-
公开(公告)号：CN1584511A
公开(公告)日：2005-02-23
申请号：CN200410026179.4
申请日：2004-05-27
Applicant: 西安交通大学 , 四川纵横仪器有限公司
Abstract: 本发明公开了一种大型旋转机械设备智能采集监测装置及采集监测方法，本装置的实现基于CPCI总线和DSP处理器，八通道同步高速数据采集的硬件设备，满足了工业实时环境应用所必须的坚固、可靠、模块化、智能化、易使用和易维护。本发明的采集监测方法依据被监测设备自身动态运行数据所构建的设备运行状态，实现本装置监测参数的动态自适应设置和调整，以及监测数据的智能存储，形成一套针对大型旋转机械设备的智能状态监测装置，适用于大型旋转机械的正常运行状态或特殊状态的全过程实时监测，可为大型旋转机械故障的诊断提供完整、有效的监测数据。
-
公开(公告)号：CN113465916A
公开(公告)日：2021-10-01
申请号：CN202110707786.0
申请日：2021-06-24
Applicant: 西安交通大学
IPC: G01M13/021 , G01M13/028 , G06F30/23
Abstract: 本发明公开了一种行星轮系轮齿状态评估方法、装置、设备和介质，通过Vold‑Kalman滤波去除谐波信号，对残差信号进行Protrugram分析，结合模态分析结果，识别冲击振动所处频带并区分内外啮合冲击，构造零相移带通滤波器提取内外啮合冲击振动信号，进行RMS时域同步平均分析，直观评估行星轮系各轮齿的状态。相比于传统的基于故障特征频率识别的故障诊断方法，本发明充分利用了冲击振动信号所蕴含的频率信息、相位信息和幅值信息，可以实现故障齿轮的定位，故障类型的区分，以及故障损伤严重程度的准确评估，结果直观，可视化性强，便于现场维护人员参考。
-
公开(公告)号：CN113343481A
公开(公告)日：2021-09-03
申请号：CN202110714899.3
申请日：2021-06-25
Applicant: 西安交通大学
IPC: G06F30/20 , G01M13/021 , G01M13/028
Abstract: 本发明公开了一种考虑啮合冲击的行星轮系振动仿真信号生成方法、装置、设备和介质，通过势能法及相位差计算生成行星轮系各啮合副的时变啮合刚度，从时变啮合刚度激励产生啮合振动信号的角度出发，由因到果，通过对时变啮合刚度零相移低通滤波生成谐波信号，峰值滤波生成啮合冲击信号。将生成的各啮合副信号对应叠加，并添加路径调制函数，得到传感器采集到的各行星轮的啮合振动信号。将各行星轮啮合振动信号叠加，添加一定噪声，从而得到整个行星轮系振动的仿真信号。本发明完全符合啮合振动信号产生的物理过程，具有物理意义。
-
公开(公告)号：CN111855098A
公开(公告)日：2020-10-30
申请号：CN202010612776.4
申请日：2020-06-30
Applicant: 西安交通大学
Abstract: 本发明属于往复压缩机状态监测技术领域，公开了一种基于振动信号的气阀泄漏状态评估方法及系统，所述评估方法包括以下步骤：获取往复压缩机气阀的振动加速度信号和与振动加速度信号同步采集的飞轮键相信号；根据飞轮键相信号将振动加速度信号按照往复压缩机的曲轴周期进行划分，并将振动加速度信号从时域转换为角域，得到若干曲轴周期信号；根据若干曲轴周期信号得到若干第一评估值；根据排气阀的实际打开相位与预设健康状态排气阀的打开相位，得到排气阀相位变化指标，得到若干第二评估值；通过若干第一评估值和若干第二评估值进行气阀泄漏状态评估。不需要侵入气缸内部，监测方法简单且没有安全风险，易于在工业现场推广应用。
-
公开(公告)号：CN111037987A
公开(公告)日：2020-04-21
申请号：CN201911385195.5
申请日：2019-12-28
Applicant: 西安交通大学
Abstract: 本发明公开了一种用于大型机械压力机多连杆状态监测信号处理方法，将采集到的信号进行数据分析，以判断机械压力机多连杆机构的润滑状态。其中将信号整周期截取，并通过动态时间规整计算相似度判断模具更换时间，再结合各模具包含的冲压过程判断当前模具，根据换向冲击的曲柄转角判断轴瓦磨损量；截取非冲压阶段信号进行小波包分解，取油膜固有频率段信号进行正交匹配得到脉动油压信号，依据连杆销受力归一化截取信号段内脉冲信号峰值，根据归一化后的匹配油压脉冲信号判断供油状态。相较于监测分配器柱塞动作次数，实现了对多连杆的运行状态的监测诊断，弥补了现阶段的监测盲点。
-
Patent Agency Ranking
公开(公告)号：CN110531259A
公开(公告)日：2019-12-03
申请号：CN201910741540.8
申请日：2019-08-12
Applicant: 西安交通大学
IPC: G01R31/34
Abstract: 本发明公开了基于漏磁信号的感应电机电气故障诊断方法，采用漏磁传感器对感应电机的三轴漏磁信号进行采集，采用振动传感器对电机的机壳振动信号进行采集，然后将采集到的信号进行分析，以判断电机是否故障，并判断出电机的故障类型，漏磁信号间接的反应了气隙磁场的变化情况，对电气故障灵敏；相对于电流监测，漏磁监测方法还具有信号获取方便、获取成本低等优点，可以在不影响电机正常工作的情况下，采集机壳外部的漏磁信号识别电机的电气故障，具有信号获取方便、信号获取成本低等优点。
-
公开(公告)号：CN108869174A
公开(公告)日：2018-11-23
申请号：CN201810622308.8
申请日：2018-06-15
Applicant: 西安交通大学
IPC: F03D7/00
CPC classification number: F03D7/00
Abstract: 本发明公开了一种基于非线性建模的风电叶片固有频率工况补偿方法，包括：1)再根据风力发电机SCADA的功率P大小将历史运行数据集划分为若干建模数据子集，然后将各建模数据子集分别划分为建模训练数据集及模型测试数据集；2)对各建模数据子集中的元素进行归一化处理；3)根据归一化后的建模训练数据集构建对应的观测记忆矩阵D，然后根据构建的观测记忆矩阵D及其对应的模型测试数据集Xtest构建对应固有频率预测模型；4)将当前机组的工况参数代入对应的固有频率预测模型中，再将实测的当前固定频率与预测的当前固定频率作相减运算，最后利用固定频率偏差值进行叶片固有频率工况补偿。该方法能够准确实现风力发电机叶片固定频率的工况补偿。
-
公开(公告)号：CN103698699B
公开(公告)日：2017-08-01
申请号：CN201310659828.3
申请日：2013-12-06
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于模型的异步电动机故障监测诊断方法，其首先采集能够正常运行的异步电动机的三相输入电压信号和三相输出电流信号，建立起数学模型，作为无故障模型；将无故障模型和在相同的输入电压u驱动下并行运行，得到即残差信号d；然后其进行时域分析，根据3σ原则确定异步电动机残差信号有效值的阈值η，通过监测异步电动机稳定运行时残差有效值dRMS是否超过阈值η来判断故障是否发生；再对残差信号d进行频域分析，根据残差频谱中出现的故障特征频率分量fF来确定故障类型。本发明可以有效地削弱输入电压对电机故障监测诊断造成的不利影响，提高故障信号的信噪比，从而提高电机故障监测的灵敏度和故障诊断的可靠性。
-
-
公开(公告)号：CN1472674A
公开(公告)日：2004-02-04
申请号：CN03134227.2
申请日：2003-08-04
Applicant: 西安交通大学
IPC: G06F17/18
Abstract: 本发明公开了一种基于概率模型的设备状态动态自适应报警方法，基于设备运行的动态数据，使用概率神经网络自学习构建设备状态的概率模型。该模型随设备运行调整其分布概型，动态描述设备状态的变化规律。依托模型，研究设备状态的动态评判规则；同时构建不同状态间的阈值，形成设备运行的自适应报警线。本发明撇开传统的按照各种通用标准对现场设备运行状态的划分依据，从设备各自的发展历程来寻找规律，为每台设备、每个测点、乃至每个监测量都可以建立起状态等级评判依据，明确地将现场常规设备状态划分为三个等级：即正常状态、故障状态、和快速劣化状态，并为每种状态确定了现场中所应采取的措施，方综合评判设备状态奠定了基础。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.022 seconds)
