CN113588259B - 一种设备振动信号标度曲线转折点检测方法及工况监测装置 - Google Patents
一种设备振动信号标度曲线转折点检测方法及工况监测装置 Download PDFInfo
- Publication number
- CN113588259B CN113588259B CN202110884005.5A CN202110884005A CN113588259B CN 113588259 B CN113588259 B CN 113588259B CN 202110884005 A CN202110884005 A CN 202110884005A CN 113588259 B CN113588259 B CN 113588259B
- Authority
- CN
- China
- Prior art keywords
- scale
- point
- turning points
- equipment
- vibration signal
- 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
- 238000012806 monitoring device Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 title description 26
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 230000036039 immunity Effects 0.000 abstract 1
- 238000005096 rolling process Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01M13/025—Test-benches with rotational drive means and loading means; Load or drive simulation
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种设备振动信号标度曲线转折点检测方法及工况监测装置。该方法首先利用DFA算法对设备振动信号进行处理,得到振动信号的标度曲线,然后利用提出的准则检测标度曲线的转折点,判断转折点的凸凹性,排除虚假的转折点,利用检测到的转折点对标度曲线进行分段,获得局部标度区间,在局部标度区间内分别计算局部标度指数,把获得的多标度指数作为振动信号的特征参数,利用多标度指数监测设备的运行状态,如果某时刻的多标度指数相对于上个时刻的多标度指数变化超过10%,则判断设备运行状态出现了明显变化。本发明适合于处理复杂的设备振动信号,能够准确区分相近的设备运行状态,具有良好的抗噪性和鲁棒性,设备状态监测装置具有良好的适应性和便携性,便于工程应用。
Description
技术领域
本发明涉及设备状态监测与故障诊断领域,具体涉及一种设备振动信号标度曲线转折点检测方法及工况监测装置。
背景技术
设备出现故障时,其振动信号具有多重分形特征,体现为在不同标度上具有不同的标度指数,具有多标度特征,根据振动信号的多标度特征可以有效描述设备的运行状态,有效分离相近的设备运行状态。为了计算振动信号的局部标度指数,首先需要确定标度曲线的转折点,然而如何检测和判定振动信号标度曲线的转折点是一个难题,目前主要依靠肉眼来检测和判定振动信号标度曲线的转折点,缺乏有效的标度曲线转折点检测方法,现有技术不但效率低下,而且容易出现误判和漏判,由此获得的设备振动信号多标度指数难以准确描述设备的运行状态,因此亟待发明一种设备振动信号标度曲线转折点检测方法。
发明内容
本发明针对现有技术的不足,发明了一种设备振动信号标度曲线转折点检测方法及工况监测装置。采用本发明所提出的方法对设备振动信号进行分析,能够有效检测和判定设备振动信号标度曲线的转折点,提取设备振动信号的多标度特征,克服目前主要依靠肉眼检测和判定标度曲线转折点的缺陷。本发明所提出的方法具有分析结果准确度和精确度高,设备运行状态识别结果正确率高等优点。
为解决以上技术问题,本发明采取的技术方案如下: 一种设备振动信号标度曲线转折点检测方法及工况监测装置,其特征在于,包括以下步骤:
步骤1:利用加速度传感器以采样频率fs测取设备振动信号x(i), i=1, 2, …,N,N为采样信号的长度;
步骤2:采用去趋势波动分析(Detrended Fluctuation Analysis, DFA)算法获得振动信号x(i)的标度曲线;
步骤3:在标度曲线上考察5个连续的点,这5个连续的点依次记为A、B、C、D、E,;
步骤4:在三角形△BCD内,根据余弦定理计算夹角∠BCD,,其中lBC代表点B和点C之间的距离、lCD代表点C和点D之间的距离、lBD代表点B和点D之间的距离;
步骤5:在三角形△ACE内,根据余弦定理计算夹角∠ACE, ,其中lAC代表点A和点C之间的距离、lCE代表点C和点E之间的距离、lAE代表点A和点E之间的距离;
步骤6:如果∠BCD和∠ACE同时大于预设角度pa,则识别点C 为转折点,本发明设置pa=160°;
步骤7:如果直线BC的斜率超过直线CD的斜率,则点C为凸转折点,如果直线BC的斜率小于直线CD的斜率,则点C为凹转折点;
步骤8:两个连续的凸转折点或两个连续的凹转折点之间至少间隔m个点,本发明设置m=5;
步骤9:两个连续的凸转折点或两个连续的凹转折点之间的直线的斜率大于预设值r,本发明设置r=0.001;
步骤10:根据检测到的转折点对标度曲线进行分段,获得局部标度区间,在局部标度区间内分别计算局部标度指数,把获得的多标度指数作为振动信号的特征参数;
步骤11:利用多标度指数监测设备的运行状态,如果某时刻的多标度指数相对于上个时刻的多标度指数变化超过10%,则判断设备状态出现了明显变化。
进一步地,所述步骤2中DFA算法包括以下步骤:
1) 对振动信号x(i)构造一个求和序列,
;
2)将新时间序列按照长度s等分为K段,每段记为/>;
3)采用最小二乘法拟合每段数据的线性趋势,其中第k段数据的拟合趋势记为,;
4)计算每段数据的方差,其中第k段数据的方差记为
;
4) 对所有的K段数据计算均方误差的平均值;
5) 改变时间尺度s的大小,重复步骤上述2)- 5),如果时间序列x(i)具有自相似特征,则至少当s在某个尺度范围内取值时,F(s)和s满足下面的标度律关系,其中b为常数系数,α为x(i)的标度指数,F(s)为x(i)的波动函数,lg(F(s))与lg(s)之间的对应关系称为标度曲线,符号lg代表以10为底的对数。
进一步地,所述步骤10中多标度指数包括以下步骤:
1) 记检测到的振动信号x(i)标度曲线的转折点为cp,p=1,2,…,P-1,P代表标度曲线转折点的数目;
2) 定义连续两个转折点cp和cp+1所对应的标度区间为第p个局部标度区间;
3) 在第p个局部标度区间上执行DFA获得第p个局部标度区间上的标度指数,p=1,2,…,P-1;
4)(P-1)个局部标度指数按照顺序排列构成多标度指数。
进一步地,实施所述一种设备振动信号标度曲线转折点检测方法及工况监测装置,包括数据线,加速度传感器,数据采集卡,机箱、笔记本电脑和信号分析软件,加速度传感器通过数据线与数据采集卡连接,数据采集卡安装在机箱内,机箱通过数据线与笔记本电脑连接,信号分析软件安装在笔记本电脑上,信号分析软件用来实现所述算法。本发明采用以上技术方案,与现有技术相比,本发明具有以下优点:
1) 本发明根据设定的准则自动检测标度曲线转折点,能够有效避免标度曲线转折点误判和漏判现象,标度曲线转折点检测的准确度显著提高;
2) 根据本发明检测到的标度曲线转折点可以准确计算振动信号的局部标度指数,由此得到的多标度指数能够有效描述设备的运行状态,设备运行状态变化检测的精确性和准确性明显提高。
3) 本发明方法可以有效分离相近的设备运行状态,设备状态识别效果好。
各步骤作用:
第1)步:利用加速度传感器采集振动信号;
第2)步:根据DFA计算振动信号的标度曲线;
第3)~9)步:检测振动信号标度曲线的转折点,排除虚假转折点;
第10)步:根据标度曲线转折点对振动信号标度区间进行分段,计算局部标度区间上的局部标度指数,由此获得多标度指数,利用多标度指数描述设备的运行状态;
第11)步:根据振动信号多标度指数特征的变化检测设备运行状态的变化。
下面结合附图和实施例对本发明做进一步说明。
附图说明
附图1为本发明实施例中本发明方法的流程图;
附图2为本发明实施例中设备工况监测装置的示意图;
附图3为本发明实施例中标度曲线转折点示意图,A、B、C、D和E代表标度曲线上5个连续的点,s代表时间尺度;
附图4为本发明实施例中标度曲线虚假转折点示意图,P、A、B、C、D、E和Q代表标度曲线上7个连续的点,s代表时间尺度,B和D为虚假转折点;
附图5为本发明实施例中四种齿轮振动信号,(a)-(d)分别为正常、轻度磨损、中度磨损和断齿齿轮振动信号;
附图6为本发明实施例中正常齿轮振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图7为本发明实施例中轻度磨损齿轮振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图8为本发明实施例中中度磨损齿轮振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图9为本发明实施例中断齿齿轮振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图10为本发明实施例中七种滚动轴承振动信号,(a)-(g)分别为正常、IR07、IR14、B07、B14、OR07和OR14滚动轴承振动信号;
附图11为本发明实施例中正常滚动轴承振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图12为本发明实施例中IR07滚动轴承振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图13为本发明实施例中IR14滚动轴承振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图14为本发明实施例中B07滚动轴承振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图15为本发明实施例中B14滚动轴承振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图16为本发明实施例中OR07滚动轴承振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数;
附图17为本发明实施例中OR14滚动轴承振动信号标度曲线转折点的检测结果,lg(F(s))代表波动函数的对数,lg(s)代表时间尺度s的对数。
具体实施方式
实施例,一种设备振动信号标度曲线转折点检测方法及工况监测装置,包括以下步骤:
步骤1:利用加速度传感器以采样频率fs测取设备振动信号x(i), i=1, 2, …,N,N为采样信号的长度;
步骤2:采用去趋势波动分析(Detrended Fluctuation Analysis, DFA)算法获得振动信号x(i)的标度曲线;
步骤3:在标度曲线上考察5个连续的点,这5个连续的点依次记为A、B、C、D、E,示意图如图3和图4所示,其中图3中C点为真实转折点,图4中B点和D点为虚假转折点;
步骤4:在三角形△BCD内,根据余弦定理计算夹角∠BCD,,其中lBC代表点B和点C之间的距离、lCD代表点C和点D之间的距离、lBD代表点B和点D之间的距离;
步骤5:在三角形△ACE内,根据余弦定理计算夹角∠ACE, ,其中lAC代表点A和点C之间的距离、lCE代表点C和点E之间的距离、lAE代表点A和点E之间的距离;
步骤6:如果∠BCD和∠ACE同时大于预设角度pa,则识别点C 为转折点,本发明设置pa=160°;
步骤7:如果直线BC的斜率超过直线CD的斜率,则点C为凸转折点,如果直线BC的斜率小于直线CD的斜率,则点C为凹转折点;
步骤8:两个连续的凸转折点或两个连续的凹转折点之间至少间隔m个点,本发明设置m=5;
步骤9:两个连续的凸转折点或两个连续的凹转折点之间的直线的斜率大于预设值r,本发明设置r=0.001;
步骤10:根据检测到的转折点对标度曲线进行分段,获得局部标度区间,在局部标度区间内分别计算局部标度指数,把获得的多标度指数作为振动信号的特征参数;
步骤11:利用多标度指数监测设备的运行状态,如果某时刻的多标度指数相对于上个时刻的多标度指数变化超过10%,则判断设备状态出现了明显变化。
步骤2中DFA算法包括以下步骤:
1) 对振动信号x(i)构造一个求和序列,
;
2)将新时间序列按照长度s等分为K段,每段记为/>;
3)采用最小二乘法拟合每段数据的线性趋势,其中第k段数据的拟合趋势记为,;
4)计算每段数据的方差,其中第k段数据的方差记为
;
4) 对所有的K段数据计算均方误差的平均值;
5) 改变时间尺度s的大小,重复步骤上述2)- 5),如果时间序列x(i)具有自相似特征,则至少当s在某个尺度范围内取值时,F(s)和s满足下面的标度律关系,其中b为常数系数,α为x(i)的标度指数,F(s)为x(i)的波动函数,lg(F(s))与lg(s)之间的对应关系称为标度曲线,符号lg代表以10为底的对数。
步骤10中多标度指数包括以下步骤:
1) 记检测到的振动信号x(i)标度曲线的转折点为cp,p=1,2,…,P-1,P代表标度曲线转折点的数目;
2) 定义连续两个转折点cp和cp+1所对应的标度区间为第p个局部标度区间;
3) 在第p个局部标度区间上执行DFA获得第p个局部标度区间上的标度指数,p=1,2,…,P-1;
4)(P-1)个局部标度指数按照顺序排列构成多标度指数。
实施所述一种设备振动信号标度曲线转折点检测方法及工况监测装置,包括数据线,加速度传感器,数据采集卡,机箱、笔记本电脑和信号分析软件,加速度传感器通过数据线与数据采集卡连接,数据采集卡安装在机箱内,机箱通过数据线与笔记本电脑连接,信号分析软件安装在笔记本电脑上,信号分析软件用来实现所述算法。
实验1 ,采用齿轮振动信号对本发明所述算法的性能进行验证,如图1、图2所示。
本发明使用的齿轮振动数据来自一个四速摩托车齿轮箱故障模拟实验,该实验包含四种齿轮状态:正常、轻度磨损、中度磨损和断齿。该齿轮箱由名义转速为1420RPM的电动机驱动,振动信号采样频率为16384Hz,采样长度为20000个数据点。四种齿轮振动信号如图5所示。
(1) 采用本发明方法检测正常齿轮振动信号标度曲线的转折点,检测到4个凸转折点和1个凹转折点,检测结果如图6所示。
(2) 采用本发明方法检测轻度磨损齿轮振动信号标度曲线的转折点,检测到3个凸转折点和2个凹转折点,检测结果如图7所示。
(3) 采用本发明方法检测中度磨损齿轮振动信号标度曲线的转折点,检测到4个凸转折点和2个凹转折点,检测结果如图8所示。
(4) 采用本发明方法检测断齿齿轮振动信号标度曲线的转折点,检测到3个凸转折点和1个凹转折点,检测结果如图9所示。
表1和表2给出了本发明方法检测到的四种齿轮振动信号标度曲线的转折点和多标度指数。从表1和表2可以看出,四种齿轮振动信号包含大量多重分形信息,且展示了明显不同的局部标度特征。依据表1和表2所示的多标度特征,齿轮状态识别正确率为100%,其中代表第j个凸转折点,/>代表第j个凹转折点, />代表第j个局部标度区间上的标度指数。
表1 由本发明方法检测到的四种齿轮振动信号标度曲线的转折点:
表2 四种齿轮振动信号的多标度指数:
实验2 ,采用滚动轴承振动信号对本发明所述算法的性能进行验证。
采用滚动轴承振动数据验证本发明方法的性能。滚动轴承振动信号包含七种滚动轴承状态:正常、故障直径为0.007英寸的内圈故障(记作:IR07)、故障直径为0.014英寸的内圈故障(记作:IR14)、故障直径为0.007英寸的滚动体故障(记作:B07)、故障直径为0.014英寸的滚动体故障(记作:B14)、故障直径为0.007英寸的外圈故障(记作:OR07)、故障直径为0.014英寸的外圈故障(记作:OR14)。滚动轴承振动信号采样频率为12000Hz,采样长度为10000点。这七种滚动轴承振动信号如图10所示。
(1) 采用本发明方法检测正常轴承振动信号标度曲线的转折点,检测到3个凸转折点,检测结果如图11所示。
(2) 采用本发明方法检测IR07轴承振动信号标度曲线的转折点,检测到2个凸转折点,检测结果如图12所示。
(3) 采用本发明方法检测IR14轴承振动信号标度曲线的转折点,检测到2个凸转折点,检测结果如图13所示。
(4) 采用本发明方法检测B07轴承振动信号标度曲线的转折点,检测到2个凸转折点,检测结果如图14所示。
(5) 采用本发明方法检测B14轴承振动信号标度曲线的转折点,检测到2个凸转折点,检测结果如图15所示。
(6) 采用本发明方法检测OR07轴承振动信号标度曲线的转折点,检测到3个凸转折点,检测结果如图16所示。
(7) 采用本发明方法检测OR14轴承振动信号标度曲线的转折点,检测到3个凸转折点,检测结果如图17所示。
表3和表4给出了本发明方法检测到的七种滚动轴承振动信号标度曲线的转折点和多标度指数。从表3和表4可以看出,七种滚动轴承振动信号包含大量多重分形信息,且展示了明显不同的局部标度特征。依据表3和表4所示的多标度特征,滚动轴承状态识别正确率为100%。
表3 由本发明方法检测到的七种滚动轴承振动信号标度曲线的转折点:
表4 七种滚动轴承振动信号的多标度指数:
根据试验结果,分析后认为:
1) 本发明方法能够有效避免标度曲线转折点误判和漏判现象,标度曲线转折点检测的准确度显著提高;
2) 本发明方法能够有效提取设备振动信号的多标度特征,能够有效检测设备运行状态的变化;
3) 本发明方法能够有效区分相近的设备运行状态,增强设备状态识别的效果。
本领域技术人员应该认识到,上述的具体实施方式只是示例性的,是为了使本领域技术人员能够更好的理解本发明内容,不应理解为是对本发明保护范围的限制,只要是根据本发明技术方案所作的改进,均落入本发明的保护范围。
Claims (3)
1.一种设备振动信号标度曲线转折点检测方法及工况监测装置,其特征在于,包括以下步骤:
步骤1:利用加速度传感器以采样频率fs测取设备振动信号x(i), i=1, 2, …,N,N为采样信号的长度;
步骤2:采用去趋势波动分析(Detrended Fluctuation Analysis, DFA)算法获得振动信号x(i)的标度曲线;
步骤3:在标度曲线上考察5个连续的点,这5个连续的点依次记为A、B、C、D、E;
步骤4:在三角形△BCD内,根据余弦定理计算夹角∠BCD,,其中lBC代表点B和点C之间的距离、lCD代表点C和点D之间的距离、lBD代表点B和点D之间的距离;
步骤5:在三角形△ACE内,根据余弦定理计算夹角∠ACE, ,其中lAC代表点A和点C之间的距离、lCE代表点C和点E之间的距离、lAE代表点A和点E之间的距离;
步骤6:如果∠BCD和∠ACE同时大于预设角度pa,则识别点C 为转折点;
步骤7:如果直线BC的斜率超过直线CD的斜率,则点C为凸转折点,如果直线BC的斜率小于直线CD的斜率,则点C为凹转折点;
步骤8:两个连续的凸转折点或两个连续的凹转折点之间至少间隔m个点;
步骤9:两个连续的凸转折点或两个连续的凹转折点之间的直线的斜率大于预设值r;
步骤10:根据检测到的转折点对标度曲线进行分段,获得局部标度区间,在局部标度区间内分别计算局部标度指数,把获得的多标度指数作为振动信号的特征参数;
步骤11:利用多标度指数监测设备的运行状态,如果某时刻的多标度指数相对于上个时刻的多标度指数变化超过10%,则判断设备状态出现了明显变化;
所述步骤2中DFA算法包括以下步骤:
1)对振动信号x(i)构造一个求和序列,
;
2)将新时间序列按照长度s等分为K段,每段记为/>;
3)采用最小二乘法拟合每段数据的线性趋势,其中第k段数据的拟合趋势记为,;
4)计算每段数据的方差,其中第k段数据的方差记为:
;
4) 对所有的K段数据计算均方误差的平均值;
5) 改变时间尺度s的大小,重复步骤上述2)- 5),如果时间序列x(i)具有自相似特征,则至少当s在某个尺度范围内取值时,F(s)和s满足下面的标度律关系,其中b为常数系数,α为x(i)的标度指数,F(s)为x(i)的波动函数,lg(F(s))与lg(s)之间的对应关系称为标度曲线,符号lg代表以10为底的对数。
2.根据权利要求1所述的一种设备振动信号标度曲线转折点检测方法及工况监测装置,其特征在于,所述步骤10中多标度指数包括以下步骤:
1) 记检测到的振动信号x(i)标度曲线的转折点为cp,p=1,2,…,P-1,P代表标度曲线转折点的数目;
2) 定义连续两个转折点cp和cp+1所对应的标度区间为第p个局部标度区间;
3) 在第p个局部标度区间上执行DFA获得第p个局部标度区间上的标度指数,p=1,2,…,P-1;
4)(P-1)个局部标度指数按照顺序排列构成多标度指数。
3.实施如权利要求1或2所述一种设备振动信号标度曲线转折点检测方法及工况监测装置,其特征在于:包括数据线,加速度传感器,数据采集卡,机箱、笔记本电脑和信号分析软件,加速度传感器通过数据线与数据采集卡连接,数据采集卡安装在机箱内,机箱通过数据线与笔记本电脑连接,信号分析软件安装在笔记本电脑上,信号分析软件用来实现所述算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884005.5A CN113588259B (zh) | 2021-08-03 | 2021-08-03 | 一种设备振动信号标度曲线转折点检测方法及工况监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884005.5A CN113588259B (zh) | 2021-08-03 | 2021-08-03 | 一种设备振动信号标度曲线转折点检测方法及工况监测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113588259A CN113588259A (zh) | 2021-11-02 |
CN113588259B true CN113588259B (zh) | 2024-05-31 |
Family
ID=78254093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110884005.5A Active CN113588259B (zh) | 2021-08-03 | 2021-08-03 | 一种设备振动信号标度曲线转折点检测方法及工况监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113588259B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4125894A (en) * | 1975-12-16 | 1978-11-14 | Sun Electric Corporation | Engine test and display apparatus |
JP2008185345A (ja) * | 2007-01-26 | 2008-08-14 | Akira Fujimichi | 振動測定方法、および装置 |
CN105092239A (zh) * | 2014-05-09 | 2015-11-25 | 潍坊学院 | 一种齿轮早期故障检测方法 |
CN105129109A (zh) * | 2015-09-30 | 2015-12-09 | 北京航空航天大学 | 一种基于多重分形理论和自组织映射网络的飞机副翼作动器***健康评估方法 |
CN105588717A (zh) * | 2015-12-10 | 2016-05-18 | 潍坊学院 | 一种齿轮箱故障诊断方法 |
CN109452938A (zh) * | 2018-12-29 | 2019-03-12 | 中国矿业大学 | 一种基于多尺度多重分形的hfecg信号特征频率检测方法 |
CN109612726A (zh) * | 2018-11-20 | 2019-04-12 | 南京航空航天大学 | 一种用于振动信号特征提取的多重超阶分析方法 |
CN109635307A (zh) * | 2016-06-29 | 2019-04-16 | 潍坊学院 | 滚动轴承的wt、谱峭度和平滑迭代解调故障诊断方法 |
CN110687399A (zh) * | 2019-10-15 | 2020-01-14 | 贵州电网有限责任公司 | 一种配电网故障指示器波形故障开始时刻判断方法 |
CN112100577A (zh) * | 2020-09-16 | 2020-12-18 | 山东大学 | 基于长程相关性的设备运行稳定性在线监测方法及*** |
CN112697482A (zh) * | 2020-11-09 | 2021-04-23 | 山东柯瑞申智能科技有限公司 | 一种vmd多尺度波动分析状态监测方法及装置 |
CN112697471A (zh) * | 2020-11-09 | 2021-04-23 | 山东柯瑞申智能科技有限公司 | 一种ssd和gzc机器状态监测方法及装置 |
CN112989966A (zh) * | 2021-02-25 | 2021-06-18 | 中国人民解放军海军航空大学 | 一种改进的模拟电路信号降噪方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108956043B (zh) * | 2018-07-03 | 2020-05-22 | 清华大学 | 一种机械密封多尺度实时监测分析方法 |
CN110031082B (zh) * | 2019-05-10 | 2021-06-18 | 山东省科学院激光研究所 | 分布式光纤振动监测***事件定位方法、装置及应用 |
-
2021
- 2021-08-03 CN CN202110884005.5A patent/CN113588259B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4125894A (en) * | 1975-12-16 | 1978-11-14 | Sun Electric Corporation | Engine test and display apparatus |
JP2008185345A (ja) * | 2007-01-26 | 2008-08-14 | Akira Fujimichi | 振動測定方法、および装置 |
CN105092239A (zh) * | 2014-05-09 | 2015-11-25 | 潍坊学院 | 一种齿轮早期故障检测方法 |
CN105129109A (zh) * | 2015-09-30 | 2015-12-09 | 北京航空航天大学 | 一种基于多重分形理论和自组织映射网络的飞机副翼作动器***健康评估方法 |
CN105588717A (zh) * | 2015-12-10 | 2016-05-18 | 潍坊学院 | 一种齿轮箱故障诊断方法 |
CN109635307A (zh) * | 2016-06-29 | 2019-04-16 | 潍坊学院 | 滚动轴承的wt、谱峭度和平滑迭代解调故障诊断方法 |
CN109612726A (zh) * | 2018-11-20 | 2019-04-12 | 南京航空航天大学 | 一种用于振动信号特征提取的多重超阶分析方法 |
CN109452938A (zh) * | 2018-12-29 | 2019-03-12 | 中国矿业大学 | 一种基于多尺度多重分形的hfecg信号特征频率检测方法 |
CN110687399A (zh) * | 2019-10-15 | 2020-01-14 | 贵州电网有限责任公司 | 一种配电网故障指示器波形故障开始时刻判断方法 |
CN112100577A (zh) * | 2020-09-16 | 2020-12-18 | 山东大学 | 基于长程相关性的设备运行稳定性在线监测方法及*** |
CN112697482A (zh) * | 2020-11-09 | 2021-04-23 | 山东柯瑞申智能科技有限公司 | 一种vmd多尺度波动分析状态监测方法及装置 |
CN112697471A (zh) * | 2020-11-09 | 2021-04-23 | 山东柯瑞申智能科技有限公司 | 一种ssd和gzc机器状态监测方法及装置 |
CN112989966A (zh) * | 2021-02-25 | 2021-06-18 | 中国人民解放军海军航空大学 | 一种改进的模拟电路信号降噪方法 |
Non-Patent Citations (1)
Title |
---|
基于非平稳时间序列双标度指数特征的齿轮箱故障诊断;林近山;陈前;;机械工程学报;20120705(第13期);第108-114页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113588259A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11460005B2 (en) | Condition monitoring system and wind turbine generation apparatus | |
US11105712B2 (en) | Integrated vibe/ODM fusion and trending analysis for prognostic health management of engine bearing | |
Aherwar | An investigation on gearbox fault detection using vibration analysis techniques: A review | |
CN110160765B (zh) | 一种基于声音或振动信号的冲击特征识别方法及*** | |
EP2073019A2 (en) | Method and apparatus for monitoring gas turbine blades | |
JPH08503041A (ja) | 軸流圧縮機のファウリングを検出する方法 | |
CN109946081B (zh) | 一种用于变转速下滚动轴承打滑时的故障诊断方法 | |
US11635345B2 (en) | System for separating periodic frequency of interest peaks from non-periodic peaks in machine vibration data | |
CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
CN116304848B (zh) | 一种滚动轴承故障诊断***及方法 | |
CN107515118B (zh) | 旋转机械轴承故障诊断方法 | |
CN113588259B (zh) | 一种设备振动信号标度曲线转折点检测方法及工况监测装置 | |
Azeez et al. | Detection of rolling element bearing defects by vibration signature analysis: A review | |
CN110749443B (zh) | 一种基于高阶原点矩的滚动轴承故障诊断方法及*** | |
CN112326246A (zh) | 基于周期数据及核密度估计的轴承安全状态在线监测方法 | |
Lewicki et al. | Gear fault detection effectiveness as applied to tooth surface pitting fatigue damage | |
CN110160781B (zh) | 一种旋转机械故障分类的测试集重构和预测方法 | |
CN115656700B (zh) | 检测方法、训练方法、电器、监控***和存储介质 | |
CN110530631A (zh) | 一种基于混合分类器的齿轮单类型故障检测方法 | |
Abdusslam | Detection and diagnosis of rolling element bearing faults using time encoded signal processing and recognition | |
CN111319787B (zh) | 一种直升机动部件振动监测数据有效性评估方法 | |
Zhang | Bearing fault diagnosis based on the dimension–temporal information | |
CN114528868A (zh) | 一种压缩机叶片裂纹故障检测方法 | |
CN109630450B (zh) | 一种天然气长输管道离心压缩机组停机保护方法 | |
TWI398629B (zh) | Equipment supervision method |
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 |