CN106248356B - 一种基于峭度指标的旋转机械故障诊断方法 - Google Patents
一种基于峭度指标的旋转机械故障诊断方法 Download PDFInfo
- Publication number
- CN106248356B CN106248356B CN201610562478.2A CN201610562478A CN106248356B CN 106248356 B CN106248356 B CN 106248356B CN 201610562478 A CN201610562478 A CN 201610562478A CN 106248356 B CN106248356 B CN 106248356B
- Authority
- CN
- China
- Prior art keywords
- kurtosis index
- signal
- vibration signal
- fault
- value
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供一种基于峭度指标的旋转机械故障诊断方法,用信号分离的思想构建峭度指标,克服现有峭度指标诊断技术的缺点,提高诊断的精确度和可靠性,通过标准振动信号将实时采集振动信号分为无故障振动信号和混合信号,用混合信号和无故障振动信号构建峭度指标,具有对故障诊断更加灵敏,更加能够通过信号的变化检测微弱故障特征信号。旋转机械设备正常运行和发生故障时,峭度指标的取值范围重叠少,不同状态下峭度指标变化明显,对偏心轴类故障比较敏感,能够很好地将此故障与其他故障区分开来,旋转机械故障诊断的精确度和可靠性高。
Description
技术领域
本发明涉及一种旋转机械故障诊断方法,特别涉及一种基于峭度指标的旋转机械故障诊断方法,属于故障诊断与信号处理分析技术领域。
背景技术
大型旋转机械设备(如汽轮机、旋转轴承、压缩机等)是石油、化工、机械制造、航空航天等重要工程领域的关键设备,旋转机械设备正朝着大型化、自动化、精密化的方向不断发展,其组成和结构也变得越来越复杂,发生故障的概率也越来越大,因此对大型旋转机械设备的安全性和可靠性的要求也越来越高。
但是,大型旋转机械设备发生故障时,振动监测信号往往存在大量的非线性、随机、不可遍历的信息,给故障信号的分析和旋转机械故障的诊断带来很大的困难。
现有技术的旋转机械故障诊断主要基于振动信号进行分析,而一般采用时域分析法,通过对机械振动信号的概率密度函数分析,推导出了幅值域中的有量纲指标和无量纲指标,有量纲指标如均值、均方根值等;无量纲指标如峭度指标、裕度指标、峭度指标等。
在实际应用中,现有技术的有量纲指标对故障特征敏感,其数值会随着故障的发展而上升,同时因工作条件,如负载、转速等的变化而变化,并极易受环境干扰的影响,表现不够稳定。
无量纲指标中的峭度指标对于振动监测信号中的扰动不敏感,能对中、高频故障的机械设备做出预判。特别地,峭度指标对信号的幅值和频率的变化不敏感,与旋转机械的工作条件关系不大,只依赖于概率密度函数的形状。因此,峭度指标在旋转机械故障诊断中得到了广泛的应用。
但是,现有技术利用峭度指标来诊断旋转机械的故障主要有以下几点问题:一是没有采用信号分离的思想构建峭度指标,没有对标准振动信号分离,无法更好地体现旋转机械的故障,对故障的诊断不敏感;二是在利用峭度指标进行分析时,峭度指标对故障判断不稳定,随着故障的发展,当轴承故障进入中后期时,由于剥落斑点充满整个滚道,峭度指标又迅速下降,所以峭度指标对轴承晚期故障不适用,旋转机械故障诊断的可靠性较差;三是采用磨合期的振动信号作为标准振动信号,没有考虑旋转机械设备在运行初期振动信号中噪声严重,不适宜作为标准振动信号的问题,诊断故障不准确。
发明内容
针对现有技术的不足,本发明提供一种基于峭度指标的旋转机械故障诊断方法,克服传统峭度指标诊断技术的缺点,提高诊断的精确度和可靠性,用信号分离的思想构建峭度指标,由于对标准振动信号的分离,剩余的混合信号能够更好地体现旋转机械的故障,对故障的诊断更加地敏感,所得出的诊断结果能够准确地诊断旋转机械的故障。
为达到以上技术效果,本发明所采用的技术方案如下:
一种基于峭度指标的旋转机械故障诊断方法,包括以下步骤:
(1)通过振动加速度传感器采集旋转机械在运行磨合期后的正常运行参数,所述正常运行参数为按抽样频率fs采集的无故障振动信号s0(t)(t=0,1,…,T-1);
(2)对无故障振动信号s0(t)进行归一化处理后得到标准振动信号s(t);
(3)对标准振动信号s(t)做快速傅里叶变换(FFT)得到标准振动频域信号S(k)(k=0,1,…,K-1);
(4)通过振动加速度传感器采集旋转机械需要故障诊断时的运行参数,所述故障诊断时的运行参数为按抽样频率fs实时采集旋转机械运行中的实时采集振动信号z(t)(t=0,1,…,T-1);
(5)对实时采集振动信号z(t)做快速傅里叶变换(FFT)得到实时振动频域信号Z(k)(k=0,1,…,K-1);
(6)对标准振动频域信号S(k)取复共轭为S(k)*,将Z(k)与S(k)*相乘得到Y(k)(k=0,1,…,K-1),再对Y(k)(k=0,1,…,K-1)做快速傅里叶逆变换(IFFT)得到两个信号Z(k)与S(k)*的相关函数I(t)(t=0,1,…,T-1);
(7)在t=0,1,…,T-1中取相关函数I(t)的模|I(t)|,|I(t)|的最大值所对应的时间点为实时采集振动信号和标准振动信号的延迟时间τ,τ=argmax|I(t)|;
(8)求实时采集振动信号z(t)与延迟后的标准振动信号s(t-τ)的相关系数c,c=E[z(t)s(t-τ)];
(9)计算混合信号y(t),y(t)为故障特征提取信号和噪声的混合信号,y(t)=z(t)-cs(t-τ);
(10)计算出峭度指标
一种基于峭度指标的旋转机械故障诊断方法,进一步的,根据所述根据峭度指标Kys的值,判断旋转机械是否发生故障及故障类别,以下区间值均包括边界值:
峭度指标Kys的值在0.6262到1.6380之间时,旋转机械运行正常;
峭度指标Kys的值在1.8370到3.7458之间时,考虑旋转机械发生了裂轴故障;
峭度指标Kys的值在2.4158到4.9927之间时,考虑旋转机械发生了弯轴故障;
峭度指标Kys的值在2.7870到7.9892之间时,考虑旋转机械发生了偏心轴故障;
峭度指标Kys的值在4.1301到6.1155之间时,考虑旋转机械发生了裂轴+弯轴故障;
峭度指标Kys的值在3.9468到8.9756之间时,考虑旋转机械发生了裂轴+偏心轴故障;
峭度指标Kys的值在5.6597到9.5927之间时,考虑旋转机械发生了弯轴+偏心轴故障;
峭度指标Kys的值在9.6568到13.6358之间时,考虑旋转机械发生了裂轴+弯轴+偏心轴故障。
一种基于峭度指标的旋转机械故障诊断方法,进一步的,快速傅里叶变换(FFT)采用有限序列离散傅里叶变换(DFT)的快速算法,所述快速傅里叶变换(FFT)采用频率抽取算法,在频域内把序列按照奇偶分组并利用周期性和对称性进行计算。
一种基于峭度指标的旋转机械故障诊断方法,进一步的,快速傅里叶逆变换(IFFT)通过Y(k)频域中的频谱,将每个频率分量变换成时域正弦波,再全部叠加得到相关函数I(t)。
一种基于峭度指标的旋转机械故障诊断方法,进一步的,步骤(1)和步骤(4)按1024个点为一组进行采样,采样频率为1000Hz。
与现有技术相比,本发明的优点在于:
1.本发明提供的一种基于峭度指标的旋转机械故障诊断方法,通过标准振动信号将实时采集的旋转机械振动信号分为无故障振动信号和混合信号,其中混合信号包含了故障特征信号和高斯噪声。用混合信号和无故障振动信号构建峭度指标,使用了信号分离的思想构建峭度指标,由于对标准振动信号的分离,剩余的混合信号能够更好地体现旋转机械的故障,对故障的诊断更加地敏感,与现有峭度指标相比,更加能够通过信号的变化检测微弱故障特征信号。
2.本发明提供的一种基于峭度指标的旋转机械故障诊断方法,通过一系列的数学运算,使得旋转机械设备正常运行和发生故障时,得到的峭度指标的取值范围相对重叠少,不同状态下峭度指标变化明显,不容易产生误判,对偏心轴类故障比较敏感,能够很好地将此故障与其他故障区分开来,旋转机械故障诊断的可靠性较高。
3.本发明提供的一种基于峭度指标的旋转机械故障诊断方法,采用磨合期结束后的振动信号归一化后作为标准振动信号,考虑了旋转机械设备在运行初期振动信号中噪声严重,不适宜作为标准振动信号的问题,故障信号反应灵敏,诊断故障更加准确有效。
附图说明
图1是本发明提供的一种基于峭度指标的旋转机械故障诊断方法的流程图。
具体实施方式
下面结合附图,对本发明提供的一种基于峭度指标的旋转机械故障诊断方法的技术方案进行进一步的描述,使本领域的技术人员可以更好的理解本发明并能予以实施。
参见图1和表1,本发明提供一种基于峭度指标的旋转机械故障诊断方法,包括以下步骤:
(1)通过振动加速度传感器采集旋转机械在运行磨合期后的正常运行参数,正常运行参数为按抽样频率fs采集的无故障振动信号s0(t)(t=0,1,…,T-1),按1024个点为一组进行采样,峭度指标取50组,取峭度指标50组的最小值与最大值作为该峭度指标的取值范围;
(2)对无故障振动信号s0(t)进行归一化处理后得到标准振动信号s(t),采用磨合期后的振动信号归一化后作为标准振动信号,考虑了旋转机械设备在运行初期振动信号中噪声严重,不适宜作为标准振动信号的问题,故障信号反应灵敏,诊断故障更加准确有效;
(3)对标准振动信号s(t)做快速傅里叶变换(FFT)得到标准振动频域信号S(k)(k=0,1,…,K-1);
(4)通过振动加速度传感器采集旋转机械需要故障诊断时的运行参数,所述故障诊断时的运行参数为按抽样频率fs实时采集旋转机械运行中的实时采集振动信号z(t)(t=0,1,…,T-1);
(5)对实时采集振动信号z(t)做快速傅里叶变换(FFT)得到实时振动频域信号Z(k)(k=0,1,…,K-1);
(6)对标准振动频域信号S(k)求共轭复数为S(k)*,共轭复数的两个实部相等,虚部互为相反数。
当虚部不为零时,共轭复数就是实部相等,虚部相反,如果虚部为零,其共轭复数就是自身。将Z(k)与S(k)*相乘得到Y(k)(k=0,1,…,K-1),再对Y(k)(k=0,1,…,K-1)做快速傅里叶逆变换(IFFT)得到两个信号Z(k)与S(k)*的相关函数I(t)(t=0,1,…,T-1);
(7)在t=0,1,…,T-1中取相关函数I(t)的模|I(t)|,|I(t)|的最大值所对应的时间点为实时采集振动信号和标准振动信号的延迟时间τ,τ=argmax|I(t)|;
(8)求实时采集振动信号z(t)与延迟后的标准振动信号s(t-τ)的相关系数c,c为z(t)s(t-τ)的数学期望,c=E[z(t)s(t-τ)];
(9)计算z(t)-cs(t-τ)得到y(t),y(t)为故障特征提取信号和噪声的混合信号;
实时采集振动信号z(t)=cs(t-τ)+x(t)+ν(t),时间τ为实时振动信号和标准信号的延迟时间,ν(t)为高斯噪声,x(t)为故障特征信号,c为相关系数,y(t)为故障特征提取信号和噪声的混合信号,则y(t)=x(t)+υ(t),实时采集振动信号z(t)=cs(t-τ)+y(t);
通过标准振动信号s(t)将实时采集振动信号z(t)分为无故障振动信号和混合信号y(t),混合信号包含了故障特征信号x(t)和高斯噪声ν(t),用混合信号y(t)和无故障振动信号构建峭度指标,具有对故障诊断更加灵敏,与现有峭度指标相比,更加能够通过信号的变化检测微弱故障特征信号;
(10)计算出峭度指标E为数学期望。
作为一种优选方案,本发明提供的一种基于峭度指标的旋转机械故障诊断方法,根据所述根据峭度指标Kys的值,判断旋转机械是否发生故障及故障类别,以下区间值均包括边界值:
峭度指标Kys的值在0.6262到1.6380之间时,旋转机械运行正常;
峭度指标Kys的值在1.8370到3.7458之间时,考虑旋转机械发生了裂轴故障;
峭度指标Kys的值在2.4158到4.9927之间时,考虑旋转机械发生了弯轴故障;
峭度指标Kys的值在2.7870到7.9892之间时,考虑旋转机械发生了偏心轴故障;
峭度指标Kys的值在4.1301到6.1155之间时,考虑旋转机械发生了裂轴+弯轴故障;
峭度指标Kys的值在3.9468到8.9756之间时,考虑旋转机械发生了裂轴+偏心轴故障;
峭度指标Kys的值在5.6597到9.5927之间时,考虑旋转机械发生了弯轴+偏心轴故障;
峭度指标Kys的值在9.6568到13.6358之间时,考虑旋转机械发生了裂轴+弯轴+偏心轴故障。
表1
本发明提供的一种基于峭度指标的旋转机械故障诊断方法,旋转机械设备正常运行和发生故障时,峭度指标的取值范围不重叠,不同状态下峭度指标变化明显,对偏心轴类故障比较敏感,不容易产生误判,基于峭度指标的旋转机械故障诊断方法对复合故障的抗干扰能力较强,旋转机械故障诊断的精确度和可靠性较高。
作为一种优选方案,本发明提供的一种基于峭度指标的旋转机械故障诊断方法,快速傅里叶变换(FFT)采用有限序列离散傅里叶变换(DFT)的快速算法,快速傅里叶变换(FFT)采用频率抽取算法,在频域内把序列按照奇偶分组并利用周期性和对称性进行计算。
作为一种优选方案,本发明提供的一种基于峭度指标的旋转机械故障诊断方法,快速傅里叶逆变换(IFFT)通过Y(k)频域中的频谱,将每个频率分量变换成时域正弦波,再全部叠加得到相关函数I(t)。快速傅里叶变换大大提升了计算机的运算效率,减少了运算次数。离散傅里叶变换以及逆变换分别如下:
其中0≤k≤N-1,令W=e-j2π/N,则N点序列的离散傅里叶变换为:
Wkn具有周期性:Wkn=Wn(k+N)=Wk(n+N)
Wkn具有对称性:Wkn=-Wkn+N/2
通过周期性和对称性简化了离散傅里叶变换。
作为一种优选方案,本发明提供的一种基于峭度指标的旋转机械故障诊断方法,步骤(1)和步骤(4)按1024个点为一组进行采样,采样频率为1000Hz。
本发明提供的一种峭度指标在不同故障下的敏感程度不同,对偏心轴类故障比较敏感,能够很好地将此故障与其他故障区分开来,本能很好的反映了不同故障特征信息,构建的峭度指标是以比值构成,具有不受机器工况影响的特点,所构建的峭度指标对轴承等偏心轴类故障比较敏感具有反应快、敏感性好的优点。
上述实施方式为本发明较佳的实施方式,但本发明的实施方式并不受上述实施方式的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种基于峭度指标的旋转机械故障诊断方法,其特征在于,包括以下步骤:
(1)通过振动加速度传感器采集旋转机械在运行磨合期后的正常运行参数,所述正常运行参数为按抽样频率fs采集的无故障振动信号s0(t)(t=0,1,…,T-1);
(2)对无故障振动信号s0(t)进行归一化处理后得到标准振动信号s(t);
(3)对标准振动信号s(t)做快速傅里叶变换得到标准振动频域信号S(k)(k=0,1,…,K-1);
(4)通过振动加速度传感器采集旋转机械需要故障诊断时的运行参数,所述故障诊断时的运行参数为按抽样频率fs实时采集旋转机械运行中的实时采集振动信号z(t)(t=0,1,…,T-1);
(5)对实时采集振动信号z(t)做快速傅里叶变换得到实时振动频域信号Z(k)(k=0,1,…,K-1);
(6)对标准振动频域信号S(k)取复共轭为S(k)*,将Z(k)与S(k)*相乘得到Y(k)(k=0,1,…,K-1),再对Y(k)(k=0,1,…,K-1)做快速傅里叶逆变换得到两个信号Z(k)与S(k)*的相关函数I(t)(t=0,1,…,T-1);
(7)在t=0,1,…,T-1中取相关函数I(t)的模|I(t)|,|I(t)|的最大值所对应的时间点为实时采集振动信号和标准振动信号的延迟时间τ,τ=argmax|I(t)|;
(8)求实时采集振动信号z(t)与延迟后的标准振动信号s(t-τ)的相关系数c,c=E[z(t)s(t-τ)];
(9)计算混合信号y(t),y(t)为故障特征提取信号和噪声的混合信号,y(t)=z(t)-cs(t-τ);
(10)计算出峭度指标
2.根据权利要求1所述的一种基于峭度指标的旋转机械故障诊断方法,其特征在于,根据峭度指标Kys的值,判断旋转机械是否发生故障及故障类别,以下区间值均包括边界值:
峭度指标Kys的值在0.6262到1.6380之间时,旋转机械运行正常;
峭度指标Kys的值在1.8370到3.7458之间时,考虑旋转机械发生了裂轴故障;
峭度指标Kys的值在2.4158到4.9927之间时,考虑旋转机械发生了弯轴故障;
峭度指标Kys的值在2.7870到7.9892之间时,考虑旋转机械发生了偏心轴故障;
峭度指标Kys的值在4.1301到6.1155之间时,考虑旋转机械发生了裂轴+弯轴故障;
峭度指标Kys的值在3.9468到8.9756之间时,考虑旋转机械发生了裂轴+偏心轴故障;
峭度指标Kys的值在5.6597到9.5927之间时,考虑旋转机械发生了弯轴+偏心轴故障;
峭度指标Kys的值在9.6568到13.6358之间时,考虑旋转机械发生了裂轴+弯轴+偏心轴故障。
3.根据权利要求1所述的一种基于峭度指标的旋转机械故障诊断方法,其特征在于:所述步骤(3)和步骤(5)中的快速傅里叶变换采用有限序列离散傅里叶变换的快速算法,所述快速傅里叶变换采用频率抽取算法,在频域内把序列按照奇偶分组并利用周期性和对称性进行计算。
4.根据权利要求1所述的一种基于峭度指标的旋转机械故障诊断方法,其特征在于:所述步骤(6)中的快速傅里叶逆变换通过Y(k)频域中的频谱,将每个频率分量变换成时域正弦波,再全部叠加得到相关函数I(t)。
5.根据权利要求1或4所述的一种基于峭度指标的旋转机械故障诊断方法,其特征在于:所述步骤(1)和步骤(4)按1024个点为一组进行采样,采样频率为1000Hz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610562478.2A CN106248356B (zh) | 2016-07-13 | 2016-07-13 | 一种基于峭度指标的旋转机械故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610562478.2A CN106248356B (zh) | 2016-07-13 | 2016-07-13 | 一种基于峭度指标的旋转机械故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106248356A CN106248356A (zh) | 2016-12-21 |
CN106248356B true CN106248356B (zh) | 2019-03-26 |
Family
ID=57613168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610562478.2A Active CN106248356B (zh) | 2016-07-13 | 2016-07-13 | 一种基于峭度指标的旋转机械故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106248356B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3065803B1 (fr) * | 2017-04-26 | 2019-08-30 | Safran | Procede de detection d'un defaut d'un capteur de vibration, dispositif et programme d'ordinateur associes |
CN107525672B (zh) * | 2017-08-18 | 2019-07-12 | 西安交通大学 | 一种基于基尼指标改进的SKRgram方法 |
CN110487546B (zh) * | 2018-05-10 | 2021-12-14 | 上汽通用汽车有限公司 | 变速箱敲击噪声测试方法、测试装置以及评价方法 |
CN113138011A (zh) * | 2021-03-17 | 2021-07-20 | 江苏中科君达物联网股份有限公司 | 一种新型振动噪声测试方法 |
CN113567128B (zh) * | 2021-07-26 | 2023-03-14 | 西南交通大学 | 列车轴承故障特征精密提取与诊断方法、设备及存储介质 |
CN114216680A (zh) * | 2021-11-05 | 2022-03-22 | 上海航天控制技术研究所 | 高速转子峭度检测故障诊断装置和方法 |
CN115392317A (zh) * | 2022-08-31 | 2022-11-25 | 广东石油化工学院 | 一种石化机组旋转机械故障诊断方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000276A (zh) * | 2006-12-29 | 2007-07-18 | 茂名学院 | 一种基于无量纲指标免疫检测器的旋转机械故障诊断方法 |
CN103575523A (zh) * | 2013-11-14 | 2014-02-12 | 哈尔滨工程大学 | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 |
CN104359674A (zh) * | 2014-10-20 | 2015-02-18 | 广东电网有限责任公司电力科学研究院 | 基于时域与频域状态监测的高速滚动轴承故障诊断方法 |
CN104655423A (zh) * | 2013-11-19 | 2015-05-27 | 北京交通大学 | 一种基于时频域多维振动特征融合的滚动轴承故障诊断方法 |
-
2016
- 2016-07-13 CN CN201610562478.2A patent/CN106248356B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000276A (zh) * | 2006-12-29 | 2007-07-18 | 茂名学院 | 一种基于无量纲指标免疫检测器的旋转机械故障诊断方法 |
CN103575523A (zh) * | 2013-11-14 | 2014-02-12 | 哈尔滨工程大学 | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 |
CN104655423A (zh) * | 2013-11-19 | 2015-05-27 | 北京交通大学 | 一种基于时频域多维振动特征融合的滚动轴承故障诊断方法 |
CN104359674A (zh) * | 2014-10-20 | 2015-02-18 | 广东电网有限责任公司电力科学研究院 | 基于时域与频域状态监测的高速滚动轴承故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
基于经验模态分解的无量纲指标故障诊断定位;张清华、王磊、孙国玺、雷高伟、邵龙秋;《上海应用技术学院学报(自然科学版)》;20160330(第01期);第17-21页 |
复合无量纲指标在旋转机械故障分类中的应用;覃爱淞、张清华、李铁鹰、胡勤;《现代制造工程》;20130418(第04期);第10-14页 |
Also Published As
Publication number | Publication date |
---|---|
CN106248356A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106248356B (zh) | 一种基于峭度指标的旋转机械故障诊断方法 | |
Ai et al. | Fusion information entropy method of rolling bearing fault diagnosis based on n-dimensional characteristic parameter distance | |
Shi et al. | Bearing fault diagnosis under variable rotational speed via the joint application of windowed fractal dimension transform and generalized demodulation: A method free from prefiltering and resampling | |
Zhao et al. | Fault diagnosis of wind turbine bearing based on variational mode decomposition and Teager energy operator | |
CN106203362B (zh) | 一种基于脉冲指标的旋转机械故障诊断方法 | |
CN106408088B (zh) | 一种基于深度学习理论的旋转机械设备故障诊断方法 | |
Ericsson et al. | Towards automatic detection of local bearing defects in rotating machines | |
Betta et al. | A DSP-based FFT-analyzer for the fault diagnosis of rotating machine based on vibration analysis | |
Li et al. | Gear fault detection and diagnosis under speed-up condition based on order cepstrum and radial basis function neural network | |
Saidi et al. | The use of SESK as a trend parameter for localized bearing fault diagnosis in induction machines | |
CN103575523A (zh) | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 | |
CN106198079B (zh) | 一种基于裕度指标的旋转机械故障诊断方法 | |
CN103091096A (zh) | 基于eemd和小波包变换的早期故障敏感特征提取方法 | |
CN111397877B (zh) | 一种旋转机械拍振故障检测与诊断方法 | |
CN104596766B (zh) | 一种轴承早期故障确定方法及装置 | |
CN103048133A (zh) | 一种基于贝叶斯网络的滚动轴承故障诊断方法 | |
Mahvash et al. | Application of cyclic spectral analysis in diagnosis of bearing faults in complex machinery | |
Kass et al. | Self-running bearing diagnosis based on scalar indicator using fast order frequency spectral coherence | |
Wang et al. | Adaptive estimation of instantaneous angular speed for wind turbine planetary gearbox fault detection | |
CN109540482B (zh) | 一种涡轮机叶片无键相同步振动参数分析方法及分析装置 | |
CN108106838A (zh) | 一种机械故障精密诊断的整周期时域回归及报警方法 | |
Wang et al. | Harmonic L2/L1 norm for bearing fault diagnosis | |
CN106017921B (zh) | 一种基于峰值指标的旋转机械故障诊断方法 | |
Shi et al. | A dual-guided adaptive decomposition method of fault information and fault sensitivity for multi-component fault diagnosis under varying speeds | |
CN106226049B (zh) | 一种基于波形指标的旋转机械故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |