滚动轴承故障的显式动力学仿真与分析

对机车滚动轴承的故障分类及成因进行了分析和介绍.在实现了基于显式动力学的滚动轴承运动过程的有限元仿真基础上,建立了滚动体故障和麻点故障的轴承故障状态模型,并在仿真软件ANSYS/LS-DYNA下,实现了仿真.同时,对比了有、无故障轴承的不同特性.结果表明,仿真与分析是进一步研究轴承故障机理与特征提取的有效方法之一.     

含轴电流损伤的球轴承动力学建模及特性分析

以风力发电机球轴承为研究对象,提出了凹坑形式的轴电流损伤模型,分析该损伤对轴承动力学特性的影响规律.利用半正弦和分段激励函数建立了一个含长度、宽度和深度的损伤模型,用于描述轴电流的不同损伤程度;建立了含轴电流损伤的轴承动力学模型,来研究损伤凹坑的大小和形状及外载荷对轴承的振动特性影响;通过轴承的接触分析,研究了轴电流损伤程度对轴承载荷分布的影响;将仿真结果和实验对比,验证了模型的正确性.研究结果表明：所提出的模型可以准确地描述由凹坑形式的轴电流损伤导致的冲击激励与周期性变化现象;随着轴电流损伤程度的增大,轴承的振动响应和接触力变大,系统趋于不稳定.     

工程装备战场损伤建模与仿真

为满足工程装备战时技术保障仿真研究和工程装备战损规律研究需要，分析了战时工程保障作业实施阶段工程装备在3种主要威胁机理和不同分布下的损伤机理，建立了工程装备战场损伤模型，并运用蒙特卡洛方法进行了仿真探讨。根据装备的作业规律和战场条件，通过仿真模型呆以得到装备的故障时间，故障类型、损伤程度。     

考虑滚动轴承故障处塑性变形的有限元建模与动力学特性分析

针对传统动力学模型难以考虑滚动轴承故障处的塑性变形对轴承动力学特性的影响这一问题,提出了考虑滚动轴承故障处塑性变形的有限元模型并进行了动力学特性分析。首先,采用线弹性材料本构模型,在ANSYS LS-DYNA环境下建立了考虑滚动体和外圈滚道不产生塑性变形的弹/弹模型;其次,考虑滚动体过故障时产生塑性变形,采用塑性随动强化本构模型,建立了滚动体和外圈故障处都产生塑性变形的塑/塑模型;最后,考虑故障处最容易产生塑性变形,采用线弹性材料本构模型和塑性随动强化本构模型相结合,建立了滚动体产生弹性变形而故障处产生塑性变形的弹/塑模型。以上模型在轴承元件接触部位都对网格进行了均匀细化,在减少穿透量的同时提高了模型的计算精度。仿真结果表明,与以往不考虑故障处塑性变形的弹/弹模型相比,考虑故障处塑性变形的塑/塑模型和弹/塑模型的峰峰值、均方根值以及加速度信号幅值约减小了1/2,且与测试所得结果波形及幅值更具有一致性;与弹/塑模型相比,塑/塑模型滚动体与内外圈接触力大小、滚动体应变值无明显变化,得出滚动体几乎不产生塑性变形,因此在建模时可以建立仅考虑故障处产生塑性变形的弹/塑模型。     

滚动轴承故障试验台的理论建模分析

文章对滚动轴承故障试验台进行了理论建模分析,建立了试验台的动力学模型,并应用质 点系动力学总势能不变值原理推导出试验台的运动微分方程。对所得的微分方程进行了分析,为以后滚 动轴承的故障诊断奠定了基础。     

转向架齿轮箱动力学建模与故障量化分类方法研究

精确的故障诊断技术是运营安全性和维护高效性的重要支撑,基于动力学建模和频域特征分析,提出齿轮故障的波峰计数量化分类方法,以定量的方式实现故障类型的精确区分。首先,建立可以精确区分正常及擦伤、缺角和齿根裂纹等类型故障的齿轮动力学模型,获得齿轮故障的动力学响应特征,然后基于模型仿真信号的频域特征,提出精确区分不同类型故障的波峰计数诊断方法,最后,以转向架高保真故障模拟试验台开展齿轮故障模拟试验,验证动力学模型特征分析的准确性和量化诊断方法的有效性。研究结果表明：在一定的故障严重程度下,裂纹、擦伤、缺角、正常这4种状态的波峰计数依次减小,利用波峰计数方法可准确划分故障类型。本文研究为转向架齿轮故障动力学特性分析和故障诊断提供了重要方法。     

含局部故障的滚动轴承动力学建模及振动分析

基于ANSYS/LS-DYNA软件建立了健康圆柱滚子轴承的二维显式有限元模型,并从轴承运动学的角度验证了本文所建有限元模型的有效性.在健康圆柱滚子轴承模型中引入利用圆周矩形模拟的内、外滚道局部剥落故障,建立含局部剥落故障的圆柱滚子轴承有限元模型,分析了故障区边缘单元的等效应力和滚子滚过内外圈局部缺陷的过程.将仿真结果与实验测试结果对比分析,证明了本文所建立的含局部剥落故障的圆柱滚子轴承有限元模型的正确性.在此基础上,研究了局部故障区域平滑程度对滚动轴承振动特性的影响,故障区域越平滑,振动响应越小.研究结果可为滚动轴承故障诊断提供一定参考.     

船载测控雷达传动减速箱的动力学建模与仿真研究

本文针对船载测控雷达传动减速箱的结构特点,在建立传动减速箱动力学模型的基础上,分析研究了传动减速箱的典型故障模式,建立了行星齿轮典型故障模型并进行了数值仿真,提出了面向故障检测与预测的故障特征,并在分析行星减速箱齿根裂纹故障机理的基础上,针对不同尺度和转速下的疲劳裂纹进行了静态和动态分析,为船载测控雷达天线结构的状态监测、故障诊断与预测提供理论依据。     

滚动直线导轨副可动结合部动力学建模

在系统分析国内外有关滚动直线导轨动力学特性研究成果的基础上,提出了一种新的直线滚动导轨副结合部动力学模型,并通过实验验证了该模型.结果表明.a.所建立的直线滚动导轨副结合部动力学模型具有通用性,可以用于任何一台使用该直线滚动导轨副的数控机床的动力学建模中;b.计算机仿真计算结果与实验结果基本一致,在侧翻和偏航两个模态处,固有频率的仿真计算值与实验值非常一致,误差不超过3%,说明了模型的有效性;c.所建立的模型可以方便地与成熟有限元软件结合.     

直升机主减典型部件故障动力学建模与仿真

针对直升机主减系统关键部件智能化故障诊断的迫切需求,从动力学建模的角度分析典型故障状态下系统的动态响应特性有助于深化故障机理和先进诊断算法的研究.采用集中参数法对直升机主减系统典型结构建立了考虑多非线性因素的故障动力学模型,并采用多体软件进行仿真建模与校验.仿真结果表明,啮合频率与局部故障特征频率调制现象清晰明显,行星轮周向响应明显大于平移响应.该类模型能有效揭示典型故障下的振动特性,为直升机传动系统故障诊断提供指导.     

基于EEMD与形态滤波的滚动轴承故障诊断方法研究

为从滚动轴承故障信号中提取出包含故障信息的特征频率,提出集合经验模式分解法(EEMD)与形态滤波相结合的解调方法。该方法首先利用EEMD自适应地将信号分解成多个IMF分量,然后计算各IMF分量与原信号的相关系数,选择合适的IMFs进行信号重构,再对重构后的信号进行形态滤波,滤除脉冲干扰,提取出故障特征信息。将该方法应用于滚动轴承故障诊断实例中,并将分析结果与直接对原信号进行包络谱分析解调的结果进行对比。结果表明,该方法提取故障信息的效果较包络谱分析解调的效果要好。     

基于最大李雅普诺夫指数的滚动轴承故障诊断研究

针对滚动轴承故障后期的非线性行为以及判断故障的劣化趋势标准问题,提出了最大李雅普诺夫(Lyapunov)指数判别方法。利用包络解调法对轴承原始信号进行了0~1 000,2 000~3 000及3 000~4 500 Hz分频段降噪处理,研究了不同时段轴承故障劣化程度与Lyapunov指数的关系以及信号噪声对Lyapunov指数的影响。结果表明,在0~1 000Hz频段内,轴承早期故障的Lyapunov指数为0.612,运行5个月后,Lyapunov指数增大到0.810 5,2 000~3 000 Hz及3 000~4 500 Hz频段内,Lyapunov指数也呈缓慢增大趋势,说明Lyapunov指数能够反映轴承故障劣化程度,因此可以把Lyapunov指数作为判断轴承故障严重程度的特征参量,这为轴承故障的劣化判断提供了一条有效途径。     

基于最大李雅普诺夫指数的滚动轴承故障诊断研究

针对滚动轴承故障后期的非线性行为以及判断故障的劣化趋势标准问题，提出了最大李雅普诺夫（Lyapunov）指数判别方法。利用包络解调法对轴承原始信号进行了0～1000，2000-3000及3000-4500Hz分频段降噪处理，研究了不同时段轴承故障劣化程度与Lyapunov指数的关系以及信号噪声对Lyapunov指数的影响。结果表明，在0～1000比频段内，轴承早期故障的Lyapunov指数为0．612，运行5个月后，Lyapunov指数增大到0．8105，2000-3000Hz及3000-4500Hz频段内，Lyapunov指数也呈缓慢增大趋势，说明Lyapunov指数能够反映轴承故障劣化程度，因此可以把Lyapur剐指数作为判断轴承故障严重程度的特征参量，这为轴承故障的劣化判断提供了一条有效途径。     

滚动轴承故障诊断系统研究

在对滚动轴承振动信号特征分析的基础上，建立了AR模型，利用AR模型参数建立径向基函数神经网络，并用该网络对滚动轴承的故障模式进行了识别。最后应用Matlab语言强大的计算功能，建立了滚动轴承故障诊断系统。理论和试验证明了该系统的有效性，且具有较高的识别精度。     

滚动轴承设计计算系统研究

为提高滚动轴承设计计算的效率,研究和开发了滚动轴承设计计算软件系统。将数据库技术应用到滚动轴承设计计算中,研发的软件系统能够方便地计算、选择机械设计中的常用滚动轴承。     

基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概...     

基于SVM"一对一"聚类结构的滚动轴承状态诊断

文章在分析比较几种诊断方法的基础上,根据滚动轴承的故障特点,建立了SVM"一对一"聚类结构并对滚动轴承故障进行诊断;该方法基于结构风险最小化,能较好地解决小样本学习问题,避免了人工神经网等智能方法在对滚动轴承状态进行诊断时所表现出来的过学习、泛化能力弱等缺点;利用SVM"一对一"聚类结构对滚动轴承故障类别进行投票,降低了单个支持向量机的误判概率;具体实验结果表明,该聚类结构对滚动轴承的故障类别具有很高的诊断精度,能够取得理想的聚类效果。     

S变换在滚动轴承故障诊断上的应用

为了研究滚动轴承信号的非平稳特征,应用时频分析技术是一种较好的选择．研究了S变换,该方法是将短时傅里叶变换同小波变换结合起来发展的一种新算法．对多种时频分析方法进行了比较,得出S变换优于其他方法的一些特点,提出基于S变换的滚动轴承信号瞬态特征检测方法．结果表明,S变换能够以较高时频分辨率表示轴承振动中的非平稳特征,能反映出信号时频谱真实的物理意义,并且计算速度快．诊断结果验证了该方法可以用于滚动轴承的故障诊断．     

基于VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法

针对滚动轴承振动信号在强噪声环境下出现非线性、非平稳、强干扰特性,进而导致故障特征难以提取及故障诊断准确率低的问题,提出变分模态分解(VMD)-多尺度排列熵(MPE)-核主元分析(KPCA)特征提取与多分类相关向量机(MRVM)相混合的滚动轴承故障诊断方法.该方法首先通过VMD-MPE进行滚动轴承振动信号的高维故障特征提取,其次对提取的故障特征进行KPCA可视化降维,最后将降维后的故障特征输入可实现不同样本概率输出的MRVM进行滚动轴承故障诊断.通过美国西储大学的滚动轴承故障数据集对该方法的有效性进行验证,结果表明提出的VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法能够有效提取和识别滚动轴承故障特征,所提出的混合智能故障诊断方法与相关文献报道的故障诊断方法相比较,故障识别准确率达到了99.18%.     

EEMD结合能量特征和小波降噪的轴承故障诊断

为解决在强背景噪声条件下滚动轴承故障诊断问题,开展基于能量特征和小波降噪的总体经验模态分解(EEMD)研究。首先以仿真信号为研究对象,对其进行总体经验模态分解,得到9个固有模态函数(IMF)和1个余项( Res),然后考虑各模态函数的能量特征,将分解后的9个IMF分量与原始信号的能量比作为判断标准,剔除附加5个低频分量,最终得到4个有效的IMF分量和1个余项,与仿真信号相符。在仿真信号分析的基础上,对含噪声信号的滚动轴承故障信号进行故障诊断试验研究,采集信号经小波降噪后,利用总体平均经验模态分解并结合能量特征,得到3个IMF分量和1个余项,然后对3个IMF分量进行包络谱分析,提取故障特征频率157.5 Hz,与滚动轴承故障内圈特征频率157.9 Hz相比,误差为0.25%,说明该方法能很好地提取含有噪声信号的轴承故障信息。该研究为强背景噪声下滚动轴承故障信息的提取提供了一种有效的方法。