52phm简介


专注于工业智能预警系统研发, 通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊,为机器设备健康运行保驾护航。 网站正在不断建设和完善过程中,欢迎大家给予建议和参与社区建设

联系我们


投稿说明


52phm,专注于预测性维护知识学习和交流,欢迎广大从事预测性维护行业人员投稿,投稿请联系管理员(wx: www52phmcn),投稿内容可以是:

  • 学习笔记
  • 技术理论
  • 工程案例
  • 行业资讯

加入我们




  • 精选专栏: default    故障预测与健康管理    风电机组    时间序列预测    特征工程    语音信号预处理    python基础    故障诊断    数据库操作    数字信号处理    振动信号预处理    图像预处理    工业异常检测   


  • [置顶] python机器学习与特征工程理论与代码实现

    通过python编程语言实现特征工程功能,本篇特征工程文章较为全面的介绍数据预处理,缺失值处理方法、异常值处理方法、数据无量纲、标准化、归一化,另外还介绍特征选择、特征降维等特征工程知识


    2021-12-04 12:12:30    博客笔记    4525    分类:算法开发    专栏:特征工程   

    [置顶] 大型旋转机械状态监测与故障诊断

    1 故障诊断的含义故障就是指机械设备丧失了原来所规定的性能和状态。通常把运行中的状态异常、缺陷、性能恶化及事故前期的状态统称为故障,有时也把事故直接归为故障。而故障诊断则是根据状态监测所获得的信息,结合设备的工作原理、结构特点、运行参数及其历史运行状况,对设备有可能发生的故障进行分析、预报,对设备已经或正在发生的故障进行分析、判断,以确定故障的性质、类别、程度、部位及趋势。大型旋转机械


    2021-12-13 17:29:41    互联网    7319    分类:算法开发    专栏:故障诊断   

    [置顶] 电机状态分类预测与研究

    电机状态.txt数据集中最后一列是`电机状态`标签,其余列是特征。本数据集可以作为学习工业数据的分类算法使用,(1)分析不同电机状态的特征分布情况;(2)建立分类模型体验分类算法的应用。


    2022-04-20 15:00:51    博客笔记    2975    分类:算法开发    专栏:故障预测与健康管理   

    [置顶] PIL图像预处理实操

    1 PIL基本操作:主要是为了介绍 PIL 打开、展示和保存图像的基本运用。 2 图像处理:这个主要是为了对原始图像进行再处理,从而使图像符合我们的需求, 通常这里的处理情况会影响到模型训练的精度和准。 3 图像向量化:由于图片是非结构化数据,计算机不能直接识别处理, 因此需要向量化处理,从而转换成结构化数据 4 图像识别分类实战:主要是以步骤性来讲述,方便掌握


    2022-03-10 16:18:19    博客笔记    828    分类:算法开发    专栏:图像预处理   

    使用python(scipy和numpy)实现快速傅里叶变换(FFT)最详细教程

    说明:本文适合信号处理方面有一定的基础的人阅读,能够理解什么时候傅里叶级数和傅里叶变换,能够理解他们的核心思想以及基本原理,能够理解到底什么是“频率域”,能够从频率的角度分析信号。一、一些关键概念的引入1、离散傅里叶变换(DFT)离散傅里叶变换(discrete Fourier transform) 傅里叶分析方法是信号分析的最基本方法,傅里叶变换是傅里叶分析的核心,通过它把信...


    2021-12-14 00:04:26    互联网    1350    分类:算法开发    专栏:数字信号处理   

    数字信号处理期末总复习

    DSP期末总复习基于教材:《数字信号处理——原理、实现及应用(第3版)》 高西全等 编著一、基本概念1.1 信号1.2 系统1.3 卷积1.4 差分方程二、傅里叶变换2.1 连续信号:CTFT和CTFS2.2 时域离散信号:DTFT和DTFS2.3 周期信号的傅里叶变换2.4 离散傅里叶变换(DFT)2.5 快速傅里叶变换(FFT)三、Z变换3.1 Z变换3.2 Z变换的性质3.3 逆Z变换3.4 Z变换的应用四、模拟信号数字处理五、滤波器5.1 一些散落的实例5.


    2021-12-14 10:44:43    互联网    795    分类:算法开发    专栏:数字信号处理   

    频域特征提取的Python实现(频谱、功率谱、倒频谱)

    频域特征提取的Python实现(频谱、功率谱、倒频谱)本文只对 频域特征值提取的MATLAB代码实现(频谱、功率谱、倒频谱) 做代码翻译,用python重写一遍,以加强对这些特征的理解1. 频谱from scipy.fftpack import fft, fftshift, ifftfrom scipy.fftpack import fftfreqimport numpy as npi...


    2021-12-14 14:05:51    互联网    1477    分类:算法开发    专栏:数字信号处理   

    基于Python的频谱泄露分析

    1、频谱泄露  对于频率为fs的正弦序列,它的频谱应该只是在fs处有离散谱。但是,在利用DFT求它的频谱时,对时域做了截断,结果使信号的频谱不只是在fs处有离散谱,而是在以fs为中心的频带范围内都有谱线出现,它们可以理解为是从fs频率上“泄漏”出去的,这种现象称 为频谱“泄漏”。2、代码分析如果我们波形不能在fft_size个取样中形成整数个周期的话会怎样呢?将上篇博客中的采样对象...


    2021-12-14 14:06:09    互联网    782    分类:算法开发    专栏:数字信号处理   

    基于python的快速傅里叶变换FFT

    基于python的快速傅里叶变换FFT(二)本文在上一篇博客的基础上进一步探究正弦函数及其FFT变换。知识点  FFT变换,其实就是快速离散傅里叶变换,傅立叶变换是数字信号处理领域一种很重要的算法。要知道傅立叶变换算法的意义,首先要了解傅立叶原理的意义。傅立叶原理表明:任何连续测量的时序或信号,都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量...


    2021-12-14 14:06:34    互联网    841    分类:算法开发    专栏:数字信号处理   

    光谱信息在癌症检测上的应用

    拉曼光谱(Raman) 与傅里叶变换红外光谱(FTIR) 在癌症的检测上具有一定的应用价值。由于检测组织中水的存在常使结果变得复杂,FTIR常用于皮肤层面的检测。在材料的制备与探针选择上,拉曼方法也更适用于组织活检,甚至实时检测。1.拉曼光谱在乳腺癌检测上的应用文章:Application of Raman Spectroscopy and Infrared Spectroscopy in the Identification of Breast Cancer(2016)期刊 Applied


    2021-12-14 15:50:53    互联网    814    分类:算法开发    专栏:数字信号处理   

    拉曼光谱笔记

    本文为阅读笔记记录,基本就是转载惹。拉曼光谱是一种无损的分析技术,它是基于光和材料内化学键的相互作用而产生的,可以提供样品化学结构、相和形态、结晶度以及分子相互作用的详细信息。原理:激光光源的高强度入射光被分子散射时,大多数散射光与入射激光具有相同的波长(颜色),不能提供有用的信息,这种散射称为瑞利散射。然而,还有极小一部分(大约1/10^9)散射光的波长(颜色)与入射光不同,其波长的改变由测试样品(所谓散射物质)的化学结构所决定,这部分散射光称为拉曼散射。拉曼散射光对称地分布在瑞利散射光的两侧


    2021-12-14 15:51:03    互联网    498    分类:算法开发    专栏:数字信号处理   

    随机振动信号分析方法总结(时域、频域、时频域分析)

    随机振动信号分析方法总结信号处理(信号滤波、时频域分析、神经网络、寿命预测)一、时域分析时域分析特征包括均值、方差、峭度、峰峰值等;振动信号降噪结果分析:对于去噪效果好坏的评价,常用信号的信噪比(SNR)、估计信号同原信号的均方根误差(RMSE)来判断。SNR 越高则说明混在信号里的噪声越小,否则相反。RMSE的计算值越小则表示去噪效果越好。信噪比定义:均方根误差定义:二、频域分析三、 时频联合域分析(Joint Time-Frequency Analysis,JTFA)即时频分析,


    2021-12-14 18:49:46    互联网    1376    分类:算法开发    专栏:振动信号预处理   

    信号调制基础理论知识

    学习——信号调制识别 (一)  看了《通信信号调制识别技术及其发展》这一论文后,将学习到的知识记录在这篇博客里。1、通信信号调制识别技术  调制识别问题从本质上来说是一种典型的模式识别问题。其基本框架如图所示:    调制识别由三部分组成:信号预处理、提取特征参数和分类识别。信号预处理部分包括载波同步、频率下变频、噪声抑制以及对信噪比、符号周期、载波频率等参数的估计。特征提取部分...


    2021-12-14 22:00:52    互联网    872    分类:算法开发    专栏:数字信号处理   

    频谱分析幅值单位_知否知否?常用振动诊断方法——包络分析和阶次分析

    包络分析对于各个行业,尤其是水泥行业,存在很多低转速设备。低转速部件引起的振动集中在低频部分,且往往较为微弱,容易淹没在其他信号中,在频谱中不容易分辨出故障信号与噪声信号。但这种故障引起的冲击信号往往会激起高频固有频率,在频谱上表现为出现共振带,即低频故障信号作为某高频载波的边频出现。因此,对于这种出现调制现象的故障信号,往往需要通过包络进行分析诊断。图1 包络解调机理解调前需要对信号进行滤波处理...


    2021-12-14 23:01:12    互联网    1174    分类:算法开发    专栏:振动信号预处理   

    关于包络概念的理解

    加速度包络是SKF的专利技术,加速度包络是一种信号处理技术,这种技术能够检测到很弱的冲击故障信号,比如轴承的早期损伤。它可以将非常弱的冲击信号经过一系列的放大、滤波等处理转变成高频的振动信号。包络解调原理:故障所引起的低频(通常是数百HZ以内)冲击脉冲激起了高频(数十倍于冲击频率)共振波形,对它进行包络、检波、低通滤波(即解调),会获得一个对应于低频冲击的而又放大并展宽的共振解调波形。


    2021-12-17 09:38:26    互联网    1092    分类:算法开发    专栏:振动信号预处理   

    振动测试一般采用哪种单位

    如果现场安装的是Bently的电涡流位移传感器,单位一般采用um或mil由于频响范围宽、体积小、可靠性高、磁座便于在不同测点间移动,巡检测试通常用加速度传感器,可采用包络或gSE诊断轴承、齿轮故障、也可积分一次转换成速度反映振动的能量。不同的设备(转速、功率)需要测量不同的振幅,有时多种振幅同时使用。因为速度振幅适用于多数场合,因此人们常测量速度。具体到某个


    2021-12-17 09:39:13    互联网    890    分类:算法开发    专栏:振动信号预处理   

    轴振动和轴承振动的区别

    轴振动,即轴相对于轴承座的相对振动,一般用在大机组的在线上,比如本特立的3300等。安装时是把传感器(多是位移传感器)固定在轴承座上,因此测的是轴相对于轴承座的相对位移,单位多是位移;另一个应该是轴承座振动,即在监测时把传感器(大多数巡检用的便携式数据采集器都是如此,多为加速度传感器)用磁铁固定在轴承座上(没有安装),测的是轴承座的绝对振动。总之,传感器不同,安装方式和位置不同,测量的单位


    2021-12-17 09:40:04    互联网    872    分类:算法开发    专栏:振动信号预处理   

    机械振动 趋势项产生原因

    机械振动(按频率分类):低频振动(小于10HZ)、中频振动(10HZ-1000HZ)、高频振动(大于1000)HZ          软件积分误差中趋势项产生的原因:所谓趋势项是在测试信号中存在线性项或缓变的非线性项成分。工程实际测量的信号大部分是复杂周期信号与随机信号 的 混 合,而 且 周 期 信 号 往 往 是 研 究对象。趋势项的存在会使数值积分的结果产生很大的误差,严重地背离


    2021-12-17 09:40:29    互联网    718    分类:算法开发    专栏:振动信号预处理   

    齿轮转速比和啮合频率

    平行轴齿轮传动比(定轴系)i=f2/f1=z1/z2       f1:输入轴转频    f2:输出轴转频    z1:输入轴齿数  z2:输出轴齿数fm=f1*z1=f2*z2                fm:齿轮啮合频率(齿轮啮合频率等于该齿轮的转频(转每秒或HZ)乘以它的齿数。相互啮合的两个齿轮的啮合频率是相等的)eg:已知回转窑三级平行轴转速机,输入轴z1=30


    2021-12-17 09:40:53    互联网    1218    分类:算法开发    专栏:振动信号预处理   

    共振频率与固有频率

    共振频率与固有频率是不是同一个?从数值上来说,它们是相等的。但是两个概念是不同的。当一个装置成型时,他本身发生的振动的频率是固定的,这一频率就是固有频率。比如一个单摆做好后,他的振动频率等于2*Pi*(l/g)^(1/2),l是单摆的长度,g是重力加速度,所以这个单摆的振幅无论多大,加在下面的东西多重,只要是没有外界的干扰,都以一个频率振动(固有频率)。而当我们用一个周期的力推这个单摆


    2021-12-17 09:41:37    互联网    837    分类:算法开发    专栏:振动信号预处理   

    数据挖掘--风电机组异常数据识别与清洗

    一、赛题背景(一)背景风能是一种环境友好且经济实用的可再生能源。中国是世界排名第一的风力发电国家、新装风力发电设备装机容量最大的国家,并且保持快速增长。由于风力发电正处于飞速发展阶段,风电场数量和规模不断扩大,然而受地理条件和环境因素限制,风电场多位于偏僻遥远的平原、山区或海上,因此为风电公司引入SCADA系统(数据采集与监视控制系统)对风电场群的日常运行进行集中监控、调度和管理,但风电机组受设备、环境、运行状态等因素影响,SCADA系统实时采集的风机运行数据会存在有大量异常值和缺失值,这些“脏数据”的


    2021-12-19 01:00:15    互联网    1263    分类:算法开发    专栏:风电机组   

    风力发电机组结构

    风力发电机组由风轮、叶片、主轴承、齿轮箱、发电机、电气系统、液压系统、刹车系统和偏航系统等组成[#],其结构如图1所示。风电机组通过叶轮捕获风能,通过齿轮箱传递到发电机,发电机将机械能转化为电能,通过变频器接入电网。风力发电机由风轮及变桨距系统、轮毅、结构(机舱、地基和塔架)、传动装置、齿轮箱、发电机、电气系统、控制系统、传感器、刹车系统、液压系统和偏航系统等构成。风电机组首先将风能通过风轮转换...


    2021-12-19 01:12:13    互联网    561    分类:算法开发    专栏:风电机组   

    (转)风力发电机组齿轮箱常见故障及预防措施

    齿轮箱的常见故障有齿轮损伤、轴承损坏、断轴和渗漏油、油温高等。一、 齿轮损伤齿轮损伤的影响因素很多,包括选材、设计计算、加工、热处理、安装调试、润滑和使用维护等。常见的齿轮损伤有齿面损伤和轮齿折断两类。(一) 轮齿折...


    2021-12-19 01:20:59    互联网    586    分类:算法开发    专栏:风电机组   

    异常检测方法综述

    异常检测2


    2021-12-19 14:20:42    互联网    479    分类:算法开发    专栏:工业异常检测   








    • 52phm公告

    • 在这里,可以学习接触到工业互联网技术知识以及落地案例,其中涵盖工业数据集、工业标准库、机理模型、设备知识、机器学习、 深度学习、特征工程、振动分析、工业视觉、边缘硬件及传感器等技术知识!


    • 关于站长


    •         从事设备故障预测与健康管理行业多年的PHM算法工程师(机器医生)、国际振动分析师, 实践、研发和交付的项目涉及“化工、工业机器人、风电机组、钢铁、核电、机床、机器视觉”等领域。专注于工业智能预警系统研发, 通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊,为机器设备健康运行保驾护航。




    52phm社区

    52phm社区,专注预测性维护的学习平台!

    Saas体验

    + 工业demo学习系统

    技术博客

    + 博客首页    + 算法开发    + 边缘感知   

    + 设备机理    + 开发环境

    + 论文速递   

    友情链接

    + 在码圈

    联系我

    Copyright© 2021 52phm社区

    京ICP备2021029973号-1