基于声学信号瓶颈特征的滚动轴承故障诊断

为有效诊断滚动轴承的健康状态,针对运行监测声学信号特征微弱的特点,提出了基于声学信号瓶颈特征的滚动轴承故障诊断方法.首先提取滚动轴承声学信号的多维特征参数,通过自编码网络降低特征维数,获取有效反映滚动轴承运行状态的瓶颈特征,最后训练支持向量机实现滚动轴承故障诊断.通过对滚动轴承不同故障状态的模拟试验分析,并与传统方法对比,可知本文提出的方法具有更高的诊断正确率.     

小波减噪和双谱分析在轴承故障诊断中的应用

提出了基于小波减噪技术和双谱分析的滚动轴承故障诊断的方法。利用小波变换及其减噪技术对滚动轴承早期微弱故障振动信号的特征频率进行提取，采用双谱估计可绘出滚动轴承故障信号的特征图谱。实验表明，小波减噪和双谱分析方法可以敏感地监测滚动轴承工作状态，并且利用特征图谱可以有效地识别滚动轴承不同的故障特征。     

滚动轴承故障诊断专家系统的研究

对专家系统技术以滚动轴承故障诊断中的应用进行了探索和研究，文中介绍了开发滚动轴承邦联估线诊断专家系统的设计思想和实现方法，并重点讨论知识库的开发以及实时数据库的建立。     

滚动轴承状态监测与早期故障诊断系统研究与设计

针对滚动轴承状态监测与早期故障诊断困难的问题,从滚动轴承的结构组成和工作机理出发,基于LabVIEW设计了具有模块化结构的在线监测-离线诊断监测系统.首先在线监测振动信号的时域指标,其次基于经验模态分解(Empirical mode decomposition,EMD)和包络谱分析确定振动信号有效分量并从中提取故障特征,离线诊断出滚动轴承的故障类型.最后,通过实验验证系统的可行性.实验结果表明该监测系统能够快速便捷地获取滚动轴承状态参数,同时准确可靠地进行故障识别,能够满足滚动轴承状态可视化监测和早期故障识别的要求.     

小波包变换在滚动轴承在线检测系统中的应用研究

针对滚动轴承在生产过程中容易出现故障的问题,设计检测系统对生产的滚动轴承进行故障检测具有十分重要的意义。本文设计的以工控机、数据采集卡、AD/DA卡为核心,以加速度传感器、生产线控制装置为辅助的滚动轴承在线检测系统,可以实现在线检测滚动轴承故障的目的。滚动轴承在线检测系统与生产线运行同步,运用小波包变换的方法对滚动轴承的振动信号进行特征分析,实现对故障的实时检测,从而提高了检测系统的智能化水平。     

基于逻辑回归的滚动轴承性能退化评估

设备运行状态从正常运行到发生故障通常要经过一系列不同程度的,可以量化的性能退化状态,如果能对这些状态进行实时监测评估,可以帮助实现设备的智能维修。本文以滚动轴承为研究对象,提出基于逻辑回归的性能退化评估模型,并用美国凯斯西储大学轴承中心数据进行了验证,结果表明,该方法取得了良好的评估效果。     

一种基于压缩感知和小波信息熵的滚动轴承特征提取方法

为降低滚动轴承在线监测和故障诊断过程中振动信号采集、传输、存储和处理负担,基于压缩感知理论和小波包分析技术,提出一种基于压缩感知和小波信息熵的滚动轴承特征提取方法,用于滚动轴承故障诊断。应用部分哈达玛矩阵采集振动信号实现压缩,通过小波包分解提取滚动轴承状态特征,计算其小波信息熵作为故障诊断特征。在标准数据集上进行振动信号特征提取,并采用四种分类方法完成故障诊断实验,结果表明本文特征提取方法能够在较高的数据压缩率条件下,保持较高的故障诊断精度,适用于滚动轴承在线监测和故障诊断。     

数据驱动的滚动轴承性能衰退状态监测方法

针对滚动轴承性能衰退状态监测中的故障信号微弱和故障模式多样性等问题,提出了一种基于自适应噪声完备集合经验模态分解(CEEMDAN)以及主成分分析(PCA)的滚动轴承性能衰退状态监测方法.针对经过预处理后的滚动轴承原始振动信号,分别采用CEEMDAN方法以及Hilbert-Huang变换提取本征模能量特征和故障特征;综合运用斯皮尔曼等级相关系数和PCA进行特征融合,以获得表征滚动轴承性能衰退状态的健康指数;通过对健康指数的单调性、稳健性和衰退性等进行分析,并经过加权平均来识别滚动轴承性能衰退状态.实例分析结果表明,所提出的方法能够较为准确地识别滚动轴承性能衰退状态.     

滚动轴承疲劳寿命的测试技术

运用铁谱技术同时借助扫描电子显微镜对滚动轴承的疲劳失效过程进行了研究与监测。研究表明铁谱技术对滚动轴承磨损机理研究及其磨损状态的监测是行之有效的。     

基于双谱的模糊聚类滚动轴承故障诊断

为了能准确可靠地判别出机械设备中滚动轴承的故障类型,基于双谱能表征随机信号偏离高斯噪声程度的特性,提出一种模糊聚类的滚动轴承故障诊断方法。基于滚动轴承运行过程中监测到的振动信号包含高斯噪声且具有非高斯、非线性特点,该方法在分析高阶谱理论的基础上,对双谱估计特征值进行阈值化处理,构成二值特征图并构造模板,通过测试样本与目标模板之间距离大小来进行不同类别的判断,实现对滚动轴承故障的诊断。经实例验证,该方法有效实现了对滚动轴承故障的分类判别,并提高了判别的可靠性和准确性。     

基于不同退化阶段状态空间模型及粒子滤波的滚动轴承寿命预测

为解决滚动轴承全寿命数据有限及物理模型难以建立的问题,提出一种基于状态监测信息和滚动轴承退化物理模型的寿命预测方法。首先对Paris公式及Foreman公式进行改进,建立滚动轴承不同退化阶段状态空间模型,并将已知的滚动轴承物理数据及运行状态信息输入模型,利用最小二乘法对模型参数进行调整;然后利用粒子滤波算法对滚动轴承后期运行趋势进行递推预测;最后运用滚动轴承全寿命数据对所提方法进行验证,并将预测结果与单一状态空间模型及Gamma模型预测结果对比,结果表明该方法预测准确率更高,具有较强的实用性。     

基于EMD与多重分形去趋势法的轴承智能诊断方法

引入经验模态分解(EMD)方法去除故障信号的趋势项,提出EMD-MFDFA(multifractal detrended fluctuation analysis)的多重分形分析方法,并通过仿真分析EMD方法去趋势效果的有效性。然后将采用EMD-MFDFA方法提取的电机滚动轴承振动信号的多重分形特征向量作为训练集,利用混合遗传算法搜索全局最优的能力优化支持向量机(SVM)模型参数,建立电机滚动轴承的智能诊断模型。最后,通过对电机滚动轴承不同状态的振动信号进行分析。研究结果表明:EMD-MFDFA方法能很好地揭示滚动轴承的振动信号多重分形特性,对滚动轴承正常状态、单一故障与多故障耦合等状态具有很强的辨识能力;所建立的智能诊断模型可以有效地诊断滚动轴承不同的故障状态,能够作为滚动轴承故障在线监测的有效工具。     

关于地矿机械若干问题的研究与分析

本文首先讨论了滚动轴承失效形式及原因,接着分析了滚动轴承现场监测和润滑﹑轴受损和维护,最后研究了CST传动装置。因此本文具有深刻的理论意义和广泛的实际应用。     

基于多层超限学习机的滚动轴承故障诊断方法

针对目前轴承故障诊断领域存在的海量数据问题及快速学习、实时监测的诊断要求,采用一种多层超限学习机方法对滚动轴承故障数据进行诊断测试。该方法直接学习轴承故障振动时域信号,与传统诊断方法相比,省去了复杂的信号处理过程,更加简便。将多层超限学习机方法的诊断结果分别与单层超限学习机、深度神经网络方法的诊断结果进行比较,多层超限学习机具有明显优势:(1)与单层超限学习机相比,多层超限学习机具有更好地学习和特征提取能力,其诊断准确率可达到98.29%;(2)与深度神经网络相比,多层超限学习机能够在保证较高诊断准确率的前提下,获得较快的训练速度,其训练速度较深度神经网络提高了41倍。结果表明,所采用的方法在滚动轴承故障诊断方面具有很好的效果和应用价值。     

基于小波分析和Kohonen神经网络的滚动轴承故障分析

为了对旋转机械中滚动轴承的运行状态进行故障监测和诊断,在对振动信号进行采集和处理的基础上,提出了小波变换与Kohonen神经网络(SOM)相结合的滚动轴承故障诊断新方法.运用该方法在滚动轴承实验台上进行实验,用小波分析提取振动信号的特征值后,应用SOM网络对数据进行分类得到各种故障类型的标准样本,通过故障样本与标准样本...     

基于正常域的无故障数据条件下轴承隐患监测

针对滚动轴承状态辨识和监测中缺乏故障数据的实际情况,系统化地提出基于正常域估计理论的隐患监测方法;对正常域理论中的基本概念进行阐述,并给出正常域的形式化表达;梳理基于正常域估计进行隐患监测的学术思想和实施步骤,提出基于凸包理论解决正常域边界估计问题,并选用快包法进行边界估计,基于滚动轴承的振动数据进行实验。结果表明,基于快包法的正常域边界估计方法快速并且有效,估计出的正常域边界能够区分正常和异常状态,验证了所提出的方法的可行性。     

物证比例照相方法的研究

目的:为了解决刑事技术部门对实时监测影像比例照相技术方法及实时监测影像比例照相的专门器材的迫切需要;为了进一步对比例照相方法、理论进行深入系统研究。方法:通过试验设计制作实时监测影像比例窗。结论:安装了实时监测影像比例窗的照相机可以解决物证比例照相中实时监测影像比例大小的问题。讨论:实时监测影像比例照相方法准确、科学可靠、方便快捷。     

滚动轴承故障诊断与预知维修数据库系统研制

研制了一种用于滚动轴承故障诊断与预知维修的数据库系统。该系统综合应用ＦｏｘＰｒｏ的数据库管理特性、ＡｕｔｏＣＡＤ的绘图特性以及Ｃ语言的界面功能和兼容性,全面地反映了滚动轴承的基本参数信息、结构特征等,可广泛用于各类设备中滚动轴承邦联监测与诊断。     

基于比例风险模型的列车滚动轴承剩余寿命预测

针对列车滚动轴承剩余寿命的精确预测问题,融合状态监测与可靠性数据,提出一种基于比例风险模型(PHM)的列车滚动轴承剩余寿命预测方法;给出基于PHM的寿命预测算法,详细阐述样本数据获取、参数估计和寿命预测3个具体步骤,并通过全寿命周期滚动轴承实验数据,对所提出方法进行验证。结果表明:PHM输出的预测结果均方根误差为45.73,与目标结果的一致性超过0.9。     

轴承疲劳故障诊断方法的实验研究

基于多组轴承实际运行状态的监测实验，对信号变化特征作了全面描述，弥补了依据模拟故障试验的不足．通过多方面的分析、比较，得出了一套用于滚动轴承疲劳故障在线监测和诊断的有效方法．