CN108918141A - 一种基于应变式智能齿轮的差动自编码方法 - Google Patents
一种基于应变式智能齿轮的差动自编码方法 Download PDFInfo
- Publication number
- CN108918141A CN108918141A CN201810840065.5A CN201810840065A CN108918141A CN 108918141 A CN108918141 A CN 108918141A CN 201810840065 A CN201810840065 A CN 201810840065A CN 108918141 A CN108918141 A CN 108918141A
- Authority
- CN
- China
- Prior art keywords
- strain
- gear
- matrix
- differential
- term
- 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
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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- 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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Retarders (AREA)
Abstract
本发明公开了一种基于应变式智能齿轮的差动自编码方法,具体包括以下步骤:a,制作应变式智能齿轮;b,获取局域应变响应矩阵X;c,对齐应变位置矩阵D;d,短时应变矩阵C;e,应变信息编码矩阵U;f,应变差动自编码序列y;该方法克服传统外部传感器采集由于能量耗散和掩埋作用不能提取微弱特征进行故障诊断的缺点以及需要大量历史信息完成部件状态分析评估、无法实现自评估与自诊断;通过在轮齿齿根位置均布微型应变传感器,可以更好地观察齿轮局部啮合刚度变化及应变演化的细节信息,并基于这种应变式智能齿轮提出了一种基于应变式差动自编码方法,从而快速合理地实现齿轮健康状态自监测与自诊断分析。
Description
技术领域
本发明涉及机械传动领域,尤其涉及一种基于应变式智能齿轮的差动自编码方法。
背景技术
齿轮是机械传动设备的重要组成部分,其运行状态直接关系到机械传动***以及整机运行的安全性、可靠性、与维护性。随着现代机械传动设备的自动化、***化、复杂化和精密化程度越来越高,一方面齿轮箱箱体封闭、内部温度高、高转速有润滑油、有油气、安装空间小;另外一方面箱体实际运转时存在变速、变载、变操作等多种复杂工况,因此迫切需要研发出能够满足以上特殊机械环境下的机械传动设备状态监测***及方法。
目前,针对齿轮的健康监测与故障诊断,国内外学者已经进行了大量的研究工作,往往基于结构振动、声音信号或者外部声音作为研究对象,普遍存在以下缺点:
1.现有传感器价格昂贵、对安装环境要求高。
2.现有技术将传感器安装在机械传动设备箱体外部,无法避免多界面接触传递过程中能量耗散对全局振动信号/声音的削弱衰减作用,导致振动/声音信号对齿轮微弱故障信号产生掩埋作用。
3.现有技术无法对齿轮实际啮合位置的激励响应进行实时追踪,无法实现对齿轮局部故障的精准定位诊断与结构信息变化的直接拾取。
4.现有技术对齿轮部件进行诊断及监测需大量历史运行信息以及外部工况辅助信息作为基础,然而由于实际运行工况复杂及操作措施多变,不利于齿轮健康状态监测与故障诊断分析,无法实现一种在线快速自监测与诊断分析。
所以亟待本领域技术人员解决相应的技术问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种基于应变式智能齿轮的差动自编码方法,并应用于齿轮部件的自监测与自诊断分析中。
本发明的一种基于应变式智能齿轮的差动自编码方法,其关键在于应变式智能齿轮设计及信息自编码包括:用于监测与诊断的智能齿轮,其N个齿根处各安装一个柔性应变微型传感器,其中互成固定齿数z或角度,这里采用近似180度的两个轮齿应变单元作为一组应变编码对并编码输出;依据齿轮啮合机理我们可以知道齿轮啮合时会导致啮合齿刚度发生变化,对应在齿根产生应力变化;进一步可以发现在健康状态下每个齿轮在不同的时刻都会产生相似的啮合应变现象、而局部故障齿轮啮合响应同健康齿轮啮合应变响应存在较大差异;基于这些事实,采取齿轮应变编码自差动输出,实现一种智能齿轮局部强应变的差动输出监测与诊断;
上述装置进行采样编码和监测诊断的具体步骤如下:
a,制作应变式智能齿轮:在齿轮齿根根部均布Z个薄膜式的应变微型传感器(Z为齿轮齿数),通过内嵌感知***构建应变式智能齿轮;
b,获取局域应变响应矩阵X:齿轮实际啮合运转时,相邻轮齿与另一齿轮发生啮合时先后受到拉、压微应变并被局部的应变微型传感器感知,产生相应的局域强应变信号序列;
c,对齐应变位置矩阵D:给定固定齿数z或角度,依据应变编码对的相位延滞效应,通过相位位置矩阵实现相关应变对对齐,获取修正后的局域强应变矩阵;
d,短时应变矩阵C:基于齿轮啮合原理,通过设定局部啮合窗函数W提取每个齿根位置的局域强应变冲击,构造输出短时应变矩阵;
e,应变信息编码矩阵U:利用峭度完成对上述短时应变矩阵C的统计描述,获取应变信息的编码输出;
f,应变差动自编码序列y:基于轮齿啮合的相似性与差异性,对上述应变信息编码矩阵U进行自差动编码输出,实现对轮齿的精确化描述,确定齿轮的运行状态及故障位置。
进一步:以齿轮转动时第一个啮合的传感器H1位置作为位置起点,以转动方向相同的顺序定义其他传感器分别为H2,H3,…,Hi,…,HZ(实际采集的应变数据可以按照第一次啮合冲击调整顺序),其中Z为齿数,H1和H1+Δ,H2和H2+Δ,Hi和Hi+Δ(i=1,2,…)等以此类推互成一组应变编码对(用虚线连接表示),其中Δ为给定齿数差这里为向下取整操作。
进一步:通过Z个微型应变传感器H1,H2,H3,…,Hi,…,HZ获得的局域应变响应矩阵X:
其中Xi向量为传感器Hi所采集的应变信号序列(i=1,2,…,Z),L为信号向量的长度,Xi=[xi(1) xi(2) ... xi(L)]。
进一步:定义Xi+Δ向量为与传感器Hi近似成θ=180°位置传感器Hi+Δ所采集的应变信号序列,其中Δ为给定齿数差这里为向下取整操作;二者组成一个差动编码对矩阵Ei:
其中选择矩阵⊙表示选择操作,基于相位补偿原理,采用位置矩阵对齐,使Xi和Xi+Δ在不同位置啮合时产生同序强应变冲击,得到对齐应变位置矩阵Di|2×L:
其中Di为第i个齿根微型应变单元所对应的对齐位置矩阵,Pi为第i个齿根微型应变单元所对应的应变编码位置矩阵,表示位置补偿操作:
其中,Δ为给定齿数差λ是位置补偿点数(也即时序位置补偿)这里fs是采样频率,fr是轴转频率,在上述对齐位置应变矩阵Di|2×L上进行局域强应变拾取,获取短时应变矩阵Ci|2×K:
其中W(m)为短时平移矩形窗,窗长为w+1。依据齿轮啮合原理可知:
其中α为窗宽增益系数,另外表示平移截取运算,其中dz是平移步长;其中k=0,1,2,…,K,K为应变矩阵列数,也即短时平移窗在应变信号平移步数:
进一步:依据齿轮啮合原理,将公式(7)带入公式(6),可以进一步得到短时应变矩阵:
其中xi,k为截取的短时应变序列;通过上述公式可以获取每个齿啮合的应变冲激响应,通过对齐位置应变矩阵,可以实现每个齿根位置的局域强应变冲击提取。
进一步:基于齿轮啮合机理,健康状态下每个轮齿在不同的时刻都会产生相似的啮合应变现象,而局部故障齿轮啮合响应同健康齿轮啮合应变响应存在较大差异,因此,采用一种统计评估方式对公式(9)中所描述的短时应变信息进行评估,从而实现对短时应变矩阵的应变信息编码:
基于公式(10)中短时应变峭度码元Ui(k)|2×1,i=1,2,...,Z;k=1,2,...,K,定义短时峭度差动分布△Ku,进一步通过多应变信息融合,获得反映齿根啮合产生的强应变分布情况,实现采样应变序列X|Z×L到应变差动序列y|1×K的自编码输出,具体如图3、图4所示其中对于第k步的短时应变峭度序矩阵U(k)|Z×[2×1]的短时差动分布:
最终通过齿轮啮合原理,顺序输出应变差动自编码序列y(k):
y(k)=Y(ik,k)s.t.ik=mod(k,Z)+1 (12)
其中mod表示求取模数。利用应变差动自编码序列y(k)对于差异信息具有较好的响应和检测能力,削弱对齿轮运行历史信息的依赖,实现对齿轮各个齿的自监测与自诊断。
进一步:基于齿轮啮合冲击原理,齿轮齿根发生局部故障会产生相比于齿轮健康啮合时更大的应变与位移激励。因此,当应变差动自编码序列y(k)差动水平超过一定阈值(啮合应变统计分布水平)、同时在相同差动位置的具有周期性的差动值时,说明该对啮合齿存在一定的故障,实现一种自监测。
进一步:假设对应的第i个轮齿组存在异常差动值分布,也即故障轮齿组,根据y(k)的正负判断故障轮齿位置:
其中thre为应变差动序列统计分布水平主要反应了健康平稳啮合时的应变波动水平。因此,通过公式(13)可以实现对轮齿故障的精确定位及诊断分析。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1.针对外部采集存在能量耗散与掩埋作用,直接将应变片安装在齿轮齿根,感知齿轮的啮合振动及运行状态,具有低成本、低功耗、高效率、高精度的优点;
2.针对故障信号的叠加性和故障位置不确定的特点,基于位置应变传感技术、编码器及差分处理技术,对齿轮啮合位置进行实时追踪,实现齿轮故障位置的精准定位;
3.针对传统故障诊断与监测需要健康齿轮状态数据的缺点,直接通过轮齿对之间的峭度差动指标对局部啮合状态进行判断,最终实现齿轮设备全局自监测与自诊断。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1是本发明基于应变式智能齿轮的差动自编码的方法示意图;
图2是本发明基于应变式智能齿轮的差动自编码方法的具体流程图;
图3是本发明基于应变式智能齿轮的差动自编码方法的应变采样序列示意图;
图4是本发明基于应变式智能齿轮的差动自编码方法的自差动编码示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本实施例的一种基于应变式智能齿轮的差动自编码方法,具体包括以下步骤:
a,制作应变式智能齿轮:在齿轮齿根根部均布Z个薄膜式的应变微型传感器(Z为齿轮齿数),通过内嵌感知***构建应变式智能齿轮;
b,获取局域应变响应矩阵X:齿轮实际啮合运转时,相邻轮齿与另一齿轮发生啮合时先后受到拉、压微应变并被局部的应变微型传感器感知,产生相应的局域强应变信号序列;
c,对齐应变位置矩阵D:给定固定齿数z或角度,依据应变编码对的相位延滞效应,通过相位位置矩阵实现相关应变对对齐,获取修正后的局域强应变矩阵;
d,短时应变矩阵C:基于齿轮啮合原理,通过设定局部啮合窗函数W提取每个齿根位置的局域强应变冲击,构造输出短时应变矩阵;
e,应变信息编码矩阵U:利用峭度完成对上述短时应变矩阵C的统计描述,获取应变信息的编码输出;
f,应变差动自编码序列y:基于轮齿啮合的相似性与差异性,对上述应变信息编码矩阵U进行自差动编码输出,实现对轮齿的精确化描述,确定齿轮的运行状态及故障位置。
如图1所示,应变式智能齿轮结构如下,A是齿轮,1-i+△是应变微型传感器,在齿轮的每一个齿根处安装应变传感器,以齿轮转动时第一个啮合的传感器H1位置作为位置起点,以转动方向相同的顺序定义其他传感器分别为H2,H3,…,Hi,…,HZ(实际采集的应变数据可以按照第一次啮合冲击调整顺序),其中Z为齿数,H1和H1+Δ,H2和H2+Δ,Hi和Hi+Δ(i=1,2,…)等以此类推互成一组应变编码对(用虚线连接表示),其中Δ为给定齿数差这里为向下取整操作。
如图2所示,基于应变式智能齿轮的差动自编码方法如下:定义通过Z个微型应变传感器H1,H2,H3,…,Hi,…,HZ获得的局域应变响应矩阵X:
其中Xi向量为传感器Hi所采集的应变信号序列(i=1,2,…,Z),L为信号向量的长度,Xi=[xi(1) xi(2) ... xi(L)]。
本实施例中,定义Xi+Δ向量为与传感器Hi近似成θ=180°位置传感器Hi+Δ所采集的应变信号序列,其中Δ为给定齿数差这里为向下取整操作;二者组成一个差动编码对矩阵Ei:
其中选择矩阵⊙表示选择操作,基于相位补偿原理,采用位置矩阵对齐,使Xi和Xi+Δ在不同位置啮合时产生同序强应变冲击,得到对齐应变位置矩阵Di|2×L:
其中Di为第i个齿根微型应变单元所对应的对齐位置矩阵,Pi为第i个齿根微型应变单元所对应的应变编码位置矩阵,表示位置补偿操作:
其中,Δ为给定齿数差λ是位置补偿点数(也即时序位置补偿)这里fs是采样频率,fr是轴转频率,在上述对齐位置应变矩阵Di|2×L上进行局域强应变拾取,获取短时应变矩阵Ci|2×K:
其中W(m)为短时平移矩形窗,窗长为w+1。依据齿轮啮合原理可知:
其中α为窗宽增益系数,另外表示平移截取运算,其中dz是平移步长;其中k=0,1,2,…,K,K为应变矩阵列数,也即短时平移窗在应变信号平移步数:
另外同理,依据齿轮啮合原理,将公式(7)带入公式(6),可以进一步短时应变矩阵得到:
其中xi,k为截取的短时应变序列;通过上述公式可以获取每个齿啮合的应变冲激响应,如图3所示,通过对齐位置应变矩阵,可以实现每个齿根位置的局域强应变冲击提取。
基于齿轮啮合机理,健康状态下每个轮齿在不同的时刻都会产生相似的啮合应变现象,而局部故障齿轮啮合响应同健康齿轮啮合应变响应存在较大差异,因此,采用一种统计评估方式对公式(9)中所描述的短时应变信息进行评估,从而实现对短时应变矩阵的应变信息编码:
基于公式(10)中短时应变峭度码元Ui(k)|2×1,i=1,2,...,Z;k=1,2,...,K,定义短时峭度差动分布△Ku,进一步通过多应变信息融合,获得反映齿根啮合产生的强应变分布情况,实现采样应变序列X|Z×L到应变差动序列y|1×K的自编码输出,具体如图3、图4所示其中对于第k步的短时应变峭度序矩阵U(k)|Z×[2×1]的短时差动分布:
最终通过齿轮啮合原理,顺序输出应变差动自编码序列y(k):
y(k)=Y(ik,k)s.t.ik=mod(k,Z)+1 (12)
其中mod表示求取模数。利用应变差动自编码序列y(k)对于差异信息具有较好的响应和检测能力,削弱对齿轮运行历史信息的依赖,实现对齿轮各个齿的自监测与自诊断。
基于齿轮啮合冲击原理,齿轮齿根发生局部故障会产生相比于齿轮健康啮合时更大的应变与位移激励。因此,当应变差动自编码序列y(k)差动水平超过一定阈值(啮合应变统计分布水平)、同时在相同差动位置的具有周期性的差动值时,说明该对啮合齿存在一定的故障,实现一种自监测。进一步,假设对应的第i个轮齿组存在异常差动值分布,也即故障轮齿组,根据y(k)的正负判断故障轮齿位置:
其中thre为应变差动序列统计分布水平主要反应了健康平稳啮合时的应变波动水平。因此,通过公式(13)可以实现对轮齿故障的精确定位及诊断分析。
本发明公开的一种基于应变式智能齿轮的差动自编码方法,该方法克服传统外部传感器采集由于能量耗散和掩埋作用不能提取微弱特征进行故障诊断的缺点以及需要大量历史信息完成部件状态分析评估、无法实现自评估与自诊断;通过在轮齿齿根位置均布微型应变传感器,可以更好地观察齿轮局部啮合刚度变化及应变演化的细节信息,并基于这种应变式智能齿轮提出了一种基于应变式差动自编码方法,从而快速合理地实现齿轮健康状态自监测与自诊断分析。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (7)
1.一种基于应变式智能齿轮的差动自编码方法,其特征在于:具体包括以下步骤:
a,制作应变式智能齿轮:在齿轮齿根根部均布Z个薄膜式的应变微型传感器,通过内嵌感知***构建应变式智能齿轮;
b,获取局域应变响应矩阵X:齿轮实际啮合运转时,相邻轮齿与另一齿轮发生啮合时先后受到拉、压微应变并被局部的应变微型传感器感知,产生相应的局域强应变信号序列;
c,对齐应变位置矩阵D:给定固定齿数z或角度,依据应变编码对的相位延滞效应,通过相位位置矩阵实现相关应变对对齐,获取修正后的局域强应变矩阵;
d,短时应变矩阵C:基于齿轮啮合原理,通过设定局部啮合窗函数W提取每个齿根位置的局域强应变冲击,构造输出短时应变矩阵;
e,应变信息编码矩阵U:利用峭度完成对上述短时应变矩阵C的统计描述,获取应变信息的编码输出;
f,应变差动自编码序列y:基于轮齿啮合的相似性与差异性,对上述应变信息编码矩阵U进行自差动编码输出,实现对轮齿的精确化描述,确定齿轮的运行状态及故障位置。
2.根据权利要求1所述的一种基于应变式智能齿轮的差动自编码方法,其特征在于:以齿轮转动时第一个啮合的传感器H1位置作为位置起点,以转动方向相同的顺序定义其他传感器分别为H2,H3,…,Hi,…,HZ,其中Z为齿数,H1和H1+Δ,H2和H2+Δ,Hi和Hi+Δ等以此类推互成一组应变编码对,其中Δ为给定齿数差这里为向下取整操作。
3.根据权利要求2所述的一种基于应变式智能齿轮的差动自编码方法,其特征在于:通过Z个微型应变传感器H1,H2,H3,…,Hi,…,HZ获得的局域应变响应矩阵X:
其中Xi向量为传感器Hi所采集的应变信号序列,L为信号向量的长度,Xi=[xi(1) xi(2)...xi(L)]。
4.根据权利要求3所述的一种基于应变式智能齿轮的差动自编码方法,其特征在于:定义Xi+Δ向量为与传感器Hi近似成θ=180°位置传感器Hi+Δ所采集的应变信号序列,其中Δ为给定齿数差这里为向下取整操作;二者组成一个差动编码对矩阵Ei:
其中选择矩阵⊙表示选择操作,基于相位补偿原理,采用位置矩阵对齐,使Xi和Xi+Δ在不同位置啮合时产生同序强应变冲击,得到对齐应变位置矩阵Di|2×L:
其中Di为第i个齿根微型应变单元所对应的对齐位置矩阵,Pi为第i个齿根微型应变单元所对应的应变编码位置矩阵,表示位置补偿操作:
其中,Δ为给定齿数差λ是位置补偿点数这里fs是采样频率,fr是轴转频率,在上述对齐位置应变矩阵Di|2×L上进行局域强应变拾取,获取短时应变矩阵Ci|2×K:
其中W(m)为短时平移矩形窗,窗长为w+1。依据齿轮啮合原理可知:
其中α为窗宽增益系数,另外表示平移截取运算,其中dz是平移步长;其中k=0,1,2,…,K,K为应变矩阵列数,也即短时平移窗在应变信号平移步数:
5.根据权利要求4所述的一种基于应变式智能齿轮的差动自编码方法,其特征在于:依据齿轮啮合原理,将公式(7)带入公式(6),可以进一步得到短时应变矩阵:
其中xi,k为截取的短时应变序列;通过上述公式可以获取每个齿啮合的应变冲激响应,通过对齐位置应变矩阵,可以实现每个齿根位置的局域强应变冲击提取。
6.根据权利要求5所述的一种基于应变式智能齿轮的差动自编码方法,其特征在于:采用一种统计评估方式对公式(9)中所描述的短时应变信息进行评估,从而实现对短时应变矩阵的应变信息编码:
基于公式(10)中短时应变峭度码元Ui(k)|2×1,i=1,2,...,Z;k=1,2,...,K,定义短时峭度差动分布△Ku,进一步通过多应变信息融合,获得反映齿根啮合产生的强应变分布情况,实现采样应变序列X|Z×L到应变差动序列y|1×K的自编码输出,其中对于第k步的短时应变峭度序矩阵U(k)|Z×[2×1]的短时差动分布:
最终通过齿轮啮合原理,顺序输出应变差动自编码序列y(k):
y(k)=Y(ik,k)s.t.ik=mod(k,Z)+1 (12)
其中mod表示求取模数。
7.根据权利要求6所述的一种基于应变式智能齿轮的差动自编码方法,其特征在于:假设对应的第i个轮齿组存在异常差动值分布,也即故障轮齿组,根据y(k)的正负判断故障轮齿位置:
其中thre为应变差动序列统计分布水平,通过公式(13)可以实现对轮齿故障的精确定位及诊断分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810840065.5A CN108918141B (zh) | 2018-07-27 | 2018-07-27 | 一种基于应变式智能齿轮的差动自编码方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810840065.5A CN108918141B (zh) | 2018-07-27 | 2018-07-27 | 一种基于应变式智能齿轮的差动自编码方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108918141A true CN108918141A (zh) | 2018-11-30 |
CN108918141B CN108918141B (zh) | 2020-09-29 |
Family
ID=64418562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810840065.5A Active CN108918141B (zh) | 2018-07-27 | 2018-07-27 | 一种基于应变式智能齿轮的差动自编码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108918141B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114001890A (zh) * | 2021-10-25 | 2022-02-01 | 河北白沙烟草有限责任公司 | 一种基于振动与噪声数据分析的卷接设备状况监控方法、***、终端及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5624545A (en) * | 1979-08-08 | 1981-03-09 | Hitachi Ltd | Predicting method of trouble in gear transmission |
CN104460654A (zh) * | 2014-11-04 | 2015-03-25 | 哈尔滨工业大学 | 一种基于量化特征关系的不完备故障诊断规则提取方法 |
CN104457856A (zh) * | 2014-12-24 | 2015-03-25 | 重庆大学 | 基于复合信息传感器齿轮箱的位置序列采样装置和方法 |
CN105675113A (zh) * | 2016-03-16 | 2016-06-15 | 重庆大学 | 基于微型传感器的旋转机械角域振动信号获取装置和方法 |
CN105841792A (zh) * | 2016-03-16 | 2016-08-10 | 重庆大学 | 基于微型传感器的齿轮压力角方向局域振动信号获取方法 |
CN106441867A (zh) * | 2016-09-22 | 2017-02-22 | 北京航空航天大学 | 基于相似性理论的考虑动载荷的弧齿锥齿轮齿根弯曲应力测试方法 |
-
2018
- 2018-07-27 CN CN201810840065.5A patent/CN108918141B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5624545A (en) * | 1979-08-08 | 1981-03-09 | Hitachi Ltd | Predicting method of trouble in gear transmission |
CN104460654A (zh) * | 2014-11-04 | 2015-03-25 | 哈尔滨工业大学 | 一种基于量化特征关系的不完备故障诊断规则提取方法 |
CN104457856A (zh) * | 2014-12-24 | 2015-03-25 | 重庆大学 | 基于复合信息传感器齿轮箱的位置序列采样装置和方法 |
CN105675113A (zh) * | 2016-03-16 | 2016-06-15 | 重庆大学 | 基于微型传感器的旋转机械角域振动信号获取装置和方法 |
CN105841792A (zh) * | 2016-03-16 | 2016-08-10 | 重庆大学 | 基于微型传感器的齿轮压力角方向局域振动信号获取方法 |
CN106441867A (zh) * | 2016-09-22 | 2017-02-22 | 北京航空航天大学 | 基于相似性理论的考虑动载荷的弧齿锥齿轮齿根弯曲应力测试方法 |
Non-Patent Citations (1)
Title |
---|
连小珉等: "齿根动应力测量", 《齿轮》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114001890A (zh) * | 2021-10-25 | 2022-02-01 | 河北白沙烟草有限责任公司 | 一种基于振动与噪声数据分析的卷接设备状况监控方法、***、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108918141B (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107560849A (zh) | 一种多通道深度卷积神经网络的风电机组轴承故障诊断方法 | |
Cui et al. | Rolling element fault diagnosis based on VMD and sensitivity MCKD | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
DK1760311T3 (en) | Method and apparatus for condition-based monitoring of wind turbine components | |
CN100511058C (zh) | 使用压力变送器的紧急关断阀诊断 | |
GB2583402A (en) | Method and system for data driven machine diagnostics | |
RU2010108301A (ru) | Передатчик параметра процесса с датчиком ускорения | |
CN105718876A (zh) | 一种滚珠丝杠健康状态的评估方法 | |
WO2007067644A3 (en) | Self-diagnostic process control loop for a process plant | |
CN104819841B (zh) | 基于内置编码信息的单传感柔性角度域平均方法 | |
CN106441871A (zh) | 一种基于自适应共振稀疏分解理论的风电齿轮箱故障诊断方法 | |
CN105134456B (zh) | 基于在线监测的水轮机故障预诊断方法 | |
CN103185109A (zh) | 智能驱动装置 | |
CN109596349A (zh) | 一种基于vmd和pct的减速器故障诊断方法 | |
CN202732337U (zh) | 齿轮油泵齿面磨损故障诊断装置 | |
CN105823503A (zh) | 基于改进灰色预测gm(1,1)模型自主水下航行器传感器故障诊断方法 | |
CN101725706B (zh) | 一种齿轮箱嵌入式状态监测与故障诊断*** | |
Kirchner et al. | Sensor Integrating Machine Elements—Key to In-Situ Measurements in Mechanical Engineering | |
CN108280424A (zh) | 一种基于稀疏编码的滚动轴承剩余寿命预测方法 | |
CN108918141A (zh) | 一种基于应变式智能齿轮的差动自编码方法 | |
CN113375928A (zh) | 变速箱的实时基本性能检测*** | |
CN105841792A (zh) | 基于微型传感器的齿轮压力角方向局域振动信号获取方法 | |
CN115667775A (zh) | 用于检测调节阀可能遇到的振动和/或冲击的方法 | |
DE102008018611A1 (de) | Taktiler Sensor zur Schadensdiagnose insbesondere von Wälzlagern | |
CN101852586A (zh) | 齿轮的压痕检测装置及齿轮的压痕检测方法 |
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 |