基于盲源分离的采煤机摇臂轴承故障诊断方法

针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明：与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。     

小波神经网络在双吸式离心水泵轴承故障诊断中的应用

提出了采用小波包的方法对供暖双吸式离心水泵轴承振动信号进行去噪和提取表征相应轴承故障的频带能量,并采用BP神经网络进行训练和故障识别,通过MATLAB进行了仿真,经试验验证该方法能够有效地识别出轴承故障。     

基于振动信号分析的采煤机摇臂轴承故障诊断研究

针对采煤机摇臂轴承故障频发,严重影响采煤工作面安全生产的现状,进行了基于振动信号分析的采煤机摇臂轴承故障诊断研究。为准确识别采煤机摇臂轴承故障,采用集合经验模态分解方法(EEMD)对原始振动信号进行分解,提取前8个本征模态函数的能量占信号总能量的比例作为故障特征信息,并输入到支持向量机(SVM)进行故障模式识别。试验结果表明,结合集合经验模态分解和支持向量机的故障诊断方法,适用于处理采煤机摇臂轴承产生的非平稳、非线性振动信号,总体故障识别率达到88.33%,可实现轴承故障的准确诊断。     

基于小波包和EMD的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。     

矿井提升机轴承实时状态监测及故障诊断系统设计与应用

针对矿井提升机轴承计划预防维修存在的过剩维修与欠维修问题,使用中值滤波与小波包分析相结合的振动信号分析方法,设计了一种矿井提升机轴承实时状态监测及故障诊断系统。该系统以下位机PLC数据采集和上位机MCGS组态软件数据分析处理为核心,实现了对轴承状态的实时监测和故障诊断。在岱庄煤矿对轴承SKF6205进行的系统应用表明,该系统能够对轴承的实时运行状态进行监测并对故障进行诊断与报警。     

基于小波频谱分析的滚动轴承故障诊断研究

提出了一种基于小波频谱分析的滚动轴承故障诊断方法。利用小波默认阈值方法进行数据消噪处理,并对消噪后振动数据进行了5层小波分解。根据轴承故障特征频率,对故障特征频率所在层进行小波重构,计算功率谱密度。对滚动轴承故障的振动信号的仿真结果表明,该方法能有效识别滚动轴承的内圈、外圈和滚动体故障。     

轴承振动信号特征提取及故障诊断研究

为了快速准确地识别轴承故障,研究了轴承振动信号时域特征和小波包能量特征提取方法,通过实验分析最终选择的轴承故障特征为无量纲时域特征和小波包能量特征,并采用"一对多"支持向量机分类算法对轴承的正常、外圈故障、内圈故障和滚动体故障四类数据进行了故障诊断实验,诊断准确率为96%。     

基于LabVIEW的采煤机摇臂故障诊断系统设计

根据电牵引采煤机摇臂工作特性及故障诊断系统要求,完成了故障诊断系统的硬件和软件设计。该电牵引采煤机摇臂故障诊断系统基于LabVIEW平台,实现了信号监测分析软件的开发,并在此基础上根据故障特性实现了故障类型识别和诊断。系统可根据传感器测量信号完成采煤机摇臂工作状态的动态监测,实现振动分析和诊断分析等功能,同时可对采煤机不同工况下的工作状态进行评估,提升了采煤机运行可靠性。     

基于多尺度排列熵和支持向量机的轴承故障诊断

针对轴承振动信号非线性、非平稳性和故障特征微弱性的特点,以及工程实际中难以获得大量故障样本的情况,提出了一种基于多尺度排列熵和支持向量机的轴承故障诊断新方法。该方法首先对轴承不同运行状态下的振动信号进行多尺度排列熵特征提取,然后通过距离评估技术从原始多尺度排列熵特征中选取敏感特征,最后将敏感特征输入到采用遗传算法优化的支持向量机中,实现对轴承不同运行状态的自动识别。对实验数据分析的结果表明,该方法可以精细地获取故障信息,从大量原始特征中选择出敏感特征,有效地实现滚动轴承故障状态的诊断。     

带式输送机减速器的轴承故障诊断

通过建立带式输送机减速器轴承故障模拟装置,利用基于共振解调技术的滚动轴承故障诊断系统,解决了由于轴承型号繁杂导致特征频率难以计算的问题,很好诊断出轴承故障,解决了减速器轴承损伤类故障,在故障早期引起的周期性冲击振动信号比较弱,很难直接从频谱图中识别出轴承故障特征的问题。     

基于离散正交小波变换的选煤机轴承故障诊断

提出一种利用离散正交小波变换进行去噪、信号处理及故障诊断方法 ,通过仿真及对轴承振动信号检测 ,证明其非常有效、准确。     

基于LabVIEW的通风机在线监测及故障诊断系统设计

提出了一种轴流式通风机的基于LabVIEW的在线监测及故障诊断系统的设计方案,研究了系统的总体结构设计和软硬件功能模块的实现方法,利用LabVIEW丰富的编程语言和强大的数据处理功能,实现了数据的采集、显示、存储、查询及远程发布,并结合故障诊断技术,在故障诊断模块中利用时域分析、频域分析及小波分析等方法对振动信号进行分析处理,识别通风机存在的问题,从而诊断故障,并通过仿真试验表明该系统的可行性。     

基于小波降噪和CEEMD的轴承故障诊断

针对滚动轴承故障振动信号难以提取出准确的故障特征的问题,提出了一种基于小波新阈值降噪与互补集合经验模态分解(CEEMD)的轴承故障诊断方法。该方法充分结合了以上2种方法的优点,有效地解决了故障特征提取难的问题。首先构建出新的小波阈值函数,再用此小波阈值降噪,可以有效地消除背景噪声的影响;将降噪后的故障信号用CEEMD方法进行处理,然后重构根据信号的相关系数挑选出的相关性较大的分量;最后将重构信号进行Hilbert变换包络,从包络图中提取故障特征。运用此方法对轴承进行试验分析,结果证实了该方法的有效性和实用性。     

基于粗糙集理论优化神经网络方法的轴承故障诊断

用于轴承故障诊断方法有多种,如基频检测法、轴心轨迹图和响应信号的功率谱分析法等,但往往难以实现实时监测和诊断。人工神经网络技术由于其具有极强的非线性映射,能在故障诊断中得到广泛应用,但存在联想能力有限,超过界线易以错误的方式联想,决策系统就会产生误判或漏判的现象。提出了使用粗糙集理论优化BP神经网络模型方法,并将优化后的网络模型应用于滚动轴承的故障诊断中。     

基于MFE的滚动轴承故障诊断方法研究

针对滚动轴承故障振动信号含噪声多、复杂程度高的特点,为实现准确的故障诊断,提出一种基于多尺度模糊熵(MFE)的滚动轴承故障诊断方法。由于LCD方法可以起到降噪的作用,故选用LCD分解后的ISC分量作为粗粒序列,计算分量的MFE。将MFE计算得到的特征参数输入到极限学习机(ELM)分类器中,分类识别滚动轴承的4种状态。实验结果表明,该方法可以有效地提取出滚动轴承的故障特征,实现故障诊断。     

基于1(1/2)维谱的二次相位耦合分析

介绍了三阶累积量和1(1/2)维谱定义及估计算法。1(1/2)维谱可以抑制高斯噪声,保留信号的相位信息,而功率谱不能保留相位信息,但可以利用1(1/2)维谱识别二次相位耦合现象。仿真信号和齿轮振动信号验证了1(1/2)维谱检验二次相位耦合的有效性,可以用来识别出故障齿轮。     

小波包-BP神经网络在采煤机滚动轴承故障诊断中的应用

针对采煤机在正常工作中经常发生轴承故障的问题,提出了小波包和BP神经网络相结合的故障诊断系统。即运用小波包的分解方法提取检测信号的故障信息作为BP神经网络的输入样本,经过训练的神经网络可对采煤机上轴承的工作状态进行诊断和分类。试验结果表明,此方法对轴承的常见故障可进行有效的识别和诊断,方法简单可靠。     

基于LabVIEW滚动轴承故障监测系统的研究

主要介绍了基于LabVIEW的滚动轴承故障监测系统监测原理、监测方法和软硬件开发过程。该系统充分利用计算机技术、数据采集技术、信号分析与处理技术、故障诊断理论来提高对滚动轴承的监测与故障诊断水平,集成了传统检测仪器的功能,提供了友好的人机界面,并能在线显示数据。