首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 93 毫秒
1.
基于神经网络的气体传感器故障诊断   总被引:2,自引:0,他引:2  
该文介绍了一种基于人工神经网络进行了气体传感器故障检测的新方法,文中利用单个气体传感器的输出信息为气体传感器建立了动态非线性神经网络气体传感器输出模型,并利用该模型进行在线故障检测,实际使用证明该模型具有良好的收敛性和稳定性,完全能满足对气体传感器故障在线检测的需要。  相似文献   

2.
为解决机械系统中滚动轴承故障的准确有效判断与监测等问题,采用振动诊断法对其振动模型和包络解调谱法的可行性进行了理论分析.设计了滚动轴承故障模拟实验,以典型故障为例,利用以希尔波特变换为基础的包络解调谱法对所获取的信号进行处理,结果验证了该方法的有效性和优越性.为滚动轴承的在线检测提供了理论依据.  相似文献   

3.
针对传统滚动轴承故障诊断方案不能实时在线诊断的问题,设计了基于FPGA的滚动轴承故障在线检测系统。在硬件方面,设计了信号调理电路,实现了A/D转换,完成了滚动轴承信号在线采集,设计了上位机界面,能够实时显示检测结果,实现了结果的可视化;在算法方面,利用共振解调技术,完成了滚动轴承故障频率的提取。最后在QPZZ-Ⅱ实验台对系统进行测试,并与软件检测方法对比检验系统实时性能。结果表明:系统能有效提取滚动轴承故障特征频率,解决了传统检测方案效率低的问题,满足滚动轴承故障实时在线检测的需要。  相似文献   

4.
滚动轴承是风机、变速箱等旋转机械中最常发生故障的元件,一旦出现故障,将会使得整个系统停机甚至导致灾难性后果。因此,对滚动轴承进行早期故障检测有着重要的意义。本文提出利用模糊熵和分形维数结合的方法对滚动轴承振动信号进行故障特征的提取,利用樽海鞘群算法优化的支持向量机(SSA-SVM)来构建早期故障检测的模型。通过滚动轴承正常运行和早期故障时采样的历史数据,训练和测试早期故障检测模型,可以实现对故障未知的振动信号进行早期故障检测。通过实验,证实了该方法在滚动轴承早期故障检测上的有效性。  相似文献   

5.
针对在滚动轴承故障检测和诊断中获取的单通道信息不全面、不准确等问题,提出了全矢本征时间尺度分解(ITD)和核主元分析(KPCA)相结合的方法以进行故障检测与诊断。首先采用全矢ITD对正常运行状态下的同源双通道原始样本数据进行信息融合,得到全矢融合后的主振矢数据,并建立KPCA模型,克服了单通道振动信号信息不完整的缺点。然后运用KPCA模型对待测样本数据进行在线监控,当该模型的T2和SPE统计量超过已设定的控制限时,采用全矢Hilbert包络分析提取故障数据的特征频率以进行故障诊断。实验结果表明,该方法既能较好地检测出滚动轴承的运行状态,又能准确有效地诊断故障类型。  相似文献   

6.
为了有效地提升滚动轴承故障诊断的可靠性和准确性,鉴于精细复合多尺度反向波动散布熵(RCMRFDE)方法在描述非线性序列复杂度和特征提取方面的优势,提出了一种结合RCMRFDE和极限学习机(ELM)的滚动轴承综合故障检测方法(该方法包括健康检测和故障分类)。首先,根据滚动轴承健康和故障振动信号复杂性具有显著性差异的特点,利用RCMRFDE预先检测了滚动轴承的健康状态,筛选出了健康轴承;然后,采用RCMRFDE提取出了剩余故障轴承的故障特征,并采用极限学习机(ELM)对故障类型进行了智能化的识别;最后,基于两种公开的滚动轴承故障实验数据,分别采用RCMRFDE+ELM方法与其他5种故障诊断方法进行了检测,并将所得结果进行了比较分析,以验证新方法的检测精度、分类准确率、效率和可靠性。研究结果表明:采用RCMRFDE+ELM方法能够准确地检测出滚动轴承是否存在故障,并且在二次实验中,对于故障轴承的平均识别准确率分别达到了99.96%和99.67%,均高于其他方法。该方法可以为建立滚动轴承的健康监测模型提供阈值设置方法和诊断思路。  相似文献   

7.
环模制粒机的核心零件需在高温、高湿条件下长时间连续运行,极易发生滚动轴承故障,严重影响生产安全。针对复杂工况下环模制粒机滚动轴承故障无法在线诊断的问题,提出了一种基于频域空间分解(FSDD)和模态保证准则(MAC)的滚动轴承故障在线识别方法。首先,对滚动轴承的振动信号进行了在线测量,采集了不同工况下的故障振动数据,并采用均方根(RMS)方法,从不同工况下的振动信号中分析出了振动状况最严重的工况;然后,采用频域空间分解法(FSDD),识别出了其模态频率、阻尼比及振型等模态参数,并利用模态保证准则(MAC)从模态参数中提取出了故障特征频率,达到了损伤判断的目的;最后,以出现故障的K15环模制粒机为例,进行了滚动轴承在线故障诊断的实验。研究结果表明:基于FSDD和MAC的方法,可识别出环模制粒机的故障特征频率为57.83 Hz,故障点为轴承SKF 24024CC/W33的外圈;该方法可实现在复杂工况下滚动轴承故障的有效识别。  相似文献   

8.
《轴承》2016,(6)
针对变载荷条件下滚动轴承在线故障诊断问题,提出了一种基于动态FDA的在线故障诊断方法。首先,提取滚动轴承每个采样点振动加速度信号的瞬时能量,并利用当前采样时刻和前d个采样时刻的瞬时能量构建增广故障特征向量;然后,利用FDA对空载状态下无故障、滚动体故障、内圈故障和外圈故障的试验数据进行分析,获取最佳判别矩阵/向量;最后,采用0%,50%,100%和150%这4种载荷条件下的试验数据对该故障诊断方法的有效性进行验证。试验结果表明:所提出的故障诊断方法精度高、计算量小、实时性好,能有效地用于变载荷条件下滚动轴承的在线故障诊断。  相似文献   

9.
朱文轩  张书维  王琳 《机电工程》2023,(12):1857-1868
采用传统诊断模型进行轴承故障识别时,需要设置较多的超参数,且参数对模型性能的影响较大。针对这一问题,提出了一种基于增强层次注意熵(EHATE)和灰狼算法优化的极限学习机(GWO-ELM)的滚动轴承故障诊断模型,其中,EHATE方法用于提取滚动轴承振动信号的低频和高频特征信息,而GWO-ELM用于识别滚动轴承的故障类型。首先,基于分形理论和增强的层次分析,提出了一种能够同时测量非平稳时间序列在低频段和高频段复杂度的指标-增强层次注意熵(EHATE);随后,利用EHATE方法充分提取了滚动轴承振动信号的故障特征,实现了对不同样本故障状态进行精确表征的目的;最后,将故障特征输入至GWO-ELM分类器中,进行了滚动轴承故障类型和故障严重程度的识别,基于EHATE+GWO-ELM模型对3组滚动轴承故障数据集进行了实验,并将其与其他故障诊断方法进行了对比。研究结果表明:该故障诊断模型能够快速有效地识别滚动轴承的不同故障,3组数据集的识别准确率分别达到了100%、99.2%和96.92%,在识别准确率和特征提取效率方面优于对比方法;同时该故障诊断模型在特征提取阶段仅需要设置单个参数,且该参数对模型的...  相似文献   

10.
针对滚动轴承退化数据的复杂性和相关性,以及传统的寿命预测方法不能充分利用在线数据和非全寿命生命周期数据,从而导致预测精度不高的问题,提出了一种基于代价最小化的参数动态更新的LSTM预测模型.该模型采用离散小波变换对滚动轴承振动数据进行去噪,并提取时频域特征完成LSTM的训练与测试,利用在线监测数据滚动更新LSTM参数以提高预测精度.通过滚动轴承寿命试验证明,该模型可以准确预测滚动轴承剩余寿命,并且通过与BP神经网络和极限学习机的预测效果对比,验证了参数实时更新的LSTM模型在剩余寿命预测中的适用性.  相似文献   

11.
基于滚动轴承故障动力学模型研究其振动特性及故障机理是实现轴承故障准确诊断的基础。为描述滚动轴承缺陷对其振动响应特性的影响,考虑滚动体与缺陷的相对几何关系,提出了时变接触变形与时变刚度耦合的滚动轴承故障非线性动力学模型。以NSK6205深沟球轴承为对象,通过建立6+Nb自由度非线性时变参数动力学模型,分析了滚动体通过外圈缺陷区域时接触变形、接触刚度以及振动响应的变化过程,得到了不同缺陷尺寸下滚动轴承故障冲击振动响应特征变化规律。理论分析和实验研究结果表明,随着缺陷尺寸的增加,滚动轴承故障振动响应产生由双冲击到多冲击的变化特征,不同缺陷尺寸下,滚动体进入和离开缺陷过程中产生的冲击响应明显不同。研究成果为基于振动信号实现滚动轴承故障尺寸判断提供了理论依据。  相似文献   

12.
This paper deals with the design of a residual generator for fault detection and isolation in the dynamic closed-loop systems based on the balance of energy which "enters" and "leaves" plants. The main contribution of this paper consists in developing a suitable fault detection and isolation technique to detect faults in single-input single-output closed-loop system based on major signals without the requirement of an accurate static or dynamic model. Indeed, in the absence of conventional input-output models, the proposed method involves the on-line energy balance evaluation to detect a sensor fault. The application to the monitoring of a galvanizing line in steel industry shows the effectiveness of the suggested approach when a sensor fault occurs.  相似文献   

13.
中介轴承故障动力学建模与振动特征分析   总被引:2,自引:1,他引:1  
中介轴承是航空发动机转子的关键支承部件之一,工作转速高,润滑条件差,易发生故障。基于动力学模型的故障机理研究可以为中介轴承故障诊断提供依据。以Gupta圆柱滚子轴承复杂动力学建模方法为基础,考虑外圈的运动建立了中介轴承动力学模型,通过试验对模型进行验证。在此基础上,分别考虑滚道表面形貌和轴承间隙的变化,建立中介轴承磨损故障动力学模型;针对中介轴承滚道表面剥落等局部损伤故障,考虑滚动体通过损伤区域时趋近量和接触载荷方向的改变,建立中介轴承局部损伤故障动力学模型。利用所建故障动力学模型对不同磨损状态下中介轴承外圈径向振动响应进行研究。研究表明,出现磨损后,振动响应频率中出现若干随机成分;对于局部损伤和磨损的复合故障,随着磨损加剧,振动幅值随之增大,随机成分所占比重增加,损伤的故障特征不明显。  相似文献   

14.
针对动车组转向架轴承,根据轴承故障产生机理建立了轴承故障动力学工程模型。模型充分考虑了车轴弯曲刚度、轴承间隙及滚动体和滚道间的非线性接触力等因素,并包含内圈、外圈以及滚动体故障轴承动力学模型,使用龙格库塔数值积分方法进行了动力学仿真分析。针对实际轴承搭建实验台,对不同故障类型及不同程度故障进行了实际测试。仿真分析与实验结果吻合度较高,最大误差不超过5%,证明了该动力学模型的有效性。  相似文献   

15.
Zhang  Xiaofei  Hu  Niaoqing  Cheng  Zhe  Hu  Lei 《机械工程学报(英文版)》2012,25(6):1287-1297
Early bearing faults can generate a series of weak impacts. All the influence factors in measurement may degrade the vibration signal. Currently, bearing fault enhanced detection method based on stochastic resonance(SR) is implemented by expensive computation and demands high sampling rate, which requires high quality software and hardware for fault diagnosis. In order to extract bearing characteristic frequencies component, SR normalized scale transform procedures are presented and a circuit module is designed based on parameter-tuning bistable SR. In the simulation test, discrete and analog sinusoidal signals under heavy noise are enhanced by SR normalized scale transform and circuit module respectively. Two bearing fault enhanced detection strategies are proposed. One is realized by pure computation with normalized scale transform for sampled vibration signal, and the other is carried out by designed SR hardware with circuit module for analog vibration signal directly. The first strategy is flexible for discrete signal processing, and the second strategy demands much lower sampling frequency and less computational cost. The application results of the two strategies on bearing inner race fault detection of a test rig show that the local signal to noise ratio of the characteristic components obtained by the proposed methods are enhanced by about 50% compared with the band pass envelope analysis for the bearing with weaker fault. In addition, helicopter transmission bearing fault detection validates the effectiveness of the enhanced detection strategy with hardware. The combination of SR normalized scale transform and circuit module can meet the need of different application fields or conditions, thus providing a practical scheme for enhanced detection of bearing fault.  相似文献   

16.
转子-滑动轴承系统不对中-碰摩耦合故障分析   总被引:7,自引:1,他引:6  
针对滑动轴承支撑下的转子系统发生不对中故障进而引起不对中-碰摩耦合故障的诊断问题,基于非线性有限元法,应用短轴承油膜力、等效不对中力矩及Hertz接触理论建立双盘不对中-碰摩耦合故障转子系统动力学模型,并通过增广的拉格朗日方法来处理接触约束条件,以保证转盘和机匣相互接触时满足边界渗透深度在规定的容差范围内。同时,结合试验研究分析了在不同转速条件时,滑动轴承支撑下的耦合故障转子系统的相关动力学特性。研究表明碰摩故障在耦合故障中处于主导地位,不对中故障主要会激发高倍频谱处于从属地位;并且随着转速的提高,系统频率成分以高倍频为主,逐步由拟周期运动进入混沌运动状态,同时由于不对中力矩与碰摩力的作用,油膜失稳现象局部被抑制,一、二阶油膜振荡现象均滞后显现。研究结果可为滑动轴承支撑下耦合故障转子系统故障诊断提供依据。  相似文献   

17.
为了解决轴承智能化生产线工序间的在线检测问题,对工序间轴承内圈参数自动化检测的装置进行了研究;分析了影响轴承内圈内径各参数检测的误差因素,并对其进行了误差分析;基于虚拟样机技术和ADAMS动力学仿真软件对轴承内圈检测装置进行动力学分析,分析测量因素对轴承内圈内径参数检测圆度、垂直度和壁厚等的影响,并测量仿真过程中轴承下端面的跳动量;基于ADAMS动力学仿真软件的仿真参数进行实验验证,实验结果和仿真结果在趋势上有一定的契合性和合理性,为轴承内圈智能化生产线上的检测装置设计和研发提供理论依据和指导。  相似文献   

18.
杨子臻  左彦飞  邵化金  冯坤 《轴承》2021,(2):8-13,16
为分析转子不平衡与轴承故障耦合振动特征及产生机理,在对转子不平衡与轴承故障耦合状态下受力分析的基础上,基于虚位移原理的增广拉格朗日法建立轴承运动控制方程,运用LS-DYNA建立转子-轴承系统二维显式动力学有限元模型,分析了故障耦合状态下轴承振动加速度、转子轴心运动轨迹,探明了转子不平衡-轴承缺陷耦合故障冲击响应特征及转子轴心运动轨迹突变机理,并通过试验进行了验证。结果表明:转子不平衡与轴承外圈故障耦合状态下,轴承座测点位置故障特征频率被转频调制,冲击幅值随转频变化;转子轴心轨迹呈椭圆形,且缺陷位于轴承承载区时,转子轴心轨迹存在突变。  相似文献   

19.
滚动轴承外圈多点故障特征分析   总被引:2,自引:0,他引:2  
滚动轴承发生多点故障时会产生复杂的振动特征,影响轴承故障诊断的准确性。针对滚动轴承外圈多点故障诊断特征的变化规律,考虑滚动轴承外圈故障数量、故障间隔和载荷分布对故障特征的影响,采用五自由度动力学模型进行仿真分析。通过龙格库塔法对动力学方程进行数值求解,分析了滚动轴承外圈单点故障和多点故障的诊断特征。结果表明:当外圈具有多点故障时,随着故障数量和故障间隔的变化,故障特征频率各谐波的幅值会发生变化;当多点故障满足载荷相等和一定的间隔关系时,故障特征频率值与故障数量之间呈现对应的倍数关系。通过滚动轴承多点故障模拟试验验证了结论的正确性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号