纸机轴承故障的检测

介绍了几种能够有效地预测轴承故障的检测方法。     

CEEMDAN辅助快速谱峭度的滚动轴承故障诊断方法

为解决集合经验模态(EEMD)存在分量重构误差大和提取的故障特征不明显问题,课题组提出一种自适应噪声完备集合经验模态分解(CEEMDAN)辅助快速谱峭度的故障诊断方法。首先采用CEEMDAN将故障信号分解为多个IMF分量,计算分量的谱峭度值,选择峭度和相关度最大的分量进行重构;然后通过快速谱峭度图确定最大共振频带,进行带通滤波分析,获得故障信息;最后采用某滚动轴承实验数据分别对内圈故障和外圈故障进行实验分析。结果表明：与原始故障信号相比,该方法获得的包络谱更清晰,故障频率更明显,内圈故障频率为162 Hz,外圈故障频率为107 Hz。该方法提取故障特征突出,可以得到有效的故障频带。     

一种轴承振动分析仪的改进方法

滚动轴承是各种回转机械中应用最为广泛的一种通用部件,其运行状态对机械设备的性能有直接的影响,因此对其工作状态的监测并进行故障诊断十分必要。目前针对滚动轴承监测和故障诊断的大多数研究是基于滚动轴承恒转速运转为前提的,然而实际生产生活中滚动轴承的转速往往是非恒定的,因此对变转速运转的滚动轴承的监测和故障诊断的研究具有实际意义。根据这种需求,对原有滚动轴承振动分析仪进行了改造,使其能够满足开展变转速滚动轴承监测和故障诊断实验研究工作的要求。     

纸机压力筛轴承故障诊断方法探讨

压力筛是纸机系统中非常重要的设备,受限于压力筛本身的结构特征,设备维护人员很难直接对压力筛的轴承运行状态进行监测,并诊断轴承故障。针对这一问题,本文介绍了一种通过压力筛外框架来诊断分析轴承故障的方法。利用该方法,笔者多次准确对压力筛的轴承故障做出诊断,验证了该方法的可行性,为压力筛轴承故障的诊断提供了一种有效的方法。     

基于BI-TCP卷积神经网络的纸机轴承故障诊断方法研究

针对传统纸机轴承故障诊断模型无法有效提取轴承振动信号深层特征而导致诊断精度难以提高,基于深度学习网络模型参数量过大的问题,提出了一种基于双模态输入和双通道并行卷积神经网络（BI-TCP-CNN）的纸机轴承故障诊断方法。该方法首先在输入数据方面进行创新,将轴承振动信号分别转化为对应的格拉姆角场（GAF）矩阵与欧式距离矩阵,并将二者成对组成的二维矩阵作为网络的输入;其次,利用双通道并行的浅层卷积神经网络提取信号中的不同特征并进行融合,在提高特征完备表达的同时大幅降低了模型的参数量。在凯斯西储大学（CWRU）数据集与实验室搭建的故障诊断实物平台上进行的实物验证结果表明,该方法在CWRU数据集以及实物平台上的故障识别精度均在99.2%以上,可很好地实现对纸机轴承的故障诊断。     

“地沟油”常见检测方法及低场核磁共振法的研究进展

“地沟油”是中国近期发生的严重食品安全问题之一, 目前尚无非常有效的地沟油检测方法。本文在分析了地沟油检测重要性的基础上, 从感官检验、理化检验及仪器方法三个方面对目前国内外报道的“地沟油”鉴别检验方法进行了综述, 并分析了各种方法的特点及存在的问题。重点对低场核磁共振技术的工作原理及其在油脂品质监控方面的研究进展进行了介绍, 旨在为“地沟油”的鉴别检测方法提供有益参考及研究思路。     

基于MEEMD包络谱的地铁列车车轮踏面擦伤诊断方法

针对地铁车轮踏面擦伤故障,提出一种基于MEEMD包络谱的地铁列车车轮踏面擦伤诊断方法。该方法使用MEEMD将车轮轴箱垂向振动信号分解成IMF分量,再提取各分量的包络谱峰值作为判断车轮踏面擦伤的特征值。对现场实验数据的分析结果表明,该方法能有效诊断出车轮踏面擦伤故障。     

离心机橡胶弹性轴承的一种计算方法

本文根据保角变换原理,将固筒状橡胶轴承变换成长方体橡胶元件。求出了使橡胶内表面沿载荷作用方向产生单位位移所需加的径向集中力的大小,此力值就是橡胶轴承的径向刚度。考虑了橡胶材料的不可压缩性质。通过例子说明了本方法的精确性。给出了公式推导中的假设和公式适用的条件,并对一些问题进行了讨论。     

一种针对于电表计量芯片的低电流供电方法

文章介绍了一种基于电容耦合的改进型电源方案,主要应用于低成本的单相智能电表中。这种方法无需使用传统的变压器和高耐压的电容,通常在200nF~680nF范围内产生的电压降。这种方法简单、经济,虽然由于其小负载电流的特性导致效率不高,但是很适用于低电流的智能电表芯片应用环境。     

一种在线修复纸机轴承的方法

介绍了几个典型的在线修复纸机轴承的成功案例。实践证明,此方法可在造纸厂推广应用。     

滑动轴承故障诊断方法的实用性分析研究

通过对滑动轴承主要失效形式和机理的分析说明,尽管引起轴承故障的原因形形色色,但所导致的结果都是破坏液体润滑,使轴与轴承产生接触摩擦。因此将滑动轴承简化为一多输入(多种故障原因)——单输出(接触摩擦)的灰色系统模型,并以滑动轴承各种故障的共同特征——接触摩擦作为滑动轴承故障诊断研究的惟一故障基准模。根据上述研究思路,对静、动载荷工作条件下滑动轴承的故障诊断进行了大量的实验研究。实践表明,本文提出的诊断原则诊断效率高,实用性强,可借鉴用于许多领域的故障诊断。     

小波分析在纸机压榨部轴承故障诊断中的应用

针对纸机压榨部滚动轴承尺寸大响应弱、运转速度低、低频信号容易淹没、调制源多、振动信号非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况，提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数。从而实现对轴承故障诊断。试验结果显示该方法对纸机压榨部故障诊断有很好的效果。     

基于EMD平均能量法的滚动轴承故障诊断

文中提出了一种用于滚动轴承故障诊断的系统一基于EMD和BP神经网络相结合的诊断系统。该方法首先对原始振动信号进行小波包预处理,提高信噪比,从而得到更适合研究的故障振动信号。然后再对信号进行EMD,分解得到IMF分量,对几个感兴趣的IMF进行分析,获得每个IMF分量的平均能量,作为BP神经网络的输入向量,由此训练神经网络,实现了对滚动轴承故障的智能诊断,并用实际的滚动轴承故障数据进行了验证。图6表2参12     

基于小波分析的折叠成网机传动辊轴承故障诊断

针对折叠成网机传动辊轴承振动信号调制源多和呈现非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况,提出了一种小波变换的时频分析方法,对轴承振动信号进行分解和重构处理,获得振动信号在不同的频段的分量,提取相应特征频段重构分量的功率谱的频域统计值作为特征参数,进行轴承故障诊断。试验结果显示该方法有较好的诊断效果。     

基于小波分析的铺网机传动辊轴承故障诊断

铺网机传动辊轴承振动信号调制源多呈现出非平稳性等特点，导致常规的傅立叶分析诊断故障效果不佳的情况。本文提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数，进行轴承故障诊断。试验结果显示该方法对铺网机传动辊轴承故障诊断有很好的效果。     

织机故障类型与诊断

探讨了织机故障分类、故障信息收集与分析,提出了"把握故障现象特征,思路开阔,先易后难,从简单到复杂,对设备逐步解剖"的分析原则。并以PAT型喷气织机为例介绍了故障树分析法。     

变速箱噪声的频谱分析与故障诊断

应用振动、噪声信号频谱分析和相干函数分析技术，从理论上说明变速箱故障诊断的依据。检测了一台噪声严重超标的变速箱系统，得到其三向振动和噪声信号。综合分析了实测信号及其计算机数据处理结果，从而得出检测对象出现强烈噪声的主要原因是在于其中一对啮合轮发生“磕碰”。     

平房仓缓式通风结构设计及测试试验

缓式通风由于能耗低,水分减量少,在降温方面比离心式通风存在许多优势,但在通风结构设计上还存在许多不足。结构设计的合理性直接影响着通风效率和能耗水平,在这方面却没有成型的标准,因此,对结构设计方面的探索对缓式通风的发展具有重要实际意义。对轴流风机在仓房空间内压力场分布进行了测试．对轴流风机之间的相互作用进行了深入分析,为科学合理地使用轴流风机作了有益探索。     

基于支持向量机的造纸废水处理过程故障诊断

故障检测和故障诊断是工业过程监控的主要内容。针对造纸废水处理过程的多变量、非线性、大时变等特点,本课题首先采用主成分分析（PCA）对故障进行检测,然后分别采用马氏距离判别分析和支持向量机(SVM)对偏移、漂移和精度下降3种故障类型进行故障诊断。计算结果表明,基于主成分分析的故障检测率达97.50%;基于支持向量机故障诊断方法的故障分离能力为90.00%,而基于马氏距离判别分析方法的故障分离能力为73.75%。相比基于马氏距离判别分析的故障诊断方法,基于支持向量机的故障诊断方法更适合于非线性时变的造纸废水处理过程。