基于马尔可夫模型的滚动轴承声发射故障诊断研究

滚动轴承是转动机械的主要零部件,容易发生各种故障,这些故障会带来一系列安全隐患,并造成一定的经济损失。因此工业生产中滚动轴承故障诊断研究非常重要,具有巨大的用途。以滚动轴承为研究对象,建立滚动轴承声发射实验平台,采集不同缺陷、不同转速滚动轴承声发射信号,根据HMM理论和算法对声发射信号进行数据处理。首先应用MATLAB软件提取数据,进行分帧处理,进而提取特征向量,得出似然概率。将不同缺陷滚动轴承似然概率进行数据拟合,得到似然概率和转速拟合公式。对二种转速不同、已知缺陷滚动轴承声发射信号进行测试,并对某种缺陷滚动轴承声发射信号进行诊断。结果表明,HMM可以有效地对滚动轴承故障进行诊断。     

Q345R疲劳损伤过程声发射信号特征分析

制冷系统压力容器应用非常广泛，对于该类在役压力容器还没有可靠的实时动态监测方法。提出采用声发射检测技术对制冷系统压力容器进行实时监测，通过对容器制造材料Q345R钢的疲劳载荷试验，采集材料损伤全过程的声发射信号进行特征参数分析、波形和频谱分析，发现材料从裂纹萌生到断裂失效过程的转折点，并对不同损伤阶段声发射信号波形和频谱的特性进行对比研究，找出各个阶段声发射信号的特征，为实现Q345R声发射动态监测和评价提供可靠依据。     

飞机关键零部件疲劳损伤的声发射实时监测

某型飞机的水平尾翼试验过程是在强冲击、高振动背景噪声下进行的。对处于不可接近位置的关键零部件（半轴）的疲劳损伤实施了声发射监测。基于对模拟测试信号的分析,提出信号数据的预处理原则,提高了数据的信噪比。声发射信号特征参数的趋势分析和关联分析方法,充分反映了关键零部件的疲劳损伤过程,采用声发射实时监测飞机关键零部件的疲劳损伤是可行的。     

C/SiC复合材料拉伸过程的声发射研究

利用声发射（AE）技术对C／SiC复合材料试样拉伸试验过程进行动态监测。通过声发射多参数分析法对拉伸过程中的声发射累计能量和平均持续时间随载荷或时间的变化进行了综合分析；同时对拉伸过程中典型AE信号的频率特征进行了分析，揭示了C／SiC复合材料拉伸损伤的演化过程及规律，给出了材料拉伸损伤发展的不同阶段以及各阶段损伤类型。通过声发射累计能量随载荷变化的斜率突变定义了材料临界损伤强度。     

基于不同频率下疲劳裂纹扩展时声发射特性分析

为了探究Q345R材料在循环载荷作用下的性能,开展不同频率下疲劳裂纹扩展实验,对照疲劳载荷过程中的损伤过程,提取声发射信号特征参数并进行综合分析。研究发现不同加载频率下,材料疲劳裂纹扩展长度与循环次数的关系;同时通过声发射在线监测其过程中的特征参数,发现疲劳裂纹扩展和断裂过程中的规律性,为声发射技术应用于Q345R材料的在线检测提供了参考。     

基于声发射信号的振动钻削刀具磨损状态监测试验研究

针对钻削加工时难以直接观察刀具磨损状态的问题,基于声发射采集系统设计了超声轴向振动钻削刀具磨损状态监测装置,并在7075铝板上进行超声振动钻削试验。分析刀具磨损状态对声发射信号RMS值的影响,并通过小波分解技术对比分析刀具在不同磨损状态下的声发射信号变化规律;根据声发射信号对刀具磨损状态进行实时监测。试验结果表明:声发射信号的RMS值与刀具的磨损程度呈正相关;通过小波分解可知,随着刀具磨损的增加,信号的能量逐渐由低频段向高频段转移,可以通过监测声发射信号RMS值与能量的变化实现刀具磨损状态的有效识别。     

基于GA-IDBN的滚动轴承故障声发射信号识别

针对变工况条件下的滚动轴承故障声发射信号识别问题,提出了一种基于遗传算法(Genetic Algorithm,GA)与改进深度信念网络(Improved Deep Belief Network,IDBN)结合的故障检测与诊断新方法。对滚动轴承故障声发射监测信号的分析结果表明,GA-IDBN模型对滚动轴承的外圈、内圈、保持架故障的声发射监测信号的识别准确率明显优于DBN(深度信念网络)、支持向量机等模型的,识别准确率可达到95.5%;并且,GA-IDBN模型具有很强的普适性,可以识别出滚动轴承在不同通道、不同转速情况下的运行状态。证明了GA-IDBN模型具有很强的工程实用价值。     

基于声发射检测的碳布／环氧树脂复合材料压缩损伤评价

用声发射仪器监测二维编织碳布／环氧树脂复合材料的压缩损伤过程。通过载荷与声发射特征关系图,判断出其在损伤过程中的临界失效载荷,作为判断材料临界损伤强度的依据。通过对碳布／环氧树脂复合材料在压缩损伤过程中产生的声发射信号进行小波包分解,并对信号进行频谱分析以及对小波包分解后的各层进行能量分析,得出了声发射源即纤维断裂信号、基体断裂信号和层间开裂信号的频率分布范围。     

轴承故障诊断中的声发射检测技术

声发射技术是自20世纪60年代开始,到目前逐步成熟的一种无损检测技术。声发射以其灵敏度高、频响范围宽、信息量大和动态检测等特点,为轴承检测和故障诊断提供了一条新的途径,也是近年来轴承故障诊断研究领域的热点。综述了国内外声发射技术在滚动轴承和滑动轴承检测中的应用。通过分析,总结出轴承声发射检测技术下一步的研究方向,并指出轴承故障的声发射检测是振动检测的有力补充工具,特别是在轴承低转速和故障早期的检测中更能发挥作用。     

声发射信号特征参数分析方法在镁铝合金拉伸试验分析中的应用

介绍了声发射信号特征参数及简单参数分析方法。用声发射技术监测了镁铝合金的拉伸过程,对比分析了拉伸特性曲线和声发射分布图随时间的变化规律,发现声发射事件计数和幅值能很好地反映拉伸的不同阶段。对信号参数进行关联分析,事件计数和能量关联在时间上的分布能很好地区分拉伸过程中的声源,也能很好地区分拉伸的不同阶段。     

Monitoring extremely slow rolling element bearings: part II

The most established technique for monitoring the integrity of rolling element bearings is vibration analysis. However, at extremely slow rotational speeds monitoring the health of rolling element bearings is fraught with difficulty. Part I of this work details difficulties with monitoring rolling element bearings rotating at speeds of less than 2 rpm. Furthermore, it presents a study of the high frequency acoustic emission (AE) technique as a means of monitoring low-speed rolling element bearings. The application of AEs to monitor operational slow-speed bearings with bore diameters of 120 mm is presented. It is concluded that the mechanism of AE generation was the relative movement between bearing elements experiencing loss of mechanical integrity, for example, the rolling/sliding action of a roller on a defective outer race.     

基于AE技术的旋转机械故障监测与诊断系统

论述了声发射技术应用于旋转机械故障监测与诊断是一种高效实用的方法。针对旋转机械结构特征及其声发射信号特点，开发了以声发射技术为核心的旋转机械故障监测与诊断专用系统，介绍了该系统的组成模块及其功能实现。在模拟工况条件下，利用该系统的时频分析功能和包络分析功能对一批故障滚动轴承进行了实时诊断，证明了该系统的科学性、有效性和实用性。     

基于声发射的滚动轴承故障诊断方法

为诊断低速滚动轴承故障,克服传统振动法诊断时故障信号极其微弱的缺陷。在实验室条件下对各类故障模式滚动轴承进行声信号采集,并对故障轴承声信号进行参量分析和波形分析的基础上,利用撞击数和神经网络技术对滚动轴承进行了故障诊断,提高了低速滚动轴承故障诊断的有效性和准确性。     

滚动体具有局部缺陷滚动轴承的动力学分析

在同时考虑缺陷宽度、深度以及载荷区等因素的情况下,根据滚动体上单一点蚀缺陷滚过内外圈时,接触副接触变形量的变化所引起的弹性接触力的变化,建立了滚动体产生单一局部故障的滚动轴承的动力学模型.通过仿真证实了当滚动体具有单一局部缺陷时,滚动轴承振动信号的低频成分为保持架的旋转频率、滚动体的自转频率及其倍频、以及信号调制形成的边频这一结论论;并通过实验进一步证实了所建立模型和仿真结果的有效性.     

基于声信号递归Hilbert变换的轴承故障诊断研究

轴承缺陷检测与损伤程度检测一直是旋转机械领域内非常重视的问题,虽然目前针对振动信号的研究已经取得相当好的结果,但是对于难以安装振动传感器的情况,诊断效果仍需改进。针对强背景噪声下故障轴承产生的声音,提出一种基于递归Hilbert变换和一维卷积神经网络的诊断方法来提取抽象特征并进行模式识别。卷积神经网络结构中引入了全局平均池化层来加速网络的运行。最后,通过数据集验证了所提方法的有效性,与其他常用分类方法进行对比,验证了该方法的优越性。结果表明：所提算法不仅能够准确识别轴承的损伤部位,而且能够准确区分部件的损伤程度。     

滚动轴承故障的声发射检测技术

介绍声发射信号技术的机理,研究用声发射检测滚动轴承故障的方法。把声发射信号与振动信号作对比,通过高通滤波后再进行包络解调,结果表明声发射信号可以较早地诊断出故障,抗干扰性好。而且经过信号处理之后,声发射信号分析的频率比较单纯,能够很简单地判断出故障部位。     

解调同步压缩变换及其应用于变转速滚动轴承故障诊断

为实现对变转速下滚动轴承的故障诊断，提升设备服役的安全性，在传统基于短时傅里叶变换（STFT）的同步压缩变换（FSST）的理论框架上，针对STFT存在的调制成分造成其瞬时频率（IF）估计不准确、时频模糊的问题，提出一种解调短时傅里叶变换（DSTFT），即在STFT中引入解调算子消除调制对信号的影响，获得更加准确的IF估计值。在此基础上，推导基于DSTFT的解调同步压缩变换（DSST），可以通过时频平面变换系数的重排获得能量高度集中的时频表达。所提出的DSST方法具有IF估计准确、时频脊线能量集中性好等优点。通过数值模拟分析和试验台振动信号分析，验证所提方法在变转速滚动轴承故障诊断中的有效性。     

基于SGMD敏感参数和KFCMC的滚动轴承故障诊断方法

针对滚动轴承的内圈和外圈故障诊断问题，提出了一种基于辛几何模态分解(SGMD)、敏感参数和核模糊C均值聚类(KFCMC)相结合的方法。基于SGMD研究了实际测量的液压泵多模态故障振动信号；基于所提出的相似性分析法，将含有丰富运行特征信息的模态分量进行重构，并将其作为数据源；基于数据源提取时域和频域参数，并利用流行学习法筛选出峭度、裕度指标和峰值指标等敏感参数作为特征向量；利用KFCMC实现对内圈和外圈不同故障的诊断。通过对滚动轴承内、外圈故障振动信号的仿真和实测，验证了该方法可以有效地诊断滚动轴承不同故障。     

随机载荷下滚动轴承系统疲劳可靠性分析

传统的轴承疲劳寿命可靠性研究主要是在稳定载荷条件下对单个轴承寿命可靠度的研究。基于概率Miner累积损伤理论,推导随机载荷下滚动轴承的疲劳寿命及可靠性计算公式,并针对滚动轴承系统阐述随机载荷下各轴承的失效相关机理。根据载荷离散化思想,运用随机事件的全概率公式,推导随机载荷下滚动轴承系统的疲劳可靠度计算公式。该公式考虑了系统各轴承的失效相关性,可更客观地描述系统寿命与各设计参数的内在关系。算例以并联行星齿轮轴承系统为分析对象,运用随机载荷下滚动轴承系统的疲劳可靠度公式得到合理结果。新模型与方法可为滚动轴承系统寿命评估与可靠性分析提供理论依据。