基于自相关能量算子解调的轴承故障诊断方法

针对轴承早期故障特征淹没在噪声信号中难以提取的问题,提出了基于自相关能量算子解调的故障诊断方法。首先,对实测信号进行自相关变换处理,抑制信号中的噪声成分;其次,用能量算子解调法对信号的自相关函数进行解调,提取故障特征。通过实测信号分析、与Hilbert解调法的相比,表明所提方法的有效性和优越性。     

一种基于最优频带的走行部故障检测方法

基于振动信号的走行部故障诊断是目前列车健康监测的重要途径之一,选择准确的解调频带是故障识别的先决条件。由于列车走行部结构复杂、运行环境恶劣,早期故障信号容易被各种干扰信号遮蔽。针对走行部复杂的振动环境,结合故障识别(fault diagnosis,FD)算法在三分法的基础上引入了循环分量占比(ratio of cyclic content, RCC),提出了RCCFD算法。通过对仿真信号、滚动台振动信号、列车轴箱振动信号的对比分析,结果表明：RCC-FD算法能够在强循环脉冲干扰、随机脉冲干扰的工况下提取出以目标故障特征信息为主导的最优频带,同时具有更高的计算效率,更加适用于列车走行部实时故障诊断。     

基于嵌入式平台的采煤机监控和故障诊断系统

构建了基于NI CRIO嵌入式平台和LabView开发平台的采煤机监控和故障诊断系统,详细介绍了该系统的主要功能、硬件和软件的设计。该系统既可对采煤机各运动机构状态进行实时监测、控制和阈值报警,并对监测参数及故障信息进行实时存储,方便技术人员分析采煤机运行状况,又可实时显示采煤机振动信号,并进行滤波、时域分析、倒频谱分析及功率谱分析,实现出厂前和检修过程中的故障诊断功能,帮助定位采煤机故障信息。     

基于嵌入式平台的采煤机监控和故障诊断系统

构建了基于NI CRIO嵌入式平台和LabView开发平台的采煤机监控和故障诊断系统,详细介绍了该系统的主要功能、硬件和软件的设计。该系统既可对采煤机各运动机构状态进行实时监测、控制和阈值报警,并对监测参数及故障信息进行实时存储,方便技术人员分析采煤机运行状况,又可实时显示采煤机振动信号,并进行滤波、时域分析、倒频谱分析及功率谱分析,实现出厂前和检修过程中的故障诊断功能,帮助定位采煤机故障信息。     

基于蝙蝠算法优化相关向量机的轴承故障诊断方法

由于轴承振动信号具有复杂性和非线性,难以有效提取故障特征,影响故障诊断的准确率.为了提高故障诊断准确率,提出一种蝙蝠算法(BA)优化相关向量机(RVM)的轴承故障诊断方法.首先结合变分模态分解和多尺度熵从轴承振动信号中提取出故障特征,作为相关向量机的输入向量;接着采用蝙蝠算法优化相关向量机的核函数参数;然后训练相关向量...     

基于深度残差网络的采煤机摇臂齿轮故障诊断

针对传统的采煤机摇臂齿轮故障诊断方法不能自主提取特征,导致齿轮故障诊断精度和效率不佳等问题,构建了基于深度残差网络(ResNet)的采煤机摇臂齿轮故障诊断模型。通过预激活残差单元模块降低模型的复杂度,使模型收敛速度更快;通过对振动信号进行数据重组,优化数据输入方式,提高模型对采煤机摇臂齿轮故障的识别能力。在采煤机摇臂加载实验台上进行模型验证实验,采集摇臂直齿轮正常、磨损、断裂、点蚀和裂纹5种状态下的振动信号,得出其特征具有明显差异;对测试集的混淆矩阵进行可视化分析,验证了ResNet模型能够很好地实现采煤机摇臂齿轮故障分类;与DNN模型和LeNet-5模型对比结果表明,ResNet模型具有更高的故障诊断精度和效率,综合识别率和F-score分别达到99.19%和99.05%;采用t-SNE技术对ResNet模型的最大池化层、预激活残差单元模块和全连接层输出的高维特征进行降维和可视化,验证了ResNet模型具有较强的特征提取能力。     

煤机设备轴承故障诊断方法

煤机设备滚动轴承早期故障特征微弱,且易受载荷、工况等因素的影响而被噪声淹没,导致轴承故障诊断困难。现有研究大多采用单一算法处理轴承故障信号,故障特征提取精度和故障诊断准确性有待进一步提高。提出了一种融合局部特征尺度分解（LCD）和奇异值分解（SVD）的煤机设备轴承故障诊断方法：采用LCD方法将煤机设备轴承振动信号分解为若干个内凛尺度分量（ISC）,实现信号初步降噪;计算各ISC的香农熵,选择香农熵最小的ISC进行SVD,并构建SVD信号的奇异值差分谱,针对最大突变分量进行信号重构,实现信号增强去噪;对重构信号进行Hilbert包络解调,得到轴承故障特征频率,进而判断轴承故障。采用现场实测数据对基于LCD-SVD的煤机设备轴承故障诊断方法进行验证,结果表明,该方法可准确提取出轴承故障特征频率,从而实现煤机设备轴承早期故障诊断。     

滚动轴承故障诊断优化仿真研究

研究提高滚动轴承故障诊断准确率问题,滚动轴承故障振动信号具有非平稳,造成系统不稳定,针对传统方法难以提取故障信息的不足,提出一种小波包和最小二乘支持向量机的滚动轴承故障诊断方法(WP-LSSVM)。首先采用小波包对滚动轴承振动信号进行降噪处理,消除背景和噪声信息,然后小波包对去噪后振动信号分解并计算能量特征值,最后采用最小二乘支持向量机对能量特征值进行学习,建立滚动轴承故障诊断模型。仿真结果表明,滚动轴承故障诊断训练和测试时间减少,且故障诊断准确率得到提高。     

变速工况下采煤机行星齿轮传动系统故障诊断

采煤机截割煤层时,牵引部行星齿轮传动系统处于变速工况,且行星齿轮传动系统结构复杂,导致振动信号存在多种调制现象,影响行星齿轮传动系统故障特征提取。针对上述问题,将阶次分析技术与包络谱相结合,提出了一种基于包络阶次谱分析的采煤机行星齿轮传动系统故障诊断方法。首先对行星齿轮传动系统的非平稳时域振动信号进行Hilbert包络分析,然后将非平稳时域包络信号进行计算阶次跟踪处理,转换为等角度的角域信号,最后对等角度角域信号进行快速傅里叶变换,得到信号的包络阶次谱。对该方法进行了仿真分析及基于动力传动故障诊断综合试验台的变速工况下行星齿轮传动系统故障诊断试验,结果表明:对于变速工况下的振动调制信号,阶次分析难以提取特征阶次,而包络阶次谱分析方法可有效提取其特征阶次,并实现了行星齿轮传动系统故障准确诊断。     

经验模态分解与EOSA方法的滚动轴承故障诊断

提出了一种利用经验模态分解(EMD)与Teager能量算子解调算法(EOSA)相结合的滚动轴承故障诊断方法;故障轴承振动信号往往是多分量AM-FM信号,首先对滚动轴承内圈故障调制信号进行EMD分解,得到若干个不同特征时间尺度的内禀模态信号(IMF),然后利用Teager能量算子解调法计算各个内禀模态信号的瞬时幅值,对主要内禀模态信号的瞬时幅值包络谱进行分析,可提取轴承故障信号特征信息;实验分析结果表明,利用经验模态分解与EOSA相结合的方法,可有效提取6205-2RS型深沟球滚动轴承的内圈特征频率fi=162.2Hz及其倍频。     

一种采煤机截割部滚动轴承故障诊断方法

针对采煤机截割部滚筒轴承结构复杂极易损坏,且单凭借人为经验难以对故障进行定位判别的问题,提出了一种基于入人工蚁群-模拟退火算法的自适应时变滤波经验模态分解方法,去掉了原始振动信号中的低频干扰,画信号快速峭度图以峭度最大处对应的中心频率和带宽来设定带通滤波器参数,以进一步突出信号的高频特征,对经过处理后的信号平方包络后画包络谱图,将计算所得理论故障频率和包络谱图最大幅值处所对应的频率对比,从而对故障类型进行判别;通过采煤机试验表明所提方法能够适用于采煤机实际工程应用,可以有效消除信号中低频干扰部分,提高振动信号的峭度特征,并在不同转速和不同故障尺寸的条件下下分别达到100%和88.9%的故障判别率。     

采煤机液压故障诊断系统设计

为了及时、有效地对采煤机液压故障诊断提供支持,采用本体技术对液压系统故障知识建模,结合模糊推理设计采煤机液压故障诊断系统,通过故障案例验证系统诊断的准确性,对采煤机液压故障诊断技术有着一定的参考、促进作用。     

BP神经网络在滚动轴承故障诊断中的应用研究

滚动轴承表面振动信号中包含着丰富的工作状态信息和故障特征信息,从其表面振动信号中提取时域特征参数,可以有效地识别轴承工作状态。通过试验采集振动信号作为识别故障的原始数据,建立基于振动信号的轴承故障诊断神经网络,并对网络进行训练得出标准故障模式,从而最终实现轴承的故障诊断。     

基于EMD和优化K-均值聚类算法诊断滚动轴承故障

考虑到滚动轴承振动信号的非平稳特征和实际应用中典型故障样本不易获得等原因,而在实际应用中,故障程度识别和故障类型诊断一样重要,提出一种滚动轴承故障类型及故障程度识别方法。首先对原始振动信号进行EMD分解,对含故障特征的IMF(intrinsic mode function)分量进行信号重构,随后对重构信号进行Hilbert包络谱分析,在提取特征量的基础上,应用优化K-均值聚类算法进行故障类型和故障程度分类。实验结果表明:基于EMD和优化K-均值聚类的故障类型和故障程度识别算法,可将含不同故障类型的样本集,按故障类型进行正确分类;也可将含同种故障类型、不同故障程度的样本集,按故障程度进行正确分类。     

基于无源振动传感器标签的轴承故障在线诊断技术

提出了一种基于无源振动传感器标签的穿梭车轴承故障在线诊断技术.设计了一种无源射频识别(RFID)振动传感器标签结构,因其工作在无源模式下,减少了在线故障诊断的成本,同时可以实现对轴承故障的长期在线诊断.介绍了振动信号的处理方式,提出了基于奇异熵的奇异值分解信号降噪算法,依据信号的奇异熵自行定阶降噪,避免了人为预设参数所导致的误差,并提出了基于最小二乘支持向量回归(LS-SVR)的故障诊断算法.测试结果表明:设计的标签能够可靠地完成信号采集和传输,采用的算法能够快速而准确地定位故障,较传统故障诊断方法提高了实时性并降低了成本.     

基于DSP的采煤机滚动轴承振动检测系统设计

简述了采煤机滚动轴承振动的数学模型和电涡流式振动位移传感器的结构及基本工作原理,提出了一种以TMS320F2812为核心控制器、电涡流式振动位移传感器为前端信号采集部分的采煤机滚动轴承振动检测系统,并给出了系统硬件设计和软件流程。井下测试结果表明,该系统可靠性高、实时性强。     

基于小波包能量谱的往复式隔膜泵故障诊断研究

针对往复式隔膜泵故障的多元性、不确定性和并发性的特点,提出了基于小波包能量谱的往复式隔膜泵故障诊断方法。小波包能将振动信号分解到不同子频带,通过各子频带信号的能量变化反映设备运行状况。通过采集往复式隔膜泵振动信号,进行小波包分解为多个子频带,求出各频带的能量和能量比例,然后对比故障振动信号和正常振动信号的频带能量谱比例图,找出发生故障的频带,进而找出往复式隔膜泵的故障特征频率,诊断出故障。实验表明:通过小波包能量谱对往复式隔膜泵进行故障诊断是有效可行的。     

基于D-S证据融合的风力发电机组的故障预测

针对风力发电机组在机械和电气方面的故障,提出一种基于电气特征向量和振动特征向量的D-S证据融合方法。在2种信号的特征空间下分别构造2个经过参数优化的支持向量机,经过D-S融合之后给出最终的预测故障种类。相对于传统发电机故障诊断中分别针对机械故障和电气故障安装振动传感器和电流传感器,通过频谱特征来区分不同故障,证据融合方法能将电流信号用于机械故障的诊断,也能将振动信号用于电气故障的诊断。通过大量实测数据分析验证,本文提出的融合模型相比于只用单一信号构造的故障分类器具有更高的分类准确率。     

嵌入式电牵引采煤机黑匣子的设计

针对煤矿井下采煤机的工作环境及其特点,介绍了一种采用ARM微处理器设计的嵌入式电牵引采煤机黑匣子的软、硬件设计方案。该黑匣子用于记录采煤机的运行数据以及环境参数,对电牵引采煤机故障诊断系统的建立及采煤机的可靠性和可维护性的提高具有重要的作用。实际应用结果表明,该黑匣子性能可靠,能够满足应用要求。