共查询到20条相似文献,搜索用时 62 毫秒
1.
滚动轴承故障识别是实现视情维修的基础。针对滚动轴承出现故障时振动信号表现出的非平稳性和非线性,提出了一种基于多尺度熵(Multi-scale Entropy, MSE)和自组织特征映射(Self-organizing Feature Maps, SOM)神经网络的滚动轴承故障识别方法。该方法通过提取滚动轴承振动信号中不同故障状态下的MSE作为SOM神经网络的输入,通过SOM神经网络进行识别,得出轴承的不同故障及故障程度。通过实验表明提出的方法能有效地实现滚动轴承故障类型以及故障程度的智能识别。 相似文献
2.
3.
针对滚动轴承故障信号分析中单一频域表征的问题,提出了将Morlet连续小波变换应用于故障信号奇异性提取和分析的新方法。在分析了滚动轴承故障信号的奇异性特征和奇异性信号小波检测机理的基础上,将Morlet连续小波用于对滚动轴承故障信息的提取与分析。试验证明,该方案能有效地对滚动轴承故障信号在时间和尺度平面进行分析,可以同时表征奇异性信号的时间和频率信息。 相似文献
4.
5.
滚动轴承外圈多点故障特征分析 总被引:2,自引:0,他引:2
滚动轴承发生多点故障时会产生复杂的振动特征,影响轴承故障诊断的准确性。针对滚动轴承外圈多点故障诊断特征的变化规律,考虑滚动轴承外圈故障数量、故障间隔和载荷分布对故障特征的影响,采用五自由度动力学模型进行仿真分析。通过龙格库塔法对动力学方程进行数值求解,分析了滚动轴承外圈单点故障和多点故障的诊断特征。结果表明:当外圈具有多点故障时,随着故障数量和故障间隔的变化,故障特征频率各谐波的幅值会发生变化;当多点故障满足载荷相等和一定的间隔关系时,故障特征频率值与故障数量之间呈现对应的倍数关系。通过滚动轴承多点故障模拟试验验证了结论的正确性。 相似文献
6.
7.
8.
为了降低风力发电机组滚动轴承信号的噪声和进行多信道数据处理,提出了一种基于EEMD和多元多尺度熵的特征提取方法。利用EEMD算法对多信道的原始声发射信号进行分解获取无模式混淆的IMF,通过敏感度评估算法选取反应故障特征敏感的IMF进行多元多尺度熵分析,由单因素方差分析选择最优尺度对应的多元样本熵作为各种故障的特征值。通过从实验台采集得到正常、轻微损伤和断裂3种状态的样本数据,与多种特征提取方法相比较和SVM算法分类分析,证明了所选择故障特征量的准确性,同时也验证了所提出的滚动轴承故障特征提取方法的有效性和准确性。 相似文献
9.
郑玉珍 《动态分析与测试技术》1995,13(2):35-38
滚动轴承在工作中其寿命相差甚远,本文从以下两方面论述了预防滚动轴承故障的方法:(1)在轴承安装之前,对其进行动态质量检查;(2)在轴承安装之后对其进行定期监没。并且论述了用普通测振手段来判断滚动轴承故障的方法,该方法在生产中十分有效。 相似文献
10.
基于Morlet小波变换的滚动轴承早期故障特征提取研究 总被引:3,自引:0,他引:3
针对轴承故障初期振动信号中的特征成分极易被噪声信号淹没而不能及时检测的问题,结合Morlet小波变换降噪的基本原理,提出一种由尺度相关能量分布确定最优尺度参数的方法,从而在该尺度下对信号滤波来提取冲击特征成分.以最小Shannon熵优化Morlet小波的形状参数,实现母小波与信号故障特征的最佳匹配;以最优Morlet小波在不同变换尺度下的小波系数绘制尺度-能量谱,利用信号故障特征能量在特定尺度范围内聚集的特性,从谱图的极值点中选择滤波效果最好的尺度参数.对轴承全寿命数据的实际应用结果表明,与信号的均方根趋势相比,该方法能够提前从信号中提取微弱故障特征并检测到轴承的外圈故障,为轴承早期故障诊断提供了一种有效途径. 相似文献
11.
滚动轴承故障特征的时间—小波能量谱提取方法 总被引:14,自引:1,他引:14
振动信号中的周期性冲击现象是诊断滚动轴承各元件故障的重要依据之一,针对滚动轴承故障特征,在小波变换理论基础上提出一种时间—小波能量谱信号处理方法,它能够有效地提取出振动信号中冲击成分的时域和频域特征。利用时间—小波能量谱方法分析正常、外圈故障、内圈故障、滚珠故障等四种状态下滚动轴承的振动信号,并与传统的包络解调分析方法进行对比分析。时间—小波能量谱不仅可以有效提取出冲击特征明显的滚动轴承外圈故障,还能提取出内圈、滚珠等信号特征微弱的滚动轴承故障,而包络解调分析方法只能提取出外圈故障特征而不能提取出滚珠故障、内圈故障特征。结果表明,时间—小波能量普比包络解调分析方法更能有效地提取出振动信号中的冲击信号成分。 相似文献
12.
基于神经网络的滚动轴承检测 总被引:14,自引:0,他引:14
本文介绍了一种基于人工神经网络进行滚动轴承故障检测的新方法,文中利用加速度计获得滚动轴承的动态振动信息,为滚动轴承建立了动态非线性神经网络模型,并利用该模型进行在线故障检测,实际使用证明该模型具有良好的收敛性和稳定性和完全能满足对滚动轴承故障的在线检测。 相似文献
13.
基于小波分析的变速箱滚动轴承故障诊断方法的研究 总被引:7,自引:0,他引:7
利用小波分析技术将滚动轴承故障振动信号分解到时-频空间,定义了滚动轴承故障振动信号能量分布函数S(t) ,提出了能量分布函数S(t) 细化谱诊断变速箱滚动轴承故障的分析方法。在某自行火炮的变速箱上进行了一系列滚动轴承故障诊断实验,实验结果验证了能量分布函数S(t) 细化谱诊断变速箱滚动轴承故障的有效性 相似文献
14.
15.
基于关联维数的滚动轴承故障诊断的研究 总被引:3,自引:1,他引:3
针对滚动轴承系统产生的非线性振动信号的特点,提出用关联维数来描述轴承振动信号的工作状态,进而对其进行故障诊断的方法。同时详细讨论了关联维数的计算方法,并对由轴承系统产生的非线性振动信号进行了关联维数的定量计算。实验表明,滚动轴承不同工作状态由不同的动力学机理产生,其关联维数明显不同。以关联维数作为滚动轴承的工作状态监测的依据,可以为提高滚动轴承故障诊断的准确率提供了一种有效的新方法。 相似文献
16.
《Measurement》2016
The extraction of repetitive impacts from vibration signals plays an essential role in bearing fault detection. Among different signal processing algorithms, morphological filter (MF) has attracted lots of attention because it could directly extract the geometric structure of the impulsive feature and only needs little computation. However, the conventional MF and some current improvements are based on the local optima of the raw signal to de-noise the noisy signal and its faulty feature extracting capability would be greatly affected by the noise. In this paper, a new improved MF algorithm is proposed to overcome such deficiency. Firstly, morphological gradient (MG) operator is selected in this paper due to its capability of picking up both positive and negative impulses. Then, based on the relationship between the defect induced impulse and a harmonic function with the resonant frequency, the harmonic waveform in a period is adopted to instruct the construction of structuring element (SE). The improved MF can obtain the fault feature from low SNR signals. The processing results of a simulation signal and two sets of experimental signals and a set of comparisons verify the effectiveness and robustness of the proposed method. 相似文献
17.
18.
BP神经网络在滚动轴承早期故障诊断中的应用 总被引:4,自引:1,他引:4
滚动轴承是旋转机械中应用普扁而又易损的元件之一,其故障在机械故障中占有很大的比例.因此,轴承故障诊断、特别是早期诊断很受重视.本文将神经网络应用于轴承早期故障诊断,简要说明了BP神经网络的基本原理、算法及特点,介绍了实验数据的分析过程和参数选择原则.实验结果表明,选择适当的网络结构进行训练、学习和检验,可以把良好轴承、内环缺陷轴承、外可缺陷轴承、滚子缺陷轴承及具有三种综合缺陷的轴承区分开来,并能初步估计出缺陷的大小. 相似文献
19.