Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东海纳智能装备科技股份有限公司陆宜东获国家专利权

山东海纳智能装备科技股份有限公司陆宜东获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉山东海纳智能装备科技股份有限公司申请的专利一种电机运行状态的振动噪声联合诊断生成方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121384220B

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511973025.4,技术领域涉及:G01H17/00;该发明授权一种电机运行状态的振动噪声联合诊断生成方法是由陆宜东;王华东;郝海涛;张娜娜;张振洲;申大帅;郭向向设计研发完成,并于2025-12-25向国家知识产权局提交的专利申请。

一种电机运行状态的振动噪声联合诊断生成方法在说明书摘要公布了:本发明涉及设备测试技术领域,揭露了一种电机运行状态的振动噪声联合诊断生成方法,所述方法包括:在电机运行时,对运行状态数据进行双模态数据提取,得到振动信号与噪声信号;对振动信号进行阶次跟踪分析,得到电振动特征阶次分量;计算时域能量包络线,对噪声信号进行同步时域分割,得到噪声信号切片;滤除噪声信号切片中与振动特征阶次分量的非相关成分,并根据滤除后结果,以提取出振动特征阶次分量与电机当前转动周期同步的振动同步噪声分量;构建声振融合频谱;分析声振融合频谱中声振强度的分布规律,识别相关性突变点,并基于相关性突变点的分布模式,诊断特定运行状态故障;本发明可以提高电机运行状态的振动噪声联合诊断生成的效率。

本发明授权一种电机运行状态的振动噪声联合诊断生成方法在权利要求书中公布了:1.一种电机运行状态的振动噪声联合诊断生成方法,其特征在于,所述方法包括: S1.在电机运行时,对所述电机的运行状态数据进行双模态数据提取,得到所述电机的振动信号与噪声信号; S2.对所述振动信号进行阶次跟踪分析,得到所述电机的振动特征阶次分量,包括: 剥离出所述振动信号中幅值突变的瞬态冲击波形与反映平稳运行状态的稳态振动波形; 分析所述瞬态冲击波形的出现时间间隔模式,将所述瞬态冲击波形中间隔呈现周期性变化的冲击波形,作为所述电机的旋转同步参考脉冲; 根据所述旋转同步参考脉冲的瞬时时间间隔,建立所述电机中瞬时旋转相位的角度时间对应曲线; 基于所述角度时间对应曲线,对所述稳态振动波形进行波形重采样,得到所述稳态振动波形的角域稳态波形; 在所述角域稳态波形的完整旋转周期内,定位所述角域稳态波形的波形峰值所对应的特定机械角度位置; 将所述特定机械角度位置处的稳态振动幅值作为所述电机的振动特征阶次分量; S3.计算所述振动特征阶次分量的时域能量包络线,以所述时域能量包络线为参考基准,对所述噪声信号进行同步时域分割,得到所述电机的噪声信号切片; S4.基于所述振动特征阶次分量的频率,滤除所述噪声信号切片中与所述振动特征阶次分量的非相关成分,并根据滤除后结果,以提取出所述振动特征阶次分量与所述电机当前转动周期同步的振动同步噪声分量,包括: 在频域上,识别所述振动特征阶次分量中能量显著集中的窄带频谱,得到所述振动特征阶次分量的主导振荡模式; 根据所述主导振荡模式的中心频率与带宽,确定所述振动特征阶次分量的频率选择模板; 将所述频率选择模板作用于所述噪声信号切片的频谱表达上,使所述噪声信号切片频谱中与所述频率选择模板重合部分的成分得以保留,得到所述电机的初步滤除噪声信号切片; 抑制所述初步滤除噪声信号切片中处于所述频率选择模板之外的部分,以得到所述电机的标准滤除噪声信号切片; S5.将所述振动特征阶次分量作为横坐标,将所述振动同步噪声分量作为纵坐标,以构建所述电机的声振融合频谱; S6.分析所述声振融合频谱中声振强度的分布规律,识别所述电机的相关性突变点,并基于所述相关性突变点的分布模式,诊断所述电机的特定运行状态故障,包括: 根据所述声振融合频谱的轨迹曲线,将所述轨迹曲线上斜率发生显著变化的折点作为划分规则; 基于所述划分规则,将所述轨迹曲线划分为所述电机的声振耦合关系轨迹段; 根据所述声振耦合关系轨迹段的整体延伸方向以及所述声振耦合关系轨迹段内声学强度随振动强度变化的基本趋势,确定所述声振融合频谱的分布规律; 基于所述分布规律,将所述声振耦合关系轨迹段中轨迹之间的变化趋势进行逐一比对,得到所述电机的相关性突变点; 将所述声振融合频谱的振动强度范围划分为正常背景区间和异常潜在异常区间; 分别观察所述正常背景区间与所述异常潜在异常区间内所述相关性突变点的出现频次和聚集密度; 对所述出现频次与所述聚集密度进行显著异常判定,得到所述电机的目标异常区间; 根据所述目标异常区间在振动强度轴上的位置,定位所述目标异常区间的振动特征分量; 将所述振动特征分量映射至预设故障-阶次表中,并确定与所述振动特征分量相匹配的故障类型,以确定所述电机的特定运行状态故障; 将所述特定运行状态故障输出至所述电机的终端,以得到所述电机的故障报告。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山东海纳智能装备科技股份有限公司,其通讯地址为:272000 山东省济宁市任城区唐口工业园唐姚路6号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。