共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
针对传统滚动轴承故障诊断方法过于依赖先验知识和专家经验,以及单一信号对某些故障识别率偏低的问题,提出一种变工况下基于信息融合的地铁牵引电机轴承故障诊断方法.首先搭建滚动轴承试验与多信息采集系统;其次对地铁牵引电机轴承进行缺陷预制并采集轴承试验过程中的声发射和振动信号;然后用小波包分解对原始信号进行处理并提取特征,再用卷积神经网络对归一化后的特征信息进行融合;最后建立二维卷积神经网络模型,对不同工况下的地铁牵引电机轴承故障进行智能诊断.试验结果表明:变工况下基于信息融合的地铁牵引电机轴承故障智能诊断方法,可在载荷和转速变化的情况下准确识别轴承的故障类型,当神经网络训练集与测试集涵盖工况相同时,准确度可达100%. 相似文献
3.
4.
5.
6.
7.
根据空调送风电机轴承在振动值和音质两方面的特点,在对比分析日本NSK同类产品和反复多次工艺试验的基础上,提出轴承的套圈加工质量和清洁度是影响该类轴承振动值和音质的关键因素,并摸索出一套适合于国产现有工艺装备下的空调送风电机轴承的磨加工工艺和清洗工艺。 相似文献
8.
针对地铁牵引电机轴承故障诊断中因工况复杂影响人工提取特征效果的问题,提出了一种基于快速傅里叶变换(Fast Fourier Transform,FFT)和堆叠降噪自编码器(Stacked Denoising Auto Encoder,SDAE) (FFT-SDAE)的地铁牵引电机轴承故障智能诊断方法.首先,使用大量无标签数据预训练深度自编码器的特征提取能力,自适应提取轴承故障特征;然后,通过小样本有标签数据微调网络学习分类性能,搭建地铁牵引电机轴承的FFT-SDAE网络模型;最后,通过试验研究FFT-SDAE网络结构对轴承故障诊断准确率的影响,选取最佳网络参数.试验结果表明,在变转速和变载荷的情况下,所提方法可以很好地提取故障的深层特征,在使用工况较复杂的数据集时,所提方法的诊断准确率优于传统的故障诊断方法. 相似文献
9.
通过对机车牵引电机轴承电流形成原因及电流损伤分析,比较了钢轴承和氮化硅陶瓷轴承的性能,得出机车牵引电动机轴承用氮化硅陶瓷轴承主要优势有:能有效防止电流经过轴承产生的"电蚀"损害;陶瓷轴承的润滑脂寿命比一般钢制轴承的寿命长3~4倍. 相似文献