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。     

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     

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。     

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。     

基于深度学习的滚动轴承故障诊断研究综述

深度学习以其他方法不可比拟的优势为轴承的故障诊断提供了新思路和新方法。分析深度学习的主要模型及在滚动轴承故障诊断中的应用,指出深度学习在滚动轴承故障诊断方面面临的一些挑战和可行的解决方法。     

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     

热油泵轴承故障的振动分析和诊断

通过对浮式储油轮（FPSO）热油循环泵的振动分析与故障诊断,阐述滚动轴承故障诊断的方法。     

TC104AB诊断系统在滚动轴承故障诊断中的应用

介绍TC104AB数据采集及故障诊断专家系统在滚动轴承故障诊断中的应用，根据频谱分析找出故障原因，保证设备正常运行。     

振动和噪声分析在滚动轴承故障诊断中的应用

举例说明，对滚动轴承运行中出现的振动和噪声进行故障诊断与分析，能有效地解决问题。     

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。     

PeakVue技术在滚动轴承故障诊断中的应用

介绍Emerson机械状态分析仪CSI2130的PeakVue专利分析技术的原理及特点,选取实际工作中利用该技术发现的滚动轴承故障典型案例,进一步证明PeakVue技术在滚动轴承故障诊断中的突出作用。     

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。     

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。     

滚动轴承疲劳故障的精密诊断与分析

“共振解调技术”是诊断轴承疲劳故障及其他冲击故障的一种有效方法。共振解调器能有效地把故障引起的冲击信号变换为共振解调信号,极大地提高信噪比。根据“共振解调技术”设计的共振解调器和轴承疲劳故障诊断微机系统,在IBM-PC/XT微机上实现了数据采集、故障诊断、图形显示和绘图等功能。     

齿轮箱中滚动轴承的故障诊断与分析

齿轮箱中滚动轴承故障诊断具有技巧性,通过振动技术应用特点的阐述以及实际案例的诊断分析,总结出判断该故障应注意有关事项.     

滚动轴承故障诊断实用技巧

介绍滚动轴承运行特点、诊断方式，以及在故障诊断中的一些实用技巧。     

基于组合神经网络的滚动轴承状态识别方法

针对滚动轴承监测数据量大、特征提取困难、故障诊断准确率低等问题,提出应用LSTM-BP组合神经网络,实现滚动轴承状态的自动识别,准确率可达到99.20%,且具有较高的泛化能力。