深沟球轴承运转过程显式动力学数值仿真研究

基于显式动力学有限元理论,应用ANSYS/LS-DYNA软件建立了6014深沟球轴承的多体接触力学模型。考虑转速和径向载荷的作用,在一定工况条件下进行了动力学仿真研究,分析了轴承运转过程中动态响应与接触应力的变化规律。结果表明:仿真结果与理论计算结果相吻合。     

氮化硅陶瓷滚动体的接触疲劳

本文对氮化硅陶瓷滚动体的接触疲劳机理进行了探讨,结果表明:陶瓷材料的接触疲劳仍是疲劳裂纹的形成与扩展过程,但裂纹形成机理不同于金属材料,其累积损伤的具体形式是局部高应力区内的微裂纹,而不像金属材料那样是通过交替滑移使材料局部弱化产生累积损伤的。降低表面粗糙度、倒角处采取圆滑过渡可以提高滚动体的接触疲劳寿命。     

基于振动信号的电泵滑动轴承故障诊断应用研究

通过对现场运行的大功率旋转机械加装压电式三轴加速度传感器对旋转机械滑动轴承进行振动数据的采集,并对采集到的加速度信号进行处理分析后得到对应的速度信号、位移信号.应用相关分析软件对采集到的信号进行分析处理,利用得到的振动烈度、频谱图和轴心轨迹图对电泵滑动轴承进行故障诊断.从数据转换分析过程和最后的诊断结果来看,使用频域积...     

基于信号测试的印刷机故障诊断方法研究

随着印刷机集成化程度的不断提高,其故障呈现综合化、复杂化趋势,一旦故障无法得到及时解决,必然造成原材料的大量浪费,直接影响印刷企业经济效益。常规的印刷机故障检测主要依据经验和振幅阈值进行判断,但受限于维修维护人员经验,其故障诊断准确性较低,无法满足快速准确定位缺陷的目的。基于此,本文提出一种基于信号测试的印刷机故障诊断方法,将印刷机内部、外部信号进行综合分析,以此满足印刷机故障诊断要求。     

基于EMD和边际谱频带能量的离心泵汽蚀故障诊断

离心泵在化工生产中得到广泛应用。汽蚀是导致离心泵效率降低的主要原因之一。快速准确的诊断出汽蚀故障,具有重要意义。提出一种基于泵入口压力脉动信号低频和高频特征的汽蚀故障诊断方法。以经验模态分解产生的本征模态函数的均方根能量值作为高频特征,以希尔伯特-黄变换的边际谱频带能量值作为低频特征,组成4维特征向量输入BP网络训练、仿真。通过对比小波分析法和EMD能量熵方法,表明本文提出的方法能够快速、更准确的诊断汽蚀故障。     

基于核Fisher包络分析的间歇过程故障诊断

随着间歇过程越来越受重视,其过程监控和故障诊断技术也成为研究热点。以核Fisher判别分析为基础,提出了基于核Fisher的正常工况与故障包络面模型,给出了基于该模型的在线故障诊断流程。此方法利用了Fisher判别分析对类别的划分特点,分别针对正常工况数据和各故障类型数据建立包络曲面模型。与多向Fisher判别分析相比,该方法按批次方向将数据展开,能够解决生产周期不一致问题,在线故障诊断时也不需要预报完整的生产轨迹,并且加入核函数来处理复杂的非线性。最后在青霉素发酵过程的仿真平台上对该方法进行测试,与改进多向Fisher判别分析方法进行对比,该方法获得了满意的诊断效果:能够及早诊断出故障的发生,并在有效识别已有故障的同时还具有对新故障的自学习能力。     

基于统计信号重构的传感器故障诊断

主元分析、偏最小二层等数据驱动的多元统计监控方法由于不依赖于精确的数学模型,在化工过程监控与故障检测方面取得了广泛应用.通过研究基于统计信号重构的传感器故障诊断算法,给出了统计信号重构算法的一般形式,并推导了基于统计信号重构算法进行传感器故障诊断的可检测与可分离性条件,定义了模型空间和余差空间的故障识别指标.通过CSTR仿真对象的应用比较了不同统计信号重构算法间的差异,验证了故障诊断算法的有效性.     

基于核Fisher包络分析的间歇过程故障诊断

随着间歇过程越来越受重视,其过程监控和故障诊断技术也成为研究热点。以核Fisher判别分析为基础,提出了基于核Fisher的正常工况与故障包络面模型,给出了基于该模型的在线故障诊断流程。此方法利用了Fisher判别分析对类别的划分特点,分别针对正常工况数据和各故障类型数据建立包络曲面模型。与多向Fisher判别分析相比,该方法按批次方向将数据展开,能够解决生产周期不一致问题,在线故障诊断时也不需要预报完整的生产轨迹,并且加入核函数来处理复杂的非线性。最后在青霉素发酵过程的仿真平台上对该方法进行测试,与改进多向Fisher判别分析方法进行对比,该方法获得了满意的诊断效果：能够及早诊断出故障的发生,并在有效识别已有故障的同时还具有对新故障的自学习能力。     

基于GWO-SVM算法的滚动轴承故障诊断

为实现机械设备滚动轴承的实时监测和故障的准确诊断,基于支持向量机(SVM)进行故障分类,提出采用灰狼算法(GWO)优化SVM的惩罚系数c和核函数半径σ;通过小波包对数据进行特征提取;最后以优化的SVM完成故障诊断。实验结果表明:GWO-SVM算法对故障识别的准确性明显提高。     

基于IALO-ELM模型的滚动轴承故障诊断方法

为了有效提取轴承振动信号中的运行状态信号,并根据信号特征进行故障诊断,提出滚动轴承故障诊断IALO-ELM新模型.采用柯西高斯变异对蚁狮优化算法进行改进,进而对极限学习机的参数进行优化,实现对滚动轴承故障的诊断.试验结果表明:IALO-ELM模型与SVM、ELM和ALO-ELM模型相比较,具有更好的稳定性,识别准确度达...     

基于EEMD和模糊BP神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出一种基于总体经验模态分解(EEMD)和模糊BP神经网络的故障诊断方法。首先对滚动轴承的振动信号采用总体经验模态分解方法进行分解,得到若干个本征模态函数分量(IMF);然后提取各分量的均方差、峭度和能量,把这些特征参数作为学习集和训练集,将学习集输入到模糊BP神经网络中进行学习;最后把训练集输入到特征参数经过学习训练后的模糊BP神经网络中进行故障类型识别,并与BP神经网络进行比较。实验结果表明:所提方法能有效地应用于滚动轴承故障诊断,而且比BP神经网络具有更高的精确度。     

基于GA-BP神经网络的多传感器轴承故障诊断

由于单一传感器采集滚动轴承的故障信息精度较低,提出基于GA-BP神经网络的多传感器信息融合方法。首先使用单一传感器采集其状态信息,并采用小波包分析提取轴承故障状态特征,然后采用遗传算法(GA)优化BP神经网络对单传感器进行滚动轴承故障诊断,接着运用DS证据理论把每一个诊断结果进行信息融合,最终得到诊断结果。仿真实验结果表明:该方法可提高滚动轴承故障诊断的精确度和效率。     

基于EMD瞬时功率谱熵的神经网络滚动轴承故障诊断

滚动轴承在发生故障时,其动力学特性往往呈现出复杂性和非线性,振动信号也会随之表现出非平稳性。为此,提出一种基于EMD瞬时功率谱熵的滚动轴承特征提取方法。该方法将轴承信号进行EMD分解,得到有限个IMF分量,对这些分量进行功率谱处理,计算其功率谱的信息熵。EMD瞬时功率谱熵作为特征向量,采用神经网络进行故障分类,实验结果表明,此方法的分类准确率可达96.25%。     

基于CEEMD和谱峭度的轴承故障诊断

针对共振解调在滚动轴承故障诊断应用中带通滤波器参数选择困难的情况,提出一种互补总体平均经验模态分解方法(CEEMD)与谱峭度相结合的轴承故障诊断新方法。通过实际信号验证了该方法的可行性与准确性。     

基于LabVIEW的倒频谱与包络谱分析在风电机组齿轮箱故障诊断中的应用

风力发电机组的齿轮箱许多故障信息以调制形式存在于振动信号之中,在此利用LabVIEW强大的信号分析功能对齿轮箱振动信号进行分析,开发出基于倒频谱与包络谱分析的齿轮箱故障诊断系统。试验结果表明:倒频谱与包络谱分析可以有效诊断出齿轮箱的故障信息。     

基于小波包-支持向量机的滚动轴承故障诊断

以轴承在正常、内圈和滚子裂缝、内圈和滚子剥落三种工况下的振动信号为研究对象,采用小波包频带能量特征提取的方法,构成振动信号的特征向量。在此基础上采用支持向量机对特征向量进行故障模式识别,试验结果表明,和神经网络相比,采用支持向量机进行故障诊断可以获得更高的诊断精度。     

带复杂花纹的子午线轮胎稳态滚动的有限元分析及沟裂问题的探讨

以子午线轮胎215/75R17.5为例,考虑轮胎变形的几何非线性、材料非线性以及轮胎与地面、轮胎与轮辋的大变形非线性接触等,并考虑复杂胎面花纹,利用ABAQUS软件建立轮胎与地面接触的三维有限元模型。对带复杂胎面花纹的子午线轮胎进行了静负荷工况、和稳态滚动工况的模拟,同时将分析结果与仅带纵向沟槽的轮胎进行了对比,并对轮胎沟裂问题进行了探讨。     

基于PSO-SVM的催化裂化装置故障诊断研究

提出基于粒子群优化算法和支持向量机的催化裂化装置反应再生子系统故障诊断方法。利用粒子群优化算法的全局搜索特性,实现支持向量机的参数优化算法。根据支持向量机算法构建了催化裂化装置反应再生子系统故障诊断模型。结果显示,该诊断方法准确率高,具有较高的使用价值。     

基于小波理论的主元分析在故障诊断中的研究与应用

主要分析主元分析的原理和主要算法及其在故障诊断方面的应用 ,简单介绍数据预处理的小波分析方法 ,并把这两种方法结合用于过程故障诊断。常减压装置的应用实例表明 ,结合这两种方法进行基于过程的故障诊断取得了较好的效果     

基于虚拟技术的齿轮故障智能诊断研究

利用LabVIEW图形化编程语言开发了信号分析与处理、信号特征提取和故障诊断三大模块。信号特征提取由小波包分解来实现,故障诊断通过神经网络完成,小波包分解提取的齿轮振动信号各频段能量特征值作为神经网络的输入向量。以模拟故障实验台获取的齿轮典型故障振动信号训练神经网络,利用训练好的神经网络对齿轮进行故障诊断,实验结果表明：所开发的齿轮故障智能诊断系统能有效识别齿轮故障,较好地将虚拟技术应用于故障诊断领域。