CN117902059A - 一种故障诊断方法、系统、终端及计算机存储介质 - Google Patents
一种故障诊断方法、系统、终端及计算机存储介质 Download PDFInfo
- Publication number
- CN117902059A CN117902059A CN202211267896.0A CN202211267896A CN117902059A CN 117902059 A CN117902059 A CN 117902059A CN 202211267896 A CN202211267896 A CN 202211267896A CN 117902059 A CN117902059 A CN 117902059A
- Authority
- CN
- China
- Prior art keywords
- signal
- propeller
- vibration
- signals
- modal component
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001228 spectrum Methods 0.000 claims abstract description 43
- 230000001131 transforming effect Effects 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 6
- 230000003190 augmentative effect Effects 0.000 claims description 5
- 239000010409 thin film Substances 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000010408 film Substances 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请涉及一种故障诊断方法、系统、终端及计算机存储介质,其中,故障诊断方法包括:获取固定于螺旋桨中的振动传感器采集的振动信号,并将振动信号分解为多个模态分量信号;对多个模态分量信号进行变换,确定振动信号的时频谱;根据振动信号的时频谱,确定螺旋桨的故障信息。本申请提供的故障诊断方法、系统、终端及计算机存储介质,振动传感器固定于螺旋桨,通过确定振动信号的模态分量信号,进而变换确定振动信号的时频谱,可通过振动信号的时频谱对螺旋桨进行故障诊断,提高了螺旋桨故障诊断效率及准确性。
Description
技术领域
本申请属于故障诊断技术领域,尤其涉及一种故障诊断方法、终端及计算机存储介质。
背景技术
复合材料已经成为螺旋桨材料发展的主流方向,复合材料螺旋桨已经在无人机、直升机等旋翼飞行器中具有广泛的应用。作为动力系统的关键部件,螺旋桨的状态直接关系到飞行器的安全。因此,为了保障飞行器的安全,需要对复合材料螺旋桨在运行状态下的结构健康进行监测和故障诊断。由于传统传感系统(硬质传感器和采集板、有线传输等)重量、体积大,无法与高转速下的螺旋桨进行有效集成。因此,通常采用间接测量的手段,在飞行器机体上安装加速度传感器来获取螺旋桨的状态信号。由于测点离螺旋桨距离较远,信号在机械结构传播的过程中会出现衰减,从而导致早期故障诊断困难,影响螺旋桨故障诊断效率及准确性。
发明内容
针对上述技术问题,本申请提供一种故障诊断方法、系统、终端及计算机存储介质,以提高螺旋桨故障诊断效率及准确性。
本申请提供了一种故障诊断方法,包括:获取固定于螺旋桨中的振动传感器采集的振动信号,并将所述振动信号分解为多个模态分量信号;对所述多个模态分量信号进行变换,确定所述振动信号的时频谱;根据所述振动信号的时频谱,确定所述螺旋桨的故障信息。
在一实施方式中,将所述振动信号分解为多个模态分量信号,包括:利用L2范数估计各模态分量信号的基频带的带宽,并引入约束条件,构造受约束的变分模型;采用增广拉格朗日法,将所述受约束的变分模型转换为无约束的变分模型;采用交替方向乘子法对所述各模态分量信号、所述各模态分量信号的中心频率、拉格朗日乘子进行迭代更新,并确定所述无约束变分模型的最优解;在所述各模态分量信号的傅里叶变换信号满足预设条件时,停止所述迭代更新,最终确定所述多个模态分量信号。
在一实施方式中,在所述利用L2范数估计所述各模态分量信号的基频带的带宽,并引入约束条件,构造受约束的变分模型的步骤之前,包括:对所述各模态分量信号进行一次希尔伯特变换,确定所述各模态分量信号的单侧频谱;根据混合预估中心频率,将所述各模态分量信号的单侧频谱调制到对应的基频带上。
在一实施方式中,所述对所述多个模态分量信号进行变换,确定所述振动信号的时频谱的步骤,包括:构建各模态分量信号的解析信号;根据各解析信号的瞬时相位,确定所述各解析信号的瞬时角频率;根据所述各解析信号及所述各解析信号的瞬时角频率,确定所述振动信号的时频谱。
在一实施方式中,在所述根据各解析信号的瞬时相位,确定所述各解析信号的瞬时角频率的步骤之前,包括:对所述各模态分量信号进行二次希尔伯特变换,确定所述各模态分量信号的希尔伯特变换信号;根据所述各模态分量信号及所述各模态分量信号的希尔伯特变换信号,确定所述各解析信号的瞬时相位。
在一实施方式中,所述根据所述振动信号的时频谱,确定所述螺旋桨的故障信息的步骤,包括以下至少一项:在所述时频谱中的任一时刻对应的频率与所述螺旋桨的故障特征频率的差值小于第一预设值时,所述螺旋桨在对应时刻出现故障;在所述时频谱中的任一时频点对应的能量值大于第二预设值时,所述螺旋桨在对应时刻出现故障。
本申请还提供了一种故障诊断系统,所述系统包括螺旋桨、振动传感器、信号采集板、电源及故障诊断终端;其中,所述振动传感器固定于螺旋桨中,用于采集所述螺旋桨的振动信号;所述信号采集板用于获取所述振动传感器采集的振动信号,并将所述振动信号发送给所述故障诊断终端;所述故障诊断终端用于执行上述故障诊断方法的步骤;所述电源用于给所述振动传感器及所述信号采集板供电。
在一实施方式中,所述螺旋桨包括桨毂及多个叶片;所述振动传感器固定在所述螺旋桨的至少一个叶片上;所述信号采集板与所述电源固定在所述螺旋桨的桨毂中;其中,所述振动传感器为薄膜振动传感器;所述信号采集板为柔性信号采集板。
本申请还提供了一种故障诊断终端,所述终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述故障诊断方法的步骤。
本申请还提供了一种计算机存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述故障诊断方法的步骤。
本申请提供的一种故障诊断方法、系统、终端及计算机存储介质,振动传感器固定于螺旋桨,通过确定振动信号的模态分量信号,进而变换确定振动信号的时频谱,可通过振动信号的时频谱对螺旋桨进行故障诊断,提高了螺旋桨故障诊断效率及准确性。
附图说明
图1是本申请实施例一提供的故障诊断系统的结构示意图;
图2是本申请实施例一提供的故障诊断系统的工作环境示意图;
图3是本申请实施例二提供的故障诊断方法的流程示意图;
图4是本申请实施例二提供的振动信号及振动信号时频谱的示意图;
图5是本申请实施例三提供的故障诊断终端的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本申请技术方案做进一步的详细阐述。除非另有定义,本申请所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1是本申请实施例一提供的故障诊断系统的结构示意图。本申请的故障诊断系统包括螺旋桨11、振动传感器12、信号采集板13、电源14及故障诊断终端15;
可选地,信号采集板13分别与振动传感器12、电源14通过连接线路16连接;信号采集板13与故障诊断终端15通过路由器17提供的无线网络进行通讯。
其中,振动传感器12固定于螺旋桨11中,用于采集螺旋桨11的振动信号;
信号采集板13用于获取振动传感器12采集的振动信号,并将振动信号发送给故障诊断终端15;
故障诊断终端15用于执行故障诊断;
电源14用于给振动传感器12及信号采集板13供电。
本申请实施例一提供的故障诊断系统,通过固定于螺旋桨中振动传感器采集螺旋桨的振动信号,信号采集板获取振动传感器采集的振动信号并将振动信号传递给故障诊断终端。之后,故障诊断终端可以对振动信号进行分解,确定多个模态分量信号;通过对多个模态分量信号进行变换,确定振动信号的时频谱;通过振动信号的时频谱对螺旋桨进行故障诊断,提高了螺旋桨故障诊断效率及准确性。
在一实施方式中,螺旋桨11包括桨毂113及多个叶片114;振动传感器12固定在螺旋桨11的至少一个叶片114上;信号采集板13与电源14固定在螺旋桨11的桨毂113中;其中,振动传感器12为薄膜振动传感器;信号采集板13为柔性信号采集板。
将螺旋桨11安装在如图2所示的测试台架21的驱动电机22上,即可实现对螺旋桨在旋转状态下的振动信号采集,能够有效地解决了现有故障诊断系统的间接测量方式导致信号特征不显著,早期故障难诊断的问题。
另外,由于薄膜振动传感器和柔性信号采集板具有质量轻,形态柔、薄的特点,其与螺旋桨能够进行有效贴附,将薄膜振动传感器及柔性信号采集板分别固定在螺旋桨的叶片及桨毂上,不会额外增加螺旋桨的重量,不会对螺旋桨的动力平衡和气动性能产生影响。此外,柔性信号采集板上安装有信号发射天线,可以将螺旋桨的振动信号通过无线网络实时地传递给故障诊断终端,实现对螺旋桨健康状态的在线监测和诊断。
本申请实施例一提供的故障诊断系统,通过固定于螺旋桨叶片中薄膜振动传感器采集螺旋桨的振动信号,并通过固定于螺旋桨桨毂中的柔性信号采集板将振动信号传递给故障诊断终端;之后,故障诊断终端可以对振动信号进行分解,确定多个模态分量信号;通过对多个模态分量信号进行变换,确定振动信号的时频谱;通过振动信号的时频谱对螺旋桨进行故障诊断,提高了螺旋桨故障诊断效率及准确性。
图3是本申请实施例二提供的故障诊断方法的流程示意图。如图3所示,本申请的故障诊断方法可应用于实施例一所述的故障诊断终端,故障诊断方法可以包括如下步骤:
步骤S101:获取固定于螺旋桨中的振动传感器采集的振动信号,并将振动信号分解为多个模态分量信号;
步骤S102:对多个模态分量信号进行变换,确定振动信号的时频谱;
步骤S103:根据振动信号的时频谱,确定螺旋桨的故障信息。
本申请实施例二提供的故障诊断方法,振动传感器固定于螺旋桨中,通过确定振动信号的模态分量信号,进而变换确定振动信号的时频谱,可通过振动信号的时频谱对螺旋桨进行故障诊断,提高了螺旋桨故障诊断效率及准确性。
可选地,采用变分模态分解将振动信号分解为多个模态分量信号。
在一实施方式中,步骤S101中将振动信号分解为多个模态分量信号,包括:
利用L2范数估计各模态分量信号的基频带的带宽,并引入约束条件,构造受约束的变分模型;
采用增广拉格朗日法,将受约束的变分模型转换为无约束的变分模型;
采用交替方向乘子法对各模态分量信号、各模态分量信号的中心频率、拉格朗日乘子进行迭代更新,并确定无约束变分模型的最优解;
在各模态分量信号的傅里叶变换信号满足预设条件时,停止迭代更新,最终确定多个模态分量信号。
在一实施方式中,在利用L2范数估计各模态分量信号的基频带的带宽,并引入约束条件,构造受约束的变分模型的步骤之前,包括:
对各模态分量信号进行一次希尔伯特变换,确定各模态分量信号的单侧频谱;
根据混合预估中心频率,将各模态分量信号的单侧频谱调制到对应的基频带上。
可选地,受约束的变分模型如下:
其中,为对时间t进行偏导运算;δ(t)为狄拉克δ函数;j为虚数符号;*为卷积运算符;/>为L2范数的平方;ωk为第k个模态分量信号的中心频率;f(t)为螺旋桨的振动信号;μk(t)为振动信号的第k个模态分量信号,k=1,2,…,K;
表示对μk(t)进行一次希尔伯特变换,确定μk(t)的单侧频谱;
表示将μk(t)的单侧频谱调制到对应的基频带上;
为约束条件。
可选地,无约束的变分模型如下:
其中,α为增广拉格朗日法的二次惩罚因子,用于保证振动信号重构的保真度;λ(t)为拉格朗日乘子,用于保证约束条件执行的严密性;<·>为内积运算符号;L为增广拉格朗日函数值。
可选地,采用以下公式,分别对各模态分量信号、各模态分量信号的中心频率、拉格朗日乘子进行迭代更新:
其中,ω为频率,和/>分别为μk(t)和f(t)的傅里叶变换,/>为λ(t)的傅里叶变换,τ为迭代步长,n为大于或等于1的整数;n=1时,/> 为预设值。
可选地,在各模态分量信号的傅里叶变换信号满足如下预设条件时,停止迭代更新:
其中,ε为收敛误差,ε>0。
在一实施方式中,步骤S102包括:
构建各模态分量信号的解析信号:
其中,μk(t)为第k个模态分量信号,为第k个模态分量信号的希尔伯特变换信号,zk(t)为第k个模态分量信号的解析信号,j为虚数符号,ak(t)和θk(t)分别为第k个解析信号的瞬时幅值和瞬时相位;
根据各解析信号的瞬时相位,确定各解析信号的瞬时角频率:
其中,ωk(t)为第k个解析信号的瞬时角频率;
根据各解析信号及各解析信号的瞬时角频率,确定振动信号的时频谱:
其中,H(ω,t)为振动信号的时频谱,Re表示取K个解析信号之和的实部。
在一实施方式中,在根据各解析信号的瞬时相位,确定各解析信号的瞬时角频率的步骤之前,包括:
对各模态分量信号进行二次希尔伯特变换,确定各模态分量信号的希尔伯特变换信号:
根据各模态分量信号及各模态分量信号的希尔伯特变换信号,确定各解析信号的瞬时幅值和瞬时相位:
其中,为第k个模态分量信号的希尔伯特变换信号。
示例性地,对如图4(a)所示的振动信号进行变分模态分解和希尔伯特变换,得到如图4(b)所示的振动信号时频谱;对比图4(a)与图4(b)可知,通过对螺旋桨的振动信号进行变分模态分解和希尔伯特变换,将振动信号从时间与振幅的关系转换为时间、频率与能量值的关系。如图4(b)所示,通过变分模态分解和希尔伯特变换,获取到了振动信号的基频(25HZ、30HZ)和倍频(50HZ、60HZ),而且通过控制螺旋桨降速,振动信号的频率随时间发生变化,符合螺旋桨振动信号的非平稳信号特征。
在一实施方式中,步骤S103包括以下至少一项:
在时频谱中的任一时刻对应的频率与螺旋桨的故障特征频率的差值小于第一预设值时,螺旋桨在对应时刻出现故障;
在时频谱中的任一时频点对应的能量值大于第二预设值时,螺旋桨在对应时刻出现故障。
本申请实施例二提供的故障诊断方法,通过变分模态分解对固定于螺旋桨中的振动传感器采集的振动信号进行分解,确定多个模态分量信号;并通过希尔伯特变换对各模态分量信号进行变换,确定振动信号的时频谱;可通过振动信号的时频谱对螺旋桨进行故障诊断,解决了传统的希尔伯特黄变换方法中经验模态分解存在的模态混叠和虚假分量问题,大幅改善了传统的希尔伯特黄变换方法对振动信号的时频分析性能,提高了螺旋桨故障诊断效率及准确性。
图5是本申请实施三提供的终端的结构示意图。本申请的终端包括:处理器110、存储器111以及存储在存储器111中并可在处理器110上运行的计算机程序112。处理器110执行计算机程序112时实现上述故障诊断方法实施例中的步骤。
终端可包括,但不仅限于,处理器110、存储器111。本领域技术人员可以理解,图5仅仅是终端的示例,并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端还可以包括输入输出设备、网络接入设备、总线等。
处理器110可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数词信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器111可以是终端的内部存储单元,例如终端的硬盘或内存。存储器111也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数词(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器111还可以既包括终端的内部存储单元也包括外部存储设备。存储器111用于存储计算机程序以及终端所需的其他程序和数据。存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
本申请还提供一种计算机存储介质,计算机存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述故障诊断方法实施例中的步骤。
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。
在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,除了包含所列的那些要素,而且还可包含没有明确列出的其他要素。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种故障诊断方法,其特征在于,包括:
获取固定于螺旋桨中的振动传感器采集的振动信号,并将所述振动信号分解为多个模态分量信号;
对所述多个模态分量信号进行变换,确定所述振动信号的时频谱;
根据所述振动信号的时频谱,确定所述螺旋桨的故障信息。
2.如权利要求1所述的方法,其特征在于,将所述振动信号分解为多个模态分量信号,包括:
利用L2范数估计各模态分量信号的基频带的带宽,并引入约束条件,构造受约束的变分模型;
采用增广拉格朗日法,将所述受约束的变分模型转换为无约束的变分模型;
采用交替方向乘子法对所述各模态分量信号、所述各模态分量信号的中心频率、拉格朗日乘子进行迭代更新,并确定所述无约束变分模型的最优解;
在所述各模态分量信号的傅里叶变换信号满足预设条件时,停止所述迭代更新,最终确定所述多个模态分量信号。
3.如权利要求2所述的方法,其特征在于,在所述利用L2范数估计所述各模态分量信号的基频带的带宽,并引入约束条件,构造受约束的变分模型的步骤之前,包括:
对所述各模态分量信号进行一次希尔伯特变换,确定所述各模态分量信号的单侧频谱;
根据混合预估中心频率,将所述各模态分量信号的单侧频谱调制到对应的基频带上。
4.如权利要求1所述的方法,其特征在于,所述对所述多个模态分量信号进行变换,确定所述振动信号的时频谱的步骤,包括:
构建各模态分量信号的解析信号;
根据各解析信号的瞬时相位,确定所述各解析信号的瞬时角频率;
根据所述各解析信号及所述各解析信号的瞬时角频率,确定所述振动信号的时频谱。
5.如权利要求4所述的方法,其特征在于,在所述根据各解析信号的瞬时相位,确定所述各解析信号的瞬时角频率的步骤之前,包括:
对所述各模态分量信号进行二次希尔伯特变换,确定所述各模态分量信号的希尔伯特变换信号;
根据所述各模态分量信号及所述各模态分量信号的希尔伯特变换信号,确定所述各解析信号的瞬时相位。
6.如权利要求1所述的方法,其特征在于,所述根据所述振动信号的时频谱,确定所述螺旋桨的故障信息的步骤,包括以下至少一项:
在所述时频谱中的任一时刻对应的频率与所述螺旋桨的故障特征频率的差值小于第一预设值时,所述螺旋桨在对应时刻出现故障;
在所述时频谱中的任一时频点对应的能量值大于第二预设值时,所述螺旋桨在对应时刻出现故障。
7.一种故障诊断系统,其特征在于,所述系统包括螺旋桨、振动传感器、信号采集板、电源及故障诊断终端;
其中,所述振动传感器固定于螺旋桨中,用于采集所述螺旋桨的振动信号;
所述信号采集板用于获取所述振动传感器采集的振动信号,并将所述振动信号发送给所述故障诊断终端;
所述故障诊断终端用于执行如权利要求1-6任一项所述的故障诊断方法;
所述电源用于给所述振动传感器及所述信号采集板供电。
8.如权利要求7所述的系统,其特征在于,所述螺旋桨包括桨毂及多个叶片;
所述振动传感器固定在所述螺旋桨的至少一个叶片上;
所述信号采集板与所述电源固定在所述螺旋桨的桨毂中;
其中,所述振动传感器为薄膜振动传感器;所述信号采集板为柔性信号采集板。
9.一种故障诊断终端,其特征在于,所述终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211267896.0A CN117902059A (zh) | 2022-10-17 | 2022-10-17 | 一种故障诊断方法、系统、终端及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211267896.0A CN117902059A (zh) | 2022-10-17 | 2022-10-17 | 一种故障诊断方法、系统、终端及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117902059A true CN117902059A (zh) | 2024-04-19 |
Family
ID=90680707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211267896.0A Pending CN117902059A (zh) | 2022-10-17 | 2022-10-17 | 一种故障诊断方法、系统、终端及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117902059A (zh) |
-
2022
- 2022-10-17 CN CN202211267896.0A patent/CN117902059A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9576404B2 (en) | System and method of transmitting data from an aircraft | |
CA2874766C (en) | Wireless engine monitoring system with multiple hop aircraft communications capability and on-board processing of engine data | |
US9766619B2 (en) | Wireless engine monitoring system and associated engine wireless sensor network | |
US9816897B2 (en) | Wireless engine monitoring system and associated engine wireless sensor network | |
US9026279B2 (en) | Wireless engine monitoring system and configurable wireless engine sensors | |
CA2580658C (en) | System and method of transmitting data from an aircraft | |
CA3028611C (en) | Wireless aircraft engine communication system | |
US20090230682A1 (en) | Apparatus and method for determining a resonant frequency of a wind turbine tower | |
JP4962422B2 (ja) | 到来電波方位測定装置、到来電波方位測定方法及び到来電波方位測定プログラム | |
KR20180122966A (ko) | 비행체 식별 방법 및 장치 | |
CN105404707B (zh) | 可配置的机载信息处理 | |
EP3718349A1 (en) | Wireless devices and systems including examples of configuration during an active time period | |
CN117902059A (zh) | 一种故障诊断方法、系统、终端及计算机存储介质 | |
Igarashi et al. | A feasibility study on simultaneous data collection from multiple sensor RF tags with multiple subcarriers | |
US9203459B2 (en) | Harmonic data transfer in rotary wing aircraft | |
KR101576032B1 (ko) | 전동기의 고장진단 방법 | |
Panda et al. | FPGA implementation of a tone-based flight termination system in a software-defined radio platform | |
JP6468374B2 (ja) | センサ | |
JP2015210756A (ja) | センサシステム、電圧変換装置およびセンサ | |
Woodard et al. | Development and flight testing of an adaptable vehicle health-monitoring architecture | |
Ternovoy et al. | Hardware calculation of signal spectral density in AXI4-stream | |
Raja Shekhar et al. | Non-invasive vibration analysis with RDWT, UWB radar, and software PLL for open-phase and multiple bearing faults diagnosis in BLDC motor | |
CN117722319A (zh) | 故障识别方法、装置、设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |