共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
3.
声发射法在滚动轴承故障识别中的应用 总被引:1,自引:0,他引:1
邓长春 《试验技术与试验机》2002,42(3):16-17
本文研究了用声发射法(简称AE)诊断滚动轴承故障的新技术,首次提出用谐振能量比判别法对滚动轴承故障进行定量诊断,在自制的实验装置上应用简单而有效的声发射信号的提取与处理系统,成功地诊断了轴承的故障,实验证明,本文提出的声发射检测方法简单,易行、是一种很有前途的方法。 相似文献
4.
5.
6.
7.
利用声发射信号进行低速滚动轴承故障检测.在状态特征提取的基础上,从信息融合的思想出发,建立一种基于时域的奇异谱熵、频域的功率谱熵、时-频域的小波能谱熵和空间特征谱熵的故障诊断方法,并作为综合评价滚动轴承运行状态的定量特征指标. 相似文献
8.
9.
铁路货车轴承故障声发射信号的小波分析处理 总被引:2,自引:1,他引:2
将声发射技术用于铁路货车轴承故障信号的采集,用小波分析进行带通滤波,从而减少了背景噪声和其他工况的干扰,成功地将正常轴承与故障轴承区分出来。 相似文献
10.
基于小波的声发射信号参数提取方法 总被引:4,自引:0,他引:4
介绍小波分析方法在声发射信号处理中的应用,提出一套基于声发射信号小波分析的小波基选取的规则方法,并通过实验和仿真证明此方法的有效性. 相似文献
11.
轴承故障声发射信号具有高频率、宽频带、多频率成分组成特性。针对轴承故障声发射信号的多频带共振解调问题,基于故障先验知识确定滤波带宽,利用窄带解调Protrugram算法迭代搜索多个可解调中心频率,在对应的多个窄带范围内实现故障频率的解调识别。仿真和实验信号处理结果表明,窄带包络解调方法能够找到多个可用解调窄带,对应解调包络谱中均可清楚地识别故障频率,且包络谱具有故障频率谱线清晰,倍频成分衰减明显的特点。 相似文献
12.
13.
14.
15.
16.
为实时监测砂带磨损状态,采用基于磨削声信号与电流信号的监测方案。首先,利用时域分析方法与小波包分析方法提取砂带磨损信号特征,通过朴素贝叶斯方法融合两种信号,从而识别砂带磨损状态;其次,为提高砂带磨损状态识别准确率,针对朴素贝叶斯方法的分类特性,改进了一种基于Fisher判别率与互信息的信号特征选择方法。实验结果表明,利用基于Fisher判别率与互信息方法能够挑选出可分性好同时特征间相关性弱的信号特征,基于朴素贝叶斯的砂带磨损状态识别方法能够准确地识别砂带磨损状态。 相似文献
17.
为了提高长短时记忆神经网络模型(long short-term memory recurrent neural network, 简称LSTM-RNN)对滚动轴承故障分类的正确率并减少训练样本量,提出一种基于多标签LSTM-RNN的滚动轴承故障分类方法。首先,建立滚动轴承故障信号仿真模型,分析滚动轴承故障仿真信号频谱特征及其故障分类特点;其次,结合多标签LSTM-RNN模型结构特点,对滚动轴承频谱特征向量进行编码,并利用仿真故障信号验证多标签LSTM-RNN分类方法的有效性;最后,搭建滚动轴承故障模拟试验台,采集3类转速不同故障类型滚动轴承故障振动信号,并采用3种特征提取方法得到共9组试验数据,基于该数据对多标签LSTM-RNN分类方法和单标签LSTM-RNN分类方法进行对比试验。试验结果表明:多标签LSTM-RNN分类方法相比于单标签LSTM-RNN分类方法,平均分类正确率从69.07%提高到99.21%;在保证两种分类方法正确率相近情况下,多标签LSTM-RNN分类方法训练所需样本量比单标签LSTM-RNN分类方法平均减少69.55%。多标签LSTM-RNN分类方法适用于复杂振动信号分类,对于实现快速准确的旋转机械故障诊断具有应用价值。 相似文献
18.
19.
《机械传动》2016,(7):126-131
针对滚动轴承的故障诊断,提出了一种基于词包模型和短时傅里叶变换的特征提取方法。根据轴承故障的产生机理,不同轴承的振动信号在频域上会有相应的能量分布规律,然而在实际现场中,信号干扰或者生产环境等因素会弱化这种规律性,使得在频谱上难以准确看到相应分布特征。当采用词包模型时,把每一时间帧下能量在频率维度上的分布看成一个单词,则每段信号就表示成了由各个单词组成的一篇篇文档,这就可以直接从数据的角度去揭示能量分布的这种规律性。然后,以词包模型处理后的结果作为特征向量,用SVM分类算法诊断出结果。最后用无锡某汽车生产线SQI-MFS实验平台和美国凯斯西储大学的轴承振动数据进行了实验,实验验证了该方法比时域特征(RMS)和时频域特征(WEWEE)的诊断结果精确,可以在滚动轴承故障诊断领域展开应用。 相似文献