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。     

VMD敏感分量在风电机组主轴故障诊断中的应用

提出基于VMD敏感分量的风力发电机主轴故障诊断方法。利用变分模态分解分析风机主轴的振动信号,将其分解、评估、分析,选取包含信号特征的有效模态分量重构信号。然后提取重构信号的特征值,构成模态分析向量,凸显信号故障信息,结合VPMCD方法进行故障诊断。将所提方法应用于风电机组仿真实验,对主轴外圈、内圈和滚动体故障数据进行分析验证,结果表明该方法的有效性。     

滚动轴承故障智能诊断系统及故障测试实验

介绍一种滚动轴承故障智能诊断系统,以及进行的故障测试实验。该系统可进行滚动轴承故障信号自动采集、提取、分许和融合处理,确定滚动轴承在线故障阈值,以及故障自动评判。     

基于CEEMD-BP神经网络大数据轴承故障诊断

基于BP神经网络的智能诊断方法,应用于离心泵的滚动轴承故障诊断中。将原信号经过CEEMD分解进行降噪处理,重构信号并求出时频域特征参数;选取合适的时域特征参数(峭度指标、峰值指数等)和频域特征参数(重心频率、均方频率等),作为BP神经网络的输入;确定网络层的数目、各层节点数目和初始权值大小,进一步明确诊断模型;对比实际输出值与理论输出,推导滚动轴承的故障状态。实践证明,由于BP神经网络在信号处理方面具有很强的数据拟合能力,这种方法在大数据滚动轴承故障诊断中取得良好应用效果。     

滚动轴承故障诊断发展现状及发展趋势

分析滚动轴承振动信号特点，通过对局部均值分解、经验模态分析、神经网络等方法进行分析与研究，梳理不同方法的优缺点，相互补充，取长补短，为不同类型的旋转机械的滚动轴承提供更合理的故障诊断方法。     

滚动轴承故障的倾向化研究

对变工况、低速重载条件下的滚动轴承进行倾向化研究。采用振动趋势分析、热成像等多种手段,抓住滚动轴承高频故障成分向低频区下移的现象,结合无量纲参数、工作热场局部发热等手段,在实际生产过程中对滚动轴承中后期故障做出准确预警。     

蜗轮蜗杆减速机齿形变化故障特征提取方法

蜗轮蜗杆减速机蜗轮齿形变化故障诊断,提出一种新的振动信号特征检测方法。在诊断故障过程中,为提取故障信号的特征频率,给出经验模态分解与希尔伯特变换相结合的方法。     

输油离心泵的故障分析及处理

离心泵在运转过程中,难免出现一系列的故障,如何快速准确地判断处理故障,是保证生产正常运转的基础和保障,文章针对各种故障,快速准确的解决问题,为生产保驾护航。造成输油离心泵故障的原因有很多,常见的有设备出厂故障、启动故障、运行故障、选型故障等等,往往这些故障会导致离心泵无法正常启动、泵的排量不足、泵震动噪音大、轴承高温发热、泵超负荷汽蚀等现象。为了解决这些问题,我们对这些故障进行分析及排除。     

引风机轴承故障的诊断实践

滚动轴承是引风机的重要部件,及时准确地分析其状态、诊断其故障意义重大。将传统的听觉诊断、简易测振与点检系统、振动高频滤波检测法等多种检测手段相结合,采用不同人员分层次地进行分析诊断,不仅能做到及时、准确的诊断,也实现了对轴承故障所处阶段的准确判断,对排除轴承故障和延长轴承使用寿命均有现实意义。     

使用测振仪诊断分离机滚动轴承故障

在大豆蛋白加工业使用便携式测振仪测量分离机滚动轴承位移、速度、加速度值比较分析,判断出滚动轴承故障及损坏程度,及时进行检修。     

离心泵机组振动监测实践

结合故障诊断实例,介绍了离心泵机组典型故障的振动频谱特征,通过对故障机组进行状态监测,得到的图谱与典型故障图谱进行对比,判断故障原因,找到解决办法,提高了机组检修的针对性,保障了机组的安全运行.     

多级卧式离心泵轴承缺陷分析及处理

卧式多级离心泵缺陷中轴承室故障较为常见，如轴承温度偏高、轴承振动偏高、轴承（轴瓦）磨损、推力盘磨损等。通过某电站多级卧式离心泵轴承的典型故障分析，归纳总结出故障类型和处理措施，为在实际生产中判断解决此类问题提供理论和实践依据，对离心泵轴承检修具有一定的参考价值。     

经验模态分解在切削振动信号分析中的应用

为了分析切削振动的变化规律及产生根源,采用在线监测的方法采集振动信号,提出了运用经验模态分解对振动信号进行分析的方法,构建了分段频率变化的仿真振动信号,分别对仿真振动信号进行短时傅里叶变换、小波变换和经验模态分解时频分析。结果表明,经验模态分解方法具有更高的时频分辨率,运用经验模态分解方法对实际振动信号进行分析,提取典型分量绘制希尔伯特幅值谱,能较好地反映振动信号的时频变化规律。经验模态分解适合对切削振动信号进行分析,但是需要对算法的模态混叠及计算效率低等不足进行完善。研究结果对非平稳信号的分析具有参考价值。     

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。     

使用便携式测振仪对滚动轴承故障的简易诊断

采用便携式测振仪测量滚动轴承振动,对位移、速度、加速度值比较分析,判断出轴承故障及损坏程度,适时进行检修.     

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     

齿轮噪源干扰下滚动轴承故障特征频率的提取

在齿轮噪源干扰下的滚动轴承的故障诊断过程中,齿轮较大幅值的振动往往会掩盖轴承的故障冲击特征,齿轮啮合振动的基频、谐频谱线也影响轴承故障特征频率的获取。利用线调频小波路径追踪算法提取频率的可选择性,根据振动信号中各频率成分的分布特点,使用线调频小波路径追踪算法在不进行滤波处理的前提下直接对滚动轴承故障特征频率提取。仿真算例和应用实例证明了该方法的有效性。     

尖峰能量谱技术用于滚动轴承故障诊断

离心式机泵的滚动轴承故障占转动设备故障的40%以上,而且该种故障产生的危害和后果又是十分严重的,因此对于轴承故障的分析与判断显得尤为重要.中油大港石化分公司采用美国罗克韦振动尖峰能量谱技术对轴承故障进行诊断分析,积累了一些经验和案例.对于轴承故障的判断准确率达到了95%以上,在生产中避免了轴承故障的发生.     

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。     

石油化工离心泵转子使用过程中的振动性能研究

避免长时间处于临界转速附近运行，可以保证离心泵运行的稳定性和安全性。模态分析可以用于确定临界转速并确定转子的刚性，以单级离心泵转子和多级离心泵转子为例，利用有限元软件进行了模态分析，得出两种类型离心泵转子的前三阶临界转速，并讨论这两种类型离心泵转子的振动特性。结果表明，在规定的工作转速下，两种类型离心泵转子均不会发生共振。