CN117825947A - 驱动电机故障检测方法、装置、计算机设备和存储介质 - Google Patents
驱动电机故障检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117825947A CN117825947A CN202311668248.0A CN202311668248A CN117825947A CN 117825947 A CN117825947 A CN 117825947A CN 202311668248 A CN202311668248 A CN 202311668248A CN 117825947 A CN117825947 A CN 117825947A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- frequency spectrum
- driving motor
- acquiring
- signal
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000001228 spectrum Methods 0.000 claims abstract description 429
- 238000000034 method Methods 0.000 claims abstract description 86
- 238000012360 testing method Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 41
- 238000004590 computer program Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 21
- 238000005452 bending Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 12
- 238000002474 experimental method Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 14
- 230000005284 excitation Effects 0.000 abstract description 7
- 239000000523 sample Substances 0.000 description 66
- 230000000875 corresponding effect Effects 0.000 description 64
- 238000004458 analytical method Methods 0.000 description 24
- 230000003595 spectral effect Effects 0.000 description 19
- 238000010183 spectrum analysis Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013074 reference sample Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本申请涉及电机故障检测技术领域,涉及一种驱动电机故障检测方法、装置、计算机设备和存储介质。方法包括:分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;根据第一振动信号和第一转速信号,获取零件实物的频谱;分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;若频谱差超出频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;将至少一个目标频谱进行累加,获得频谱总和;根据频谱总和,对驱动电机进行故障检测。采用本方法能够解决传统方案中不能有效对驱动电机的不对称性或者异常激励零件进行故障检测的问题。
Description
技术领域
本申请涉及电机故障检测技术领域,特别是涉及一种驱动电机故障检测方法、装置、计算机设备和存储介质。
背景技术
随着汽车技术的发展,在汽车的生产过程中,会对汽车的驱动电机进行可靠性检验。
目前,传统驱动电机可靠性过程中对驱动电机的功率、密封性、耐压、绝缘等关注目标都有明确的标准和评价方法,但是对驱动电机实际运行过程中的不对称性或者异常激励(例如转子、定子、轴承、旋转变压器等)零件导致的振动和突变,若不能同样地进行可靠性检验,则在后期出现故障时,无法及时发现问题,会造成一定损失。
因此,亟需一种驱动电机故障检测方法、装置、计算机设备和存储介质来解决不能有效对驱动电机的不对称性或者异常激励零件进行故障检测的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够解决不能有效对驱动电机的不对称性或者异常激励零件进行故障检测的问题的驱动电机故障检测方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种驱动电机故障检测方法,包括:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
根据所述第一振动信号和所述第一转速信号,获取零件实物的频谱;
分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若所述频谱差超出所述频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;
将至少一个目标频谱进行累加,获得频谱总和;
根据所述频谱总和,对所述驱动电机进行故障检测。
在其中一个实施例中,所述分别获取驱动电机的零件样本的参考频谱和频谱偏差范围,包括:
分别获取驱动电机的至少一个零件样本的第二振动信号和第二转速信号;
根据所述第二振动信号和所述第二转速信号,获取零件样本的频谱;
根据至少一个零件样本的频谱,获取零件样本的参考频谱和频谱偏差范围。
在其中一个实施例中,所述根据所述频谱总和,对所述驱动电机进行故障检测,包括:
若所述频谱总和达到第一预设限值,则发出警报提示;
若所述频谱总和达到第二预设限值,则停止对所述驱动电机进行台架试验,同时发出警报提示。
在其中一个实施例中,所述驱动电机的每个零件样本的参考频谱和所述频谱偏差范围均存储于数据库中;所述分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差,包括:
在所述驱动电机进行台架实验过程中,获取待测的零件实物的标识信息;
根据所述标识信息,从所述数据库中调用相应的零件样本的参考频谱;
分别获取零件实物的频谱与相应参考频谱之间的频谱差。
在其中一个实施例中,在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号,包括:
在所述驱动电机进行台架实验过程中,针对悬挂有质量块的弯曲杠杆,当待测的零件实物加速时,获取所述质量块的摆动幅度值;
根据所述摆动幅度值,获取所述弯曲杠杆上设置的至少一个压电电阻的电压变化值;
根据所述电压变化值,获取零件实物的第一振动信号。
在其中一个实施例中,所述压电电阻的数量为四个,四个所述压电电阻构成惠斯通电桥;其中,所述惠斯通电桥的信号正极和信号负极之间的电压差不超过0.03V。
第二方面,本申请还提供了一种驱动电机故障检测装置,包括:
获取模块,用于分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取模块,用于获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
处理模块,用于根据所述第一振动信号和所述第一转速信号,获取零件实物的频谱;
处理模块,还用于分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若所述频谱差超出所述频谱偏差范围,则处理模块,还用于将对应零件实物的频谱作为相应零件的目标频谱;
处理模块,还用于将至少一个目标频谱进行累加,获得频谱总和;
检测模块,用于根据所述频谱总和,对所述驱动电机进行故障检测。
第三方面,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
根据所述第一振动信号和所述第一转速信号,获取零件实物的频谱;
分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若所述频谱差超出所述频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;
将至少一个目标频谱进行累加,获得频谱总和;
根据所述频谱总和,对所述驱动电机进行故障检测。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
根据所述第一振动信号和所述第一转速信号,获取零件实物的频谱;
分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若所述频谱差超出所述频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;
将至少一个目标频谱进行累加,获得频谱总和;
根据所述频谱总和,对所述驱动电机进行故障检测。
第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
根据所述第一振动信号和所述第一转速信号,获取零件实物的频谱;
分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若所述频谱差超出所述频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;
将至少一个目标频谱进行累加,获得频谱总和;
根据所述频谱总和,对所述驱动电机进行故障检测。
上述驱动电机故障检测方法、装置、计算机设备和存储介质,通过获取驱动电机零件样本的参考频谱和频谱偏差范围,以及驱动电机台架实验过程中的振动信号和转速信号,可以得到零件实物的频谱,并计算频谱与相应参考频谱之间的差异。如果频谱差超出了频谱偏差范围,则将对应零件实物的频谱作为该零件的参考频谱。将所有参考频谱进行累加,可以得到频谱总和。根据频谱总和,可以对驱动电机进行故障检测。这种方法可以及时发现驱动电机零件的振动和突变问题,从而避免后期故障导致的损失。该技术的主要优点包含:通过对驱动电机的频谱差异进行分析,能够发现驱动电机零件实物的不对称性或异常激励问题,相比传统的可靠性检验方法更加准确。通过实时监测驱动电机的振动信号和转速信号,在发现问题时能够及时进行故障检测,避免后期故障导致的损失。通过获取参考频谱和频谱偏差范围,并进行频谱差的计算,可以方便地对驱动电机进行故障检测,无需复杂的设备和步骤。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中驱动电机故障检测方法的应用环境图;
图2为一个实施例中驱动电机故障检测方法的流程示意图;
图3为另一个实施例中驱动电机故障检测方法的流程示意图;
图4为一个实施例中的频谱偏差范围的示意图;
图5为一个实施例中的惠斯通电桥的示意图;
图6为一个实施例中的本申请实施例的试验原理示意图;
图7为一个实施例中驱动电机故障检测装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的驱动电机故障检测方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。
服务器104分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;根据第一振动信号和第一转速信号,获取零件实物的频谱;分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;若频谱差超出频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;将至少一个目标频谱进行累加,获得频谱总和;根据频谱总和,对驱动电机进行故障检测。
其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中,如图2所示,提供了一种驱动电机故障检测方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤S202至步骤S214。其中:
步骤S202,分别获取驱动电机的零件样本的参考频谱和频谱偏差范围。
其中,频谱是指将一个信号分解为其各个频率成分的过程。在这种情况下,频谱是指驱动电机零件的振动信号通过频率分析后得到的分布图。通过获取每个驱动电机零件的振动信号,可以对其进行频谱分析,得到其参考频谱。
参考频谱是指根据一系列同类型驱动电机零件样本的频谱分析结果,计算出平均频谱或代表性频谱。通过收集多个样本的频谱数据,可以对比分析它们的共同特征,从而得到代表性的频谱,作为该类型零件的参考频谱。
频谱偏差范围是指在参考频谱的基础上,确定允许的频谱差异范围。频谱差异可以通过计算驱动电机零件样本的频谱与参考频谱之间的差值来获得。通过统计分析多个样本的频谱差异,可以确定一个范围,即频谱偏差范围,用于判定是否存在异常激励或不对称性问题。
步骤S204,在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号。
具体地,意味着在驱动电机进行台架实验期间,需要记录至少一个零件实物的振动信号和转速信号。第一振动信号是指驱动电机零件的振动信号,可通过在零件表面安装振动传感器或加速度计来测量。这个信号可以提供零件振动的幅值、频率等信息,用于分析零件的运行状况和可能存在的故障。第一转速信号是指驱动电机的转速信号,可通过安装转速传感器、编码器或使用额外的传感器来测量。转速信号提供了驱动电机旋转的速度信息,用于分析驱动电机的运行状态和碰撞故障。
需要说明的是,本申请实施例中的零件样本和零件实物指的是驱动电机实际运行过程中的不对称性或者异常激励(例如转子、定子、轴承、旋转变压器等)零件。在对驱动电机进行台架试验时,分别对驱动电机的各个不对称性或者异常激励零件进行故障检测。
步骤S206,根据第一振动信号和第一转速信号,获取零件实物的频谱。
具体地,频谱分析是将一个信号分解为其各个频率成分的过程。在这种情况下,通过对零件实物的振动信号和转速信号进行频谱分析,可以得到零件实物的频谱图。
首先,通过采集零件实物的振动信号,将其转换为时间域信号。然后可以应用傅里叶变换或其他频谱分析方法,将时域信号转换为频域信号,得到零件实物的频谱。同样地,通过采集零件实物的转速信号,获取驱动电机转速的时间域信号。随后,可以通过傅里叶变换或其他频谱分析方法,将时域信号转换为频域信号,得到驱动电机转速的频谱。通过分析零件实物的频谱,可以了解其振动频率分布、频率成分的强弱以及是否存在共振或异常信号。频谱信息提供了零件实物在不同频率下的振动特征和转速特性,有助于故障诊断、预测和维修,以确保零件实物的正常运行。
步骤S208,分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差。
具体地,意味着将零件实物的频谱与预先确定的参考频谱进行比较,进而获取它们之间的频谱差异。
在这种情况下,首先需要获取至少一个零件实物的频谱,通过采集零件实物的振动信号或转速信号,并通过频谱分析方法,将其转换为频谱图。然后,需要有一个相应的参考频谱,它可以是一个标准频谱、预期频谱或已知正常工作状态下的零件实物频谱。这个参考频谱可以来自历史数据、理论模型或类似零部件的对比。最后,通过将零件实物的频谱与参考频谱进行比较,可以计算出它们之间的频谱差异。这可以通过各种方法来实现,如计算频域上的差异值、计算相对误差等。
这种频谱差分分析可以帮助确定零件实物的工作状态与参考状态之间的差异。任何超出正常范围的频谱差异可能表明零件存在故障、磨损或其他异常状况。这可以用于故障检测、判断零件健康状况以及进行预测性维护。
步骤S210,若频谱差超出频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;将至少一个目标频谱进行累加,获得频谱总和。
具体地,若频谱差超出频谱偏差范围,则意味着零件实物的频谱与参考频谱之间的差异超过了预定的偏差范围。这可能表明零件存在异常或故障。
在这种情况下,将对应零件实物的频谱作为相应零件的目标频谱,将至少一个目标频谱进行累加,获得频谱总和,意味着将多个参考频谱进行叠加,形成一个综合的频谱。这可以通过对多个相似零件进行频谱分析,然后将它们的频谱进行加和得到。频谱总和可以提供多个零件的平均特征或共性特征,以更准确地描述该类型零件的频谱特征。
步骤S212,根据频谱总和,对驱动电机进行故障检测。
具体地,根据频谱总和来进行驱动电机故障检测意味着利用汇总的频谱信息来判断驱动电机是否存在故障或异常。频谱总和是通过将多个相似零件的频谱进行累加得到的,目的是获得一个较为综合和平均的频谱特征。这样做的好处是可以滤除特定零件的个别差异,更准确地捕捉到整个零件类型的频谱特征。对于驱动电机的故障检测,可以将驱动电机的振动信号或转速信号进行频谱分析,并与频谱总和进行比较。通过比较驱动电机的频谱与频谱总和,可以检测出驱动电机频谱中的异常或故障信号。
例如,频谱总和可以提供正常驱动电机的频率成分和强度的基准。如果驱动电机的频谱存在与频谱总和偏离较大的异常频率成分、峰值或能量水平等,这可能表示驱动电机存在故障或异常。
上述驱动电机故障检测方法中,通过获取驱动电机零件样本的参考频谱和频谱偏差范围,以及驱动电机台架实验过程中的振动信号和转速信号,可以得到零件实物的频谱,并计算频谱与相应参考频谱之间的差异。如果频谱差超出了频谱偏差范围,则将对应零件实物的频谱作为该零件的参考频谱。将所有参考频谱进行累加,可以得到频谱总和。根据频谱总和,可以对驱动电机进行故障检测。这种方法可以及时发现驱动电机零件的振动和突变问题,从而避免后期故障导致的损失。该技术的主要优点包括:通过对驱动电机的频谱差异进行分析,能够发现驱动电机零件实物的不对称性或异常激励问题,相比传统的可靠性检验方法更加准确。通过实时监测驱动电机的振动信号和转速信号,在发现问题时能够及时进行故障检测,避免后期故障导致的损失。通过获取参考频谱和频谱偏差范围,并进行频谱差的计算,可以方便地对驱动电机进行故障检测,无需复杂的设备和步骤。
在一个示例性的实施例中,如图3所示,步骤分别获取驱动电机的零件样本的参考频谱和频谱偏差范围,包括:
步骤S302,分别获取驱动电机的至少一个零件样本的第二振动信号和第二转速信号;
步骤S304,根据第二振动信号和第二转速信号,获取零件样本的频谱;
步骤S306,根据至少一个零件样本的频谱,获取零件样本的参考频谱和频谱偏差范围。
具体地,要获取驱动电机的至少一个零件样本的第二振动信号和第二转速信号,可以通过使用合适的传感器或设备对零件进行监测或测试,以获取与振动和转速相关的信号数据。根据第二振动信号和第二转速信号,可以对零件样本进行频谱分析。频谱分析是将时域信号转换为频域信号的过程,可以将信号中不同频率成分的强度和分布可视化。通常使用傅里叶变换或相关的算法来进行频谱分析。通过对零件样本的频谱进行分析,可以获得零件的频谱特征。这包括零件的频率成分、振幅或能量分布等信息。通过对多个相似的零件样本进行频谱分析,可以得到多个样本的频谱数据。根据至少一个零件样本的频谱,可以确定零件的参考频谱和频谱偏差范围。参考频谱是根据多个样本的频谱数据计算出的一个综合或平均的频谱特征,代表了该类型零件的正常工作状态和性能。频谱偏差范围是在参考频谱的基础上设定的一个范围,用于判断零件的频谱是否在正常范围内。参照图4,为频谱偏差范围的示意图,图4中的上、下折线之间构成的范围即为频谱偏差范围。
本实施例中,通过设置至少一个零件样本,然后对每个零件样本的频谱进行比较,综合多个零件样本,能够更准确地确定零件样本的参考样本的参考频谱和频谱偏差范围。
在其中一个实施例中,根据频谱总和,对驱动电机进行故障检测,包括:
若频谱总和达到第一预设限值,则发出警报提示;若频谱总和达到第二预设限值,则停止对驱动电机进行台架试验,同时发出警报提示。
具体地,频谱总和是指将频谱中各个频率成分的振幅或能量值进行相加的结果。通过对驱动电机的振动信号进行频谱分析,可以得到频率的分布情况,然后将各个频率成分的振幅或能量进行累加,得到频谱总和。根据频谱总和的大小来判断驱动电机是否存在故障。设置了两个预设限值,第一预设限值和第二预设限值。
如果频谱总和达到第一预设限值,系统会发出警报提示。这意味着驱动电机的频谱特征或振动特征已经超过了正常阈值,可能存在潜在的故障或异常状况。在这种情况下,用户或操作员会收到警报提示,以便及时采取进一步的措施。如果频谱总和达到第二预设限值,系统不仅会发出警报提示,而且会停止对驱动电机进行台架试验。这是一种更加严重的情况,说明驱动电机的故障已经达到一定程度,继续进行试验可能会带来更大的风险或损坏。因此,在这种情况下,为了保护设备和安全,试验应该立即停止。
本实施例中,综合考虑驱动电机的性能特征、故障阈值和试验要求等因素。通过设定适当的预设限值,可以及时发现驱动电机的异常情况,减少故障带来的风险和损失。
在其中一个实施例中,驱动电机的每个零件样本的参考频谱和频谱偏差范围均存储于数据库中;分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差,包括:
在驱动电机进行台架实验过程中,获取待测的零件实物的标识信息;根据标识信息,从数据库中调用相应的零件样本的参考频谱;分别获取零件实物的频谱与相应参考频谱之间的频谱差。
具体地,数据库中存储了驱动电机每个零件样本的参考频谱和频谱偏差范围。参考频谱是指该零件在正常工作状态下的频率分布情况,频谱偏差范围是指该零件的频谱与参考频谱之间允许的变动范围。在驱动电机进行台架实验时,需要获取待测零件实物的标识信息,可以是该零件的名称、型号或其他唯一标识。根据待测零件的标识信息,从数据库中调用相应零件样本的参考频谱。获取待测零件实物的频谱,即将该零件实际工作时的振动信号进行频谱分析,得到频率的分布情况。将待测零件的频谱与对应的参考频谱进行比较,计算它们之间的频谱差。这个频谱差可以是振幅差、能量差或其他指标,用于判断待测零件的工作状态是否正常。对比结果可以用来评估待测零件的健康状态。如果频谱差在频谱偏差范围内,说明待测零件与参考样本的频谱匹配,工作正常。如果频谱差超出了预设范围,则可能意味着待测零件存在异常或故障。
本实施例中,通过根据标识信息,从数据库中调用相应的零件样本的参考频谱,可以帮助监测和诊断驱动电机中各个零件的状态,及时发现潜在问题并采取相应的维修或更换措施,以确保驱动电机的正常运行。
在其中一个实施例中,在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号,包括:
在驱动电机进行台架实验过程中,针对悬挂有质量块的弯曲杠杆,当待测的零件实物加速时,获取质量块的摆动幅度值;根据摆动幅度值,获取弯曲杠杆上设置的至少一个压电电阻的电压变化值;根据电压变化值,获取零件实物的第一振动信号。
具体地,待测的零件实物在进行台架实验时加速,产生动态振动。在弯曲杠杆上悬挂有质量块,当待测零件实物加速时,质量块也会产生摆动。测量并记录质量块的摆动幅度值。这可以通过传感器或其他测量装置来实现。弯曲杠杆上设置了至少一个压电电阻,该电阻与质量块的摆动有关,会产生电压变化。通过测量压电电阻的电压变化值,可以获取质量块摆动引起的弯曲杠杆振动信号。弯曲杠杆的振动一般在旋转方向的切向方向上,因此需要将传感器固定在待测的零件实物的外壳或夹紧板上,并设置传感器的固定方向为X/Y/Z三个方向之一。根据传感器测量到的信号,在选择的固定方向上,找到振动信号的最大振幅。这个最大振幅的振动信号被认为是零件实物的第一振动信号,用于评估零件的振动特性和性能。
本实施例中,通过这个实验过程,可以获取到零件实物的第一振动信号,并对其进行分析,了解其振动特性和在工作过程中可能存在的问题。这有助于评估零件的可靠性,优化设计和改进制造工艺。
在其中一个实施例中,压电电阻的数量为四个,四个压电电阻构成惠斯通电桥;其中,惠斯通电桥的信号正极和信号负极之间的电压差不超过0.03V。
具体地,为了检测振动传感器的功能,要加上+5V供电,由此会在信号正极和信号负极上产生一个相对于接地为1.7–1.85V的电压,在信号正极和信号负极之间的电压差不允许超过0.03V,视为传感器功能正常。
具体地,图5为惠斯通电桥的示意图。四个压电电阻构成了惠斯通电桥,用于检测振动传感器的功能。以下是具体步骤和要求:将振动传感器连接到+5V的电源上,确保传感器正常工作。在惠斯通电桥的信号正极和信号负极之间测量电压差,并与预设的电压差阈值进行比较。信号正极和信号负极之间的电压差不允许超过0.03V。如果电压差超过此阈值,则视为传感器功能异常。只有在信号正极和信号负极之间的电压差不超过0.03V的情况下,才被认为传感器功能正常。描述中提到,在接地电位为1.7–1.85V的情况下,传感器信号正极和信号负极会产生一个相对于接地的电压。因此,电压差检测是基于这个参考电位进行的。
本实施例中,通过使用四个压电电阻构成的惠斯通电桥,并测量信号正极和信号负极之间的电压差,判断传感器的功能是否正常,能够检测和判定振动传感器的功能正常性,确保传感器在测量振动时能够提供可信赖的数据。可以帮助维持设备和系统的稳定运行,监测潜在问题,并采取相应措施进行修复或改进。
在一个实施例中,图6为本申请实施例的试验原理示意图,其中VS为振动传感器;RC为转速传感器;SYNC为同步化测量转速信号;VIB为同步化测量振动信号。
具体来说,通过将测功机测得的数据、来自振动传感器和转速传感器的数据上传至上位机,由上位机进行统计分析,借助于快速傅利叶变换(FFT)将记录到的振动信号转换为频谱,计算出与目标机型输出动力与设定值匹配的振动阶次与运行允许范围,采取闭环控制系统并通过指令传递给驱动电机端,通过负荷控制器来对被测样本进行控制,并有针对的进行诊断和扭矩干预,进行扭矩限制或切断动力输出。
有两种不同的分析方法:频率分析和阶次分析。阶次分析的原理类似于频率分析,区别仅在于在进行阶次分析时频谱是与转速同步化的,因此生成的阶次谱是同转速无关的并且它的边频带相对于频率分析更加明显。在大多数情况下,阶次都与由转速传感器测得的输入轴或者输出轴的转速同步化。
频率分析原理:频率分析是将时域信号转换为频域信号的过程。它通过将振动信号在频谱中展示,以揭示信号中不同频率成分的强度和分布情况。
常见的频率分析方法包括傅里叶变换(FFT)、功率谱密度(PSD)等。通过这些方法,可以计算出信号中各个频率成分的特征,如主要频率、谐波频率等。频率分析广泛应用于振动信号分析、故障诊断、结构动力学等领域,能够帮助判断特定频率成分是否存在、确定故障类型、评估结构的动态特性等。
阶次分析原理:阶次分析是一种将振动信号与转速同步化的频谱分析方法。它将信号的频谱与转速信号进行卷积,消除了转速对频谱的影响,使得信号的频谱与转速无关。
阶次分析需要通过转速传感器测得的输入轴或输出轴的转速信号作为参考,对振动信号进行同步分析,得到与转速无关的阶次频谱。阶次分析常用于旋转机械系统的故障诊断和状态监测。通过阶次分析,可以观察到阶次与不同旋转部件故障相关的频率成分,如齿轮啮合频率、轴承故障频率等,进一步帮助确定故障类型及其严重程度。
总的来说,阶次分析是一种特殊的频率分析方法,通过与转速同步化的方式提供了与转速相关的频谱信息。在许多旋转机械系统的故障诊断和状态监测中,阶次分析常被用于更准确地分析振动信号,并帮助确定故障的原因和位置。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的驱动电机故障检测方法的驱动电机故障检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个驱动电机故障检测装置实施例中的具体限定可以参见上文中对于驱动电机故障检测方法的限定,在此不再赘述。
在一个示例性的实施例中,如图7所示,提供了一种驱动电机故障检测装置,包括:获取模块702,用于分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取模块702,用于获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
处理模块704,用于根据所述第一振动信号和所述第一转速信号,获取零件实物的频谱;
处理模块704,还用于分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若所述频谱差超出所述频谱偏差范围,则处理模块704,还用于将对应零件实物的频谱作为相应零件的目标频谱;
处理模块704,还用于将至少一个目标频谱进行累加,获得频谱总和;
检测模块706,用于根据所述频谱总和,对所述驱动电机进行故障检测。
在一个实施例中,获取模块702,还用于分别获取驱动电机的至少一个零件样本的第二振动信号和第二转速信号;
处理模块704,还用于根据第二振动信号和第二转速信号,获取零件样本的频谱;
处理模块704,还用于根据至少一个零件样本的频谱,获取零件样本的参考频谱和频谱偏差范围。
在其中一个实施例中,若频谱总和达到第一预设限值,则警示模块,用于发出警报提示;
若频谱总和达到第二预设限值,则控制模块,用于停止对驱动电机进行台架试验,同时发出警报提示。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
驱动电机的每个零件样本的参考频谱和频谱偏差范围均存储于数据库中;获取模块702,还用于在驱动电机进行台架实验过程中,获取待测的零件实物的标识信息;
处理模块704,还用于根据标识信息,从数据库中调用相应的零件样本的参考频谱;
处理模块704,还用于分别获取零件实物的频谱与相应参考频谱之间的频谱差。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
在驱动电机进行台架实验过程中,针对悬挂有质量块的弯曲杠杆,当待测的零件实物加速时,获取模块702,还用于获取质量块的摆动幅度值;
处理模块704,还用于根据摆动幅度值,获取弯曲杠杆上设置的至少一个压电电阻的电压变化值;
处理模块704,还用于根据电压变化值,获取零件实物的第一振动信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
压电电阻的数量为四个,四个压电电阻构成惠斯通电桥;其中,惠斯通电桥的信号正极和信号负极之间的电压差不超过0.03V。
上述驱动电机故障检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种驱动电机故障检测方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个示例性的实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
根据第一振动信号和第一转速信号,获取零件实物的频谱;
分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若频谱差超出频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;
将至少一个目标频谱进行累加,获得频谱总和;
根据频谱总和,对驱动电机进行故障检测。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围,包括:
分别获取驱动电机的至少一个零件样本的第二振动信号和第二转速信号;
根据第二振动信号和第二转速信号,获取零件样本的频谱;
根据至少一个零件样本的频谱,获取零件样本的参考频谱和频谱偏差范围。
在其中一个实施例中,根据频谱总和,对驱动电机进行故障检测,包括:
若频谱总和达到第一预设限值,则发出警报提示;
若频谱总和达到第二预设限值,则停止对驱动电机进行台架试验,同时发出警报提示。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
驱动电机的每个零件样本的参考频谱和频谱偏差范围均存储于数据库中;分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差,包括:
在驱动电机进行台架实验过程中,获取待测的零件实物的标识信息;
根据标识信息,从数据库中调用相应的零件样本的参考频谱;
分别获取零件实物的频谱与相应参考频谱之间的频谱差。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号,包括:
在驱动电机进行台架实验过程中,针对悬挂有质量块的弯曲杠杆,当待测的零件实物加速时,获取质量块的摆动幅度值;
根据摆动幅度值,获取弯曲杠杆上设置的至少一个压电电阻的电压变化值;
根据电压变化值,获取零件实物的第一振动信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
压电电阻的数量为四个,四个压电电阻构成惠斯通电桥;其中,惠斯通电桥的信号正极和信号负极之间的电压差不超过0.03V。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
根据第一振动信号和第一转速信号,获取零件实物的频谱;
分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若频谱差超出频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;
将至少一个目标频谱进行累加,获得频谱总和;
根据频谱总和,对驱动电机进行故障检测。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围,包括:
分别获取驱动电机的至少一个零件样本的第二振动信号和第二转速信号;
根据第二振动信号和第二转速信号,获取零件样本的频谱;
根据至少一个零件样本的频谱,获取零件样本的参考频谱和频谱偏差范围。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若频谱总和达到第一预设限值,则发出警报提示;
若频谱总和达到第二预设限值,则停止对驱动电机进行台架试验,同时发出警报提示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
驱动电机的每个零件样本的参考频谱和频谱偏差范围均存储于数据库中;分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差,包括:
在驱动电机进行台架实验过程中,获取待测的零件实物的标识信息;
根据标识信息,从数据库中调用相应的零件样本的参考频谱;
分别获取零件实物的频谱与相应参考频谱之间的频谱差。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号,包括:
在驱动电机进行台架实验过程中,针对悬挂有质量块的弯曲杠杆,当待测的零件实物加速时,获取质量块的摆动幅度值;
根据摆动幅度值,获取弯曲杠杆上设置的至少一个压电电阻的电压变化值;
根据电压变化值,获取零件实物的第一振动信号。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
压电电阻的数量为四个,四个压电电阻构成惠斯通电桥;其中,惠斯通电桥的信号正极和信号负极之间的电压差不超过0.03V。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
根据第一振动信号和第一转速信号,获取零件实物的频谱;
分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若频谱差超出频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;
将至少一个目标频谱进行累加,获得频谱总和;
根据频谱总和,对驱动电机进行故障检测。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围,包括:
分别获取驱动电机的至少一个零件样本的第二振动信号和第二转速信号;
根据第二振动信号和第二转速信号,获取零件样本的频谱;
根据至少一个零件样本的频谱,获取零件样本的参考频谱和频谱偏差范围。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若频谱总和达到第一预设限值,则发出警报提示;
若频谱总和达到第二预设限值,则停止对驱动电机进行台架试验,同时发出警报提示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
驱动电机的每个零件样本的参考频谱和频谱偏差范围均存储于数据库中;分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差,包括:
在驱动电机进行台架实验过程中,获取待测的零件实物的标识信息;
根据标识信息,从数据库中调用相应的零件样本的参考频谱;
分别获取零件实物的频谱与相应参考频谱之间的频谱差。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号,包括:
在驱动电机进行台架实验过程中,针对悬挂有质量块的弯曲杠杆,当待测的零件实物加速时,获取质量块的摆动幅度值;
根据摆动幅度值,获取弯曲杠杆上设置的至少一个压电电阻的电压变化值;
根据电压变化值,获取零件实物的第一振动信号。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
压电电阻的数量为四个,四个压电电阻构成惠斯通电桥;其中,惠斯通电桥的信号正极和信号负极之间的电压差不超过0.03V。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种驱动电机故障检测方法,其特征在于,所述方法包括:
分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
根据所述第一振动信号和所述第一转速信号,获取零件实物的频谱;
分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若所述频谱差超出所述频谱偏差范围,则将对应零件实物的频谱作为相应零件的目标频谱;
将至少一个目标频谱进行累加,获得频谱总和;
根据所述频谱总和,对所述驱动电机进行故障检测。
2.根据权利要求1所述的方法,其特征在于,所述分别获取驱动电机的零件样本的参考频谱和频谱偏差范围,包括:
分别获取驱动电机的至少一个零件样本的第二振动信号和第二转速信号;
根据所述第二振动信号和所述第二转速信号,获取零件样本的频谱;
根据至少一个零件样本的频谱,获取零件样本的参考频谱和频谱偏差范围。
3.根据权利要求1所述的方法,其特征在于,所述根据所述频谱总和,对所述驱动电机进行故障检测,包括:
若所述频谱总和达到第一预设限值,则发出警报提示;
若所述频谱总和达到第二预设限值,则停止对所述驱动电机进行台架试验,同时发出警报提示。
4.根据权利要求1所述的方法,其特征在于,所述驱动电机的每个零件样本的参考频谱和所述频谱偏差范围均存储于数据库中;所述分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差,包括:
在所述驱动电机进行台架实验过程中,获取待测的零件实物的标识信息;
根据所述标识信息,从所述数据库中调用相应的零件样本的参考频谱;
分别获取零件实物的频谱与相应参考频谱之间的频谱差。
5.根据权利要求1所述的方法,其特征在于,在驱动电机进行台架实验过程中,获取驱动电机的至少一个零件实物的第一振动信号,包括:
在所述驱动电机进行台架实验过程中,针对悬挂有质量块的弯曲杠杆,当待测的零件实物加速时,获取所述质量块的摆动幅度值;
根据所述摆动幅度值,获取所述弯曲杠杆上设置的至少一个压电电阻的电压变化值;
根据所述电压变化值,获取零件实物的第一振动信号。
6.根据权利要求5所述的方法,其特征在于,所述压电电阻的数量为四个,四个所述压电电阻构成惠斯通电桥;其中,所述惠斯通电桥的信号正极和信号负极之间的电压差不超过0.03V。
7.一种驱动电机故障检测装置,其特征在于,所述装置包括:
获取模块,用于分别获取驱动电机的零件样本的参考频谱和频谱偏差范围;
在驱动电机进行台架实验过程中,获取模块,用于获取驱动电机的至少一个零件实物的第一振动信号和第一转速信号;
处理模块,用于根据所述第一振动信号和所述第一转速信号,获取零件实物的频谱;
处理模块,还用于分别获取至少一个零件实物的频谱与相应参考频谱之间的频谱差;
若所述频谱差超出所述频谱偏差范围,则处理模块,还用于将对应零件实物的频谱作为相应零件的目标频谱;
处理模块,还用于将至少一个目标频谱进行累加,获得频谱总和;
检测模块,用于根据所述频谱总和,对所述驱动电机进行故障检测。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311668248.0A CN117825947A (zh) | 2023-12-06 | 2023-12-06 | 驱动电机故障检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311668248.0A CN117825947A (zh) | 2023-12-06 | 2023-12-06 | 驱动电机故障检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117825947A true CN117825947A (zh) | 2024-04-05 |
Family
ID=90514356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311668248.0A Pending CN117825947A (zh) | 2023-12-06 | 2023-12-06 | 驱动电机故障检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117825947A (zh) |
-
2023
- 2023-12-06 CN CN202311668248.0A patent/CN117825947A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9823308B2 (en) | Method for monitoring demagnetization | |
US9703754B2 (en) | Automatic remote monitoring and diagnosis system | |
EP3605036B1 (en) | Vibration analyser, and machine component diagnosis system | |
US10895873B2 (en) | Machine health monitoring of rotating machinery | |
CN103884482A (zh) | 一种基于压缩机的振动测试方法和系统 | |
JP2019067197A (ja) | 故障予兆検知手法 | |
US8355879B2 (en) | Trending of vibration data taking into account torque effect | |
WO2014123443A1 (ru) | Способ вибрационной диагностики и прогнозирования внезапного отказа двигателя и устройство | |
CN111649886B (zh) | 异常检测装置、旋转机械、异常检测方法及计算机可读取的存储介质 | |
US20140058615A1 (en) | Fleet anomaly detection system and method | |
CN206208528U (zh) | 航空发动机振动测试装置 | |
JPWO2004068078A1 (ja) | 状態判定方法と状態予測方法及び装置 | |
US11422024B2 (en) | Method for detecting a defect in a vibration sensor, associated device and computer program | |
JP2020123229A (ja) | 異常予兆検出システム、異常予兆検出方法 | |
JP2024504289A (ja) | 機械装置又は機械部品における異常を同定するための方法及び装置 | |
KR100749667B1 (ko) | 크랭크축 속도 변화를 이용한 엔진 상태진단 시스템 및 그방법 | |
CN117825947A (zh) | 驱动电机故障检测方法、装置、计算机设备和存储介质 | |
KR20180042897A (ko) | 압축센싱 기반 구조물 상태진단 시스템 및 그 방법 | |
CN110598680A (zh) | 一种机械设备健康状态评估方法、系统和可读存储介质 | |
Nejadpak et al. | Misalignment and unbalance faults detection and identification using KNN analysis | |
KR101482511B1 (ko) | 위상 지연과 데이터 분포 형상지수를 이용한 베어링 결함 진단 시스템 및 그 진단 방법 | |
Galar et al. | Application of dynamic benchmarking of rotating machinery for e-maintenance | |
CN113516023A (zh) | 设备振动异常诊断方法和系统 | |
Rubhini et al. | Machine condition monitoring using audio signature analysis | |
JPWO2020129818A1 (ja) | 機械設備診断システム、機械設備診断方法、および機械設備診断プログラム |
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 |