共查询到20条相似文献,搜索用时 138 毫秒
1.
2.
作为机床主轴的核心零件,轴承的动态刚度对机床加工精度至关重要。为模拟机床主轴轴承的工况,测量轴承运转过程中的动态刚度,设计了一种能够对多种组配形式的轴承轴向或径向动态刚度进行测量的轴承动态刚度测量仪。该测量仪有柔性驱动系统驱动、伺服电缸加载、直线旋转运动轴系传递载荷和旋转,测量系统能够实时监测轴承转速、载荷和被测轴承变形量等数据,从而计算出被测轴承的动态刚度。阐述了测量仪的工作原理、测量主体、柔性驱动系统、加载系统等关键系统的结构和工作方式,介绍了测量仪的技术特点,并通过试验验证了测量仪的可靠性。 相似文献
3.
采用轴承测量仪测量的产品圆度为一个估计值,与实际值存在误差,对轴承测量仪测量原理及其测量误差进行了分析,举例分析轴承测量仪的各自测量误差,提出了调整和改进方法,采用组合测量调整方案有效控制了圆度测量误差。 相似文献
4.
5.
6.
针对圆周振动筛轴承故障信号经常淹没在振动筛自身的振动和冲击中,导致轴承故障特征难以提取的问题,提出采用包络分析法处理测试信号和诊断轴承故障的方法。利用加速度传感器采集圆周振动筛轴承正常工作和发生故障时的振动信号,再采用包络分析方法对振动信号进行处理并提取轴承的故障特征,从而识别出故障类型。通过实验分析了振动筛轴承故障的时域和频谱特征,得出轴承外圈频谱存在调制现象,而内圈频谱不存在调制现象,为轴承故障诊断提供了理论的技术支持和判断依据。 相似文献
7.
轴承的凸出测量仪一般企业都采用机械杠杆式预加载荷测量,轴承凸出量测量仪的本身精度高低直接影响轴承的测量精度,以至影响轴承的装配精度,改进测量仪马鞍座(工作平台)的结构,可提高测量仪的精度。 相似文献
8.
9.
提出了一种故障轴承的三维建模方法,并采用数值模拟和实验研究相结合的方法分析了352226X2-2RZ型双列圆锥滚子轴承在正常状态和外圈剥离故障状态时的故障特征频率。首先,利用三维实体建模软件Solidworks建立了正常状态和外圈剥离故障状态的轴承模型;然后,将模型导入ADAMS中添加约束和驱动,并对两种模型进行动力学仿真分析;最后,利用轮对跑合实验台对故障轴承进行试验测试分析,试验结果与仿真结果十分吻合。研究结果证明了所提出的建模和仿真方法的正确性。 相似文献
10.
11.
12.
13.
14.
变转速工况下的滚动轴承故障振动信号具有多分量调制以及故障特征频率受到转频调制的特点,从而导致故障特征提取困难。对此,将局部均值分解(local mean decomposition,简称LMD)与阶次跟踪分析相结合,提出了一种变转速工况下的滚动轴承故障诊断方法。首先,采用阶次跟踪采样将时域滚动轴承故障振动信号转换到角域;然后,对角域信号进行LMD分解得到若干个乘积函数(product function,简称PF)分量;最后,对各个PF分量的瞬时幅值进行频谱分析,判断滚动轴承的故障部位和类型。通过对滚动轴承实验故障振动信号的分析,结果表明该方法能有效地应用于变转速工况下的滚动轴承故障诊断。 相似文献
15.
《Mechanical Systems and Signal Processing》2007,21(2):920-929
To target the characteristic of roller bearing fault vibration signals, the impulse response wavelet is constructed by using continuous wavelet transform to extract the feature of fault vibration signals, based on which two methods namely scale-wavelet power spectrum comparison and auto-correlation analysis of time-wavelet power spectrum are proposed. The analysis results from roller bearing vibration signals with out-race or inner-race fault show that the two proposed methods can detect the faults of roller bearing and identify fault patterns successfully. 相似文献
16.
Essentially the fault diagnosis of roller bearing is a process of pattern recognition. However, existing pattern recognition method failed to capitalize on the nature of multivariate associations between the extracted fault features. Targeting such limitation, a new pattern recognition method – variable predictive model based class discriminate (VPMCD) is introduced into roller bearing fault identification. The VPMCD consider that all or part of the feature values will exhibit interactions in nature and these associations will have different performances between different classes, which is always true in practice when faults occur in roller bearings. Target to the characteristics of non-stationary and amplitude-modulated and frequency-modulated (AM–FM) of vibration signal picked up under variable speed condition, a fault diagnosis method based upon the VPMCD, order tracking technique and local mean decomposition (LMD) is put forward and applied to the roller bearing fault identification. Firstly, LMD and order tracking analysis method are combined to extract the fault features of roller bearing vibration signals under variable speed condition; Secondly, the feature values are regard as the input of VPMCD classifier; finally, the working condition and fault patterns of the roller bearings are identified automatically by the output of VPMCD classifier. The analysis results from experimental signals with normal and defective roller bearings indicate that the proposed fault diagnosis approach can distinguish the roller bearing status-with or without fault and fault patterns under variable speed condition accurately and effectively. 相似文献
17.
18.
利用CSI2130振动分析仪对浆液循环泵齿轮减速器进行振动监测与故障诊断,并使用PeakVue技术进行频谱和时域分析,认为较大的振动是因为齿轮啮合不良而导致输入端齿轮轴断齿造成,停机检修发现输入端齿轮轴有3个齿沿齿轮根部断裂,更换新齿轮轴后,设备运行恢复正常。 相似文献
19.
提出了一种易于用模拟电路实现的基于互相关检测的滚动轴承实时故障诊断方法,首先,用两个加速度传感器在不同测点采集轴承振动信号,将其分别送入相应通道的高Q带通滤波器来选择最优共振带;然后,将两路带通滤波器的输出信号进行互相关检测,将互相关检测得到的信号经低通滤波器,保留低频故障信号;最后,将低通滤波器输出的时域信号通过频谱分析仪显示滚动轴承故障特征频率的谱线以实现滚动轴承的实时故障诊断。用模拟电路的形式将该方法进行搭建,并在QPZZ-II实测平台完成滚动轴承的实时故障诊断。结果表明:该方法克服了单一信号源的局限性,能利用互相关函数削弱共振带内部噪声,使诊断结果具有更高的频谱辨识率,而且能够用结构简单、易于维护的模拟电路实现,对轴承实时故障诊断方法的应用与普及具有一定的参考价值。 相似文献
20.
基于双时域微弱故障特征增强的轴承早期故障智能识别* 总被引:1,自引:0,他引:1
针对轴承早期微弱故障难以准确识别的问题,提出一种基于双时域微弱故障特征增强的轴承早期故障智能识别方法。利用广义S变换和Fourier逆变换推导出一种双时域变换,将轴承振动信号变换为双时域二维时间序列。根据双时域变换的能量分布特点,提取二维时间序列的主对角元素以构建故障特征增强的时域振动信号。仿真信号和轴承故障信号分析验证了双时域微弱故障特征增强的可行性和有效性。采用脉冲耦合神经网络和支持向量机对增强后的轴承信号进行时频特征参数提取和智能识别,平均识别精度达到了95.4%。试验结果表明所提方法能有效提高轴承早期故障的智能识别精度。 相似文献