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。     

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。     

浅析LMD和支持向量机在旋转机械故障诊断中的应用

旋转机械长期处于连续运转状态,很容易发生故障。而其一旦出现故障,不仅会影响企业生产的经济效益,甚至还会引发重大事故。因此,对旋转机械进行状态检测及故障诊断有着重要现实意义。课题组提出了一种基于LMD和支持向量机相结合的故障诊断方法。这一方法首先运用LMD信号处理方法进行故障特征提取,然后采用支持向量机对提取的特征进行状态识别、分类。课题组以滚动轴承为例,阐述了基于LMD和支持向量机的旋转机械故障诊断的应用。     

滚动轴承故障诊断及其维护

滚动轴承作为旋转机械的关键零件,对其故障诊断及维护来减小经济损失、延长使用寿命具有十分重要的意义。以故障检测确定失效模式,针对其失效模式的特点提出解决方案使轴承正常工作。同时做好滚动轴承的维护,提高其使用价值,将为机械制造业带来巨大的经济效益和低风险的保障。     

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     

滚动轴承的振动故障诊断

轴承是机械转动中常用的零件，其工作状态的好坏直接影响整个机械车辆的正常运转，许多机械车辆的故障都与轴承有关。滚动轴承又是机械车辆中易损元件，轴承的缺陷如装配不当、润滑不良、水分和异物入侵、腐蚀都会导致机器剧烈振动和产生噪声，甚至损坏。即使在一切都正常的情况下，经过一段时间的运转，轴承也会因出现疲劳剥落和磨损而不能正常工作。     

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。     

绝缘涂层厚度对滚动轴承力学性能的影响研究

绝缘轴承主要用于电力行业、铁路行业、机械行业等领域的电机设备,是解决这些设备因电蚀问题而产生故障的关键部件,绝缘轴承中的绝缘涂层对滚动轴承的力学性能也具有一定的影响.文章建立同时考虑径向载荷及转速条件下绝缘轴承动力学模型,开展绝缘涂层厚度对滚动轴承力学性能影响的研究.应用ABAQUS有限元软件进行仿真,获得不同绝缘涂层...     

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.     

浅析农业机械滚动轴承的维护

阐述了农业机械滚动轴承的结构与分类,介绍了滚动轴承的拆装方法和润滑注意事项,提出了通过声音、工作温度、润滑剂的状态、拆卸检查4种方法来识别滚动轴承故障。     

机床电气电路故障分析方法

机械相关产业的发展,对于提升国家的综合国力来说非常重要。在实际的机械生产中,机床性能好坏对于产品的品质有着决定性作用。由于机械设备在实际生产过程中使用的机床类型有所不同,并且在机床的实际使用过程中,会因为质量等问题产生各种电气电路的故障情况,极大的影响了产品的质量。本文通过机床电气电路设备在实际工作中产生的故障,提出了相关解决方法,供读者参考。     

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。     

滚动轴承的故障分析与补救

滚动轴承在使用过程中发生故障而损坏时,只有通过轴承的损坏情况来查明滚动轴承的故障,且及时排除,才能保证更换后的轴承能够达到正常使用寿命。滚动轴承的损坏形式及补救办法大致有以下六种。     

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.     

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。     

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。     

局域波分形动力学在旋转机械故障诊断中的应用

根据局域波分解原理，分析了旋转机械常见故障信号局域波分解后的各模式分量的分形特性，提出了一种应用局域波分解和分形技术对旋转机械进行故障诊断的新方法。分析结果表明，由于不同故障的动力学产生机制不同，相应的关联维数具有明显的可分性。关联维数可作为旋转机械非线性故障的特征提取。     

滚动轴承损坏的特点及鉴定方法

农用机械中转动的轴类零件,大多采用滚动轴承、滑动轴承来支承,用以减小转动时的摩擦阻力.农用机械上使用的滚动轴承各式各样,有滚珠的、滚子的、滚针的;有径向轴承、止推轴承、径向止推轴承、自动调心轴承等.