利用振动信号诊断汽车轴承故障

利用振动监测技术,对不解体汽车变速器滚动轴承进行研究,分析汽车变速器滚动轴承的故障机理,探讨了适合汽车变速器滚动轴承故障诊断方法.     

滚动轴承寿命计算方法的优化

滚动轴承原有的寿命计算方法以及滚动轴承的载荷容量理论只是简单反映了轴承的生存寿命与其影响因素的比例关系,没有具体的量化和公式化,且预估寿命的可靠性也较差。基于此,文章在滚动轴承传统寿命计算方法的基础上,对滚动轴承寿命的优化计算方法进行深入分析,为相关人士提供有效帮助。     

滚动轴承的故障产生机理与常用诊断技术

滚动轴承是机械产品中应用广泛的组合型部件,其应用有效提升了机械产品的性能,对于机械的能源消耗、使用寿命、工作条件产生了积极的改善。从滚动轴承的主要结构组成出发,说明了滚动轴承的应用优势,分析了滚动轴承的故障产生机理,并总结了滚动轴承故障检测的传统技术和新技术特点。     

滚动轴承故障诊断技术研究

滚动轴承是机器的易损件之一.滚动轴承故障诊断的传统方法和现代方法有冲击脉冲法、共振解调法、小波分析法等.滚动轴承诊断技术的发展方向为非线性理论、现代信号处理技术与智能诊断技术的融合、信号处理技术之间的相互融合.     

车用滚动轴承失效原因分析及使用维护

车上滚动轴承用得较多,分布较广,出现的问题也较多,是维护的重点。对车用滚动轴承失效原因进行了分析,提出了使用维护方法。     

滚动轴承状态的监测及故障识别方法

1.滚动轴承状态的监测滚动轴承的应用非常广泛,其状态好坏直接关系到机械车辆的运行状态。因此,实际生产中做好滚动轴承状态监测与故障诊断是搞好机械车辆维修与管理的重要环节。(1)滚动轴承故障诊断的方式及要点。对滚动轴承进行状态监测和故障诊断的实用方法是振动分析。实用     

滚动轴承故障诊断的分形特征研究

针对滚动轴承振动信号的特点,从分形原理出发,利用分形维数的理论,详细讨论了盒维数的计算方法,并对由滚动轴承故障产生的非平稳振动信号进行了分形维数的定量描述.实验结果表明,由于滚动轴承不同状态动力学机理不同,其分形维数明显不同.利用分形维数可以准确地诊断出滚动轴承的工作状态,为非平稳信号故障诊断提供了一种有效的新技术.     

变标度法的轴承故障诊断方法研究

滚动轴承的早期故障,其振动信号微弱,常规的故障诊断方法难以准确辨析。本文从分形原理出发,利用Hurst指数和变标度极差分析法,对轴承微弱故障产生的非平稳、非线性信号进行了定量的描述。研究表明,滚动轴承不同类型的故障,其动力学产生的机制不同,造成其分形维数、Hurst指数明显不同。因此利用Hurst指数以及变标度极差分析法可以准确地诊断和预测滚动轴承的早期故障。文章研究内容为滚动轴承的微弱故障的诊断与预测提供了新的研究思路。     

拖拉机滚动轴承选择与装配时注意事项

拖拉机在修理中,只有正确的选择滚动轴承、判定滚动轴承的精度状况、安装好滚动轴承,才能充分发挥出滚动轴承的优点,保证拖拉机使用性能的发挥.     

码垛机器人底座轴承应力特性分析

基于码垛机器人的典型轨迹和给定的载荷条件,本研究利用Adams软件的动力学分析计算模块,在码垛机器人正常工作的情况下进行动力学分析计算,得到滚动轴承运行时的动载荷变化,进而得出码垛机器人的动力学特性。采用有限元分析计算方法得到接触应力的变化规律,并以此作为滚动轴承疲劳寿命分析和评估的依据。仿真结果表明,滚动轴承在外载荷和动载荷共同作用下的接触应力分布与常用滚动轴承应力疲劳破坏现象相似,该方法能有效克服传统滚动轴承疲劳寿命计算方法只考虑静态载荷的不足,并为相关工程技术人员提供参考。     

滚动轴承的优缺点

<正>在机械零件设计中,经常用到滚动轴承和滑动轴承,滚动轴承与滑动轴承相比较,有以下优缺点。1优点(1)在一般工作情况中,滚动轴承摩擦系数小,不会随着摩擦系数的变化而变化,比较稳定;起动、运转力矩小,功率损失小,效率高。(2)滚动轴承径向游隙小,而且可以通过轴向预紧的方法进行消除,所以运转精度高。(3)滚动轴承轴向宽度小,有的轴承同时承受径向和轴向的     

基于最小熵反褶积与HHT方法的滚动轴承故障特征提取

滚动轴承作为旋转机械的重要支撑部件,对其进行早期故障诊断能提高机械运转的安全性。滚动轴承在故障早期故障信号极其微弱,并夹杂强噪声,采用希尔伯特-黄变换(HHT)分析故障噪声过程中,其分解得到的前几个本征模态函数中会出现端点效应,不利于故障部位的精准定位。本文采用最小熵反褶积方法提取冲击性较大的有效信号成分,提高信号的信噪比,实现滚动轴承故障特征的有效提取。实验结果表明MED能有效的提取滚动轴承故障早期信号的冲击成分,充分抑制了EMD分解带来的端点效应,提高了滚动轴承故障诊断的精度。     

基于RBF神经网络的滚动轴承故障诊断方法

应用径向基函数(RBF)神经网络建立特征向量与故障模式之间的映射关系。采用小波包分析技术构造滚动轴承特征向量。采用脉冲放电加工技术模拟滚动轴承早期单点故障,试验结果表明,采用小波包分析和神经网络结合的方法可以准确地实现滚动轴承的故障诊断。     

滚动轴承故障检测方法分析

近些年来,轴承经历了较快的发展与进步。对滚动轴承的故障检测方法进行研究,便于进一步缩短机器的日常停机时间,延长仪器的使用寿命,提高维修效率。为此,笔者对以往的研究资料进行了相关整合,分析滚动轴承故障检测方法。     

基于小波分析和BP神经网络的滚动轴承的故障诊断

提出了一种基于小波分析和BP神经网络的滚动轴承故障诊断方法，首先采用小波包对滚动轴承振动信号进行分解与重构，然后提取重构后振动信号的峭度值，将峭度值作为特征参数输入神经网络，进行故障模式识别。通过对实验数据的分析信号表明，能有效地识别滚动轴承工作状态与故障类型。     

滚动轴承代号识别方法简介

<正>1国内滚动轴承的分类及代号1.1滚动轴承的类型根据轴承所承受的外载荷方向的不同,滚动轴承可分为向心轴承、推力轴承和向心推力轴承三大类。根据滚动体种类的不同,滚动轴承又可分为球轴承和滚子轴承。根据轴承的调心性能不同,滚动轴承     

基于MEA优化BP神经网络的农机滚动轴承故障诊断

为了解决农机滚动轴承的故障诊断问题,提出了一种基于思维进化算法(MEA)优化BP神经网络的故障诊断新方法。该方法利用思维进化算法的趋同和异化操作,通过竞争获取优胜种群,在迭代过程中不断优化BP神经网路的初始权值和阈值,建立MEA-BP网络农机滚动轴承故障诊断模型。以滚动轴承试验实测数据为例,通过Mat Lab软件进行仿真,结果证实:该方法不但克服了常规BP网络学习速度慢和局部极小的缺点,而且提高了故障诊断准确度,为其他农业机械设备的故障诊断提供了一种试验方法。     

基于集合经验模态分解和支持向量机的滚动轴承故障诊断

针对滚动轴承振动信号的非线性、非平稳特征及强噪声特性,提出了一种基于集合经验模态分解和支持向量机的滚动轴承故障诊断方法。该方法首先对原始信号进行集合经验模态分解,将其分解为若干个固有模态分量,利用固有模态分量构造初始特征向量矩阵,然后对初始特征向量矩阵进行奇异值分解,计算奇异谱,将奇异谱作为特征向量,送入支持向量机训练、识别。分析结果表明,与经验模态分解相比,集合经验模态分解能有效解决模态混叠问题,从而准确、有效地提取滚动轴承的故障特征。     

基于EEMD与SVM的滚动轴承故障诊断分析

针对滚动轴承故障振动信号的非平稳与非线性的特点,提出一种基于集合经验模态分解(EEMD)指标能量的滚动轴承故障诊断分析方法。首先利用集合经验模态分解对滚动轴承故障振动信号进行降噪处理,提取故障振动信号能量特征,在此基础上构建相应的故障特征向量;然后通过SVM对滚动轴承故障进行分类,从而实现了对滚动轴承不同故障的有效诊断。     

影响滚动轴承使用寿命的分析

本文介绍了滚动轴承的工作条件及对性能的要求,阐述了影响滚动轴承使用寿命的表现形式。