深沟球轴承复合故障动力学特征

为提高状态监测水平,诊断和识别轴承的早期故障,降低因轴承故障导致的损失, 针对径向载荷作用下复合故障激励的滚动轴承振动机理的复杂性问题,基于Hertz接触理论,考虑复合故障、轴和轴承座与轴承之间的耦合激励、时变位移激励和滚动体滑动等因素,提出了4自由度复合故障深沟球轴承动力学模型. 模型描述了滚动体在滚道表面上的接触和运动,探究了轴承表面复合故障激励机理,分析了3种工况条件下滚动轴承复合故障对系统动力学振动响应的影响,为轴承状态监测和诊断提供了理论依据. 实验和模拟研究结果表明,复合故障的振动响应是由内、外圈单故障的振动响应耦合作用的结果,在频谱图中可以明显地分辨出内、外圈故障特征频率及倍频成分,与单故障相比较,其对应的幅值增大. 缺陷尺寸增大、转速增高和载荷增强均会使复合故障轴承的振动幅值增大,影响其运行状态,进而加速轴承的失效,降低轴承的使用寿命.     

基于LabVIEW的轨道车辆轴承故障诊断系统设计

针对轨道车辆轴承存在的故障,本文基于虚拟仪器技术,在LabVIEW2011基础上,设计了轨道车辆轴承故障诊断系统。该系统采用NI公司的NI9215数据采集模块,采集由加速度传感器获取的振动信号,并依据LabVIEW编写图形化的监测分析界面,运用时变自回归模型提取故障特征信号,通过以Matlab Script节点形式调用的BP神经网络程序进行典型故障识别,并将结果反馈到监测界面,实现智能化故障识别,同时对系统进行调试运行。运行结果表明,该系统可以较好地提取轨道车辆轴承不同状态下的波形特征,诊断准确率较高。因此,具有一定的工程参考价值。     

基于噪声小波包络谱的主轴承磨损故障诊断

传统的基于振动信号的内燃机主轴承磨损故障诊断中安装传感器以及提取故障特征频率很繁琐，为此，提出了基于噪声和正交小波监测往复式活塞发动机滑动主轴承磨损故障的一种新方法．利用Symlets小波分析将测得的机体噪声信号变换到时频域，得到含有内燃机主轴承间隙磨损状态的时频信息．主轴承磨损故障会使机体噪声信号的高频成分增加，而且高频滤波成分特征与内燃机的冲击过程相对应，所以，需选择合适的高频带加以提取并进行包络谱分析．通过声级计测取了代表主轴承4类间隙磨损程度的噪声信号，发现2个特征频率处的能量对间隙磨损状态比较敏感，均随著磨损量的增加而增加．通过该方法。可利用机体噪声信号监测主轴承的磨损状态．     

冲击脉冲法在电中机轴承故障诊断的应用

在对电动机轴承状态监测与故障诊断的研究中,采用振动诊断技术,即冲击脉冲法编写了电动机故障诊断系统,该系统专门用于电动机轴承的故障诊断与监测,并通过检测冲击点处的冲击波幅值来判断轴承内滚动体与滚道间的碰撞程度,从而有效识别出轴承的工作状态与故障类型,特别适用于检测轴承早期损伤类故障,润滑状况以及油膜厚度等。     

EEMD-PE与M-RVM相结合的轴承故障诊断方法

滚动轴承振动信号中包含了大量轴承运行状态信息,但是由于振动信号具有非线性和非平稳性的特点,难以充分提取振动信号中的故障特征,导致现有基于模式识别的轴承故障诊断方法的故障识别准确率较低.为了提高滚动轴承故障识别的准确率,提出了一种基于集合经验模态分解-排列熵(EEMD-PE)特征提取与多分类相关向量机(M-RVM)相结合的轴承故障诊断方法.首先,该方法利用EEMD对非线性和非平稳信号的自适应分解能力,将轴承故障信号分解为一组包含故障特征的本征模态函数(IMFs).然后,利用排列熵提取由EEMD分解得到的IMFs中的故障特征,并组成特征向量.最后,采用EEMD-PE对不同故障状态下的训练样本集进行特征提取,组成特征向量集对M-RVM分类器进行建模,以概率输出的形式实现对滚动轴承的故障诊断.实验结果表明:EEMD-PE特征提取方法能够对滚动轴承振动信号的故障特征进行有效提取,M-RVM能够对故障滚动轴承振动信号包含的故障特征进行识别.与现有轴承故障诊断方法相比较,所提出的方法能够提高故障识别准确率,达到99.58%.     

多重信号分类法与扩展Prony结合的异步电机转子故障检测

提出了一种基于奇异值分解滤波技术的多重信号分类算法与扩展Prony算法相结合的异步电动机转子断条故障检测的新方法。奇异值分解滤波技术可以高效率地滤除电机定子电流信号中的基频分量与有色噪声,从而凸显转子断条故障特征频率分量;多重信号分类方法可在短时采样数据条件下准确计算故障特征分量的频率;扩展Prony方法则可以精确计算出各特征分量的幅值,弥补了多重信号分类算法无法求解幅值的不足。因此,将三者结合即可在短时采样信号条件下以高频率分辨力准确提取转子断条故障特征频率分量。对一台异步电机进行试验,结果表明:新方法简单、实用,效果理想。     

基于热弹流的滤波减速器转臂轴承润滑性能分析

由于载荷、接触几何、粗糙表面、热效应等因素的影响,分析不同工作条件下滤波减速器转臂轴承工作界面润滑状态较为困难,为了研究转臂轴承润滑性能,本文建立了转臂轴承的热弹流混合润滑模型。以静力学和运动学建立滤波减速器转臂轴承(球滚动体-滚动轴承）力学模型,结合点接触热弹流混合润滑理论建立轴承热弹流润滑模型,使用离散卷积快速傅里叶变换方法求解弹性变形和表面温升,使用有限差分法求解雷诺方程和能量方程,分析轴承接触副物理尺寸、载荷、卷吸速度和接触副粗糙表面等外部工况对轴承润滑特性以及表面下应力的影响。从数值模拟结果中可以看出：较大滚动体半径有益于轴承润滑油膜形成,提高轴承的承载能力;不同的机械加工表面下接触副平均膜厚和温度随转速和滑滚比变化趋势相同;轴承接触副润滑状态从混合润滑进入全膜润滑状态,油膜内最大温升先减小后增大;提高机械加工表面光洁度有利于提高转臂轴承润滑状态,减小最大表面下应力,提高表面接触强度。本文建立的转臂轴承热弹流混合润滑模型可以模拟接触和流体动压润滑同时存在的混合润滑状态,可以反映转臂轴承在各种工作条件下润滑性能,可以进一步判断其工作效率和使用寿命。     

基于FIF-CYCBD的滚动轴承故障特征提取方法研究

针对滚动轴承所处工况复杂、提取故障特征困难的问题,提出了一种基于快速迭代滤波分解(FIF)和最大二阶循环平稳盲解卷积(CYCBD)的故障特征提取方法。首先,通过利用FIF方法对源信号进行自适应分解,得到一系列本征模态分量;其次,依据相关系数准则对和源信号相关系数大于0.6的分量进行重构,并根据FIF得到的分解结果设置合适的循环频率采集器;最后,利用CYCBD方法对重构后的信号进行解混去噪,对处理后的信号进行包络解调分析。仿真实验以及相关实验数据表明,所提方法具有良好的信噪分离效果,相较于信号中突出的噪声分量,处理得到的故障特征频率幅值高于噪声幅值,可以有效实现轴承故障频率及其倍频特征的提取。     

轴承疲劳故障诊断方法的实验研究

基于多组轴承实际运行状态的监测实验，对信号变化特征作了全面描述，弥补了依据模拟故障试验的不足，通过多方面的分析、比较，得出了一套用于滚动轴承疲劳故障在线监测和诊断的有效方法。     

Hilbert变换及其在机械故障诊断中的应用

阐述了Ｈｉｌｂｅｒｔ变换基本原理，分析了齿轮和轴承的故障特征。应用Ｈｉｌｂｅｒｔ变换的解调技术对齿轮故障信号进行了幅值、相位和频率解调。最后通过一诊断实例进一步说明了Ｈｉｌｂｅｒｔ变换在齿轮和轴承故障诊断中的应用。     

A bearing fault diagnosis method based on sparse decomposition theory

The bearing fault information is often interfered or lost in the background noise after the vibration signal being transferred complicatedly, which will make it very difficult to extract fault features from the vibration signals. To avoid the problem in choosing and extracting the fault features in bearing fault diagnosing, a novelty fault diagnosis method based on sparse decomposition theory is proposed. Certain over-complete dictionaries are obtained by training, on which the bearing vibration signals corresponded to different states can be decomposed sparsely. The fault detection and state identification can be achieved based on the fact that the sparse representation errors of the signal on different dictionaries are different. The effects of the representation error threshold and the number of dictionary atoms used in signal decomposition to the fault diagnosis are analyzed. The effectiveness of the proposed method is validated with experimental bearing vibration signals.     

基于多特征提取的滚动轴承故障诊断方法

滚动轴承故障是旋转机械失效和损坏的最主要原因之一。轴承振动信号通常表现为非线性和非稳态的特征。常规的时域和频域方法不容易对轴承工作的健康状况做出准确的评估。提出了一种基于多特征提取的滚动轴承故障检测方法,首先从轴承振动信号中提取故障特征（熵特征、Holder系数特征及改进分形盒维数特征）,然后通过灰色关联理论算法自动地识别出轴承的故障类型和严重程度。该方法能够在确保检测实时性的同时,准确有效地识别不同的滚动轴承故障类型及其严重程度。     

基于显式动力学及细化谱的滚动轴承故障诊断方法

为了探究滚动轴承早期故障动态演化规律,建立了滚动轴承典型故障三维有限元动力学模型.该模型以显式算法为基础,采用单点积分方式,在充分考虑轴承转速、负载、接触及摩擦的条件下,对滚动轴承内、外圈等典型故障进行了动力学分析.提取基于有限元动力学仿真的故障轴承加速度信号,采用希尔伯特包络解调并结合细化谱分析方法,提取故障轴承信号特征.分析结果表明:故障轴承条件下,轴承不同位置节点的振动响应均能体现故障特征;加速度响应信号在经过细化谱分析后能找到相应故障的特征频率,实现轴承典型故障的有效识别,为进一步探究轴承故障传递路径特性提供了可行的方法.     

基于DSP的滚动轴承在线故障诊断系统

为了提高滚动轴承故障诊断的准确性,介绍了一种基于DSP和组态软件的滚动轴承在线故障诊断系统。该系统以DSP作为信号处理部分,以组态软件作为人机交互界面,通过采用轴承振动信号的时域特征参数法对滚动轴承故障进行判断。实践检验证明,该系统能准确地判断出滚动轴承故障,具有较好的应用前景。     

基于关联维数的双跨转子轴承系统故障诊断

以双跨转子轴承系统为研究对象,针对其状态监测与故障诊断中存在的问题,利用虚拟仪器软件平台开发了一套基于关联维数的故障诊断系统。通过提取实验台振动信号并计算其关联维数实现对系统的故障诊断。结果表明,不同工作状态下系统的关联维数各不相同,正常运转时关联维数最小,发生故障时关联维数增加,且关联维数随着嵌入维数的增加成增长的趋势,并趋于稳定。该系统以关联维数作为特征兆量,能够快速准确地对双跨转子轴承系统进行状态监测与故障诊断,具有一定的应用价值。     

基于CDMA-TDOA的室内超声波定位系统

针对国内外对室内定位技术中定位精度不高问题,提出一种基于CDMA（Code Division Multiple Access）-TDOA（Time Difference of Arrival）的室内超声波定位系统,并给出实时性差异等缺点,进行了其工作原理和超声波信号的分析。该系统基于射频和超声波传感器的固有性质,对超声波信号采用CDMA技术进行编码,以便在目标节点上能区分各个信标发来的超声波信号,并结合射频信号实现TDOA测距算法,最终实现三维定位。采用Matlab/Simulink模块对3个信标的超声波信号进行发射仿真与分析。仿真结果表明,该系统在目标节点上能被接收并识别相对应的超声波信号。     

Rolling element bearing instantaneous rotational frequency estimation based on EMD soft-thresholding denoising and instantaneous fault characteristic frequency

The accurate estimation of the rolling element bearing instantaneous rotational frequency(IRF) is the key capability of the order tracking method based on time-frequency analysis. The rolling element bearing IRF can be accurately estimated according to the instantaneous fault characteristic frequency(IFCF). However, in an environment with a low signal-to-noise ratio(SNR), e.g., an incipient fault or function at a low speed, the signal contains strong background noise that seriously affects the effectiveness of the aforementioned method. An algorithm of signal preprocessing based on empirical mode decomposition(EMD) and wavelet shrinkage was proposed in this work. Compared with EMD denoising by the cross-correlation coefficient and kurtosis(CCK) criterion, the method of EMD soft-thresholding(ST) denoising can ensure the integrity of the signal, improve the SNR, and highlight fault features. The effectiveness of the algorithm for rolling element bearing IRF estimation by EMD ST denoising and the IFCF was validated by both simulated and experimental bearing vibration signals at a low SNR.     

基于匹配追踪的快速独立分析方法在轴承复合故障盲源分离中的应用

针对强噪声干扰下轴承复合故障信号难于提取分离的问题,提出基于匹配追踪的快速独立分析方法.首先,通过基于Gabor原子的匹配追踪方法对单通道故障信号进行降噪处理;然后,根据终止条件的不同数值条件得出多组重构信号,组成多组信号,实现信号升维;最后,通过快速独立分析方法对降噪处理后的复合故障信号进行盲分离.实验数据分析结果表明:所提方法具有可行性和有效性,为强噪声干扰下的复合故障信号分离与提取提供了一种方法.     

基于形态小波和S变换的滚动轴承故障特征提取

针对传统小波在强背景噪声中提取冲击故障特征的不足,提出基于极大提升形态小波(MLMW)分析和S变换的滚动轴承故障特征提取方法.先利用MLMW变换将信号分解到不同形态尺度上,各尺度信号上保留着信号局部极值形态特征,对细节信号进行软阈值降噪处理,再从重构信号的具有良好时频聚焦性的S变换谱上提取故障特征.试验结果表明,MLMW既抑制了噪声和谐波分量,又显著强化了故障特征;相比传统小波和包络分析,能清晰地提取非平稳非线性故障特征.由于MLMW采用简单的形态算子和高效的提升方法,计算简单高效,适于故障特征的在线分析.