基于MUSIC算法的感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时振动信号的特性以及MUSIC算法及其高分辨率谱估计的特点，提出了一种基于MUSIC算法的感应电动机轴承故障检测方法。结果表明，在短数据情况下，相对FFT分析技术，该方法频率分辨率更高，故障检测更为准确，且计算量小，有利于电机故障实时状态监测。实验证实，将该方法应用于感应电机轴承故障检测，可准确检测出轴承故障时在包络信号中的故障特征成分，方法切实可行。     

利用定子电流监测法检测电动机轴承的故障

本讨论应用电动机电流频谱分析的方法检测感应电动机滚动轴承的故障。目前用于检测轴承故障工况的方法是监测轴承的机械振动频率。由于这些机械振动与电机气隙变化有关，所以对气隙磁通密度进行调节，产生的定子电流频率也可预测，这种频率是与电源频率和振动频率有关。本首先研讨电流监测对轴承故障检测的效果，其方法是在轴承初期故障引起的振动频率和电流频率之间建立联系。对轴承故障的型式进行了考察，确定了与轴承具体结构有关的轴承特征频率。叙述了对定子电流频谱的影响，确定了相关的频率。在设计监测定子电流的故障检测图方面，这是一项重要的结果。测试结果显示了具有各种轴承故障的感应电机振动和电流频谱，它们可用来验证振动频率与电流频率之间存在的关系。测试结果清楚地表明定子电流波形可用来识别轴承故障的存在与否。     

异步电动机轴承发热与振动的分析及其处理方法

电动机是发电厂及工、矿企业中广泛运用的动力设备，其轴承是电动机中的重要转动部件，轴承的运行、维护、检修及安装质量的优劣，将直接影响到电动机的安全运行及使用寿命。轴承的故障占有电动机故障的较大比重（约40％），由于轴承损坏造成的损失也相当严重。     

小波变换及经验模式分解方法在电机轴承早期故障诊断中的应用

电机轴承早期故障的有效诊断是实现安全生产、避免大事故的技术前提。文中用高精度加速度传感器采集电机轴承振动信号，采用小波变换实现信噪分离，提取淹没在噪声背景中的早期故障特征信息，然后对提纯的信号进行经验模式分解（EMD）而得到若干个基本模态分量（IMF），再计算各基本模态分量的频谱。理论及试验研究结果表明：按此方法得到的各基本模态分量的频谱突显了轴承的故障特征信息，能有效诊断出轴承的早期故障。     

核电设备冷却水泵轴承温度高分析与处理

某核电厂设备冷却水泵自运行以来，多次出现驱动端轴承温度高报警故障，给机组运行带来严重安全隐患。通过对驱动端轴承运行时温升进行计算，最终确认驱动端轴承选型错误是导致设备冷却水泵驱动端轴承温度高的根本原因。对比轴承的安装尺寸，重新选型角接触球轴承SKF7236来替代圆锥滚子轴承SKF31326，彻底消除了设备冷却水泵驱动端轴承温度高报警故障。     

形态梯度解调在电机轴承故障特征提取中的应用研究

轴承故障在电机设备常见故障中占有很大比例，且极易与转子故障发生耦合作用，形成复合故障。针对电机轴承故障信号调制性的特点，提出采用形态梯度解调方法对轴承故障信号中的冲击成分进行提取。针对传统包络解调分析在处理双加性时域信号时的局限性，仿真验证了形态梯度和形态差值算子在处理该类信号时的有效性。通过分析结构长度对解调性能的影响，论证了形态梯度解调在解调性能等方面要优于形态差值解调，更有利于进行特征提取。仿真和实例证明，形态梯度解调算法克服了包络解调抗低频信号干扰能力不强的缺陷，且故障特征反应明显，可以更有效地提取电机轴承故障特征。     

电机轴承故障监测系统设计

针对电机轴承监测系统中高频信号接收存储功能容易丢失数据的问题以及如何实现轴承故障精确诊断的问题，利用LabVIEW、Access和MATLAB混合编程，设计开发了一种电机轴承故障监测系统。本系统通过LabVIEW的生产者和消费者结构，以TCP/IP的通信方式实现振动信号的高速接收和实时保存；通过LabVIEW的UDL实现Access数据库的增、删、改、查操作；针对轴承状态模式识别问题，提出了一种基于变分模态分解结合排列熵与自组织特征映射神经网络的轴承故障诊断方法。经过实验验证，电机轴承故障监测系统的高频信号的接收速度达到了12.577 KSps，可以实现数据的实时存取，在信号分析功能中所提出的基于VMD-PE-SOM神经网络的轴承故障诊断方法的平均识别准备率达到了99.06%，本系统将振动信号采集功能与故障诊断功能整合在了一起，具有接收速度快、不丢包、交互性好、故障识别率高等优点。     

基于改进谱峭度图与多维融合CNN的轴承故障诊断方法

针对轴承振动信号中存在与故障特征相关性较低成分的干扰导致故障诊断准确率降低的问题，提出了一种基于改进谱峭度图与多维融合CNN的轴承故障诊断方法。首先，为提高振动信号与故障特征的相关性，减少干扰成分，以双树复小波包变换为基础构建改进谱峭度图模型，增强多分辨率差异性故障特征表达。然后，考虑丰富特征评价维度，构建多维融合CNN模型，将原始信号与改进谱峭度图共同作为多维特征输入实现故障精准诊断。实验结果表明，该方法能够提取各类轴承振动信号中具备差异性的故障特征，在多工况下均能够准确识别轴承故障，具有较好的诊断精度。     

电机振动监测故障分析

针对电机故障原因复杂情况，运用冲击脉冲值和振动加速度包络gE值综合监测来判断轴承故障状态，并结合频谱分析确定轴承故障部位。实际运用情况表明，电机振动监测可为电机故障诊断打开突破口。     

基于复杂度分析的电机转子-轴承系统早期故障检测方法

将复杂度分析方法用于转子-轴承系统的早期故障诊断中。同传统的频谱分析方法相比，复杂度分析更适用于非线性、非平稳信号的分析，详细介绍了复杂度的定义及其算法。着重用复杂度分析方法对轴承内圈裂纹早期故障及转子早期碰摩故障的试验数据进行了分析，结果表明系统发生故障时，信号的相对复杂度与正常状态相比均有明显的增加，该方法能够准确地检测出早期故障，并且可以对转子-轴承系统状态进行定量刻画。     

基于振动监测的电机轴承故障智能诊断

电机轴承故障是电机常见故障之一。对电机轴承故障进行精确诊断是确保电机安全稳定运行的必要措施。现提出了一种基于振动监测的电机轴承故障智能诊断方法。利用振动加速度传感器监测电机轴承振动,采集电机振动加速度数据,然后对电机振动加速度数据进行时域分析和频域分析,提取与电机轴承故障相关的时域特征参数和频域特征参数,再依据电机故障故障特征参数判断电机是否存在轴承故障。实际应用表明,电机轴承故障智能诊断方法可对电机轴承故障进行精确诊断。     

改进GAN结合SDAE的传动系统主轴承故障诊断

针对传动系统主轴承故障诊断准确率低的问题，结合辅助分类器生成对抗网络(ACGAN)与堆叠降噪自编码器(SDAE),提出一种ACGAN-SDAE的故障诊断方法。通过ACGAN生成高质量的新样本，以扩充传动系统主轴承故障样本量的大小，并利用SDAE从含噪样本中提取鲁棒性特征，提高了故障诊断的准确率。仿真结果表明，ACGAN-SDAE故障诊断方法可有效诊断不同故障样本量下的传动系统主轴承故障，具有良好的域自适应性和抗噪性能，平均故障诊断准确率达到90%以上，相较于SDAE、SVM、MLP常用故障诊断方法，具有一定的优越性。     

蓄电池间排风机轴承选型问题分析

1E级电气间蓄电池是电站丧失电源后重要的备用电源，为保障房间内氢气浓度低于设计值，蓄电池房间持续排风尤为重要。从皮带选型、轴承载荷计算的角度核算蓄电池间排风机选型，处理现场风机运行故障并提出简化后的轴承载荷计算方法，为后续电站风机故障排查、轴承选型计算及设备可靠性优化提供参考。     

微电机轴承的正确安装

城市饭店排烟罩上用的轴流风机，农村烟筒上用的抽烟机，数量极大，都在较热工作条件下工作，所用轴承型号多是6209、6009等全密封型微轴承，故障都是轴承抱死不转，每年都会换几口新轴承。     

火电厂泵轴承损坏原因分析与对策初探

根据火力发电厂泵轴承在运行中发生的各种故障，分析了泵轴承损坏的原因，针对轴承损坏原因从运行和检修的角度提出了预防轴承损坏的对策。     

电动机滚动轴承的故障诊断

本文根据滚动轴承发生损伤故障时振动信号的特点，利用带通数字滤波和希尔伯特变换，对电动机轴承振动信号进行处理，然后对包络信号作谱分析，再从包络谱中提取故障特征频率分量，以诊断电动机轴承故障。实验结果表明，这种诊断方法是很有效的。     

利用振动功率谱诊断磨煤机减速器故障的研究

以福斯特-惠勒FWD-11-D型磨煤机的减速器为例，通过对减速器的轴承磨损故障进行监测和诊断，介绍了利用振动功率谱诊断减速器轴承初期磨损故障的方法。     

一台汽轮机转子中心孔进油的振动原因分析

一台50MW新机试运时，第一次启动振动状况良好，除了2号轴承振动30μm，其他轴承振动均小于10μm，第二次启动做完电气试验后并网带负荷，出现2号轴承振动超标，通过试验分析，诊断出机组振动原因是汽轮机转子中心孔进油所致。文章分析了这种故障导致振动的机理、途径以及故障的诊断方法。     

330 MW汽轮机大修后低压转子振动异常原因分析及处理

<正>针对某330 MW汽轮机大修开启后，电气测试期间2号轴承振动异常等故障，经过对电气测试时间和汽轮机起停机阶段中的振动特性及运动参量的解析，判定中压缸膨胀异常导致3号轴承抬高，引起2号轴承支撑脱空是故障的主要因素。调节2号、3号轴承标高并对支承板角弯沉进行补偿后，汽轮机在起动、带负载的工作过程中各轴承振动均正常，在不同载荷下的推力瓦温度均符合要求，为解决同类问题提供了参考。     

基于快速排序绝对值特性全连接分类器的轴承故障诊断

工业生产中的机械设备故障是一个反复出现的问题。一个微小的故障会对机械设备造成不可逆转的损伤。严重的机械设备故障会导致企业生产部门停产，进而导致企业的经济效益下降。提供准确及时地故障诊断能最大程度避免轴承故障的出现。提出一种快速排序绝对值特性全连接分类器(fast sorted absolute feature Fully-connected classifier, FSAFCC)用于轴承的故障识别。FSAFCC有两个部分。FSAFCC第1部分是数据预处理部分。数据预处理部分是对采集到的原始信号进行随机时刻截取、取绝对值和排序的操作。FSAFCC的第2部分是利用全连接分类器进行轴承的故障分类。FSAFCC在数据预处理部分只需要进行取绝对值和重新排序的计算；FSAFCC的数据预处理部分计算步骤简单，而且计算量很小，所以FSAFCC的运算速度很快。FSAFCC方法在美国西储大学轴承故障数据集，轴向柱塞液压泵数据集和自吸离心泵数据集中进行实验，实验结果表明，FSAFCC的方法在轴承故障诊断领域不但有着很高的准确度，而且所用时间很短。