一种面向大负载低转速轴承的故障诊断方法

造纸生产线上,有很多大负载、低转速的旋转设备,其轴承在承受较重载荷时,极易受到损伤,导致设备故障,甚至造成停机。因此,大负载低转速轴承的在线故障诊断非常重要。本课题在对大负载低转速轴承振动的诊断难点及当前故障诊断常用方法分析的基础上,提出了一种基于快速谱峭度包络解调分析的轴承故障诊断方法。首先采用快速谱峭度法计算振动信号的最大谱峭度值,确定最优的带通滤波器系数,然后利用带通滤波器对振动信号进行降噪处理,最后利用希尔伯特变换方法对降噪信号进行处理,分析包络谱,得到诊断结果。借助团队自行设计的轴承故障实验台,对本课题所提方法的优缺点和适用性等进行了实验研究,验证了本课题算法的有效性,并为工程应用提出了建议。     

基于谱峭度Morlet小波变换法和经验模态分解的滚动轴承故障诊断研究

本研究针对轴承早期故障信号微弱不易检测的缺陷,提出了一种基于谱峭度Morlet小波变换法和经验模态分解的轴承早期故障信号检测与增强的方法.该方法把谱峭度引入到Morlet小波中,根据谱峭度变化寻找Morlet小波的最佳匹配参数,最大限度地增强故障弱信号;然后对信号进行经验模态分解,以信号相关系数大小确定重构信号的基本模态分量,对重构信号进行包络分析完成故障诊断.实验结果验证了此方法在滚动轴承早期故障诊断中的良好应用效果.     

抄纸机运行状态监测及故障诊断虚拟仪器的开发

论述了造纸机的振动监测与故障诊断的原理，方法和系统。为了简单判别有无故障，采用了振动监测系统对辊子轴承进行巡回在线监测，发现故障后发出声光警告，然后则自动转入诊断模块，用频域的方法进一步判断故障发生部位及其趋势等。     

高速纸机软压光辊大轴承故障频谱特征与诊断

利用在线监测手段研究了高速纸机软压光辊轴承振动谱图及故障发生、变化过程及其诊断方法.研究表明:软压光辊大轴承出现故障频谱征兆至严重损坏大于5个月;频谱中故障特征频率的发现与跟踪为故障诊断的主要方法;软压光辊质量大,其轴承故障很严重时,振幅值仍较小而远未达到普通轴承故障振动控制标准.故障频谱模式为:非转速同步频率的倍频非常显著;轴承持续恶化,转速频率旁波愈来愈显著;频谱中的背景宽频能量将会增加;时域波形显示出明显冲击现象.     

纸机干部轴承内环断裂诊断

振动监测诊断纸机干部轴承内环断裂是指利用频谱、时域、瀑布图、趋势图以及异常声音精确判断故障,确保在最佳时间内处理问题,防止二次损坏,提高轴承使用寿命。且通过多次案例验证表明,该分析方法效果良好。     

基于改进DenseNet和迁移学习的变负载滚动轴承故障诊断

由于在实际工作环境下滚动轴承故障样本不足，而且受到环境噪声以及负载变化的影响，故障样本分布存在差异性导致诊断泛化性差，对此课题组提出一种基于改进DenseNet与迁移学习结合的滚动轴承故障诊断方法。对原DenseNet中的ReLU激活函数，使用LeakyReLU函数替代，并在全连接层后添加Softmax层进行分类，使提取故障特征更为丰富；为了使轴承信号接近工厂采集的数据，对凯斯西储大学轴承数据集中添加了信噪比为-2 dB的高斯白噪声并进行模拟，经Z-Score归一化处理后转化为二维灰度图作为样本数据。实验结果表明该方法在小样本变负载下的跨域诊断准确率都达到了90%以上，与其他模型对比具有更好的泛化性。     

基于EMD和AR模型的轴承故障诊断

构建集外圈、内圈和滚动于一体的轴承故障动力学模型,获取轴承运行时的轴承振动信号,采用基于EMD和AR模型的轴承故障诊断方法,将轴承振动信号分解成IMF分量后构建AR模型,再采用该模型自回归参数与残差的方差构建轴承综合判定距离,依据最小综合判别距离对应的状态完成轴承故障诊断。分析研究表明:诊断轴承正常、外圈故障以及内圈故障时,该方法诊断结果误差小、复杂度低,达到了高效诊断轴承故障的目标。     

离心式氧压机止推轴承故障诊断分析及处理

结合一起离心式氧压机轴承故障,介绍了在线监测和故障诊断技术在大型机器设备中的应用。并通过对这起故障的诊断分析和处理,使技术人员养成今后在判断设备故障时借助先进的检测仪器、科学地对设备故障进行诊断,确保设备安全运行。     

小波分析在纸机压榨部轴承故障诊断中的应用

针对纸机压榨部滚动轴承尺寸大响应弱、运转速度低、低频信号容易淹没、调制源多、振动信号非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况，提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数。从而实现对轴承故障诊断。试验结果显示该方法对纸机压榨部故障诊断有很好的效果。     

基于小波分析的铺网机传动辊轴承故障诊断

铺网机传动辊轴承振动信号调制源多呈现出非平稳性等特点，导致常规的傅立叶分析诊断故障效果不佳的情况。本文提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数，进行轴承故障诊断。试验结果显示该方法对铺网机传动辊轴承故障诊断有很好的效果。     

基于邻域相关性小波去噪的滚动轴承包络解调及故障分类

将邻域相关性的冗余第二代小波应用于滚动轴承信号降噪,用Hilbert包络解调法提取的故障特征频率,比较不同转速和载荷下的提取效果,提出包络幅值峭度指标,并将其输入BP神经网络进行故障诊断。结果表明:基于邻域相关性的冗余第二代小波降噪方法能很好的抑制噪声,保留原信号的信息;降噪后的故障信号经过Hilbert包络解调能找到特征频率及其倍频,其效果优于原始信号的包络解调分析。工况会影响分析效果,且速度对提取效果的影响大于载荷。包络幅值峭度指标能很好区分不同工况的故障信号,结合BP人工神经网络诊断正确率为100%。     

基于SVM的卷接机组刀盘半轴机构轴承故障识别方法

为解决卷接机组无法对刀盘半轴机构轴承进行在线监测和故障诊断等问题,通过研究时域和频域统计指标对SVM(Support Vector Machine)分类结果的影响,建立了基于频域特征的SVM卷接机组轴承故障智能识别方法。以预制故障的FAG 2206-2RS-TVH型轴承为对象进行试验,将在不同故障类型和故障程度轴承上采集到的振动数据进行预处理、特征提取和SVM智能训练,并进行故障诊断测试,结果表明:①在不同转速和故障程度下,基于频域统计指标的SVM分类准确率均超过92%,能够在特定转速范围和不同故障程度下实现轴承状态分类。②基于时域统计指标的准确率为77.6%,基于频域统计指标的准确率为95.6%,表明频域统计指标的SVM分类结果显著优于时域指标。该方法可为实现卷接机组轴承故障智能识别提供支持。     

运用模糊神经网络诊断锭子轴承故障

提出了一种模糊神经网络的锭子轴承故障诊断方法。以锭子轴承振动信号中相应频率的振幅为特征参数,诊断锭子轴承常见的几种故障。采用混合算法对网络进行训练,发挥模糊神经网络强大的自学习能力和知识表达能力的优点。试验结果显示能够提高故障诊断的精度和效率。     

现代造纸机润滑及其专用油

1造造纸机干部传动工况及润滑特性在造在造纸机设备中，烘干部的润滑工况比较有代表性。国外高速纸机烘缸面宽可达10m，由加粗轴颈或双滚自动调心轴承支撑。在造造纸机的车速在400m/min以下时，主动轮及其邻近的齿轮都应以铸铁制成。纸机车速达400m/min以上时，则全部齿轮均应采用铸钢制成，同时，齿轮为斜齿轮或“人”字轮，表面经过淬火。传动系统的全部齿轮被密封在齿轮箱中。在造造纸机干部传动齿轮的负荷大，且有冲击震动；水蒸气由支撑烘缸的轴承的中空轴心通入烘缸，因而轴颈的润滑温度高达110℃。同时，该处即使很好的密封，仍不能…     

造纸机轴承故障诊断系统的开发

介绍了基于共振解调技术的滚动轴承故障诊断原理、特点及实现方法，开发了可以检测和诊断造纸机滚动轴承故障的软件系统，验证了其可行性，它可以进一步推广到对造纸机关键设备的轴承检测和诊断。     

国产离心式风机改造

我厂我公司用于纸机烘干部的几台国产离心式风机由于故障率高，且维修时间长，换两个轴承大约需2天时间，严重影响了生产的正常进行。我厂原有风机轴承箱的结构如图1，主要存在以下缺点。1.1轴这些风机都安装在室外，风吹日晒，原有的弹性联轴器的橡胶容易老化，造成联轴器跳动大而导致风机振动加大。1原原有风机的缺点2改改造后风机特点及效果图1风风机轴承箱的结构图2形蛇形弹簧联轴器1.2轴轴承润滑采用扁铁制成的甩油环，用螺栓联接，甩油环脱落易造成缺油而使轴承损坏。1.3轴因叶轮与轴配合较紧，使得更换风叶端轴承极不方便，需拆卸风…     

基于小波分析的折叠成网机传动辊轴承故障诊断

针对折叠成网机传动辊轴承振动信号调制源多和呈现非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况,提出了一种小波变换的时频分析方法,对轴承振动信号进行分解和重构处理,获得振动信号在不同的频段的分量,提取相应特征频段重构分量的功率谱的频域统计值作为特征参数,进行轴承故障诊断。试验结果显示该方法有较好的诊断效果。     

船舶感应电机轴承故障诊断

船舶电机轴承的故障发生的也比较频繁,需要更便捷快速的诊断方法,现在,通过总结过去的电机诊断方式,能够找到最快最好的方法来满足对于轴承故障的发现的快速性,为解决问题赢得时间。目前,能够找到的故障的种类有轴承故障、转子故障、定子故障、气隙偏心故障等等。故障诊断工艺在上世纪七十年代就有较为系统的论述。而在后来的几十年来论述的内容不断扩大。方式方法变得越来越多。     

基于希尔伯特黄在风力发电机组轴承故障诊断

针对风力发电机组轴承故障振动信号特性,该信号为非平稳信号。提出基于希尔伯特黄的对风力发电机组轴承故障的诊断方法。该方法是用经验模式分解方法将原始信号分解成包含不同特征时间尺度的本征模态函数,并对分解后得到的每一个本征模态函数分量进行希尔伯特变换,从而得出时频平面上的幅值分布的尔伯特谱,并通过其反映出来的物理信息对风力发电机组轴承做故障诊断分析。     

基于LabVIEW的旋转机械故障诊断系统

研究旋转机械零部件的故障诊断方法,提出一种基于LabVIEW系统调用MATLAB程序的旋转机械故障诊断方法。主要介绍AIC9000转子试验台与虚拟仪器设备的组合应用,结合LabVIEW、MATLAB软件、EMD方法等,以轴承点蚀故障为例论述了该方法在旋转机械设备故障诊断领域的应用。