刚性转子动平衡测试原理与实现

阐述了刚性转子硬支承和软支承2种动平衡的测试原理,介绍了转子支承振动信号的获取方法,分析了互相关函数、FFT、数字滤波等几类用于转子不平衡量的幅值和相位信息提取的算法。     

基于支持向量机的异步电机转子故障诊断

根据异步电机发生故障时振动信号的特点,提出了一种基于小波包分解和支持向量机相结合的异步电机转子故障诊断方法。通过采用快速ICA算法对振动信号进行多通道数据融合,然后进行3层小波包分解,得到各分解节点对应频带的重构信号以及对应的能量,并将各频带的能量元素组成的特征向量作为诊断模型的特征向量,输入到LS-SVM分类器中进行故障识别和分类。诊断结果表明:采用ICA-SVM模型具有较高的分类速度和很好的故障识别率。     

基于小波减噪的滚动轴承故障频率的识别

研究了振动信号局部奇异性在小波变换下的特性,定量分析了小波变换方法的减噪特性。根据滚动轴承故障振动信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点,利用小波分解和重构算法,对轴承振动信号进行了分解、减噪、重构和谱分析。实验表明,小波减噪方法非常适于低信噪比情况下滚动轴承微弱振动信号的故障频率检测。     

基于人工神经网络优化算法的故障诊断

应用神经网络优化算法,进行网络参数优化计算。为了考察神经网络的优化算法,对实验室的转子模型进行了振动测试,获取其振动信号,将信号经分析仪分析,获取不同测点的动态信息及其参数分布规律,用神经网络优化算法进行故障诊断分析。     

螺杆钻具转子系统不对中的故障产生机理与诊断

螺杆钻具是由多个可以旋转的转轴通过万向联轴器连接成的一个轴系,主要用来传递转矩从而带动钻头运动。但是在安装或者在万向联轴器自身磨损消耗下,钻具会出现轴线上的不对中,进而引发一系列故障,比如螺杆钻具的螺杆马达转子联轴器偏移、轴承移动、转轴发生形变、油膜失稳等,导致机器发生振动并造成一系列的危害。因此,在实验室条件下,研究井下动力钻具不对中的故障产生机理,掌握不同故障的特征,并及时进行故障诊断,对减小或避免由于转子联轴器不对中而产生的故障具有十分重要的意义。本文借助于DHRMT双跨转子台高度模拟井下的钻具故障,设置转子不对中的不同故障类型,通过实验获得钻具转子不对中故障造成的振动特征,为井下动力钻具设计及改进提供参考依据。     

采煤机振动信号采集和识别系统设计研究

针对采煤机电机转子容易产生故障的问题,设计了一种利用振动信号诊断电机运行状况的方法。首先设计了信号采集硬件,使用STM32采集与处理振动信号,并将信号远传至服务器,然后设计了振动信号故障识别与分类算法,使用信号频谱能量距提取信号的类别特征,使用训练完成的基于VGG16的改进算法对特征进行分类,最后进行实验,结果表明故障分类平均正确率可达95.97%。为采煤机电机的故障识别和分类提供了一套高效的方法。     

小型挖掘机回转支承的故障诊断方法

设计并搭建回转支承试验台和信号采集分析系统,对外圈点蚀的回转支承工作信号进行采集。由于回转支承故障信号较微弱,故结合小波理论,对采集信号进行分解,对含有故障特征的信号进行重构。应用Hilbert变换进行解调和细化频谱分析,发现故障特征频率,从而判断了回转支承的故障位置,表明小波分析结合Hilbert分析法对回转支承的局部损伤故障诊断是有效的。     

基于全矢谱的旋转机械轴振与瓦振关系研究

建立了转子—轴承—基础系统的动力学模型,利用全矢谱技术分别对不同支承刚度下轴颈处的位移信号和轴承座上的速度信号进行了融合分析,并对两者之间的关系进行了研究。结果表明:位移信号和速度信号与支承刚度之间呈现出非线性关系,速度信号合成轨迹与转子真实涡动轨迹之间存在较大的差异,需进行修正分析。该结论为全矢谱技术在接触式检测中的应用提供了理论参考。     

基于小波神经网络的矿用主通风机故障诊断研究

通过小波包分析对通风机转子的振动信号降噪分解,提取各频带重构信号的能量作为故障特征向量,并以此当做BP神经网络的训练样本和测试样本,进行网络训练和故障模式识别。以MATLAB为平台,测试了网络对通风机常见故障类型的识别验证率,结果表明方法可行有效,有较高精度,为旋转设备故障诊断提供了新的思路。     

基于平移不变小波爆破振动信号去噪的应用研究

传统的小波变换阈值法去噪会使爆破振动信号的急剧变化部分产生人为的振荡现象,产生这种现象的原因是小波缺乏平移不变性。使用平移不变小波变换去噪方法,对爆破振动信号进行循环平移,利用软或硬阈值对该信号的小波系数进行压缩,重构信号,再进行相反的循环平移,通过多次的平移-消噪-平移,平均所获得的结果,从而消除小波基的平移依赖性。该方法不仅能有效地消除爆破振动信号的伪吉布斯（Psuedo—Gibbs）现象,而且能减小原始爆破振动信号和估计爆破振动信号之间的均方误差（MSE）。通过理论和实践证明了这种方法能够更有效地消除爆破振动信号中的噪声。     

电动机故障的综合诊断

对电动机常见的断条故障、气隙偏心故障、轴承故障和转子不平衡故障,从机械和电气两方面进行诊断,介绍了它们的振动频谱特征和定子电流频谱特征。主要针对机械不平衡故障,对机械振动信号和定子电流信号进行了分析,探讨了电动机存在机械不平衡故障时,电流信号的频谱特征。     

基于谱相关密度-连续HMM的滚动轴承故障诊断

滚动轴承故障振动信号是典型的调幅信号,而谱相关密度分析对调幅信号具有解调功能,它可以有效地提取出滚动轴承信号的故障特征,结合连续隐马尔可夫模型(Hidden Markov Model,HMM)所具有的强大时序模式分类能力,提出了基于谱相关密度-连续HMM的滚动轴承故障诊断方法。该方法首先利用谱相关密度函数在循环频率处进行切片分析,提取滚动轴承故障振动信号的特征,构成特征向量序列;然后将此序列输入到连续HMM中进行训练,得到各类对应故障的模型,最后利用训练好的模型进行滚动轴承的故障诊断。试验结果验证了该方法的可行性和有效性。     

采煤机作业时摇臂齿轮箱故障分析及诊断技术研究

以7LS06型采煤机摇臂齿轮箱为对象,在对齿轮箱主要结构进行介绍的基础上,分析了齿轮箱常见的故障问题,其中齿轮和轴承的故障问题最为显著。对齿轮和轴承工作时的振动机理及其常见故障类型进行了详细的介绍。引起齿轮和轴承振动的原因包含2方面：(1)结构件的工作原理决定;(2)结构件表面存在故障缺陷,从而改变结构原有的振动状态。可以对齿轮和轴承的振动信号进行分析,从而判断其是否存在缺陷故障。利用振动测试平台对摇臂齿轮箱的振动状态进行实际测验,并将测验结果与实际结果对比,验证了故障诊断技术的科学性与合理性。     

高线精轧机滚动轴承故障诊断技术研究

针对高线精轧机设备故障的特点,建立了精轧机在线监测系统。采集精轧机滚动轴承的振动信号,对振动信号采用时域、频域多角度分析,时域趋势图可以判断轴承的突发性故障,频域分析可以判断故障的性质及故障部位。有效地提高了滚动轴承故障诊断的准确率。     

提升罐道故障诊断方法的研究

在分析提升罐道典型故障的基础上， 探讨了采用振动诊断方法对典型故障的检测和诊断的方法． 通过对振动信号采用频域和小波的信号奇异性的分析， 建立了典型故障和信号特征的关系， 为提升容器的安全平稳运行提供了依据．     

基于电涡流传感器及虚拟仪器的旋转机械碰摩故障特征研究

针对旋转机械碰摩故障的特征,运用电涡流传感器和虚拟仪器采集转子碰摩振动状态信息,对转子碰摩振动信号的时域波形特征、碰摩振动时的轴心运动轨迹特征进行分析,同时应用LabVIEW软件对转子碰摩振动信号进行频谱分析,研究其故障特征,由此对旋转机械的碰摩故障进行识别和诊断。     

矿井提升机故障机理分析及信号采集系统设计

为了确保矿井提升机的安全运行,对提升机故障机理分析及信号采集系统进行了设计研究,研究了提升机机械传动系统中齿轮副和轴承的故障特征及振动机理,对机械振动信号的测点布置进行了确定,分析了提升机制动系统的工作原理,对偏摆量、油压、闸间隙等监测方法和监测参数进行了确认,设计了现场信号采集系统,对采集卡、传感器等硬件进行了选型。研究对保证矿井安全生产具有重要的意义。     

基于振动信号的柴油机气阀漏气故障诊断研究

分析了柴油机缸头振动机理,运用小波包对振动信号进行了分析和讨论,提取出相应的特征向量,然后将振动样本特征向量作为神经网络的输入参数,以故障类别作为输出参数,经过训练的神经网络可以利用测量的振动信号来判断柴油机气阀的故障状态。实例证明该方法有效可行。     

基于共振解调技术的斜齿轮齿面接触型故障诊断研究

建立了斜齿轮的扭转振动分析模型,仿真计算了模型的啮合刚度、啮合阻尼和振动响应,并运用共振解调技术对仿真信号进行解调分析,成功提取了斜齿轮齿面接触型故障的特征信息,并经实验论证,该方法是有效可行的。     

广义数学形态滤波器在异步电动机轴承故障诊断中的应用

提出了采用不同尺寸及结构的结构元素级联形成广义数学形态滤波器,实现异步电动机滚动轴承振动信号的降噪方法。通过对一组实测数据采用广义数学形态滤波器进行处理,提取出了故障特征频率,从而验证了该方法的有效性,因此,可用于异步电动机滚动轴承的故障诊断。