共查询到19条相似文献,搜索用时 281 毫秒
1.
在工程应用中识别轴承故障已经不能满足设备维护策略制定的需求,利用振动信号对轴承的劣化趋势进行预测,对轴承全寿命周期各阶段的峰值指标、歪度指标、峭度指标、均方根等时域指标变化趋势进行分析,将峰值指标作为反映带式输送机轴承健康状态的退化特征量,形成退化特征序列。利用退化特征量建立灰色预测模型,预测轴承劣化趋势的变化。通过工程应用进行验证,结果表明,灰色模型可以有效地预测轴承劣化趋势,具有工程实用价值。 相似文献
2.
3.
4.
基于小波包的轴承信号降噪和特征提取的研究 总被引:1,自引:1,他引:0
为有效识别轴承故障特征,以轴承内圈故障的信号为例,采用在非平稳信号消噪和以频带能量分布作为故障特征方面有着广泛应用的小波包进行Mat-lab仿真,获得小波包降噪后的信号和作为内圈故障特征的频带能量分布。通过分析频带能量,其结果与实际故障相一致,得出小波包在轴承故障特征提取方面有着一定的优越性。 相似文献
5.
6.
7.
8.
神东矿区煤炭开采带来了一系列生态环境问题,位于矿区的沙漠湿地对于生态环境变化的响应尤为敏感,为确定湿地退化过程中土壤持水性质的响应特征,本文以毛乌素沙漠不同程度退化湿地为对象,研究了退化湿地土壤水分特征曲线的剖面分布特征,研究结果为了解湿地退化过程及防治提供了理论依据。 相似文献
9.
10.
基于振动信号分析的采煤机摇臂轴承故障诊断研究 总被引:1,自引:0,他引:1
针对采煤机摇臂轴承故障频发,严重影响采煤工作面安全生产的现状,进行了基于振动信号分析的采煤机摇臂轴承故障诊断研究。为准确识别采煤机摇臂轴承故障,采用集合经验模态分解方法(EEMD)对原始振动信号进行分解,提取前8个本征模态函数的能量占信号总能量的比例作为故障特征信息,并输入到支持向量机(SVM)进行故障模式识别。试验结果表明,结合集合经验模态分解和支持向量机的故障诊断方法,适用于处理采煤机摇臂轴承产生的非平稳、非线性振动信号,总体故障识别率达到88.33%,可实现轴承故障的准确诊断。 相似文献
11.
针对滚动轴承故障信号具有非平稳、非高斯的特点,提出了将时域分析与小波分析相结合的方法对滚动轴承进行故障诊断。在研究不同信号分析方法理论的基础上,以滚动轴承外圈故障振动信号为例,采用多种信号处理方法进行了分析。结果表明,各种分析方法在分析轴承故障时的特点各不相同,在实际使用中,可将时域分析与小波分析综合使用,实现轴承状态的实时监测与故障的准确定位。 相似文献
12.
提出了基于时频和双谱分析的滚动轴承诊断的方法。利用伪Wigner-ville分布和双谱估计可绘出滚动轴承故障信号的特征图谱。实验表明,伪Wigner-ville分布和双谱分析方法可以敏感地监测滚动轴承工作状态,并且利用特征图谱可以有效地识别滚动轴承不同的故障特征。 相似文献
13.
14.
饱水状态下,红层软岩力学特性的劣化直接影响相关工程的变形稳定。考虑干燥、自然和饱水3种状态,对红层软岩抗压和抗拉强度特性、变形破坏特征及微观结构特征进行了比较系统的试验和检测分析。研究表明:①饱水状态下红层软岩的软化特征明显,破坏时的延性特征更加明显,不同围压下岩样的抗压强度软化系数为0.36~0.65,相对于干燥状态,弹性模量和变形模量逐渐降低分别降低了35.60%~75.53%,44.57%~69.64%,而且围压越小,抗压强度和模量降低趋势越明显;②相对干燥状态,饱水状态下岩样的黏聚力、内摩擦角分别下降了47.77%和12.68%,岩样的黏聚力对含水状态更为敏感;③饱水状态下岩样抗拉强度软化系数为0.40,加载线附近局部破坏特征明显;④岩样内部矿物颗粒间泥质胶结物的溶解破坏,伊利石、蒙脱石等黏土矿物吸水膨胀、分解,使得岩体结构由相对密实状态逐渐变得多孔、松散,而且孔隙多被水充填,这些微观结构的改变直接导致了红层软岩力学性质的劣化。 相似文献
15.
为了实现对滚动轴承故障位置和损伤程度的准确定位,将类别判别信息引入到无监督的稀疏编码中,提出一种有监督稀疏编码(Supervised Sparse Coding,SSC)方法,建立基于希尔伯特黄变换(Hilbert-Huang Transform,HHT)和SSC的振动信号特征提取和故障状态精细分类模型。首先,通过HHT获取振动信号的边际谱,然后,利用SSC为边际谱信息建立统一的字典库,并完成对边际谱的稀疏表示,实现干扰信息的滤除和故障目标敏感特征的二次提取,最后,使用SSC得到的稀疏系数完成对支持向量基(Support Vector Machine,SVM)分类器的训练。采用SKF-6205-2RS轴承试验台数据对提出方法进行实验分析,使用HHT-SSC-SVM模型,驱动端轴承故障状态识别率为99.5%,风扇端轴承故障状态识别率为98.25%,与文中其他模型相比,在故障状态识别率上有所提高,并且表现出来较强的适应能力。 相似文献
16.
针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明:与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。 相似文献
17.
18.
针对滚动轴承振动信号的非平稳性和非线性特点以及BP神经网络结构参数差等因素导致滚动轴承故障识别准确率低的问题,提出一种基于小波包结合奇异值分解(SVD)和改进粒子群算法(IPSO)优化BP神经网络的滚动轴承故障诊断方法。首先通过小波包对振动信号进行分解与重构,得到不同频段的信号之后利用SVD提出有效的故障特征向量,输入到BP神经网络中进行测试。考虑到BP神经网络结构参数差等因素,使用IPSO对BP神经网络进行优化,最后测试得出结果。对比实验模拟和现场数据验证表明,基于小波包-SVD和IPSO-BP的滚动轴承故障诊断准确度大大提高。 相似文献
19.
为了有效地对采煤机摇臂轴承进行状态监控和故障分析,对稀疏分解方法字典的选取进行了深入研究。首先对稀疏表示常用分析字典进行分析,并结合采煤机摇臂滚动轴承故障机理及信号特征,选取符合单边衰减冲击响应的Laplace小波作为基原子,构造一种Laplace小波字典;通过加噪信号仿真分析,验证了基于Laplace小波字典稀疏表示方法的有效性;最后通过实验验证,将该方法应用于采煤机摇臂轴承故障诊断中,能有效提取滚动轴承故障特征。结果表明,该稀疏编码的方法在采煤机摇臂滚动轴承故障诊断方面具有良好的实用性。 相似文献