CN1308692C - 旋转机械的异常诊断方法及异常诊断装置 - Google Patents
旋转机械的异常诊断方法及异常诊断装置 Download PDFInfo
- Publication number
- CN1308692C CN1308692C CNB011454040A CN01145404A CN1308692C CN 1308692 C CN1308692 C CN 1308692C CN B011454040 A CNB011454040 A CN B011454040A CN 01145404 A CN01145404 A CN 01145404A CN 1308692 C CN1308692 C CN 1308692C
- Authority
- CN
- China
- Prior art keywords
- rotating machinery
- abnormal cause
- diagnostic
- frequency
- abnormal
- 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.)
- Expired - Lifetime
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明为防止症状相似的不同异常原因发生误诊,提供一种考虑到因运转速度不同所引起的症状差异的诊断方法。在用旋转机械14运转时所产生的振动来诊断旋转机械14的异常原因的系统10中,把旋转机械14的转速fn用临界速度fc无量纲化得到无量纲转速fn/fc,并把fn/fc分类为若干诊断范围,将旋转机械14所发生的各种异常原因对应于无量纲转速fn/fc分类的诊断范围,并预先将各诊断范围所发生的各种异常原因的频率特性数据化,将测得的振动数据与上述各异常原因的频率特性进行比较,从而诊断异常原因。
Description
技术领域
本发明与旋转机械的异常诊断系统相关,具体地说是将旋转机械的运转速度用临界速度无量纲化,并将由此得到的无量纲转速分解为若干诊断范围,按各个诊断范围进行适当的诊断,由此防止异常原因的误诊。
背景技术
近些年来由于技术革新,机械设备不断高级化、高性能化,从对这些设备的社会责任及经济性、生产性的观点出发,机械设备的异常诊断的重要性日益为人们所重视。
从这一观点出发,人们期望及早发现大型旋转机械的早期异常振动。为了采取对策,人们希望开发有效的异常诊断技术。
过去,关于大型旋转机器的异常运转的简易诊断方法的日本专利特开昭59-94018号公报等,如图8所示,是把从设置在旋转机械上的传感器得到的检出信号,送入信号输入部3,在故障原因推定部4对从信号输入部3得到的振动数据S1进行频率分析,并与故障因果表记忆部5的数据库进行对比,所得的检测结果由结果表示部6显示出。
使用上述方法,很难判别频率特性非常接近的各种异常原因,有时也有可能发生实际上未发生的异常的误检出来。
此外,在发生如自激振动那样的异常振动时,尽管异常振动的发生条件是由运转速度限定了的,但用上述故障因果表来诊断时,若未设定预先诊断,则有可能出现在不可能发生的运转速度时检测出异常的问题。
进一步说,发生裂纹的轴以及非对称轴等产生异常时,若旋转机器的运转速度在临界速度的不同范围时会发生不同症状表现,即根据旋转机械转数和固有频率之间的比大小不同,则异常振动表现或强或弱,因此用上述故障因果表进行固定的诊断,则有时难免误诊。
发明内容
鉴于上述问题,本发明的课题在于为了防止频率特性近似的不同的异常原因间的误诊,提供一种考虑到因运转速度而产生的不同症状的诊断手段。
为解决上述课题,本发明通过旋转机械运转时发生的振动来诊断旋转机械的异常原因。在此诊断系统中,将上述旋转机械的旋转速度用临界速度变为无量纲转速,并将该无量纲转速分割为若干个诊断范围,对上述旋转机械所发生的种种异常原因,按能体现异常原因的无量纲转速,对上述诊断范围进行分类。
在上述各诊断范围内,预先选定相应于上述异常原因所发生的频率特性,将上述旋转机械运转时所测的振动数据与上述选定的频率特性进行比较,以诊断上述旋转机械所产生的异常原因。
上述系统因考虑了旋转机械的运转速度来设定上述诊断范围,因此可以防止在不可能发生的运转速度下误诊出异常原因,从而实现正确的诊断。
即在某异常原因不可能发生的诊断范围内,所选的频率特性和所测的频率特性即便符合,也不能将该原因误诊为异常,可高精度地查明异常原因。
此外,上述运转速度和临界速度与旋转机械的运转频率及固有频率是同义的。
上述用无量纲速度分割的诊断范围的数量最好是每1阶-3阶的临界速度,在4以上6以下。考虑上述临界速度取1阶-3阶,每阶的诊断范围的数量取4以上6以下的原因是取3以下时,异常诊断的精度降低,而取7以上则诊断方法变得繁杂。
另外,只考虑一阶临界速度时,构成上述无量纲转速的临界速度只成了一个对象,而上述诊断范围的数量为4以上6以下。例如,如果将一阶和二阶临界速度都考虑在内,构成上述无量纲转速的临界速度就变成一阶临界速度和二阶临界速度,以此为基准,分别分类成4以上6以下的诊断范围,将各诊断范围合成,就得到本系统的诊断范围。
因此,考虑的临界速度为数个时,上述诊断范围的数量合计可为7以上。
一般来说,旋转机械发生异常振动时,对频率成分的分布是会有影响的,通过基于频率成分的诊断可有秩序地处理异常原因。因此,识别频谱分析结果中所显示的波峰频率成分,同时,将旋转机械的转速成分(fn)和特征频率成分(高频、低频、2fn、fn/2、由旋转体和轴承所确定的临界速度fc等)作为诊断因子,从而可以查明异常原因。
在上述诊断范围内,以上述特定的转速成分以及上述特征频率成分为基础,把上述特征频率成分和转速成分的幅值比与预先设定的基准值相比较,进行条件分配。上述特征频率成分与每个异常原因所选定的频率成分都相符合时,这个与所选定的频率成分相对应的异常原因就作为诊断结果。
此外上述基准值和设定值是按实验结果确定的,在上述诊断范围内个别设定。
当只有波峰是转速成分时,作为频谱分析结果只有在转速成分呈现的情况下,例如为不平衡等异常原因时,特定为异常原因。
在评价上述选定频率的符合性时,调查上述特征频率成分是2fn、fn/2、高频、低频、fnZg、fc中的哪一个,把与每个相对应的异常原因作为诊断结果。在此,fn表示旋转机械的转速成分,Zg表示齿轮齿数,fc表示固有频率。
最好是把上述频率特性相近的异常原因分到一组。
即在各个上述分类的特定诊断范围内,将上述选定的频率特性和测得的频率特性相比较相符合时,则认为异常由与上述被选定的频率特性相对应的分组内的各种异常原因引起,然后经精密诊断,从上述各种异常原因中进一步确定真正的异常原因。
比如非对称轴和裂纹,其频率特性非常相近,特定一个异常原因是困难的,但把他们看成是属于一个分组,测量得到的振动数据和该分组的频率特性符合时,根据分组内的异常原因把非对称轴和裂纹同时作为诊断结果提示出来,为以后经过精密诊断确定为某一个异常原因而留下可能。
过去对频率特性不能判别的异常原因也硬性特定,结果造成误诊而丧失了确定真正异常原因的可能性的这一问题,由于导入分组化的概念而根本地改善了。
上述分组的实例如下,在上述频率分析结果中以转速成分(fn)为特征表现的异常原因集中成一组,以转速倍频成分(2fn)为特征表现的异常原因集中成一组,以旋转机械的固有频率成分(fc)为特征表现的异常原因集中成一组,以高频成分为特征表现的异常原因集中成一组,以低频成分为特征表现的异常原因集中成一组,以1/2转速成分(fn/2)为特征表现的异常原因集中成一组。
此外,在上述已分类的各诊断范围中将上述分组化的各异常原因置于能产生异常原因的特定诊断范围内,将测的频率特性和上述选定的频率特性相比较,结果符合时,可认为是由该异常原因引起的异常,而在不可能发生该异常原因的其它诊断范围内,测量得到的频率特性和上述选定的频率特性即使符合,也不认为是由该异常原因引起的异常,从而防止在不可能发生异常原因的运转速度下的误诊断,与过去由比较频率特性来决定的单一诊断的情况相比较,可以大大地减少误诊。
备有振动检测传感器、将从该振动传感器得到的检测信号变换为振动数据的运算处理器以及用该振动数据进行异常诊断的软件。
上述软件中还具有对上述诊断范围进行分类的分类部,对每一诊断范围进行诊断的诊断部和把上述频率特性相近的异常原因集合为一个组的分组部。
另外,从上述振动检测传感器得到的检测信号经运算处理器变换处理为振动数据,该振动数据可直接或通过通信网络送到备有上述软件的情报处理机器中进行诊断。
如上述结构,在旋转机械上装上上述振动检测传感器,将从振动检测传感器得到的检测信号送到上述运算处理器中使之变换处理为振动数据,并将该数据送到连接着的备有上述软件的情报处理机器中或将该振动数据经过通信网络与备有上述软件的情报处理机器相连接,则在情报处理机器上可以进行上述异常原因的诊断。
此外,通过上述经通信网络连接的上述情报处理器进行接连,可对多个工厂中使用的对旋转机械进行集中监视,也可对多个公司使用的对旋转机械由专门的公司进行一元化集中监视。
附图说明
图1关于本发明实施例1的旋转机械异常诊断系统图
图2旋转机械的简图
图3软件简图
图4异常原因的振动发生范围,频率成分及分组化矩阵
图5异常诊断基本流程图
图6fn/fc<0.4,0.6<fn/fc≤0.88诊断范围的诊断流程图
图7实施例2的旋转机械异常诊断系统的简图
图8现有诊断方法的简图
具体实施方式
以下,参照附图对本发明所适合的实施例进行说明。
实施例1
如图1所示,本发明的实施例中的旋转机械的异常诊断系统10,由设置在作为诊断对象的旋转机器14上的振动检测传感器15、与振动检测传感器15相连接的振动监视器16、将从振动监视器16出来的检测信号变换为振动数据的运算处理器17、以及对来自运算处理器17的振动数据进行诊断的情报处理机器12构成。
如图2所示,旋转机械14由旋转轴20、支承旋转轴20两侧并使之自由旋转的轴承24、25、驱动旋转轴20的电机23、把旋转轴的一端和电机23连结起来的连结部26、以及套装在旋转轴20靠近中央部位的盘状转子21、22构成。
振动检测传感器15采用的是非接触式位移传感器,在盘状转子21、22的附近或轴承24、25的附近至少互成90度角的两方向装有振动检测传感器15,进行轴振动的测量(图中只画出了垂直方向),或者也可以在轴承24、25处相隔90度角的两方向上直接装上振动检测传感器15来测量轴承振动。
上述情报处理机器12中备有异常诊断软件30,如图3所示,该软件30是由把频率特性近似的异常原因归结起来预先分成几个分组的分组部31,按运转速度划分诊断范围的分类部32,对每个诊断范围进行异常原因诊断的诊断部33组成的。
上述诊断范围的分类部32是将旋转机械14的运转速度fn(以下简称转速)用临界速度fc(以下称固有频率)无量纲化后的无量纲转速fn/fc作为诊断范围分类的参数。
下面对用运转速度决定诊断范围的分类部32中,用无量纲速度fn/fc来确定诊断范围的决定方法进行说明。
关于临界速度的共振,实际上转速fn即使与固有频率fc不一致,但在固有频率fc附近也会产生较大的振动,考虑到这一点,转速fn只要达到某一个范围内,可将其视之为临界速度的共振,我们把0.88≤fn/fc≤1.12这一范围定为共振范围。
油膜振荡是起因于滑动轴承部24、25中旋转轴20的位移和油膜复元力的方向不一致所造成的振摆回转力矩,随着旋转轴的位移或变形,旋转轴自身产生了激振力,使与旋转轴转速fn不同的轴系固有频率进行振摆回转不断变大,这是一种自激振动。
特征频率成分是固有频率成分fc,振摆回转的方向同旋转轴的旋转方向相同,其发生条件为当满足2.0≤fn/fc时。
异常原因为非对称轴、裂纹时,经频率分析可知其特征频率成分为转速的2倍成分2fn,但转速fn的范围的不同频率特性有时也不同,而且实际上旋转机械14,即使在正常状态下,也一定有转速2倍的成分2fn存在,这些情况之间的差异还不清楚。
因此,对非对称轴、裂纹建立简易数学模型,对转速fn的变化而造成的振动频率成分的变化通过数值解析来捕捉,找出转速fn的2倍成分作为特征呈现的范围,并确定发生范围,研究结果是确定,0.4≤fn/fc≤0.6的范围是非对称轴、裂纹相关连的一个异常发生范围。
综上所述,归纳异常振动的发生范围可得到图4。
在本实施例,着眼于异常原因中的临界速度的共振,油膜振荡、非对称轴和裂纹,分成如表1所示的六个诊断范围。
此外,以无量纲转速fn/fc为参数分割的诊断范围的数量不限定在上述6个,在4个以上8个以下的范围内决定分割区间是合适的。
另外,本实施例中,仅以1阶临界速度为基础确定了诊断范围,将2阶临界速度和3阶临界速度也考虑在内确定诊断范围也可以,那就需要更细地进行分类。
表1
范围分割的理由 | |
fn/fc<0.4 | |
0.4≤fn/fc≤0.6 | 根据非对称轴及裂纹的特性 |
0.6<fn/fc≤0.88 | |
0.88≤fn/fc≤1.12 | 临界速度的共振范围 |
1.12≤fn/fc<2.0 | |
2.0≤fn/fc | 自激震动(与油膜震荡区别) |
下面对汇集了频率特性相近的异常原因的分组部31进行说明。
例如前面所述的非对称轴和裂纹,两者的特征频率成分都是强烈表现为转速的2倍成分2fn,从频率特性来判断异常原因是非对称轴还是裂纹是困难的。
因此,如图4所示,对频率成分近似的异常原因每个都预先分组化分类了。
图4中,合成以下几个组。汇集以转速成分fn为特征的异常原因组G1,汇集以转速成分fn以及固有频率成分fc为特征的异常原因组G2,汇集以旋转机械20的固有频率成分fc为特征的异常原因组G3,汇集以转速2倍成分2fn为特征的异常原因组G4,汇集以高频成分为特征的异常原因组G5,汇集以低频成分为特征的异常原因组G6,汇集以1/2转速成分fn/2为特征的异常原因组G7,汇集以转速成分fn和齿轮齿数Zg之积fnZg为特征的异常原因组G8等分组。
下面就诊断每个异常范围的异常原因的诊断部33的诊断流程加以说明。
情报处理机器12对从振动监视器16接收到的振动数据进行频率分析,从所得的结果中再抽出旋转机械的转速成分fn和特征频率成分作为诊断因子用于诊断。
图5所示为诊断流程的一个例子。
从频率分析的结果中,找出超过某基准值的幅值,然后取该幅值的最大幅值相对的比,如果该比超过某设定值,就视为波峰把它挑选出来。
上述波峰中是否存在转速成分fn,如果存在则其幅值设为An。
然后,再找上述波峰中转速成分fn以外的特征频率成分。
这时把转速成分fn以外具有最大幅值的波峰作为上述特征频率成分,其幅值设为A″。另外,除转速成分fn以外,找不到特征频率成分的场合,视为无特征频率成分,可诊断为分组G1的异常原因。
接着确认上述各波峰中是否有固有频率成分fc,当固有频率成分fc和转速成分fn同时存在时,判定为分组G2的异常原因;当固有频率成分fc存在,转速成分fn不存在时,诊断为分组G3的异常原因。
最后,取上述特征频率成分和转速成分fn的幅值比A″/An与基准值A1、B相比较,然后看上述特征频率成分与每一异常原因相应的事先选定的频率成分(2fn、fn/2、高频、低频、fnZg)是否符合,如符合则参照图4,按其对应的最相符合的频率成分的异常原因,来确定为分组G4-G8之一。
此外,上述基准值A1、B是由实验结果确定的,按表1所示诊断范围分别个别设定。
以上如图5所示的诊断方法是按上述每一诊断范围分别设定的,图6所示为其中一例。
上述诊断流程与图5的诊断顺序的说明基本相同,但按每个诊断范围把诊断流程分开是其特点。例如图4中振动发生范围被限定的″与临界速度的共振″,在其发生范围以外的fn/fc<0.4,0.6<fn/fc≤0.88的诊断范围内,在其诊断流程图6中,即使满足fi=fc的这一条件也不会出现″与临界速度的共振″这一误诊。
这也就是说,上述异常诊断系统10,用固有频率fc将旋转机械的转速fn无量纲化,用无量纲转速fn/fc将诊断范围如表1所示,按场合分开,这样就可以有效地防止在不可能发生的运转速度下对异常原因的误诊。
此外,如图4所示那样,频率成分相近的异常原因被分为分组G1-G8,测得的振动数据的频率成分符合上述某个分组的频率成分fn/2、fn、2fn、fc、高频、低频、fnZg时,分组内的异常原因(比如2fn时,非对称轴和裂纹两种可能),作为诊断结果一齐提出,这样就不会误诊,留有进一步查明特定异常原因的可能性。
实施例2
如图7所示,在旋转机械的所在地设置的振动检测传感器15、振动监视器16及运算处理器17统称为据点机器群11。例如,把各个工厂中分散的各据点机器群11-1∽x用通信网络13连接起来。接着,同时把通信网络13连接起来,再设置备有异常诊断软件30的情报处理机器12-1∽Y的管理据点18,将管理据点18与上述通信网络连接起来,这样从据点机器群11发出的振动数据通过通信网络13送到管理据点18。
上述结构设置于工厂旋转机械处的据点机器群11发出的振动数据,通过网络13,可用在远距离处的管理据点18的情报处理机器12-1∽Y进行监控。
此外,上述据点机器群11即使分散在各工厂,通过通信网络13用集中设置于一处的情报处理机器12-1∽Y可进行一元化监控。
而且,也可将设置于各个公司的据点机器群11-1∽X发出的振动数据,通过通信网络13送至相隔远距离的管理公司的管理据点18,通过情报处理机器12-1∽Y可进行监控。
发明的效果
以上说明清楚地表明本发明以无量纲转速为参数,按各诊断范围进行诊断,可防止在不可能发生异常的运转速度下对异常原因的误诊,使正确的诊断成为可能。
此外,由于就上述诸异常原因而选定的频率特性事先分组化,在测得的振动数据与某一分组频率特性符合时,若该分组内的各异常原因同时作为诊断结果被提示出来,则为以后的精密诊断,进而为确定真正的异常原因提供了可能性。
把从设置于旋转机械上的振动检测传感器发生的检测信号送到上述运算处理进行变换处理后作为振动数据送到情报处理机器,由此可在该情报处理机器上可进行上述的异常原因的诊断。此外通过将上述情报处理机器与通信网络相连接可实现远距离监视,而且在上述振动检测传感器及运算处理手段分散的情况下,也可实现一元化的监视。
符号的说明
10、旋转机械的异常诊断系统
11、据点机器群
12、情报处理机器
13、通信网络
14、旋转机械
18、管理据点
20、旋转轴
21、22、盘状转子
23、电机
24、25、轴承部
G1∽G8 分组
fn、转速成分
fc、固有振动成分
fn/fc、无量纲速度
An、转速成分的幅值
A″、特征频率成分的幅值
Claims (6)
1.一种旋转机械的异常诊断方法,根据旋转机械运转时发生的振动来诊断旋转机械异常的原因,其特征是,将所述旋转机械的旋转速度用临界速度转接为无量纲转速;并将该无量纲转速分割成若干个诊断范围;把所述旋转机械所发生的种种异常原因,按异常原因出现的无量纲转速分类于所述诊断范围;在所述各诊断范围内,预先选定相应于所述异常原因产生的频率特性,将所述旋转机械运转时所测得的振动数据与所述所选定的频率特性进行比较,以诊断所述旋转机械所产生的异常原因。
2.如权利要求1所述的旋转机械的异常诊断方法,其进一步的特征是,用所述无量纲转速分割的诊断范围的数目,按1阶-3阶临界速度每阶分成4以上6以下。
3.如权利要求1所述的旋转机械的异常诊断方法,其进一步的特征是,按所述异常原因选定的频率特性由,从频率分析结果中抽出的旋转机械的转速成分fn和包括高频、低频、2fn、fn/2、由旋转体和轴承所确定的临界速度fc的特征频率成分组成。
4.如权利要求1所述的旋转机械异常诊断方法,其进一步的特征是,将所述频率特性按近似的异常原因分组;将所述选定频率特性和实测频率特性进行比较,符合时,认为是由对应于所述选定频率特性分组内的异常原因所造成的异常,然后通过精密诊断,确定所述分组内的特定异常原因。
5.如权利要求1所述的旋转机械的异常诊断方法,其进一步的特征是,从所述振动检测传感器得到的检测信号通过运算处理机变换成为振动数据,该振动数据直接或者通过通信网络送到具有所述软件的情报处理机器进行诊断。
6.一种实施如独立权利要求1所述的旋转机械的异常诊断方法用的旋转机械的异常诊断装置,其特征是,具有振动检测传感器、将从该振动检测传感器得到的检测信号变换为振动数据的运算处理器以及用该振动数据进行异常诊断的软件;所述软件还具有对所述诊断范围分类的分类部、按各诊断范围进行诊断的诊断部和将所述频率特性近似的异常原因集合起来的分组部。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB011454040A CN1308692C (zh) | 2001-12-31 | 2001-12-31 | 旋转机械的异常诊断方法及异常诊断装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB011454040A CN1308692C (zh) | 2001-12-31 | 2001-12-31 | 旋转机械的异常诊断方法及异常诊断装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1430063A CN1430063A (zh) | 2003-07-16 |
CN1308692C true CN1308692C (zh) | 2007-04-04 |
Family
ID=4678192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB011454040A Expired - Lifetime CN1308692C (zh) | 2001-12-31 | 2001-12-31 | 旋转机械的异常诊断方法及异常诊断装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1308692C (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120330578A1 (en) * | 2011-06-22 | 2012-12-27 | Honeywell International Inc. | Severity analysis apparatus and method for shafts of rotating machinery |
CN102840976B (zh) * | 2012-08-24 | 2015-10-28 | 武汉钢铁(集团)公司 | 一种轧机主传动系统的检测方法 |
CN103674545B (zh) * | 2013-11-26 | 2016-01-13 | 成都阜特科技股份有限公司 | 一种机械故障侦测方法 |
CN105318961B (zh) * | 2014-07-29 | 2019-05-31 | 上海宝钢工业技术服务有限公司 | 驱动输送皮带的高压电机振动状态在线监测方法 |
CN105675112B (zh) * | 2015-12-31 | 2019-04-05 | 北京金风科创风电设备有限公司 | 风电机组异常振动的监测方法和装置 |
CN108139295B (zh) * | 2016-08-05 | 2020-07-14 | 大隈株式会社 | 进给轴的异常诊断方法及异常诊断装置 |
US20200049364A1 (en) * | 2017-04-26 | 2020-02-13 | Mitsubishi Electric Corporation | Degradation diagnosis device and air-conditioning device |
CN109973325B (zh) * | 2017-12-20 | 2020-09-29 | 北京金风科创风电设备有限公司 | 识别异常振动的方法和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2337548Y (zh) * | 1998-07-15 | 1999-09-08 | 中国航空工业总公司第六○八研究所 | 振动与共振解调故障检测仪 |
CN1246921A (zh) * | 1998-03-16 | 2000-03-08 | 东海旅客铁道株式会社 | 用于铁路主电机的轴承检测装置 |
JP2001272268A (ja) * | 2000-03-27 | 2001-10-05 | Nissan Motor Co Ltd | 機械の異常検査装置 |
US20010037180A1 (en) * | 2000-04-20 | 2001-11-01 | Hidemichi Komura | Fault diagnosis method and apparatus |
-
2001
- 2001-12-31 CN CNB011454040A patent/CN1308692C/zh not_active Expired - Lifetime
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1246921A (zh) * | 1998-03-16 | 2000-03-08 | 东海旅客铁道株式会社 | 用于铁路主电机的轴承检测装置 |
CN2337548Y (zh) * | 1998-07-15 | 1999-09-08 | 中国航空工业总公司第六○八研究所 | 振动与共振解调故障检测仪 |
JP2001272268A (ja) * | 2000-03-27 | 2001-10-05 | Nissan Motor Co Ltd | 機械の異常検査装置 |
US20010037180A1 (en) * | 2000-04-20 | 2001-11-01 | Hidemichi Komura | Fault diagnosis method and apparatus |
Also Published As
Publication number | Publication date |
---|---|
CN1430063A (zh) | 2003-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1308692C (zh) | 旋转机械的异常诊断方法及异常诊断装置 | |
CN100342382C (zh) | 用于发电厂的操作支持系统 | |
US4985857A (en) | Method and apparatus for diagnosing machines | |
CN1440523A (zh) | 用于诊断、管理装置和诊断装置的系统 | |
Ebersbach et al. | Expert system development for vibration analysis in machine condition monitoring | |
CN1659427A (zh) | 滚动轴承的剩余寿命诊断方法及其剩余寿命诊断装置 | |
US8370109B2 (en) | Machine vibration baseline synthesizer | |
Farokhzad | Vibration based fault detection of centrifugal pump by fast fourier transform and adaptive neuro-fuzzy inference system | |
CN1379440A (zh) | 根据有关装置的信号诊断其装置故障的装置 | |
CN1934433A (zh) | 滚动轴承的剩余寿命诊断方法及剩余寿命诊断装置 | |
CN1682654A (zh) | 用于确定心电图信号的交替数据的方法和装置 | |
CN1690685A (zh) | 监测机器的方法及系统 | |
CN101038239A (zh) | 一种基于纯振动信号的发动机状态检测装置及方法 | |
CN1825082A (zh) | 滚动轴承故障自动诊断系统 | |
CN110631850B (zh) | 一种大型旋转机械运行状态故障诊断系统及方法 | |
CN115062677B (zh) | 一种基于设备行为的智能故障诊断方法 | |
CN114186704A (zh) | 一种火电厂旋转辅机集群运行状态预警方法、系统 | |
Sopcik et al. | How sensor performance enables condition-based monitoring solutions | |
CN117491015A (zh) | 一种基于频谱峰值能量和分析的转频计算方法 | |
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 | |
CN108520093B (zh) | 一种基于知识库的机械设备故障诊断方法和装置 | |
CN206073967U (zh) | 一种压缩机转子和定子之间的间隙检测装置 | |
Nair et al. | Automotive Clutch Fault Diagnosis Through Feature Fusion and Lazy Family of Classifiers | |
Vemekar et al. | Fault diagnosis of deep groove ball bearing through discrete wavelet features using support vector machine. | |
CN105758640B (zh) | 旋转设备特征频率计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term |
Granted publication date: 20070404 |
|
CX01 | Expiry of patent term |