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。     

基于倒频谱风力发电机齿轮箱故障特征提取

风力发电机齿轮箱振动信号中蕴含大量的运行状况信息,针对故障信号中调制边频带复杂这一特点,利用倒频谱方法在复杂混叠信号中提取边带调制频率的优势,识别风机齿轮箱振动信号频谱中的复杂周期成分,有效地提取故障特征,事实证明倒频谱分析可作为风力发电机组设备运行与故障诊断有效方法之一。     

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     

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     

立式离心泵电机滚动轴承故障振动分析诊断

应用冲击脉冲法和振动频谱分析诊断滚动轴承振动故障所在,有针对地采取措施消除了故障。     

共振解调技术在风力发电机滚动轴承故障诊断中的应用

将共振解调技术应用于风力发电机滚动轴承的故障检测与诊断中,通过对轴承振动信号进行时域监测和频谱分析,实现对轴承早期故障的诊断,确保风力发电机的稳定运行。     

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。     

烟气轮机联轴器不对中故障的诊断

对烟气轮机联轴器不对中故障机理,从几何和动力学角度系统进行分析;介绍了对长岭炼化公司带故障运行的1#烟气轮机进行在线监测诊断的实例:根据测得的振动信号并结合时域波形分析、轴心轨迹分析及频谱分析,提取了故障特征信息,最终确诊1#烟机故障为联轴器平行不对中引起.     

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。     

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。     

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。     

油田高压电机综合故障诊断技术研究

HSE管理体系中,高压电机的安全运行具有重要的作用。通过振动监测高压电机运行状态的传统方法是采用3个单轴加速度传感器进行数据采集,故障诊断的准确性有待提高。将三轴加速度传感器应用于高压电机轴承的振动分析,实现3个方向的振动数据同时采集,简化了测试方案,提高了测试结果的准确性。分析了电机典型故障与电机电流频谱的对应关系,结合振动分析法对高压电机定、转子电气和机械运行状态进行监测和故障预警,从而保证油田高压电机的安全高效运行。     

振动信号数据处理技术

振动信号分析处理系统在国内、国外发展很快 ,以适应设备状态监测与故障诊断的需要。随着数字计算机的发展和各种数字信号处理方法软件的开发 ,用数字方法处理振动测量信号的技术日益广泛的被采用。本文利用《SDAS II信号采集与分析系统》对振动信号进行分析和处理 ,用共振法确定了系统的固有频率和阻尼比     

齿轮故障的频域诊断

本文介绍了齿轮故障的频域诊断方法。该方法是通过对测取齿轮工况下的振动信号进行频谱分析,从而找出齿轮产生故障的原因。     

基于无线传输的智能小区门禁系统设计

提出了一种基于支持向量机的机械故障诊断模型,该模型建立在VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,以期获得最好的推广能力。在选取诊断模型输入向量时,对故障信号功率谱进行小波分解,简化了故障特征向量的提取。仿真结果验证了该模型的有效性。     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

应用虚拟仪器技术的异步电机故障诊断研究

介绍基于虚拟仪器技术构建的异步电机检测系统,实现了异步电机系统的参数检测和故障诊断。文章将基于LabVIEW的小波包理论应用于电机故障诊断研究,将小波变换极大模分析方法应用于信号突变成分的检测,有效地定位并检测出异步电机中的早期故障。最后,通过实验证明了基于小波理论的故障诊断方法的可行性。     

Mixed signals: A dynamic analysis of warranty provision in the automotive industry, 1960–2008

Often, signaling research in the strategy and economics literature postulates the existence of an ostensible signal and then empirically tests its veracity, utilizing cross‐sectional data. We argue that this static approach does not allow researchers to fully incorporate the concept of equilibrium in their analysis, thereby potentially violating a key axiom of signaling theory. We propose that a dynamic analysis of signals can address this omission, and then conduct such an analysis. We use empirical data on warranty coverage offered by automobile manufacturers in the U.S. market extending from the first warranty offered by the industry in 1960 through to 2008. Our findings support the notion that signaling behavior differs in periods of equilibrium and disequilibrium, in turn influencing signal accuracy. Copyright © 2013 John Wiley & Sons, Ltd.     

Sundyne高速泵的振动故障与原因分析

对丙烯进料高速泵在运行中产生较大振动的原因进行分析,并采用巡检仪监测泵体及齿轮箱的振动信号,通过频谱分析判断故障发生的部位,在最短的时间内找出原因并加以排除。这是检查主要由机械原因和流体作用引起的高速泵振动,减小振动对机组危害最有效的方法。     

近场声全息技术在电机轴肋板故障检测中的应用

机械设备的安装环境随需求的变化而变化。为了实现电机轴肋板在各种工况下的故障检测,通过采集电机工作时肋板的振动信息,采用图像处理的方法,将故障下的特征向量与标准正常状态下的特征向量对比后进行分类,从而辨识出故障的类别。通过模拟仿真和实验两种方式对声成像方法进行验证,证明了其正确性和普遍适应性。声成像检测方法,不仅解决了检测机械设备的传感器在某些工作环境中安装不便的问题,而且进一步提高了故障检测的准确性。