共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
现有轴承故障诊断技术存在以下问题:①传统诊断方法需要人工提取特征,耗时长,诊断结果不稳定;②卷积神经网络诊断方法需要大量的计算资源和较长的训练时间,与故障诊断的实时响应要求存在矛盾。针对以上问题,提出一种云/边缘协同的实时轴承故障诊断方案。经过实验验证,该方案在拥有少量样本情况下与不进行云/边缘协同相比可大幅提高诊断准确率,并节约大量的训练时间。通过改进的轴承故障诊断算法达到了较高的故障诊断准确性,并通过模型的迁移学习与边缘端协同,增强了故障诊断算法对个性化应用的适应性和故障诊断的实时性。 相似文献
3.
《机电工程技术》2020,(10):8-8
2020年第49卷第10期关键词故障诊断P01(约稿)机械故障诊断学是一种了解和掌握机器在运行过程中的状态,确定其整体或局部正常或异常,早期发现故障及其原因,并能预报故障发展趋势的技术。随着人工智能和信息技术的快速发展,故障诊断也从基于故障机理和经验模式的诊断方法逐步向智能诊断等方向发展。《机械故障诊断技术机遇与挑战》一文从诊断技术侧重的不同,将故障诊断技术分为实时故障诊断、早期故障诊断、智能故障诊断和5G联合数据故障诊断4类,从不同角度对故障诊断技术的新进展进行了探讨,指出故障诊断未来的发展方向将是针对产品具体需求切实提升企业产品的智能化水平,以及如何利用大数据,针对行业提供专业化、规模化服务。可为故障诊断系统的研究与应用提供参考。 相似文献
4.
5.
6.
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。 相似文献
7.
8.
9.
基于掘进机轴承故障现存的难诊断、诊断效率不高、诊断结果无法实现可视化等问题,分析了掘进机轴承故障诊断系统应具备的主要功能以及实现这些功能应用到的主要功能模块,提出了掘进机轴承故障诊断系统总体设计方案,探讨了该方案的具体实现策略.该系统不仅可及时高效地诊断掘进机轴承故障,而且可使诊断结果达到可视化,可有效减少掘进机轴承故障诊断维修时间. 相似文献
10.
低信噪比下的滚动轴承早期微弱故障识别是轴承故障诊断领域的一个难点问题,基于希尔伯特变换解调的包络谱分析法虽是得到广泛工程应用的轴承故障检测经典方法,但其对信噪比过低的轴承早期微弱故障诊断能力不足。针对这一问题,采用时频域高阶统计量——谱峭度开展滚动轴承早期微弱故障识别研究。利用滚动轴承从完好逐渐发展到外圈损伤失效的全寿命周期试验数据进行分析,结果表明:对于轴承出现的早期微弱故障,谱峭度法能够通过识别提取位于高信噪比共振频带的微弱故障信号,实现轴承早期微弱故障识别,相比直接采用包络谱分析法提前了200 min检测出微弱故障。 相似文献
11.
独立分量分析在直升机齿轮箱故障早期诊断中的应用 总被引:11,自引:0,他引:11
齿轮箱早期的故障信号往往十分微弱 ,信噪比低 ,这大大限制了已有诊断方法在早期诊断中的应用 ,因此如何获取真实的振动信号是提高齿轮箱早期故障诊断质量的关键 ,独立分量分析 (ICA)为此提供了一种新的思路。文中研究了ICA在齿轮箱故障早期诊断中的应用 ,首先分析了齿轮箱的混合振动信号模型 ,然后针对具体的轴承故障进行了实验 ,并使用快速ICA算法分离出轴承的振动信号 ,再将其功率谱与原始振动信号的谱相比较 ,结果表明ICA更易于实现故障的早期诊断 ;最后提出了进一步的研究建议。 相似文献
12.
针对基于机匣采集的振动信号难以有效提取出航空发动机中介主轴承早期微弱故障特征的问题,提出了基于巴特沃斯低通滤波器降噪和Hilbert包络解调的中介主轴承早期微弱故障诊断方法。该方法依托带涡轮支承和外机匣的新型航空发动机中介主轴承试验器,首先,开展某型发动机巡航状态下健康中介主轴承试验,获取基准振动频谱特征;然后,进行外圈剥落预置故障的轴承试验,对采集的振动信号通过低通滤波降噪并进行Hilbert包络分析解调出低频故障信号;最后,对比分析健康主轴承试验与轴承故障试验的时域波形、频谱和包络谱。结果表明,包络谱中转差信号与呈现"山"型边带特征,可用于诊断该型航空发动机中介主轴承外圈的早期剥落故障。 相似文献
13.
大数据时代下的轴承故障监测存在海量数据处理实时性和故障特征选取的主观性问题,为了实时、智能的实现轴承故障诊断,提出了压缩感知(Compressed Sensing,CS)与改进的深度极限学习机(Multilayer Extreme Learning Machine,ML-ELM)相融合的轴承故障诊断新方法.该方法首先通过压缩感知理论从大量轴承监测数据中获取能够表达特征信息的少量数据,然后用轴承信号在压缩感知变换域中的测量值进行由PSO改进的深度极限学习机分类识别,实现故障智能诊断.此方法大幅减少了轴承诊断信号的数据量并省去了智能诊断时特征选取的步骤,充分利用了深度极限学习机从少量测量值中挖掘轴承信号的特征信息,实现了智能、准确的分类.实验分析表明:该方法对不同位置、不同损伤程度的故障能够准确的识别,为轴承状态监测和故障诊断提供了新方法. 相似文献
14.
针对滚动轴承早期故障提出了三稳态随机共振故障诊断新方法。介绍了三稳态随机共振的基本理论,对比三稳态与双稳态系统说明其产生随机共振的可能性;采用小幅值正弦信号模拟故障输入信号,研究了不同频率下输出与输入信号频谱峰值比,得到了三稳态随机共振的诊断可行性。使用滚动轴承早期故障实测信号作为实验数据,实验结果表明三稳态随机共振对轴承早期故障具备良好的直接诊断能力,为滚动轴承早期故障诊断方法提供了一种新思路。 相似文献
15.
16.
行星轮系是重要的旋转机械部件,对其早期故障进行诊断是避免重大事故发生的重要手段。行星轮系早期故障诊断已经成为学者研究的焦点。分析了行星轮系早期故障信号的特点,梳理了行星轮系早期故障机理、信号获取方法、故障特征提取与识别的研究现状;归纳总结了早期故障诊断研究存在的主要问题,提出了开展基于动力学模型的早期复合故障机理研究、基于多传感器的早期故障信号获取方法研究、基于多域分析的早期故障特征指标研究、基于数值模型驱动的早期故障诊断研究等方面的建议;为进一步开展行星轮系早期故障诊断的研究提供依据。 相似文献
17.
《机械传动》2016,(10):48-53
为提高航空发动机轴承故障诊断精度,应用距离评估准则和概率神经网络分类技术,提出了一种基于特征选择与概率神经网络的轴承故障诊断方法。首先,利用轴承故障试验数据,提取得到14个时域特征和13个频域特征,构成故障诊断多域特征集;其次,为提高分类效率,降低各特征量间的耦合特性对分类结果的影响,应用基于距离评估的特征选择方法,筛选得到分类性能更好的特征参数;在此基础上,应用概率神经网络方法进行了轴承故障诊断研究。应用轴承模拟故障实验数据进行验证,结果表明,与BP神经网络和支持向量机诊断方法相比,PNN方法诊断精度更高;同时由于采用了特征选择,诊断效率和精度又得到进一步提高。 相似文献
18.
文中针对列车走行部中轴承的故障设计了一种故障监测系统,实时监测轴承的状态,提高轴承故障诊断的精度。该系统将数据采集与处理分离,对轴承的温度和振动数据进行采集,传给处理板进行诊断,使用谱峭度提取振动信号中的共振频率,以此确定复Morlet小波的中心频率和尺度,使用小波变换对信号进行处理。该算法能自适应提取信号的共振频率,有效过滤外界噪声的干扰,提高轴承故障诊断的精度。通过模拟轴承故障对该系统进行验证,该系统能有效检测走行部轴承的故障。 相似文献
19.
FMS实时故障诊断专家系统的研究 总被引:1,自引:0,他引:1
将专家系统技术应用在FMS故障诊断中,建立了一个具有在线故障数据采集和故障自动诊断功能的FMS实时故障诊断专家系统,同时介绍了专家系统的总结结构,知识表示和自动推理机制。 相似文献