基于PSO-VMD与贝叶斯网络的滚动轴承故障诊断

为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。     

离心式风机滚动轴承的润滑

对于水泥厂来说,离心式风机的数量不在少数。风机轴承的润滑不外乎两种:润滑脂和润滑油。我公司自1995年6月点火投产以来,发现风机轴承采用润滑油润滑的,普遍存在漏油现象。轴承出现漏油以后增加了耗油量,提高了生产成本;由于风机转速高,缺油发现不及时造成轴承烧毁,我公司已发生过几次烧毁轴承事故;影响设备卫生。我公司曾     

水泥厂实用机修技术(三十)第十讲机械设备的润滑(三)

油勺润滑是将几个油勺固定在转轴上，油勺随轴旋转，转至下面时在油池中舀油，转至上面时将油倒人布油盘中，润滑油通过布油盘中的许多小孔淋在轴上，对轴及轴瓦进行润滑(图10—6)。油勺润滑装置在回转窑托轮支承轴瓦和球磨机中空轴轴瓦润滑中均有所应用。但因油勺易搅浑润滑油，产生不良后果，故新设计的球磨机不再采用；在回转窑托轮支承中，因轴瓦被滚动轴承替换，其润滑方式也随之改变。     

A2300齿轮减速机轴承改型设计

Φ650轧机减速机原设计为滑动轴承,为适应生产需要改为滚动轴承。阐述了滚动轴承选型的设计校核计算。     

提高MG2×150/700-WD型采煤机截割部轴承寿命周期的设计改进

通过改进结构及轴承类型,提高MG2×150/700-WD型交流电牵引采煤机截割部轴承使用周期。     

基于LMD切片双谱和SVM轴承故障诊断研究

针对滚动轴承发生点蚀故障时峭度和1倍频能量都会发生变化的情况,提出了基于局部均值对故障信号进行分解的方法。该方法取峭度值较大有效分量信号进行重构,再做切片双谱进一步降低高斯噪声对特征频率的影响,提取故障特征1倍频、2倍频和3倍频并进行归一化处理得到特征向量。利用支持向量机对提取的特征向量进行训练与测试,从而识别故障与否及发生点蚀故障的程度。通过对实测滚动轴承振动信号的分析与诊断,验证了该方法的有效性,说明其具有良好的应用前景。     

基于小波包和支持向量机的滚动轴承故障模式识别

为了解决对故障轴承的特征提取和故障特征准确分类问题,提出了应用小波包变换和支持向量机相结合进行滚动轴承故障诊断的方法.小波包变换具有良好的时-频局部化特征,非常适于对瞬态或时变信号进行特征提取.而支持向量机可完成模式识别和非线性回归.利用上述原理根据轴承振动信号的频域变化特征,采用小波包变换对其提取频域能量特征向量,然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别.试验结果表明,支持向量机可以有效、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新的途径.     

基于VMD与IFWA-SVM的滚动轴承故障诊断研究北大核心

为有效提取非平稳性、复杂性的滚动轴承振动信号特征,提出一种基于变分模态分解、改进烟花算法(IFWA)优化支持向量机(SVM)的滚动轴承故障诊断方法。利用VMD对原始信号进行分解,计算得到各IMF的样本熵,将原始信号的时域特征与其结合组成特征矩阵。为提高故障诊断效率,采用IFWA优化SVM,建立IFWA-SVM模型。使用训练集特征矩阵训练诊断模型,实现滚动轴承的故障诊断。利用实测信号验证该方法,并与粒子群算法优化进行比较。结果表明:利用该方法进行诊断,正确率提高了3.33%、训练时间缩短了21.55 s,验证了该方法的可行性。     

基于机智云平台的滚动轴承在线监测系统

设计了一种基于云平台的滚动轴承在线监测系统,信号采集模块将振动传感器输出的振动信号进行变换,再通过有源滤波模块处理后交给控制器,控制器内部进行A/D采样,随后处理器对A/D采样后的信号进行参数的运算,最后将参数通过云平台传输协议模块,在利用WiFi转发给远程机智云平台服务器.该系统为滚动轴承的监测提供了一个平台,在这个平台上工程人员可以通过远程的云服务器和APP终端对滚动轴承的状态进行了解,很大程度上减少了工程人员的工作量,提高了对滚动轴承监测的效率.