基于VMD与MLP的电机轴承故障检测方法

针对现有的永磁同步电机(PMSM)轴承故障检测方法准确度低的问题,对PMSM轴承故障表征方法和基于神经网络的检测方法进行了研究,提出了一种PMSM轴承故障归一化表征指标集合的构建方法,和一种基于VMD和MLP的PMSM轴承故障检测方法。首先,采用融合PMSM轴承故障频域特征进行归一化处理的方法,构建了一个PMSM轴承故障表征指标集合;然后,利用优化后的变分模态分解(VMD)方法,对振动信号进行了降噪重构,提取了故障频域特征,并计算出了归一化指标集合;利用基于多层感知器(MLP)的神经网络模型对获取的归一化指标集合进行了训练,得到了一种高准确度PMSM轴承故障检测器;最后,采用了一套可以模拟数控机床进给传动系统的试验测试装置,对基于VMD和MLP的PMSM轴承故障检测方法的有效性和先进性进行了验证。研究结果表明：PMSM轴承故障表征指标集合比现有的指标具有更强的故障表征能力,基于VMD和MLP的PMSM检测方法的平均检测准确度高达95.4%;该结果验证了归一化PMSM轴承故障表征指标集合的先进性,以及基于VMD与MLP的PMSM轴承故障检测方法的有效性。     

基于单个轴承动态故障诊断的轴承检测应用研究

分析了基于单个轴承动态故障检测平台下的轴承检测影响因素,提出故障判定方法,有效规避轴承检测中的误判与漏判,单个轴承故障诊断技术对轨道牵引电机检修技术具有重要意义。     

铁路货车轴承的声发射故障诊断及分析

结合声发射检测的特点和货车滚动轴承故障检测的现状，将声发射检测技术应用于货车轴承故障检测中，提出了小波包分析提取轴承声发射信号特征向量的方法，并利用概率神经网络的模式识别功能进行轴承故障状态的识别。     

基于倒谱预白化和随机共振的轴承故障增强检测

轴承损伤引起的冲击受到离散频率分量和噪声干扰,使轴承故障检测面临困难。结合基于倒谱编辑(Cepstrum editing procedure, CEP)的信号预白化和随机共振(Stochastic resonance, SR)微弱信号检测技术,提出一种轴承故障增强检测的新方法。信号预白化能够提升轴承振动信号的冲击特性,产生包含白噪声和轴承局部故障信号的白化信号。在未知最优共振频带的情况下,对白化后的轴承振动信号进行包络分析,增强故障特征分量的同时引入了较多噪声。通过随机共振的归一化尺度变换,将轴承包络信号作为检测模型的输入,增强轴承故障特征频率分量。提出将轴承故障特征频率处的局部谱峭度和局部信噪比作为对照指标。实测正常和外环植入故障轴承的诊断结果表明,提出的方法优于基于谱峭度优化的包络分析和单纯的信号预白化方法。     

改进ILoG算子的故障检测方法

针对强背景噪声干扰下轮对轴承故障特征微弱、难以准确检测的问题,提出了一种自适应改进高斯拉普拉斯(improved Laplacian of Gaussian,简称ILoG)算子的微弱故障检测方法。ILoG算子滤波器具有优良的信号突变特征检测能力,将其用于轮对轴承故障信号的冲击特征检测,同时利用水循环算法(water cycle algorithm,简称WCA)的寻优特性,并行搜寻筛选最佳的ILoG算子影响参数,通过对参数优化后ILoG算子滤波后信号做进一步包络解调分析,提取出轮对轴承微弱的故障特征信息。对实际轮对轴承外圈和内圈故障信号分析的结果表明,该方法可以有效检测出轴承微弱故障特征频率,故障检测效果优于小波阈值和多尺度形态学差值滤波方法。     

基于LDA模型的滚动轴承故障类型检测

将小波包变换与LDA算法相结合,提出了一种基于LDA模型的滚动轴承故障类型检测新方法。首先通过小波包变换提取轴承振动信号的能量特征及其所包含的故障信息特征,并用"词袋"模型将故障信息特征表示成视觉词向量,然后利用LDA模型对轴承故障类型进行判别。试验表明,该方法能精确提取轴承的故障信息特征,快速检测出轴承的故障类型,与SVM等方法相比检测精度更高,鲁棒性更强,具有很好的故障检测效果。     

用自回归最小二乘消噪法提纯轴承故障信号

为了消除噪声信息、提取反映机械部件故障的有用信息，对自适应消噪方法进行研究。利用自回归最小二乘消噪方法提纯反映轴承故障的机械信号，该方法应用于6215轴承故障的检测，提取出反映轴承故障的冲击信号，检测出其轴承外圈和滚珠故障，并与理论计算的轴承故障特征频率相吻合，效果很好。     

矿井提升机主轴轴承状态监控研究

主轴是提升机重要组成零部件,主轴故障中轴承故障占比较高,实现轴承状态监测对提升主轴运行可靠性、降低故障发生率具有显著促进意义。基于此,综合使用Zig Bee网络、传感器检测技术以及信息融合分析技术构建主轴轴承状态监测系统。该系统采用传感器实现主轴振动、温度以及驱动电机电流、电压参数检测,通过Zig Bee网络将检测参数传输至服务器,通过服务器内置故障检测与诊断系统实现信息融合分析,达到判定轴承状态、故障预警等目的。现场测试发现,该系统可实时监测、记录主轴轴承状态,故障时发出预警信息,达到增强提升机主轴运行可靠性目的。     

航空轴承工作状态判断的试验研究

根据轴承运动学原理推导出了轴承套圈、滚动体及保持架等元件的故障频率计算公式,分析了影响航空发动机和减速器的轴承各元件故障频率的因素。并以涡桨六发动机压气机后轴承作为试验件,在S206轴承试验器上使用JK8241轴承、齿轮早期故障检测仪对在各种工作状态下的轴承各元件故障进行检测。附图8幅,表2个。     

电力机车牵引电机轴承故障分析

本文主要介绍了和谐型电力机车牵引电机轴承设计、安装结构,发生轴承固死故障的表象,并从轴承质量、设计寿命、组装工艺等几个方面对故障产生因素进行了阐述分析,针对性地对故障轴承外观及断口情况、化学成分、表面硬度、金相组织进行检测、检验,对故障产生的原因进行了初步判断并提出应对解决措施。     

基于小波奇异谱及SVDD的轴承故障检测方法

针对传统轴承故障检测方法泛化能力较弱、训练样本数量需求过大、检测效果不佳的问题,提出了一种基于小波奇异谱及SVDD的滚动轴承故障检测方法。首先,利用db5小波对正常振动信号进行5层小波分解,并计算出奇异值进行优选;然后,将优选出的奇异值输入SVDD中进行训练,得到超球体中心和半径;最后,利用判别函数进行分类,判断轴承是否存在故障。试验表明,该方法的检测正确率达到了98.6%,可用于轴承故障检测。     

基于MED和SK的滚动轴承循环冲击特征增强

提出了一种融合最小熵解卷积(minimum-entropy deconvolution,简称MED)和谱峭度(spectral kurtosis,简称SK)的轴承循环冲击类故障检测方法。利用最小熵解卷积得到消噪信号,若能检测到轴承故障特征则完成诊断过程,否则对消噪信号进行谱峭度分析选取最佳滤波器参数,对滤波信号进行二次滤波。通过包络谱检测确定是否存在故障及故障类型。实验室信号及工程案例的分析结果验证了该方法在检测轴承局部故障中的有效性和优越性。     

基于图结构的轴承故障诊断北大核心

滚动轴承故障振动信号具有非线性、非平稳的特征,在轴承早期破损阶段,即使轴承表面出现了损伤,故障产生的振动信号仍然表现得非常微弱,再加上大量噪声的影响,仅从时域和频域很难发现故障特征,给故障检测造成了较大的难度。针对轴承振动信号的特点,将短时Fourier变换与图模型相结合,提出了一种基于图模型的时频分析方法,利用短时Fourier变换得到信号的时频图,选取每一时刻频谱图中各主频的幅值构建图模型,通过图模型的相似性对比检测轴承故障并通过主频幅值的变化量确定故障频率。     

改进SVM模型在轴承故障诊断中的应用研究

针对轴承故障诊断中支持向量机(SVM)模型结构自适应性差,导致SVM检测效率不高的问题,提出了基于核主成分分析(KPCA)和蚁群优化支持向量机(PSO-SVM)的轴承故障检测方法.该方法不仅能够利用KPCA选择轴承故障数据重要的非线性特征,确定最佳特征变量数,同时还应用PSO优化SVM训练过程,从而获得结构参数合理且泛化能力良好的轴承故障诊断模型.通过轴承故障实验数据来检验模型,结果表明了所提方法检测性能高于目前常采用的PCA-SVM、KPCA-SVM以及SVM等方法,从而为SVM更好应用于轴承故障诊断提供技术支持.     

深沟球轴承早期失效分析

通过对故障轴承的综合检测及对检测结果的分析,确定该轴承工作过程中承受了过大的轴向负荷,是造成轴承早期失效的原因。     

HXD3C机车电机轴承故障原因分析及应对措施

本文分析了HXD3C机车电机轴承故障及其车载走行部检测装置对电机轴承故障无法有效监测预警的原因。结合运用、检修提出了预防措施。     

航空发动机后轴承故障分析

针对某航空发动机后轴承的故障,进行了形貌观察、硬度检测、能谱分析以及尺寸测量,试验表明,故障与外来物、供油条件等没有直接关系,滚子尺寸超差导致轴承组件异常磨损是故障发生的主要原因。     

轴承故障识别与诊断方法的研究分析

滚动轴承故障的识别和监测是基于滚动轴承运行状态的监测信息,借助各种检测仪器和先进的检测技术,判断轴承是否存在故障,判定轴承故障的程度及其发展趋势。文中分别对各种滚动轴承故障的识别方法和滚动轴承故障的诊断方法及其特点进行分析研究。     

一种轴承故障检测的新方法

针对轴承故障检测中用一般的谱分析法难以实现故障的精确判定的问题,提出一种新的轴承故障检测方法。考虑到复倒谱法对周期性异常振动特征提取的有效性,利用频谱分析结合复倒谱分析对采集的轴承振动信号进行处理,先通过频域分析获取高、中、低频带的均值,再通过复倒谱方法获取异常振动产生的周期性激励信号提取振动信号特征参数,分离出噪声中的“异音”信号,并结合模糊算法,初步实现了轴承故障的智能定位。实验结果表明,该方法是有效的。在积累足够量的样本数后,可望建立相应的专家库,实现轴承故障的快速智能诊断。     

基于径向基函数神经网络的电机轴承智能故障诊断

本文提出了一种新的电机轴承故障诊断方法.首先把滚动轴承振动信号作为识别故障的特征向量,然后送入径向基函数神经网络中,进行故障类别的自动识别.试验结果表明,该诊断模型对电机轴承故障诊断具有良好的诊断效果,系统不仅能够检测到轴承故障的存在,而且能够比较准确地识别轴承的故障模式.