基于品质可调小波去噪的低速滚动轴承故障诊断

针对低速运行滚动轴承故障特征易被噪声湮没的问题,提出了一种基于可调品质因子小波分解的分层自适应阈值去噪方法,并将该方法与包络谱分析相结合,对低速轴承进行故障分析与诊断;首先,将采集到的轴承振动信号进行TQWT分解,得到分解后的各层小波系数;然后,利用Sigmoid函数构造分层自适应阈值函数,并利用该阈值函数对TQWT的高频系数进行阈值去噪处理;最后,结合去噪后的高频小波系数和低频小波系数对信号进行重构,得到去噪后的轴承振动信号;通过仿真故障信号,模拟故障实验信号和实测故障信号分别进行了去噪实验分析;实验结果表明,经典的软阈值函数和硬阈值函数相比,该方法能获得更好的去噪效果,在降低噪声干扰的同时,有效保留了轴承的故障特征信息,去噪后信号的包络谱,可以清晰地呈现故障的频谱特征,并观察到故障特征的多倍频峰值,且峰值附近干扰很少,有效提高了轴承早期故障的诊断精度;在仿真信号实验中,与软阈值、硬阈值函数相比,该方法去噪后,具有更高的信噪比(SNR)和更低的均方根误差(RMSE),与硬阈值函数相比,此方法的SNR平均增加了4.1491,RMSE平均下降了0.1329;与软阈值函数相比,该方法的SNR平均增加了5.1118,RMSE平均下降了0.1505。

低速滚动轴承故障诊断方法研究

低速滚动轴承结构和工作条件特殊,故障机理复杂,诊断难度较大。本文根据低速滚动轴承的故障特性,提出了利用应力波与小波分析进行低速滚动轴承故障诊断的方法。首先以低速运转Cooper轴承系列01B65 EX滚子轴承为例,建立了完好和故障低速滚动轴承的三维整体接触计算模型,运用有限元软件对其进行了比较全面、精确的分析,计算出外圈故障模型的最大应力和应变及各元件之间的接触应力,将发生故障前后的外圈外表面应力应变分布规律以及接触应力分布规律进行比较。然后在应力波实验分析的基础上,选择db6母小波、尺度j=4对实验所采集的数据信号进行小波变换,成功提取了外圈模拟故障的应力波信号特征频率。

基于应力波与小波分析的低速滚动轴承故障诊断研究

低速滚动轴承结构和工作条件特殊,故障机理复杂,诊断难度较大。本文根据低速滚动轴承的故障特性,提出了利用应力波与小波分析进行低速滚动轴承故障诊断的方法。首先以低速运转Cooper轴承系列01B 65 EX滚子轴承为例,建立了完好和故障低速滚动轴承的三维整体接触计算模型,运用有限元软件对其进行了全面、精确的分析,包括内圈故障模型的最大应力和应变及各元件之间的接触应力,将发生故障前后的内圈外表面应力应变分布规律以及接触应力分布规律进行比较。然后在应力波实验的基础上,选择db6母小波、尺度j=4对实验所采集的数据信号进行小波变换,从而诊断出了轴承故障,说明应力波和小波分析是诊断低速轴承故障的有效方法。

基于频段能量特征的低速滚动轴承故障诊断

直升机自动倾斜器滚动轴承通常在低速环境下工作,其故障特征频率易淹没在各种干扰频率中,因此以特征频率处的谱峰作为故障特征的传统诊断方法效果不佳.为此提出一种基于频段能量特征的低速滚动轴承故障诊断方法.计算振动信号的FFT和功率谱,利用轴承正常、内圈故障、外圈故障和滚珠故障4种状态的振动信号在功率谱上能量分布不同的特点,构建故障特征向量.利用具有小样本优势的支持向量机构建分类器,进行故障类型诊断.在实验台上模拟直升机自动倾斜器滚动轴承的低速工作环境,进行了故障模拟实验,采集振动数据,与传统LMD包络谱特征方法进行对比,验证了该方法在低速滚动轴承故障诊断方面的适应性和优越性.

基于CEEMDAN-深度信念网络的超低速滚动轴承故障诊断

针对超低速滚动轴承故障诊断困难问题,提出一种自适应噪声的完备集合经验模态分解(CEEMDAN)与深度信念网络(DBN)相结合的超低速滚动轴承故障声发射(AE)诊断方法。通过EEMD和CEEMDAN方法分别对轴承AE信号进行分解,结果表明,CEEMDAN具有较好的分解完备性和抗模态混叠性;将EEMD能量熵和CEEMDAN能量熵分别作为模式识别分类器的特征向量进行故障诊断,后者的识别准确率较高;通过与SVM、BP神经网络方法对比,DBN方法的模式识别效果更好,且表现出较好的稳定性。因此,文章所提方法能够有效的应用于超低速滚动轴承的故障诊断。

超低速滚动轴承振动信号与声发射信号特征对比

对观光缆车模拟装置低速滚动轴承的振动信号和声发射信号特征进行了对比分析,初步提出了超低速滚动轴承故障的判断方法,为实现超低速滚动轴承的在线检测奠定了基础。

低速重载轴承使用寿命计算方法的浅析

低速重载滚动轴承在大型设备中的应用广泛,现行理论上的寿命计算与其实际寿命有所差距,本文提出了修正方法,并通过实例计算得到复合条件的结果。