基于RBF神经网络的转子-轴承系统故障诊断

提出一种用FFT和RBF神经网络实现转子-轴承系统故障诊断的方法。使用FFT提取旋转机械的故障特征向量,再结合RBF神经网络强大的自学习和分类能力,实现转子-轴承系统的故障诊断。在故障试验台上模拟转子-轴承系统正常、轴承内圈故障、转子不平衡故障1和2以及混合故障1和2,试验结果验证了该法对转子-轴承系统故障诊断的可行性和有效性。     

基于LabVIEW的柴油机燃油性能检测系统

给出了利用油压变化来检测柴油机燃油系统故障的机理.通过测取油压曲线对柴油机燃油性能状态进行检测,并构建以虚拟仪器为核心的柴油机燃油性能状态采集系统,建立了表征燃油系统性能状态的特征参量、正常与故障判定准则和基于神经网络的故障类型识别系统,并采用LabVIEW实现.     

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。     

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。     

小波和RBF神经网络在轴承故障诊断中的应用

分析了基于径向基神经网络的故障诊断方法和原理,采用小波包分析对其建立频域能量特征向量,利用径向基函数神经网络完成滚动轴承故障模式的识别.试验结果表明,系统不仅能够检测到轴承故障,而且能够比较准确地识别轴承的内、外圈故障模式,可以满足工程中的需要.     

稀疏自编码深度神经网络及其在滚动轴承故障诊断中的应用

针对目前滚动轴承故障诊断主要采用监督式学习提取故障特征的现状,提出了一种基于稀疏自编码的深度神经网络,实现非监督学习自动提取滚动轴承振动信号的内在特征用于滚动轴承故障诊断。首先,将轴承故障振动信号的频谱训练稀疏自编码获得参数;然后用稀疏自编码获得的参数和轴承振动信号频谱的频谱训练深度神经网络,并结合反向传播算法对深度神经网络进行整体微调提高分类准确度;最后用训练好的深度神经网络来识别滚动轴承故障。对正常轴承、外圈点蚀故障、内圈点蚀故障和滚动体裂纹故障振动信号的分析结果表明:相比反向传播神经网络,提出的深度神经网络更能准确的识别滚动轴承故障类型。     

卷积神经网络在轴承故障识别的应用

针对传统故障诊断方法在轴承故障诊断识别率低、人为干预多等问题,提出一种基于卷积神经网络的故障识别方法。通过对轴承各类故障信号进行数据处理,提取出故障信号的特征,构建故障类型数据集,建立卷积神经网络图像识别模型,将故障数据集送入模型训练获得较优识别模型,最后将待识别故障信号特征图送入模型进行故障类型识别。经实验验证,该方法满足多类轴承故障识别的要求,具有较高的故障识别率。该方法无需人为参与,只需将待测信号进行数据处理送入模型进行识别,符合智能故障诊断的发展趋势,在机械故障领域具有一定的应用价值。     

基于BiLSTM的滚动轴承剩余使用寿命预测

滚动轴承是重要的机械标准件,在机器中被大量使用,但轴承本身易出故障且比不易排查,预估轴承剩余使用寿命,能够提前对轴承开展有效的维护保养,保障机器的正常运行,因此,滚动轴承的剩余使用寿命有非常大的研究价值。针对滚动轴承开展研究,首先对传感器采集到的轴承振动信号计算时域特征,作为输入特征值,并预设寿命退化值,然后使用双向长短期记忆神经网络BiLSTM建立轴承退化模型,并根据模型拟合出轴承的剩余寿命曲线。通过在公开数据集上进行验证,基于BiLSTM的模型能准确预测出轴承的剩余使用寿命。     

基于神经网络算法的故障检测技术

针对复杂的机电产品内部构件状态检测这一工程难题,本文介绍了一种自动在线检测系统.该系统采用X射线对产品成像,运用数字图像处理技术对射线图像进行预处理,由神经网络算法进行故障诊断.故障识别模型采用了改进的BP神经网络算法,以正常装配状态时的多幅图像经预处理后作为学习样本训练BP神经网络.检测时一般只需拍摄两幅不同方位的图像,经预处理后输入神经网络与样本图像进行比较判断,即可识别出关键元器件的状态.该系统将数字射线成像技术和图像处理技术相结合,并在故障识别算法中采用了神经网络算法,提高了产品故障的检测速度和可靠性,在工业无损检测领域具有一定的实用性.     

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.     

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。     

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。     

PCA和自相关包络分析在转盘轴承故障诊断中的应用

提出一种自相关降噪和主元分析(PCA)相结合的故障检测和诊断方法。首先采用自相关分析对正常运行状态的振动样本数据进行降噪,然后建立PCA模型,并通过T2和SPE统计量来区分正常和故障状态,最后采用Hilbert包络解调获取故障特征频率。转盘轴承加速寿命试验表明,该方法不但能较好地检测转盘轴承故障状况,而且可准确识别转盘轴承故障类型。     

基于综合信息融合神经网络的轴承故障诊断

因轴承的工作环境恶劣,导致其故障多发,在对轴承故障进行快速诊断和定位时存在困难,为此,提出了一种基于综合信息融合神经网络的轴承故障智能诊断方法.首先,介绍了前置神经网络的工作原理,推导了前置神经网络的链接权值系数训练方法,制定了前置神经网络的算法流程;并基于D-S证据论和Dempster组合规则,设计了后置神经网络的故...     

基于EEMD消噪和相关系数识别的滚动轴承故障诊断方法

针对往复泵动力端滚动轴承振动信号非平稳、非线性且含有大量噪声的特点,提出基于EEMD、距离因子、相关系数和小波包分解相结合的诊断方法。通过在轴承寿命试验台上测取轴承振动信号,利用EEMD对所测信号进行分解,根据距离因子和相关系数相结合的方法筛选并重构IMF分量,以突出故障特征信息且避免偶然误差影响,重构振动信号进行小波包分解后构造能量特征信号向量,然后计算特征向量的相关系数,通过比较所得相关系数的差值绝对值判断故障类型。此方法的故障识别率与直接对轴承振动信号进行相关系数分析相比,故障识别率有较大提高,而且无需像神经网络识别需要大量数据训练,是一种较好的轴承故障识别方法。     

全矢RNN的轴承故障诊断研究

本文提出了一种基于全矢谱的RNN故障诊断方法.RNN是为了在保证在时序信息上能够提取出轴承的特征信息,并且根据全寿命周期的时序信息得到轴承的退化过程,并根据退化特征对于轴承故障信号进行分类.全矢谱技术利用同源双通道故障信息的完备性,并在此基础上,结合循环神经网络的网络特性,取代手工提取故障特征.经过试验结果验证了全矢循环神经网络(FV-RNN)方法提取得特征更加全面和准确,且该方法优于手工选择特征CEEMD以及单通道RNN网络模型.     

基于ARM的嵌入式轴承健康监测系统设计

针对传统轴承健康监测系统集成度低、体积较大的问题,设计了一套基于ARM的嵌入式轴承健康监测系统。系统基于ARM9内核的S3C2440A主控芯片、Linux操作系统与Qt图形化开发软件,实现了轴承状态信号采集、实时分析处理、LCD显示、上传云服务器、状态报警与故障诊断功能。通过小波包能量熵提取故障特征,可以准确地反映出故障聚集的频段,并将其输入到RBF神经网络实现故障类型的自动识别,提高了诊断的质量和效率。试验结果表明,系统数据可靠、通信效果好、故障诊断准确率高,满足实际应用的需求。     

变工况下基于信息融合的地铁牵引电机轴承故障智能诊断

针对传统滚动轴承故障诊断方法过于依赖先验知识和专家经验,以及单一信号对某些故障识别率偏低的问题,提出一种变工况下基于信息融合的地铁牵引电机轴承故障诊断方法.首先搭建滚动轴承试验与多信息采集系统;其次对地铁牵引电机轴承进行缺陷预制并采集轴承试验过程中的声发射和振动信号;然后用小波包分解对原始信号进行处理并提取特征,再用卷积神经网络对归一化后的特征信息进行融合;最后建立二维卷积神经网络模型,对不同工况下的地铁牵引电机轴承故障进行智能诊断.试验结果表明:变工况下基于信息融合的地铁牵引电机轴承故障智能诊断方法,可在载荷和转速变化的情况下准确识别轴承的故障类型,当神经网络训练集与测试集涵盖工况相同时,准确度可达100％.     

轴承动态刚度测量方法及测量设备研究

作为机床主轴的核心零件,轴承的动态刚度对机床加工精度至关重要。为模拟机床主轴轴承的工况,测量轴承运转过程中的动态刚度,设计了一种能够对多种组配形式的轴承轴向或径向动态刚度进行测量的轴承动态刚度测量仪。该测量仪有柔性驱动系统驱动、伺服电缸加载、直线旋转运动轴系传递载荷和旋转,测量系统能够实时监测轴承转速、载荷和被测轴承变形量等数据,从而计算出被测轴承的动态刚度。阐述了测量仪的工作原理、测量主体、柔性驱动系统、加载系统等关键系统的结构和工作方式,介绍了测量仪的技术特点,并通过试验验证了测量仪的可靠性。     

XD120型压路机故障两例

故障1一台XD120型压路机在向前行走时,偶尔会出现机器被卡住不走的现象(机器向后行走一直正常),此时只要将机器向后行走一下再向前走,卡住现象就立刻消失。在出现此故障时,我们用压力表测液压驱动系统的压力,压力达到30MPa以上,表明驱动系统的压力过高,故判断此现象为机械系统故障,而非液压系统的故障所致。首先检查了机上钢轮与机架连接的轴承支撑部位,此处正常。