什么是网站集约化建设,升级不了wordpress,织梦5.7cms照明灯具能源电子产品企业网站源码企业模板带后台,浏览器app下载安装1.齿轮箱故障一例
出处#xff1a;设备的故障识别 GearBox的频谱图#xff0c;原作者不知道是从哪里拷贝来的#xff0c;待会儿确认一下。
齿轮啮合频率GMF等于齿数乘以齿轮转速频率#xff1a;
★齿轮啮合频率两边有边频#xff0c;间距为1X#xff08;这是由冲击响应…1.齿轮箱故障一例
出处设备的故障识别 GearBox的频谱图原作者不知道是从哪里拷贝来的待会儿确认一下。
齿轮啮合频率GMF等于齿数乘以齿轮转速频率
★齿轮啮合频率两边有边频间距为1X这是由冲击响应本身的信号特征决定的参见下面的实验这里的1x单位应该是转频在上面的图中可以看出
★随着齿轮故障发展边频越来越丰富幅值增加频谱边频丰富很难理解因为冲击力会随着磨损逐渐变得圆滑这个需要做实验
★可用倒频谱作进一步分析
1. 齿轮类故障特征
★齿轮啮合频率等于齿数乘以齿轮转频
★啮合频率两边存在边频间距为1×
★随齿轮故障的发展边频越来越丰富幅值增加
★齿轮断齿表现为断齿数量乘以齿轮转频
★齿面损伤程度看边频带同时出现损伤齿数乘以齿轮转频的振动
★同原始谱进行比较判断
2.趋势分析一例
出处设备的故障识别
一、分类
★波形分析时域分析、幅值谱分析、功率谱分析、平均谱分析、概率谱分析、倒频谱分析、三维谱分析、包络分析。
★趋势分析
趋势分析法
★监视机器的劣化过程
★预测机器的失效时间
★振动值变大
二、通频值趋势分析
★简单易行
★不易发现早期故障劣势它是用门限值来做总的防护 上图是总振动水平的趋势下面还有一个频域的趋势报警没看太清楚。原作笔记说
★能早期发现齿轮、轴承等早期故障
★能较快判定故障的部位 2.1 关于报警值的选择
★根据各种标准ISO GB API等
★以机器正常状态的振动值乘以倍数如X(3~4)、X(8~10) 这位同志提到了旋转机械振动诊断国际标准ISO10816替代ISO2372 这张图和我看到的不大一样。待考。
3. 振动分析的作用 然后是上面这个振动分析的职能PPT能用上。 4. 数学实验关于振动与边频频谱的对应关系
4.1 查看包含左右1x变频的时域谱线是什么
参考这个例子https://www.zhihu.com/question/317898467/answer/3562222164
import numpy as np
import matplotlib.pyplot as plt# 参数设定
Fs 1000 # 采样频率
T 1 / Fs # 采样周期
t np.arange(0, 1, T) # 时间向量arFreq t.copy()
for i in np.arange(len(arFreq)):arFreq[i] 0
arFreq[20] 1
arFreq[19] 0.5
arFreq[21] 0.75
arFreq[-20] arFreq[20]
arFreq[-19] arFreq[19]
arFreq[-21] arFreq[21]
arTime np.fft.ifft(arFreq) #未模拟出相位关系。spectrum1 arFreq
timedomain1 arTime# 绘制频谱
plt.figure(figsize(12, 8))plt.subplot(2, 1, 1)
plt.plot(np.real(spectrum1))
plt.title(Frequency Spectrum: 20 Hz, Amplitude 1)
plt.xlabel(Frequency (Hz))
plt.ylabel(Amplitude)# 绘制时域信号
plt.subplot(2, 1, 2)
plt.plot(t, np.real(timedomain1))
plt.title(Time Domain Signal: 20 Hz, Amplitude 1)
plt.xlabel(Time (s))
plt.ylabel(Amplitude)plt.tight_layout()
plt.show()
它会在时域转频周期内产生出一种幅度衰减的效果 4.2 幅度调制的原因推导
这种幅度调制效果是怎么出现的
我们知道一根轴往往两端各有一个轴承如果这两个轴承的频率有微小差异然后又因为非整周期采样然后同频点附近的两个振动源叠加在一起就会呈现这种幅度调制。
待续...
