基于EMD和Teager能量的滚动轴承故障诊断

对滚动轴承故障信号进行Teager能量谱分析是一种有效的方法,但是Teager能量算子使用对象为单分量信号.根据EMD （Empirical Mode Decomposition）能够自适应地把信号分解成单分量调制信号IMF（Intrinsic Mode Function）的特点,提出了一种基于EMD和Teager能量的故障诊断方法.通过对EMD分解出的与原信号互相关系数最大的分量作Teager能量谱分析进行诊断.分析了滚动轴承故障实验信号,并与信号的直接Teager 能量谱作了比较,验证了该方法的有效性.     

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。     

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.     

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.     

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。     

基于AsyLnCPSO-SVM的滚动轴承故障诊断研究

针对时域故障诊断效率不高,而且在对SVM超参数寻优时原始PSO以及部分改进PSO容易陷入局部最小值,使得收敛效果较差的问题,提出一种AsyLnCPSO-SVM的滚动轴承故障诊断方法。提取信号的时域特征,构建故障诊断数据集,运用AsyLnCPSO-SVM模型对故障进行诊断,在诊断过程中动态调节学习因子c₁和c₂的值,使得c₁呈非线性异步递减,而c₂呈非线性异步递增,从而达到良好的故障诊断效果。实验结果表明,设计的模型具有较快的收敛性,仅需4次迭代便可收敛,并且准确率可达98.87%。     

滚动轴承的运行噪声故障诊断

轴承的噪声可以反映其运行状况、损伤、润滑等情况,对噪声的监听,可作为一种旋转滚动轴承的辅助诊断分析手段。有助于减小轴承的损毁,降低停机时间和维修成本,提高生产率。采用测声器对运转中的轴承的滚动声的大小及音质进行检查,轴承即使有轻微的剥离等损伤,也会发出异常声音和不规则声音,用测声器能够分辨。利用听觉来辨识不规则的运转是一种很普通的方法。例如：用电子式听诊器来查觉某一零件的不正常噪音常是有经验操作员使用的方法。轴承若处于良好的运转状态会发出低低的呜呜声音。若是发出尖锐的嘶嘶、吱吱及其它不规则的声音,经常表示轴承处于不良的运转状况。尖锐的吱吱噪声可能是由于不适当的润滑所造成的。不适当的轴承间隙也会造成金属声,轴承外圈轨道上的凹轨道的凹痕会引起振动,并造成平顺清脆的声音。若是由于安装时所造成的敲击伤痕也会产生噪音,此噪音会随着轴承转速的高低而不同。若是有间歇性的噪声,则表示滚动件可能受损。此声音是发生在当受损表面被辗压过时,轴承内若有污染物常会引起嘶嘶声。严重的轴承损坏会产生不规则并且巨大的噪声。     

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。     

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.     

滚动轴承摩擦副表面损伤的检测与诊断系统

以频谱分析为理论基础，以动态测试为手段，采用数字信号处理技术提取滚动轴承摩擦副表面损伤的特征信息，通过时域和频域分析，即可判别各摩擦副（外环、内环、滚动体）表面的损伤状况，从而实现了对滚动轴承摩擦副表面损伤故障的检测与诊断，该系统具有良好的人机界面，全部汉字显示菜单，使用方便；系统采用结构化模块设计，每一功能由独立的模块完成，经改进和功能扩展，可推广到其他振动信号的采集和分析中。     

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EEMD的农机轴承故障诊断

针对经验模式分解(EMD)在非线性信号处理中存在的模态混叠问题,本研究采用了总体经验模式分解(EEMD)方法对农机中的轴承进行故障诊断。将农机轴承故障信号加入随机白噪声构成总体信号再进行EMD分解,然后对分解所得的固有模态函数(IMF)做包络谱分析,在包络谱中清晰地显示出了轴承故障特征。实验结果表明,避免了模态混叠现象的产生,是一种有效的农机轴承故障诊断方法。     

基于经验模态分解的冲击脉冲法研究

提出基于经验模态分解的冲击脉冲法,带通滤波后,进一步采用经验模态分解方法自适应滤波提取故障轴承振动信号中的调制信息,最后应用Hilbert变换解析出故障频率。仿真信号和实验验证结果表明,与仅仅采用带通滤波器滤波比较,该方法更能突出故障频率成分,避免误诊断。     

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。