一种基于加窗差分健康指标的滚动轴承早期异常检测方法

    公开(公告)号:CN116383750A

    公开(公告)日:2023-07-04

    申请号:CN202310379055.7

    申请日:2023-04-11

    Abstract: 本发明属于早期异常检测技术领域,公开了一种基于加窗差分健康指标的滚动轴承早期异常检测方法。其包括如下几个步骤:提取滚动轴承振动信号时域、时‑频域特征参数;基于特征参数构建马氏参考空间;计算滚动轴承样本空间马氏距离;基于累积和方法处理马氏距离以得到更具单调性与稳定性的健康指标;基于加窗差分健康指标方法,对健康指标进行加窗差分运算,结合给定的阈值,最终实现滚动轴承的早期异常检测。本发明能够有效滤除健康指标中因随机噪声干扰产生的异常信息,实现滚动轴承早期异常点的合理有效识别,有助于减少由误报警造成的设备多次停机。

    一种非接触式叶片振动测试试验台

    公开(公告)号:CN115876415A

    公开(公告)日:2023-03-31

    申请号:CN202211621196.7

    申请日:2022-12-16

    Abstract: 本发明属于机械零部件振动监测领域,提出一种非接触式叶片振动测试试验台。采用高压气流或磁铁作为激励载荷对叶片进行同步或异步激振,可自由调节叶尖距离并通过光纤式传感器对叶片振动情况实现非接触测试。具体为通过电机带动叶片旋转或使套在螺栓上的磁铁对叶片实现同步激励,通过电机带动喷嘴旋转,喷嘴喷出高速气体对叶片实现同步激励或异步激励,同时可以通过调整碰摩块的位置实现叶片的碰摩实验。本装置可以方便地对叶盘装置进行同步激励和异步激励为叶盘结构的振动特性试验研究和叶片碰摩实验研究提供有力支撑,方便用于为航空发动机整体叶盘的振动测试。

    大型叶轮铣削过程中的振动主动抑制装置及其方法

    公开(公告)号:CN115255463A

    公开(公告)日:2022-11-01

    申请号:CN202210721883.X

    申请日:2022-06-24

    Abstract: 本发明属于机械制造技术领域,提出了一种大型叶轮铣削过程中的振动主动抑制装置及其方法,该装置选用杠杆系统将气囊压强测量问题转化为导杆位移测量问题,同时利用杠杆系统放大功能显著提高压强测量精度,通过小量程位移传感器实现对加工过程中的振动高精度识别,依靠高精度电动缸不断地对气囊进行充气或排气,使气囊维持在恒定的压强状态,为加工过程中叶轮提供有效支撑,显著降低加工振动,提高加工质量和效率。本发明采用气压传动方式,运动平稳保证了测试过程中无额外振动干扰,同时该装置结构灵巧、布局合理、适应性强、寿命长、测量精度高,解决了大型叶轮加工振动难以有效抑制的问题,具有良好的经济性和推广价值。

    一种基于叶端定时欠采样信号特性的叶片同步共振频率恢复方法

    公开(公告)号:CN114111997A

    公开(公告)日:2022-03-01

    申请号:CN202111385292.1

    申请日:2021-11-22

    Abstract: 一种基于叶端定时欠采样信号特性的叶片同步共振频率恢复方法,步骤如下:1)随机布局安装叶端定时传感器,获取叶端定时信号的振动位移,对每个通道进行离散傅里叶变换形成低维矩阵;2)测量叶端定时传感器之间的相对角度,设置满足奈奎斯特采样定理需要安装的传感器个数,计算每个叶端定时传感器对应的位置参数;3)计算低维矩阵的补偿矩阵以及参数化的压缩矩阵,构成多个列向量的欠定方程组;4)迭代求解过程中选择多个原子计算最小二乘解的稀疏估计值,获得重构的高维矩阵;5)将高维矩阵的行向量按照顺序首尾相连为恢复的频谱值,获得叶片振动的恢复频率。通过与迭代过程选个单原子的方法相比,本发明恢复叶片振动频率的准确性更高。

    基于大数据分析的离心压缩机旋转失速早期预警方法

    公开(公告)号:CN113869266A

    公开(公告)日:2021-12-31

    申请号:CN202111187895.0

    申请日:2021-10-12

    Abstract: 本发明提供一种基于大数据分析的离心压缩机旋转失速早期预警方法,通过采集离心压缩机实时运行参数信息并进行信号预处理,采用堆栈稀疏降噪自编码神经网络,同时通过添加不同强度的高斯白噪声,提取信号深层特征信息,并在神经网络的最末层添加Softmax分类器,对不同转速下的流量进行识别,确定发生旋转失速的临界流量值,实现离心压缩机不同转速下旋转失速早期状态预警。根据状态识别与预测结果,实现对工程中海量离心压缩机数据的处理,为工程应用奠定基础。本发明可实时监控离心压缩机的运行状态,为企业提供离心压缩机智能运维管理决策,提高设备的运行效率,实现企业利益最大化。

    一种基于叶尖定时技术高精度的旋转叶片振动测量方法

    公开(公告)号:CN111579060B

    公开(公告)日:2021-09-24

    申请号:CN202010596365.0

    申请日:2020-06-28

    Abstract: 本发明提供了一种基于叶尖定时技术高精度的旋转叶片振动测量方法,属于旋转机械无键相叶片振动监测技术领域。该方法考虑转速波动引起的测量误差,有效的提高了叶片振动的测量精度。主要包括以下步骤:首先,在叶片转子低速运行的条件下,对叶片的相位角进行标定;然后,在实验台上进行叶片振动测量实验,将测量的数据按叶片数进行分组。取部分数据重复第一步,识别定时传感器测量的叶片位置的顺序,利用最小二乘法二次项拟合实测的定时数据得到叶尖到达传感器的理论时间,从而进一步计算叶片的振动;最后,对叶片振动的计算结果进行后处理,包括同步振动参数识别和频谱分析。通过与传统键相法的计算结果进行对比,本发明的计算结果的精度更高。

    一种移动直线拟合的无键相叶尖定时测振方法

    公开(公告)号:CN112880811A

    公开(公告)日:2021-06-01

    申请号:CN202110056464.4

    申请日:2021-01-15

    Abstract: 本发明提供了一种移动直线拟合的无键相叶尖定时测振方法,属于旋转机械无键相叶片振动测量技术领域。本发明包括以下步骤:首先,在标定工况下,随机选择一组数据得到相邻叶片的夹角并建立叶片的标准顺序;然后,在标定工况下,标定各通道测量的相邻叶片的夹角和识别各通道测量的叶片顺序;最后,在实验工况下,先对各通道测量的叶片顺序进行识别,再利用移动直线拟合的方法得到计算每个叶片振动的最优参考时间,从而进一步计算叶片的振动位移。通过与有键相法的计算结果对比,本发明完全可以替代有键相法进行叶片振动测量,而且测量精度更高。

    一种基于APEWT和IMOMEDA的行星齿轮箱早期故障诊断方法

    公开(公告)号:CN111623982B

    公开(公告)日:2021-03-26

    申请号:CN202010541496.9

    申请日:2020-06-15

    Abstract: 本发明提供一种基于APEWT和IMOMEDA的行星齿轮箱早期故障诊断方法。首先,计算行星齿轮箱故障振动信号的离散尺度空间谱,在尺度空间谱上自适应确定频段划分边界;然后,采用APEWT将故障信号自动分解为一系列模态分量,并从中选取敏感分量;其次,采用IMOMEDA对敏感分量进行解卷积处理,并对解卷积后的分量进行波形延伸得到提升信号;最后,从提升信号的包络谱中提取故障特征频率,并与齿轮箱理论故障特征频率值对比,从而识别故障类型。本发明能够清晰准确地提取出行星齿轮箱早期故障特征信息,不仅解决了EWT中参数无法自适应确定的问题,还解决了MOMEDA存在的严重边缘效应的问题,提高了故障诊断的精确度。

    一种基于快速谱相关的高压循环泵机械信号特征提取方法

    公开(公告)号:CN112364767A

    公开(公告)日:2021-02-12

    申请号:CN202011252309.1

    申请日:2020-11-11

    Inventor: 李宏坤 殷庆雨

    Abstract: 一种基于快速谱相关的高压循环泵机械信号特征提取方法,属于机械信号处理与特征提取领域。步骤:使用压力脉动传感器和振动加速度传感器采集高压循环泵运行过程中的机械信号;对采集到的信号去直流分量;确定窗函数的大小、类型和循环频率的范围;对去直流分量的信号进行短时傅里叶变换和相位修正的短时傅里叶变换;进一步的计算扫描谱相关并且得到快速谱相关;对快速谱相关归一化得到快速谱相干;然后快速谱相干沿着频率轴积分得到增强包络谱;在增强包络谱中即可提取到高压循环泵机械信号的特征频率。本发明克服了传统信号处理方法不能提取循环平稳类型信号特征频率的缺点,其可以有效的提取高压循环泵的特征频率,计算时间效率高,具有很强大的工程实用性。

    光纤式测扭振法的分度误差抑制方法

    公开(公告)号:CN108444586A

    公开(公告)日:2018-08-24

    申请号:CN201810591791.8

    申请日:2018-05-29

    Inventor: 李宏坤 王思文

    CPC classification number: G01H9/004

    Abstract: 一种光纤式测扭振法的分度误差抑制方法属于扭振信号处理领域,在基于光纤传感器的脉冲时序法的基础上,该方法能够有效减少黑白条纹带分度误差对数据分析结果的影响。包括以下步骤:首先,将扭振数据转化为扭振数据矩阵;通过提取周期性对应点均值的方式,求出基准数据;其次,结合扭振数据与基准数据提取出更能反映扭振信息的扭振特征数据;之后,对扭振特征数据进行高通滤波,削弱与本实验无关的低频外部振动噪声,提高信噪比;最后,对滤波后的扭振特征数据进行FFT频谱分析,得出扭振频率。本发明能有效地削弱黑白条纹带拉伸变形及首尾不能精准衔接等分度误差对数据分析结果的影响,增大其适用范围。

Patent Agency Ranking