Diagnosis Method for the Train＇s Bearing Frequency Spectrum-varying Fault

为了解决常规谱分析技术在列车轴承故障诊断中的误诊和漏诊问题,分析了列车轴承频带变化类故障的振动机理,研究了一种基于数据插值重采样分析的诊断方法;通过脉冲触发式整周期采样技术以及等角度重采样、特诊谱提取技术等信号处理方法,实现列车频带变化类故障的精确诊断.仿真分析与实验结果表明,该诊断方法能准确、有效地识别列车轴承早期故障.     

基于阶次倒双谱分析的滚动轴承故障诊断方法

针对齿轮箱升降速过程中振动信号非平稳的特点,将常规的阶次分析与倒双谱技术相结合,提出了基于阶次倒双谱的轴承故障诊断方法.首先对齿轮箱升降速瞬态信号进行时域采样,再对时域非平稳信号进行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行倒双谱分析,就可提取滚动轴承振动信号的故障特征.通过对滚动轴承内圈、外圈故障实验信号的分析.表明阶次倒双谱分析能有效地诊断滚动轴承故障.     

一种滚动轴承故障的诊断方法

针对滚动轴承的故障特点,提出了一种小波包分析、粗糙集理论和神经网络相结合的轴承诊断方法.利用小波包变换对信号进行适当层次的小波包分解,对信号的频带进行精细的分割,以各个频带信号能量的分布情况作为故障特征量,形成故障诊断决策表;接着根据粗糙集理论进行处理得到更为简明的最优诊断规则;然后根据约简结果,建立了神经网络故障诊断系统;最后以诊断实例验证了该方法的有效性和可行性.     

汽车发动机连杆故障的综合诊断技术

对汽车发动机连杆轴承和连杆螺栓故障同时存在不同干扰时两种基本故障的振地动特征进行分析,确定了连杆轴承和连杆螺栓故障的特征频带,开发了综合故障定量诊断软件,实现了汽车发动机连杆故障的综合诊断。     

汽车发动机连杆故障的综合诊断技术

对汽车发动机连杆轴承和连杆螺栓故障同时存在不同干扰时两种基本故障的振动特征进行分析〔１〕,确定了连杆轴承和连杆螺栓故障的特征频带,开发了综合故障定量诊断软件〔２〕,实现了汽车发动机连杆故障的综合诊断     

基于FS-PCA-MSCD的地铁轴承可视化诊断方法

针对地铁轴承的可视化故障诊断能力,本文提出了基于特征选择(Feature Selection,FS)与多尺度类距离(Multi Scale Class Distance,MSCD)的轴承故障诊断方法.首先对地铁齿轮箱轴承振动信号进行采集,获得不同故障类型的轴承故障样本集;然后基于FS方法提取故障样本中存在的敏感特征值,并利用获得的特征向量进行主成分分析(Principal Component Analysis,PCA),基于MSCD方法对各故障聚类进行再分类,提高故障类的可分性,获得可视化程度高的故障诊断结果.利用该方法对地铁齿轮箱轴承故障数据进行可视化故障诊断,诊断结果表明该方法能够提取敏感故障特征并获得具有较高故障可分性与可视化的诊断结果.该方法为地铁轴承在线故障分析能力提供了技术支持,在地铁运行维护与故障诊断方面均具有广阔的应用前景.     

基于小波分形理论的风电轴承故障识别

针对风电轴承振动特征信号易被环境噪声调制污染、信噪比低、具有非线性和不平稳的特点,利用基于小波分形的故障识别方法对此进行了研究.采用小波包分解,利用互信息法和Cao算法分别确定了相空间的延迟时间和嵌入维数,根据不同频带的关联维数变化确定风电轴承的工作状态.该方法不依赖于风力机工作的动力学模型,对整体系统信息状态变化敏感.通过现场实验证明,该方法较好地解决了风电轴承故障难以识别的问题,为更加细致地研究风电轴承振动信号提供了重要参考.     

基于小波包特征熵的高速列车监测数据的特征分析

将高速列车在不同工况和速度下的监测数据进行傅里叶分析用来确定各种不同工况信号的频率范围,再对不同工况和速度下的信号进行小波包分解,并重构通频范围内前几个低频带信号,进而建立信号的小波包特征熵向量,不同频带信号的小波包特征熵变化反映了列车运行状态的改变,最后将得到的小波包特征熵向量输入支持向量机进行故障识别。仿真分析结果表明该方法对高速列车故障状态识别是有效、可行的。     

高速移动铁路货车轴承声信号多普勒效应去除方法

针对货车滚动轴承轨边声学诊断中高速移动带来的声信号频移和频带扩展问题,提出一种基于到达时差和时域插值的多普勒畸变信号矫正方法.通过对轴承运动特性与故障特征频率分析,建立轨边传声器阵列的布放准则,在此基础上通过对阵列检测声信号进行分帧加窗和互相关分析,计算传声器间时延差;引入到达时差技术实时估计故障轴承的移动位置和传播时延,通过时域插值,获得以移动轴承发声时间序列为基准的无时延接收声信号.仿真结果表明,该方法在低信噪比时仍可有效矫正多普勒畸变的声信号,且适用于定转速及变转速场合.     

基于振动响应机理的轴承故障定量诊断及量化分析

为了解决轴承损伤尺寸难以诊断的问题,建立滚动轴承非线性振动的动力学模型,并通过解析法求解轴承4种不同大小的故障振动信号响应,根据故障轴承响应信号的双冲击时间间隔对轴承故障进行定量分析,分析结果表明了该定量分析方法的准确性.进而对多组不同故障大小的轴承数据进行统计学分析,建立了轴承外圈损伤程度区间.滚动轴承外圈实验结果验证了提出的基于故障机理的轴承故障定量诊断方法的有效性.     

基于阶次跟踪和角域平均的齿轮裂纹故障诊断

针对齿轮箱升速过程中振动信号非平稳的特点，将常规的阶次分析与时域平均技术相结合，提出了基于阶次跟踪和角域平均的齿轮箱故障诊断方法．该方法先对齿轮箱升降速瞬态信号进行时域采样，再对时域信号进行等角度重采样，转化为角域平稳信号，然后对角域重采样信号进行角域平均分析，就可提取齿轮的故障特征．通过对齿轮齿根裂纹故障实验信号的分析，表明该方法能有效地诊断齿轮的裂纹故障．     

基于改进小波变换和包络分析的滚动轴承故障诊断

采用改进的小波分解和重构算法与包络分析相结合的方法,提取滚动轴承振动信号的故障特征频率。改进的小波分解和重构方法避免了Mallat算法频率混淆的缺陷,通过对重构信号特定频带进行包络分析,更加准确地提取了滚动轴承的故障特征频率。通过对无故障滚动轴承和内圈、外圈有故障的滚动轴承振动信号的分析,说明这种方法能够有效诊断滚动轴承的故障,并将该方法成功应用于某型航空发动机主轴承故障诊断。     

基于轻量化神经网络Shuffle-SENet的高速动车组轴箱轴承故障诊断方法

针对复杂工况下高速动车组轴箱轴承故障难以准确诊断的问题,提出了一种Shuffle-SE单元设计方法,并基于模块化思想建立了一种新的轻量化网络Shuffle-SENet用于高速列车轴箱轴承故障诊断.Shuffle-SE单元以ShuffleNet V2单元为基础,在保留网络轻量化的同时,对网络结构进行了局部优化,并进一步嵌...     

应用谐波小波包提取转子故障特征方法

为消除转子转速变化时各节点中倍频分布的随机性,提出一种应用谐波小波包技术提取转子故障特征参数方法.该方法首先依据尺度变换思想对原始振动信号进行重采样,然后应用谐波小波包技术将重采样信号分解到给定层上,最后提取各个节点的谐波小波包系数能量值作为故障诊断的特征参数.通过对油膜涡动实验数据的处理和分析,观察到不同转速下节点倍频分布与能量分布具有了统一的物理意义.转子故障诊断实验中,对转子不平衡、不对中、动静碰摩、油膜涡动故障的分类准确率达91.4％.表明应用该方法提取的特征参数,可以作为转子故障诊断的可靠依据.     

基于Fisher比率与SVM的滚动轴承故障诊断方法

针对滚动轴承故障诊断中普遍存在的小样本学习问题,采用支持向量机实现轴承故障的模式识别.为了解决时域统计参数对于轴承故障的多分类效果较差的问题,引入小波包分解(wavelet packet decomposition,WPD)技术,提取振动信号各频带的能量系数构造特征向量,并采用Fisher比率法对特征向量进行优化选取;然后利用支持向量机(support vector machine,SVM)进行故障模式识别,并与小波包分解及时域统计参数的分类效果进行对比分析.结果表明:支持向量机是实现轴承故障模式识别的一种有效手段;本方法的分类效果及时间效率明显优于传统的多维时域指标和小波能量系数分类方法;将Fisher比率法与SVM相结合可以提高轴承故障诊断的准确率.     

小波和余弦变换的电机轴承故障特征参数构造

针对传统故障诊断特征参数的应用缺陷,提出了一种小波和余弦变换的感应电机轴承故障特征参数提取方法.首先,根据感应电机轴承振动信号的特点选择合适的小波滤波器和信息代价函数,并将感应电机轴承振动信号分解到各个不同的频域子空间;然后,基于离散余弦变换的频域能量聚集性对分解后的信号构造感应电机轴承故障特征参数,并对实际感应电机轴承正常、内圈故障、外圈故障和滚珠故障4种状态的振动信号进行分析,验证了所构造的特征参数能有效地实现电机轴承的早期故障检测与诊断;最后,与传统故障诊断特征参数方法进行了比较,说明所提出的特征参数构造方法对于感应电机轴承早期故障的诊断优于传统故障诊断特征参数方法.     

汽车变速器故障监测及诊断技术综述

综述了目前国内外汽车变速器齿轮和轴承设计故障监测技术、初级诊断方法和精密诊断方法，分析了各种方法的优缺点，介绍了一些汽车变速器齿轮和轴承故障检测、诊断仪器及其应用情况。     

HMM在电机轴承上的故障诊断

为了提高其机械系统故障诊断能力及其准确性,以历史的经验数据为基础对滚动轴承进行健康管理,提出一种新的基于多个隐马尔可夫模型与蚁群聚类算法(ACC)和神经网络相结合的方法来用于轴承故障的诊断与检测,该方法采用HMM与模式识别相结合的方法通过对轴承振动信号进行特征提取,在时频域内进行分析其老化的现象,分别将历史数据和新数据进行故障诊断和检测,并通过HMM和ANFIS来估计其剩余使用寿命和年限.实验结果表明:HMM与模式识别相结合的方法可以准确地对故障进行诊断及预测,通过对结果分析可以得到该方法降低了计算的复杂度,提高了诊断的精度,通过对不同故障诊断实例详细阐述了基于HMM故障诊断方法的有效性和可行性.     

冲击脉冲法在电中机轴承故障诊断的应用

在对电动机轴承状态监测与故障诊断的研究中,采用振动诊断技术,即冲击脉冲法编写了电动机故障诊断系统,该系统专门用于电动机轴承的故障诊断与监测,并通过检测冲击点处的冲击波幅值来判断轴承内滚动体与滚道间的碰撞程度,从而有效识别出轴承的工作状态与故障类型,特别适用于检测轴承早期损伤类故障,润滑状况以及油膜厚度等。     

圆锥滚子轴承故障诊断仿真分析

针对高速铁路列车上双列圆锥滚子轴承的工作特点,本文建立了高速列车轴箱轴承双列圆锥滚子轴承分析模型,利用理论分析和软件仿真相结合的方法,分析了OR-641157AC/VA3881型的双列圆锥滚子轴承在外圈剥落和外圈正常情况下的故障特征频率。利用三维实体建模软件CREO(Creo Parametric),建立了轴承正常和轴承外圈剥落两种情况下的模型,并将模型导入ANSYS分析软件,进行添加约束与驱动,同时对两种状态下的模型进行仿真分析和理论计算。研究结果表明,低阶模态振型对轴承的结构变化影响较大,尤其在低阶固有频率以下,轴承形变比较明显,振幅较大。仿真结果与理论计算结果相吻合,证明了所建模型与仿真结果的合理性和正确性。该研究为轴承的故障诊断提供了合理的方法。