[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115615684B - 一种基于轴心轨迹形变监测的泵轴健康检测方法 - Google Patents

一种基于轴心轨迹形变监测的泵轴健康检测方法 Download PDF

Info

Publication number
CN115615684B
CN115615684B CN202211392643.6A CN202211392643A CN115615684B CN 115615684 B CN115615684 B CN 115615684B CN 202211392643 A CN202211392643 A CN 202211392643A CN 115615684 B CN115615684 B CN 115615684B
Authority
CN
China
Prior art keywords
shaft
pump
displacement data
axle center
track
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
Application number
CN202211392643.6A
Other languages
English (en)
Other versions
CN115615684A (zh
Inventor
王大林
李旭
王磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hechen Ziyi Jiaxing Technology Co ltd
Original Assignee
Hechen Ziyi Jiaxing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hechen Ziyi Jiaxing Technology Co ltd filed Critical Hechen Ziyi Jiaxing Technology Co ltd
Priority to CN202211392643.6A priority Critical patent/CN115615684B/zh
Publication of CN115615684A publication Critical patent/CN115615684A/zh
Application granted granted Critical
Publication of CN115615684B publication Critical patent/CN115615684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B51/00—Testing machines, pumps, or pumping installations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Non-Positive-Displacement Pumps (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

本发明公开了一种基于轴心轨迹形变监测的泵轴健康检测方法，首先采集泵运行的轴振动位移数据，并基于位移数据确定轴心轨迹和轴心位置信息，从而确定轴心轨迹角度分布特征，之后将将轴心轨迹角度分布特征与稳定工况下标定的轴心轨迹角度分布特征基准进行比较，并确定其相似度，最后将相似度与设定的阈值进行比较，基于比较结果进行泵轴健康与否的判断。本发明的技术方案基于泵轴轴心轨迹的形状变化对泵轴健康进行检测，无须依赖基于人工经验来确定泵的轴心轨迹是否异常，排除了泵的类型、运行环境、运行工况等要素对于轴心轨迹形状的影响，且对于轴心轨迹形状劣变具备高精度和高敏感性，具有一定的推广价值。

Description

一种基于轴心轨迹形变监测的泵轴健康检测方法
技术领域
本发明属于泵轴健康领域，具体涉及一种基于轴心轨迹形变监测的泵轴健康检测方法。
背景技术
现阶段各类泵运行时处于相对稳定的工况时需要对泵的运行情况进行健康，但实际工作过程中，泵的运行环境复杂，因此无法进行人为实时监控。
然而泵一旦出现异常问题，会严重影响生产节奏或带来安全隐患，因此实现对泵是否正常运行的实时远程监控就尤为重要；泵体内的泵轴由于长期运行会存在磨损或者不对中等问题，影响泵的运行效率，增加能耗，因此需要对泵轴的运行状态进行监控，并且在泵轴状态与正常状态发生偏离时给出健康预警，能够及早的反应和处理问题，降低运行风险和潜在维护成本。
发明内容
本发明提出一种基于轴心轨迹形变监测的泵轴健康检测方法，可以实时识别泵轴的运行状态，作为泵运行维护的重要参考依据。
本发明的第一个方面是提供一种基于轴心轨迹形变监测的泵轴健康检测方法，包括以下步骤：
采集泵运行的轴振动位移数据；
基于位移数据确定轴心轨迹和轴心位置信息；
基于轴心信息确定轴心轨迹角度分布特征；
将轴心轨迹角度分布特征与稳定工况下标定的轴心轨迹角度分布特征基准进行比较，并确定其相似度；
将相似度与设定的阈值进行比较，基于比较结果进行泵轴健康与否的判断。
作为一种实施方式，所述确定轴心轨迹和轴心位置信息的过程为：
采集α个轴转动周期内的泵轴振动位移数据，将采集的轴振动位移数据进行滤波，得到滤波后的轴振动位移数据Vx和Vy，其中Vx表示X方向位移数据，Vy表示Y方向位移数据；
根据α个轴转动周期内Vx和Vy的平均值Ox和Oy，确定泵轴轴心：（Ox，Oy）。
作为一种实施方式，所述的确定轴心轨迹角度分布特征的过程为：
以确定的轴心位置为原点，将α个轴转动周期内的滤波后的轴振动位移数据均分为m个方向区间，统计每个方向区间内振动轨迹点距离原点的距离的分布直方图作为轴心轨迹角度分布特征，得到共m个距离分布直方图。
作为一种实施方式，所述m个方向区间的确定方式为：
将数据从0至
Figure 686207DEST_PATH_IMAGE001
均分为α个区间；
其中，
Figure 670212DEST_PATH_IMAGE002
和
Figure 279048DEST_PATH_IMAGE003
分别为泵轴振动数据Vx和Vy的最大值。
作为一种实施方式，所述将轴心轨迹角度分布特征与稳定工况下标定的轴心轨迹角度分布特征基准进行比较的过程为：
首先获取稳定工况下标定的轴心轨迹角度分布特征基准的m个距离分布直方图；
并对实时的轴心轨迹角度分布特征的m个距离分布直方图和征基准的m个距离分布直方图进行归一化处理，得到归一化后的两组直方图：
H1=（h11,h12,...,h1m）
H2=(h21,h22,...,h2m)
hnm=（hnm(1),hnm(2),...,hnm(i),...,h11(α)）
其中，h1m和h2m均表示为一个直方图，hnm(i)为第i个直方图分布区间的频率；
确定归一化后的两组直方图之间的相似度，确定实时轴心轨迹角度分布特征与稳定工况下标定的轴心轨迹角度分布特征之间的轴心轨迹相似度。
作为一种实施方式，所述稳定工况下标定的轴心轨迹角度分布特征基准的m个距离分布直方图的获取过程为：
将泵启动后至平稳运行后，每小时流量波动不超过一定波动比例时，从此时取α个轴转动周期内的泵轴振动位移数据，并进行滤波，得到滤波后的轴振动位移数据；
根据轴振动位移数据的X方向位移数据和Y方向位移数据的平均值确定此时的泵轴轴心；
以确定的轴心位置为原点，将滤波后的轴振动位移数据均分为m个方向区间，统计每个方向区间内振动轨迹点距离原点的距离的分布直方图作为轴心轨迹角度分布特征，得到共m个距离分布直方图，此m个距离分布直方图即为稳定工况下标定的轴心轨迹角度分布特征基准。
作为一种实施方式，所述轴心轨迹相似度的确定过程为：
得到m维的相似度向量S =（s1,s2,...,sm）：
Figure 452540DEST_PATH_IMAGE004
作为一种实施方式，所述基于比较结果进行泵轴健康与否的判断，具体为：
当轴心轨迹相似度低于设定的阈值时，即表示轴心轨迹的形状与泵平稳运行状态时的轴心轨迹发生较大的变化，在工况不变的情况下，泵轴可能出现潜在风险。
作为一种实施方式，所述阈值设定的过程为：
将泵初期平稳运行后的前β个泵轴轴心轨迹分布特征与基准相似度的6-sigma下限作为报警阈值
Figure 400905DEST_PATH_IMAGE005
；
Figure 368861DEST_PATH_IMAGE006
其中，
Figure 156338DEST_PATH_IMAGE007
为前β个泵轴轴心轨迹分布特征与基准相似度的均值，
Figure 867942DEST_PATH_IMAGE008
为前β个泵轴轴心轨迹分布特征与基准相似度的标准差。
本发明与现有技术相比，其显著优点和有益效果在于：
（1）本发明的泵轴健康检测从轴心轨迹的形状变化出发，采用区间统计和相似度分析的方法，无须依赖基于专家经验来确定泵的轴心轨迹是否异常，排除了泵的类型、运行环境、运行工况等要素对于轴心轨迹形状的影响，且对于轴心轨迹形状劣变具备高精度和高敏感性；
（2）本发明的技术方案根据泵运行后的稳定工况下的运行情况，可以自适应的调整泵轴的轴心轨迹运行参考标准，实现泵轴的健康检测的自动优化。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明的基于轴心轨迹形变监测的泵轴健康检测方法步骤流程图。
图2为本发明的实施例中确定的轴心轨迹和轴心位置示意图。
图3为本发明的实施例中确定的轴心轨迹点和分布区间示意图。
图4为本发明的实施例中的轴心轨迹角度分布直方图。
图5为本发明的实施例中确定的稳定工况下标定的轴心轨迹角度分布特征基准分布直方图。
具体实施方式
容易理解，依据本发明的技术方案，在不变更本发明的实质精神的情况下，本领域的一般技术人员可以想象出本发明的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。相反，提供这些实施例的目的是为了使本领域的技术人员更透彻地理解本发明。下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的创新构思。
实施例
结合图1，一种基于轴心轨迹形变监测的泵轴健康检测方法，包括以下步骤：
采集泵运行的轴振动位移数据；
基于位移数据确定轴心轨迹和轴心位置信息；
基于轴心信息确定轴心轨迹角度分布特征；
将轴心轨迹角度分布特征与稳定工况下标定的轴心轨迹角度分布特征基准进行比较，并确定其相似度；
将相似度与设定的阈值进行比较，基于比较结果进行泵轴健康与否的判断。
所述确定轴心轨迹和轴心位置信息的过程为：
记采样频率fs （Hz），轴转速n（转/分钟），采集100个轴转动周期内的泵轴振动位移数据，选择适当的滤波器，将采集的轴振动位移数据进行滤波，本实施例中采用低通滤波对数据进行滤波处理，得到滤波后的轴振动位移数据Vx和Vy，其中Vx表示X方向位移数据，Vy表示Y方向位移数据；
根据100个轴转动周期内Vx和Vy的平均值Ox和Oy，确定泵轴轴心：（Ox，Oy），本实施例中确定的轴心轨迹和轴心位置如图2所示；
所述的确定轴心轨迹角度分布特征的过程为：
结合图3和图4，以确定的轴心位置为原点，将100个轴转动周期内的滤波后的轴振动位移数据均分为m个方向区间，统计每个方向区间内振动轨迹点距离原点的距离的分布直方图作为轴心轨迹角度分布特征，得到共m个距离分布直方图。
所述m个方向区间的确定方式为：
将数据从0至
Figure 670813DEST_PATH_IMAGE001
均分为100个区间；
其中，
Figure 809670DEST_PATH_IMAGE002
和
Figure 580049DEST_PATH_IMAGE003
分别为泵轴振动数据Vx和Vy的最大值。
所述将轴心轨迹角度分布特征与稳定工况下标定的轴心轨迹角度分布特征基准进行比较的过程为：
首先获取稳定工况下标定的轴心轨迹角度分布特征基准的m个距离分布直方图；
并对实时的轴心轨迹角度分布特征的m个距离分布直方图和征基准的m个距离分布直方图进行归一化处理，得到归一化后的两组直方图：
H1=（h11,h12,...,h1m）
H2=(h21,h22,...,h2m)
hnm=（hnm(1),hnm(2),...,hnm(i),...,h11(α)）
其中，h1m和h2m均表示为一个直方图，hnm(i)为第i个直方图分布区间的频率，归一化后整个直方图的面积为1。
确定归一化后的两组直方图之间的相似度，确定实时轴心轨迹角度分布特征与稳定工况下标定的轴心轨迹角度分布特征之间的轴心轨迹相似度。
所述稳定工况下标定的轴心轨迹角度分布特征基准的m个距离分布直方图的获取过程为：
将泵启动后至平稳运行后，每小时流量波动不超过一定波动比例时，从此时取α个轴转动周期内的泵轴振动位移数据，并进行滤波，得到滤波后的轴振动位移数据；
根据轴振动位移数据的X方向位移数据和Y方向位移数据的平均值确定此时的泵轴轴心；
以确定的轴心位置为原点，将滤波后的轴振动位移数据均分为m个方向区间，统计每个方向区间内振动轨迹点距离原点的距离的分布直方图作为轴心轨迹角度分布特征，得到共m个距离分布直方图，此m个距离分布直方图即为稳定工况下标定的轴心轨迹角度分布特征基准，如图5所示。
所述轴心轨迹相似度的确定过程为：
得到m维的相似度向量S =（s1,s2,...,sm）：
Figure 829765DEST_PATH_IMAGE004
所述基于比较结果进行泵轴健康与否的判断，具体为：
当轴心轨迹相似度低于设定的阈值时，即表示轴心轨迹的形状与泵平稳运行状态时的轴心轨迹发生较大的变化，在工况不变的情况下，泵轴可能出现潜在风险。
所述阈值设定的过程为：
将泵初期平稳运行后的前100个泵轴轴心轨迹分布特征与基准相似度的6-sigma下限作为报警阈值
Figure 815038DEST_PATH_IMAGE005
；
Figure 62480DEST_PATH_IMAGE009
其中，
Figure 133204DEST_PATH_IMAGE007
为前100个泵轴轴心轨迹分布特征与基准相似度的均值，
Figure 875026DEST_PATH_IMAGE008
为前100个泵轴轴心轨迹分布特征与基准相似度的标准差。
本发明的泵轴轴心健康检测方法，从轴心轨迹的形状变化的监测入手，采用区间统计和相似度分析的方法，无须依赖基于专家经验来确定泵的轴心轨迹是否异常，排除了泵的类型、运行环境、运行工况等要素对于轴心轨迹形状的影响，且对于轴心轨迹形状劣变具备高精度和高敏感性。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，
任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
应当理解，为了精简本发明并帮助本领域的技术人员理解本发明的各个方面，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时在单个实施例中进行描述，或者参照单个图进行描述。但是，不应将本发明解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
应当理解，可以对本发明的一个实施例的设备中包括的模块、单元、组件等进行自适应性地改变以把它们设置在与该实施例不同的设备中。可以把实施例的设备包括的不同模块、单元或组件组合成一个模块、单元或组件，也可以把它们分成多个子模块、子单元或子组件。
本发明的实施例中的模块、单元或组件可以以硬件方式实现，也可以以一个或者多个处理器上运行的软件方式实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的计算机程序产品或计算机可读介质上。

Claims (5)

1.一种基于轴心轨迹形变检测的泵轴健康检测方法，其特征在于，包括以下步骤：
采集泵运行的轴振动位移数据；
基于位移数据确定轴心轨迹和轴心位置信息，具体为；
采集α个轴转动周期内的泵轴振动位移数据，将采集的轴振动位移数据进行滤波，得到滤波后的轴振动位移数据Vx和Vy，其中Vx表示X方向位移数据，Vy表示Y方向位移数据；
根据α个轴转动周期内Vx和Vy的平均值Ox和Oy，确定泵轴轴心：（Ox，Oy）；
基于轴心信息确定轴心轨迹角度分布特征，具体为：
以确定的轴心位置为原点，将α个轴转动周期内的滤波后的轴振动位移数据均分为m个方向区间，统计每个方向区间内振动轨迹点距离原点的距离的分布直方图作为轴心轨迹角度分布特征，得到共m个距离分布直方图；
所述m个方向区间的确定方式为：
将数据从0至
Figure QLYQS_1
均分为α个区间；
其中，
Figure QLYQS_2
和
Figure QLYQS_3
分别为泵轴振动数据Vx和Vy的最大值；
将轴心轨迹角度分布特征与稳定工况下标定的轴心轨迹角度分布特征基准进行比较，并确定其相似度，具体为：
首先获取稳定工况下标定的轴心轨迹角度分布特征基准的m个距离分布直方图；
并对实时的轴心轨迹角度分布特征的m个距离分布直方图和征基准的m个距离分布直方图进行归一化处理，得到归一化后的两组直方图：
H1=（h11,h12,...,h1m）
H2=(h21,h22,...,h2m)
hnm=（hnm(1),hnm(2),...,hnm(i),...,h11(α)）
其中，h1m和h2m均表示为一个直方图，hnm(i)为第i个直方图分布区间的频率；
确定归一化后的两组直方图之间的相似度，确定实时轴心轨迹角度分布特征与稳定工况下标定的轴心轨迹角度分布特征之间的轴心轨迹相似度；
将相似度与设定的阈值进行比较，基于比较结果进行轴泵健康与否的判断。
2.如权利要求1所述的基于轴心轨迹形变检测的轴泵健康检测方法，其特征在于，所述稳定工况下标定的轴心轨迹角度分布特征基准的m个距离分布直方图的获取过程为：
将泵启动后至平稳运行后，每小时流量波动不超过一定波动比例时，从此时取α个轴转动周期内的泵轴振动位移数据，并进行滤波，得到滤波后的轴振动位移数据；
根据轴振动位移数据的X方向位移数据和Y方向位移数据的平均值确定此时的泵轴轴心；
以确定的轴心位置为原点，将滤波后的轴振动位移数据均分为m个方向区间，统计每个方向区间内振动轨迹点距离原点的距离的分布直方图作为轴心轨迹角度分布特征，得到共m个距离分布直方图，此m个距离分布直方图即为稳定工况下标定的轴心轨迹角度分布特征基准。
3.如权利要求1所述的基于轴心轨迹形变检测的轴泵健康检测方法，其特征在于，所述轴心轨迹相似度的确定过程为：
得到m维的相似度向量S =（s1,s2,...,sm）：
Figure QLYQS_4
Figure QLYQS_5
。
4.如权利要求3所述的基于轴心轨迹形变检测的轴泵健康检测方法，其特征在于，所述基于比较结果进行轴泵健康与否的判断，具体为：
当轴心轨迹相似度低于设定的阈值时，即表示轴心轨迹的形状与泵平稳运行状态时的轴心轨迹发生变化，在工况不变的情况下，泵轴出现潜在风险。
5.如权利要求4所述的基于轴心轨迹形变检测的轴泵健康检测方法，其特征在于，所述阈值设定的过程为：
将泵初期平稳运行后的前β个泵轴轴心轨迹分布特征与基准相似度的6-sigma下限作为报警阈值
Figure QLYQS_6
；
Figure QLYQS_7
其中，
Figure QLYQS_8
为前β个泵轴轴心轨迹分布特征与基准相似度的均值，
Figure QLYQS_9
为前β个泵轴轴心轨迹分布特征与基准相似度的标准差。
CN202211392643.6A 2022-11-08 2022-11-08 一种基于轴心轨迹形变监测的泵轴健康检测方法 Active CN115615684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211392643.6A CN115615684B (zh) 2022-11-08 2022-11-08 一种基于轴心轨迹形变监测的泵轴健康检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211392643.6A CN115615684B (zh) 2022-11-08 2022-11-08 一种基于轴心轨迹形变监测的泵轴健康检测方法

Publications (2)

Publication Number Publication Date
CN115615684A CN115615684A (zh) 2023-01-17
CN115615684B true CN115615684B (zh) 2023-04-07

Family

ID=84879428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211392643.6A Active CN115615684B (zh) 2022-11-08 2022-11-08 一种基于轴心轨迹形变监测的泵轴健康检测方法

Country Status (1)

Country Link
CN (1) CN115615684B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2902879A1 (de) * 1978-05-19 1979-11-22 Neturen Co Ltd Verfahren zum kontinuierlichen beschichten von einzelnen spannbeton- stahlstaeben und vorrichtungen sowie ein system zur durchfuehrung des verfahrens
JPH07200879A (ja) * 1993-12-29 1995-08-04 Yukio Wakabayashi カーソル移動方法および立体図の作図方法
JPH09210693A (ja) * 1996-02-05 1997-08-12 Akai Electric Co Ltd 殻状振動子の振動調整方法
CN103034166A (zh) * 2012-11-26 2013-04-10 北京工业大学 一种机床关键性几何误差源识别方法
CN104483118A (zh) * 2014-12-08 2015-04-01 西安交通大学 基于瞬时频率轴心轨迹的转子动静碰磨故障诊断方法
CN107764557A (zh) * 2017-09-01 2018-03-06 西安陕鼓动力股份有限公司 一种转子‑椭圆瓦轴承非典型工频故障的快速判别方法
CN111709567A (zh) * 2020-06-09 2020-09-25 西安交通大学 基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统
CN111950200A (zh) * 2020-08-11 2020-11-17 哈电发电设备国家工程研究中心有限公司 基于轴心轨迹融合的发电设备故障诊断方法
CN114517758A (zh) * 2022-01-26 2022-05-20 南瑞集团有限公司 一种旋转机械轴心轨迹的改进hu不变矩提取方法及系统
CN114897017A (zh) * 2022-05-09 2022-08-12 浙江中控技术股份有限公司 一种旋转机械转子的轴心轨迹识别方法及装置
CN115147651A (zh) * 2022-07-05 2022-10-04 西安理工大学 水电机组轴心轨迹的识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2902879A1 (de) * 1978-05-19 1979-11-22 Neturen Co Ltd Verfahren zum kontinuierlichen beschichten von einzelnen spannbeton- stahlstaeben und vorrichtungen sowie ein system zur durchfuehrung des verfahrens
JPH07200879A (ja) * 1993-12-29 1995-08-04 Yukio Wakabayashi カーソル移動方法および立体図の作図方法
JPH09210693A (ja) * 1996-02-05 1997-08-12 Akai Electric Co Ltd 殻状振動子の振動調整方法
CN103034166A (zh) * 2012-11-26 2013-04-10 北京工业大学 一种机床关键性几何误差源识别方法
CN104483118A (zh) * 2014-12-08 2015-04-01 西安交通大学 基于瞬时频率轴心轨迹的转子动静碰磨故障诊断方法
CN107764557A (zh) * 2017-09-01 2018-03-06 西安陕鼓动力股份有限公司 一种转子‑椭圆瓦轴承非典型工频故障的快速判别方法
CN111709567A (zh) * 2020-06-09 2020-09-25 西安交通大学 基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统
CN111950200A (zh) * 2020-08-11 2020-11-17 哈电发电设备国家工程研究中心有限公司 基于轴心轨迹融合的发电设备故障诊断方法
CN114517758A (zh) * 2022-01-26 2022-05-20 南瑞集团有限公司 一种旋转机械轴心轨迹的改进hu不变矩提取方法及系统
CN114897017A (zh) * 2022-05-09 2022-08-12 浙江中控技术股份有限公司 一种旋转机械转子的轴心轨迹识别方法及装置
CN115147651A (zh) * 2022-07-05 2022-10-04 西安理工大学 水电机组轴心轨迹的识别方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Changqing Wang.Identification of shaft orbit for hydraulic generator unit using chain code and probability neural network.《Applied Soft Computing》.2012,全文. *
Jiatong Bao.Apply Low-Level Image Feature Representation and Classification Method to Identifying Shaft Orbit of Hydropower Unit.《IEEE》.2014,全文. *
Yao Lu.A High-Precision Motor Control Method for Tracking Wandering Azimuth Coordinate System Based on Tri-Axis Rotational Inertial Navigation System (RINS).《IEEE Sensors Journal》.2021,全文. *
周志仁 ; 谭洪卫 ; 潘冬梅 ; .大空间空调中射流理论的适用性问题研究.暖通空调.2010,(02),全文. *
袁倩 ; 孙冬梅 ; 范文 ; .基于D-S证据理论的轴心轨迹自动识别方法.机床与液压.2017,(07),全文. *
袁喜来 ; 刘东 ; 胡晓 ; 刘冬 ; .基于改进不变矩与概率神经网络的水电机组轴心轨迹特征提取研究.中国农村水利水电.2019,(06),全文. *

Also Published As

Publication number Publication date
CN115615684A (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN111354366B (zh) 一种异常声音检测方法及异常声音检测装置
CN115876258B (zh) 基于多源数据的畜禽养殖环境异常监测及报警系统
CN111597651A (zh) 一种基于hwpso-svdd模型的滚动轴承性能退化评估方法
CN106845049A (zh) 一种旋转机械设备故障诊断中故障程度计算方法
CN111898443B (zh) 一种fdm型3d打印机送丝机构流量监测方法
CN115220396B (zh) 一种数控机床智能监控方法及系统
CN110333077A (zh) 一种基于近似支持向量的滚动轴承故障诊断方法
CN115615684B (zh) 一种基于轴心轨迹形变监测的泵轴健康检测方法
CN118013230B (zh) 一种畜禽水质异常监测数据处理方法及系统
CN117289778B (zh) 一种工控主机电源健康状态的实时监测方法
CN116523913B (zh) 一种丝杆质量智能检测方法
CN116871978A (zh) 基于多传感器融合的钻削刀具状态监测方法
CN114462475A (zh) 一种基于单分类算法的无监督机器异常声检测方法和装置
CN117310517A (zh) 基于大数据分析的锂电池电压状态评估预警方法
CN118378199A (zh) 一种大数据分析平台中的实时异常检测方法
CN116298984A (zh) 一种锂离子电池容量跳水点和电池衰减程度识别方法
CN114580572B (zh) 一种异常值的识别方法、装置、电子设备及存储介质
CN109974985A (zh) 一种单向阀性能退化评估装置及其诊断方法
CN113807431A (zh) 一种基于多源信息融合的智能主轴状态评估方法和系统
CN116538092B (zh) 一种压缩机在线监测及诊断方法、装置、设备及存储介质
CN117807551A (zh) 基于智能戒指的心率异常捕获方法及系统
CN117807538A (zh) 一种基于动态阈值和趋势预测的故障检测方法
TWI819824B (zh) 應用不同轉速振動閥值之設備異常監診方法
CN109239301B (zh) 一种锚链闪光焊质量在线评估方法
CN118188353B (zh) 一种基于风力发电的塔筒智能巡查检测系统及方法

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