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。     

滚动轴承失效的机理及故障诊断分析

由于滚动轴承的结构和使用不同,导致其失效原因的多样化。主要有装配不当、润滑不良、过载、冲击、振动、磨料或有害液体的侵入、环境温度过高或过低、材质缺陷、制造精度低和杂散电流的作用等。文章将对滚动轴承失效的机理及故障诊断进行分析。     

基于提升小波包变换的滚动轴承包络分析诊断方法

提出了一种基于提升小波包变换提取滚动轴承损伤特征的方法.在提升模式的框架下,根据小波包变换的思想,对细节信号进一步采用提升模式进行分解,实现了提升小波包变换.为了有效地获取滚动轴承的损伤特征,选择合适的小波包基函数,把振动信号按给定的尺度分解,以该尺度信号能量最大的小波包信号分解频带作为最佳小波包,再用解调分析法提取特征频率.并采用仿真和实验信号对该方法进行了验证.采用该方法对无损伤和含有损伤的滚动轴承进行分析,取得了较好的诊断效果.     

基于改进Faster R-CNN的马铃薯发芽与表面损伤检测方法

发芽与表面损伤检测是鲜食马铃薯商品化的重要环节。针对鲜食马铃薯高通量分级分选过程中,高像素图像目标识别准确率低的问题,提出一种基于改进Faster R-CNN的商品马铃薯发芽与表面损伤检测方法。以Faster R-CNN为基础网络,将Faster R-CNN中的特征提取网络替换为残差网络ResNet50,设计了一种融合ResNet50的特征图金字塔网络（FPN）,增加神经网络深度。采用模型对比试验、消融试验对本文模型与改进策略的有效性进行了试验验证分析,结果表明:改进模型的马铃薯检测平均精确率为98.89%,马铃薯发芽检测平均精确率为97.52%,马铃薯表面损伤检测平均精确率为92.94%,与Faster R-CNN模型相比,改进模型在检测识别时间和内存占用量不增加的前提下,马铃薯检测精确率下降0.04个百分点,马铃薯发芽检测平均精确率提升7.79个百分点,马铃薯表面损伤检测平均精确率提升34.54个百分点。改进后的模型可以实现对在高分辨率工业相机采集高像素图像条件下,商品马铃薯发芽与表面损伤的准确识别,为商品马铃薯快速分级分等工业化生产提供了方法支撑。     

基于模糊神经网络的滚动轴承滑动擦伤诊断

针对故障诊断知识模糊性及引起轴承滑动擦伤的参数间的非线性特点，提出了基于模糊神经网络的故障诊断方法，建立了模糊神经网络模型，并将其应用于滚动轴承的滑动擦伤诊断。网络测试结果表明，本文方法对于滚动轴承的滑动擦伤诊断是十分有效的。     

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。     

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。     

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.     

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。     

基于形态非抽样小波分解的滚动轴承故障特征提取

针对滚动轴承故障特征信息往往被强背景噪声淹没的问题,提出采用基于多尺度差值形态滤波的形态非抽样小波分解方法提取故障特征.形态非抽样小波分解具有形态学的形态滤波特性与小波分解的多分辨率特性,通过非抽样方式对信号进行分解,克服了传统形态小波分解信息丢失的问题.结合差值形态滤波能够提取信号冲击成分的特点,构造了一种基于多尺度差值形态滤波的形态非抽样小波分解方法,并将其应用于滚动轴承故障特征的提取.仿真与实例证明,该方法可有效提取信号中的故障特征,比传统小波包分解效果更好.形态非抽样小波分解算法只包含加减和极大、极小运算,具有计算简单、快速等优点,适用于滚动轴承的在线监测与故障诊断.     

滚动轴承摩擦力矩的非线性特

以混沌理论为基础,通过试验研究滚动轴承摩擦力矩时间序列的非线性特征评估问题,为精确计算滚动轴承摩擦力矩的动态性能奠定基础.用关联维数标准差刻画摩擦力矩的不确定性,用关联维数均值描述摩擦力矩非线性特征的演变历程.研究表明,滚动轴承属于确定的非线性动力学系统,但其摩擦力矩呈现出明显的不确定性.随着转速的增加,滚动轴承摩擦力矩关联维数标准差与均值都呈现出非线性增大的趋势.     

基于能量算子解调法的滚动轴承故障诊断

利用能量算子对故障轴承的高频共振信号进行包络解调，实现了滚动轴承故障特征提取，首先介绍了共振解调法的诊断原理，然后详细论述了能量算子及能量算子解调的方法，并用该方法对406故障轴承的高频共振信号进行包络解调，准确诊断出两轴承的损伤类型。实验和应用结果表明，能量算子解调法优于Hilbert变换。能满足实时诊断要求，是诊断轴承损伤类故障的一种有效手段。     

基于BP神经网络的滚动轴承振动故障诊断

滚动轴承振动信号被分析和处理后,提取出能够反映滚动轴承故障的特征参数,经归一化处理作为BP神经网络的输入,并用BP算法对该网络进行训练,利用神经网络的智能性来判断轴承的好坏。仿真结果表明,该方法实用有效。     

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。     

端承摩擦桩与摩擦桩在水闸设计中的应用比较

在水闸的设计中,对不能满足承载力要求的软弱地基,大都采用工程桩进行基础处理,工程桩类型的选择十分重要。结合工程实例和相关试验,根据工程地质特点,将较为常用的端承摩擦桩和摩擦桩进行对比分析,以求在设计中选择技术可行、经济合理及安全可靠的桩基处理方案。     

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。     

N480Q曲轴滚压机床滚压系统设计计算

本文对滚压刀具的结构形式和配置进行了讨论,设计了用于曲轴滚压加工的专用滚压头,对滚压加工过程中的功率消耗、滚压加工时曲轴的轴向变形量进行了计算,可为研制国产化的曲轴滚压专用设备提供帮助。