基于谱峭度的滚动轴承故障诊断方法

数控机床的轴承故障诊断中,谱峭度作为一种高阶统计量能在频域位置中显示出信噪比低信号的暂态成分,相较于传统解调分析方法需要依靠人的经验选取共振频带,谱峭度方法具有更高的准确性。本文基于谱峭度方法能够发现信噪比低信号的冲击成分,利用该方法对轴承内圈故障数据进行处理,通过对结果分析,显示该方法能够有效诊断出轴承内圈故障。     

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。     

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。     

PeakVue技术在轴承早期故障检测中的应用

开展旋转机械轴承的状态监测和故障诊断,有利于检修和更换轴承的计划性,减少事故发生,延长运行周期。介绍调制解调技术,以及PeakVue技术在轴承早期故障检测中的应用。     

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     

离心泵故障诊断的三个实例

造成离心泵故障原因多种多样,常见的就有不平衡、不对中、轴承缺陷、结构共振、配管应力、动静摩擦、部件松动、联轴节故障、汽蚀等。发生故障时,即使一个现场经验丰富的设备人员,也很难快速地查清故障原因,但如运用设备状态监测和故障诊断技术,就能解决上述问题。现以三个实例说明运用设备状态监测和故障诊断技术,快速查找离心泵故障原因的过程,使用     

基于声发射和振动技术的滚动轴承故障分析

建立滚动轴承故障模拟试验台,利用声发射和振动两种技术对轴承故障进行研究,分析比较不同转速下,正常和外圈、滚动体故障状态下声发射和振动信号的峰值、峭度系数和裕度因子的变化规律,利用短时能量法分析两种信号判断轴承故障位置。结果表明声发射信号在高转速下可以初步判断轴承是否发生故障,短时能量法分析表明外圈故障声发射信号周期性冲击更明显。振动信号复杂,用时域参数和短时能量法无法准确判断轴承是否发生故障。     

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。     

基于技术融合的旋转机械故障诊断方法的研究

本文以油田用注水泵为例,采集设备的振动信号,对信号进行奇异值降噪,利用包络解调技术提取故障特征,并采用技术融合的手段进行故障特征值融合,利用复合知识库中模糊推理机对设备进行故障诊断,取得了良好的诊断效果。     

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。     

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。     

包络技术在滚动轴承早期故障诊断中的应用

加速度包络技术的检测原理,结合设备故障的实际诊断案例,说明加速度包络技术对冲击信号的高度敏感,对检测轴承早期故障有独特的优势。     

振动分析技术在分解槽减速机轴承故障诊断中的应用

利用Vb7振动分析仪对分解槽减速机轴承进行振动监测与故障诊断,对减速机振动信号进行频谱分析,判断减速机轴承存在故障,经解体检修验证判断的正确性,更换轴承后,机组恢复正常。     

基于全矢1D-CNN的轴承故障诊断研究

主要研究了卷积神经网络(CNN)和轴承故障诊断领域中的特征相结合,提出了全矢1D-CNN轴承故障方法,不但对于原故障信号数据集进行了数据增强,而且使用深度拟合器对于数据集特征深度提取。经过试验验证了全矢1D-CNN在轴承故障识别中不但可以取得较高的准确率,而且鲁棒性也符合特征提取的要求。     

核电主泵连接管道振动故障诊断与改进措施研究

核电管道过大的振动将导致管道疲劳裂纹产生并导致泄漏,影响核电运行安全。针对核电站主泵水导轴承冷却水出水管道焊缝调试阶段出现的裂纹问题,通过振动、模态测试数据分析,结合有限元模态计算,得出故障原因为主泵2倍叶片通过频率激发管道共振,提出改造方案,解决出水管道共振问题。     

希尔伯特变换在齿轮故障诊断中的应用

信号处理技术是齿轮故障的核心,通过对一台搅拌器齿轮故障的成功诊断实例,将希尔伯特变换引入其中,阐述希尔伯特变换的定义和解调原理。该方法能够及时、准确地提取故障有效信息,是一种可靠的故障诊断方法。     

多技术融合的电机轴承故障诊断方法

利用振动频谱分析及电信号分析技术相融合的方法,准确判断了电机轴承故障等级及故障原因,并通过检修实践验证了诊断的准确性,证明了多技术融合的故障诊断方法对电机故障诊断的有效性。     

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。     

遗传算法在故障诊断技术中的应用(续)--频域最佳特征参数自动再生法

四、轴承故障诊断实例 作者已将本文论述的方法应用到许多设备故障诊断当中。这里举轴承故障诊断的例子。 只要找到能够识别图4所示的频谱比S(f)的最佳特征参数,就可以有效地识别图1所示的轴承故障。表1、2、3为(3)～(10)式定义的原始特征参数的识别指标DI和识别概率,从这些表中可以看出原始特征参数对识别轴承的故障不是太有效的。     

风机轴承故障监测和诊断

风力发电机主轴轴承,电机主轴轴承故障监测与故障诊断实用技巧。给出一些典型故障特征频率。