基于神经网络的大型回转支承典型故障诊断方法

通过对大型回转支承振动信号的分析,提出了基于神经网络的典型故障诊断方法,通过提取故障诊断特征向量,利用三层改进 BP 网络对回转支承若干典型故障进行研究和分析,发现神经网络技术能够有效地解决大型回转支承典型故障的模式识别问题.     

门座起重机回转支承故障诊断研究

门座起重机大型回转支承属于低速重载类型的回转支承,该类型回转支承目前缺乏有限的检测手段,且现场环境较为复杂,现场测试经验不足。文中基于回转支承的实际使用工况及故障特点提出了试验方案,并在现场完成回转支承测试,以振动信号分析方法对回转支承的故障进行了故障诊断,对大型回转支承的现场测试和故障诊断具有指导意义。     

改进的邻域相关法在回转支承故障诊断中的应用

回转支承具有运行速度低、旋转方向和旋转角度多变、承载能力高、工作环境复杂等特点,为保证生产作业顺利进行,对回转支承进行故障诊断非常必要。文中对现场回转支承3种运行阶段的振动信号进行采集,利用去均值方法对信号降噪处理,采用改进的邻域相关法进行故障诊断和分类,通过模拟和实际数据验证了方法的可行性,为回转支承故障诊断提供参考。     

回转支承的故障监测诊断技术研究

回转支承的故障监测诊断技术的研究对于提高设备的运行效率、减少经济损失具有重要的意义.有针对性地概述了基于振动信号、温度信号、摩擦力矩、声发射、应力波的回转支承监测诊断技术,以及针对上述信号的分析处理方法,其中包括针对回转支承局部缺陷信号诊断的HHT、EEMD-MSPCA等方法.最后,对各监测诊断方法进行比较,并提出基于...     

大型回转支承软带区引发的故障探讨

S区是大型回转支承不可避免的软肋,该区是回转支承最为薄弱的区域,一旦该区处理不当会造成回转支承滚道剥落,并且随着回转支承的运行剥落的铁屑会散布整个轨道,进而引起轨道的整体剥落。文中以某在用回转支承为例,在现场采集故障回转支承的振动信号,并对信号进行时域统计分析,预测了故障的存在,并对该回转支承进行拆解,验证了预测的正确性,通过对轨道硬度测试分析了产生的原因。     

连铸机大包回转支承故障诊断系统研究

回转支承是连铸机大包回转台上的重要旋转部件,其安全稳定性对于大包回转台正常运行至关重要,因此需要高效准确的轴承故障诊断方法来诊断回转支承在运行过程中出现的异常现象。传统的轴承故障诊断方法大多依赖于专家经验,不能完全解决这类问题,需要开发一套有效的轴承故障诊断系统。首先分析了回转支承的主要破坏形式,提出基于模糊决策的回转支承故障诊断方法。在此基础上设计了连铸机大包回转台状态监测与故障诊断系统的总体方案,并对监测的物理量、测点布置、数据采集方式、分析方法、软件系统的总体和功能模块设计等问题给出全面解决方案。系统在实际轴承故障诊断应用中运行稳定,实现了预定的设计目标。     

基于单稳态随机共振的冲击信号自适应检测方法研究

针对强背景噪声环境下微弱故障冲击信号特征提取困难等问题,对单稳态随机共振系统和衡量指标等方面进行了研究,对低速回转支承的故障诊断策略进行了分析,提出了一种基于单稳态随机共振的冲击信号自适应检测方法。考虑到系统参数的关联性,利用灰狼优化算法(GWO)对系统的多个参数进行了优化,实现了系统参数间的同步优化过程;并以加权负熵指标作为GWO的适应度函数,对仿真冲击信号和低速回转支承振动信号进行了状态监测与故障分析。研究结果表明:该系统方法简单易行、收敛速度快、参数优化效果理想,能够在强背景噪声环境下,有效地利用噪声能量来增强微弱故障信号,凸显仿真冲击信号的特性;能准确地诊断出低速回转支承故障模式,在工程实际中具有良好的工程应用前景。     

斗轮取料机回转支承故障诊断分析

随着工业机械化的发展,在很多领域都已开始使用大型的机械设备来进行货物、原料等的运输装载。斗轮取料机是一种运用非常广泛的大型散货物料装卸设备,在众多领域都有大量使用,如煤炭开采、矿山开发、电力发电、港口运输等行业都将斗轮取料机作为其装卸物流链上重要的一环。回转支承是斗轮取料机的重要组成部分,起着支撑上部结构回转的关键作用,是斗轮取料机运转的核心。因此,对斗轮取料机回转支承进行故障诊断分析以及对策研究就显得尤为重要。本文主要分析了斗轮取料机回转支承部分容易发生的故障,并针对故障的诊断分析提出解决措施。     

基于双谱分析在回转支承故障诊断中的应用与研究

回转支承在风电、工程机械等领域广泛应用,是一种能够同时承受大量轴向、径向载荷与倾覆力矩的重要工业生产部件。提出了一种基于双谱分析的故障诊断方法。在实际工况下,由于回转支承工作环境恶劣,其故障发生时所产生的信号一般含有大量的背景噪声,并且其信号会呈现出非线性与非高斯性。直接使用常见的频谱分析方法难以得到可靠的结论。而所采用的基于高阶统计量的双谱分析故障诊断方法是解决非线性相位耦合和非高斯性的有效工具,采用双谱分析可以有效抑制高斯背景噪声的影响,提去除隐藏在信号中的非高斯特征。     

信息·动态

大型支承回转装置故障诊断技术的开发与应用课题通过鉴定由上海交通大学振动冲击噪声研究所佟德纯副教授、李华彪、沈密群和上海港煤碳装卸公司合作完成的“大型支承回转装置故障诊断技术的开发和应用”课题于1990年11月26日在上海港煤碳装卸公司通过专家鉴定。回转支承装置(大轴承)是港口机械支承传力的关键部件,由于是低速、重载、大尺寸,使其监测诊断技术难度很大,因此本课题列为上海市科委攻关内容之一。该课题从解决港口机械状态监测与诊断出发,在常规相关与谱分析基础上,     

起重机低速重载回转支承的故障模式、机理及其状态监测

归纳了回转支承的故障模式以及典型故障的机理分析,并调研了起重机回转支承运行情况,为起重机回转运行状态监测提供了可靠依据.对声发射技术在起重机回转支承上的应用进行可行性分析,提出了研究的基本思路,讨论了典型故障的信号采集与识别技术.最后,对起重机回转支承声发射监测技术的研究前景进行了展望.     

门座起重机回转支承声发射信号特征分析

针对低速重载回转支承故障检测的难点问题,对一台已服役36年的门座起重机转柱式回转支承进行声发射检测,确定了上支座滚道声发射信号衰减曲线及传感器的安装位置。通过现场试验获得空载、半载和满载4种工况下门座起重机回转支承上支座滚道声发射信号,对幅值、持续时间、能量等典型参数特征和典型定位信号波形频谱特征进行了分析,以期为后续研究工作提供一定指导。     

Condition monitoring of naturally damaged slow speed slewing bearing based on ensemble empirical mode decomposition

There have been extensive studies on vibration based condition monitoring, prognosis of rotating element bearings; and reviews of the methods on how to identify bearing fault and predict the final failure reported widely in literature. The investigated bearings commonly discussed in the literatures were run in moderate and high rotating speed, and damages were artificially introduced e.g. with artificial crack or seeded defect. This paper deals with very low rotational-speed slewing bearing (1–4.5 rpm) without artificial fault. Two real vibration data were utilized, namely data collected from lab slewing bearing subject to accelerated life test and from a sheet metal company. Empirical mode decomposition (EMD) and ensemble empirical mode decomposition (EEMD) were applied in both lab slewing bearing data and real case data. Outer race fault (BPFO) and rolling element fault (BSF) frequencies of slewing bearing can be identified. However, these fault frequencies could not be identified using fast Fourier transform (FFT).     

大型重载钢包回转轴承故障诊断方法

提出了一种测量大型钢包回转轴承游隙的新方法,并结合润滑脂的光谱和铁谱分析手段,对钢包回转轴承的磨损状态进行跟踪监测,准确预报了轴承存在的故障以及故障的严重程度,为轴承的视情维修提供了可靠依据。     

CEEMD和小波半软阈值相结合的滚动轴承降噪

针对滚动轴承振动信号降噪处理时如何保证信号边缘信息完整性的问题,提出将互补集合经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波半软阈值相结合的信号降噪方法,对滚动轴承故障高频振动信号进行降噪处理。首先,采用CEEMD方法对故障振动信号进行分解,针对信号特点自适应获取不同频段模态分量;其次,将对包含噪声污染的高频信号模态分量进行相关性分析,得到含噪成分较高的高频模态分量,进一步采用小波半软阈值进行降噪处理;最后,将降噪后的模态分量同残余分量进行信号重构,完成降噪过程。分析结果表明,相对于传统小波阈值降噪和CEEMD强制降噪方法,提出的方法能够有效去除高频信号的噪声,且最大程度地保证了原始信号的完整性,降噪效果更好。     

料机回转轴承低寿命原因分析及处理方法

钢铁行业原料堆场大量采用堆取料机作业,该设备为重大型设备,大部分企业料机的回转轴承使用寿命不超过一年,回转轴承使用寿命短成为全行业共性问题,由于回转轴承更换安全风险高,导致耗费企业大量的工时和财力;为解决悬臂式堆取料机回转轴承使用周期短的问题,本文摒弃原有的称重法,采用力矩平衡几何作图法精确计算增加配重,同时运用有限无...     

基于同步挤压提取变换的滚动轴承故障诊断研究

滚动轴承是大型机械设备的重要部件,起着非常重要的作用.当轴承发生故障时,如不及时修复或更换,将严重影响设备的寿命.时频分析方法是一种非常有效的故障特征提取工具,已得到广泛的应用;同时,时频分布的能量聚集性影响故障特征提取效果,因此,一种能量更加集中的时频分析方法对机械信号处理与故障诊断起着至关重要的作用.提出了一种全新...     

全矢EEMD在轴承故障诊断中的应用

实际工况中滚动轴承故障的振动信号为非线性,非平稳的信号.为了对滚动轴承的故障做出准确识别,根据轴承故障信号的特点,在此提出一种用全矢谱和EEMD相结合来提取故障特征指标,然后利用隐马尔科夫模型对滚动轴承故障进行分类的新方法.首先对实验得到的滚动轴承同源双通道振动信号进行EEMD分解,得到数个IMF分量,选取相关性较高的...