基于LMD分解的风机轴承故障信号提取研究

为准确得到风机轴承故障的运行状态,分析局域均值分解方法,对风机故障振动信号提取,应用LMD分解方法对风机轴承实际振动信号进行分解,提取其能量特征值并将特征值进行归一化处理,得到各个分量的能量值,最后判断风机轴承的故障类型。     

汽油机曲轴轴承异响故障诊断研究

基于振动测试技术,对发动机曲轴轴承磨损故障进行诊断研究。在EQ6100型发动机上模拟曲轴轴承磨损,然后测取不同的转速、轴承间隙、测点、温度下的故障信号,并用时域、频域分析法进行了分析比较。通过分析,提取了曲轴轴承磨损故障的诊断特征参数并指出目前该故障诊断所存在的问题。     

基于经验模态分解和Duffing振子的轴承故障诊断

针对齿轮箱轴承振动信号故障信息容易被噪声淹没,且具有非线性、非平稳特性的问题,提出了基于经验模态分解（EMD）和Duffing振子的轴承故障诊断方法。首先对原始振动信号进行经验模态分解,找到包含轴承故障信息的固有模态函数（IMF）,然后利用Duffing振子的分岔图找到混沌振子相轨迹发生变化的内部激励力分界值,并将Duffing 振子的内部激励力频率设定为轴承故障特征频率,最后从混沌振子输出相轨迹的变化来检测齿轮箱轴承故障信息。实验结果表明,基于EMD和Duffing振子的故障诊断方法能够检测轴承故障信息。     

某柴油机主轴承盖的模态分析

本文针对主轴承盖在自由状态下采用ANSYS软件对其进行模态分析,结果表明,自由状态下主轴承盖的模态振型以弯曲和弯扭振动为主,通过主轴承盖的模态振动特性分析,可以防止其与相邻件发生共振,减小内燃机故障概率,为主轴承盖的结构优化和技术改进提供了重要参考。     

基于最大Lyapunov指数Elman-决策树的故障预警方法

针对故障出现时系统的非线性行为及劣化趋势预测问题,基于混沌理论及非线性动力学,提出以最大Ly-apunov指数作为评价运行状态的指标,通过Elman-决策树对其进行预测及分类的故障预警方法.并以轴承数据为例对该方法进行了验证,对正常轴承、外环人工电火花加工出裂纹轴承、外环钻孔的轴承壳体振动信号时序数据进行处理,计算降噪...     

基于双谱特征量的滚动轴承损伤部位识别

针对故障滚动轴承振动信号的非线性、非高斯性特征,将双谱和双相干谱分析方法用于滚动轴承故障特征的提取,给出了正常及外圈、内圈、滚动体局部损伤4种不同状态下轴承振动信号的双谱及双相干谱图,基于双谱形成了故障特征向量,并利用灰色关联度法识别了故障轴承局部损伤的发生部位。试验分析表明,对于损伤元件不同的轴承故障,振动信号的能量分布不同,双谱特征图谱存在明显的差异,而且双谱比双相干谱更有利于故障特征的提取。     

基于MCKD的对虾分级机轴承故障增强检测

对虾分级机轴辊轴承易受潮湿环境影响而发生锈蚀剥落等故障,影响分级准确程度,为有效检测故障提高其工作可靠性,先采用MCKD方法检测和增强振动信号中的故障脉冲成分,然后通过包络谱分析得到故障特征频率,诊断出故障原因,实测轴承外圈故障振动信号分析结果表明了该方法的有效性。     

轴承跑外圈故障诊断技术的应用

本文借检修电机前端存在部件配合松动的故障现象,分析判断轴承存在有跑外圈或轴承间隙增大的故障现象,再通过应用振动监测,频谱分析验证了分析轴承故障问题的正确性,对现场的故障诊断有一定的参考意义。     

机械式变速器的故障监测

阐述了故障监测的基本原理,对汽车变速器中的易损件齿轮和轴承进行初步的振动分析,并结合NJ17H汽车变速器试验进行故障监测,在试验中应用VDM1000汽车变速箱故障监测系统,发现问题进行分析,得出结论解决问题。     

基于小波包能量法的滚动轴承故障诊断

阐述了故障轴承振动与信号的关系,小波包的原理以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了小波包节点能量作为振动信号特征参数,并训练BP神经网络,对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明利用小波包能量法和BP神经网络进行滚动轴承振动诊断是可行、有效的。     

水泵轴承振动信号的时频分析

对磁电式速度传感器采集的水泵轴承振动信号分别进行了短时傅立叶变换，小波变换，小波包变换，其结果表明：小波包变换提高了中高频带的频率分辨率，克服了短时傅立叶变换和小波变换的缺点，小波包变换有利于提取轴承故障特征，它能准确地诊断水泵机组轴承的故障。     

收割机轴承故障检测——基于虚拟仪器和小波神经网络

滚动轴承是收割机轮系系统中的重要部件,也是易损原件,其损伤容易引起旋转机械故障,因此对轴承故障的检测非常重要。针对轴承运行过程中的振动信号机理和特征,在信号时域和频率特征分析的基础上,提出了小波神经网络模式识别算法,可以智能化地识别轴承故障,并减小故障诊断的误差,提高故障类型判断的准确性。结合虚拟仪器开发软件LabVIEW,实现了故障检测过程的可视化显示功能,使收割机轴承故障的监测更加高效,提高了故障检测的智能化水平。     

基于振动信号分析的联合收割机故障检测系统研究

首先,介绍了振动信号分析原理及应用,并设计了联合收割机发动机振动信号采集与处理模块;然后,基于卷积神经网络,实现了联合收割机故障检测系统,并利用MatLab进行了发动机故障诊断仿真。实验结果表明:采用卷积神经网络的故障检测模型,可实现对联合收割机发动机转子、轴承和机匣的故障检测,且识别率在95%以上,证明了系统的可靠性和可行性。     

吊扇电机故障与修理

在吊扇的机械故障中,由于轴承磨损或轴承内缺油而引起的故障占有很大比重。轴承磨损或轴承缺油的主要表现形式是轴承和端盖之间接触部位过热、康体振动加剧,发生不正常噪声。一旦出现这种情况,应拆除轴承进行检查。     

某轿车输油泵噪声分析与优化

针对某轿车怠速工况噪声峰值问题,基于输油泵零部件噪声台架测试,确认输油泵噪声偏高。通过改变回油管路中引射阀结构、增大节流阀内径,改进了输油泵回油结构,并在储油桶底部增加了弹性底座以优化振动传递路径,最终使输油泵噪声降至设计要求以内。     

基于EEMD多尺度模糊熵与BP神经网络的滚动轴承故障表征诊断

针对滚动轴承故障振动时间序列非线性与非平稳性特征,提出一种基于多尺度模糊熵的滚动轴承故障诊断方法。首先通过集合经验模态分解对故障振动信号进行自适应分解;根据得到固有模态函数分量(IMF)求取相应的多尺度模糊熵;在此基础上以EEMD多尺度模糊熵作为故障特征输入到BP神经网络中进行学习和分类。实验结果表明该方法能够实现对轴承的内圈、外圈及滚动体三种故障类型的诊断,准确率达到了99. 5%。     

输油泵故障两例

柴油机输油泵是将燃油从油箱经滤清器送至喷油泵的低压油腔的工作装置。由于输油泵始终在低压油路中工作,容易被修理人员和驾驶员忽略,但柴油机的很多故障往往是由输油泵引起的．因此应引起足够的重视。现有故障二例供同行参考。     

风电机组传动链的故障树智能诊断技术

为了解决复杂结构下的风电机组传动链的故障,采用面向故障树的智能诊断技术,对其进行诊断.通过故障树分析技术,结合传动链故障类型及机理分析,构建了风电机组传动链故障树智能诊断系统;采用面向故障树的基于框架的混合知识表示,分析故障与故障特征、故障与故障源之间的关系;通过顶上事件—中间事件—基本事件的推理机制,确定故障树上各节点的状态,找出故障源;最后,通过分析某风电场3#风机传动链的故障实例,采用振动分析法提取齿轮箱、主轴和联轴器的故障特征,初步确定为齿轮箱的轴承损坏,根据损坏原因,检查轴承清洁度和润滑情况,发现废油脂呈纯黄色,内部铁屑明显,剖析故障源为齿轮箱轴承润滑不良.     

基于ReliefF和DBN的齿轮箱故障模式识别方法研究

考虑到齿轮箱中齿轮和轴承等零部件振动信号故障特征难以提取,故障模式无法准确识别的问题,提出了一种将齿轮箱振动信号特征利用Relief F算法进行降维,然后利用深度置信网络进行模式识别的分类方法。首先采用变分模态分解算法对齿轮箱振动信号进行预处理,将信号分解成多个包含故障特征的IMF分量;计算每个IMF分量的时域及能量熵特征,运用Relief F算法选取其中的敏感特征以降低原始特征维度;将敏感特征向量输入到深度置信网络中,实现故障类型的模式识别。实验结果表明,使用降维后的特征向量比使用降维前的特征向量,识别准确率更高。     

喷油嘴的主要故障及排除

喷油嘴是发动机的关键部件。一旦喷油嘴出现了故障,就要影响到发动机的正常运行。因此,对喷油嘴的故障,必须及时排除。 一、喷油嘴不喷油 造成喷油嘴不喷油的原因及排除方法是:一是在油路中有空气,只需将油路中的空气排除即可。二是输油泵供油不正常,需对输油泵进