简述网站开发的基本流程图,wordpress建站 网盘视频教程,自己开个托管班需要什么手续,wordpress顶部导航栏怎么创建故障预测与健康管理PHM分为故障预测和健康管理与维修两部分#xff0c;PHM首先借助传感器采集关键零部件的运行状态数据#xff0c;如振动信号、温度图像、电流电压信号、声音信号及油液分析等#xff0c;提取设备的运行监测指标#xff0c;进而实现对设备关键零部件运行状…故障预测与健康管理PHM分为故障预测和健康管理与维修两部分PHM首先借助传感器采集关键零部件的运行状态数据如振动信号、温度图像、电流电压信号、声音信号及油液分析等提取设备的运行监测指标进而实现对设备关键零部件运行状态的早期识别。PHM通过建立完备的待监测零部件故障特征数据库采用特征变换如主成分分析和非线性流形算法或者特征选择进行维数约简结合人工智能算法如ANNSVM等对其运行状态进行诊断和RUL预测最终实现决策管理。现在国外已建立的PHM研究机构有美国辛辛那提大学的IMS中心、美国马里兰大学的先进生命周期工程中心、法国的FEMTO-ST研究所等。
为实现滚动轴承的预测性维修则需要对其失效过程数据进行研究。其中基于振动信号的诊断技术得到了广泛应用因为振动是旋转机械故障主要的外在表现形式对轴承的状态变化响应速度快包含了轴承运行状态变化的大多数有用信息能很好的反应出轴承故障的类型和位置并且振动信号容易提取。
鉴于此提出一种基于振动信号的轴承状态监测和故障诊断方法运行环境为MATLAB R2021B低于此版本可能运行错误主要内容如下。
该振动信号是由滚动轴承外圈单点缺陷生成的包含轴承不同运行工况的轴承多段振动信号缺陷深度从 3um 逐渐增加到 3mm 以上采样频率为 20 kHz。
绘制缺陷深度随时间的变化 绘制健康数据和故障数据 绘制健康轴承信号的时频谱图 绘制轴承故障振动信号的时频谱图可以看到信号能量集中在更高的频率。 检查中间阶段的数据此时缺陷深度不是很大但已经开始影响振动信号。 在中值滤波后绘制时频谱图 高频成分被抑制。 绘制提取的平均峰值频率与时间的关系 绘制健康和故障轴承的平均峰值频率的概率分布 绘制最初的 200 个平均峰值频率数据 绘制残差的自相关 绘制预测值和置信区间 当实际监控变量或预测值超过故障阈值时显示警报 完整代码MATLAB环境下基于振动信号的轴承状态监测和故障诊断-今日头条 (toutiao.com)
擅长领域现代信号处理机器学习深度学习数字孪生时间序列分析设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。
