CN114371001A - 一种齿轮箱故障缺陷检测*** - Google Patents
一种齿轮箱故障缺陷检测*** Download PDFInfo
- Publication number
- CN114371001A CN114371001A CN202111561876.XA CN202111561876A CN114371001A CN 114371001 A CN114371001 A CN 114371001A CN 202111561876 A CN202111561876 A CN 202111561876A CN 114371001 A CN114371001 A CN 114371001A
- Authority
- CN
- China
- Prior art keywords
- vibration
- gearbox
- gear
- input shaft
- fault
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 230000007547 defect Effects 0.000 title claims abstract description 19
- 238000001228 spectrum Methods 0.000 claims abstract description 32
- 238000003745 diagnosis Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 230000003993 interaction Effects 0.000 claims abstract description 17
- 230000001360 synchronised effect Effects 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 230000008030 elimination Effects 0.000 claims abstract description 3
- 238000003379 elimination reaction Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 8
- 238000010183 spectrum analysis Methods 0.000 description 5
- 241000208125 Nicotiana Species 0.000 description 2
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
Images
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
- G01M13/028—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
本发明属于故障检测技术领域,涉及一种齿轮箱故障缺陷检测***,包括齿轮箱输入轴、接近传感器、振动传感器、齿轮箱输出轴、数据采集单元、主控制单元和人机交互***;所述数据采集单元采用模块化方式组建,电连接所述接近传感器、振动传感器和主控制单元,数据采集单元通过贝塞尔低通滤波、中值滑动平均双重滤波实现键相检测信号的异常数据剔除,完成振动信号和键相检测信号的模拟数字转换并将其传至主控制单元;所述主控制单元电连接所述人机交互***,主控制单元以获得的齿轮输入轴和输出轴转速为基准,对振动信号进行频谱转换和分析,获取齿轮的功率谱、包络谱和时域同步均值并送入振动故障诊断模型,获得振动诊断值。
Description
技术领域
本发明属于故障检测技术领域,涉及一种齿轮箱故障缺陷检测***。
背景技术
ZB48包装机组与高速卷接机组配合使用,是烟草企业高速包装的主力机型,而齿轮箱作为设备中最重要的部件之一,其运行状态对整个设备的使用性能起到决定性作用。齿轮在交变载荷的作用下,齿轮缺陷随着齿轮疲劳程度、加工缺陷、热、腐蚀的作用不断加深,其潜在危害与一般故障的危害相比要严重的多;同时齿轮的制造及安装误差及齿轮变形等导致齿轮的结构刚度及阻尼特性发生改变,导致传递动力受阻,振动加大,影响设备正常工作。
为了保证齿轮箱的正常工作,需要技术人员定期对齿轮箱检测或出现故障后进行事后维修。因为机器环境影响,齿轮箱噪音难以分辨,当异响过大,人耳能够察觉时,机器已发生严重故障,甚至产生断轴的高危风险,增加了维护成本,给烟草企业带来了不必要的经济损失。而对齿轮箱的检测,一般采用目视法检测齿轮质量,当齿轮发生早期故障时,故障点小,肉眼难以发觉,检测效果并不理想。
现有技术人为目视检测,齿轮早期故障难以发现,浪费人工且检测效果差。齿轮噪声检测,因齿轮工作环境噪音影响,噪声提取困难,齿轮故障诊断效果不理想。齿轮频谱分析法,因提取的齿轮信号瞬态变化,分析结果误差较大,诊断效果不理想。齿轮噪声检测法能够实现齿轮的故障探测,环境噪声问题,诊断效果不理想,且故障难以实现定位。频谱分析法能够实现齿轮故障诊断和定位,但由于振动瞬时变换,结果误差较大。
发明内容
本发明了公开了一种齿轮箱故障缺陷检测***,以解决现有技术中,齿轮箱故障检测效果差的问题。
一种齿轮箱故障缺陷检测***,包括齿轮箱输入轴、接近传感器、振动传感器、齿轮箱输出轴、数据采集单元、主控制单元和人机交互***;
所述振动传感器用于获取振动信号,共设有4个,分别安装在齿轮箱输入轴的水平和垂直方向、齿轮箱输出轴的水平和垂直方向;所述接近传感器用于获取键相检测信号,实现齿轮输入轴和输出轴的转速获取,共设有2个,分别安装于齿轮箱输入轴连接处和齿轮箱输出轴连接处;
所述数据采集单元采用模块化方式组建,电连接所述接近传感器、振动传感器和主控制单元,数据采集单元通过贝塞尔低通滤波、中值滑动平均双重滤波实现键相检测信号的异常数据剔除,完成振动信号和键相检测信号的模拟数字转换并将其传至主控制单元;
所述主控制单元电连接所述人机交互***,主控制单元以获得的齿轮输入轴和输出轴转速为基准,对振动信号进行频谱转换和分析,获取齿轮的功率谱、包络谱和时域同步均值并送入振动故障诊断模型,获得振动诊断值;
所述人机交互***获得主控单元的处理结果并将结果以图形化的形式展示给操作人员,当齿轮箱发生故障时,进行预警提示现场操作人员,并发送警示信息至远程相关人员。
优选地,所述接近传感器通过支架固定在齿轮箱输入轴和输出轴的键相位置。
优选地,所述数据采集单元包括振动采集模块和速度采集模块,振动传感器收集的振动信号送入振动采集模块,接近传感器收集的键相检测信号送入速度采集模块。
优选地,数据采集单元使用切比雪夫滤波器对键相检测信号进行滤波。
优选地,主控制单元根据数据采集单元获得振动信号,结合输入轴和输出轴的转速,采用时域同步均值法对时域信号滤波,获得齿轮输入轴和输出轴的转频、输入轴和输出的轴啮合频率,与齿轮箱理论值相比较,作为齿轮箱是否异常的指标中的一项。
优选地,主控制单元对获得的振动信号进行时频转换,采用短时傅里叶变换,获得输入轴和输出轴的振动信号频率信息,包括功率谱、功率倒谱、包络谱三种振动分析中的常用频率分析值,观察齿轮输入轴和输出轴的频率成分及幅度变化情况,作为齿轮箱是否异常的指标中的一项,同时作为齿轮故障定位的样本数据。
优选地,所述振动故障诊断模型以RBF径向基神经网络构建,将时域同步均值、功率谱、功率倒谱、包络谱四种特征向量组成特征向量组,送入训练完成的振动故障诊断模型,对故障进行诊断;若发生故障误诊断,则触发模型自训练,利用故障样本数据,对模型训练升级,实现模型的在线训练学习。
优选地,所述人机交互***通过参数交互方式实现***管理、参数设置存储及查询、报表输出和模型管理。
优选地,所述键相位置的键相检测信号采用中值滤波和切比雪夫滤波法进行滤波,在固定时间内对滤波后的数据进行判断,若到达键相位置,更新计数值,未到达则重复检测;
到达设定时间时更新速度值,若齿轮箱速度未稳定,则重复上述检测,以保证齿轮箱速度稳定,齿轮箱速度稳定时,采集振动信号滤波后,获得振动原始数据。
优选地,所述主控制单元以键相检测信号作为振动值取值长度的依据。
与现有技术相比,本发明通过稳定速度作为振动采集起始信号,满足了振动频谱分析中稳态信号的处理要求,使频谱分析结果更加准确;RBF振动神经网络模型,能够实现齿轮故障的早期判断,且模型具有在线自学***稳状态,使后续的频谱分析结果更加准确。
附图说明
图1是本发明***的结构图;
图2为数据采集单元的数据处理流程图;
图3为主控制单元的处理流程图;
附图标记包括:1-输入轴;2-接近传感器;3-振动传感器;4-齿轮箱;5-输出轴;6-数据采集单元。
具体实施方式
下面结合具体实施方式对本发明作进一步详细说明:
一种齿轮箱4故障缺陷检测***,包括齿轮箱输入轴1、接近传感器2、振动传感器3、齿轮箱输出轴5、数据采集单元6、主控制单元和人机交互***;
所述振动传感器3用于获取振动信号,共设有4个,分别安装在齿轮箱输入轴1的水平和垂直方向、齿轮箱输出轴5的水平和垂直方向;所述接近传感器2用于获取键相检测信号,实现齿轮输入轴1和输出轴5的转速获取,共设有2个,分别安装于齿轮箱输入轴1连接处和齿轮箱输出轴5连接处;
所述数据采集单元6采用模块化方式组建,电连接所述接近传感器2、振动传感器3和主控制单元,数据采集单元6通过贝塞尔低通滤波、中值滑动平均双重滤波实现键相检测信号的异常数据剔除,完成振动信号和键相检测信号的模拟数字转换并将其传至主控制单元;
所述主控制单元电连接所述人机交互***,主控制单元以获得的齿轮输入轴1和输出轴5转速为基准,对振动信号进行频谱转换和分析,获取齿轮的功率谱、包络谱和时域同步均值并送入振动故障诊断模型,获得振动诊断值;
所述人机交互***获得主控单元的处理结果并将结果以图形化的形式展示给操作人员,当齿轮箱4发生故障时,进行预警提示现场操作人员,并发送警示信息至远程相关人员。
优选地,所述接近传感器2通过支架固定在齿轮箱输入轴1和输出轴5的键相位置,距离键位置1mm。
优选地,所述数据采集单元6包括振动采集模块和速度采集模块,振动传感器3收集的振动信号送入振动采集模块,接近传感器2收集的键相检测信号送入速度采集模块。
优选地,数据采集单元6使用切比雪夫滤波器对键相检测信号进行滤波。
优选地,主控制单元根据数据采集单元6获得振动信号,结合输入轴1和输出轴5的转速,采用时域同步均值法对时域信号滤波,获得齿轮输入轴1和输出轴5的转频、输入轴1和输出的轴啮合频率,与齿轮箱4理论值相比较,作为齿轮箱4是否异常的指标中的一项。
优选地,主控制单元对获得的振动信号进行时频转换,采用短时傅里叶变换,获得输入轴1和输出轴5的振动信号频率信息,包括功率谱、功率倒谱、包络谱三种振动分析中的常用频率分析值,观察齿轮输入轴1和输出轴5的频率成分及幅度变化情况,作为齿轮箱4是否异常的指标中的一项,同时作为齿轮故障定位的样本数据。
优选地,所述振动故障诊断模型以RBF径向基神经网络构建,将时域同步均值、功率谱、功率倒谱、包络谱四种特征向量组成特征向量组,送入训练完成的振动故障诊断模型,对故障进行诊断;若发生故障误诊断,则触发模型自训练,利用故障样本数据,对模型训练升级,实现模型的在线训练学习。
优选地,所述人机交互***通过参数交互方式实现***管理、参数设置存储及查询、报表输出和模型管理。
优选地,所述键相位置的键相检测信号采用中值滤波和切比雪夫滤波法进行滤波,在固定时间内对滤波后的数据进行判断,若到达键相位置,更新计数值,未到达则重复检测;
到达设定时间时更新速度值,若齿轮箱4速度未稳定,则重复上述检测,以保证齿轮箱4速度稳定,齿轮箱4速度稳定时,采集振动信号滤波后,获得振动原始数据。
优选地,所述主控制单元以键相检测信号作为振动值取值长度的依据。
本发明对振动信号的获取与常规方案相同,采用振动加速度传感器采集齿轮振动信号,只是增加了振动采集方向、振动检测点位,在此不做说明。但齿轮箱4振动信号中包含了各级齿轮的振动及机器中其他振源的响应,同时机器启动、停止造成信号瞬时变换,利用此种数据进行频谱分析,结果误差大,振动诊断效果不理想。因此,本文的数据采集单元6对上述情况进行了改进设计。利用接近传感器2检测输入轴1、输出轴5键相位置,实现对齿轮箱输入轴1、输出轴5的转速精确检测,切比雪夫滤波器阻带衰减快,虽通带内抖动但不会影响键相平稳时的转速检测,因此选择切比雪夫滤波器实现对转速信号滤波。经过滤波处理后转速信号,能够作为振动信号采集的启动信号,实现对机组稳定运行时的振动信号采集。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (10)
1.一种齿轮箱故障缺陷检测***,其特征在于,包括齿轮箱输入轴、接近传感器、振动传感器、齿轮箱输出轴、数据采集单元、主控制单元和人机交互***;
所述振动传感器用于获取振动信号,共设有4个,分别安装在齿轮箱输入轴的水平和垂直方向、齿轮箱输出轴的水平和垂直方向;所述接近传感器用于获取键相检测信号,实现齿轮输入轴和输出轴的转速获取,共设有2个,分别安装于齿轮箱输入轴连接处和齿轮箱输出轴连接处;
所述数据采集单元采用模块化方式组建,电连接所述接近传感器、振动传感器和主控制单元,数据采集单元通过贝塞尔低通滤波、中值滑动平均双重滤波实现键相检测信号的异常数据剔除,完成振动信号和键相检测信号的模拟数字转换并将其传至主控制单元;
所述主控制单元电连接所述人机交互***,主控制单元以获得的齿轮输入轴和输出轴转速为基准,对振动信号进行频谱转换和分析,获取齿轮的功率谱、包络谱和时域同步均值并送入振动故障诊断模型,获得振动诊断值;
所述人机交互***获得主控单元的处理结果并将结果以图形化的形式展示给操作人员,当齿轮箱发生故障时,进行预警提示现场操作人员,并发送警示信息至远程相关人员。
2.根据权利要求1所述的齿轮箱故障缺陷检测***,其特征在于,所述接近传感器通过支架固定在齿轮箱输入轴和输出轴的键相位置。
3.根据权利要求1所述的齿轮箱故障缺陷检测***,其特征在于,所述数据采集单元包括振动采集模块和速度采集模块,振动传感器收集的振动信号送入振动采集模块,接近传感器收集的键相检测信号送入速度采集模块。
4.根据权利要求1所述的齿轮箱故障缺陷检测***,其特征在于,数据采集单元使用切比雪夫滤波器对键相检测信号进行滤波。
5.根据权利要求1所述的齿轮箱故障缺陷检测***,其特征在于,主控制单元根据数据采集单元获得振动信号,结合输入轴和输出轴的转速,采用时域同步均值法对时域信号滤波,获得齿轮输入轴和输出轴的转频、输入轴和输出的轴啮合频率,与齿轮箱理论值相比较,作为齿轮箱是否异常的指标中的一项。
6.根据权利要求1所述的齿轮箱故障缺陷检测***,其特征在于,主控制单元对获得的振动信号进行时频转换,采用短时傅里叶变换,获得输入轴和输出轴的振动信号频率信息,包括功率谱、功率倒谱、包络谱三种振动分析中的常用频率分析值,观察齿轮输入轴和输出轴的频率成分及幅度变化情况,作为齿轮箱是否异常的指标中的一项,同时作为齿轮故障定位的样本数据。
7.根据权利要求1所述的齿轮箱故障缺陷检测***,其特征在于,所述振动故障诊断模型以RBF径向基神经网络构建,将时域同步均值、功率谱、功率倒谱、包络谱四种特征向量组成特征向量组,送入训练完成的振动故障诊断模型,对故障进行诊断;若发生故障误诊断,则触发模型自训练,利用故障样本数据,对模型训练升级,实现模型的在线训练学习。
8.根据权利要求1所述的齿轮箱故障缺陷检测***,其特征在于,所述人机交互***通过参数交互方式实现***管理、参数设置存储及查询、报表输出和模型管理。
9.根据权利要求1所述的齿轮箱故障缺陷检测***,其特征在于,所述键相位置的键相检测信号采用中值滤波和切比雪夫滤波法进行滤波,在固定时间内对滤波后的数据进行判断,若到达键相位置,更新计数值,未到达则重复检测;
到达设定时间时更新速度值,若齿轮箱速度未稳定,则重复上述检测,以保证齿轮箱速度稳定;
齿轮箱速度稳定时,采集振动信号滤波后,获得振动原始数据。
10.根据权利要求1所述的齿轮箱故障缺陷检测***,其特征在于,所述主控制单元以键相检测信号作为振动值取值长度的依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111561876.XA CN114371001B (zh) | 2021-12-17 | 2021-12-17 | 一种齿轮箱故障缺陷检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111561876.XA CN114371001B (zh) | 2021-12-17 | 2021-12-17 | 一种齿轮箱故障缺陷检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114371001A true CN114371001A (zh) | 2022-04-19 |
CN114371001B CN114371001B (zh) | 2024-05-31 |
Family
ID=81139738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111561876.XA Active CN114371001B (zh) | 2021-12-17 | 2021-12-17 | 一种齿轮箱故障缺陷检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114371001B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115539428A (zh) * | 2022-11-01 | 2022-12-30 | 南京天正工业智能科技研究院有限公司 | 一种空压机高速齿轮箱振动信号收集及故障诊断方法 |
CN116572502A (zh) * | 2023-07-12 | 2023-08-11 | 天津联维乙烯工程有限公司 | 造粒机组检测装置 |
WO2024074084A1 (zh) * | 2022-10-08 | 2024-04-11 | 中国航发商用航空发动机有限责任公司 | 齿轮箱的故障诊断方法、***、设备及介质 |
WO2024088129A1 (zh) * | 2022-10-24 | 2024-05-02 | 蔚来动力科技(合肥)有限公司 | 电驱动***的异常检测 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011060424A1 (en) * | 2009-11-16 | 2011-05-19 | Nrg Systems, Inc. | Data acquisition system for condition-based maintenance |
CN102155984A (zh) * | 2010-12-30 | 2011-08-17 | 北京四方继保自动化股份有限公司 | 一种风机通用振动信号测量*** |
CN103313653A (zh) * | 2011-01-20 | 2013-09-18 | 唯听助听器公司 | 具有电极验证的个人eeg监测装置 |
CN203881539U (zh) * | 2014-04-01 | 2014-10-15 | 吉林大学 | 一种风电机组状态监测与故障诊断装置 |
CN203881534U (zh) * | 2014-04-01 | 2014-10-15 | 吉林大学 | 一种风机齿轮箱故障诊断*** |
CN111006758A (zh) * | 2019-12-11 | 2020-04-14 | 东方电气风电有限公司 | 一种风力发电机组稳态振动在线趋势预测方法及趋势预测*** |
CN111006757A (zh) * | 2019-12-11 | 2020-04-14 | 东方电气风电有限公司 | 一种风力发电机组稳态振动在线监测方法及监测*** |
CN111323219A (zh) * | 2020-01-07 | 2020-06-23 | 中国人民解放军国防科技大学 | 利用振动信号对行星齿轮箱损伤进行早期检测的方法 |
CN112861389A (zh) * | 2019-11-27 | 2021-05-28 | 中车株洲电力机车研究所有限公司 | 风电齿轮箱振动监测位置优化方法、***、介质及设备 |
-
2021
- 2021-12-17 CN CN202111561876.XA patent/CN114371001B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011060424A1 (en) * | 2009-11-16 | 2011-05-19 | Nrg Systems, Inc. | Data acquisition system for condition-based maintenance |
CN102155984A (zh) * | 2010-12-30 | 2011-08-17 | 北京四方继保自动化股份有限公司 | 一种风机通用振动信号测量*** |
CN103313653A (zh) * | 2011-01-20 | 2013-09-18 | 唯听助听器公司 | 具有电极验证的个人eeg监测装置 |
CN203881539U (zh) * | 2014-04-01 | 2014-10-15 | 吉林大学 | 一种风电机组状态监测与故障诊断装置 |
CN203881534U (zh) * | 2014-04-01 | 2014-10-15 | 吉林大学 | 一种风机齿轮箱故障诊断*** |
CN112861389A (zh) * | 2019-11-27 | 2021-05-28 | 中车株洲电力机车研究所有限公司 | 风电齿轮箱振动监测位置优化方法、***、介质及设备 |
CN111006758A (zh) * | 2019-12-11 | 2020-04-14 | 东方电气风电有限公司 | 一种风力发电机组稳态振动在线趋势预测方法及趋势预测*** |
CN111006757A (zh) * | 2019-12-11 | 2020-04-14 | 东方电气风电有限公司 | 一种风力发电机组稳态振动在线监测方法及监测*** |
CN111323219A (zh) * | 2020-01-07 | 2020-06-23 | 中国人民解放军国防科技大学 | 利用振动信号对行星齿轮箱损伤进行早期检测的方法 |
Non-Patent Citations (3)
Title |
---|
YIMIN SHAO 等: "A New Fault Diagnosis Algorithm for Helical Gears Rotating at Low Speed using an Optical encoder", ELSEVIER, 5 July 2016 (2016-07-05), pages 1 - 21 * |
段礼祥 等: "基于不同工况下辅助数据集的齿轮箱故障诊断", 振动与冲击, vol. 36, no. 10, 31 December 2017 (2017-12-31), pages 104 - 108 * |
谢骏遥 等: "迁移因子分析在齿轮箱变工况故障诊断中的应用", 电子测量与仪器学报, vol. 30, no. 4, 30 April 2016 (2016-04-30), pages 534 - 541 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024074084A1 (zh) * | 2022-10-08 | 2024-04-11 | 中国航发商用航空发动机有限责任公司 | 齿轮箱的故障诊断方法、***、设备及介质 |
WO2024088129A1 (zh) * | 2022-10-24 | 2024-05-02 | 蔚来动力科技(合肥)有限公司 | 电驱动***的异常检测 |
CN115539428A (zh) * | 2022-11-01 | 2022-12-30 | 南京天正工业智能科技研究院有限公司 | 一种空压机高速齿轮箱振动信号收集及故障诊断方法 |
CN116572502A (zh) * | 2023-07-12 | 2023-08-11 | 天津联维乙烯工程有限公司 | 造粒机组检测装置 |
CN116572502B (zh) * | 2023-07-12 | 2023-09-19 | 天津联维乙烯工程有限公司 | 造粒机组检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114371001B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114371001B (zh) | 一种齿轮箱故障缺陷检测*** | |
CN201666248U (zh) | 一种天然气压缩机状态检测及故障预报*** | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
CN103969046B (zh) | 一种与轮对轴承磨合机联用的轴承声学诊断***和方法 | |
CN103439109B (zh) | 一种风力发电机组传动***故障预警的方法 | |
CN104048825B (zh) | 一种多传感器融合的风电机组齿轮箱故障定位方法 | |
CN203414278U (zh) | 一种水电机组振动异常状态实时检测*** | |
CN110779716A (zh) | 嵌入式机械故障智能诊断设备及诊断方法 | |
CN104977047A (zh) | 基于振动和油液的风电机组在线状态监测与健康评估***及方法 | |
CN106199397A (zh) | 一种有载分接开关机械故障在线监测方法 | |
CN101858778A (zh) | 基于振动监测的风力发电机组故障自动诊断方法 | |
CN110044610B (zh) | 齿轮故障诊断方法 | |
CN103884502A (zh) | 一种变转速下风力发电机行星齿轮***故障诊断方法 | |
CN111504645B (zh) | 一种基于频域多点峭度的滚动轴承故障诊断方法 | |
CN110469462A (zh) | 一种基于多模板的风电机组智能状态监测*** | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN104564542B (zh) | 一种基于大数据技术的故障诊断***及其诊断方法 | |
CN104198186A (zh) | 基于小波包与谱峭度结合的齿轮故障诊断方法及装置 | |
CN202732337U (zh) | 齿轮油泵齿面磨损故障诊断装置 | |
CN105509805A (zh) | 风力发电机组多功能数据采集*** | |
CN107588802A (zh) | 基于光纤传感器的起重装备减速机振动监测***与方法 | |
CN113740063B (zh) | 列车轴承监控预警方法及*** | |
CN111157244A (zh) | 一种高速列车齿轮箱传动***轴承故障检测方法 | |
CN112284720B (zh) | 基于声学测试的航空发动机中央传动锥齿轮故障诊断方法 | |
CN112098065B (zh) | 一种设备运行状态的诊断方法、存储介质及终端 |
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 |