CN116257739B - 一种高速电主轴快速可视化诊断方法 - Google Patents
一种高速电主轴快速可视化诊断方法 Download PDFInfo
- Publication number
- CN116257739B CN116257739B CN202310545662.6A CN202310545662A CN116257739B CN 116257739 B CN116257739 B CN 116257739B CN 202310545662 A CN202310545662 A CN 202310545662A CN 116257739 B CN116257739 B CN 116257739B
- Authority
- CN
- China
- Prior art keywords
- order
- spectrum
- order spectrum
- involute
- sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003745 diagnosis Methods 0.000 title claims abstract description 30
- 230000000007 visual effect Effects 0.000 title claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims abstract description 50
- 238000012952 Resampling Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000011524 similarity measure Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009347 mechanical transmission Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0971—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring mechanical vibrations of parts of the machine
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Abstract
本发明公开了一种高速电主轴快速可视化诊断方法,属于信号处理技术领域,包括:通过阶次谱对齐不同参数的振动数据,之后根据电主轴轴承特性对阶次谱进行分割,并基于各个阶次谱片段提取结构指标作为顶点坐标,最后在极坐标中完成可视化“渐开折线”的绘制,折线的展开程度反映振动信号的能量水平,顶点位置表征振动信号的结构,通过度量两条渐开折线的相似程度可直观判断电主轴是否存在故障。本发明在保证诊断结果可靠的同时以可视图形的形式降低诊断过程的理解难度,极大提高了高速电主轴诊断过程的便捷性。
Description
技术领域
本发明涉及信号处理领域,具体涉及一种高速电主轴快速可视化诊断方法。
背景技术
高速切削技术是21世纪最具前景的先进制造技术之一,为适应更高的主轴切削速度,电主轴应运而生。电主轴将驱动电机的转子延伸作为机床主轴,电机的定子通过冷却套固定在主轴头内孔上。在实际工作中,机床控制系统以不同频率驱动后端电机带动前端主轴以相应转速旋转。电主轴系统中不包含机械传动部件,因而具有结构紧凑、传动效率高、响应快、动态精度高等优点,广泛应用于高精度的数控加工机床。
为适应20000rpm以上的超高转速,电主轴普遍采用陶瓷轴承作为支撑,碰撞、疲劳、润滑不良等原因导致的轴承损坏成为电主轴的主要故障形式。数据显示,电主轴一旦发生故障其维修周期将长达1-3个月,且维修后的电主轴寿命显著下降,生产成本将大幅提升,因此加强电主轴温度、振动等物理量的监测对于掌握电主轴的健康状态和预防故障发生必不可少。其中,振动与电主轴机械结构存在较强的机理联系,基于振动开展电主轴轴承的早期故障和异常状态识别是业内的普遍做法,但读懂振动数据中蕴含的深层信息往往涉及复杂的处理过程和专业的数学知识,如时频谱、小波分解、EMD等,机床维保人员很难直观理解,因此无法高效得出结论;此外,电主轴振动数据因转速不同、采样频率不同、数据长度不同而表现出不同特性,振动数据之间的可比性较差。
阶次谱运算的过程中将以插值的方式对齐不同转速、不同采频、不同数据长度的振动数据,使不同参数的振动数据具备可比性,在此基础上进行振动数据结构可视化将极大降低读懂振动信号的难度,有利于电主轴故障的诊断技术的应用和推广。基于此,本申请提出了一种高速电主轴快速可视化诊断方法,旨在解决用于开展高速电主轴的早期故障诊断和异常状态的振动信号,其处理方法存在理论复杂、结论不直观、数据可比性差等问题。
发明内容
本发明旨在解决现有技术中用于开展高速电主轴的早期故障诊断和异常状态的振动信号,其处理方法存在理论复杂、结论不直观、数据可比性差等问题,提出一种高速电主轴快速可视化诊断方法,保证诊断结果可靠的同时以可视图形的形式降低诊断过程的理解难度,极大提高了高速电主轴诊断过程的便捷性。
为了实现上述发明目的,本发明的技术方案如下:
一种高速电主轴快速可视化诊断方法,其特征在于,包括如下步骤:
S1、收集电主轴振动信号 ,t为离散的时间序列,采样频率为/>;
S2、对电主轴振动信号进行等角度重采样,计算阶次谱,o为阶次序列;
S3、根据电主轴轴承结构特性,将阶次谱分割为n个片段;
S4、以各阶次谱片段为基础计算“渐开折线”顶点,在极坐标系内绘制顶点;
S5、依次连接原点及各顶点构成“渐开折线”,折线的展开程度反映振动能量水平,顶点位置反映振动信号结构,通过对比两条渐开折线的相似程度判断电主轴是否存在故障。
进一步的,阶次谱的计算方式包括如下步骤:
S21、获取转频作为阶次谱/>的分析基频,设置谱阶次上限;
S22、设计巴特沃斯低通滤波器对进行滤波,截止频率/>;
S23、转换至角度域得到/>,其中,/>为与/>序列对应的角度序列,;
S24、对进行等角度重采样获得/>,即进行样条插值运算,为等间隔的角度序列;
S25、对进行快速傅里叶变换得到阶次谱/>。
进一步的,所述的根据电主轴轴承结构特性,将阶次谱分割为n个片段包括:
以下式为界限将阶次谱分割为4个片段,其中Z为电主轴轴承滚子数:
;
其中,Z为电主轴轴承滚子数,N为谱阶次上限,、/>、/>、/>、/>为分割界限。
进一步的,步骤S4中,按照下式在极坐标系内绘制顶点:
;
其中,为极径,/>为极角,/>表示第/>个分片的阶次谱。
进一步的,还包括步骤S6、定量描述两渐开折线的相似程度,定义如下相似性度量:
;
式中,表示各顶点的相似性权重;/>、/>表示两条不同渐开折线;当时,认为/>与/>相似程度较高,/>越接近1两者越相似。
进一步的,步骤S24中,对进行等角度重采样即进行样条插值运算,插值点为,L为插值序列长度。
进一步的,步骤S25中,阶次谱的阶次序列表示为。
综上所述,本发明具有以下优点:
本发明所述方法首先通过阶次谱对齐不同参数的振动数据,之后根据电主轴轴承特性对阶次谱进行分割,并基于各个阶次谱片段提取结构指标作为顶点坐标,最后在极坐标中完成可视化“渐开折线”的绘制。该折线的展开程度反映振动信号的能量水平,顶点位置表征振动信号的结构,通过度量两条渐开折线的相似程度可直观判断电主轴是否存在故障。本方法在保证诊断结果可靠的同时以可视图形的形式降低诊断过程的理解难度,极大的提高了高速电主轴诊断过程的便捷性。
附图说明
图1为本发明一种高速电主轴快速可视化诊断方法的流程图;
图2为电主轴振动信号的时域波形(a)及其频谱(b);
图3为电主轴振动信号的阶次谱及分割界限;
图4为电主轴振动信号的可视化渐开折线图:、/>、/>。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例1
如图1所示,本发明提供了一种高速电主轴快速可视化诊断方法,按照如下步骤实施:
步骤 S1、收集电主轴振动信号,采样频率为/>。
步骤S2、对电主轴振动信号进行等角度重采样,计算阶次谱;
本实施例中,阶次谱的计算方式包括如下步骤:
步骤S21、获取转频作为阶次谱/>的分析基频,设置谱阶次上限;
步骤S22、设计巴特沃斯低通滤波器对进行滤波,截止频率;
步骤S23、转换至角度域得到/>,其中,/>为与/>序列对应的角度序列,;
步骤S24、对进行等角度重采样获得/>,即进行样条插值运算,为等间隔的角度序列;
本实施例中,对进行等角度重采样即进行样条插值运算,插值点为,L为插值序列长度;
步骤S25、对进行快速傅里叶变换得到阶次谱/>。
本实施例中,阶次谱的阶次序列表示为。
步骤S3、根据电主轴轴承结构特性,将阶次谱分割为n个片段;
本实施例中,根据电主轴轴承结构特性,以下式为界限将阶次谱分割为4个片段,其中Z为电主轴轴承滚子数:
; (1)
其中,Z为电主轴轴承滚子数,N为谱阶次上限,、/>、/>、/>、/>为分割界限。
步骤S4、以各阶次谱片段为基础计算“渐开折线”顶点,在极坐标系内绘制顶点;
;(2)
其中,为极径,/>为极角,/>表示第/>个分片的阶次谱。
S5、依次连接原点及各顶点构成“渐开折线”,折线的展开程度反映振动能量水平,顶点位置反映振动信号结构,通过对比两条渐开折线的相似程度判断电主轴是否存在故障。
实施例2
本实施例提供了一种高速电主轴快速可视化诊断方法,在实施例1的基础上,进一步的,还包括步骤S6、为定量描述两渐开折线的相似程度,定义如下相似性度量:
(3);
式中,表示各顶点的相似性权重;/>、/>表示两条不同渐开折线;当时,认为/>与/>相似程度较高,/>越接近1两者越相似。
实施例3
本实施例提供了一种高速电主轴快速可视化诊断方法,采用加速度振动传感器测量某卧式加工中心电主轴振动,传感器固定于电主轴外壳上前端轴承位置,测量方向为电主轴径向,电主轴转速为15000rpm,即250Hz,采样频率为25600Hz,其振动信号如图2(a)所示,其频谱如图2(b)所示。由图中可以看出,电主轴整体振动平稳且能量水平较低,总体工作正常。
根据一种高速电主轴快速可视化诊断方法的实施步骤,设置阶次分析基频为电主轴转频,即,设置谱阶次上限/>,设计5阶巴特沃斯滤波器对振动信号进行滤波,/>。
将振动信号转换至角度域进行样条插值,相邻插值点间隔为。对插值结果进行FFT变换获得该信号的阶次谱如图3。由图可以看出,阶次谱与频谱具有很高的结构一致性,阶次谱谱线数量有所降低。电主轴轴承滚子数为25,因此分割界限如图3所示为:,/>,/>,/>,/>。计算顶点坐标如表1(渐开折线),连接原点及各个顶点形成该振动信号的渐开折线如图4(渐开折线/>)。
为验证本发明方法对电主轴健康状态的指示能力,选取不同时间测得的另外两组振动数据绘制渐开折线和/>如图4所示,顶点坐标如表1所示。图中可直观感受到/>和较为相似,/>的量级明显放大,其结构与/>表现出较大差异。根据式(3)定量计算相似度有/>,/>,/>,渐开折线/>和/>相似程度更高。而事实证明,采集/>振动信号时间早于/>,采集/>振动信号时,电主轴工作正常,采集/>振动信号时,电主轴轴承出现严重的外圈磨损故障。
表1 渐开折线、/>和/>各顶点坐标
值得注意的是,三个振动信号的采样频率相同但数据长度不尽相同,、/>和/>的振动信号长度分别为500000、320000和340000,本发明方法经由阶次谱将序列长度统一为312500,使不同长度的振动信号具有了可比性。此外,即使不同采样频率、不同工作转频的振动信号仍然可以根据本发明方法生成渐开折线并进行比较,亦即可视化诊断,但当采频、转频差异过大时,振动信号本身结构差异增大,需要对相关标准作出调整才能得出可靠的诊断结论。
需要说明的是,本方法适用于基于平稳振动信号的高速电主轴诊断过程,通过获取瞬时转速构建阶次谱可将本发明方法拓展于非平稳振动信号,此外调整分割界限、修改相似性度量亦可对本方法进行应用拓展。但这些拓展并未脱离本发明的构思,也应视为本发明的保护范围。
Claims (3)
1.一种高速电主轴快速可视化诊断方法,其特征在于,包括如下步骤:
S1、收集电主轴振动信号,t为离散的时间序列,采样频率为/>;
S2、对电主轴振动信号进行等角度重采样,计算阶次谱,o为阶次序列;
S3、根据电主轴轴承结构特性,将阶次谱分割为n个片段;
S4、以各阶次谱片段为基础计算“渐开折线”顶点,并在极坐标系内绘制各个顶点;
S5、依次连接原点及各顶点构成“渐开折线”,折线的展开程度反映振动能量水平,顶点位置反映振动信号结构,通过对比两条渐开折线的相似程度判断电主轴是否存在故障;
步骤S6、定量描述两渐开折线的相似程度,定义如下相似性度量:
;
式中,表示各顶点的相似性权重;/>;/>、/>表示两条不同渐开折线;当/>时,认为/>与/>相似程度较高,/>越接近1两者越相似;
阶次谱的计算方式包括如下步骤:
S21、获取转频作为阶次谱/>的分析基频,设置谱阶次上限;
S22、设计巴特沃斯低通滤波器对进行滤波,截止频率/>;
S23、转换至角度域得到/>,其中/>为与/>序列对应的角度序列,;
S24、对进行等角度重采样获得/>,即进行样条插值运算,/>为等间隔的角度序列;
S25、对进行快速傅里叶变换得到阶次谱/>;
所述的根据电主轴轴承结构特性,将阶次谱分割为n个片段包括:
以下式为界限将阶次谱分割为4个片段:
;
其中,Z为电主轴轴承滚子数,N为谱阶次上限,、/>、/>、/>、/>为分割界限;
步骤S4中,按照下式在极坐标系内绘制顶点:
;
其中,为极径,/>为极角,/>表示第/>个分片的阶次谱。
2.根据权利要求1所述的一种高速电主轴快速可视化诊断方法,其特征在于,
步骤S24中,对进行等角度重采样即进行样条插值运算,插值点为,L为插值序列长度。
3.根据权利要求2所述的一种高速电主轴快速可视化诊断方法,其特征在于,步骤S25中,阶次谱的阶次序列表示为:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310545662.6A CN116257739B (zh) | 2023-05-16 | 2023-05-16 | 一种高速电主轴快速可视化诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310545662.6A CN116257739B (zh) | 2023-05-16 | 2023-05-16 | 一种高速电主轴快速可视化诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116257739A CN116257739A (zh) | 2023-06-13 |
CN116257739B true CN116257739B (zh) | 2023-08-04 |
Family
ID=86682926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310545662.6A Active CN116257739B (zh) | 2023-05-16 | 2023-05-16 | 一种高速电主轴快速可视化诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116257739B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5798831A (en) * | 1991-12-19 | 1998-08-25 | Nikon Corporation | Defect inspecting apparatus and defect inspecting method |
KR20110122483A (ko) * | 2010-05-04 | 2011-11-10 | 시그널링크 주식회사 | 오더 스펙트럼 분석 기능을 구비한 빌트인 진동모니터 및 이를 이용한 가변회전 기계장치의 결함진단방법 |
CN105547698A (zh) * | 2015-12-31 | 2016-05-04 | 新疆金风科技股份有限公司 | 滚动轴承的故障诊断方法及装置 |
CN110617964A (zh) * | 2019-07-29 | 2019-12-27 | 中国铁道科学研究院集团有限公司城市轨道交通中心 | 用于滚动轴承故障诊断的同步压缩变换阶比分析法 |
CN110887663A (zh) * | 2019-10-30 | 2020-03-17 | 中国石油化工股份有限公司 | 变工况计算阶次跟踪与谱峭度结合的轴承故障诊断方法 |
CN111259765A (zh) * | 2020-01-13 | 2020-06-09 | 北京工业大学 | 一种基于数控机床主轴电流信号的阶次分析方法 |
CN111307460A (zh) * | 2020-03-14 | 2020-06-19 | 中国石化销售股份有限公司华南分公司 | 基于计算阶次跟踪与谱峭度的滚动轴承故障诊断方法 |
CN113985276A (zh) * | 2021-10-18 | 2022-01-28 | 上海电气风电集团股份有限公司 | 风力发电机组的故障诊断方法和装置 |
CN114216676A (zh) * | 2021-11-30 | 2022-03-22 | 上海海事大学 | 一种时变工况下无转速计的行星齿轮箱复合故障诊断方法 |
CN115060491A (zh) * | 2022-06-23 | 2022-09-16 | 华能湖南桂东风电有限责任公司 | 一种基于多源数据的风机轴承运行健康度评估方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI460416B (zh) * | 2011-03-28 | 2014-11-11 | Univ Nat Taiwan | 機械系統狀態之判斷方法及判斷裝置 |
US11493379B2 (en) * | 2017-04-26 | 2022-11-08 | Augury Systems Ltd. | Systems and methods for monitoring of mechanical and electrical machines |
-
2023
- 2023-05-16 CN CN202310545662.6A patent/CN116257739B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5798831A (en) * | 1991-12-19 | 1998-08-25 | Nikon Corporation | Defect inspecting apparatus and defect inspecting method |
KR20110122483A (ko) * | 2010-05-04 | 2011-11-10 | 시그널링크 주식회사 | 오더 스펙트럼 분석 기능을 구비한 빌트인 진동모니터 및 이를 이용한 가변회전 기계장치의 결함진단방법 |
CN105547698A (zh) * | 2015-12-31 | 2016-05-04 | 新疆金风科技股份有限公司 | 滚动轴承的故障诊断方法及装置 |
CN110617964A (zh) * | 2019-07-29 | 2019-12-27 | 中国铁道科学研究院集团有限公司城市轨道交通中心 | 用于滚动轴承故障诊断的同步压缩变换阶比分析法 |
CN110887663A (zh) * | 2019-10-30 | 2020-03-17 | 中国石油化工股份有限公司 | 变工况计算阶次跟踪与谱峭度结合的轴承故障诊断方法 |
CN111259765A (zh) * | 2020-01-13 | 2020-06-09 | 北京工业大学 | 一种基于数控机床主轴电流信号的阶次分析方法 |
CN111307460A (zh) * | 2020-03-14 | 2020-06-19 | 中国石化销售股份有限公司华南分公司 | 基于计算阶次跟踪与谱峭度的滚动轴承故障诊断方法 |
CN113985276A (zh) * | 2021-10-18 | 2022-01-28 | 上海电气风电集团股份有限公司 | 风力发电机组的故障诊断方法和装置 |
CN114216676A (zh) * | 2021-11-30 | 2022-03-22 | 上海海事大学 | 一种时变工况下无转速计的行星齿轮箱复合故障诊断方法 |
CN115060491A (zh) * | 2022-06-23 | 2022-09-16 | 华能湖南桂东风电有限责任公司 | 一种基于多源数据的风机轴承运行健康度评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
高速球轴承振动特性及其扩展表征方法研究;侯萍萍;《中国博士学位论文全文数据库 (基础科学辑)》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116257739A (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | Early fault detection of machine tools based on deep learning and dynamic identification | |
CN104655380B (zh) | 一种旋转机械设备故障特征提取方法 | |
CN108051078A (zh) | 一种转速非恒定时叶片振动叶端定时在线监测方法及装置 | |
CN102175439B (zh) | 针对旋转机械的阶次分析实现方法 | |
CN108844733B (zh) | 一种基于kl散度与均方根值的齿轮状态监测指标提取方法 | |
JPH1026580A (ja) | 変速型回転機械設備の診断方法および装置 | |
Frini et al. | Gear faults diagnosis based on the geometric indicators of electrical signals in three-phase induction motors | |
CN105675113A (zh) | 基于微型传感器的旋转机械角域振动信号获取装置和方法 | |
CN102721462B (zh) | 旋转机械启停车过程波德图/奈奎斯特图的快速计算方法 | |
CN116257739B (zh) | 一种高速电主轴快速可视化诊断方法 | |
US9146100B2 (en) | Wind turbine condition monitoring method | |
CN111562126B (zh) | 一种基于三维全息差谱的旋转机械二倍频故障诊断方法 | |
CN114509159A (zh) | 阶比跟踪分析方法、系统及计算机可读存储介质 | |
JP3103193B2 (ja) | 回転機械の診断装置 | |
CN1186600C (zh) | 高速旋转机械半速涡动在线稳定性特征提取与监测方法 | |
CN113504310B (zh) | 基于单个叶端定时传感器的叶片固有频率识别方法 | |
CN115856621A (zh) | 一种异步电机转子断条故障诊断方法及系统 | |
CN112880811B (zh) | 一种移动直线拟合的无键相叶尖定时测振方法 | |
CN115144171A (zh) | 一种变转速工况下的旋转机械振动信号归一化方法 | |
JP7379241B2 (ja) | 回転機の診断監視装置及び方法 | |
CN113358307B (zh) | 一种根据轴振信号确定转子涡动方向的判断方法 | |
CN219956718U (zh) | 一种高速转轴表面温度在线监测装置 | |
CN113588267B (zh) | 一种基于振动谱分析的电主轴轴承结构参数推断方法 | |
Elsamanty et al. | Rotary Machines Fault Diagnosis based on Principal Component Analysis | |
Kumhar et al. | Dynamic-balance monitoring scheme for industrial fans using neural-network based machine learning approach |
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 |