基于TL-LSTM的轴承故障声发射信号识别研究

针对多工况下滚动轴承故障声发射信号智能识别问题,提出了一种长短时记忆网络(LSTM)与迁移学习(TL)相结合的故障识别新方法。该方法仅以单一工况下原始声发射信号参数作为训练样本,构建LSTM模型充分挖掘出声发射信号与故障之间的深层次映射关系,以识别与训练工况具有相近分布特征的其他工况下故障;引入并结合TL来应对相异分布特征的其它工况下故障识别问题,从而可完成多种类型工况下故障特征的自适应提取与智能识别。实验结果表明,对于转速、采集位置或滚动轴承型号工况改变时内圈、外圈及保持架故障的识别均具有较高的准确率,可端对端的实现多种类型工况下故障的实时在线智能监测任务,摆脱了对先验故障数据的过分依赖,验证了该方法的可行性与优越性。     

复小波共振解调频带优化方法和新指标

滚动轴承发生局部故障时,其振动信号中将出现周期性发生的脉冲响应。共振解调被广泛用于从振动信号中提取此类冲击响应特征,但其首要问题是确定带通滤波器的中心频率和带宽。现有的频带优化方法存在计算量大且优化指标只考虑信号中冲击成分的强弱、而未考虑脉冲发生的周期性特征等缺点。针对不足,确定了以中心频率为主带宽为辅的频带参数优化方法,并提出了一个既能反映信号中冲击成分的存在及强弱又能突出冲击发生的周期性特点的频带优化新指标——包络谱峰值因子,该因子定义为包络谱最大值与有效值之比。将此方法和新指标应用于复平移Morlet小波共振解调的频带优化,通过轴承疲劳试验数据分析及工程实际应用并与峭度、平滑度指标和山农熵进行比较,验证了该方法和指标在最优频带确定中的有效性和优越性。     

铁路货车轴承故障声发射信号的小波分析处理

将声发射技术用于铁路货车轴承故障信号的采集，用小波分析进行带通滤波，从而减少了背景噪声和其他工况的干扰，成功地将正常轴承与故障轴承区分出来。     

柴油机滑动轴承的故障的声发射诊断

轴承是影响内燃机安全运行的重要零件,内燃机的主要运动件中,大多采用滑动轴承。滑动轴承采用流体动力润滑,曲轴的旋转作用形成油楔承载,同时零件表面对油膜挤压产生承载力。内燃机的轴承承载油膜压力由旋转油膜压力和挤压油膜压力构成。主轴瓦和连杆轴瓦在交变载荷下工作,轴承载荷的方向、大小都是周期变化的,所以轴承内不能保持均匀、恒定的承载油膜。在高速、高负荷,特别是在润滑状态不良或进入磨料时,轴承中产生较大的摩擦损失,摩擦损失转变成热量使轴承温度升高,降低润滑油粘度,使承载能力下降,再加上轴承座及轴的变形,润滑油流量不足及变质等,使轴承工作条件恶化,造成轴承损坏,如磨     

中国轴承论坛论文参考题目滚动轴承声发射检测技术

利用声发射信号进行轴承的故障检测，能减少噪声和工况的干扰，能够在低速轻载下有效检测货车辆轴承的故障。实践证明，该检测仪原理清晰，实施简便，可靠性高，达到了实时监测的目的。     

适于声发射信号故障特征提取的小波函数

小波分析具有很强的弱信号检测能力,适于提取声发射信号的故障特征,但是在目前声发射信号的小波分析中,所普遍采用的小波函数诊断效果欠佳,亟需改进和优化.在分析典型机械故障声发射信号特征的基础上,根据损伤型声发射信号故障特征的提取原理,通过连续小波基函数的构造方法,设计了一种适于声发射信号故障特征提取的小波基函数.将该函数与普遍使用的Daubechies小波同时用于声发射检测的滚动轴承损伤类型及部件的识别,结果表明前者的诊断效果更加清晰、准确、可靠.理论分析和试验研究均证明了所构造小波函数的科学性和有效性.     

基于信息熵的滚动轴承声发射信号故障诊断

利用声发射信号进行低速滚动轴承故障检测.在状态特征提取的基础上,从信息融合的思想出发,建立一种基于时域的奇异谱熵、频域的功率谱熵、时-频域的小波能谱熵和空间特征谱熵的故障诊断方法,并作为综合评价滚动轴承运行状态的定量特征指标.     

基于声发射技术的滚动轴承故障检测

利用声发射传感器、PCI-2声发射数据采集卡和AEwin软件系统建立滚动轴承故障检测试验台,进行轴承故障诊断。利用能量分析法对采集的声发射(AE)信号进行初步故障诊断,对自相关处理后的声发射信号进行FFT变换得到频域信号,并采用模糊识别法中的"择近原则",通过建立隶属函数和贴近度函数来识别轴承的故障类型。     

刀具破损状态声发射信号的多分辨率分析

刀具状态监控对保障生产安全和产品质量具有重要意义。采用声发射(AE)传感器来采集切削过程中发出的AE信号,采用多分辨率分忻法对正常切削、刀具破损、断屑时发出的AE信号进行分析,并提取出反映刀具破损状态的特征量;最后采用BP神经网络实现了刀具破损状态的自动识别。     

基于声发射技术的滑动轴承故障诊断方法研究

滑动轴承的代表性故障是轴承与轴颈的接触摩擦故障.在机械故障与转子动力学模拟实验台上模拟了滑动轴承的接触摩擦故障,利用声发射技术进行滑动轴承状态检测.实验研究结果表明声发射检测技术用于滑动轴承故障诊断切实可行,诊断结果准确可靠.     

基于自适应共振解调技术的滚动轴承故障诊断

针对现有共振解调技术中高频共振中心频率及滤波带宽确定方法不成熟的问题,提出了自适应共振解调技术。利用经验模态分解将故障信号分解成若干个固有模态函数,通过信息熵最小的固有模态函数分量确定高频共振频率,自适应选取带通滤波器的中心频率和带宽。利用Hilbert变换对滤波后的信号进行解调分析,得到包含故障特征信息的低频包络信号,提取故障特征频率,实现故障辨识。与现有共振解调方法相比,自适应共振解调方法在工程实际中应用性更强。     

声发射技术在设备故障诊断中的应用

信号采集是机械设备故障诊断的基础,信号采集得是否及时、正确直接影响到诊断结果的正确性。利用声发射技术实现故障信息的实时采集,同时使用计算机对信息分析、处理,以此为原理构成了在线故障诊断监测系统。本文对这一系统进行了简要介绍。     

压缩感知框架下的共振解调故障诊断方法

风力机滚动轴承早期故障诊断中,压缩感知算法能够利用信号的稀疏性对信号去噪,但稀疏度的选取对去噪结果影响较大。由于信号故障成分在傅里叶域的稀疏度 已知,故可通过傅里叶变换基和压缩感知子空间追踪（CS＿SP）算法对风力机信号的包络特征进行不完全重构,以降低噪声和其他无关信息的影响,获取直接反映故障特征的信号成分,从而提取故障特征频率。研究结果表明,压缩感知框架下的的共振解调技术能有效获取风力机滚动轴承的故障特征信息,验证了所提方法的有效性。     

基于周期性声发射撞击计数的滚动轴承故障诊断

分析滚动轴承不同类型故障特征频率与声发射累积撞击计数间的内在联系,建立基于周期性声发射累积撞击计数的滚动轴承故障诊断方法。采用非接触式声发射测试技术,对工作状态下滚动体、外圈和内圈故障分别进行测试及分析,试验结果证明了周期性声发射撞击计数与滚动轴承故障特征频率间的定量关系。依据此方法可对滚动轴承故障进行早期诊断。     

声发射技术在铁路机车轮对轴承故障诊断中的应用

站修型RD2货车轮对轴承故障诊断仪采用了声发射信号处理中的振铃计数法,介绍了该诊断仪的主要组成部件及工作原理。通过现场实际使用证明,该仪器具有抗振动、抗电磁干扰能力强等特点,运行稳定可靠。     

基于声发射技术的铁路货车滚动轴承故障诊断研究

采用声发射技术对铁路货车滚动轴承的故障诊断是一种新型的无损检测方法。对采集到的声发射信号进行基于小波变换的带通滤波处理后,故障特征信息明显,容易区分出铁路货车滚动轴承的不同状态。将声发射技术用于铁路货车滚动轴承的状态监测与诊断中,经大量试验证明,该法能准确区分轴承状态的好坏与故障类型。     

独立分量分析在声发射信号处理中的应用

介绍了独立分量分析的基本原理和以峭度为目标函数的独立分量提取算法的梯度算法,并通过实例说明了利用独立分量分析对声发射信号进行分析的方法,验证了独立分量分析技术在声发射信号分析方面的优越性和实用性,表明独立分量分析在声发射信号处理等领域有着巨大的应用潜力。     

基于平方包络谱相关峭度的最优共振解调诊断滚动轴承故障

利用峭度指标识别滚动轴承共振频带,结合包络分析解调故障特征,是滚动轴承故障诊断的常用方法。峭度指标虽然能够表征瞬态冲击特征的强弱,却无法利用瞬态冲击特征循环发生的特点,导致其难以区分脉冲噪声和循环瞬态冲击,无法准确识别共振频带,进而容易导致错误的故障诊断结果。受峭度和信号自相关的启发,重新定义相关峭度,提出平方包络谱相关峭度新指标;并结合Morlet小波滤波和粒子群优化算法,提出一种滚动轴承最优共振解调方法。通过与峭度、谱峭度等进行对比,仿真和试验分析结果表明平方包络谱相关峭度能够准确识别循环瞬态冲击;最优共振解调能够稳健确定共振频带的最优中心频率和带宽,准确解调诊断滚动轴承故障,验证了平方包络谱相关峭度在检测循环瞬态冲击和识别最优共振频带中的有效性和优越性。     

循环域解调方法在滚动轴承故障诊断中的应用

讨论循环平稳信号的循环自相关函数特性，指出循环自相关函数不为零的循环频率对应着信号的周期成分。基于调幅和调频信号模型推导出循环域解调方法，通过扫描循环频率域使调制源(故障)信息解调在循环域的低频段和高频段。利用高频段无调制源交叉项的特点，对滚动轴承故障进行诊断，有效地提取出外圈、内圈和滚动体的故障特征。     

k阶循环矩解调用于滚动轴承故障特征提取

针对滚动轴承早期故障诊断中故障特征信号提取问题,提出了一种基于k阶循环矩的故障特征信号解调方法.在循环矩理论基础上,首先分析了时变调幅信号的k阶循环矩解调原理和方法;讨论了k阶循环矩的频率特性;得出了k阶循环矩不仅能解调出调制频率,还能解调出载波频率的规律;给出了k阶循环矩的计算方法,并利用仿真信号验证了该方法的有效性;最后通过滚动轴承振动信号进行了分析.结果表明,该方法能有效提取滚动轴承早期故障特征,识别故障类型,具有较高的可信度.