首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   10篇
  免费   0篇
机械仪表   5篇
一般工业技术   5篇
  2022年   1篇
  2021年   2篇
  2019年   1篇
  2018年   1篇
  2015年   1篇
  2014年   1篇
  2012年   3篇
排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
基于Hertz接触理论,考虑到离心力对滚动体与内外圈接触力的影响,建立轴-轴承-轴承座的五自由度动力学模型。构建了缺陷边缘演变引起时变位移激励与缺陷尺寸之间关系的表达式,将时变位移函数与五自由度深沟球轴承动力学模型结合,建立了深沟球轴承的损伤转子动力学模型。用数值分析的方法对内圈、外圈的单一故障动力模型进行仿真,并分析了不同的损伤区大小对深沟球轴承振动的影响。仿真和试验结果包络分析后的结果表明本文所建深沟球轴承损伤动力学模型的准确性。  相似文献   
2.
基于振荡流体力学原理进行数值计算分析.本文对进出口压比、密封间隙和密封齿数(密封长度)对连锁迷宫密封-转子轴承系统动态特性系数的影响进行了详细的分析.结果表明,连锁迷宫密封-转子轴承系统动态特性系数的影响因素是多方面的.  相似文献   
3.
摘 要:超临界汽轮发电机组的结构和工况复杂,容易引起转、静子间的碰摩。根据碰摩诱发因素的不同,可将其分为全周碰摩与局部碰摩。由于两种碰摩故障的时、频特征相似,传统的时、频域分析方法很难准确提取它们的故障特征。本文针对这一不足,提出一种基于经验模式分解-奇异值分解(EMD-SVD)与支持向量机(SVM)的碰摩故障识别方法,用于对转子全周碰摩与局部碰摩故障进行识别。首先,通过EMD获取碰摩信号的固有模式函数(IMF);然后,提取表征信号主要能量的前四阶IMF组成特征矩阵并进行SVD分解,得到关于原信号的一组特征值;最后,将特征值输入SVM,对原信号进行分类识别。转子试验台全周碰摩与局部碰摩试验结果表明,本方法对转子全周碰摩与局部碰摩故障的分类准确率高,其中以径向基函数作为核函数的SVM分类准确率达到96.0%。  相似文献   
4.
针对齿轮箱振动信号中混杂其他零部件振动频率的问题,提出一种基于小波包分解独立分量分析(wavelet package independent component analysis,简称WPICA)和多维经验模式分解(multivariate empirical mode decomposition,简称MEMD)的齿轮箱齿面点蚀故障信号的多通道数据融合识别方法。首先,利用一种窄带独立分量分析(sub-band decomposition independent component analysis,简称SDICA)方法—WPICA,从水泵机组多通道信号中提取齿轮箱振源,确定齿轮箱振动包含的特征频率成分;其次,借助MEMD分解多通道机组振动信号,将所获得的多维固有模式函数(intrinsic mode function,简称IMF)进行矩阵互信息运算,完成多通道数据的融合;最后,通过定义IMF故障敏感因子,确定故障敏感IMF的阶数并获得了齿轮点蚀故障的特征频率。数据分析结果证明了本研究方法的有效性。  相似文献   
5.
含横向裂纹Jeffcott转子刚度及动力学特性研究   总被引:1,自引:1,他引:0  
杨丹  甘春标  杨世锡  熊炘 《振动与冲击》2012,31(15):121-126
摘 要:以刚性支承的水平Jeffcott裂纹转子为研究对象,建立了不依赖于重力占优假设的动力学方程,在考虑裂纹张开区域对中性轴位置影响的基础上,利用中性轴理论研究裂纹的开闭规律,由截面惯性矩与惯性积得到开闭裂纹截面各方向刚度系数,详细讨论了不同裂纹深度和不同转速下系统的动力学行为。结果表明:裂纹的存在对截面的法向与切向刚度系数的影响较大,而耦合刚度系数则始终接近于零值;随着裂纹深度的增加,裂纹的开闭过渡过程越明显,系统响应的频谱图趋向复杂,高阶谐波分量更加明显;当转速等于一阶临界转速的分数倍时,系统的固有频率被激发,系统响应出现分数次共振现象。  相似文献   
6.
滚动轴承经常工作于多工况、变工况条件下,加之各振源间相互耦合、非线性强等特点,极易诱发系统中轴承零部件的故障.因此,设计滚动轴承故障诊断软件是十分必要的.本文基于LabVIEW设计了滚动轴承的故障诊断界面,主要分为数据采集界面、时域界面、频域界面、智能诊断界面,能够实现对滚动轴承的离线诊断和在线诊断.  相似文献   
7.
经验模式分解(empirical mode decomposition简称EMD)中包络均值代替信号实际均值的算法误差,使其在处理复杂多频振动信号时易出现模式混叠,引起分析误差。针对这一问题,采用同步压缩小波变换(synchrosqueezed wavelet transform,简称SWT)根据时间-尺度平面中各元素模的大小,对平面内的能量进行重新分配,通过映射关系将时间-尺度平面转化为时间-频率平面,获得频率曲线更加集中的时频表达。这一方法的正交性与算法自身良好的数据驱动性降低了模式混叠引起的时频分析误差,多组分仿真信号时频特征提取证明了SWT的优异时频特性,利用旋转机械不对中振动位移信号进行了实测数据分析。结果表明,SWT能够精确描述谐波信号的频率构成,且所获时频能量分布集中,时、频域定位精度高,为机械设备的状态监测与故障诊断提供了一种新的时频分析手段。  相似文献   
8.
基于VMD和MED的滚动轴承故障诊断方法   总被引:1,自引:0,他引:1  
为有效提取振动信号中的轴承故障特征,降低背景噪声和齿轮传动噪声影响,将VMD和MED相结合,首先采集强噪声轴承故障信号并进行VMD降噪,选取与原信号相关系数大的分量重构;然后将重构信号进行MED处理以增强故障信息;最后对信号进行包络谱分析,从中获得轴承故障特征频率信息。经实测信号并与EMD的对比分析比较表明:VMD+MED能够从实测信号中有效地提取齿轮箱轴承的故障特征频率及其倍频,而且较EMD法更具优势。  相似文献   
9.
齿轮箱发生故障时,因振源耦合等因素,各类单一故障和复合故障间具有一定共性特征,造成传统的基于卷积神经网络(convolutional neural network, 简称CNN)的智能诊断方法准确率下降和诊断性能鲁棒性差。针对上述问题,提出一种新的基于一维卷积神经网络(one?dimensional CNN, 简称1DCNN)的齿轮箱故障智能识别方法。该网络引入LeakyRelu激活函数替代原网络结构卷积层中的激活函数,防止训练时的神经元失效;利用LookAhead优化器,避免反向参数优化时训练结果收敛于局部极值;提出相似性损失度量函数,最小化同类样本序列间距的同时最大化不同类样本序列间距,以强化网络结构的标签识别能力和分类稳定性。将上述网络命名为sLL?1DCNN,利用齿轮箱故障模拟试验台信号对网络进行训练并识别各类故障,结果表明,该网络在训练集样本序列数量较少时具有更好的特征提取和泛化能力,且在训练集样本序列数量增加时,具备优于其他3种CNN的分类能力和分类稳定性。  相似文献   
10.
针对现有希尔伯特-黄变换(HHT)方法在进行特征提取时,估算部分多频固有模式函数(IMF)瞬时频率不准确的问题,提出了一种基于带通滤波的希尔伯特-黄变换算法(BF-HHT)。该算法首先确定信号主要能量所在频率;然后以这组主要能量所在频率为中心频率设计一组带通滤波器,对原信号进行滤波;最后用HHT方法提取信号的时频特征。转子试验台和实际机组的径向碰摩故障信号的试验与分析结果表明,BF-HHT算法不仅能准确提取到转子径向碰摩故障信号中出现的频率成分,而且能对故障特征频率出现或消失的时刻精确定位,其特征提取效果明显优于HHT方法。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号