时频分析在轴承故障诊断中的应用研究

在齿轮与滚动轴承的故障诊断中,由于振动信号的不平稳性,时频分析得到越来越广泛的重视.时频分析着重于研究信号能量在某一特定时间和频率处的分布.研究了一种新的时频分布,利用时频分布的新核来分析滚动轴承故障.通过对比证明,新核的能量集中度优于WVD.     

基于一种新的时频分布的机械故障诊断

在巧妙构思核函数的基础上,给出了一种新的时频分布(TFC)及其离散算法,并将该TFD应用于机械故障诊断。结合两个诊断实例,同时与Winger-Ville分布(WVD)进行对比,发现该分布具有良好的时频聚集性,并且能够有效的抑制交叉项。事实证明,该分布能够刻画出传统Fourier变换和WVD所不能反映的故障特征信号,能够较好的进行故障诊断。     

基于时频图像不变矩特征提取的轴承故障诊断方法

旋转机械设备发生故障时产生的信号具有非平稳、非线性的特点。提出一种基于时频图像的不变矩特征和支持向量机的故障诊断方法,通过对故障信号采取S变换的时频分析方法构建时频图像,并利用灰度图像的不变矩实现对故障信息的特征提取,最后采用支持向量机的模式识别方法实现多类故障的智能诊断。实验验证了方法的有效性。     

一种航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承振动信号故障微弱,故障特征难提取的问题,提出了基于固有时间尺度分解(ITD)和近似熵(AE)结合随机森林(RF)的航空发动机中介轴承故障诊断方法。首先,利用航空发动机中介轴承试验台模拟并采集轴承在正常、外圈故障、滚动体故障三种状态下的振动信号;然后通过ITD方法将非平稳、非线性的中介轴承振动信号分解成一组固有旋转分量(PR),计算其近似熵;最后,将不同尺度的近似熵值作为特征向量,输入到随机森林分类器模型中进行分类识别与故障诊断。研究表明,该方法能有效提取出机匣表面振动信号中微弱的中介轴承振动故障信号特征,故障诊断准确率高,具有工程实用性。     

一种改进CNN在轴承故障诊断中的应用

针对轴承智能故障诊断过程中的特征自适应提取和在变工况下诊断能力差的问题,提出了一种基于特征通道权重调整的“端对端”一维卷积神经网络(Squeeze-Excitation Convolutional Neural Network,SECNN)滚动轴承故障诊断模型。首先采用一维卷积神经网络自适应地从原始振动信号中提取特征进行分类;然后通过增加特征通道权重模块来获取通道全局信息,学习特征通道之间的依赖关系;再据此对特征通道权重进行调整,增强滚动轴承故障诊断模型在变工况下的特征自适应提取能力。通过轴承实验台数据的验证结果表明:SECNN在多个变载荷工况下的故障诊断准确率均值达到97%,相比于传统方法提高了20%左右。同时利用t-SNE技术可视化特征提取过程,进一步验证了所提取的诊断模型的有效性。     

一种便携式轴承缺陷测试与故障诊断系统

介绍了一种便携式轴承缺陷测试与故障诊断系统的总体实现方案。采用基于振动信号、声信号融合诊断的方案以及上、下位机无线通讯的方法。从硬件和软件方面分析了整个系统的结构，着重从软件实现的功能和软件开发环境的选择两方面对上位机（笔记本电脑）中轴承虚拟测试诊断系统做了介绍。通过实例证实了这种便携式轴承检测系统的有效性。     

一种基于冲击信号聚类分析的轴承故障诊断方法

为了对旋转机械内轴承的运行状态进行故障监测和诊断,在对振动冲击信号进行分段截取的基础上,提出了基于分段信号时、频域特征提取结合模糊K聚类的滚动轴承故障诊断方法,并将该方法应用于NU205轴承故障诊断中。     

一种新型DSCNN-GRU结构的减速机轴承故障诊断方法

结合深度学习理论,将一维卷积神经网络运用于振动信号故障诊断,相较于传统方法,提取特征简单且高效。为进一步优化一维卷积结构,弥补其在信号所有位置的寻找模式,联系周期内的故障特征,提出一种新型DSCNN-GRU网络。该模型融合了深度可分离卷积的轻量快捷,降低了一维卷积结构参数;加入门控机制,可记忆分析故障点的信号特征,联系周期内的信号关系,更好地捕捉信号故障特征,提升对时间序列的敏感性。提出一种跟踪梯度优化Adam算法,解决模型随时间窗振荡问题。通过采集的减速机滚动轴承数据研究表明,该算法平均故障识别率可达94%以上,分类效果明显,泛化能力强。     

一种轴承故障诊断的改进型小波包包络方法

小波包包络法是轴承振动信号分析中的一种重要方法,使用该方法可以对包含有故障特征频率的各频段信号进行分析,能够滤去噪声信号,有效地提取轴承的故障信息。在小波包分解时,对小波包细节信号的选取目前常用的是基于细节系数能量的方法,但该方法在信噪比较小的情况下对信号分析效果一般,结合自相关和互相关的特性,提出了一种改进型的小波包包络方法,为小波包分解中细节信号的选取提供了一定的理论依据,提高了小波包在轴承故障诊断中的判断准确度。     

轴承早期复合故障诊断的一种非线性检测方法

针对强噪声背景下的信号难于检测的问题,利用混沌阵子对周期信号的敏感性和对噪声的免疫力,提出了一种用Duffing阵子结合欧氏距离检测微弱信号的新方法。该方法采用欧氏距离确定混沌振子由混沌状态向大尺度周期状态转换的临界阈值,并利用欧氏距离的跃变自动识别混沌振子的状态。应用该方法对仿真信号和深沟球轴承的早期模拟故障信号进行分析,验证了其可行性,同时分析了相位差和噪声对于系统特性的影响,并用Simulink进行了仿真。     

一种萤火虫神经网络及在轴承故障诊断中的应用

萤火虫算法作为一种群体智能算法,具有良好的全局寻优特性,可用于解决神经网络在反向传播(Back propagation,BP)算法下易陷入局部极值点、收敛速度慢的问题。但在应用于神经网络时其参数选取缺乏有效依据或经验公式,参数取值不当时,萤火虫神经网络的训练误差无法有效收敛、种群个体之间协同寻优功能易失效。因此,提出一种双层萤火虫改进算法对其参数进行选取。用UCI数据及轴承故障试验对算法进行验证,结果表明,应用所提方法后萤火虫神经网络的训练误差收敛值显著减小,并且在训练效率、故障识别率方面均优于BP神经网络、遗传神经网络、粒子群神经网络。     

一种脊线提取方法在轴承故障诊断中的应用

针对Crazy Climber算法脊线识别能力低、提取脊线与实际脊线有差距等问题,通过对该算法中Climber的移动规则和局部最优峰值提取方法进行改进,提出了一种改进的Crazy Climber算法.首先对时域信号进行短时傅里叶变换获取时频矩阵,再用改进的Crazy Climber算法对时频矩阵进行脊线提取,最终获得可...     

一种改进的VMD及其在轴承故障诊断中的应用

针对VMD在实际工程中需要凭借人为经验设定本征模态分量(IMF)个数,提出了一种通过频谱极值点与自适应阈值之间的关系确定VMD中的最佳IMF数量的策略,称为自适应变分模态分解(Adaptive Variational Modal Decomposi-tion,AVMD),并将其结合最小二乘支持向量机(LSSVM)用于滚...     

一种抗噪声的自注意力神经网络轴承故障诊断方法

为抑制噪声信号对轴承故障诊断的不良影响,应对轴承诊断方法在生产现场噪声干扰下精度下滑的问题,提出了一种对噪声具有强鲁棒性的故障诊断方法。首先,以自注意力神经网络为主要研究对象,对模型的深度、宽度进行分析,确定模型的宽度为16维,深度为8层时诊断效果最佳;然后,通过对比试验验证了位置编码模块在模型中的必要性;最后,与CNN,LSTM,MLP,SIM等模型的对比结果表明,基于自注意力神经网络的模型能够在低强度噪声环境下取得接近100%的诊断精度,在高强度噪声环境下的诊断精度也优于其他模型。     

一种新的能量转换表达在轴承故障诊断中的应用

针对传统包络方法中存在的不足,提出一种新的能量转换表达。该种新的能量表达主要基于高阶对称能量算子。这种新的表达可以跳过求包络信号这一步,而直接得出故障信号的能量,从而从能量谱中分辨出轴承故障特征及其倍频。同时,由于采用了对称高阶求导方法,大大增强了检测轴承微弱信号的能力,可以从受到严重污染的测量信号中提取出轴承故障特征,因此它具有更好的鲁棒性。将该方法应用到仿真模拟信号与实际轴承故障信号中,并与传统的解调算法Teager能量算子和希尔伯特变换进行对比,证明了该方法的实用性和优越性。     

基于解调技术的双特征分析法在轴承故障诊断中的研究

机械故障信号双特征分析法是提高诊断准确率的有效方法,双特征分析法的关键是应用共振解调技术提取微冲击信号.为了提取微脉冲冲击,文中提出共振解调技术数学模型,并求解该模型的脉冲响应,为该技术的应用提供理论依据.工程实例表明,使用共振解调技术可以有效提取轴承故障微小脉冲冲击,通过在共振解调傅里叶谱图上分析冲击功率故障振动信号特征,可以较容易地进行故障诊断.     

滚子轴承的故障诊断

用CMJ-1型冲击脉冲计对轴承尤其是滚珠轴承故障进行诊断是很有效的方法,冲击脉冲值dBN到了50就要迅速处理,否则事故可能很快发生。但对滚柱轴承却遇到了困难,冲击脉冲值dBN到了满量程60,未必就坏。冲击脉冲计的特点是只要有冲击就能测,或说有反应:不是轴承问题,就是其它冲击问题,如齿轮冲击、气蚀冲击等。如此高的冲击值发生在滚子轴承上,尽管轴承可能未损坏,寿命也会缩短很多！因此,滚子轴承的故障诊断要用别的仪器,或伴随别的方法。用CMJ-1辅以频谱分析就是很好的方法。下面以两个实例予以说明。     

磨床轴承的故障诊断

我厂机械二车间的M2110A型内圆磨床,是加工内燃机车配件的专用设备。1992年5月监测时,发现振平值显著增大,直接影响了工件的加工精度。鉴于上述情况,我们采用217机器故障检查仪和200机器故障分析仪配套对其进行了故障诊断,其结果如下。 一、内圆磨床砂轮轴转动系统图、测点布置及特征频率的计算