基于声发射技术的铁路货车滚动轴承故障诊断研究

采用声发射技术对铁路货车滚动轴承的故障诊断是一种新型的无损检测方法。对采集到的声发射信号进行基于小波变换的带通滤波处理后,故障特征信息明显,容易区分出铁路货车滚动轴承的不同状态。将声发射技术用于铁路货车滚动轴承的状态监测与诊断中,经大量试验证明,该法能准确区分轴承状态的好坏与故障类型。     

基于声发射技术的滚动轴承故障检测

利用声发射传感器、PCI-2声发射数据采集卡和AEwin软件系统建立滚动轴承故障检测试验台,进行轴承故障诊断。利用能量分析法对采集的声发射(AE)信号进行初步故障诊断,对自相关处理后的声发射信号进行FFT变换得到频域信号,并采用模糊识别法中的"择近原则",通过建立隶属函数和贴近度函数来识别轴承的故障类型。     

基于EMD和信息熵的滚动轴承故障诊断

提出了一种基于EMD和信息熵的滚动轴承故障诊断方法。利用EMD将滚动轴承振动信号分解为多个IMF分量,计算各个IMF分量的信息熵,设定有效的熵阈值来取舍IMF分量,利用保留的IMF分量重构信号,并对重构信号进行Hilbert包络谱分析,提取滚动轴承故障特征频率。对实测滚动轴承振动信号分析表明,该方法能有效提取滚动轴承的故障特征频率。     

声发射技术在设备故障诊断中的应用

信号采集是机械设备故障诊断的基础,信号采集得是否及时、正确直接影响到诊断结果的正确性。利用声发射技术实现故障信息的实时采集,同时使用计算机对信息分析、处理,以此为原理构成了在线故障诊断监测系统。本文对这一系统进行了简要介绍。     

基于周期性声发射撞击计数的滚动轴承故障诊断

分析滚动轴承不同类型故障特征频率与声发射累积撞击计数间的内在联系,建立基于周期性声发射累积撞击计数的滚动轴承故障诊断方法。采用非接触式声发射测试技术,对工作状态下滚动体、外圈和内圈故障分别进行测试及分析,试验结果证明了周期性声发射撞击计数与滚动轴承故障特征频率间的定量关系。依据此方法可对滚动轴承故障进行早期诊断。     

基于声发射和ICA信号处理的轧机齿轮箱故障诊断

轧机齿轮箱传动系统是轧机系统的重要组成部分,也是较易出现机械故障的部分。轧机齿轮箱出现故障后其异常振动会严重影响轧制过程的稳定性,造成轧辊轴承损坏、轧件质量变差等不良后果。通过声发射监测技术实现振动信号的采集,并结合基于EMD的ICA信号处理方法,得出发现和诊断轧机齿轮箱各类故障的有效方法。通过对某钢厂轧机齿轮箱实测信号的分析验证了此方法的可靠性。该方法的应用极大提高了轧机系统在轧制过程中的稳定性,为实现精密轧制提供了帮助。     

借助振动和声发射诊断滚动轴承的失效

借助振动和声发射(ＡｃｏｕｓｔｉｃＥｍｉｓｓｉｏｎ,简称ＡＥ)来检测和诊断轴承的滚动接触疲劳失效,已经做了大量的研究工作(ＤａｒｌｏｗａｎｄＢａｄｇｌｅｙ,1975;Ｂｅｒｒｙ,1991;Ｃａｒｔｅｒ,1996;Ｂａｒｋｏｖ等,1996;Ｊａｍｅｓ等,1973;Ｅｎｓｏｒ等,1975及Ｉｎｏｕｅ等,1987)。在通过振动和ＡＥ检测轴承的失效中,快速傅里叶变换(ＦＦＴ)分析被广泛采用。然而ＦＦＴ分析需要许多步骤才能得到轴承中有缺陷的零件的频谱。为了在轴承应用中推广现代诊断技术(ＣＤＴ),有必要研究更简便的分析方法。本文所述方法是通过ＡＥ声源定位和测…     

小波包原理在滚动轴承声发射检测技术中的应用

详细分析了小波滤波原理。在大量实验分析和理论分析的基础上，提出了使用基于特征频率的小波滤波方法。从而解决了由噪声引起的检测故障滚动轴承误判的问题，并为下一步的信号特征提取打下了坚实的基础。     

空域相关和LMD结合的滚动轴承声发射信号特征提取

为了消除噪声对轴承诊断效果的影响,提出了一种局域均值分解(Local mean decomposition,LMD)和空域相关相结合的轴承声发射信号特征提取方法。首先,利用LMD将轴承故障的声发射信号分解为若干个乘积函数(Production Function,PF)的线性组合;然后,采用峭度准则选取能够反映轴承故障特征的PF分量,对选取的PF分量分别采用空域相关法进行去噪,再重构去噪后的PF分量。最后,对去噪后声发射信号进行Hilbert包络谱分析,并与所选PF分量直接Hilbert包络谱分析结果进行对比。仿真计算和实验分析表明,本文提出的方法能够有效地提取轴承故障声发射信号特征。     

铁路货车轴承故障声发射信号的小波分析处理

将声发射技术用于铁路货车轴承故障信号的采集，用小波分析进行带通滤波，从而减少了背景噪声和其他工况的干扰，成功地将正常轴承与故障轴承区分出来。     

基于声发射技术的滑动轴承故障诊断方法研究

滑动轴承的代表性故障是轴承与轴颈的接触摩擦故障.在机械故障与转子动力学模拟实验台上模拟了滑动轴承的接触摩擦故障,利用声发射技术进行滑动轴承状态检测.实验研究结果表明声发射检测技术用于滑动轴承故障诊断切实可行,诊断结果准确可靠.     

基于信息熵的轧辊裂纹声发射三维定位方法

在平整机的轧制过程中,轧辊表面承受巨大的接触应力、交变应力和摩擦力作用,易产生裂纹。在复杂载荷的作用下,裂纹会成为疲劳核心,其尖端的应力急剧增加并导致裂纹扩展,严重时会造成断辊事故发生。同时,裂纹的不断扩展伴随着应力波的释放,产生声发射(Acoustic emission,AE)现象。利用声发射技术对平整机轧辊裂纹进行定位,不需要全辊身进行逐点扫描,检测效率高,实时性好。针对平整机轧辊的声发射三维定位中存在的定位"多源性"干扰问题,提出基于信息熵的轧辊裂纹声发射三维定位方法。利用信息熵对声发射参数进行权重的量化,进而获得评价轧辊状态的综合指标;根据正常辊综合指标的分布,确定干扰源的指标范围;利用此范围将裂纹辊中的干扰源有效剔除,进而提高裂纹辊的定位精度。利用该方法对某钢厂冷轧平整机的正常辊和裂纹辊的试验数据进行分析,处理前后的结果验证了方法的有效性,为准确及时地检测出裂纹的位置信息、保证轧辊的安全生产提供有力的数据支持。     

声发射法在滚动轴承故障识别中的应用

本文研究了用声发射法（简称AE）诊断滚动轴承故障的新技术，首次提出用谐振能量比判别法对滚动轴承故障进行定量诊断，在自制的实验装置上应用简单而有效的声发射信号的提取与处理系统，成功地诊断了轴承的故障，实验证明，本文提出的声发射检测方法简单，易行、是一种很有前途的方法。     

滚动轴承故障声发射信号的小波包络谱分析

利用声发射信号的高频特性采集滚动轴承故障信息,采用小波分析技术把信号分解在不同频带,对信号进行重构,从而消除背景噪声,再采用小波包络谱分析方法识别故障信息.试验结果证明,基于声发射信号的小波包络谱分析可以有效地检测滚动轴承故障.     

基于TL-LSTM的轴承故障声发射信号识别研究

针对多工况下滚动轴承故障声发射信号智能识别问题,提出了一种长短时记忆网络(LSTM)与迁移学习(TL)相结合的故障识别新方法。该方法仅以单一工况下原始声发射信号参数作为训练样本,构建LSTM模型充分挖掘出声发射信号与故障之间的深层次映射关系,以识别与训练工况具有相近分布特征的其他工况下故障;引入并结合TL来应对相异分布特征的其它工况下故障识别问题,从而可完成多种类型工况下故障特征的自适应提取与智能识别。实验结果表明,对于转速、采集位置或滚动轴承型号工况改变时内圈、外圈及保持架故障的识别均具有较高的准确率,可端对端的实现多种类型工况下故障的实时在线智能监测任务,摆脱了对先验故障数据的过分依赖,验证了该方法的可行性与优越性。     

基于Transformer的智能轴承声-振融合故障诊断

针对单一信源(振动或声音)轴承故障诊断方法所蕴含信息不全面的问题,开展了具有多源传感器集成的智能轴承的声-振融合故障诊断研究,引入Transformer架构作为声-振融合诊断模型的基本模式以加强信号的时序特征提取能力,利用交叉自注意力机制使声音信号与振动信号在特征提取过程中交互与融合,从而实现端到端的智能轴承故障诊断。搭建智能轴承试验台采集声音与振动数据进行验证的结果表明,基于Transformer的智能轴承声-振融合故障诊断方法相对于单独使用声音、振动的方法以及基线Transformer方法,诊断性能均有提升。     

基于振动和声发射的滚动轴承故障检测

滚动轴承故障早期微弱特征信息的提取对于保障机械系统的正常运行具有十分重要的意义。鉴于单一类型传感器采集到的信息局限性,有时会造成诊断准确率较低。提出了一种将振动加速度与声发射两种检测信息融合的方法,并将其应用于滚动轴承故障的诊断。首先构建滚动轴承多传感器故障信息处理与融合的算法模型,随后基于滚动轴承故障实验平台与测试系统,获得滚动轴承典型状态的振动加速度和声发射信号,并对实验数据进行分析处理;最后,在此基础上,将振动加速度和声发射两种信号数据特征进行融合,完成对滚动轴承故障的诊断。研究结果表明,该方法对于滚动轴承故障模式的识别较为有效。     

基于声发射的高速铣削刀具故障诊断

提出了一种利用声发射信号监测高速铣削刀具故障的方法。采用声发射参数分析法,确定总事件计数、总振铃计数、总能量和RMS作为刀具故障诊断的特征参量。基于LABVIEW编程模块提取其统计特征参量,实验表明这些信号特征值能有效地用于高速铣削过程中的刀具故障诊断。