滚动轴承故障的沃尔什诊断法

本文以沃尔什功率谱为基础提出一种新的故障诊断方法。选取了新的特征量及故障特征系数，并与滤波降噪技术相结合，对３０７滚动轴承进行了诊断。实践证明，这一方法对于冲击故障信号比较有效。     

小波分析技术在陀螺故障诊断中的应用研究

小波分析是一种全新的时一频两维分析技术，其对高频突变信号和低频缓变信号的分析有其独特的优点。本文分析了小波分析技术的原理，提出了将其引入机械设备故障诊断中的方法。通过对有故障陀螺振动信号的多尺度分析，研究故障信号小波变换轴心轨迹分量图，建立典型故障特征模型，从而对单故障及多故障问题进行分析与诊断。     

分形维数在大型旋转机械故障诊断中的应用

为了识别大型旋转机械的故障模式,运用分形理论,提出了分段关联维数的计算方法,并以分段关联维数为特征量,通过建立状态距离函数,实现了模式识别。该方法克服了通常只通过计算一段数据的关联维数就进行故障识别的缺点。通过对仿真信号、滚动轴承实测信号的诊断,表明所提出方法的有效性,具有实用价值。     

一种基于领域自适应的跨工况滚动轴承故障诊断新方法

机械设备在运转时,不同状态下滚动轴承监测数据存在较大分布差异且难以获取带标签的数据,导致现有模型在变工况条件下故障诊断准确率低。针对滚动轴承跨工况诊断难题,本文提出一种基于领域自适应的跨工况滚动轴承故障诊断方法,该方法首先提取振动信号故障敏感特征,并将其嵌入Grassmann流形空间,避免直接进行特征变换导致特征失真;其次利用动态分布对齐自适应调整源域和目标域分布差异,并通过增加类内散度正则化项最小化类内距离,增加类的可分性;最后,根据结构风险最小化原则建立域不变分类模型。在不同工况下的滚动轴承数据集上与现有方法进行了比较实验,结果表明本文提出的方法能有效提高分类准确率。     

两种电机滚动轴承故障诊断方法对比研究

分别将集成经验模态分解(Ensemble Empirical Mode De-composition,EEMD)、经验小波变换(EmpiricalWaveletTransform,EWT)、排列熵(PermutationEntropy,PE)、支持向量机(Support Vector Machine,SVM)方法进行结合,形成了基于EEMD、PE、SVM的EEMDPS和基于EWT、PE、SVM的EWTPS这两种电机滚动轴承故障诊断方法。异步电机轴承的故障诊断实验表明:在相同实验条件下,两种方法对电机轴承的内圈单点故障、外圈单点故障和内外圈复合故障均可实现100%诊断,但EWTPS方法诊断时间更短;在电机轴承的滚动体-保持架复合故障和正常状态的诊断方面,EWTPS诊断方法具有更好的诊断效果。     

航空发动机整机耦合动力学模型及振动分析

面向航空发动机整机振动,建立了航空发动机转子-滚动轴承-机匣耦合动力学模型.该模型具有如下特点:(1)考虑转子、滚动轴承及机匣之间的耦合作用;(2)考虑了实际航空发动机的弹性支承及挤压油膜阻尼效应;(3)将转子考虑为等截面自由欧拉梁模型,运用模态截断法进行分析;(4)考虑了滚动轴承间隙、非线性赫兹接触力以及变柔性VC(Varying compliance)振动;(5)考虑了转子与机匣之间的碰摩故障.运用数值积分方法研究了航空发动机的整机振动规律,包括:滚动轴承VC振动分析、弹性支承刚度对耦合系统临界转速的影响、转轴模态截断阶数NM对系统响应的影响分析、挤压油膜阻尼器参数对系统响应的影响分析、突加不平衡的瞬态响应分析以及转静碰摩故障特性分析等.     

机械“rotor—bearing—foundation”非线性碰摩研究

旋转机械中非线性“转子－轴承－基础”系统的轴心轨迹包含着反映其运行状态的丰富信息,但由于系统碰摩等故障测试信号中的背景信号、噪声信号干扰严重、使轴心轨迹非常杂乱,难以从中得到有用信息。本文将构造的非线性小波包变换用于提纯轴心轨迹,剔除干扰,提取故障特征,取得了好的效果,这对转子系统动静件碰摩等故障进行早期准确的诊断具有重要意义。     

基于小波变换的精密测试转台测角系统的故障诊断

针对精密测试转台测角系统的突变性故障、饱和故障和高频干扰故障,研究并提出了一种基于离散小波变换的故障特征提取方法。这种方法采用db4小波函数对测角系统激磁信号进行小波变换,将原始信号分解为近似信号和细节信号。根据分解得到第一层的细节信号,可以定位突变性故障和饱和故障。通过多层分解,确定近似信号和细节信号的最大幅值,根据信噪比大小可以确定是否存在高频干扰故障。实验结果显示,通过该方法可以实现对测角系统激磁电源故障准确的故障特征提取和定位,提高了精密测试转台的安全性和可靠性。     

一种基于小波变换的故障诊断改进算法

为提高多传感器组合导航系统对各导航传感器的在线故障检测能力，提出了一种基于调频高斯小波变换的导航传感器故障诊断改进算法。该算法在分析调频高斯小波特性的基础上，采用高斯小波变换计算出观测量的小波系数后，然后利用带遗忘因子的数据平滑算法对小波系数进行平滑，通过判断平滑值来诊断导航工作正常与否。其优点是仅利用传感器的观测量来直接检测导航传感器故障，适当选择小波变换的拉伸因子和数据的衰减因子可以对方差突变等软故障进行有效的在线检测，并解决了误检问题。仿真结果证明了该算法的有效性。     

耦合故障转子系统中裂纹信息的诊断

旋转机械中,当裂纹与其他故障并存形成耦合故障时,裂纹信息往往被其他故障的信息所掩盖,从而难以从信号特征上诊断出裂纹故障。利用裂纹故障引起的等效外加弯矩特性,采用基于模型的故障诊断方法,可以诊断出耦合故障中的裂纹故障信息。以两种最常见的耦合故障—裂纹碰摩耦合故障、裂纹松动耦合故障为例,采用基于模型的诊断方法诊断耦合故障中的裂纹信息,取得了比较好的效果,并进行试验来验证理论结果。     

Unknown bearing fault diagnosis under time-varying speed conditions and strong noise background

The bearing vibration signal shows strong non-stationary property under time-varying speed conditions. In addition, the weak bearing fault characteristic is often submerged in strong background noise. How to accurately extract the unknown fault characteristic from the non-stationary vibration signal is the primary problem of bearing fault diagnosis. Stochastic resonance has been proved to be an effective weak signal enhancement method. Therefore, an unknown bearing fault detection technology of speed variation is proposed, which breaks through the periodicity limitation of the classical stochastic resonance on the input signal. It enables stochastic resonance suitable for the enhancement of non-stationary fault signal. Firstly, the non-stationary vibration signal is processed by the computed order tracking to obtain the stationary signal in angular domain. To extract the potential feature information, the bearing imaginary fault order index is constructed from the angular domain order spectrum. Then, the resonance response at the imaginary fault order is obtained. Finally, the coherence resonance theory is introduced to judge the bearing fault pattern through the resonance factor index of response order spectrum. The proposed method overcomes the fuzzy mapping relationship between the signal symptom and the bearing fault caused by speed variation. The experimental data analysis results provide effective support for the proposed method.

     

RESEARCH ON HAAR SPECTRUM IN FAULT DIAGNOSIS OF ROTATING MACHINERY

In this paper,Haar Transform(HT)is used in the fault diagnosis of rotatingmachinery,and the“Impulse Sharpness”is presented as a diagnostic index.At present,Fourier Spectrumanalysis is most widely used Compared with FFT,HT is more rapid incomputation and more effective in discrete approximation.It’s very suitable for theextraction of pulses in the signal.However,HT has some shortcomings.It’s greatlyaffected by the starting point and length of the sample.Here,the authors present a methodto improve the stability and comparability of Haar Spectrum.The fault imitating test ofrolling bearing is carried out,and the results obtained have verified the sensitivity of HaarSpectrum and Impulse Index to the fault.     

ROLLLING BEARING FAULT DETECTION USING CORRELATION TECHNIQUE

It's known that auto-correlation technique is effective in extracting periodical signals from random noises. In the case of fault monitoring of rolling element bearing, we can't acquire the.fault information directly from the original signal because of the difference of signal phases. And the signal is shown as the wide band random signal in auto-correlation function. In this paper, the signal is pre-processed and the results are proved effctive. Moreow, by taking the auto-correlation fumction we can obtain the determined and comparable samples. This is very important for establishing the data base of running condition and for detecting the faults.     

高速列车轴箱轴承健康监测与故障诊断研究综述

随着我国高速列车的发展, 针对其运营维护中的故障预测与健康管理问题日益受到关注. 轴箱轴承是高速列车走行部中的关键旋转部件, 在复杂的轮轨相互作用下极易出现由疲劳、过载等原因导致的失效, 影响列车的行车效率和运行安全. 而现有诊断方法和技术难以满足高速列车动态化、系统化的安全保障需求, 亟待进一步发展轴箱轴承健康监测和诊断技术. 首先, 介绍了工程中维修检测、轨边监测和车载监测系统的主要内容和发展现状. 然后, 从动力学正、反问题两个方面, 分析和总结了在轴箱轴承的理论建模方法和轴箱轴承与列车耦合系统的动态特性分析、基于先进信号处理技术和机器学习技术的诊断方法等方面的研究思路和研究进展. 最后, 对轴箱轴承健康监测与故障诊断技术的发展趋势进行了展望, 评述了在指导列车故障预测与健康管理方面的不足.      

基于声发射监测的静载荷滑动轴承接触摩擦故障诊断的实验研究

在利用振动信号诊断静载荷滑动轴承接触摩擦故障的基础上，利用声发射监测方法对静载荷滑动轴承接触摩擦故障进行诊断．研究表明，与振动信号相比，声发射信号的频率响应范围更宽，所包含的信息量更大，能较好地反映轴承的摩擦规律，故障特征明显，易于识别，参数稳定性较好，因而可以更有效地诊断静载荷滑动轴承接触摩擦故障．     

变转速工况下高速列车轴承转子系统特性分析

高速列车的发展使得其关键零部件——轴承的安全问题日益突出. 现有的轴承模型均是建立在匀速工况下, 不能描述系统在变转速工况下运动状态. 为了解决这个问题, 建立了一个变转速工况下高速列车轴箱轴承转子系统动力学模型, 模型通过角度迭代计算得到了滚动体在不均匀时间内转过的总角度, 进而确定了滚动体在任意时刻的空间位置. 在匀速工况和变转速工况下, 对具有外圈故障的轴承模型进行了实验对比, 验证了模型的有效性. 利用轴心轨迹定性分析了外圈故障、内圈故障和滚动体故障对系统稳定性的影响, 并通过实验验证了分析结果的可靠性. 利用二维不变矩作为特征指标定量分析了三类故障对系统稳定性的影响. 分析结果表明: 当轴承角加速度较小时, 外圈故障对系统稳定性影响最大; 当轴承角加速度较大时, 滚动体故障对系统稳定性影响最大, 但是影响程度随着故障尺寸的变大而逐渐减小. 同样地, 利用二维不变矩作为特征指标进行了系统的稳定性临界状态分析, 确定了在不同转速工况下和不同故障类型下临界状态对应的最大故障尺寸. 研究结果表明: 随着轴承内圈转速的上升, 不同故障类型对应的最大尺寸都会减小, 其中滚动体故障尺寸大都是最小的, 说明滚动体故障对系统稳定性影响最大.      

基于振动监测的静载荷滑动轴承接触摩擦故障诊断实验研究

采用静载荷滑动轴承试验台模拟轴颈-轴承从液体润滑状态逐步向干摩擦状态过渡时的接触摩擦故障的发生和发展过程,进而利用振动信号诊断滑动轴承的接触摩擦故障;通过对特征参数进行归一化处理得到无量纲特征参数,进而通过无量纲特征参数的适当数学组合得到无量纲诊断准则,并探讨了无量纲诊断准则的适用性.结果表明:利用所得到的无量纲诊断准则进行轴颈-轴承接触摩擦故障诊断时无须建立用于模式识别的标准模,可实现快捷方便的故障诊断;无量纲诊断准则对工况不敏感,而对故障更敏感,适用于可变工况下滑动轴承的故障诊断,且诊断成本较低.     

The Application of Advanced Signal Processing Techniques to Induction Motor Bearing Condition Diagnosis

Four approaches based on bispectral and wavelet analysis of vibration signals are investigated as signal processing techniques for application in the diagnosis of a number of induction motor rolling element bearing faults. The bearing conditions considered are a normal bearing and bearings with cage and inner and outer race faults. The vibration analysis methods investigated are based on the bispectrum, the bispectrum diagonal slice, the summed bispectrum and wavelets. Singular value decomposition (SVD) is used to extract the most significant features from the vibration signatures and the features are used as inputs to an artificial neural network trained to identify the bearing faults. The results obtained show that the diagnostic system using a supervised multi-layer perceptron type neural network is capable of classifying bearing condition with high success rate, particularly when applied to summed bispectrum signatures.     

一种基于小波变换的信号突变征兆提取方法及其应用

获取故障征兆是诊断系统必须解决的首要问题。应用小波变换理论提出了一种信号突变征兆提取方法，并将它应用于转台故障诊断中。实验结果表明，这种方法在信号突变征兆提取上具有明显效果。