用性不完善的问题；(3)基于信号处理的方法，能够直接利用伺服电机运转过程中振动信号、电气量等作为特征监测参数，具有较强适用性；但是振动信号通过嵌入式传感器采集，增加了监测成本与复杂度。
为解决上述问题，本申请引入定子电流信号进行伺服电机故障诊断，定子电流信号具有采集方便、灵敏度高、时域特征直观性强、稳定性好等优点，将定子电流信号作为故障诊断特征参量能有效提取因基频分量、信道噪声、偏心谐波等淹没的微弱故障特征分量。
发明内容
本发明的目的是提供天线伺服驱动状态监测与故障诊断方法，解决了现有航天测控设备伺服驱动状态监测与故障诊断可实施性较难，诊断算法复杂、有效性低等问题。
本发明所采用的技术方案是，天线伺服驱动状态监测与故障诊断方法，具体步骤如下：
步骤1、通过霍尔电流传感器采集天线伺服电机正常状态和各故障状态的定子三相电流信号，对采集到的多个定子三相电流信号分别进行降噪预处理，得到各状态下重构三相电流信号；
步骤2、分别对不同状态下的重构三相电流信号进行频域特征和相对归一化幅值特征提取，建立伺服电机各状态下，三相电流归一化幅值的对应关系及其与频域特征的对应关系；
步骤3、根据待检测伺服电机三相电流相对归一化幅值特征的对应关系及频域特征进行伺服电机故障诊断。
本发明的特点还在于，
电流信号降噪预处理过程如下：
步骤1.1、定义任一电流信号为is(t)，t表示采样时间，对电流信号is(t)进行2层小波分解，初步去除信号中的高频噪声分量，得到电流信号i1(t)；
步骤1.2、对电流信号i1(t)进行奇异值分解降噪，构造m×n阶Hankel矩阵X，对矩阵X进行奇异值分解，得X＝USVT，Σ＝diag(λ1,λ2,...λk..,λr)，其中，U为1000×1000阶酉矩阵，V为1001×1001阶酉矩阵，
Σ为矩阵X的奇异值序列，λ1,λ2,...λk..,λr分别为奇异值序列中奇异值，λ1,λ2,...λk..,λr>0，r为奇异值序列中奇异值总个数，k为满足莱特准则的奇异值点个数；
步骤1.3、计算奇异值序列Σ的算术均值
及标准差σ，具体计算过程如下：
根据奇异值序列Σ和算术均值
计算序列残差λb：
其中，λb为序列残差，λ(i)(i＝1,2...r)为反应有用信号的奇异值点，σ为标准差，r为奇异值序列中奇异值总个数；
步骤1.4、根据莱特准则，将残差λb逐一与3倍标准差3σ进行比较，如果|λb(i)|≥3σ，则λ(i)为反应有用信号的奇异值点，保留该k个满足莱特准则的奇异值点，将不满足|λb(i)|≥3σ要求的(r-k)个较小奇异值置为0，得到重构的Hankel矩阵Xs，其中，i＝1,2…k，k为满足莱特准则的奇异值点个数；
步骤1.5、根据重构的Hankel矩阵Xs中的元素与电流序列对应关系得到剔除噪声后的重构电流信号I(t)；
步骤1.6、重复步骤1.1-步骤1.5，完成步骤1中采集的全部三相电流信号的重构。
步骤2的具体步骤如下：
步骤2.1、对任一重构电流信号I(t)进行求导，找出I(t)的极大值点Imaxp、极小值点Iminq及其对应时刻τmaxp、τminq，其中，p＝1,2…m1，q＝1,2…m2，m1、m2分别为极大值点与极小值点个数；步骤2.2、利用三次样条插值函数对重构电流信号I(t)的极值点(Imaxp,τmaxp)、(Iminq,τminq)进行拟合，得到重构电流信号I(t)的上、下包络曲线，实现电流信号的电网工频分量的滤除；
步骤2.3、采用快速傅里叶变换对重构电流信号I(t)上包络曲线进行频谱分析，得到反应故障特征频率的频域特征；
步骤2.4、采用绝对值算子对重构电流信号I(t)包络曲线进行解调运算，提取包络曲线幅值特性，则其相对归一化幅值A(x(t))为；
A(x(t))＝|x(t)| (4)
其中，x(t)为调制信号；
步骤2.5、重复步骤2.1-步骤2.4，提取步骤1.6中得到的全部重构电流信号的频域特征和相对归一化幅值特征，得到每个重构电流信号的频域特征和相对归一化幅值，建立伺服电机各状态下，三相电流归一化幅值的对应关系及其与频域特征的对应关系；
步骤1中伺服电机故障包括定子故障、转子故障、轴承外圈故障、轴承内圈故障、轴承滚动体故障及轴承保持架故障。
伺服电机各状态与三相电流频域特征及相对归一化幅值特征的对应关系具体如下：
其中，其中Aa、Ab、Ac分别为伺服电机同一状态下，三相电流包络曲线相对归一化幅值，fs为电源工频分量，s为电机转差率，fo、fr、fb和fc分别为轴承外圈、内圈、滚动体和保持架振动信号故障特征频率，n'＝1,2,3…，fcage为保持架旋转角频率。
m×n阶Hankel矩阵X如下：
其中，m＝1000，n＝1001。
本发明的有益效果是：
(1)本发明通过建立伺服驱动各类状态模型、提出小波变换与SVD结合的定子电流信号噪声抑制方法，同时提出包络曲线解调算法，有效提取天线伺服驱动正常、定子故障、转子故障、轴承故障状态对应的频域特征，实现测控设备伺服驱动状态监测与故障诊断；
(2)采用本发明的方法有效解决振动信号采集不便、特征参量监测种类繁多等问题，对现有地面测控设备的稳定运行提供重要保障，特别适用于恶劣环境中“有人值班，无人值守”的自动化运行设备。
附图说明
图1是本发明天线伺服驱动状态监测与故障诊断方法所采用的伺服驱动状态监测与故障诊断系统总体结构设计框图；
图2是本发明天线伺服驱动状态监测与故障诊断方法中定子电流信号包络解调分析流程图；
图3是本发明天线伺服驱动状态监测与故障诊断方法中轴承内圈故障定子电流包络曲线时域波形图；
图4是本发明天线伺服驱动状态监测与故障诊断方法中定子电流上包络曲线频域特征图；
图5是本发明天线伺服驱动状态监测与故障诊断方法中轴承内圈三相电流包络曲线相对归一化幅值对比图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
为使本发明的目的、技术方案和优点更加清楚明白，本发明的步骤1和步骤2的具体步骤以轴承内圈故障模式为实例进行说明，对本发明作进一步地详细说明。
步骤1、通过霍尔电流传感器采集天线伺服电机轴承内圈故障状态下三相电流信号，对采集到的三相电流信号分别进行降噪预处理，得到重构三相电流信号；
图1为本发明所采用的伺服驱动状态监测与故障诊断系统总体结构，根据地面测控设备结构及实际使用设计该状态监测与故障诊断系统，主要由信号采集模块、数据处理模块及监测诊断模块组成。
将三个霍尔电流传感器分别接入天线伺服电机a、b、c三相定子绕组，采集得到轴承内圈故障模式下的三相电流信号，此时的三相电流信号包含系统噪声、机械噪声、电磁噪声等噪声干扰，经数据处理模块预处理后，有效实现噪声的干扰抑制及有用信号放大；
任一电流信号的噪声干扰抑制步骤如下：
步骤1.1、采用小波阈值消噪法，选择sym8小波函数，对采集的含噪定子电流信号is(t)进行2层小波分解，初步去除信号中的高频噪声分量，得到i1(t)；
步骤1.2、对电流信号i1(t)进行奇异值分解降噪，构造m×n阶Hankel矩阵X，对矩阵X进行奇异值分解，得X＝USVT，其中，U为1000×1000阶酉矩阵，V为1001×1001阶酉矩阵，
Σ＝diag(λ1,λ2,...λk..,λr)，λ1,λ2,...λk..,λr>0，Σ为矩阵X的奇异值序列，λ1,λ2,...λk..,λr分别为奇异值序列中奇异值；
m×n阶的Hankel矩阵X如下：
其中m＝1000，n＝1001；
步骤1.3、计算奇异值序列Σ的算术均值
及标准差σ，具体计算过程如下：
根据奇异值序列Σ和算术均值
计算序列残差λb：
其中，λb为序列残差，λ(i)(i＝1,2...r)为反应有用信号的奇异值点，σ为标准差，r为奇异值序列中奇异值总个数；
步骤1.4、根据莱特准则，将残差λb逐一与3倍标准差3σ进行比较，如果|λb(i)|≥3σ，则λ(i)为反应有用信号的奇异值点，保留该k个满足莱特准则的奇异值点，将不满足|λb(i)|≥3σ要求的(r-k)个较小奇异值置为0，得到重构的Hankel矩阵Xs，其中，i＝1,2…k，k为满足莱特准则的奇异值点个数；
步骤1.5、根据重构的Hankel矩阵Xs中的元素与电流序列对应关系得到剔除噪声后的重构电流信号I(t)；
步骤1.6、重复步骤1.1-步骤1.5，完成轴承内圈故障模式下的定子绕组三相电流信号重构。
步骤2、对轴承内圈故障模式下重构三相电流信号进行频域特征和包络曲线幅值特性提取，建立伺服电机各状态下，三相电流归一化幅值的对应关系及其与频域特征的对应关系；
具体流程如图2所示，具体步骤如下：
步骤2.1、对任一重构电流信号I(t)进行求导，找出I(t)的极大值点Imaxp、极小值点Iminq及其对应时刻τmaxp、τminq，其中，p＝1,2…m1，q＝1,2…m2，m1、m2分别为极大值点与极小值点个数；
步骤2.2、利用三次样条插值函数对重构电流信号I(t)的极值点(Imaxp,τmaxp)、(Iminq,τminq)进行拟合，得到重构电流信号I(t)的上、下包络曲线，实现电流信号的电网工频分量的滤除，轴承内圈故障电流包络曲线时域波形如图3所示；
步骤2.3、采用快速傅里叶变换(FFT)对重构电流信号I(t)上包络曲线进行频谱分析，得到反应故障特征频率的频域特征，轴承内圈故障相电流包络曲线时域波形如图3所示，电流上包络曲线频域特征如图4所示；
步骤2.4、采用绝对值算子对重构电流信号I(t)包络曲线进行解调运算，提取包络曲线幅值特性，则其相对归一化幅值A(x(t))为；
A(x(t))＝|x(t)| (4)
其中，x(t)为调制信号；
步骤2.5、重复步骤2.1-步骤2.4，完成三相重构电流信号的频域特征和相对归一化幅值特征，得到每个重构电流信号的频域特征和相对归一化幅值的对应关系，建立轴承内圈故障模式下，三相电流相对归一化幅值特征的对应关系及其与频域特征的对应关系，如图5所示。
重复步骤1和步骤2，建立伺服电机各状态下，三相电流归一化幅值的对应关系与其与频域特征的对应关系，具体对应关系如下：
其中，其中Aa、Ab、Ac分别为伺服电机同一状态下，三相电流包络曲线相对归一化幅值，fs为电源工频分量，s为电机转差率，fo、fr、fb和fc分别为轴承外圈、内圈、滚动体和保持架振动信号故障特征频率，n'＝1,2,3…，fcage为保持架旋转角频率。
具体故障诊断过程如下：
将三个霍尔电流传感器分别接入天线伺服电机三相定子绕组，采集伺服电机的定子绕组三相电流信号，并按照本发明的方法，得到当前伺服电机三相电流相对归一化幅值的对应关系及其与频域特征的对应关系；
若三相电流相对归一化幅值相同且为1，电流信号的上、下包络曲线频域特征无边频分量，则伺服电机正常运行；若三相电流相对归一化幅值均不相同，电流信号的上、下包络曲线频域特征无边频分量，则伺服电机定子故障；若三相电流相对归一化幅值相同且为1，电流信号的上、下包络曲线频域特征边频分量突出，且频率值为(1±2s)fs，则转子故障；若三相电流相对归一化幅值相同且为1，电流信号的上、下包络曲线频域特征边频分量突出，且频率值为|fs±n'fo|，则轴承外圈故障；若三相电流相对归一化幅值相同且为1，电流信号的上、下包络曲线边频分量突出|fs±fr|、|fs±fr±n'fi|，则轴承内圈故障；若三相电流相对归一化幅值相同且为1，电流信号的上、下包络曲线频域特征边频分量突出，且频率值为|fs±fcage|、|fs±fcage±n'fb|，则轴承滚动体故障；若三相电流相对归一化幅值相同且为1，电流信号的上、下包络曲线频域特征边频分量突出，且频率值为|fs±n'fc|，则轴承保持架故障。
根据某型地面测控设备的工程实践验证，采用以上步骤可有效实现天线方位轴、俯仰轴伺服驱动的状态监测与故障诊断。
Claims (6)
1.一种天线伺服驱动状态监测与故障诊断方法，其特征在于，具体步骤如下：
步骤1、通过霍尔电流传感器采集天线伺服电机正常状态和各故障状态的定子三相电流信号，对采集到的多个定子三相电流信号分别进行降噪预处理，得到各状态下重构三相电流信号；
步骤2、分别对不同状态下的重构三相电流信号进行频域特征和相对归一化幅值特征提取，建立伺服电机各状态下，三相电流归一化幅值的对应关系及其与频域特征的对应关系；
步骤3、根据待检测伺服电机三相电流相对归一化幅值特征的对应关系及频域特征进行伺服电机故障诊断。
2.根据权利要求1所述的天线伺服驱动状态监测与故障诊断方法，其特征在于，电流信号降噪预处理过程如下：
步骤1.1、定义任一电流信号为is(t)，t表示采样时间，对电流信号is(t)进行2层小波分解，初步去除信号中的高频噪声分量，得到电流信号i1(t)；
步骤1.2、对电流信号i1(t)进行奇异值分解降噪，构造m×n阶Hankel矩阵X，对矩阵X进行奇异值分解，得X＝USVT，Σ＝diag(λ1,λ2,...λk..,λr)，其中，U为1000×1000阶酉矩阵，V为1001×1001阶酉矩阵，
Σ为矩阵X的奇异值序列，λ1,λ2,...λk..,λr分别为奇异值序列中奇异值，λ1,λ2,...λk..,λr>0，r为奇异值序列中奇异值总个数，k为满足莱特准则的奇异值点个数；
步骤1.3、计算奇异值序列Σ的算术均值
及标准差σ，具体计算过程如下：
根据奇异值序列Σ和算术均值
计算序列残差λb：
其中，λb为序列残差，λ(i)(i＝1,2...r)为反应有用信号的奇异值点，σ为标准差，r为奇异值序列中奇异值总个数；
步骤1.4、根据莱特准则，将残差λb逐一与3倍标准差3σ进行比较，如果|λb(i)|≥3σ，则λ(i)为反应有用信号的奇异值点，保留该k个满足莱特准则的奇异值点，将不满足|λb(i)|≥3σ要求的(r-k)个较小奇异值置为0，得到重构的Hankel矩阵Xs，其中，i＝1,2…k，k为满足莱特准则的奇异值点个数；
步骤1.5、根据重构的Hankel矩阵Xs中的元素与电流序列对应关系得到剔除噪声后的重构电流信号I(t)；
步骤1.6、重复步骤1.1-步骤1.5，完成步骤1中采集的全部三相电流信号的重构。
3.根据权利要求1所述的天线伺服驱动状态监测与故障诊断方法，其特征在于，步骤2的具体步骤如下：
步骤2.1、对任一重构电流信号I(t)进行求导，找出I(t)的极大值点Imaxp、极小值点Iminq及其对应时刻τmaxp、τminq，其中，p＝1,2…m1，q＝1,2…m2，m1、m2分别为极大值点与极小值点个数；
步骤2.2、利用三次样条插值函数对重构电流信号I(t)的极值点(Imaxp,τmaxp)、(Iminq,τminq)进行拟合，得到重构电流信号I(t)的上、下包络曲线，实现电流信号的电网工频分量的滤除；
步骤2.3、采用快速傅里叶变换对重构电流信号I(t)上包络曲线进行频谱分析，得到反应故障特征频率的频域特征；
步骤2.4、采用绝对值算子对重构电流信号I(t)包络曲线进行解调运算，提取包络曲线幅值特性，则其相对归一化幅值A(x(t))为；
A(x(t))＝|x(t)| (4)
其中，x(t)为调制信号；
步骤2.5、重复步骤2.1-步骤2.4，提取步骤1.6中得到的全部重构电流信号的频域特征和相对归一化幅值特征，得到每个重构电流信号的频域特征和相对归一化幅值，建立伺服电机各状态下，三相电流归一化幅值的对应关系及其与频域特征的对应关系。
4.根据权利要求1所述的天线伺服驱动状态监测与故障诊断方法，其特征在于，步骤1中所述的伺服电机故障包括定子故障、转子故障、轴承外圈故障、轴承内圈故障、轴承滚动体故障及轴承保持架故障。
5.根据权利要求1所述的天线伺服驱动状态监测与故障诊断方法，其特征在于，所述伺服电机各状态与三相电流频域特征及相对归一化幅值特征的对应关系具体如下：
其中，其中Aa、Ab、Ac分别为伺服电机同一状态下，三相电流包络曲线相对归一化幅值，fs为电源工频分量，s为电机转差率，fo、fr、fb和fc分别为轴承外圈、内圈、滚动体和保持架振动信号故障特征频率，n'＝1,2,3…，fcage为保持架旋转角频率。
6.根据权利要求2所述的天线伺服驱动状态监测与故障诊断方法，其特征在于，所述m×n阶Hankel矩阵X如下：
其中，m＝1000，n＝1001。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310153106.4A CN116184193A (zh) | 2023-02-22 | 2023-02-22 | 天线伺服驱动状态监测与故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310153106.4A CN116184193A (zh) | 2023-02-22 | 2023-02-22 | 天线伺服驱动状态监测与故障诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116184193A true CN116184193A (zh) | 2023-05-30 |
Family
ID=86436247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310153106.4A Pending CN116184193A (zh) | 2023-02-22 | 2023-02-22 | 天线伺服驱动状态监测与故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116184193A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116735942A (zh) * | 2023-08-09 | 2023-09-12 | 南方电网调峰调频发电有限公司 | 针对变速发电电动机转子侧低频电流的测量系统和方法 |
-
2023
- 2023-02-22 CN CN202310153106.4A patent/CN116184193A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116735942A (zh) * | 2023-08-09 | 2023-09-12 | 南方电网调峰调频发电有限公司 | 针对变速发电电动机转子侧低频电流的测量系统和方法 |
| CN116735942B (zh) * | 2023-08-09 | 2023-11-03 | 南方电网调峰调频发电有限公司 | 针对变速发电电动机转子侧低频电流的测量系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103048137B (zh) | 一种变工况下的滚动轴承故障诊断方法 | |
| CN113176092B (zh) | 基于数据融合和改进经验小波变换的电机轴承故障诊断方法 | |
| CN116184193A (zh) | 天线伺服驱动状态监测与故障诊断方法 | |
| CN106404399B (zh) | 基于自适应冗余提升小波包分解树的轴承故障诊断方法 | |
| CN106788060B (zh) | 基于改进SVD-Prony算法的发电机参数辨识方法 | |
| CN116609692B (zh) | 一种基于充电机检测的电池健康状态诊断方法及系统 | |
| CN110672327A (zh) | 一种基于多层降噪技术的异步电机轴承故障诊断方法 | |
| CN112946695B (zh) | 基于奇异值分解的卫星定位压制干扰识别方法 | |
| CN111881736A (zh) | 一种基于带宽傅立叶分解的滚动轴承早期故障诊断方法 | |
| CN114112396B (zh) | 一种采用电流信号分析的转速波动准平稳工况下轴承故障诊断方法 | |
| Fong et al. | Mean shift clustering-based analysis of nonstationary vibration signals for machinery diagnostics | |
| CN113607415A (zh) | 一种变转速下基于短时随机共振的轴承故障诊断方法 | |
| CN108197073B (zh) | 一种改进的电动汽车充电电能信号特征分析方法 | |
| CN110554325A (zh) | 一种基于表面温度的车用锂离子电池容量估计方法 | |
| CN111854930B (zh) | 一种基于先验预估的振动信号工频干扰压制方法 | |
| CN117970105B (zh) | 基于信号融合的电机轴承早期故障诊断方法及系统 | |
| CN114486263B (zh) | 一种旋转机械滚动轴承振动信号降噪解调方法 | |
| CN111413095A (zh) | 基于瞬时角速度的行星轴承分布式故障诊断分析方法 | |
| CN112115802A (zh) | 一种起重机回转机构齿轮故障诊断方法、系统及存储介质 | |
| Wei et al. | Fault diagnosis of bearings in multiple working conditions based on adaptive time-varying parameters short-time Fourier synchronous squeeze transform | |
| CN110163148B (zh) | 一种电动汽车直流充电畸变信号自适应识别方法 | |
| CN111046790A (zh) | 一种泵轴承故障诊断方法 | |
| CN116859240A (zh) | 一种基于多传感器和边缘计算的直流无刷电机故障识别方法 | |
| CN111353415A (zh) | 一种脉冲响应中谐波成分的检测方法 | |
| CN110633686A (zh) | 一种基于振动信号数据驱动的设备转速识别方法 |
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 |