工业电机中的滚动轴承故障的分析

在工业电机运行过程中经常会出现轴承发热、噪声等故障,甚至会出现整个轴承全部烧毁而导致停机。轴承的故障占整个电机故障的比率非常高。作为承载和转动的零部件,轴承成为很多故障的表现点,非常容易受到损伤。因此,对工业电机中常见的典型轴承故障进行了详细的剖析,并指出引起轴承故障原因及相应的改善措施。但轴承故障的原因是由众多因素造成,需要具备足够的轴承应用知识以及长期的经验积累。     

基于包络切片谱和时频谱的轴承故障诊断

为了有效提取轴承故障信号的故障特征以及更好地显示其时频特性,提出了基于局部均值分解(LMD)的包络切片谱分析及时频分布方法。首先,使用LMD对轴承故障信号进行分解得到一组PF分量。然后,对各PF分量的包络信号(瞬时幅值)进行切片谱分析。同时,由PF分量的瞬时频率和瞬时幅值获得各PF分量的时频分布。实测轴承故障信号的LMD包络切片谱分析及时频分布结果表明,LMD包络切片谱可准确获得内圈故障轴承和外圈故障轴承的故障特征频率,LMD时频分布可更直观地显示轴承故障信号的时变瞬时特性,可用于辨别轴承的故障形式。     

局部剥落故障对滚动轴承接触与振动特性的影响

为了研究局部剥落故障对滚子与故障周边区域之间的接触特性以及轴承振动响应特征的影响规律,基于圆柱滚子与轴承滚道局部剥落故障之间接触关系,建立滚子与滚道接触等效有限元模型和考虑故障过渡区的圆柱滚子轴承动力学模型,研究故障宽度对滚子与滚道之间接触变形、应力、宽度和刚度以及轴承振动响应的影响规律。研究结果表明:随着局部剥落故障宽度的增大,接触宽度减小,接触应力与接触变形量增大;考虑局部剥落故障过渡区的轴承振动加速度大于不考虑局部剥落故障过渡区的轴承振动加速度。     

考虑时变位移激励的轴承圆形故障动力学

建立轴承剥落故障的动力学模型是研究轴承故障机理的常用手段,由于滚动体在经过故障区时的接触情况较为复杂,所以准确地建立轴承剥落故障时变激励函数对轴承故障动力学模型的正确性具有很大影响。但是在解决轴承圆形故障时现有的单一化激励函数难以准确表达滚动体与故障的实际接触情况。因此,主要以深沟球轴承外圈剥落故障为研究对象,构建了考虑圆形剥落故障引起的弹性形变和滚动体经过故障区域瞬时位置的时变位移激励模型。研究了滚动体经过外圈圆形故障区域时的接触间隙变化规律,分析了不同故障尺寸的双冲击信号之间的时间间隔特征并通过仿真和实验进行对比的方法验证建立模型的有效性,为研究轴承剥落故障提供了理论支撑。     

基于改进GAN的水力测功器轴承故障在线诊断方法

基于数据驱动的轴承故障诊断方法已成为轴承故障诊断领域研究的重点,但由于水力测功器轴承故障情况极少,导致基于数据驱动的轴承故障诊断准确率低。针对上述问题,本文提出了一种基于改进生成对抗神经网络（Generative Adversarial Networks）的水力测功器轴承故障在线诊断方法,首先对生GAN训练方法进行改进,用改进的GAN交替训练判别器和生成器学习原始数据的分布特性,建立了水力测功器轴承故障数据增强模型得到合成数据。然后结合原始数据和合成数据训练得到基于SVM的轴承故障诊断模型。最后采用该轴承故障诊断模型实现水力测功器轴承故障在线诊断。仿真结果表明,所提出的故障在线诊断方法通过改进GAN增强训练极大提升了轴承故障诊断的实时准确率,并具有抗噪声干扰性强的特点。     

基于LMD和FCM的滚动轴承故障诊断方法

滚动轴承振动信号具有非线性、非平稳性,轴承故障发展具有渐变模糊性。因此,提出了一种基于局部均值分解(Local Mean Decomposition,LMD)和模糊C均值聚类(Fuzzy C-means Clustering,FCM)相结合的轴承故障诊断方法。应用此方法对轴承外圈故障、内圈故障以及滚动体故障进行诊断,结果表明该方法可以有效地对轴承故障类型进行识别。     

HHT方法在轴承故障诊断中的应用

为研究滚动轴承故障问题,将HHT(Hilbert-Huang transform)分析方法应用于轴承信号故障的提取。用HHT对复合信号进行了仿真分析,表明此方法分析信号的有效性。将HHT方法应用于轴承内外圈的故障诊断,结果表明,所求出的轴承故障的信息特征与理论计算吻合,表明了HHT方法能够有效的提取轴承故障的特征信息,提高轴承故障诊断率。这为类似机械零部件的故障诊断提供了参考。     

轧辊磨床砂轮主轴轴承的故障修复

通过对静压轴承工作原理的阐述,分析了50＂磨床砂轮主轴轴承故障产生的原因。在检修中,采取各种措施保持轴承轴颈外表面与轴承内表面的间隙,保持静压轴承内腔的液阻,建立静压轴承的压力,从而排除静压轴承故障,达到修复的目的。     

基于小波包熵的轴承状态监测和早期故障诊断技术

滚动轴承是旋转机械中最常用的轴承之一。但其早期故障诊断仍是亟待解决的问题。研究旨在通过基于小波包熵的状态监测技术提早发现轴承的早期故障,进而利用最小二乘支持向量机(LS-SVM)精确诊断轴承的故障类型。利用加速轴承寿命试验台的轴承全寿命数据和故障轴承数据验证了方法的有效性和实用性。结果表明,相比传统监测指标,小波包熵有较好的早期预警能力;结合小波相对能量指标,LS-SVM能快速有效地诊断滚动轴承早期故障。     

基于网格搜索与支持向量机的轴承故障诊断

针对轴承故障诊断问题,提出一种基于相关度分析与网格搜索算法(GS)优化支持向量机(SVM)的轴承故障诊断方法。采用GS算法对SVM的惩罚参数c和核函数参数g进行寻优,以此建立分类器用于识别轴承故障类型。在模型建立方面巧妙地加入了分层的思想,通过相关度分析之后采用多层GS-SVM模型使轴承的故障诊断准确率相对于近年来的研究得到了明显的提升。最后,采用凯斯西储大学轴承数据中心的滚动轴承故障数据进行了分类识别实验。实验表明,研究提出的轴承故障诊断方法在直接作用于原信号的基础上不仅能够有效的识别轴承正常状态、内圈故障、外圈故障以及滚珠故障,而且还对每一类故障的严重程度有很好的区分,提高了故障类样本的诊断正确率,具有较强的实用性。     

故障字典在轴承故障诊断中的应用研究

滚动轴承信号为典型的非平稳信号,具有很宽的频带,用复值谱和包络分析难以获得故障特征。针对这种情况,本文应用自组织映射对轴承故障进行了诊断,同时建立了轴承故障字典,该方法能够准确的诊断出轴承故障,为工程师提供更好的故障诊断辅助工具。     

轧辊磨床砂轮主轴轴承的故障修复

通过对静压轴承工作原理的阐述,分析了50″磨床砂轮主轴轴承故障产生的原因.在检修中,采取各种措施保持轴承轴颈外表面与轴承内表面的间隙,保持静压轴承内腔的液阻,建立静压轴承的压力,从而排除静压轴承故障,达到修复的目的.     

故障树分析法及其在轴承可靠性分析中的应用研究

采用故障树分析法对轴承失效机理进行研究，通过分析其故障模式与效应，研制出轴承失效故障树；编写出计算机辅助故障树分析程序；求出导致轴承失效的所有可能的故障模式，从而建立系统的故障谱，为轴承设计和维修提供了有益的参考。     

小波包熵与多核学习在列车转向架轴承故障诊断中的应用

为提高列车转向架轴承故障诊断的准确性和效率,提出一种基于小波包熵和多核学习的列车轴承故障智能诊断方法。该方法通过对轴承振动信号进行小波包分解,提取小波包特征分量,通过广义信息熵的概念定义了小波包特征熵函数,最后基于多核学习训练出的分类器对轴承故障类型进行分类,判断轴承的工作状态。实验结果表明,该方法可以准确、有效地实现列车轴承的故障判别,为列车转向架轴承早期故障诊断的研究提供一定的新的思路。     

轴承早期故障信号的二阶循环平稳分析

研究了故障轴承振动信号的循环平稳特性,用常见调制信号证实了二阶循环自相关、谱相关密度函数的解调性能.通过实例仿真,在切片分析的基础上,针对多载波多调制源的早期轴承故障信号,提出应用二阶循环切片集合分析法对轴承故障信号进行故障提取,并与谱密度组合切片分析法进行了比较.分析结果表明,切片集合法能快速有效地诊断出轴承的早期故障.     

基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法

针对共振解调方法需要选取包含较多故障信息的共振频带这一特点,提出了一种基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法。首先,使用鲸鱼优化算法,以峭度和包络谱峭度构造的复合峭度作为优化目标,对带通滤波器参数中心频率和带宽进行自适应选择。然后,使用寻优得到的最优中心频率和带宽对轴承故障信号进行滤波分析。最后,对滤波后信号进行包络解调处理,提取出故障特征频率,判断轴承故障类型。通过对仿真信号和轴承内、外圈故障信号的分析诊断,可以证明该方法能够满足共振解调方法中对共振频带选取的要求,完成轴承信号故障频率的提取,是一种有效的轴承故障诊断方法。     

分形法在发动机隐含故障诊断中的应用

在对发动机的机械故障诊断中 ,由于其结构复杂常使其故障特征不明显 ,为此提出用分形法对某些隐含故障进行诊断。介绍了分形法诊断故障的基本原理 ,并利用奇异值降噪技术和分形维数法对隐含故障的特征进行了提取 ,实现了对发动机轴承隐含故障的诊断。诊断结果表明 ,发动机轴承正常状态下的分形维数为 4.4,出现明显故障时轴承的分形维数为 5 .3,出现隐含故障时轴承的分形维数为 5 .37。由此可以看出 ,用分形维数可以诊断隐含故障 ,说明分形诊断法能从本质上反映故障的结构特征。     

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。     

形态滤波在滚动轴承故障声发射信号处理中的应用

滚动轴承的状态监测和故障诊断意义重大.为有效诊断轴承早期的微弱故障,将形态滤波方法用于轴承故障声发射信号的处理,提出采用多尺度形态开闭和闭开组合的滤波器对信号降噪处理,采用闭运算对降噪后的信号进行形态滤波解调得到明显的故障特征频率,并对比故障振动信号和声发射信号的处理效果.研究表明: 形态滤波用于轴承故障声发射信号特征提取效果明显,适用于轴承的状态监测和故障的早期诊断.     

啮合间隙小引起的齿轮泵减速器故障及处理

齿轮泵减速器是挤压机组的重要组成部分,本文针对齿轮泵减速器在生产运行中出观的轴承损坏故障,通过拆卸后观察轴承产生的故障现象并通过新旧轴承数据的对比分析,得出故障产生的原固,提出有效解决方法,最终使机组设备实现安稳长满优运行。