一种大型磨机减速器轴承故障诊断的有效方法与应用

由于大型磨机减速器运行过程中具有重负载和频繁冲击等特点,如何准确地诊断轴承故障是设备管理部门工作的难点和重点。利用 PeakVue 技术,将其与自相关技术和圆周波形图相结合,可准确判断轴承故障的严重程度,识别轴承故障部位,并推测出具体损坏形式。该方法的应用可有效发现轴承早期故障,跟踪故障发展趋势,有助于制定合理的维修计划,最终避免设备突然失效而造成的巨大经济损失。     

基于LMS和Fast-Kurtogram的滚动轴承早期故障诊断

针对滚动轴承早期故障特征提取困难的问题，本文提出一种LMS（Least Mean Square，LMS）算法降噪、Fast-Kurtogram选频和共振解调技术相结合的滚动轴承故障诊断方法。首先对采集到的信号进行自适应降噪，减弱背景噪声的影响；然后利用谱峭度值对故障信号中瞬态成分敏感的特性，通过计算降噪后信号的快速峭度图，确定滤波器最优频带中心和带宽；最后进行共振包络解调提取出滚动轴承早期故障特征。通过仿真和实验验证分析，验证了该方法在滚动轴承早期故障诊断中的适用性和有效性。     

结合位移检测和LSSVM的电机故障诊断

定转子间相对位移是导致感应电机故障的主要原因之一。本文在电机定子铁心齿槽中预置8只检测线圈构成6组线圈对,其差动信号对定转子间的位移敏感,结合最小二乘支持向量机(LSSVM)对电机故障进行在线诊断。以变压器油泵电机为对象进行了试验。试验结果表明:结合位移检测和LSSVM可准确判别油泵电机故障,所采用的LSSVM稀疏化方法可在减少支持向量、降低在线计算量的同时,确保故障判别率和泛化能力,稀疏化LSSVM模型适合电机故障的在线诊断。     

一种用于故障隔离的参数区间包络线计算方法

基于参数区间的故障隔离方法的核心工具是区间判断阈值曲线,其计算一直是制约该方法发展的问题。参数区间动态轨迹包络线作为区间判断阈值曲线具有能够适用于多重参数故障隔离等优点,但包络线计算中的包裹效应问题在该领域内一直未能得到很好解决。介绍一种基于上、下函数的包络线计算方法,有别于区间算法计算的包络线随着迭代的进行而迅速变得肥大的可能性,采用该方法的仿真实验表明其计算的包络线的包裹效应得到很大程度上的减轻,可有效用于故障隔离的区间判断。     

基于EMD与BP神经网络的齿轮故障诊断

针对基于传统BP神经网络的齿轮故障诊断方法存在收敛速度慢，误差较大等问题，提出经验模式分解（EMD）与BP神经网络相结合的齿轮故障诊断方法。首先简述经验模式分解和BP神经网络的基本原理，然后采用EMD方法提取齿轮时域信号中的各个IMF分量，计算IMF分量中故障信号能量特征参数，将这些能量特征参数作为BP神经网络输入参数进行故障诊断。在齿传动故障实验台上采集足够的样本数据进行实验研究。结果表明:与传统的BP神经网络相比，可将训练误差从0.01降低至0.001左右。此外，训练迭代次数可减小至10次以内。     

基于改进奇异值分解滤波和谱峭度的滚动轴承故障诊断

针对含噪信号的有效奇异值个数难以确定的问题，提出了一种改进的奇异值分解降噪方法--奇异值累积法。该方法通过计算奇异值的实际下降值与奇异值平均下降速度累积量的差值，并取该差值最大值点的位置作为有效奇异值的分界点来确定有效奇异值的个数。在此基础上，提出了一种基于奇异值累积法与快速谱峭度的滚动轴承故障诊断方法。采用奇异值累积法对原信号进行降噪处理，然后利用快速谱峭度确定滤波器中心频率及带宽，通过分析频段包络谱中明显的频率成分来诊断故障。该方法可以有效去除信号中的噪声，使得到的峭度值所反映的故障冲击更接近实际情况。对含内圈、外圈故障的滚动轴承实验数据进行分析，实验结果表明，相比快速谱峭度的故障诊断方法，该方法具有更好的故障识别效果。