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。     

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。     

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。     

滚动轴承故障诊断实例

通过应用Peak Vue应力波检测技术对滚动轴承故障进行检测,发现并确诊多次滚动轴承故障,以案例形式阐述滚动轴承故障诊断方法切实有效,为设备安全运行提供有力保障。     

浅谈第三类机械松动与转子摩擦故障分析诊断方法

本文针对旋转设备第三类机械松动故障的特点，与之频谱特征等相似的转子摩擦故障进行全方位的区分。根据本人的状态监测工作经验，从设备运行环境、设备振动值、频谱图、检修状况等方面总结出相对应的故障诊断判别方法，并结合相关的典型案例进行充分说明，将故障分析的理论依据与设备实际运行状况等相结合提高故障诊断的准确性。     

声发射事件谱分析技术在滚动轴承故障诊断中的应用

一、问题的提出 在各种回转机械设备中,滚动轴承工作状态的好坏直接影响机器的工作性能。对于轴承故障若未及时进行诊断和预报,将会影响设备的正常运行,且可能造成具大的经济损失。 目前,基于声发射(AE)技术的滚动轴承故障诊断常用时间序列和谱分析方法提取隐含于AE包络信号中的故障特征。然而在故障的早期阶段,将会产生具有微弱周期的AE事件,在诊     

基于分层极限学习机的轴承故障诊断方法

提出基于分层极限学习机结合迁移学习的轴承故障诊断方法，分析其在变工况下的故障诊断效果。应用短时傅里叶变换方法生成振动信号时频图，并提取不变矩特征、灰度差分统计特征，区分不同故障时频图的形态和纹理特征。在变工况下使用动态分布自适应方法，循环迭代得到最优迁移学习参数，以减小源域和目标域的MMD距离。然后使用分层极限学习机，对迁移后的样本数据进行故障分类。结果表明，所设计的迁移学习方法具有精度高、速度快的优点，在变工况下动态分布自适应迁移学习方法的故障诊断结果优于SVM等非迁移学习的机器学习方法，分层极限学习机作为故障分类器优于KNN、BP等分类器的效果，同时基于时频图的特征提取方法改善了源域和目标域间的可迁移性。     

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方法

提出一种基于一维卷积神经网络(CNN)与门控循环单元(GRU)的滚动轴承故障诊断方法,设计了一种基于数据驱动的滚动轴承故障诊断方法。利用同一数据集之间特征相似并且独立同分布这一特征,分别设计网络结构和参数。为采用CNN和GRU进行故障诊断提供了新的思路,具有较好的技术应用前景。     

基于谱峭度的同步提取变换方法及故障诊断应用

提出一种基于谱峭度的SET故障诊断方法。首先利用SET求取信号时频谱,然后采用频谱均分的方法分割边际谱,再将分割所得各部分分别求取峭度值,得到连续划分的峭度图。最后利用峭度值筛选包含丰富故障信息的分量并进行包络分析,提取故障特征。仿真信号及滚动轴承外圈故障信号的处理结果证明了该方法的有效性。     

支持向量数据描述法在设备故障诊断中的应用

针对机械故障诊断缺乏故障样本的问题,提出故障诊断单值分类法--支持向量数据描述方法(SVDD).该方法应用于机械故障诊断和状态监测中,只需要正常运行状态的数据信号,而不需要故障数据,就可以建立单值分类器,区分出正常和异常状态.试验以某海水泵为研究对象,采用基于核函数的主元分析作数据前处理,将得到的特征指标输入到SVDD分类器进行训练和测试.结果表明,SVDD分类器能很好的分辨出正常和故障状态,核函数主元分析具有优秀的提取性能.     

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。     

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。     

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。     

滚动轴承状态监测及故障诊断实例

采用状态监测与故障诊断技术对机泵滚动轴承故障信号进行分析,简易诊断和精密诊断相结合,对轴承故障进行综合诊断,确定了故障部位和类别,对机泵进行了预知性检修,避免出现抱轴故障。     

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。     

基于1D-CNN的滚动轴承端到端故障诊断方法

提出一种端到端的滚动轴承故障诊断模型,将三个步骤直接整合到一个模型中,直接将原始振动信号输入模型中,经过模型计算得到轴承故障类型。利用一维卷积神经网络强大的特征提取能力,对原始信号提取特征。通过实验对比分析,所述方法在美国凯斯西储数据集中能够达到99.33%的类间平均准确率,能够准确地对故障进行分类,具有较好的技术应用前景。     

滚动轴承故障诊断技术与应用

从工业的实际应用介绍滚动轴承故障发生过程及故障发展中各阶段的特征，应用振动频谱诊断技术对滚动轴承故障进行诊断的方法和经验。     

如何正确应用脉冲计进行故障诊断

我厂从1987年开始应用CMJ-1冲击脉冲计开展设备状态监测和故障诊断工作.由于脉冲计对于测量运转中滚动轴承的工作状态,判断其损伤程度有独特的效果,因此对一些电机、泵类旋转机械进行故障诊断有着较明显的效用,短短几年就诊断出较大故障隐患20余起.1990年我们又将脉冲计用于生产缸套的离心