CN117290651A - 一种算法及用于电机驱动系统齿轮箱的润滑状态监测方法 - Google Patents
一种算法及用于电机驱动系统齿轮箱的润滑状态监测方法 Download PDFInfo
- Publication number
- CN117290651A CN117290651A CN202311098946.1A CN202311098946A CN117290651A CN 117290651 A CN117290651 A CN 117290651A CN 202311098946 A CN202311098946 A CN 202311098946A CN 117290651 A CN117290651 A CN 117290651A
- Authority
- CN
- China
- Prior art keywords
- carrier
- amplitude
- signal
- algorithm
- motor drive
- 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
- 238000005461 lubrication Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 238000001228 spectrum Methods 0.000 claims abstract description 32
- 230000002146 bilateral effect Effects 0.000 claims abstract description 22
- 239000010687 lubricating oil Substances 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims abstract description 8
- 230000001965 increasing effect Effects 0.000 claims description 9
- 239000000314 lubricant Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000013016 damping Methods 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000003313 weakening effect Effects 0.000 abstract 1
- 239000003921 oil Substances 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000010183 spectrum analysis Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 4
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 235000003642 hunger Nutrition 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000037351 starvation Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000006247 magnetic powder Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Discrete Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开并提供了一种载波重构调制双边谱算法及用于电机驱动系统齿轮箱的润滑状态监测方法,利用载波重构调制双边谱算法能在高背景噪声下检测与润滑状态相关的微弱调制边带幅值特征量,进而实现对电机驱动系统齿轮箱的润滑状态进行监测。本发明利用载波重构调制双边谱算法,该算法采用如下公式:,重构载波没有噪声,并保持一致的振幅和频率,从而有效消除了载波的噪声干扰,从而相关边带被突出,有助于精确识别边带和减弱载波引起的噪声,进而根据幅值的变化评估润滑油状态。本发明应用于电机驱动系统齿轮箱的润滑状态监测方法的技术领域。
Description
技术领域
本发明涉及一种载波重构调制双边谱算法及齿轮箱的润滑状态监测方法,特别涉及一种载波重构调制双边谱算法及用于电机驱动系统齿轮箱的润滑状态监测方法。
背景技术
润滑油的状态直接影响齿轮的运行,因此监测润滑油的状态是防止齿轮箱故障的一项紧迫而必要的措施。过度润滑可能会导致接合区域过热和搅油损失增加,从而导致功率消耗大幅上升。相反,润滑不足、失效和粘度不当可能会加剧齿轮摩擦,加速磨损,甚至导致卡死。这些不良后果不仅会增加设备维护成本和周期,还会对设备和人员的安全构成潜在威胁。因此,保持适当的润滑油粘度和容量对于齿轮的有效运行和使用寿命至关重要。因此,设计考虑因素应包括润滑油添加剂的最佳用量,以保证齿轮的有效运行。
传统的传感器和采集设备,如振动信号、油液分析、温度和图像信号、声发射、铁质分析方法,已被广泛应用于工业试验机械,以监控齿轮箱的润滑状况。与基于振动、声发射和热成像传感器的检测方法相比,电机电流信号分析法具有独特的优势,例如可以描述系统的物理特性并实现系统全局监测,可减轻外部传感器安装、信号一致性、空间限制和成本等方面的问题。
基于电机电流的分析主要侧重于检查特定故障引发的电流频谱异常,并将其振幅与故障的严重程度关联。当齿轮箱润滑状态发生变化时,由轻微转矩变化引起的边带幅值改变被淹没在噪声中。对于电流信号分析的重点是提高信噪比和有效提取细微的故障特征。目前,许多先进的电流信号处理方法已经被应用到机器状态监测中,例如包络谱、功率谱、双谱、经验模态分解、经验小波变换等。
现代工业电驱系统,为实现精确速度控制,均采用闭环控制系统实现高精度的速度调节。闭环控系统的应用不可避免引入电机速度和电流测量误差、反馈增益误差和开关噪声。造成采集的电流电流信号信噪比低,导致状态监测特征值估计误差。尽管电机惯性和速度环带宽可以减小高频波动分量,但要减小与电机电流载波频率及其二次谐波相关的周期性速度波纹目前还未见有效方法。
就双谱分析来说,它包含相位信息可以通过相位平均的方法抑制随机噪声,但忽略了电流的调制特性。同时该方法对非高斯类噪声无能为力,尤其是因闭环控制引入的载波噪声成分,通过调制双边谱相位平均难以去除。因此,需要一种更高级的信号处理方法高背景噪声下检测与润滑状态相关的微弱调制边带幅值特征量。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,提供了一种载波重构调制双边谱的算法及用于电机驱动系统齿轮箱的润滑状态监测方法,利用载波重构调制双边谱算法能在高背景噪声下检测与润滑状态相关的微弱调制边带幅值特征量,进而实现对电机驱动系统齿轮箱的润滑状态进行监测。
本发明所采用的技术方案是:一种载波重构调制双边谱算法采用如下公式:
和/>表示调制频率和载波频率,符号/>表示多段信号平均期望值,/>是信号的离散傅里叶变换(DFT),/>定义为/>,/>代表时域信号,和/>是一对复共轭信号;/>表示从整体信号中估算出的幅度、频率和相位重构后的信号,随后将该信号引入计算式并进行平均处理;重构载波没有噪声,并保持一致的振幅和频率,从而有效消除了载波的噪声干扰,从而相关边带被突出,有助于精确识别边带和减弱载波引起的噪声。
一种用于电机驱动系统齿轮箱的润滑状态监测方法包括如下步骤:
①采集电机驱动系统齿轮箱中的驱动电机的电流x(t);
②将步骤①中采集到的信号分a、b两路处理,其中,
a路处理步骤包括:首先将对整体信号做FFT变换,加汉宁窗;然后提取整体信号最大频率及其对应的幅值/>和相位/>,重构信号/>;
b路处理步骤包括:首先将采集x(t)平均划分为N个数据集;然后依次对N个数据样本的第i段信号进行FFT变换并加汉宁窗得到;
③经过a、b两路处理后,计算第i段数据的双边谱估计值:;
④对N个数据集的所有双边谱结果求数学平均期望值;
⑤提取与润滑状态相关的旋转频率边带幅值;
⑥根据幅值的变化评估润滑油状态。
在步骤⑥中,润滑油量越高,阻尼和搅动损失就越大,从而导致边带振幅越大,而润滑油量越低,动态振动效应和边带振幅就越大。
在步骤⑥中,载波重构调制双边谱边带幅值随着粘度的增加而减小。
附图说明
图1是本发明的算法流程图;
图2是本发明的测试原理框图;
图3是电机电流的FFT频谱;
图4是齿轮箱油位示意图;
图5是包络谱边带幅值提取结果对比;
图6是功率谱边带幅值提取结果对比;
图7是载波重构双边谱边带幅值提取结果对比;
图8是不同粘度下包络谱边带幅值提取结果对比;
图9是不同粘度下功率谱边带幅值提取结果对比;
图10是不同粘度下载波重构双边谱边带幅值提取结果对比。
附图标记:
1-计算机;2-采集仪;3-电流传感器;4-三相交流异步电动机;5-联轴器;6-齿轮箱;7-负载;8-制动器;11-齿轮;12-齿轮;13-齿轮;14-齿轮;15-浸入润滑油的齿轮轴;转动频率为fc。
具体实施方式
在实施例中将通过在实验平台上进行一系列测试,评估了所提方法的有效性,如图2所示实验装置主要包括一个由自适应估计的矢量闭环控制系统控制的10千瓦交流异步电机4,可在变负载工况下运行。通过联轴器5及齿轮箱6连接负载,可通过磁粉制动器8进行调节。实验中使用的齿轮箱6是一种多级螺旋齿轮箱,这种类型的齿轮箱在汽车变速箱、机床和风力涡轮机传动系统中非常普遍。
在整个实验过程中,使用型号为EL55P2电流传感器3测量驱动电机的三相电流。该传感器的带宽为150 kHz,最大量程为50A。YE6232B高速数据采集装置2用于采集电流数据。该设备的分辨率为 24位,采样率为96kHz。数据采集后,对采集到的数据在电脑1上matlab2022a版本软件采用所提算法分析。载波重构调制双边谱算法采用如下公式:
和/>表示调制频率和载波频率,符号/>表示多段信号平均期望值,/>是信号的离散傅里叶变换(DFT),/>定义为/>,/>代表时域信号,和/>是一对复共轭信号;/>表示从整体信号中估算出的幅度、频率和相位重构后的信号,随后将该信号引入计算式并进行平均处理;重构载波没有噪声,并保持一致的振幅和频率,从而有效消除了载波的噪声干扰,从而相关边带被突出,有助于精确识别边带和减弱载波引起的噪声。
如图3所示,电流的FFT频谱结果内可以观察到基频附近大量的谱线,存在频谱泄漏和基频振荡。需要降噪以精确提取故障边带幅值。
实施例一
齿轮箱在苛刻的工作条件下,尤其是重型机械中使用的齿轮箱,不可避免地会遇到因泄漏、蒸发和维护不当而导致的机油不足或过量问题。本研究模拟了齿轮箱缺油的情况。制造商建议受测变速箱使用标准容量为2600 mL的EP320润滑油,该润滑油代表健康的工作状态,可作为测试的基准。针对加注不同润滑油体积,分别为3000ml,2600ml,2200ml,1800ml四种油量方案,具体油的位置如图4所示。分别每个情况运行五个负载,即 15%、30%、45%、60% 和 75%。在这些试验过程中,齿轮箱中的润滑油通过泄油口进行调节,同时保持齿轮箱中的润滑油温度在40°C-45°C左右。每种工作状态的持续时间为3分钟,因此每个加载周期的总时间为15分钟。编程器的设计根据时间的推移自动收集动态数据,在每次加载设置下,编程器都会采集 60 秒钟的电流数据。
从调制信号双边谱分析中提取了齿轮箱内浸入润滑油的齿轮轴5,如图4所示。的MSB幅度和相位显示对加工不同轴的直径和切削深度(DOC)的完整监视结果。图2给出了使用MSB幅度的结果。
图5和图6分别为同油量条件下采用包络谱和功率谱算法提取齿轮轴5旋转频率对应边带的振幅。润滑油量的变化会显著影响齿轮传动系统的动态。随着负载增加,幅值呈现增大趋势,但是不能用于润滑油量的变化。
相比之下,载波重构调制双边谱算法结果(图7) 显示,在制造商推荐的BL2600润滑剂用量下,边带振幅最小。偏离这一基线会导致边带振幅增大。润滑油量越高,阻尼和搅动损失就越大,从而导致边带振幅越大,而润滑油量越低,动态振动效应和边带振幅就越大。载波重构调制双边谱算法在负载大于30%的条件下可提供符合理论预期的准确诊断信息。
实施例二
齿轮箱在苛刻的工作条件下,尤其是重型机械中使用的齿轮箱,齿轮箱中润滑油状况不佳的主要原因是氧化和稀释分解。不恰当的使用方法,如添加粘度不合适的润滑油,会对油膜形成和润滑产生负面影响,导致齿轮磨损和过大的搅拌阻尼。制造商建议使用标准的MILLGEAR 320 EP润滑油。为模拟油品降解,本研究使用粘度较低的润滑油MILLGEAR100 EP。此外,为了模拟润滑油等级的错误使用,本研究还使用了粘度较高的润滑油MILLGEAR 1000EP。在粘度变化情况下,设置了四个不同的负载水平(直流发电机额定负载的0%、30%、70%和100%)。
对于不同粘度的样品,采用包络谱和功率谱信号处理技术提取齿轮轴5旋转频率对应边带的振幅。结果如图8和图9。可以观察到边带的幅值随载荷的增加而呈上升趋势,表明负载的增加对边带幅值所表征的动态载荷具有增强作用。然而,当粘度发生变化时,边带的变化趋势并不一致。在超过额定载荷70%的条件下包络谱算法提取的齿轮轴5旋转频率对应边带的振幅随着粘度的增加而减小(图8)。在高负载条件下,粘度的增加可能会增强阻尼效应,从而降低对齿轮轴的动态影响。这解释了观察到的边带包络谱幅度随粘度增加而减小的原因。包络谱结果仅在高负载条件下有效,而功率谱相关特征不明显(图9)。
在载波重构调制双边谱分析结果(图10)中,幅度随负载增加呈线性增长。此外,随着粘度的增加,载波重构调制双边谱边带幅值随着粘度的增加而减小。载波重构调制双边谱算法有效地滤除了控制器载波噪声,从而在负载超过30%时就能够区分的粘度变化。
综上,由于存在强背景噪声干扰,传统的频谱分析难以有效解调特征频率的微弱变化。为了解决这一局限性,本研究提出了载波重构调制双边谱分析方法,该方法在解调调制信号、抑制随机噪声和降低闭环控制系统中的测量噪声方面表现出了卓越的能力。通过将载波重构调制双边谱分析方法应用于感应电动机的电流信号,验证了该方法在检测和诊断齿轮箱润滑油劣化方面的有效性。
虽然本发明的实施例是以实际方案来描述的,但是并不构成对本发明含义的限制,对于本领域的技术人员,根据本说明书对其实施方案的修改及与其他方案的组合都是显而易见的。
Claims (4)
1.一种算法,其特征在于:该算法为载波重构调制双边谱算法,所述载波重构调制双边谱算法采用如下公式:
和 />表示调制频率和载波频率,符号 />表示多段信号平均期望值,/>是信号的离散傅里叶变换(DFT),/>定义为/>, />代表时域信号,和/>是一对复共轭信号;/>表示从整体信号中估算出的幅度、频率和相位重构后的信号,随后将该信号引入计算式并进行平均处理;重构载波没有噪声,并保持一致的振幅和频率,从而有效消除了载波的噪声干扰,从而相关边带被突出,有助于精确识别边带和减弱载波引起的噪声。
2.一种用于电机驱动系统齿轮箱的润滑状态监测方法,其特征在于:该方法包括如下步骤:
①采集电机驱动系统齿轮箱中的驱动电机的电流x(t);
②将步骤①中采集到的信号分a、b两路处理,其中,
a路处理步骤包括:首先将对整体信号做FFT变换,加汉宁窗;然后提取整体信号最大频率及其对应的幅值/>和相位/>,重构信号/>;
b路处理步骤包括:首先将采集x(t)平均划分为N个数据集;然后依次对N个数据样本的第i段信号进行FFT变换并加汉宁窗得到;
③经过a、b两路处理后,计算第i段数据的双边谱估计值:;
④对N个数据集的所有双边谱结果求数学平均期望值;
⑤提取与润滑状态相关的旋转频率边带幅值;
⑥根据幅值的变化评估润滑油状态。
3.根据权利要求2所述的一种用于电机驱动系统齿轮箱的润滑状态监测方法,其特征在于:在步骤⑥中,润滑油量越高,阻尼和搅动损失就越大,从而导致边带振幅越大,而润滑油量越低,动态振动效应和边带振幅就越大。
4.根据权利要求2所述的一种用于电机驱动系统齿轮箱的润滑状态监测方法,其特征在于:在步骤⑥中,载波重构调制双边谱边带幅值随着粘度的增加而减小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098946.1A CN117290651A (zh) | 2023-08-30 | 2023-08-30 | 一种算法及用于电机驱动系统齿轮箱的润滑状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098946.1A CN117290651A (zh) | 2023-08-30 | 2023-08-30 | 一种算法及用于电机驱动系统齿轮箱的润滑状态监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117290651A true CN117290651A (zh) | 2023-12-26 |
Family
ID=89252587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311098946.1A Pending CN117290651A (zh) | 2023-08-30 | 2023-08-30 | 一种算法及用于电机驱动系统齿轮箱的润滑状态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117290651A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150022658A1 (en) * | 2013-07-16 | 2015-01-22 | University Of North Carolina At Charlotte | Noise reduction techniques, fractional bi-spectrum and fractional cross-correlation, and applications |
CN106569126A (zh) * | 2015-10-12 | 2017-04-19 | 国网四川省电力公司眉山供电公司 | 一种基于双谱分析算法的断路器故障诊断的方法 |
CN107534633A (zh) * | 2015-02-03 | 2018-01-02 | 原子能与替代能源署 | 载波相位调制方法及装置以及检测多级相位编码数字信号的应用 |
CN108572075A (zh) * | 2018-04-28 | 2018-09-25 | 河北工业大学 | 基于小波包能量谱和调制双谱分析的滚动轴承故障诊断方法 |
-
2023
- 2023-08-30 CN CN202311098946.1A patent/CN117290651A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150022658A1 (en) * | 2013-07-16 | 2015-01-22 | University Of North Carolina At Charlotte | Noise reduction techniques, fractional bi-spectrum and fractional cross-correlation, and applications |
CN107534633A (zh) * | 2015-02-03 | 2018-01-02 | 原子能与替代能源署 | 载波相位调制方法及装置以及检测多级相位编码数字信号的应用 |
CN106569126A (zh) * | 2015-10-12 | 2017-04-19 | 国网四川省电力公司眉山供电公司 | 一种基于双谱分析算法的断路器故障诊断的方法 |
CN108572075A (zh) * | 2018-04-28 | 2018-09-25 | 河北工业大学 | 基于小波包能量谱和调制双谱分析的滚动轴承故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | A robust detector for rolling element bearing condition monitoring based on the modulation signal bispectrum and its performance evaluation against the Kurtogram | |
Li et al. | Application of bandwidth EMD and adaptive multiscale morphology analysis for incipient fault diagnosis of rolling bearings | |
US9541606B2 (en) | Fault detection system and associated method | |
Feng et al. | Iterative generalized synchrosqueezing transform for fault diagnosis of wind turbine planetary gearbox under nonstationary conditions | |
Wang et al. | Multi-scale enveloping order spectrogram for rotating machine health diagnosis | |
Bajric et al. | Review of vibration signal processing techniques towards gear pairs damage identification | |
Bogiatzidis et al. | Detection of backlash phenomena appearing in a single cement kiln drive using the current and the electromagnetic torque signature | |
Chen et al. | Use of the correlated EEMD and time-spectral kurtosis for bearing defect detection under large speed variation | |
Climente-Alarcon et al. | Transient tracking of low and high-order eccentricity-related components in induction motors via TFD tools | |
Li et al. | Measurement of instantaneous angular displacement fluctuation and its applications on gearbox fault detection | |
Jain et al. | A review on vibration signal analysis techniques used for detection of rolling element bearing defects | |
Touti et al. | An improved electromechanical spectral signature for monitoring gear-based systems driven by an induction machine | |
CN117290651A (zh) | 一种算法及用于电机驱动系统齿轮箱的润滑状态监测方法 | |
Wang et al. | Some new signal processing approaches for gear fault diagnosis | |
Zhu et al. | Fault diagnosis method for rolling element bearings under variable speed based on TKEO and fast-SC | |
Jin et al. | Envelope analysis on vibration signals for stator winding fault early detection in 3-phase induction motors | |
Treml et al. | EMD and MCSA improved via Hilbert Transform analysis on asynchronous machines for broken bar detection using vibration analysis | |
Zhan et al. | Adaptive autoregressive modeling of non-stationary vibration signals under distinct gear states. Part 2: experimental analysis | |
Zou et al. | Current analysis using a modulation signal bispectrum for machining status monitoring | |
CN112526339B (zh) | 基于多项式-相位变换的鼠笼电机转子断条故障诊断方法 | |
Haram et al. | Electrical motor current signal analysis using a modulation signal bispectrum for the fault diagnosis of a gearbox downstream | |
Zhao et al. | Fault diagnostics of ac motor bearings based on envelope analysis of vibration residual signal | |
Hamad et al. | Diagnosing lubricant shortages in gearboxes using instantaneous phases from electrical signals | |
Jin et al. | A vibration-based approach for stator winding fault diagnosis of induction motors: application of envelope analysis | |
Osman et al. | Vibration Signature of Gear Pump of Missing One and Two Teeth |
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 |