CN109883705A - 电机滚动轴承局部点蚀故障诊断方法及其诊断*** - Google Patents
电机滚动轴承局部点蚀故障诊断方法及其诊断*** Download PDFInfo
- Publication number
- CN109883705A CN109883705A CN201910229827.2A CN201910229827A CN109883705A CN 109883705 A CN109883705 A CN 109883705A CN 201910229827 A CN201910229827 A CN 201910229827A CN 109883705 A CN109883705 A CN 109883705A
- Authority
- CN
- China
- Prior art keywords
- frequency
- rolling bearing
- signal
- bearing part
- motor rolling
- 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
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
公开了电机滚动轴承局部点蚀故障诊断方法及其诊断***,电机滚动轴承局部点蚀故障诊断方法包括,在电机滚动轴承的轴承座端盖处布置测点,振动加速度传感器采集测点的振动信号;基于所述振动信号生成峭度分布图,确定峭度最大值对应的滤波器中心频率及频带宽度;基于所述滤波器中心频率及频带宽度对所述振动信号滤波处理以得到滤波后的特征增强信号;基于所述特征增强信号进行循环平稳分析,生成循环谱密度图;检测所述循环谱密度图的循环频率域中是否存在轴承故障特征频率,且基于所述循环频率域确定故障冲击波形的振荡频率以诊断电机滚动轴承局部点蚀故障。
Description
技术领域
本发明属于滚动轴承故障诊断技术领域,特别是涉及一种电机滚动轴承局部点蚀故障诊断方法及其诊断***。
背景技术
滚动轴承是电机重要的支撑部件也是易损部件,广泛应用于各种大型工业装备中,如风力发电机、航空发动机、高铁动车组等。滚动轴承故障轻则造成装备停机影响运行生产,重则机毁人亡造成灾难性事故。局部点蚀故障是常见的滚动轴承失效形式。因此,进行电机滚动轴承局部点蚀故障监测诊断是减少运维损失、保证设备运行安全的有效途径,具有重要的工程意义。振动监测是轴承故障诊断最有效的途径之一。传统的循环平稳轴承振动信号分析方法,直接在循环谱密度中辨识特征,容易受到其他振动信号的强干扰,影响特征辨识,滚动轴承的早期微弱故障特征淹没在其他振动成分中难以提取。
在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解,因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。
发明内容
针对现有技术中存在的问题,本发明提供一种电机滚动轴承局部点蚀故障诊断方法及其诊断***,采用所提出的轴承振动信号处理流程,解决强噪声下循环平稳特征辨识问题,有利于强噪声下的循环平稳特征辨识。对电机轴承故障特征进行准确提取、报警以及诊断。
本发明的目的是通过以下技术方案予以实现:
本发明的一方面,一种电机滚动轴承局部点蚀故障诊断方法包括如下步骤:
第一步骤:在电机滚动轴承的轴承座端盖处布置测点,振动加速度传感器采集测点的振动信号;
第二步骤:基于所述振动信号生成峭度分布图,确定峭度最大值对应的滤波器中心频率及频带宽度;
第三步骤:基于所述滤波器中心频率及频带宽度对所述振动信号滤波处理以得到滤波后的特征增强信号;
第四步骤中,基于所述特征增强信号进行循环平稳分析,生成循环谱密度图:
第五步骤:检测所述循环谱密度图的循环频率域中是否存在轴承故障特征频率,且基于所述循环频率域确定故障冲击波形的振荡频率以诊断电机滚动轴承局部点蚀故障。
所述的一种电机滚动轴承局部点蚀故障诊断方法中,第二步骤中:a)基于短时傅里叶变换处理所述振动信号:
其中,t是时间变量;τ是延时变量;f是频率;w(t)是窗函数;x(t)是测试的信号;X(t,f)是w(t-τ)x(τ)的傅里叶变换;
b)根据短时傅里叶变换后的结果,估算不同二进频带分解下的信号峭度值;
c)选出峭度值最大的频带对应的中心频率和宽度作为滤波器参数。
所述的一种电机滚动轴承局部点蚀故障诊断方法中,第三步骤中:a)利用周期时间平均的方法来估算振动信号的时变自相关函数Rx(t,τ):
t是时间变量;τ是延时变量;T0为循环频率所对应的周期;N为时变自相关函数时长;
b)对所述时变自相关函数Rx(t,τ)离散处理得到Rx[n,m],其中n,m分别对应于时间t和延时τ的离散采样;t=nΔ;τ=mΔ,Δ是采样周期;
c)计算关于离散时间n的周期函数的离散傅里叶级数系数:
得到信号的循环自相关函数Rx[m;αi],其中αi为某一循环频率,t是时间变量;τ是延时变量;T0为循环频率所对应的周期;N为时变自相关函数时长;
d)再对离散傅里叶级数系数延时进行离散时间傅里叶变换,得到循环谱密度函数:
其中,f为谱频率。
所述的一种电机滚动轴承局部点蚀故障诊断方法中,振动加速度传感器为加速度传感器。
所述的一种电机滚动轴承局部点蚀故障诊断方法中,采样频率为12.8KHz,电机的转速为1800r/min。
根据本发明的另一方面,一种实施所述的电机滚动轴承局部点蚀故障诊断方法的诊断***包括,
测量装置,其布置在电机滚动轴承的轴承座端盖,所述测量装置采集滚动轴承的振动信号,
峭度计算单元,其连接所述测量装置,所述峭度计算单元基于所述振动信号生成峭度分布图,且确定峭度最大值对应的滤波器中心频率及频带宽度,
滤波处理单元,其连接所述峭度计算单元,所述滤波处理单元基于所述滤波器中心频率及频带宽度对所述振动信号滤波处理以得到滤波后的特征增强信号;
循环平稳分析单元,其连接所述滤波处理单元,循环平稳分析单元基于所述特征增强信号循环平稳分析生成循环谱密度图;
检测单元,其连接所述循环平稳分析单元,检测单元检测所述循环谱密度图的循环频率域中是否存在轴承故障特征频率,且基于所述循环频率域确定故障冲击波形的振荡频率以诊断电机滚动轴承局部点蚀故障。
所述的诊断***中,所述检测单元包括通用处理器、数字信号处理器、专用集成电路ASIC或现场可编程门阵列FPGA。
所述的诊断***中,所述检测单元包括存储器,所述存储器包括一个或多个只读存储器ROM、随机存取存储器RAM、快闪存储器或电子可擦除可编程只读存储器EEPROM。
所述的诊断***中,所述测量装置包括加速度传感器。
所述的诊断***中,所述滤波处理单元包括高通滤波器。
与现有技术相比,本发明具有以下有益的技术效果:
本发明实现了强噪声下的轴承振动信号中循环平稳特征辨识,通过谱峭度滤波及循环谱密度组合分析步骤,克服了单一循环平稳分析方法对噪声鲁棒性弱的缺点。更加有利于实现故障特征提取及诊断检测自动化,而且适用于电机轴承早期故障的准确诊断。
上述说明仅是本发明技术方案的概述,为了能够使得本发明的技术手段更加清楚明白,达到本领域技术人员可依照说明书的内容予以实施的程度,并且为了能够让本发明的上述和其它目的、特征和优点能够更明显易懂,下面以本发明的具体实施方式进行举例说明。
附图说明
通过阅读下文优选的具体实施方式中的详细描述,本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。显而易见地,下面描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
在附图中:
图1为电机轴承故障模拟实验台布置示意图;
图2为测试振动信号的时域波形;
图3为振动信号的峭度分布图;
图4为滤波后振动信号的循环谱密度图。
以下结合附图和实施例对本发明作进一步的解释。
具体实施方式
下面将参照附图1至附图4更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
需要说明的是,在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解,技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语,故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式,然所述描述乃以说明书的一般原则为目的,并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个附图并不构成对本发明实施例的限定。
一种电机滚动轴承局部点蚀故障诊断方法包括如下步骤:
第一步骤S1:在电机滚动轴承的轴承座端盖处布置测点,振动加速度传感器采集测点的振动信号;
第二步骤S2:基于所述振动信号生成峭度分布图,确定峭度最大值对应的滤波器中心频率及频带宽度;
第三步骤S3:基于所述滤波器中心频率及频带宽度对所述振动信号滤波处理以得到滤波后的特征增强信号;
第四步骤S4中,基于所述特征增强信号进行循环平稳分析,生成循环谱密度图;
第五步骤S5:检测所述循环谱密度图的循环频率域中是否存在轴承故障特征频率,且基于所述循环频率域确定故障冲击波形的振荡频率以诊断电机滚动轴承局部点蚀故障。
所述的一种电机滚动轴承局部点蚀故障诊断方法的一个实施方式中,第二步骤S2中:a基于短时傅里叶变换处理所述振动信号:
其中,w(t)是窗函数;x(t)是测试的振动信号;X(t,f)是w(t-τ)x(τ)的傅里叶变换;t是时间变量;τ是延时变量;f是频率;j是虚数单位。
b根据短时傅里叶变换后的结果,估算不同二进频带分解下的信号峭度值;
c选出峭度值最大的频带对应的中心频率和宽度作为滤波器参数。
所述的一种电机滚动轴承局部点蚀故障诊断方法的一个实施方式中,第三步骤S3中:a利用周期时间平均的方法来估算振动信号的时变自相关函数Rx(t,τ):
,
b对所述时变自相关函数Rx(t,τ)离散处理得到Rx[n,m],其中n,m分别对应于时间t和延时τ的离散采样;t=nΔ;τ=mΔ,Δ是采样周期;
c计算关于离散时间n的周期函数的离散傅里叶级数系数:
得到信号的循环自相关函数Rx[m;αi],其中αi为某一循环频率;
d再对离散傅里叶级数系数延时进行离散时间傅里叶变换,得到循环谱密度函数:
其中,f为谱频率;αi为某一循环频率;n,m分别对应于时间t和延时τ的离散采样;τ是延时变量。
所述的一种电机滚动轴承局部点蚀故障诊断方法的一个实施方式中,振动加速度传感器为加速度传感器。
所述的一种电机滚动轴承局部点蚀故障诊断方法的一个实施方式中,采样频率为12.8KHz,电机的转速为1800r/min。
为了进一步理解本发明,下面结合附图1-4及具体实施例对本发明作进一步描述,应该强调的是,下述说明仅仅是示例性的,而本发明的应用对象不局限下述示例。
电机轴承局部点蚀故障诊断方法包括以下步骤:
1利用加速度振动传感器进行电机轴承振动信号采集。
其中,传感器布置在电机轴承端盖的竖直方向,如图1所示。在本实施例中,振动信号的由加速度传感器采集,经由sony数据采集***调理采集,最终在电脑上处理并显示。采样频率为12.8KHz,电机的转速为1800r/min。采集得到的振动信号如图2所示。
2做出所测振动信号的峭度分布图,如图3所示,确定峭度最大对应的滤波器中心频率及频带宽度。
本实施例中,最佳的滤波器频带为2708.3Hz-3541.7Hz,其中中心频率为3125Hz。
3根据步骤2中得到的最佳滤波频带,对所测振动信号进行滤波处理,得到滤波后的特征增强信号。
4对特征增强信号进行循环平稳分析,画出循环谱密度图图4。做出循环谱密度的步骤如下:
a利用周期时间平均的方法来估计信号的时变自相关函数Rx(t,τ):
b对自相关函数进行离散处理得到Rx[n,m],其中n,m分别对应于时间t和延时τ的离散采样;t=nΔ;τ=mΔ,Δ是采样周期;
c求关于离散时间n的周期函数的离散傅里叶级数系数:
得到信号的循环自相关函数Rx[m;αi],其中αi为某一循环频率。
d再对离散延时进行离散时间傅里叶变换,则可得到循环谱密度函数:
其中,f为谱频率。
5在循环谱密度图的循环频率域中观测是否存在轴承故障特征频率,同时可在谱频率域中确定故障冲击波形的振荡频率。进而完成局部点蚀故障诊断。
本实例中,故障特征频率为mfr±nfi,其中fr为内圈旋转频率;fi为内圈局部点蚀故障特征频率。在循环频率域中发现有上述特征频率的谱峰,据此诊断出电机轴承的内圈有局部点蚀故障。
如图1所示,一种实施所述的电机滚动轴承局部点蚀故障诊断方法的诊断***包括,
测量装置,其布置在电机滚动轴承的轴承座端盖,所述测量装置采集滚动轴承的振动信号,
峭度计算单元,其连接所述测量装置,所述峭度计算单元基于所述振动信号生成峭度分布图,且确定峭度最大值对应的滤波器中心频率及频带宽度,
滤波处理单元,其连接所述峭度计算单元,所述滤波处理单元基于所述滤波器中心频率及频带宽度对所述振动信号滤波处理以得到滤波后的特征增强信号;
循环平稳分析单元,其连接所述滤波处理单元,循环平稳分析单元基于所述特征增强信号循环平稳分析生成循环谱密度图;
检测单元,其连接所述循环平稳分析单元,检测单元检测所述循环谱密度图的循环频率域中是否存在轴承故障特征频率,且基于所述循环频率域确定故障冲击波形的振荡频率以诊断电机滚动轴承局部点蚀故障。
所述的诊断***的一个实施例中,所述检测单元包括通用处理器、数字信号处理器、专用集成电路ASIC或现场可编程门阵列FPGA。
所述的诊断***的一个实施例中,所述检测单元包括存储器,所述存储器包括一个或多个只读存储器ROM、随机存取存储器RAM、快闪存储器或电子可擦除可编程只读存储器EEPROM。
所述的诊断***的一个实施例中,所述测量装置包括加速度传感器。
所述的诊断***的一个实施例中,所述滤波处理单元包括高通滤波器。
尽管以上结合附图对本发明的实施方案进行了描述,但本发明并不局限于上述的具体实施方案和应用领域,上述的具体实施方案仅仅是示意性的、指导性的,而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下,还可以做出很多种的形式,这些均属于本发明保护之列。
Claims (10)
1.一种电机滚动轴承局部点蚀故障诊断方法,其包括如下步骤:
第一步骤(S1):在电机滚动轴承的轴承座端盖处布置测点,振动加速度传感器采集测点的振动信号;
第二步骤(S2):基于所述振动信号生成峭度分布图,确定峭度最大值对应的滤波器中心频率及频带宽度;
第三步骤(S3):基于所述滤波器中心频率及频带宽度对所述振动信号滤波处理以得到滤波后的特征增强信号;
第四步骤(S4)中:基于所述特征增强信号进行循环平稳分析,生成循环谱密度图;
第五步骤(S5):检测所述循环谱密度图的循环频率域中是否存在轴承故障特征频率,且基于所述循环频率域确定故障冲击波形的振荡频率以诊断电机滚动轴承局部点蚀故障。
2.根据权利要求1所述的一种电机滚动轴承局部点蚀故障诊断方法,其特征在于,优选的,第二步骤(S2)中:a)基于短时傅里叶变换处理所述振动信号:
其中,t是时间变量;τ是延时变量;f是频率;w(t)是窗函数;x(t)是测试的振动信号;X(t,f)是w(t-τ)x(τ)的傅里叶变换;
b)根据短时傅里叶变换后的结果,估算不同二进频带分解下的信号峭度值;
c)选出峭度值最大的频带对应的中心频率和宽度作为滤波器参数。
3.根据权利要求1所述的一种电机滚动轴承局部点蚀故障诊断方法,其特征在于:第三步骤(S3)中:a)利用周期时间平均的方法来估算振动信号的时变自相关函数Rx(t,τ):
,
其中,T0为循环频率所对应的周期;N为时变自相关函数时长;
b)对所述时变自相关函数Rx(t,τ)离散处理得到Rx[n,m],其中n,m分别对应于时间t和延时τ的离散采样;t=nΔ;τ=mΔ,Δ是采样周期;
c)计算关于离散时间n的周期函数的离散傅里叶级数系数:
得到信号的循环自相关函数Rx[m;αi],其中αi为某一循环频率;L为离散时间n对应的信号长度;
d)再对离散傅里叶级数系数延时进行离散时间傅里叶变换,得到循环谱密度函数:
其中,f为谱频率。
4.根据权利要求1所述的一种电机滚动轴承局部点蚀故障诊断方法,其特征在于:振动加速度传感器为加速度传感器。
5.根据权利要求1所述的一种电机滚动轴承局部点蚀故障诊断方法,其特征在于:采样频率为12.8KHz,电机的转速为1800r/min。
6.一种实施权利要求1-5中任一项所述的电机滚动轴承局部点蚀故障诊断方法的诊断***,其包括,
测量装置,其布置在电机滚动轴承的轴承座端盖,所述测量装置采集滚动轴承的振动信号,
峭度计算单元,其连接所述测量装置,所述峭度计算单元基于所述振动信号生成峭度分布图,且确定峭度最大值对应的滤波器中心频率及频带宽度,
滤波处理单元,其连接所述峭度计算单元,所述滤波处理单元基于所述滤波器中心频率及频带宽度对所述振动信号滤波处理以得到滤波后的特征增强信号;
循环平稳分析单元,其连接所述滤波处理单元,循环平稳分析单元基于所述特征增强信号循环平稳分析生成循环谱密度图;
检测单元,其连接所述循环平稳分析单元,检测单元检测所述循环谱密度图的循环频率域中是否存在轴承故障特征频率,且基于所述循环频率域确定故障冲击波形的振荡频率以诊断电机滚动轴承局部点蚀故障。
7.根据权利要求6所述的诊断***,其特征在于:所述检测单元包括通用处理器、数字信号处理器、专用集成电路ASIC或现场可编程门阵列FPGA。
8.根据权利要求6所述的诊断***,其特征在于:所述检测单元包括存储器,所述存储器包括一个或多个只读存储器ROM、随机存取存储器RAM、快闪存储器或电子可擦除可编程只读存储器EEPROM。
9.根据权利要求6所述的诊断***,其特征在于:所述测量装置包括加速度传感器。
10.根据权利要求6所述的诊断***,其特征在于:所述滤波处理单元包括高通滤波器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910229827.2A CN109883705A (zh) | 2019-03-25 | 2019-03-25 | 电机滚动轴承局部点蚀故障诊断方法及其诊断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910229827.2A CN109883705A (zh) | 2019-03-25 | 2019-03-25 | 电机滚动轴承局部点蚀故障诊断方法及其诊断*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109883705A true CN109883705A (zh) | 2019-06-14 |
Family
ID=66934055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910229827.2A Pending CN109883705A (zh) | 2019-03-25 | 2019-03-25 | 电机滚动轴承局部点蚀故障诊断方法及其诊断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109883705A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110320018A (zh) * | 2019-07-12 | 2019-10-11 | 北京交通大学 | 一种基于二阶循环平稳特性的旋转机械复合故障诊断方法 |
CN110688959A (zh) * | 2019-09-27 | 2020-01-14 | 上海特金信息科技有限公司 | 无人机信号识别方法、装置、电子设备与存储介质 |
CN110763464A (zh) * | 2019-09-23 | 2020-02-07 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于循环平稳分析的滚动轴承故障特征提取方法 |
CN112729804A (zh) * | 2020-12-31 | 2021-04-30 | 北京昊鹏智能技术有限公司 | 旋转机械故障诊断方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102798529A (zh) * | 2012-08-30 | 2012-11-28 | 桂林电子科技大学 | 大型风力机组轴承故障诊断方法及*** |
CN102866010A (zh) * | 2012-09-28 | 2013-01-09 | 苏州大学 | 一种信号的谱峭度滤波方法及相关装置 |
CN102928225A (zh) * | 2012-10-31 | 2013-02-13 | 西安交通大学 | 一种针对滚动轴承故障诊断的自适应共振解调方法 |
-
2019
- 2019-03-25 CN CN201910229827.2A patent/CN109883705A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102798529A (zh) * | 2012-08-30 | 2012-11-28 | 桂林电子科技大学 | 大型风力机组轴承故障诊断方法及*** |
CN102866010A (zh) * | 2012-09-28 | 2013-01-09 | 苏州大学 | 一种信号的谱峭度滤波方法及相关装置 |
CN102928225A (zh) * | 2012-10-31 | 2013-02-13 | 西安交通大学 | 一种针对滚动轴承故障诊断的自适应共振解调方法 |
Non-Patent Citations (7)
Title |
---|
刘海洋: "基于谱峭度的信号特征提取及其传动***关键部件故障诊断应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
宋志群等: "《认知无线电技术及其应用》", 30 September 2012, 国防工业出版社 * |
张玲玲等: "《柴油发动机故障诊断技术》", 31 December 2015, 国防工业出版社 * |
柳亦兵等: "滚动轴承故障的谱相关特征分析", 《中国机械工程》 * |
王志坚: "《齿轮箱复合故障诊断方法研究》", 31 August 2017, 兵器工业出版社 * |
田福庆等: "《机械故障非平稳特征提取方法及其应用》", 30 June 2014, 国防工业出版社 * |
郭庆丰: "循环自相关函数在滚动轴承故障特征提取的应用", 《煤矿机械》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110320018A (zh) * | 2019-07-12 | 2019-10-11 | 北京交通大学 | 一种基于二阶循环平稳特性的旋转机械复合故障诊断方法 |
CN110320018B (zh) * | 2019-07-12 | 2020-08-11 | 北京交通大学 | 一种基于二阶循环平稳特性的旋转机械复合故障诊断方法 |
CN110763464A (zh) * | 2019-09-23 | 2020-02-07 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于循环平稳分析的滚动轴承故障特征提取方法 |
CN110688959A (zh) * | 2019-09-27 | 2020-01-14 | 上海特金信息科技有限公司 | 无人机信号识别方法、装置、电子设备与存储介质 |
CN112729804A (zh) * | 2020-12-31 | 2021-04-30 | 北京昊鹏智能技术有限公司 | 旋转机械故障诊断方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109883705A (zh) | 电机滚动轴承局部点蚀故障诊断方法及其诊断*** | |
Yan et al. | Fault diagnosis of rolling element bearing using a new optimal scale morphology analysis method | |
CN108195587B (zh) | 一种电机滚动轴承故障诊断方法及其诊断*** | |
CN108168891B (zh) | 滚动轴承微弱故障信号特征的提取方法及设备 | |
Cong et al. | Short-time matrix series based singular value decomposition for rolling bearing fault diagnosis | |
Kankar et al. | Rolling element bearing fault diagnosis using autocorrelation and continuous wavelet transform | |
EP2053375B1 (en) | A method for detection and automatic identification of damage to rolling bearings | |
US7602985B2 (en) | Multi-scale enveloping spectrogram signal processing for condition monitoring and the like | |
CN107956708A (zh) | 一种基于快速谱峭度分析的泵潜在空化故障检测方法 | |
Yan et al. | Energy-based feature extraction for defect diagnosis in rotary machines | |
Liu et al. | Wavelet spectrum analysis for bearing fault diagnostics | |
CN103674234B (zh) | 一种风力发电机组振动异常的状态预警方法及*** | |
CN108195584B (zh) | 一种基于准确度谱图的滚动轴承故障诊断方法 | |
Yu et al. | A new morphological filter for fault feature extraction of vibration signals | |
CN108361207A (zh) | 一种用于离心泵振动监测与故障预警的装置及方法 | |
CN103940597A (zh) | 一种基于广义极值形态滤波的机械故障检测方法 | |
CN109724802A (zh) | 一种基于频谱图评价与优选的电机轴承微弱故障诊断方法 | |
Williams et al. | Helicopter transmission fault detection via time-frequency, scale and spectral methods | |
CN108760310A (zh) | 基于新型信噪比指标的随机共振滚动轴承故障诊断方法 | |
CN113607415A (zh) | 一种变转速下基于短时随机共振的轴承故障诊断方法 | |
CN109934136A (zh) | 基于Duffing振子和本征模式分量的滚动轴承故障诊断方法 | |
CN102680080B (zh) | 一种基于改进的自适应形态滤波的非稳态信号检测方法 | |
CN114638265B (zh) | 一种基于信号卷积神经网络的铣削颤振判别方法 | |
Huang et al. | Short-time kurtogram for bearing fault feature extraction under time-varying speed conditions | |
Al-Bugharbee et al. | Autoregressive modelling for rolling element bearing fault diagnosis |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |
|
RJ01 | Rejection of invention patent application after publication |