基于混沌理论的滚动轴承故障信号判据

滚动轴承的故障信号往往是具有一定特性的微弱正弦信号,而混沌系统对特定频率的微弱正弦信号具有敏感依赖性,可以有效地判断出故障部位。因此,基于混沌理论对传统的Duffing振子方程进行了改进,并利用改进的Duffing方程分别对已知参数和未知参数的滚动轴承进行故障检测。结果表明,改进后的方法能够有效的判断出滚动轴承的故障位置。     

滚动轴承故障的振动信号诊断方法

针对滚动轴承损伤类故障振动信号的特点,充分利用HMM、SVM在序列行为的分类和小样本方面的优势,把SVM的输出转化为HMM中观察值概率矩阵模型,建立了动态过程时间序列分类器,提高模型的学习速度和分类性;基于对包络解调信号提取AR模型参数构建的用于训练和故障识别的特征矢量,提出了一种基于SVM-HMM混合算法的滚动轴承故障诊断方法.将该方法应用到滚动轴承故障诊断中取得了较好的效果.     

波峰因数早期诊断滚动轴承故障

滚动轴承运行中的故障诊断是重点发展的设备监测技术,使用便携式仪器对机器设备的轴承座进行宽频带振动信号检测,可以检测振动的峰值(X)或均方根值(X_(RMS)),这两种参数反映轴承状态各有偏重。当轴承运行一段时间处于均匀磨损阶段时,均方根值能比较准确地反映轴承异常的基本量;而当轴承元件上有局部的剥落、凹坑等一类损     

用包络分析法诊断滚动轴承故障

阐述了用包络分析法诊断滚动轴承损伤类故障的原理,并给出了外圈和滚动体故障的诊断实例。理论分析和实例表明,包络分析法是一种非常有效的诊断滚动轴承局部损伤类故障的方法。附图6幅。     

采用冲击脉冲法诊断滚动轴承故障

采用冲击脉冲法诊断滚动轴承故障云南设备状态监测及故障诊断服务部易良矩滚动轴承是应用最广泛的易损件，据统计旋转机械的故障有３０％是由轴承引起的。轴承的缺陷会导致机器剧烈的振动和噪音，甚至引起设备损坏。对滚动轴承采用定期维修的方法是不可取的。因为工业轴承...     

滚动轴承故障定量诊断方法综述

将近年来滚动轴承故障定量诊断方法的相关研究归纳为基于双冲击特征提取与轴承动力学建模的定量诊断方法,大数据驱动的智能定量诊断方法以及冲击脉冲法这3大类,分别介绍了3类方法的基本思想、研究进展、适用环境以及优缺点：基于双冲击特征与动力学建模的方法能确定故障尺寸的精确值,但要求诊断人员经验丰富且动力学模型准确;智能定量诊断方法是一种“傻瓜式”的方法,但存在故障尺寸诊断精度不足以及需要历史数据的问题;冲击脉冲法操作简单、效果明显,但诊断过程中需要特定的软硬件。结合研究现状认为,贴近工程实际的研究和各种方法取长补短综合运用以及新技术、新理论的应用将会是轴承故障定量诊断方法未来的发展方向。     

基于混沌振子和小波理论的轴承故障诊断方法

分析了小波理论和混沌振子检测微弱信号的方法。并在此基础上,将小波分析思想和混沌振子检测方法相结合组成联合测量系统。经过仿真试验,联合测量系统在检测微弱信号方面可以得到比较理想的效果。将此方法应用到滚动轴承的故障诊断中,准确地判断出了轴承的故障。     

滚动轴承故障时序可拓智能诊断方法

针对滚动轴承故障智能诊断问题,提出一种基于时序模型和可拓学的滚动轴承故障诊断方法.利用时序模型中的AR(Autoregressive Model)模型对轴承振动信号进行特征提取,以AR模型的自回归参数和残差方差作为特征向量,再利用Fisher比对AR模型的特征向量进行选择,将最终所形成的特征向量作为可拓物元模型的特征参数,以此特征参数来建立轴承不同健康状态下物元模型的经典域和所有状态下物元模型的节域.将待测数据输入到已建立的滚动轴承不同健康状态对应的物元模型之中,通过关联函数来计算待测数据与滚动轴承不同健康状态的综合关联度,实现滚动轴承状态的可拓学定性与定量诊断.进行了滚动轴承包含不同故障类型和故障程度的十种不同健康状态识别实验,每次随机选取训练样本,100次测试的平均识别率达98.86％,较基于AR模型和BP神经网络的传统诊断方法效果要好.     

齿轮故障的混沌诊断识别方法

研究了Ｈｏｌｍ ｅｓ型Ｄｕｆｆｉｎｇ 振子的混沌及间歇混沌运动,发现参考信号与摄动信号间的微小角频率差是振子产生间歇混沌的原因。得出振子相变对与参考信号具有微小角频率差的小信号敏感,而对随机噪声和与参考信号角频率差较大的周期干扰信号具有免疫力的结论。通过辨别振子对的间歇混沌运动可对齿轮偏心及单齿缺陷故障进行诊断与识别。     

基于自适应自相关谱峭度图的滚动轴承故障诊断方法

自相关谱峭度图通过最大重叠离散小波包变换对信号频谱进行分割,并选取最大峭度值所对应频带内的信号进行诊断分析.针对自相关谱峭度图方法在分割频带时因遵循二叉树结构而导致的频带划分区域固定问题,提出一种基于自适应自相关谱峭度图方法的滚动轴承故障诊断方法.自适应自相关谱峭度图方法以改进的经验小波变换为基础,对原始信号傅里叶谱进...     

小波变换在滚动轴承故障诊断中的应用

采用小波变换能够快速有效地对滚动轴承振动信号进行带通滤波。通过选用多尺度的小波变换,能较好地分离出所要分析的高频固有振动信号,然后对高频振动信号进行包络分析,从包络谱图中提取故障特征频率分量,就能诊断出滚动轴承故障发生在哪个元件上。实验结果表明,这种诊断方法是有效的。     

强抗噪时频分析方法及其在滚动轴承故障诊断中的应用

根据滚动轴承发生故障时呈现出循环平稳的特征,将基于二阶循环统计量的谱相关或谱相关密度分析方法加以改进,提出一种新的时频分析方法。经仿真验证,所述方法相对于谱相关分析方法具有很强的抗噪能力;针对轴承发生故障时的调制特征,往往只需要提取出故障频率即循环调制频率而不必提取调制现象的载频,在所述方法的基础上,将其加以改进,改进后的谱分析方法只提取出调制频率,通过滚动轴承三种故障试验(内、外圈故障及滚动体故障)验证了其具有更清晰的表达效果和更好的故障特征提取效果。     

基于增强深度自编码网络的滚动轴承故障诊断方法

为了提高深度自编码网络的特征挖掘能力,自适应地选取网络超参数,提出了一种增强深度自编码网络,并将其应用于滚动轴承故障诊断。采用最大相关熵代替均方误差作为自编码器的损失函数,加入稀疏惩罚项和嵌入非负约束因子的收缩惩罚项,进一步减小重构误差;通过灰狼优化算法自适应地选取网络关键参数。实验分析结果表明,与现有方法相比,该方法具有更强的特征提取能力与稳定性,对变工况下的轴承振动数据也能达到较高的识别精度。     

基于局域均值分解的滚动轴承故障诊断方法

论述了一种新的自适应时频分析方法--局域均值分解的基本原理和算法,并将该方法引入到滚动轴承故障诊断中,提出了一种基于局域均值分解的滚动轴承故障诊断方法, 该方法先将一个故障信号自适应地分解成若干个具有一定物理意义的生产函数分量,然后求出每个PF分量的瞬时幅值和瞬时频率,从而获得故障信号的特征信息.试验结果验证了该方法的有效性.     

基于WPD-HHT的滚动轴承故障诊断

在分析小波包分解(WPD)和HilbertHuang变换(HHT)的基础上,通过将WPD和HHT相结合,引进了一种故障诊断方法(WPDHHT)。仿真和实验表明,此方法能有效提取周期性脉冲成分并抑制噪声。     

基于神经网络的滚动轴承故障监测

通过对滚动轴承振动信号的分析处理，提取反映轴承运行状态的特征参数组成特征向量，利用神经网络的函数逼近和记忆能力，实现滚动轴承运行状态的故障监测。     

神经网络在滚动轴承故障诊断中的应用

提出了基于神经网络的滚动轴承故障诊断方法,以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别,经过实验表明,该方法对于滚动轴承的故障诊断具有一定的应用价值,并可方便地推广到类似的诊断领域。     

基于互相关检测的滚动轴承实时故障诊断方法

提出了一种易于用模拟电路实现的基于互相关检测的滚动轴承实时故障诊断方法,首先,用两个加速度传感器在不同测点采集轴承振动信号,将其分别送入相应通道的高Q带通滤波器来选择最优共振带;然后,将两路带通滤波器的输出信号进行互相关检测,将互相关检测得到的信号经低通滤波器,保留低频故障信号;最后,将低通滤波器输出的时域信号通过频谱分析仪显示滚动轴承故障特征频率的谱线以实现滚动轴承的实时故障诊断。用模拟电路的形式将该方法进行搭建,并在QPZZ-II实测平台完成滚动轴承的实时故障诊断。结果表明:该方法克服了单一信号源的局限性,能利用互相关函数削弱共振带内部噪声,使诊断结果具有更高的频谱辨识率,而且能够用结构简单、易于维护的模拟电路实现,对轴承实时故障诊断方法的应用与普及具有一定的参考价值。     

基于共振解调的滚动轴承故障诊断的研究与实现

滚动轴承故障诊断是机械故障检测中的一个重要方面,通过对滚动轴承典型故障机理及实际振动特征的分析,发现共振解调是一种有效分析滚动轴承故障信号的方法,而且具有一定的现实意义。