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。     

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。     

基于LabVIEW的航空发动机转子故障诊断系统

将LabVIEW技术应用于航空发动机转子状态监测与故障诊断技术。硬件系统由信号调理卡、加速度传感器、数据卡采集等组成,软件系统以LabVIEW为开发平台,采用EMD(Empirical Mode Decomposition,经验模态分解)的非平稳信号处理方法直接提取故障信号特征。实验结果表明,该系统在对航空发动机转子的状态监测与故障诊断起到了很好的作用。     

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。     

基于显式动力学的高速轴承故障振动响应机理

为深入研究高速轴承的故障振动机理,建立滚动轴承的显式动力学模型。考虑到内圈及外圈滚道分别存在单点缺陷的工况,仿真研究了正常轴承以及发生局部损伤情况下轴承各部件的动力学响应特征。基于结构内部的应力分布和振动响应信息,可以进一步研究高速轴承的故障机理,为此类设备的维护管理水平提高提供理论依据。     

大型起重机械减速机振动信号降噪方法的研究

大型起重机械的减速机负荷重,是起重机主要出现故障的部位之一~([1,2])。针对大型起重机械减速机工况复杂以及振动信号噪声大的问题,采用适用于大型起重机械减速机的集合经验模式分解(EEMD)降噪方法,利用高斯白噪声频率均匀分布的特性,通过引入噪声作为辅助信号用来解决EMD中模态混叠的问题。此外,针对EEMD降噪方法中难以选取真实IMF分量的问题,选择基于相关系数的IMF分量选取方法,利用IMF与原始信号间的相关系数大小来选取真实的IMF分量。     

BEA—52型电脑轴承故障分析仪应用功能的探讨

瑞典SPM公司生产的BEA—52型电脑轴承故障分析仪是一种应用脉冲振动理论设计而成的便携式现场测试仪。几年来,沈阳冶炼厂用该仪器对几台大功率电机的轴承进行监测、记录、分析和解体检查验证,证实此种轴承故障分析仪对诊断运行中滚动轴承的早期故障是有效的,尤其是对于由轴承滚动体或滚道破坏而     

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。     

循环流化床锅炉燃烧系统动态特性的分析

为了克服传统方法存在的分析相对误差率高和分析时间较长的问题,文章提出了一种新的基于经验模态分解的循环流化床锅炉燃烧系统动态特性分析方法。以循环床锅炉流动参数和热力参数为基础沿炉膛高度方向对炉膛区域进行划分,并构建循环床锅炉燃烧系统数学模型。根据建模结果,利用经验模态分解方法对热量信号进行分解,并对每一个IMF分量进行希尔伯特变换,得到希尔伯特谱。以希尔伯特谱为基础,分析主蒸汽压力、床温、燃烧系数等参数变化情况下,热量信号的阶跃响应,得到最终的燃烧系统动态特性分析结果。实验结果表明,该方法的热量信号去噪效果好,分析相对误差率平均值为3.6%,分析时间始终保持在0.6 s以下。     

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。     

振动信号分析技术在汽轮机故障诊断中的应用

分析汽轮机典型故障成因,提出了一种基于振动信号时—频联合分析技术的汽轮机故障诊断方法。分别基于专家经验和经验模态分解法对采集到的汽轮机振动信号进行时域、频域分析,提取了多个与汽轮机故障状态相关的特征量,然后搭建了基于深度信念网络的诊断模型,并依据在线振动监测数据完成了训练,最后测试各模型在测试集中的识别准确率。结果表明,该故障诊断方法的平均准确率可达95.12%,可以有效识别汽轮机的振动诱因。     

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。     

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。     

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。     

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。     

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。     

灰色神经网络在轴承故障预测中的应用

为提高旋转机械中滚动轴承故障预测的精度,提出灰色神经网络预测模型。利用训练样本数据,使用灰色神经网络模型完成训练过程;基于已训练好的模型对未来时间点的运行状态进行拟合,实现轴承的故障趋势预测。相比采用单一的BP神经网络预测模型,该组合模型具有较高的精度,对轴承故障趋势预测有一定的现实意义。     

基于小波尺度相对能量熵的转子早期故障诊断

将小波能量熵引入转子早期故障监测,提出了小波尺度相对能量熵的转子早期故障预警和诊断方法。对连续监测转子获得的振动信号进行小波多尺度分解和重构,计算获得小波尺度相对能量熵,根据转子出现早期故障时小波尺度相对能量熵值的灵敏变化,及时预警和诊断转子的早期故障。