日本精工开发出耐高温生物降解塑料

日本精工公司开发出可用于制造轴承的生物降解塑料,将耐热性及强度提高到了可在滚动轴承等构件上使用的程度.通过在聚乙烯醇树脂中添加纤维状的强化材料,新材料的拉伸强度和刚性比聚乳酸树脂更高.另外,通过配合使用改性剂,获得了组装所需要的柔软性.     

冲击脉冲法在滚动轴承故障诊断中的应用

介绍冲击脉冲法的基本原理、实施要点及判别标准,并以实例说明冲击脉冲法在滚动轴承故障诊断中的应用。     

基于小波分析的滚动轴承故障诊断方法的研究

介绍了小波分析的基本理论,并将小波分析应用于轴承的故障诊断。通过对实验数据的分析和处理,提取出了故障特征,并准确地对故障进行了定位。这种方法取得了良好的诊断效果,适合于滚动轴承的故障诊断。     

MATADOR型载重子午线轮胎成型机传递环导轨的综合改造

贵州轮胎股份有限公司最早引进的两台MATADOR型载重子午线轮胎成型机传递环在底座的两边安装轨道,由滚动轴承支撑和定位,通过齿轮与齿条来实现轴向移动。由于使用时间较长,该成型机的传递环故障频发,公司对传递环导轨进行了综合改造,取得了较好的效果,现简单介绍如下。     

基于改进LSTM的滚动轴承性能退化趋势预测

针对传统LSTM方法不能合理利用在线数据的问题,提出了参数实时更新的改进LSTM方法并建立了有效的退化趋势预测模型.首先,依据获取的历史资料离线生成LSTM预测模型;然后,在采集在线观测数据时用已有模型前向计算方式得到预测值;最后,将新增的观测数据做为前一个采样阶段时刻的真实值,将预测值与真实值之间的偏差累积到一个整体...     

基于神经网络的滚动轴承故障诊断方法的研究

神经网络是一种具有非线性映射能力强以及自学习、自组织、自适应等优点的智能方法,非常适合于滚动轴承的故障诊断。针对滚动轴承是机械设备重要的易损零件之一,大约有30%的故障是由轴承损坏引起的,提出了基于神经网络的滚动轴承故障诊断方法。以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别、诊断。实验表明,该方法对于滚动轴承的故障诊断具有良好的效果和应用价值,并可方便地推广到其他类似的诊断领域。     

粗糙集在滚动轴承故障诊断中的应用

对滚动轴承几种常见点蚀故障的振动信号特征值进行分析,使用粗糙集基于熵的离散化算法进行属性离散化,并采用基于属性重要度的启发式约简算法进行属性约简,然后选用径向基核函数的支持向量机将经过属性约简的特征向量输入支持向量机训练,建立支持向量机模型并进行故障识别与诊断。实验分析结果表明,应用粗糙集和支持向量机相结合的混合智能诊断方法,将粗糙集作为支持向量机的前置系统对数据进行预处理,利用粗糙集可以减少信息表达的属性数量和故障诊断决策系统的规则数,使支持向量机输入端数据量大大减少,提高系统的处理速度,对于滚动轴承振动信号的故障模式识别可以获得良好的效果。从而验证了粗糙集理论对滚动轴承故障诊断的有效性以及其应用价值。     

加权多尺度形态滤波在轴承故障诊断中的应用

滚动轴承故障信号中通常包含了周期性出现的冲击衰减成分,冲击频率反映了轴承发生故障的位置信息。多尺度形态滤波可以提取分布在不同尺度下的冲击特征,为了更准确的反映不同尺度分析结果的贡献,提出了一种评价冲击特征提取效果的指标,并以此计算权值对多尺度分析结果进行加权综合。仿真信号和轴承外圈故障信号的分析结果表明,加权多尺度形态滤波方法可以有效提取强背景噪声下的冲击特征,为滚动轴承故障诊断提供了一种有效的手段。     

滚动轴承最佳原始游隙的确定

动力伺服刀架的特点是定位精度高,动作准确可靠,滚动轴承是其中的重要组成部分,而游隙是轴承一个重要的使用特性,受到各个因素的影响包括过盈装配、工作载荷、温升、转速和材料线膨胀系数等,轴承工作游隙的大小直接影响到刀架在工作过程中的振动和噪声.创新点在于从理论上对轴承游隙的影响因素做了全面细致的分析,并用Matlab实现了对滚动轴承的最佳原始游隙的快速求解.为如何选择轴承的原始游隙以提高轴承的寿命和回转精度,最终提高刀架的精度保持性和可靠性指标等提供了理论依据.     

基于全矢小波包能量熵的滚动轴承智能诊断

研究滚动轴承不同状态下的振动信号,使用小波包变换提取信号各频带的能量熵,作为轴承故障的特征,然后使用支持向量机智能诊断轴承不同故障。传统单通道信号诊断方法容易造成误诊,全矢小波包能量熵融合了振动信号双通道的信息,能更准确地反映故障的特征。实验结果表明,采用全矢小波包能量熵比传统单通道方法有更高的诊断精度。