滚动轴承零件热处理技术及发展概况

我国滚动轴承工业从二十世纪初发展至今，已有百余年的历史。这期间，滚动轴承用钢已发展为门类相对齐全的轴承用钢系统。根据每类钢种的每种材料以及使用工况的不同，其特定的热处理强化方法也不同。在热处理工艺方面，主要围绕下列方面的问题进行研究：     

基于STFT和CSPDarkNet的滚动轴承故障诊断方法

针对传统故障诊断技术严重依赖于信号处理的专业知识和人工经验的问题,提出一种基于STFT(ShortTime Fourier Transform,短时傅里叶变换)和CSPDarkNet的滚动轴承故障诊断方法。首先,通过STFT将原始滚动轴承故障信号转换为具有时频信息的二维时频图,制作出时频数据集。然后将得到的特征图像作为CSPDarkNet模型的输入,进行特征自提取和故障诊断,最终实现不同故障类型的分类。为验证所提方法的有效性和优越性,进行了针对滚动轴承典型故障的模拟实验,并与不同特征图转换方法进行了分析和比较。实验表明,STFT-CSPDarkNet方法在滚动轴承故障诊断方面表现出更优的识别效果。     

时延相关解调法在滚动轴承故障诊断中的应用研究

介绍了基于时延相关解调法作为滚动轴承故障诊断的分析方法,该方法能够实现降噪解调使得滚动轴承故障特征凸现,并对采集到的滚动轴承振动信号进行分析。实验和分析结果表明,基于时延相关解调的分析法能用于滚动轴承的故障诊断。     

滚动轴承状态监测与故障诊断实用技巧

一、滚动轴承故障诊断方式及技巧 振动分析是对滚动轴承进行状态监测和故障诊断的常用方法。一般方式为:利用数据采集器在设备现场采集滚动轴承振动信号并储存,传送到计算机,利用振动分析软件进行深入分析,从而得到滚动轴承各种振动参数的准确数值,进而判断这些滚动轴承是否存在故障。我们采用日本理音公司生产的SA-77信号分析仪,配合笔记本微机、SA-77振动分析软件进行大中型     

基于变分模态分解的离心泵滚动轴承故障诊断

针对离心泵滚动轴承的故障不能进行精准判断的问题,对基于变分模态分解的离心泵滚动轴承故障诊断技术进行研究,通过变分模态分解方法提取分析离心泵滚动轴承的故障,对离心泵滚动轴承初始故障物理量进行变分模态分解。经由试验数据分析,证明其可以对离心泵滚动轴承初始故障物理量的微弱特征进行更精确的提取判断,最终实现离心泵滚动轴承故障的精确诊断。     

中厚板轧机滚动轴承失效分析与预防方法

中厚板轧机选用滚动轴承要考虑的主要因素,从现场环境、轧制速度以及拆装等方面对系统进行分析.总结中厚板轧机滚动轴承的失效原因,给出解决方法.     

石油钻机滚动轴承常见损坏形式及预防措施

分析石油钻机设备中滚动轴承常见损坏形式的成因，针对超过损坏比例80%的蠕变，总结常用的预防措施，并就处置方法进行详细说明。     

基于经验模态分解的滚动轴承早期故障预警研究

滚动轴承是旋转机械中最常用的零部件之一。针对滚动轴承早期故障预警较差的问题,提出了一种基于经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承早期故障预警方法。该方法首先对轴承原始信号进行经验模态分解,得到一阶固有模态函数(Intrinsic Mode Function,简称IMF),然后对一阶IMF分量进行分析,提取反映轴承故障发展的特征指标。再采用局部均值法对特征指标进行处理,将特征局部均值与阈值比较,实现对滚动轴承早期故障的预警。最后利用滚动轴承试验数据对该方法进行了验证,结果表明,基于经验模态分解的滚动轴承早期故障预警方法能够有效地识别和预警滚动轴承早期故障。     

轴承的故障识别与失效分析方法

滚动轴承是通用性很强的基础件，需求量大，使用面广，标准化程度高。但由于各种机械设备有着不同的工作条件，对滚动轴承在负荷能力、结构特点和使用性能等方面又有各种不同的要求，特别是在机械设计中，轴承往往作为易损件而成为机械结构中的薄弱环节，因而其损坏原因要比其它机械零件的损坏原因复杂得多。例如：选型不当、支撑设计不合理、配合选择不当、安装维护不良、润滑不足、密封不好、相关零件精度不够等等，均可最终导致轴承早期失效。     

基于压缩感知理论和密度聚类算法的全回转推进器滚动轴承故障诊断

滚动轴承振动信号具有非线性、非平稳性等特性,且往往存在噪声干扰,信号特征难以提取,传统故障工况诊断方法受到应用限制。以全回转推进器为研究对象,提出一种基于压缩感知理论和密度聚类算法的滚动轴承故障诊断算法。首先,将振动信号分解,进行稀疏变换,得到稀疏域下的振动信号;其次,采用压缩感知理论进行信号重构,建立绝对值、偏斜度、方差以及裕度等特征指标;最后,采用密度聚类算法DBSCAN,将不同特征指标之间两两组合进行分析,成功区分了故障工况。为滚动轴承故障的无损化、智能化诊断提供了理论依据。     

LMD方法在滚动轴承故障诊断中的应用

随着工业制造2025目标的确立,现代工业智能制造发展愈发迅速,机械零部件的故障诊断技术得到了的广泛关注。滚动轴承在机械设备中的使用十分广泛,但在使用过程中经常容易损坏,且在滚动轴承完全失效前,检测其故障程度的难度较大。因此,为了更好地实现对滚动轴承受损部分的检测与诊断,重点分析了基于LMD的滚动轴承故障诊断方法。     

线材精轧机组滚动轴承故障诊断

马钢高速线材厂自1988年以来,利用振动监测技术共准确诊断出精轧机组滚动轴承故障100多个,立轴松动故障60多个以及许多次诸如紧固螺栓等装配不当或松动故障,确保了生产的顺利进行。在此介绍运用倒频谱分析法和共振解调法,对精轧机组角接触球轴承(7126-KRD-25)和双列调心滚子轴承(23052CC/C3)在不同状态下的实测振动信号进行分析,并从中得出一些有关滚动轴承故障诊断的结论。文中有关滚动轴承外圈存在严重故障的振动信号都是在该滚动轴承检修前所采集到     

基于深度学习的滚动轴承故障诊断研究综述

深度学习以其他方法不可比拟的优势为轴承的故障诊断提供了新思路和新方法。分析深度学习的主要模型及在滚动轴承故障诊断中的应用,指出深度学习在滚动轴承故障诊断方面面临的一些挑战和可行的解决方法。     

振动和噪声分析在滚动轴承故障诊断中的应用

举例说明，对滚动轴承运行中出现的振动和噪声进行故障诊断与分析，能有效地解决问题。     

滚动轴承选型时应考虑的问题

在机械设计过程中，如何选择安装在主机中的滚动轴承是一个不容忽视的问题。选择滚动轴承时一般应考虑几方面的因素，如空间位置、载荷大小及性质、转速、对中误差、摩擦、噪声与振动、滚动轴承的刚性、旋转精度等因素，同时还应考虑安装、拆卸及维护。     

核电厂皮带式风机轴承载荷计算及应用

对某电气厂房主通风机滚动轴承的载荷计算和分析，认为轴承故障是因为轴承替代论证过程中轴承最小负荷不满足要求、滚动体出现滑动摩擦高温所致。提出改进建议，使换型后轴承满足运行的载荷需求，同时提升轴承的使用寿命。该过程可为同类皮带式风机滚动轴承选型的载荷计算提供参考，对现场轴承的选用和故障分析有一定参考价值。     

轴承工程师进修班在杭州举办

由河南科技大学与杭州轴承试验研究中心联合主办的轴承工程师进修班首次集中授课于2004年10月23日至24日在杭州举行。本届进修班学员有30余人，授课内容包括滚动轴承I造工艺学、轴承表面磨削谐波控制、轴承振动与噪声、滚动轴承制造设备、滚动轴承测试技术和滚动轴承应用技术(含轴承设计理论)等六大课程，分时组织专家、教授授课和答疑。     

共振解调技术用于滚动轴承早期故障诊断

采集电机驱动端滚动轴承的振动加速度信号,进行共振解调分析后,将其与时域、频域分析结果进行对比,表明共振解调技术对滚动轴承早期故障诊断有较好精密性、灵敏度和可靠性。检修验证结果表明,该技术对滚动轴承早期故障的识别具有实际应用价值。     

NSK在日本神奈川县建设机械用轴承新工厂

日本NSK公司在日本神奈川县藤泽市建设钢铁设备、工作机械、建设机械、铁道车辆、飞机、机器人、风力发电机等产业机械用滚动轴承的新工厂。新工厂完成后，与现有工厂的滚动轴承销售总额将从600亿日元提高到800亿日元，从而了实现扩大滚动轴承在全球市场的份额。新工厂2006年10月开工，     

滚动轴承保持架故障诊断研究与探讨

利用振动分析技术,判断滚动轴承及滚动轴承保持架故障,保证设备安全运行,并辅以实例说明分析过程。