CN107831012A - 一种基于Walsh变换与Teager能量算子的轴承故障诊断方法 - Google Patents

一种基于Walsh变换与Teager能量算子的轴承故障诊断方法 Download PDF

Info

Publication number
CN107831012A
CN107831012A CN201710941685.3A CN201710941685A CN107831012A CN 107831012 A CN107831012 A CN 107831012A CN 201710941685 A CN201710941685 A CN 201710941685A CN 107831012 A CN107831012 A CN 107831012A
Authority
CN
China
Prior art keywords
mrow
walsh
bearing
signal
teager energy
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.)
Granted
Application number
CN201710941685.3A
Other languages
English (en)
Other versions
CN107831012B (zh
Inventor
向家伟
高强
周余庆
钟永腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wenzhou University
Original Assignee
Wenzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wenzhou University filed Critical Wenzhou University
Priority to CN201710941685.3A priority Critical patent/CN107831012B/zh
Publication of CN107831012A publication Critical patent/CN107831012A/zh
Application granted granted Critical
Publication of CN107831012B publication Critical patent/CN107831012B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明属于机械设备故障诊断领域，本发明公开了一种基于Walsh变换与Teager能量算子的滚动轴承故障诊断方法，其具体内容如下：首先将加速度传感器固定在被测轴承座上，并把加速度传感器与数据采集仪连接来获取轴承振动信号，然后进行轴承故障诊断，通过对信号进行Walsh变换消噪；以及用Teager能量算子解调提取故障特征；并与理论计算值对比定位识别出轴承故障类型。本发明是以振动信号为研究对象，将Walsh变换消噪与Teager能量算子解调相结合，提出了一种新的轴承故障诊断方法。本发明能有效的诊断滚动轴承的故障类型，具有诊断准确率高的优点。

Description

一种基于Walsh变换与Teager能量算子的轴承故障诊断方法
技术领域
本发明属于机械设备故障诊断技术领域，尤其是一种基于Walsh变换与 Teager能量算子的轴承故障诊断方法。
背景技术
现代化工业生产条件下，机械设备的结构愈发精细，自动化水平越来越高，运行的工况日趋复杂，人们对机械设备的要求也越来越严。滚动轴承是机器中的重要零件，它广泛应用于化工、冶金、电力、航天等各个重要部门。
滚动轴承同时也是最容易损坏的元件之一，据统计，轴承故障占旋转机械设备故障的百分之四十之多。现阶段应对轴承故障的主要措施是按照设计寿命对轴承进行定期维修，一方面对超过设计寿命而完好工作的轴承拆下来作为报废处理，造成浪费；另一方面，未达到设计寿命而出现故障的轴承未到维修时间就出现严重故障，导致整个机器停止运转。由此看来，对滚动轴承来说定时维修是很不科学的，对滚动轴承进行状态监测，可以减少或杜绝事故发生，节约开支。但在对滚动轴承状态监测过程中，实际获取的振动信号往往存在环境噪声大和故障特征微弱的特点，不利于进行快速准确的故障诊断。因此，削弱轴承振动信号的环境噪声并增强故障特征，具有十分重要的意义。
小波变换是近几年来一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，小波变换可以更好的观察信号的局部特性，可以同时观察信号的时间和频率信息，这是傅里叶变换达不到的。但使用小波变换抑制噪声往往会在处理低信噪比信号时导致振荡效应，同时在进行小波变换时需要手动选择适合的小波，这样对实际工程问题的处理上大大增加了所需的时间。
发明内容
为了克服现有技术的不足，本发明提供了一种基于Walsh变换与Teager能量算子的滚动轴承故障诊断方法，其通过简单的振动信号测量，采用Walsh变换消噪与Teager能量算子解调相结合的方法来削弱环境噪声并增强故障特征，实现快速有效的滚动轴承故障诊断。
为了实现上述目的，本发明采用的技术方案是：一种基于Walsh变换与 Teager能量算子的轴承故障诊断方法，其特征在于，包括以下内容：将加速度传感器固定在测试轴承座上，加速度传感器输出端与AVANT-MI-7016多通道数据采集仪连接，采集仪将采集到的数据传送给计算机，用计算机对信号进行Walsh变换消噪、Teager能量算子解调提取故障特征，并与理论计算值对比定位识别出轴承故障类型；具体操作步骤如下：
(1)采集原始信号，采用加速度传感器和16通道数据采集仪采集数据，并将测得数据结果实时传入计算机中；
(2)将得到的实时数据进行Walsh变换消噪处理；Walsh变换消噪方法为：
首先将原始信号用Walsh变换进行处理，得到一系列由方波构成的Walsh系数，所用变换公式为：
式(1)中，fn为原始信号，An为Walsh系数，N为信号长度，ψ(n,t)为 Rademacher方程，其定义为：
φ(n+1,x)＝Sgn(sin2π2nx),n＝0,1,2,...0≤x＜1 (4)
式(4)中，Sgn为阶跃函数，其定义为：
然后将所得的Walsh系数进行软阈值处理，其阈值公式为：
k＝MAD(An)/0.6745 (6)
式(6)中：k为软阈值，MAD为平均绝对偏差；
最后将软阈值处理过的Walsh系数进行Walsh逆变换，得到消噪后的信号；
(3)将消噪后的信号进行Teager能量算子解调处理，提取出滚动轴承故障相关特征，Teager能量算子解调方法为：
对于离散时间信号x(n)，Teager能量算子ψ定义为:
ψ[x(n)]＝[x(n)]2-x(n-1)x(n+1) (7)
(4)将提取出滚动轴承故障特征与理论计算值对比定位识别出轴承故障类型，具体的计算方法如下列公式计算：外圈故障频率公式：
式(8)中：f为回转频率，z为滚动体个数，α为轴承压力角，d为滚动
体直径，E为轴承节圆直径。
采用上述方案，本发明提出的沃尔什变换(Walsh Transform,WT)能将信号变换为一系列由方波构成的Walsh系数，通过软阈值滤波和信号重构，在有效的削弱环境噪声的同时能够减少计算量，节约计算时间。希尔伯特解调算法是信号分析与处理的常用工具，可以实现对信号功率进行测量、对窄带信号进行检测、对瞬时功率进行估计等功能。但希尔伯特解调算法无法避免加窗效应，这使解调结果出现非瞬时响应特性，即在解调出的调制信号两端及有突变的中间部位将产生调制、表现为幅值按指数规律衰减的波动，从而使解调误差增大。本发明提出的Teager 能量算子(Teager Energy Operator，TEO)是一个非线性算子，具有瞬时特性，能够跟踪信号的瞬时能量，估计产生信号所需的总机械能，其高敏感性特点对于增强轴承的故障特征十分有利。在实际应用中，本发明能削弱环境噪声、增强故障特征并节约计算时间，该方法在滚动轴承故障诊断中具有良好的效果。
与现有技术相比，本发明具有如下特点：
1、解决了滚动轴承故障诊断精度不高的难题，通过简单的振动信号测量，采用Walsh变换消噪来削弱环境噪声对微弱故障信号的不利影响，再用Teager能量算子解调来增强故障特征，实现有效的滚动轴承故障诊断。
2、融合利用Walsh变换消噪与Teager能量算子解调的互补特性，获得的滚动轴承故障特征提取识别能力高。
3、可适用于不同型号的滚动轴承，可在各类设备轴承监测中广泛使用。
下面结合附图对本发明作进一步描述。
附图说明
图1为本发明的一种基于Walsh变换与Teager能量算子的滚动轴承故障诊断方法流程图；
图2为本发明的walsh变换消噪流程图；
图3为本发明实验的深沟球轴承外圈故障信号处理结果；
图4为本发明实验的圆柱滚子轴承外圈故障信号处理结果；
图5为本发明的一种基于Walsh变换与Teager能量算子的滚动轴承故障诊断***图。
具体实施方式
本发明的保护范围不局限于下述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其他多种具体实施方式实施本发明的，或者凡是采用本发明的设计结构和思路，做简单变化或更改的，都落入本发明的保护范围。
本发明的具体实施例如图1-5所示是基于Walsh变换与Teager能量算子的滚动轴承故障诊断方法，将加速度传感器固定在测试轴承座上，加速度传感器输出端与AVANT-MI-7016多通道数据采集仪连接，采集仪将采集到的数据传送给计算机，用计算机对信号进行Walsh变换消噪、Teager能量算子解调提取故障特征，并与理论计算值对比定位识别出轴承故障类型，实现对滚动轴承运行状态的准确检测，该轴承故障诊断***可实现轴承故障智能诊断。
具体滚动轴承故障诊断***的具体实施方式的流程流程请参看图1，Walsh变换消噪流程请参看图2。
具体步骤如下：
(1)采集原始信号，采用加速度传感器和16通道数据采集仪采集数据，并将测得数据结果实时传入计算机中；
(2)将得到的实时数据进行Walsh变换消噪处理；Walsh变换消噪方法为：
首先将原始信号用Walsh变换进行处理，得到一系列由方波构成的Walsh系
数，所用变换公式为：
式(1)中，fn为原始信号，An为Walsh系数，N为信号长度，ψ(n,t)为
Rademacher方程，其定义为：
φ(n+1,x)＝Sgn(sin2π2nx),n＝0,1,2,...0≤x＜1 (4)
式(4)中，Sgn为阶跃函数，其定义为：
然后将所得的Walsh系数进行软阈值处理，其阈值公式为：
k＝MAD(An)/0.6745 (6)
式(6)中：k为软阈值，MAD为平均绝对偏差；
最后将软阈值处理过的Walsh系数进行Walsh逆变换，得到消噪后的信号；消噪操作流程如图2所示。
(3)将消噪后的信号进行Teager能量算子解调处理，提取出滚动轴承故障相关特征，Teager能量算子解调方法为：
对于离散时间信号x(n)，Teager能量算子ψ定义为:
ψ[x(n)]＝[x(n)]2-x(n-1)x(n+1) (7)
(4)将提取出滚动轴承故障特征与理论计算值对比定位识别出轴承故障类型，具体的计算方法如下列公式计算：
外圈故障频率公式：
式(8)中：f为回转频率，z为滚动体个数，α为轴承压力角，d为滚动体直径，E为轴承节圆直径。
如图3所示是用本发明的方法实际验证深沟球滚动轴承的故障类型所得到的结果图,上图为时域信号，中图为希尔伯特包络谱的效果图，下图为本专利所述方法的效果图，对比可发现本专利所述方法具有较高的准确率。该深沟球滚动轴承的信息如下：回转频率29.87Hz、滚动体个数为8个、轴承压力角为0度、滚动体直径为7.93毫米、轴承节圆直径为44.12毫米。由公式(8)可以计算出本实验中轴承外圈的故障频率为91.15Hz，从图中可以快速地辨别故障的频率为87.5Hz与理论值相近，可以判定此滚动轴承的故障类型为轴承外圈故障。
如图4所示是用本发明的方法实际验证圆柱滚子轴承的故障类型所得到的结果图,上图为时域信号，中图为希尔伯特包络谱的效果图，下图为本专利所述方法的效果图，对比可发现本专利所述方法具有较高的准确率。该圆柱滚子轴承的信息如下：回转频率29.85Hz、滚动体个数为13个、轴承压力角为0度、滚动体直径为 6.5毫米、轴承节圆直径为38.5毫米。由公式(8)可以计算出本实验中轴承外圈的故障频率为161.27Hz，从图中可以快速地辨别故障的频率为161.7Hz与理论值相近，可以判定此滚动轴承的故障类型为轴承外圈故障。由上述实施例可进一步说明本发明具有较好的处理效果，值得推广应用。

Claims (1)

1.一种基于Walsh变换与Teager能量算子的轴承故障诊断方法，其特征在于，包括以下内容：将加速度传感器固定在测试轴承座上，加速度传感器输出端与AVANT-MI-7016多通道数据采集仪连接，采集仪将采集到的数据传送给计算机，用计算机对信号进行Walsh变换消噪、Teager能量算子解调提取故障特征，并与理论计算值对比定位识别出轴承故障类型；具体操作步骤如下：
(1)采集原始信号，采用加速度传感器和16通道数据采集仪采集数据，并将测得数据结果实时传入计算机中；
(2)将得到的实时数据进行Walsh变换消噪处理；Walsh变换消噪方法为：
首先将原始信号用Walsh变换进行处理，得到一系列由方波构成的Walsh系
数，所用变换公式为：
式(1)中，fn为原始信号，An为Walsh系数，N为信号长度，ψ(n,t)为
Rademacher方程，其定义为：
<mrow> <mi>&amp;psi;</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>N</mi> </munderover> <msup> <mrow> <mo>&amp;lsqb;</mo> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <msub> <mi>n</mi> <mi>i</mi> </msub> </msup> <mo>,</mo> <msub> <mi>n</mi> <mi>i</mi> </msub> <mo>&amp;Element;</mo> <mo>{</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mi>n</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>N</mi> </munderover> <msup> <mn>2</mn> <mi>i</mi> </msup> <msub> <mi>n</mi> <mi>i</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
φ(n+1,x)＝Sgn(sin2π2nx),n＝0,1,2,...0≤x＜1 (4)
式(4)中，Sgn为阶跃函数，其定义为：
<mrow> <mi>S</mi> <mi>g</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>+</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>y</mi> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>y</mi> <mo>&lt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
然后将所得的Walsh系数进行软阈值处理，其阈值公式为：
k＝MAD(An)/0.6745 (6)
式(6)中：k为软阈值，MAD为平均绝对偏差；
最后将软阈值处理过的Walsh系数进行Walsh逆变换，得到消噪后的信号；
(3)将消噪后的信号进行Teager能量算子解调处理，提取出滚动轴承故障相关特征，Teager能量算子解调方法为：
对于离散时间信号x(n)，Teager能量算子ψ定义为:
ψ[x(n)]＝[x(n)]2-x(n-1)x(n+1) (7)
(4)将提取出滚动轴承故障特征与理论计算值对比定位识别出轴承故障类型，具体的计算方法如下列公式计算：
外圈故障频率公式：
<mrow> <msub> <mi>f</mi> <mi>o</mi> </msub> <mo>=</mo> <mn>0.5</mn> <mi>Z</mi> <mi>f</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mi>d</mi> <mi>E</mi> </mfrac> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
式(8)中：f为回转频率，z为滚动体个数，α为轴承压力角，d为滚动体直径，E为轴承节圆直径。
CN201710941685.3A 2017-10-11 2017-10-11 一种基于Walsh变换与Teager能量算子的轴承故障诊断方法 Active CN107831012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710941685.3A CN107831012B (zh) 2017-10-11 2017-10-11 一种基于Walsh变换与Teager能量算子的轴承故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710941685.3A CN107831012B (zh) 2017-10-11 2017-10-11 一种基于Walsh变换与Teager能量算子的轴承故障诊断方法

Publications (2)

Publication Number Publication Date
CN107831012A true CN107831012A (zh) 2018-03-23
CN107831012B CN107831012B (zh) 2019-09-03

Family

ID=61647810

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710941685.3A Active CN107831012B (zh) 2017-10-11 2017-10-11 一种基于Walsh变换与Teager能量算子的轴承故障诊断方法

Country Status (1)

Country Link
CN (1) CN107831012B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108444698A (zh) * 2018-06-15 2018-08-24 福州大学 基于teo解调和随机共振的行星齿轮箱早期故障诊断方法
CN109101936A (zh) * 2018-08-21 2018-12-28 北京工业大学 一种基于自适应的med滚动轴承早期故障诊断方法
CN109443719A (zh) * 2018-11-01 2019-03-08 河南理工大学 一种钻头振动信号在线虚拟测试方法及其***
CN111256993A (zh) * 2018-11-30 2020-06-09 中国电力科学研究院有限公司 一种风电机组主轴承故障类型诊断方法及***
CN112183344A (zh) * 2020-09-28 2021-01-05 广东石油化工学院 基于波形和无量纲学习的大机组摩擦故障分析方法及***
CN117871096A (zh) * 2024-03-11 2024-04-12 昆明理工大学 一种滚动轴承故障模拟实验装置及故障在线诊断方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526829B1 (en) * 1999-08-16 2003-03-04 Pruftechnik Dieter Busch Ag Process and apparatus for determining damage to cyclically moving machine components
CN102768115A (zh) * 2012-06-27 2012-11-07 华北电力大学 一种风电机组齿轮箱健康状态实时动态监控方法
CN103091096A (zh) * 2013-01-23 2013-05-08 北京信息科技大学 基于eemd和小波包变换的早期故障敏感特征提取方法
CN103335841A (zh) * 2013-06-04 2013-10-02 辽宁大学 一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法
CN104634571A (zh) * 2015-02-06 2015-05-20 北京航空航天大学 一种基于lcd-mf的滚动轴承故障诊断方法
CN105043766A (zh) * 2015-06-24 2015-11-11 北京航空航天大学 一种基于Hessian局部线性嵌入的轴承变工况故障诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526829B1 (en) * 1999-08-16 2003-03-04 Pruftechnik Dieter Busch Ag Process and apparatus for determining damage to cyclically moving machine components
CN102768115A (zh) * 2012-06-27 2012-11-07 华北电力大学 一种风电机组齿轮箱健康状态实时动态监控方法
CN103091096A (zh) * 2013-01-23 2013-05-08 北京信息科技大学 基于eemd和小波包变换的早期故障敏感特征提取方法
CN103335841A (zh) * 2013-06-04 2013-10-02 辽宁大学 一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法
CN104634571A (zh) * 2015-02-06 2015-05-20 北京航空航天大学 一种基于lcd-mf的滚动轴承故障诊断方法
CN105043766A (zh) * 2015-06-24 2015-11-11 北京航空航天大学 一种基于Hessian局部线性嵌入的轴承变工况故障诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖洁等: "Walsh变换在滚动轴承早期故障特征提取中的应用", 《轴承》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108444698A (zh) * 2018-06-15 2018-08-24 福州大学 基于teo解调和随机共振的行星齿轮箱早期故障诊断方法
CN108444698B (zh) * 2018-06-15 2019-07-09 福州大学 基于teo解调和随机共振的行星齿轮箱早期故障诊断方法
CN109101936A (zh) * 2018-08-21 2018-12-28 北京工业大学 一种基于自适应的med滚动轴承早期故障诊断方法
CN109443719A (zh) * 2018-11-01 2019-03-08 河南理工大学 一种钻头振动信号在线虚拟测试方法及其***
CN109443719B (zh) * 2018-11-01 2020-05-19 河南理工大学 一种钻头振动信号在线虚拟测试方法及其***
CN111256993A (zh) * 2018-11-30 2020-06-09 中国电力科学研究院有限公司 一种风电机组主轴承故障类型诊断方法及***
CN112183344A (zh) * 2020-09-28 2021-01-05 广东石油化工学院 基于波形和无量纲学习的大机组摩擦故障分析方法及***
CN117871096A (zh) * 2024-03-11 2024-04-12 昆明理工大学 一种滚动轴承故障模拟实验装置及故障在线诊断方法
CN117871096B (zh) * 2024-03-11 2024-06-18 昆明理工大学 一种滚动轴承故障模拟实验装置及故障在线诊断方法

Also Published As

Publication number Publication date
CN107831012B (zh) 2019-09-03

Similar Documents

Publication Publication Date Title
CN107831012A (zh) 一种基于Walsh变换与Teager能量算子的轴承故障诊断方法
Zhao et al. Deep convolutional neural network based planet bearing fault classification
Li et al. Train axle bearing fault detection using a feature selection scheme based multi-scale morphological filter
Cui et al. Quantitative trend fault diagnosis of a rolling bearing based on Sparsogram and Lempel-Ziv
Gupta et al. Fault detection analysis in rolling element bearing: A review
CN103048137B (zh) 一种变工况下的滚动轴承故障诊断方法
CN102269655B (zh) 一种轴承故障的诊断方法
CN107817106A (zh) 基于贝叶斯残余变换‑奇异值分解‑高斯混合隐马尔科夫模型框架的滚动轴承故障诊断方法
Yan et al. Energy-based feature extraction for defect diagnosis in rotary machines
CN106650122B (zh) 一种设备变工况运行风险评估方法
CN107796611A (zh) 一种用于检测风力发电机异常工作的报警***
CN105760839A (zh) 基于多特征流形学习与支持向量机的轴承故障诊断方法
CN106092578A (zh) 一种基于小波包和支持向量机的机床主轴轴承装配状态在线检测方法
CN102998118B (zh) 一种基于形态学滤波和复杂度测度的轴承定量诊断方法
CN101458158A (zh) 基于声发射检测的汽轮机滑动轴承故障诊断方法及其装置
CN105865784A (zh) 基于局部均值分解和灰色关联的滚动轴承检测方法
CN112182912B (zh) 基于概率描述与谱分析的制造装备主轴轴承健康评估方法
He et al. Bearing condition evaluation based on the shock pulse method and principal resonance analysis
CN114486263B (zh) 一种旋转机械滚动轴承振动信号降噪解调方法
CN111707472A (zh) 基于fft和全连接层-svm的滚动轴承故障诊断方法
Wei et al. Fault diagnosis of bearings in multiple working conditions based on adaptive time-varying parameters short-time Fourier synchronous squeeze transform
Gryllias et al. A peak energy criterion (pe) for the selection of resonance bands in complex shifted morlet wavelet (csmw) based demodulation of defective rolling element bearings vibration response
CN114330096A (zh) 基于深度学习的轨道交通电机轴承故障程度分类模型构建方法
CN112132069A (zh) 一种基于深度学习的滚动轴承微弱故障智能诊断方法
CN113281047A (zh) 一种基于变尺度Lempel-Ziv的轴承内外圈故障定量趋势诊断方法

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
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180323

Assignee: EBARA GREAT PUMPS Co.,Ltd.

Assignor: Wenzhou University

Contract record no.: X2023330000206

Denomination of invention: A bearing fault diagnosis method based on Walsh transform and Teager energy operator

Granted publication date: 20190903

License type: Common License

Record date: 20230329

EE01 Entry into force of recordation of patent licensing contract