滚动轴承故障振动模型及其应用研究

建立了滚动轴承外环，内环和滚动体存在局部故障和振动模型，模型综合考虑了滚动轴承的几何尺寸、轴的转速、轴承静态载荷分布，振动传递函数和故障点位置的影响，在自行火炮实车上进行了一系列变速箱滚动轴承故障诊断，试验结果验证了滚动轴承故障振动模型的有效性。     

滚动轴承故障振动信号特征与诊断方法

简述了恒转速条件下滚动轴承故障信号共振解调的优点和基本原理,通过实验和理论分析研究了变转速轴承故障振动信号的特点.指出了轴承损伤点冲击信号的非周期性、轴承共振频率随转速变化的变频特性,以及故障信号的双变频调制特性.建立了由变频转速信号为调制信号、变频共振衰减信号为载波的滚动轴承故障模型.给出了阶比循环平稳自相关函数的计算方法.利用循环平稳分析对旋转机械振动信号的解调功能,结合连续隐马尔可夫模型(CHMM)对动态信号的识别能力,提出了一种适用于变转速运转条件下的滚动轴承故障诊断方法,通过实验验证了方法的可行性.     

滚动轴承故障振动模型及其应用研究

建立了滚动轴承外环、内环和滚动体存在局部故障的振动模型，模型综合考虑了滚动轴承的几何尺寸、轴的转速、轴承静态载荷分布、振动传递函数和故障点位置的影响．在自行火炮实车上进行了一系列变速箱滚动轴承故障试验，试验结果验证了滚动轴承故障振动模型的有效性     

小波变换与滚动轴承振动的故障诊断方法研究

简要综合介绍了滚动轴承振动及故障诊断的方法及小波变换在滚动轴承故障特征提取中的应用.通过对滚动轴承故障信号的分析表明,该方法可以分析出滚动轴承振动的故障信号,确定轴承振动的故障部位.     

滚动轴承振动信号的计算机测试系统

以３８６微机为主体建立了振动信号采集和分析系统，此系统在不需要人工过多干预的情况下，能实现对成品轴承振动质量的诊断且诊断准确可靠，在轴承振动超差的情况下，能自动判明原因，软件系统用ＴｕｒｂｏＰａｓｃａｌ语言编制，全部汉字显示菜单，应用方便。该系统还可以推广应用于其它机械振支信号的采集和分析。     

内燃机缸盖振动信号的特性与诊断应用研究

研究了内燃机缸盖振动信号的时域,频域和循环波动特性,揭示了它的非平稳时变科技司,提出抽区间采样分析与参数平均相结合的振动诊断方法,并给出了在气门间隙异常和气门漏气故障诊断中的应用实例。     

基于振动分析的滚动轴承故障诊断技术概述及发展趋势

旋转机械的故障约有30%是因滚动轴承引起的。本文主要介绍了滚动轴承在运行过程中的产生振动信号的特征,重点描述了滚动轴承常用的振动信号的分析方法,预测了基于振动分析的滚动轴承故障诊断技术的发展趋势。     

结构故障振动诊断的特征参数与仿真模型

结构损伤振动诊断的前提是选定良好的特征参数，核心是建立标准库，分析常用的各种特征参数的特点，提出了综合诊断的计算机仿真模型，展望了本领域的发展动向。     

内燃机表面振动信号的性质

研究内燃机表面振动信号,阐明内燃机振动信号是十分复杂的非平稳随机信号;揭示了内燃机振动信号中分形及多重分形行为;提出通过奇怪吸引子的嵌入维估计能完整描述振运输 最少独立变量数目,并指出内燃机振动是一个高维非线性动力学问题,这是利用内燃机表面振动信号实现内燃机故障诊断的重要理论基础。     

滚动轴承常见故障及其振动信号特征

轴承为机械设备的关键部件之一,轴承损坏能直接影响设备正常运作,影响生产效率。本文对轴承的常见故障原因及形式进行分析,并总结其故障检测方法和轴承在发生故障时的振动信号特征。     

高阶时频分布在滚动轴承故障诊断中的应用研究

滚动轴承故障信号是非高斯、非线性、非平稳信号,由于调制性,使用幅值谱分析方法无法找到轴承故障频率。将高阶时频分布——主要是Wigner双谱分析方法应用于滚动轴承的故障诊断,计算滚动轴承振动信号的高阶时频分布,并对其沿时间轴切片,分析了切片的幅值谱。针对不同故障轴承,对其振动信号幅值谱、高阶时频分布及其切片谱的对比分析表明,高阶时频及其切片谱性能优于幅值谱。     

滚动轴承故障诊断方法研究

介绍了滚动轴承故障诊断的传统方法和现代方法,如冲击脉冲法、共振调解法、小波分析法等,预测了滚动轴承故障诊断的发展趋势。     

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。     

滚动轴承故障诊断的案例推理方法

针对滚动轴承的故障诊断问题,提出了一种采用案例推理(CBR)的诊断方法.为了解决检索相似案例时案例属性多、人工确定关键属性及其权重困难的问题,提出了一种Filter/Wrapper复合型特征选择算法,用邻域粗糙集算法粗选属性,用遗传算法进一步精选属性和优化权重,并有效地解决了邻域粗糙集算法中需要人工确定邻域大小的问题.以滚动轴承运行时的振动信号为基本信息,建立了滚动轴承案例库,从案例库中检索与问题案例相似的历史案例,并根据这些历史案例来判定问题案例的故障类别.试验结果表明,故障诊断的正确率达到100%,故障位置诊断的正确率达到93.3%,且算法具有较好的稳定性.     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

声信号分析方法在轴承故障诊断中的应用

由于轴承故障声信号的混响及临近的机械设备的噪声,造成声信号的频域分析很困难.通过小波变换原理,对滚动轴承故障声信号进行时频分析.通过对声信号的多尺度分解,分离出由故障造成的声信号突变.实验结果表明,较之以往的时域、频域信号处理技术,该方法对声音信号分解更趋合理,是一种可靠和有效的滚动轴承故障诊断新方法.     

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。     

滚动轴承故障诊断的多小波谱峭度方法

采用提升多小波的方法,以峭度为优化目标,遗传算法为优化算法,针对信号特征进行多小波的自适应构造.以构造的多小波作为谱峭度的滤波器,针对多小波特点改进了峭度图,提出了多小波谱峭度方法.该方法建立在传统谱峭度方法的基础上,不仅克服了原方法中滤波器变化有限的劣势,而且提高了谱分析的分辨率.将该方法应用于滚动轴承的故障诊断中,以试验台与电力机车的滚动轴承故障诊断为例进行验证,结果表明,该方法不仅提高了频带选择的准确性与滤出信号的信噪比,而且获得了更好的诊断效果.     

基于鲁棒局部均值分解与二阶瞬态提取变换的滚动轴承故障诊断

利用传统故障诊断方法对滚动轴承进行诊断时存在故障特征提取困难以及提取特征不明显的问题.针对此问题,提出了 一种基于鲁棒局部均值分解(robust local mean decomposition,RLMD)以及二阶瞬态提取变换(second-order transient-ex-tracting transform,S...     

基于多尺度熵的滚动轴承故障诊断方法

针对滚动轴承故障振动信号具有不同复杂性的特点,提出了一种新的基于多尺度熵(multi-scale entropy,简称MSE)和支持向量机的滚动轴承故障诊断方法.该方法首先利用MSE方法对滚动轴承不同类型振动信号进行故障特征提取,然后与样本熵方法对比说明MSE方法相对于样本熵方法的优势,最后通过适合小样本分类的支持向量机作为分类器来识别滚动轴承故障类型.对实验数据分析的结果表明,该方法能有效地实现滚动轴承故障类型的诊断.