基于ADAMS的关节内部故障轴承的动力学分析

为研究机械手臂关节内部轴承的故障识别,使用SolidWorks和ADAMS建立了机械手臂的动力学仿真模型,对机械手臂关节内部轴承进行动力学仿真,通过多次更换不同故障轴承,分析在相同转速时肩部轴承与关节内部轴承在内圈、外圈、滚动体故障时振动加速度响应的区别,得到关节内部故障轴承的振动周期.采用了 Gammatone滤波器组,分别对外圈、内圈及滚动体故障冲击信号进行滤波处理,得到的仿真结果与理论计算结果具有良好的一致性,对机械手臂关节内部轴承的研究有重要意义,在一定程度上提高和完善了机器人技术水平.     

滚动轴承故障的显式动力学仿真与接触特性分析

故障的存在会恶化轴承内部接触状态,影响其动态特性。为了揭示存在故障时滚动轴承内部接触状态的变化规律,以滚子轴承NU306为研究对象,建立了故障轴承(含内圈故障、外圈故障和滚动体故障)的非线性接触多体动力学有限元模型,采用显式动力学算法对轴承运行过程进行仿真,获得了滚动体与套圈及保持架接触力的变化曲线,揭示了故障对轴承内部接触状态的影响规律。研究结果表明:轴承故障会导致滚动体与套圈的接触力出现波动,内圈故障时波动频率最高,滚动体故障时波动频率最低,且套圈故障时接触力大于正常轴承;外圈故障导致滚动体与保持架接触力的幅值变化最大,而滚动体故障导致的波动频率最高。仿真结果与实验结果吻合良好,验证了有限元模型的有效性。     

基于ANSYS/LS-DYNA高速列车轴箱轴承动力学分析与故障模拟

为了开发高速列车轴箱轴承的在线监测系统,合理布置振动传感器测点,进而完成轴承的实时故障诊断。施加了吻合实际工况合理的边界条件和载荷条件,在ANSYS/LS-DYNA中建立了高速列车轴箱轴承的动力学模型,并且仿真分析了高速列车轴箱轴承的动力学特性。进行了双列圆锥滚子轴承正常工作状态与滚动体表面剥落情况下的显示动力学运动仿真,并在运转工作状态下,将无故障轴承与滚动体表面剥落故障轴承的仿真信号进行了时域参数对比及利用小波包络谱频域对比。为进一步研究高速列车故障轴承的运动仿真与分析奠定一定基础。     

不同故障程度下的滚动轴承内部接触动态特性分析

滚动轴承的故障所导致的内部接触状态的变化是滚动轴承振动特性发生改变的重要原因。根据故障与滚动体可能出现的接触形式,考虑故障演化过程中的不同故障大小,建立了圆柱滚子轴承存在不同程度故障时的多体接触动力学有限元模型,并通过滚动轴承外圈故障实验验证了模型的有效性。基于显式动力学法对滚动体与各组件间的动态接触力及故障区域的接触应变进行分析,揭示了不同故障程度对轴承内部接触动态特性的影响规律及故障情况下接触变形的变化规律。研究结果表明:滚动体在越障期间与各组件的接触力减小,随着故障程度的加剧,轴承内部接触力波动越发剧烈,但接触应变的波动频率和幅值降低;故障轴承滚动体在承载区与保持架兜孔两侧均会接触,使接触力出现负值;故障趋向于沿着滚动体滚动方向扩展。研究结论可为滚动轴承故障诊断及残余寿命预测提供理论依据。     

滚动轴承局部损伤故障动力学建模及仿真

针对实际齿轮箱轴承系统,建立了转子-故障滚动轴承-轴承座系统非线性振动模型,在模型中充分考虑了轴承间隙、滚珠与滚道的非线性接触力及变柔度VC振动.在此基础上,进一步建立了轴承外圈、内圈、滚动体局部损伤故障非线性动力学模型,并运用数值积分的方法进行了动力学仿真与分析.仿真分析结果验证了滚动轴承存在局部故障时的动力学特性,表明轴承局部损伤故障动力学模型的正确性.     

滚动轴承内圈局部故障渐变动力学建模与分析

当滚动轴承内圈出现局部故障时会产生复杂的振动响应，从滚动轴承内圈实际故障形貌的渐变性和非规则性的客观实际出发，引入位移激励函数定性分析滚动体通过故障区域时球心位置的渐变规律，采用随机数列表征故障底部形貌非规则性的特点，综合考虑轴承的径向载荷和滚动体通过故障区域时的打滑率等因素，建立了一种内圈局部故障渐变的轴承动力学模型。通过对比分析不同转频条件下实验和仿真数据的故障特征频率值，验证了局部故障渐变动力学模型的准确性。     

基于旋滚比的电主轴轴承预紧力优化研究

为研究不同工况下轴承预紧力对电主轴轴承动力学的影响规律，基于外轨道控制理论,建立了一种以旋滚比可优化的轴承预紧力动力学模型。通过分析高速状态下滚动体载荷和特征参数动态变化过程，构建综合考虑滚动体滚动、自旋转、陀螺运动和离心力的轴承动力学分析模型，在此基础上，计算旋滚比动态变化结果；研究Jones发现的阈值与旋滚比之间的动态定量映射关系；以轴承滚动体打滑状态为优化目标，使用MATLAB仿真分析不同工况下轴承最佳预紧力。建模分析表明，轴承旋滚比大小可以反映轴承预紧效果，也可实现轴承预紧力动态定量优化。     

滚动轴承点蚀故障动力学建模与仿真

轴承是机械传动系统中最关键也是最易发生故障的部位之一,准确的识别其故障是实现设备稳定运行的关键。综合考虑油膜和滚动体滑动等非线性因素,建立了包含局部故障的滚动轴承系统五自由度动力学模型,提出了一种改进的点蚀故障模型,并对不同故障参数对应的模型进行了分析。仿真了内圈和外圈含点蚀故障时的系统振动信号并分析了相应的故障特征。通过仿真信号和实验信号的对比分析,验证了所建模型的正确性,为实现轴承故障的早期诊断提供了帮助。     

考虑三维运动和相对滑动的滚动球轴承局部表面损伤动力学建模研究

滚动体通过局部表面损伤时轴承的运动参数及动力学响应是轴承疲劳损伤分析和故障诊断的有效输入和重要依据。基于GUPTA轴承模型构建具有局部表面损伤的滚动球轴承的完整动力学模型。该模型中每个轴承元件(滚球、内圈及外圈)具有6个自由度,并且考虑了元件之间的相对滑动和润滑牵引特性。在对局部表面损伤进行建模时,完整考虑了损伤出现后由于材料缺失而引入的额外间隙,以及损伤对赫兹接触刚度及接触载荷作用方向的影响。研究滚球在通过局部表面损伤时轴承的加速度与滚球/损伤之间冲击力的对应关系,以及轴承转速和损伤宽度对轴承振动响应的影响规律。仿真结果表明,由于考虑了相对滑动和滚球/损伤之间冲击力的影响,本模型能够对具有局部表面损伤的球轴承进行更为合理的动力学特性分析,可为滚动球轴承的疲劳损伤分析和故障定量诊断提供一定的理论依据。     

考虑疲劳故障的圆柱滚子轴承打滑失效分析

考虑滚道疲劳剥落故障、滚动体与保持架之间的非连续接触等因素,建立圆柱滚子轴承的非线性弹性接触显式动力学模型,研究不同剥落故障位置、径向载荷、内圈转速对滚动体和保持架打滑特性的影响规律;将仿真结果与理论解进行对比,验证有限元模型的有效性。研究结果表明:滚动体在非承载区更容易出现打滑;相同工况下剥落故障会使得滚动体和保持架的打滑率大幅增加,其中复合故障下的打滑率增加最多,内圈故障和外圈故障下的打滑率增幅基本相同;增大径向载荷能有效减轻轴承的打滑现象,但载荷增加到一定程度后对打滑的抑制效果不明显;低转速工况下内圈和外圈疲劳故障对轴承打滑率的影响不大,随着转速的提高疲劳故障对打滑率的影响愈加明显。     

高速列车滚动轴承支承松动系统动力学特性研究*

作为列车走行部的关键零部件,轴箱滚动轴承支承松动故障会直接影响到车辆的运行平稳性。针对高速列车滚动轴承内圈与轴颈配合的松动问题,提出一种车体-构架-悬挂-滚动轴承-轮轨的垂向耦合动力学模型,并采用优化的四阶Runge-Kutta数值积分及试验方法,研究不同松动间隙、不同行驶速度下,高速列车滚动轴承支承松动系统的非线性动力学特性。结果表明：理论计算与试验结果较吻合,松动间隙的大小对未松动侧轴箱的振动响应影响不大,但对松动侧轴箱的振动响应有较大影响,且可使得系统的运动状态由近拟周期运动发展为混沌运动。列车低速行驶时松动侧轴箱振动幅值和振动速度均比高速行驶时更大,轴箱振动响应的低频成分只与行驶速度有关,不随松动间隙的改变而改变。     

Wheel-bearing fault diagnosis of trains using empirical wavelet transform

Rolling bearings are used widely as wheel bearing in trains. Fault detection of the wheel-bearing is of great significance to maintain the safety and comfort of train. Vibration signal analysis is the most popular technique that is used for rolling element bearing monitoring, however, the application of vibration signal analysis for wheel bearings is quite limited in practice. In this paper, a novel method called empirical wavelet transform (EWT) is used for the vibration signal analysis and fault diagnosis of wheel-bearing. The EWT method combines the classic wavelet with the empirical mode decomposition, which is suitable for the non-stationary vibration signals. The effectiveness of the method is validated using both simulated signals and the real wheel-bearing vibration signals. The results show that the EWT provides a good performance in the detection of outer race fault, roller fault, and the compound fault of outer race and roller.     

Simulating gear and bearing interactions in the presence of faults: Part II: Simulation of the vibrations produced by extended bearing faults

This paper presents a combined dynamic model for gears and bearings, in which an extended fault in the inner/outer race of rolling element bearings can be studied in the presence of gear interaction. A combined gear/bearing model has been made to obtain a better understanding of the interaction of the two components. The essentials of the gear/bearing model and the results of simulating the vibration of localized faults in rolling element bearings in a gearbox environment have been discussed and illustrated in the first part of this paper (part I). The simulation model has now been modified to model extended faults of the type that do not necessarily produce high frequency impact responses, but do modulate the gearmesh signals. The paper compares the simulated and actual signals from the gear/bearing test rig for inner and outer race extended faults, and in particular demonstrates that they react similarly to existing diagnostic techniques.     

基于拉普拉斯分值和模糊C均值聚类的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征和故障征兆的模糊性,提出了基于拉普拉斯分值和模糊C均值（FCM）聚类的滚动轴承故障诊断方法。该方法首先在时域和频域对滚动轴承振动信号进行特征提取,组成初始特征向量;然后利用拉普拉斯分值进行特征选择,形成故障特征向量;最后以FCM聚类为故障分类器,实现滚动轴承不同故障类型的识别。应用实例和对比实验表明,该方法能有效提取滚动轴承振动信号特征,诊断滚动轴承故障。     

滚动轴承外圈多点故障特征分析

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。     

基于路图拉普拉斯算子范数和马氏距离的滚动轴承故障诊断

为有效提取滚动轴承振动信号的故障特征,将图信号处理技术引入故障诊断领域。首先根据滚动轴承振动信号构造路图,获得路图信号;再将计算得到的路图拉普拉斯算子范数作为特征参数,构造不同故障的标准特征空间;最后通过测试样本与标准特征空间的马氏距离实现不同故障模式的识别。实测滚动轴承振动信号的分析结果表明,该方法能有效诊断轴承故障。     

基于双谱分析的滚动轴承故障模式识别

当滚动轴承发生故障时,其产生的振动信号一般是包含较强噪声的非高斯和非线性信号。本文对高阶统计量方法用于滚动轴承故障特征提取进行了研究,提出了基于双谱估计的滚动轴承故障诊断方法。利用这种方法可以同时获得包含滚动轴承故障信号幅值和相位信息的双谱特征图谱。研究表明,双谱图谱可以有效地监测滚动轴承工作状态的模式,因而可以快速地识别滚动轴承不同的故障特征。     

滚动轴承故障程度诊断的HMM方法研究

为提高滚动轴承故障诊断率,提出基于时频域指标的HMM轴承故障程度诊断方法。利用轴承故障模拟试验台,采集不同剥落程度滚动体的振动信号,分别提取均方值、有效值、方差、修正样本方差、标准差、频域中心及带宽共7个时域和频域指标作为特征向量训练HMM,得到基于HMM的诊断分类器。利用该分类器对330组待检滚动轴承振动信号进行分析,诊断正确率达90%以上,说明该方法能有效提取故障特征。     

Application of higher order spectral features and support vector machines for bearing faults classification

Condition monitoring and fault diagnosis of rolling element bearings timely and accurately are very important to ensure the reliability of rotating machinery. This paper presents a novel pattern classification approach for bearings diagnostics, which combines the higher order spectra analysis features and support vector machine classifier. The use of non-linear features motivated by the higher order spectra has been reported to be a promising approach to analyze the non-linear and non-Gaussian characteristics of the mechanical vibration signals. The vibration bi-spectrum (third order spectrum) patterns are extracted as the feature vectors presenting different bearing faults. The extracted bi-spectrum features are subjected to principal component analysis for dimensionality reduction. These principal components were fed to support vector machine to distinguish four kinds of bearing faults covering different levels of severity for each fault type, which were measured in the experimental test bench running under different working conditions. In order to find the optimal parameters for the multi-class support vector machine model, a grid-search method in combination with 10-fold cross-validation has been used. Based on the correct classification of bearing patterns in the test set, in each fold the performance measures are computed. The average of these performance measures is computed to report the overall performance of the support vector machine classifier. In addition, in fault detection problems, the performance of a detection algorithm usually depends on the trade-off between robustness and sensitivity. The sensitivity and robustness of the proposed method are explored by running a series of experiments. A receiver operating characteristic (ROC) curve made the results more convincing. The results indicated that the proposed method can reliably identify different fault patterns of rolling element bearings based on vibration signals.     

滚动轴承疲劳故障在线诊断的研究

通过对滚动轴承振动信号的在线监测提取出对疲劳故障敏感的参数：峭度、功率谱故障频带能量值、小波包故障频带能量值．选择足够的具有代表性的样本数据训练神经网络，用训练好的神经网络进行在线诊断，可以得出轴承发生疲劳故障的程度，再经过共振解调法诊断出轴承具体损伤的元件，实验表明本方法对滚动轴承的疲劳故障能正确诊断。该监测和诊断方法对其他设备的监测和诊断也有重要的意义。