基于最优熵与EEMD的滚动轴承微故障诊断方法

滚动轴承是易损件,为了更好并及时检测出在信噪比低的情况下的轴承早期微故障振动信号,提出了小波包最优熵和EEMD相结合的方法。运用小波包最优熵对采集信号实现信噪分离,突出了小波包降噪效果明显;通过EEMD将信号分解成多个分量;最后以互相关、峭度准则提取故障信号分量以避免分量选择的盲目性。结果表明:该方法对轴承初期故障具有良好的降噪效果,可以准确快速地检测出轴承故障,从而表明该方法是有效且可行的。     

基于多域特征及多传感器网络融合的滚动轴承故障诊断

将幅值域无量纲参数和时频域信息熵作为概率神经网络的特征向量,构建多传感器系统概率神经网络的初级诊断网络,并利用概率神经网络累加层输出结果构建Dempster-Shafer证据理论的mass函数,通过Dempster-Shafer证据理论进行决策级融合诊断。将该方法用于滚动轴承故障模式分类,并通过实验室及现场实例验证了该方法的可行性与有效性。     

拉削刀具创新技术与产品

拉削刀具简称“拉刀”,是一种用于大量生产,高精度的多齿工具。拉刀的运动形式有：直线运动或圆周运动,工件运动或拉刀运动,或是两者同时都运动。在大多数情况下,拉刀工作时,工件固定不动,拉刀作直线的切削运动。拉刀运动通常是靠刀具尺寸的逐齿增加完成的。拉刀的形式,一般可分为内孔形的拉削刀具、表面形的拉削刀具与特别针对涡轮盘叶根槽所常使用的杉树状形的拉削刀具。     

高速切削加工中的刀具发展

现代机械加工技术追求高速度、高效率、高精度。高速切削加工是切削加工的发展方向,是近年来发展起来的集高效、优质和低耗为一身的先进制造技术。它借助于自身独特的加工机理和技术特点,具有极高的加工效率和加工质量、低的加工成本以及拓宽的应用范围等一系列的优越性,使切削技术发生了彻底的改革性进步,将逐步成为切削加工的主流。     

基于小波包最优熵与RVM的滚动轴承故障诊断方法

为解决滚动轴承振动信号信噪比低和故障分类准确性不高的问题,提出了小波包最优熵和相关向量机相结合的故障诊断方法。首先采用小波包对采集到的信号进行信噪分离,寻找分解后信号的最优小波包节点熵;然后提取最优节点能量作为训练样本,对相关向量机的多故障分类器进行训练,实现轴承的智能诊断。试验表明,该方法可简单有效地分离噪声,并具有良好的分类能力,可以很好地应用于轴承故障诊断。     

基于EEMD和DT-CWT的滚动轴承在非稳定运行时的故障诊断研究

为解决滚动轴承在变转速工况下的频率谱模糊及强噪声工况下的微弱故障信息提取问题,提出基于EEMD和DT-CWT相结合的故障特征分离法。首先应用阶次跟踪技术将非平稳的时域信号转化为平稳的角域信号,再运用EEMD技术对角域信号进行预处理,应用互相关与峭度准则提取有效的IMF分量,最后对IMF分量进行DT-CWT降噪,分析降噪后的角域信号阶次谱,能够有效提取特征阶比。通过实验验证了该方法的有效性,为实际滚动轴承在非稳定运行时的微弱故障识别提供参考。     

基于DSP的变电站巡检机器人控制系统研制与应用

提出双位机模式的变电站智能巡检机器人控制系统,采用具有伺服控制功能的DSP芯片,配备多种总线通讯、可靠的电源管理模块及驱动模块,较好地实现了巡检机器人控制的智能性和稳定性。介绍以DSP芯片作为核心处理器的开放式控制系统的总体结构、硬件组成及运作流程。变电站现场的实际应用验证了该控制系统具有良好的自主避障能力、抗干扰能力和运行稳定性。     

阶次跟踪和双树复小波的轴承在非稳定运行时的故障诊断研究

风力发电机、转炉等设备常工作于变速工况下,滚动轴承作为设备的重要零部件之一,在非稳定运行时,传统的FFT分析存在"频率混叠"现象,难以提取有效的故障特征信息,故提出阶次跟踪和双树复小波相结合的故障诊断方法。首先运用阶次跟踪将非平稳的时域振动信号转化为平稳的角域信号,再应用双树复小波降低角域信号的信噪比,最后进行阶次谱分析,从而实现对滚动轴承在非稳定运行时的故障特征识别。通过仿真和实验数据分析,验证了该方法的可行性和有效性。     

基于阶次跟踪和总体经验模式分解相结合的滚动轴承升速过程的故障诊断方法研究

对于某些旋转机械(转炉、轧机)来说,一直处于变速运动,因此对变速过程的振动信号进行分析具有重要意义。滚动轴承作为其重要部件,对其升速过程的振动信号进行研究,有助于滚动轴承的故障诊断。提出了一种基于阶次跟踪和总体经验模式分解相结合的诊断方法。首先将升速过程的时域信号转化为角域信号,然后对角域信号进行总体经验模态分解,再用互相关、峭度准则对IMF分量进行提取,最后对提取到的信号进行阶次谱分析。通过实验案例的分析,能够有效的识别滚动轴承故障,进而表明本方法的有效性。     

基于阶次跟踪和小波包分析相结合的滚动轴承升速过程的故障诊断方法研究

滚动轴承在实际工况下并非全部都是恒速运转,在某些工况下一直处于变速工作,因此对变速过程的振动信号进行研究同样具有重要意义。在其变速工作过程中,振动信号包含大量的特征信息。并且由于此类信号所表现出非平稳性的特点,如果采用传统的频谱分析法分析,结果就会出现严重的"频率模糊"现象,很难提取到故障信息。所以提出了一种基于阶次跟踪和小波包分析相结合的诊断方法。首先对升速过程时测得的原始时域信号进行等角度重采样,然后对重采样后的角域信号进行小波包分解和重构,最后对重构信号进行阶次谱分析。通过仿真信号验证和实例分析,能够对滚动轴承故障进行有效诊断,从而表明本方法的有效性。