滾動軸承
- 基于多特征的Res-BiLSTM滾動軸承故障診斷
BiLSTM滾動軸承故障診斷方法。首先通過時域分析法和殘差網(wǎng)絡(luò)對時域特征值和空間特征進(jìn)行提取并進(jìn)行特征融合，其次將融合的特征值輸入雙向長短期記憶網(wǎng)絡(luò)進(jìn)行時序特征提取，最后利用Softmax進(jìn)行分類。實驗結(jié)果表明，該故障診斷方法增強(qiáng)了故障診斷網(wǎng)絡(luò)的特征提取能力，進(jìn)而提高了診斷準(zhǔn)確率。關(guān)鍵詞：故障診斷；滾動軸承；殘差網(wǎng)絡(luò)；雙向長短期記憶網(wǎng)絡(luò)中圖分類號：TP183；TP306.3? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）15-0146-05R
現(xiàn)代信息科技 2023年15期2023-09-18
- 基于聲發(fā)射技術(shù)的鐵路貨車滾動軸承故障診斷研究
術(shù)的鐵路貨車滾動軸承故障診斷方法，以提高鐵路貨車運輸安全性和效率。論文從聲發(fā)射技術(shù)原理、滾動軸承故障診斷優(yōu)勢和難點、常見故障診斷、聲發(fā)射信號處理方法和小波算法研究等五個方面進(jìn)行論述。通過梳理現(xiàn)有文獻(xiàn)和實驗研究，本文得出結(jié)論：基于聲發(fā)射技術(shù)的鐵路貨車滾動軸承故障診斷方法具有響應(yīng)速度快、診斷準(zhǔn)確度高等優(yōu)點，但也面臨著信號干擾和故障定位難的問題。小波算法可應(yīng)用于對聲發(fā)射信號的處理，進(jìn)一步提高故障診斷的精度和可靠性。關(guān)鍵詞：聲發(fā)射技術(shù) 鐵路貨車 滾動軸承 故障診斷
時代汽車 2023年13期2023-07-13
- 無限隱Markov模型在缺失數(shù)據(jù)軸承退化趨勢預(yù)測中的應(yīng)用
模型，預(yù)測了滾動軸承樣本數(shù)據(jù)在振蕩階段所缺失的數(shù)據(jù)點，形成新的完整數(shù)據(jù)。同時，再使用建立的預(yù)測模型對新的完整數(shù)據(jù)進(jìn)行單步預(yù)測。實驗結(jié)果表明，與真實值對比，得到的預(yù)測數(shù)據(jù)具有較小的平均誤差值；對比真實值、完整數(shù)據(jù)下的預(yù)測值和新的完整數(shù)據(jù)下的預(yù)測值，驗證了提出方法的有效性，能夠反映滾動軸承退化的變化趨勢。提出的方法可為數(shù)據(jù)缺失下滾動軸承的退化趨勢預(yù)測提供一種思路，具有重要的理論價值和工程應(yīng)用價值。關(guān)鍵詞 故障診斷; 滾動軸承; 無限隱馬爾可夫模型（iHMM）;
振動工程學(xué)報 2023年2期2023-07-10
- 參數(shù)優(yōu)化VMD的滾動軸承故障診斷方法
新摘要 由于滾動軸承早期故障信號特征微弱，變分模態(tài)分解（Variational Mode Decomposition，VMD）的性能易受模態(tài)數(shù)和懲罰因子設(shè)置的影響，提出了一種自適應(yīng)優(yōu)化VMD參數(shù)的方法。基于中心頻率判斷本征模態(tài)函數(shù)（Band Limited Intrinsic Mode Functions，BIMF）是否混疊的思想提出中心頻率混疊商算法，利用最小中心頻率差與次小中心頻率差的比值確定模態(tài)數(shù)。利用模糊熵原理，提出求和模糊熵算法優(yōu)化懲罰因子。利用
振動工程學(xué)報 2023年1期2023-06-30
- 含軸承傾斜不對中的行星輪系?轉(zhuǎn)子系統(tǒng)動態(tài)特性研究
承不對中; 滾動軸承; 動力學(xué)特性引 言齒輪、軸承、轉(zhuǎn)子系統(tǒng)作為旋轉(zhuǎn)機(jī)械的重要組成部分，被廣泛應(yīng)用于人類社會的交通部門和工業(yè)生產(chǎn)部門當(dāng)中。然而，由于加工與裝配不當(dāng)、運行時載荷或溫度變化等原因，導(dǎo)致旋轉(zhuǎn)機(jī)械設(shè)備經(jīng)常出現(xiàn)不對中故障。據(jù)統(tǒng)計，旋轉(zhuǎn)機(jī)械不對中故障可占轉(zhuǎn)子系統(tǒng)故障的70%，僅次于轉(zhuǎn)子不平衡故障［1］。旋轉(zhuǎn)機(jī)械不對中按照故障發(fā)生的位置可以分為聯(lián)軸器不對中與軸承不對中兩大類。其中軸承不對中故障會增大滾珠與滾道之間的接觸應(yīng)力，軸承運行溫度升高，縮短其使用壽
振動工程學(xué)報 2023年1期2023-06-30
- 參數(shù)優(yōu)化 VMD-MPE 和 PSO-CS-Elman 神經(jīng)網(wǎng)絡(luò)在滾動軸承故障診斷中的應(yīng)用研究
摘要： 針對滾動軸承振動信號的非線性、非平穩(wěn)特征，提出了基于參數(shù)優(yōu)化變分模態(tài)分解（Variational Mode Decom‐position，VMD）、多尺度排列熵（Multi‐scale Permutation Entropy，MPE）和粒子群‐布谷鳥搜索融合算法優(yōu)化 Elman神經(jīng)網(wǎng)絡(luò)的故障診斷方法。針對 VMD 中模態(tài)分量個數(shù)和懲罰因子難以確定的問題，引入鯨魚優(yōu)化算法，令其自主搜尋最優(yōu)解；利用獲得最優(yōu)參數(shù)的 VMD 對滾動軸承故障仿真信號進(jìn)行分解
振動工程學(xué)報 2023年3期2023-06-25
- 滾動軸承壽命預(yù)測的相似性匹配優(yōu)化方法研究
標(biāo)，準(zhǔn)確跟蹤滾動軸承退化演變趨勢。由于實際全生命周期退化信號難以大量獲取，因此構(gòu)建雙指數(shù)函數(shù)模型，模擬退化信號，并驗證仿真數(shù)據(jù)擴(kuò)充參考字典集的有效性。采用高斯函數(shù)擬合退化數(shù)據(jù)并提出參數(shù)相似性原則，實現(xiàn)剩余使用壽命預(yù)測。滾動軸承全生命周期退化實驗數(shù)據(jù)分析結(jié)果驗證了所提方法可以有效提高剩余壽命預(yù)測精度。關(guān)鍵詞： 故障診斷；滾動軸承；剩余壽命預(yù)測；雙指數(shù)函數(shù)；參數(shù)相似性中圖分類號： TH165+.3；TH133.33+2 文獻(xiàn)標(biāo)志碼： A 文章編號： 1004-
振動工程學(xué)報 2023年3期2023-06-25
- 頻域組稀疏滾動軸承特征提取方法
：故障診斷；滾動軸承；微弱故障；稀疏表示；特征提取中圖分類號： TH165+.3；TH133.33??? 文獻(xiàn)標(biāo)志碼： A??? 文章編號：1004-4523（2022）05-1242-08DOI：10.16385/j .cnki .issn .1004-4523.2022.05.022引言滾動軸承廣泛應(yīng)用在石化、軍工等領(lǐng)域，作為機(jī)械設(shè)備的重要傳動零件，軸承在高速重載的工況下容易發(fā)生損傷失效，影響設(shè)備正常運轉(zhuǎn)，因此對軸承早期故障的監(jiān)測和診斷至關(guān)重要[1]。
振動工程學(xué)報 2022年5期2022-11-14
- 基于旋轉(zhuǎn)多面體錐的滾動軸承智能故障診斷
在兩個不同的滾動軸承數(shù)據(jù)集上進(jìn)行實驗驗證，實驗結(jié)果表明：REPCC具有更好的分類精度、魯棒性和泛化能力，能夠準(zhǔn)確識別滾動軸承的工作狀態(tài)和故障類型，可以用于滾動軸承智能故障診斷.關(guān)鍵詞：多面體錐分類器；旋轉(zhuǎn)因子；滾動軸承；模式識別；故障診斷中圖分類號：TH 113；TH 165+.3文獻(xiàn)標(biāo)志碼：ARolling Bearing Intelligent Fault Diagnosis Based on Rotated and Extended Polyhedr
湖南大學(xué)學(xué)報·自然科學(xué)版 2022年6期2022-11-14
- 基于深度學(xué)習(xí)的滾動軸承故障診斷方法研究
數(shù)據(jù)技術(shù)。而滾動軸承作為旋轉(zhuǎn)機(jī)械設(shè)備的重要組成部件，一旦出現(xiàn)了故障，不僅會影響旋轉(zhuǎn)機(jī)械設(shè)備的正常使用，還會對人們的生命安全造成嚴(yán)重的威脅。所以必須要基于深度學(xué)習(xí)，對滾動軸承的故障進(jìn)行高效的診斷。本文則通過分析深度學(xué)習(xí)的相關(guān)理論，探究滾動軸承故障診斷的方法。關(guān)鍵詞：深度學(xué)習(xí);滾動軸承;旋轉(zhuǎn)機(jī)械設(shè)備;故障診斷引言：旋轉(zhuǎn)機(jī)械設(shè)備在使用的過程中旋轉(zhuǎn)速度相對較快，并且經(jīng)常會在高負(fù)荷的狀態(tài)下運行，如果出現(xiàn)了故障，將會造成嚴(yán)重的經(jīng)濟(jì)損失。在旋轉(zhuǎn)機(jī)械設(shè)備中，滾動軸承的故障
江蘇廣播電視報·新教育 2022年8期2022-06-11
- 懸臂轉(zhuǎn)子系統(tǒng)氣流激勵下的動響應(yīng)分析
密封力模型、滾動軸承力模型，建立系統(tǒng)的動力學(xué)方程，使用Newmark-β隱式積分?jǐn)?shù)值計算方法進(jìn)行求解。分別研究不同轉(zhuǎn)速下Alford力、密封力、滾動軸承力對轉(zhuǎn)子系統(tǒng)的影響。結(jié)果表明，密封力對轉(zhuǎn)子系統(tǒng)的穩(wěn)定性有促進(jìn)作用，滾動軸承力會引起密封力，從而導(dǎo)致系統(tǒng)鎖頻頻率偏移，Alford力對系統(tǒng)的振動幅值有較小的影響。關(guān)鍵詞：懸臂轉(zhuǎn)子;Alford力;密封力;滾動軸承;動響應(yīng)分析中圖分類號：TH113.1 ? ? 文獻(xiàn)標(biāo)志碼：A ? ? 文章編號：1003-516
河南科技 2022年9期2022-05-31
- 卷積神經(jīng)網(wǎng)絡(luò)在滾動軸承故障診斷中的應(yīng)用
摘要：如今，滾動軸承在機(jī)械領(lǐng)域應(yīng)用廣泛，而滾動軸承是容易發(fā)生故障的零件。在滾動軸承故障診斷中，傳統(tǒng)經(jīng)驗分析法受人工經(jīng)驗的影響局限性較大。鑒于此，文章設(shè)計了以長短時記憶（LongShort-Term Memory，LSTM）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）為基礎(chǔ)的軸承故障診斷模型，通過故障數(shù)據(jù)對兩種模型進(jìn)行訓(xùn)練，在TensorFlow框架下，對LSTM和CNN兩種不同方法進(jìn)行了仿真對比。實驗發(fā)現(xiàn)，基于CNN的
計算機(jī)應(yīng)用文摘·觸控 2022年17期2022-05-30
- 滾動軸承壓縮故障信號的特征代理與凸優(yōu)化重構(gòu)算法
個難點。針對滾動軸承壓縮信號的故障特征提取問題，提出一種基于特征代理與凸優(yōu)化算法的故障信號重構(gòu)方法。分析了滾動軸承局部故障信號的稀疏和卷積特性，學(xué)習(xí)得到故障沖擊模式。對壓縮得到的軸承觀測信號，構(gòu)造包含沖擊時刻特征的代理，并對代理建立目標(biāo)優(yōu)化函數(shù)，采用快速迭代收縮閾值算法（Fast Iterative Shrinkage Threshold Algorithm，?FISTA）直接從代理提取出稀疏系數(shù)，將學(xué)習(xí)模式與稀疏系數(shù)卷積重構(gòu)出故障信號。與直接利用FIST
振動工程學(xué)報 2022年2期2022-05-14
- 基于改進(jìn)小波閾值降噪的滾動軸承故障診斷方法
摘要： 針對滾動軸承早期故障信號存在大量噪聲使得提取故障特征困難的問題，提出了一種基于新改進(jìn)小波閾值的降噪方法。該方法是通過采用互補集合經(jīng)驗?zāi)B(tài)分解（CEEMD）方法將原始故障信號進(jìn)行分解，得出各階本征模態(tài)函數(shù)（IMF）分量;選取關(guān)鍵的IMF分量進(jìn)行重構(gòu)信號，將重構(gòu)信號經(jīng)過新改進(jìn)小波閾值算法和快速譜峭度進(jìn)行濾波降噪;進(jìn)行Hilbert包絡(luò)解調(diào)，得出滾動軸承的故障特征頻率。分別用仿真噪聲信號和滾動軸承的實驗信號對該方法進(jìn)行驗證，并將新改進(jìn)小波閾值算法與傳統(tǒng)的
振動工程學(xué)報 2022年2期2022-05-14
- 航空發(fā)動機(jī)滾動軸承及其雙轉(zhuǎn)子系統(tǒng)共振問題研究綜述
氣渦輪發(fā)動機(jī)滾動軸承及其雙轉(zhuǎn)子系統(tǒng)存在的復(fù)雜振動問題，綜述了近年來國內(nèi)外該領(lǐng)域的主要研究成果。首先，概述了雙轉(zhuǎn)子系統(tǒng)動力學(xué)建模與分析的研究成果。其次，綜述了雙轉(zhuǎn)子系統(tǒng)動力學(xué)響應(yīng)分析研究的現(xiàn)狀與主要進(jìn)展。最后對現(xiàn)有研究工作進(jìn)行了展望，對該領(lǐng)域的發(fā)展趨勢進(jìn)行了說明。關(guān)鍵詞：轉(zhuǎn)子動力學(xué);雙轉(zhuǎn)子系統(tǒng);共振;非線性;滾動軸承滾動軸承及其雙轉(zhuǎn)子系統(tǒng)作為航空燃?xì)鉁u輪發(fā)動機(jī)的主要結(jié)構(gòu)，存在著大量復(fù)雜振動現(xiàn)象，能夠引發(fā)系統(tǒng)復(fù)雜故障甚至災(zāi)難性的事故，其產(chǎn)生機(jī)理十分復(fù)雜。所以人
科技風(fēng) 2022年11期2022-04-22
- 基于滾動軸承選型設(shè)計的程序開發(fā)
爭力。通過對滾動軸承選型實驗，其能高效且準(zhǔn)確的得到的軸承代號解集。本設(shè)計思想能夠解決軸承選型設(shè)計的一般問題，能給后續(xù)基礎(chǔ)工業(yè)軟件的開發(fā)者提供一些解決問題的方法和途徑。Abstract： Computer program to assist mechanics design， efficient， accurate， comprehensive， economic completion of the design.Mechanical design is d
內(nèi)燃機(jī)與配件 2022年5期2022-02-28
- 電動發(fā)電機(jī)組滾動軸承振動故障診斷分析
GE）驅(qū)動端滾動軸承存在尖銳異音，且振動水平在較短時間內(nèi)有明顯上漲。通過對振動趨勢進(jìn)行合理跟蹤，對頻譜結(jié)構(gòu)進(jìn)行對比分析，結(jié)合滾動軸承故障發(fā)展特點，成功診斷出故障原因為滾動軸承內(nèi)圈存在磨損剝落缺陷。Abstract： During the routine vibration condition monitoring of the control rod drive mechanism power supply system （RAM） electric ge
內(nèi)燃機(jī)與配件 2022年5期2022-02-28
- 滾動軸承性能退化趨勢預(yù)測綜述
陳國瑞摘要：滾動軸承作為旋轉(zhuǎn)機(jī)械的重要零部件之一，其在工業(yè)中占有重要的地位，其可靠性直接影響設(shè)備能否安全、穩(wěn)定運行。文章首先闡述了滾動軸承性能退化趨勢預(yù)測的研究意義;接著梳理了滾動軸承性能退化趨勢預(yù)測中關(guān)鍵難點性能退化指標(biāo)構(gòu)建對故障特征提取、降維和融合方法，然后進(jìn)行了有效的性能退化趨勢預(yù)測模型分類。最后，對滾動軸承性能退化趨勢預(yù)測內(nèi)容進(jìn)行了總結(jié)。Abstract： As one of the important parts of rotating mach
內(nèi)燃機(jī)與配件 2022年3期2022-01-15
- 一種增強(qiáng)的譜幅值調(diào)制方法及其在復(fù)雜干擾下滾動軸承故障診斷中的應(yīng)用
以有效地識別滾動軸承故障信息。然而，當(dāng)滾動軸承故障信號中含有復(fù)雜干擾成分時，SAM中的故障特征頻率會變得模糊，甚至難以識別。針對上述問題，提出了一種增強(qiáng)譜幅值調(diào)制方法（Enhanced Spectral Amplitude Modulation， eSAM），通過修正信號平方包絡(luò)的無偏自相關(guān)代替修正信號的平方包絡(luò)來生成SAM。通過自相關(guān)處理，進(jìn)一步降低由于非線性濾波過程產(chǎn)生的不相關(guān)隨機(jī)噪聲干擾，從而提高了SAM方法的穩(wěn)定性。通過一組仿真信號、一組齒輪箱軸承
振動工程學(xué)報 2021年5期2021-12-16
- 基于SSAE的滾動軸承故障的分類預(yù)測
SSAE）的滾動軸承故障類別的自動識別方法。將原始軸承信號進(jìn)行截斷處理，既保留了有用信息，又?jǐn)U充了樣本數(shù)量，有利于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。采用雙層SAE神經(jīng)網(wǎng)絡(luò)模型，結(jié)合softmax分類器，完成對軸承故障類別的自動識別，通過對比實驗表明，本文所提方法穩(wěn)定有效，且準(zhǔn)確率高。關(guān)鍵詞：堆棧稀疏自編碼器;滾動軸承;神經(jīng)網(wǎng)絡(luò)模型 中圖分類號：TH165.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ?
內(nèi)燃機(jī)與配件 2021年1期2021-12-14
- 機(jī)械設(shè)備的故障診斷與監(jiān)測研究綜述
關(guān)鍵部件——滾動軸承、齒輪箱、電動機(jī)的故障診斷與監(jiān)測的發(fā)展現(xiàn)狀進(jìn)行文獻(xiàn)綜述，總結(jié)該領(lǐng)域的研究現(xiàn)狀及主要方法。概述了機(jī)械設(shè)備中一些關(guān)鍵部件，比如軸承、齒輪箱、電動機(jī)的故障特點及故障形式，進(jìn)而深入分析相應(yīng)的診斷難點，并結(jié)合國內(nèi)外相關(guān)文獻(xiàn)系統(tǒng)地介紹并比較了現(xiàn)有的針對機(jī)械設(shè)備關(guān)鍵部件的故障診斷與健康監(jiān)測方法，最后對該領(lǐng)域的發(fā)展方向進(jìn)行了展望。關(guān)鍵詞：機(jī)械設(shè)備;故障診斷;滾動軸承;齒輪箱近年來，隨著機(jī)械設(shè)備的運行環(huán)境逐漸復(fù)雜化，機(jī)械設(shè)備發(fā)生故障的概率顯著提高，一些看
裝備維修技術(shù) 2022年3期2021-12-06
- 球軸承滾滑磨損有限元仿真分析
文文摘 要：滾動軸承在運轉(zhuǎn)過程中，滾動體與套圈之間會產(chǎn)生滾滑復(fù)合運動，這種滑動是引起軸承磨損的主要原因，嚴(yán)重影響到軸承的運轉(zhuǎn)性能。本文基于Archard磨損理論模型，運用有限元仿真軟件建立了球軸承的點接觸滾滑復(fù)合運動有限元模型，并定義了滾動體與內(nèi)圈之間的滑滾比。仿真分析了徑向載荷為200N下，滑滾比為0.02、0.04、0.06、0.08、0.1的磨損體積，以及在滑滾比為0.1條件下，徑向載荷分別為100、200、300、400、500N下的磨損體積。結(jié)果
裝備維修技術(shù) 2022年3期2021-12-06
- 鐵路貨車滾動軸承熱軸故障分析判斷及防范控制研究
車行走階段，滾動軸承發(fā)揮著重要的作用，因此滾動軸承質(zhì)量關(guān)系到行車安全性。我國鐵路貨車不斷發(fā)展，不斷增加了承載量，同時也提高了滾動軸承熱軸故障發(fā)生率，威脅到鐵路貨車運行的安全性，導(dǎo)致正常的運輸秩序因此被干擾。本文分析了判斷了鐵路貨車滾動軸承熱軸故障，提出針對性的防范控制措施，保障鐵路貨車運行的穩(wěn)定性。關(guān)鍵詞：鐵路貨車;滾動軸承;熱軸故障;分析判斷;防范控制鐵路運輸不斷發(fā)展，也逐漸提高了鐵路貨車的質(zhì)量，其中滾動軸承發(fā)揮著重要的作用，直接關(guān)系到運輸安全性。對比滑
科學(xué)與生活 2021年4期2021-11-10
- 不同約束狀態(tài)下滾動軸承模態(tài)特性分析及仿真
宇航摘要： 滾動軸承是機(jī)械傳動系統(tǒng)中重要的零部件，其動態(tài)性能直接影響運轉(zhuǎn)精度。本文以6210滾動軸承為研究對象，利用UGNX軟件對其進(jìn)行三維建模并在高級仿真環(huán)境下，利用SEMODES-103解算方案，對滾動軸承無約束狀態(tài)、內(nèi)圈雙邊固定約束狀態(tài)、外圈雙邊固定約束狀態(tài)、內(nèi)外圈各一端固定狀態(tài)等四種情況進(jìn)行有限元仿真，求解模態(tài)振型。結(jié)果發(fā)現(xiàn)自由模態(tài)的振動頻率最低，最容易發(fā)生共振現(xiàn)象。內(nèi)外圈雙邊固定振動頻率最高，不容易發(fā)生共振現(xiàn)象。外圈雙邊固定振動頻率高于內(nèi)圈雙邊固
內(nèi)燃機(jī)與配件 2021年21期2021-11-07
- 軸承智能故障診斷技術(shù)發(fā)展
文韜摘 要：滾動軸承作為旋轉(zhuǎn)機(jī)械設(shè)備的主要零部件，其運行狀態(tài)對旋轉(zhuǎn)機(jī)械設(shè)備的健康狀況有著重要影響，為避免設(shè)備發(fā)生致命故障，防止生產(chǎn)損失和人員傷亡，有必要對滾動軸承的運行狀態(tài)進(jìn)行診斷分析。長期以來，故障診斷技術(shù)重點在于處理噪聲信號，通過時頻域變換來挖掘人工特征，然而前述過程變得愈發(fā)復(fù)雜和繁瑣，與實現(xiàn)智能診斷的目的背道而馳。隨著人工智能技術(shù)的發(fā)展，大數(shù)據(jù)時代給故障診斷帶來新的發(fā)展機(jī)會，深度學(xué)習(xí)通過強(qiáng)大的特征自提取能力極大地簡化特征提取過程，而遷移學(xué)習(xí)更使變工況
裝備維修技術(shù) 2021年37期2021-11-03
- 基于圖像識別的鐵路貨車軸承缺陷識別方法研究
：鐵路貨車;滾動軸承;表面缺陷檢測;卷積神經(jīng)網(wǎng)絡(luò) 隨著人工智能的發(fā)展，視覺檢測技術(shù)被廣泛應(yīng)用于工業(yè)檢測領(lǐng)域，在部分崗位上已經(jīng)取代人工作業(yè)，很大程度上提高了生產(chǎn)效率[1]。因此，研發(fā)鐵路貨車軸承黑磁粉探傷自動檢測設(shè)備，代替人工識別缺陷，不僅可以降低人員勞動強(qiáng)度和人員培訓(xùn)成本，同時能夠保證軸承探傷缺陷識別的工作效率和準(zhǔn)確率，是未來發(fā)展的趨勢與熱點。本文將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到鐵路貨車軸承黑磁粉探傷中，為實現(xiàn)自動檢測提供技術(shù)上的支持。1圖像預(yù)處理1.1數(shù)據(jù)采集數(shù)據(jù)采
學(xué)習(xí)與科普 2021年20期2021-09-10
- 鐵路車輛軸承優(yōu)化運用與分析
：鐵路車輛;滾動軸承;優(yōu)化設(shè)計;游隙調(diào)整;裝配 中圖分類號：U216.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）06-0125-020? 引言軸承體現(xiàn)一個國家機(jī)械制造業(yè)技術(shù)水平的核心基礎(chǔ)部件，高端軸承更是代表了軸承技術(shù)中指標(biāo)高、技術(shù)難的前沿技術(shù)。我國鐵路車輛，尤其是高速車輛的軸承也是我國高端滾動軸承中的一種
內(nèi)燃機(jī)與配件 2021年6期2021-09-10
- 滾動軸承對滾動體的技術(shù)要求研究
平直接關(guān)系到滾動軸承的精度和性能和壽命等，因為工作人員需要結(jié)合軸承基本需求，全面分析滾動體的尺寸規(guī)格和力學(xué)心梗以及疲勞壽命等方面，使其滿足滾動軸承運行需求，同時提升國產(chǎn)滾動體的技術(shù)質(zhì)量水平。關(guān)鍵詞：滾動軸承;滾動體;技術(shù)要求滾動軸承在軸承套圈內(nèi)設(shè)置滾動體，因此實現(xiàn)滾動運動。滾動軸承運行的基本條件是滾動體，而現(xiàn)代軸承工業(yè)發(fā)展的基礎(chǔ)也是滾動體，如果沒有滾動體，就無法發(fā)展滾動軸承。利用滾動體最開始是為了代替軸承，有效降低整體摩擦，提高運轉(zhuǎn)過程的輕便性和靈活性。而
科技研究 2021年12期2021-09-10
- 淺析軋機(jī)減速機(jī)滾動軸承常見失效形式及點檢方法
對軋機(jī)減速機(jī)滾動軸承的常見失效形式及原因進(jìn)行了分析，介紹了傳統(tǒng)點檢方法及其優(yōu)、缺點。說明了振動在線監(jiān)測技術(shù)應(yīng)用于軋機(jī)減速機(jī)滾動軸承的點檢領(lǐng)域具有執(zhí)行頻率高、覆蓋面廣等優(yōu)點，與傳統(tǒng)點檢方法相結(jié)合可實現(xiàn)軸承故障位置的準(zhǔn)確預(yù)判。關(guān)鍵詞：滾動軸承;軋機(jī)減速機(jī);點檢中圖分類號：TH133 ?文獻(xiàn)識別碼：A1、前言在鋼鐵企業(yè)中，軋鋼產(chǎn)線，尤其是棒、線材產(chǎn)線具有高軋速、快節(jié)奏的生產(chǎn)特點，加之溫度高、濕度大的惡劣環(huán)境，使得軋機(jī)減速機(jī)滾動軸承的任何問題都會被放大，導(dǎo)致軸承本
科技研究 2021年19期2021-09-10
- 改進(jìn)IESFOgram的滾動軸承故障特征提取
相關(guān)分析提取滾動軸承故障振動分量;基于軸承隨機(jī)滑動特性設(shè)置特征頻率容差，并計算特征頻率各階次諧波頻率與邊帶積分比值之和，確定包含軸承故障信息最豐富的解調(diào)頻帶;包絡(luò)譜分析辨識軸承故障特征。仿真數(shù)據(jù)、西儲大學(xué)部分?jǐn)?shù)據(jù)和實驗數(shù)據(jù)的結(jié)果分析表明，所提出方法可有效解決IESFOgram算法在軸承隨機(jī)滑動的條件下失效的缺陷。關(guān)鍵詞： 故障診斷; 滾動軸承; 快速譜峭度; 循環(huán)平穩(wěn); 特征包絡(luò)譜引 ?言滾動軸承是旋轉(zhuǎn)機(jī)械中最容易損壞的基礎(chǔ)部件之一。當(dāng)滾動軸承發(fā)生故障時，
振動工程學(xué)報 2021年4期2021-09-08
- 基于改進(jìn) EMD樣本熵和 SVM的風(fēng)機(jī)滾動軸承故障診斷
VM分類器的滾動軸承故障診斷方法。以風(fēng)機(jī)齒輪箱滾動軸承為研究對象，提取了內(nèi)圈故障、外圈故障、滾動體故障和正常軸承4種狀態(tài)振動信號，利用 EEMD和小波分別對振動信號分解降噪并篩選主要 IMF 分量;計算前4階 IMF 分量的樣本熵作為特征向量;最后將特征向量輸入高斯徑向基核函數(shù)的 SVM模型進(jìn)行故障識別。結(jié)果表明：EEMD 算法對端點效應(yīng)和模態(tài)混疊都有一定抑制作用，EEMD 樣本熵和 SVM 相結(jié)合可有效識別滾動軸承故障類型，故障識別率為97.5%，為工程
機(jī)電工程技術(shù) 2021年12期2021-08-21
- 滾動軸承故障信號在復(fù)雜路徑中的傳遞特性分析
的存在會降低滾動軸承故障信號采集的準(zhǔn)確性和有效性。針對此問題，建立了包含局部缺陷滾動軸承、彈性支撐、油膜減振器和多層螺栓法蘭連接的動力學(xué)仿真模型，研究了滾動軸承故障信號在復(fù)雜路徑中的傳遞特點。采用滾動軸承故障模擬平臺進(jìn)行滾動軸承外圈故障實驗，對比動力學(xué)仿真數(shù)值計算和實驗分析的結(jié)果，驗證了仿真結(jié)果的準(zhǔn)確性。借助典型的特征參數(shù)值，對比了不同測點處信號的特點，并重點分析了油膜減振器的影響。研究結(jié)果表明，復(fù)雜傳遞路徑會導(dǎo)致故障信號在傳遞過程中產(chǎn)生較大的衰減，油膜減
機(jī)電工程技術(shù) 2021年12期2021-08-21
- 形態(tài)經(jīng)驗小波變換和改進(jìn)分形網(wǎng)絡(luò)在軸承故障識別中的應(yīng)用
摘要： 傳統(tǒng)滾動軸承故障識別方法過度依賴專家經(jīng)驗且故障特征提取與選擇較為復(fù)雜，提出一種基于形態(tài)經(jīng)驗小波變換（MEWT）和改進(jìn)分形網(wǎng)絡(luò)（IFractalNet）的識別方法。利用MEWT將滾動軸承振動信號自適應(yīng)分解為若干本征模態(tài)分量;根據(jù)綜合評價指標(biāo)選擇包含明顯故障特征的本征模態(tài)分量并重構(gòu);針對原始分形網(wǎng)絡(luò)的的缺陷改進(jìn)其損失函數(shù)和激活函數(shù);將重構(gòu)后的軸承振動信號輸入IFractalNet進(jìn)行自動特征提取與故障識別。實驗結(jié)果表明：所提方法避免了復(fù)雜的人工特征提取
振動工程學(xué)報 2021年3期2021-08-09
- 結(jié)合DSHDD和模糊評價的滾動軸承退化狀態(tài)在線識別
故障診斷;滾動軸承; 集合經(jīng)驗?zāi)B(tài)分解; 雙超球數(shù)據(jù)域描述; 性能退化評估中圖分類號： TH165+.3; TH133.33? ? 文獻(xiàn)標(biāo)志碼： A? ? 文章編號： 1004-4523（2021）03-0646-08DOI：10.16385/j.cnki.issn.1004-4523.2021.03.023引 言在生產(chǎn)制造過程中，滾動軸承作為生產(chǎn)設(shè)備的核心部件，其運行狀態(tài)是否正常一直是目前研究的熱點[1]。隨著運行時間的增加，滾動軸承的性能會出現(xiàn)不同程
振動工程學(xué)報 2021年3期2021-08-09
- 遺傳規(guī)劃提取優(yōu)化特征在軸承壽命預(yù)測中的應(yīng)用
進(jìn)摘要： 在滾動軸承故障診斷領(lǐng)域中，針對軸承剩余壽命預(yù)測這一關(guān)鍵問題，提出了一種基于GP（遺傳規(guī)劃）提取特征的方法，該方法將多個特征組合為一個特征樹，實現(xiàn)多維輸入到一維輸入的轉(zhuǎn)換，并用改良的適應(yīng)度評價特征樹的優(yōu)良性，經(jīng)過反復(fù)迭代，最后輸出適應(yīng)度最大的特征樹，該特征樹對應(yīng)的特征值曲線在時域上最接近線性變化，將其作為一個獨立的特征，稱為優(yōu)化特征。最后利用軸承全壽命振動信號，以優(yōu)化特征為模型預(yù)測軸承剩余使用壽命，驗證了算法預(yù)測的準(zhǔn)確性。關(guān)鍵詞： 故障診斷; 滾動
振動工程學(xué)報 2021年3期2021-08-09
- 滾動軸承對滾動體的技術(shù)要求研究
平直接關(guān)系到滾動軸承的精度和性能和壽命等，因為工作人員需要結(jié)合軸承基本需求，全面分析滾動體的尺寸規(guī)格和力學(xué)心梗以及疲勞壽命等方面，使其滿足滾動軸承運行需求，同時提升國產(chǎn)滾動體的技術(shù)質(zhì)量水平。關(guān)鍵詞：滾動軸承;滾動體;技術(shù)要求滾動軸承在軸承套圈內(nèi)設(shè)置滾動體，因此實現(xiàn)滾動運動。滾動軸承運行的基本條件是滾動體，而現(xiàn)代軸承工業(yè)發(fā)展的基礎(chǔ)也是滾動體，如果沒有滾動體，就無法發(fā)展滾動軸承。利用滾動體最開始是為了代替軸承，有效降低整體摩擦，提高運轉(zhuǎn)過程的輕便性和靈活性。而
科技研究 2021年9期2021-07-19
- Bi?LSTM神經(jīng)網(wǎng)絡(luò)用于軸承剩余使用壽命預(yù)測研究
故障診斷; 滾動軸承; Bi?LSTM網(wǎng)絡(luò); 多傳感器樣本; 變長度輸入中圖分類號： TH165+.3; TH133.33; TN911.7 ? ?文獻(xiàn)標(biāo)志碼： A ? ?文章編號： 1004-4523（2021）02-0411-10DOI：10.16385/j.cnki.issn.1004-4523.2021.02.022引 ?言滾動軸承是旋轉(zhuǎn)機(jī)械中最關(guān)鍵的部件之一，機(jī)械設(shè)備在經(jīng)過長時間、高強(qiáng)度的運行后，其內(nèi)部軸承極容易發(fā)生損壞[1]。在運行過程中軸承會
振動工程學(xué)報 2021年2期2021-06-10
- 強(qiáng)背景噪聲振動信號中滾動軸承故障沖擊特征提取
故障診斷; 滾動軸承; 沖擊特征; 奇異值分解; S變換中圖分類號： TH165+.3; TH133.33; TN911.7??? 文獻(xiàn)標(biāo)志碼： A??? 文章編號： 1004-4523（2021）01-0202-09DOI：10.16385/j.cnki.issn.1004-4523.2021.01.023引 言滾動軸承是旋轉(zhuǎn)機(jī)械設(shè)備中廣泛使用的零部件之一，也是旋轉(zhuǎn)機(jī)械最主要的故障來源之一[1]。在實際運行過程中由于工況復(fù)雜、過載、安裝精度差及潤滑不良等
振動工程學(xué)報 2021年1期2021-06-06
- 改進(jìn)均衡分布適配的滾動軸承壽命階段識別
分布差異導(dǎo)致滾動軸承壽命階段無法被有效識別的問題，提出改進(jìn)均衡分布適配的滾動軸承壽命階段識別方法。采用無重復(fù)均勻隨機(jī)抽樣對源域類間樣本進(jìn)行多次均勻隨機(jī)抽樣，得到源域多樣本訓(xùn)練集，以減小源域內(nèi)部樣本選擇對目標(biāo)域預(yù)測標(biāo)簽的影響;在再生核希爾伯特空間上利用平衡因子μ動態(tài)調(diào)節(jié)邊緣分布和條件分布所占權(quán)值，并通過迭代的方式不斷優(yōu)化目標(biāo)域偽標(biāo)簽以減小兩域的最大均值差異;利用源域多樣本數(shù)據(jù)集各自的映射矩陣構(gòu)造多個分類器，經(jīng)過一致性判別得到目標(biāo)域樣本最終識別結(jié)果。在兩組滾動
振動工程學(xué)報 2021年1期2021-06-06
- 滾動軸承振動信號特性分析
的應(yīng)用，但是滾動軸承卻十分容易損壞。滾動軸承的運行狀態(tài)通常也會直接影響到整個機(jī)械設(shè)備的性能。滾動軸承損壞尤其是突然損壞不僅會導(dǎo)致機(jī)械設(shè)備的故障失效，甚至造成更為嚴(yán)重或許是災(zāi)難性的事故。對滾動軸承進(jìn)行特征信號分析對其故障進(jìn)行診斷可以有效地避免事故發(fā)生。關(guān)鍵詞：滾動軸承;信號;分析為了有效地提取滾動軸承故障信號特性，提出了一種基于共振解調(diào)技術(shù)和譜峭度法相結(jié)合的方法，并且將其應(yīng)用到實際的滾動軸承的數(shù)據(jù)中進(jìn)行分析處理。發(fā)現(xiàn)能準(zhǔn)確的找出其故障部位并得到其故障頻率。一
錦繡·下旬刊 2021年4期2021-05-14
- 基于神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法研究
神經(jīng)網(wǎng)絡(luò)? 滾動軸承? ?故障診斷中圖分類號：TH133.33 文獻(xiàn)標(biāo)識碼：A? ?文章編號：1672-3791（2021）11（a）-0000-00Research on Fault? Diagnosis Method of Rolling Bearing Based on Neural NetworkHAN? Xiaoliang（School of Information Engineering， Shenyang University of Chem
科技資訊 2021年31期2021-01-05
- 淺析鐵路貨車滾動軸承熱軸原因及預(yù)防措施
近期鐵路貨車滾動軸承熱軸故障問題，剖析了滾子滾道損傷、注油量、軸承壓裝質(zhì)量等方面導(dǎo)致熱軸的原因，并圍繞改進(jìn)軸承材質(zhì)的制造工藝，對提高軸承組裝、軸承一般檢修、軸承大修質(zhì)量等提出了預(yù)防措施。關(guān)鍵詞：滾動軸承;熱軸;分析;預(yù)防1? ? 貨車滾動軸承熱軸故障情況統(tǒng)計根據(jù)“鐵路車輛信息發(fā)布系統(tǒng)”提供的數(shù)據(jù)，2017年1—12月，全路紅外線軸溫探測預(yù)報系統(tǒng)（THDS探測站）共預(yù)報熱軸故障59套（其中定責(zé)37套，待定責(zé)22套）。在定責(zé)的37套軸承熱軸原因分析中，定責(zé)缺陷
科學(xué)大眾 2020年7期2020-12-29
- 水泥設(shè)備滾動軸承故障診斷與處理
討了水泥設(shè)備滾動軸承故障的診斷和處理。關(guān)鍵詞：水泥設(shè)備;滾動軸承;故障處理滾動軸承屬于水泥設(shè)備內(nèi)的關(guān)鍵零件之一，可以說滾動軸承的運行狀態(tài)在很大程度上關(guān)系到整個設(shè)備的性能發(fā)揮。滾動軸承實際運行過程中出現(xiàn)的故障現(xiàn)象類型較多，其誘發(fā)因素也各有不同，因此在實際的工作過程中必須要針對故障問題予以準(zhǔn)確分析，判斷其故障根源，這樣才能夠采取有針對性的處理方法，確保故障得以及時解決，盡快恢復(fù)正常生產(chǎn)。1水泥設(shè)備滾動軸承常見故障分析1.1過載。過載時常常會觀察到軸承的鋼柱軌道
裝備維修技術(shù) 2020年18期2020-12-25
- 化工企業(yè)電機(jī)滾動軸承的潤滑保養(yǎng)
機(jī)運行環(huán)境，滾動軸承的簡單陳述，對應(yīng)不同電機(jī)潤滑脂的選擇及軸承的潤滑保養(yǎng)，強(qiáng)調(diào)了電機(jī)滾動軸承正確的保養(yǎng)技術(shù)與正確的潤滑保養(yǎng)方法。其目的在于降低軸承損壞率并延長軸承的的使用壽命，發(fā)揮滾動軸承達(dá)到無憂運轉(zhuǎn)的境界，確保機(jī)器設(shè)備能夠順利的運轉(zhuǎn)，保證生產(chǎn)裝置的平穩(wěn)運行。關(guān)鍵詞：電機(jī);滾動軸承;運行規(guī)定;損壞：監(jiān)測;潤滑脂：維護(hù)保養(yǎng);1 電機(jī)及電機(jī)軸承的簡介1.1化工企業(yè)主要用的是交流電機(jī)，現(xiàn)對交流電機(jī)做簡單介紹。交流電動機(jī)是一種將交流電的電能轉(zhuǎn)變?yōu)闄C(jī)械能的裝置。交流
西部論叢 2020年16期2020-12-23
- 論大擺錘滾動軸承振動信號特征提取方式
轉(zhuǎn)機(jī)械，其中滾動軸承有著較大的產(chǎn)生故障概率，牽一發(fā)而動全身，對于整個設(shè)備的正常運轉(zhuǎn)有著重要的作用?；诖?，本文就大擺錘滾動軸承常見的失效方式進(jìn)行概述，并分析了其滾動軸承振動信號特征的提取方式，以供參考。關(guān)鍵詞：大擺錘;滾動軸承;振動信號特征大擺錘有著較高的運轉(zhuǎn)速度，在運轉(zhuǎn)過程中滾動軸承這一種核心部件很容易受到高速的影響而產(chǎn)生故障，因此相關(guān)技術(shù)人員應(yīng)當(dāng)明確滾動軸承常見的失效方式，并根據(jù)大擺錘實際運轉(zhuǎn)情況，采取合理的滾動軸承振動信號特征提取方式，以此來確保大擺
裝備維修技術(shù) 2020年5期2020-11-20
- 滾動軸承參數(shù)化建模及接觸強(qiáng)度研究
志敏摘 要 滾動軸承作為將滑動摩擦轉(zhuǎn)變?yōu)闈L動摩擦以降低能量損耗的重要設(shè)備，當(dāng)前在幾乎所有機(jī)械設(shè)施中都取得了良好的使用?；趯?span id="j5i0abt0b" class="hl">滾動軸承參數(shù)化建模方法的分析，本文探討了該軸承在運行中產(chǎn)生的接觸強(qiáng)度參數(shù)，在此基礎(chǔ)上提出針對強(qiáng)度不足問題的解決方法，從而讓滾動軸承的運行強(qiáng)度可以獲得提高，讓該設(shè)備處于穩(wěn)定運行狀態(tài)。關(guān)鍵詞 滾動軸承;參數(shù)化建模;接觸強(qiáng)度引言滾動軸承包括滾軸軸承和滾珠軸承等多種類型，其作用形式存在差異，則在參數(shù)化建模中要根據(jù)運行原理合理配置各項參數(shù)，此外
科學(xué)與信息化 2020年4期2020-10-21
- 基于循環(huán)平穩(wěn)周期延拓EMD的滾動軸承故障診斷研究
方法，并進(jìn)行滾動軸承故障診斷，取得了較好的效果。關(guān)鍵詞：經(jīng)驗?zāi)B(tài)分解;改進(jìn)方法;滾動軸承;故障診斷1 基本理論經(jīng)驗?zāi)B(tài)分解（Empirical Mode Decomposition，EMD）是黃鍔[4]提出的一種處理非平穩(wěn)信號的新方法，該方法可將信號分解成一系列信號，外加一個殘余分量，這些信號分量叫做本征模態(tài)函數(shù)（Intrinsic Mode Function，IMF）。4 實例分析美國凱斯西儲大學(xué)軸承中心實驗臺如圖4所示，本章節(jié)選用SKF6205驅(qū)動端軸
科技風(fēng) 2020年25期2020-10-09
- 滾動軸承摩擦力矩的計算模型及其影響因素分析
的狀態(tài)。如，滾動軸承摩擦力矩大小無法滿足軸承現(xiàn)有的功率消耗和發(fā)熱量大小需求。此問題嚴(yán)重影響現(xiàn)代機(jī)械制造加工業(yè)的可持續(xù)發(fā)展?；诖讼挛恼归_對滾動軸承摩擦力矩的計算模型搭建，提出影響軸承摩擦力矩的相關(guān)因素，旨在能夠起到保護(hù)滾動軸承，提升滾動軸承的效率和質(zhì)量。關(guān)鍵詞：滾動軸承;摩擦力矩;計算模型;影響因素0? 引言滾動軸承是運轉(zhuǎn)的軸和軸座之間的滑動摩擦變?yōu)闈L動摩擦，從而減少摩擦損失的一種精密機(jī)械元件。在數(shù)控機(jī)床機(jī)械設(shè)備中，機(jī)床主軸支承需要根據(jù)主軸部件的轉(zhuǎn)速、承載
內(nèi)燃機(jī)與配件 2020年16期2020-09-10
- Excel在滾動軸承壽命校核中應(yīng)用的研究
經(jīng)濟(jì)又實用的滾動軸承，對于大批量生產(chǎn)機(jī)器具有重要的意義。計算滾動軸承壽命是常用方法，如何多次可重復(fù)的進(jìn)行設(shè)計計算，提高計算效率，促進(jìn)機(jī)械設(shè)計現(xiàn)代化水平的提高。該文將Excel引入到了機(jī)械設(shè)計中，詳細(xì)論證了用Excel開發(fā)滾動軸承壽命校核技術(shù)文件的可行性及優(yōu)勢，這對于用Excel推動機(jī)械設(shè)計課程改革有重要作用，進(jìn)而推動和提高職業(yè)教育現(xiàn)代化水平。Abstract： How to choose economical and practical rolling b
內(nèi)燃機(jī)與配件 2020年17期2020-09-10
- 基于神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷
經(jīng)濟(jì)效益。當(dāng)滾動軸承在不平衡的載荷條件下工作時它會因為承受交變應(yīng)力而比較容易出現(xiàn)缺陷，而且由于故障與發(fā)出的征兆之間具有非常復(fù)雜的非映射關(guān)系，傳統(tǒng)的依據(jù)人的經(jīng)驗或是根據(jù)振動信號的頻域分析、時域分析已經(jīng)很難完全反映振動的特征。由于神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非映射以及能夠自主學(xué)習(xí)和自適應(yīng)能力，所以本文利用其特點探討并研究了基于BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷。關(guān)鍵詞：滾動軸承;故障診斷;BP神經(jīng)網(wǎng)絡(luò)從20世紀(jì)中葉開始，設(shè)備的故障診斷開始逐漸發(fā)展為一門相對完整的學(xué)科，對各個領(lǐng)域
看世界·學(xué)術(shù)下半月 2020年5期2020-09-10
- 基于諧波小波包的滾動軸承故障診斷研究
雄摘要：針對滾動軸承的故障信號通常為非線性、非平穩(wěn)的復(fù)雜信號，提出了一種基于諧波小波包的滾動軸承故障診斷方法。通過采用諧波小波包變換對仿真信號和軸承內(nèi)圈故障信號進(jìn)行分解，成功地提取出信號中的奇異或故障成分。分析結(jié)果表明該方法是一種有效的故障診斷工具，具有良好的實用價值。關(guān)鍵詞：諧波小波包;滾動軸承;故障診斷中圖法分類號：TH165.3 文獻(xiàn)標(biāo)志碼：A一、諧波小波變換1993年，劍橋大學(xué)D.E. Newland[1] 教授提出
看世界·學(xué)術(shù)上半月 2020年12期2020-09-10
- 滾動軸承實時溫度智能測量系統(tǒng)設(shè)計
君摘要：影響滾動軸承壽命的關(guān)鍵因素之一是軸承運行時的溫度，為此，溫度也就成為檢測軸承運行狀態(tài)與重要參數(shù)。隨著自動化檢測技術(shù)的發(fā)展，軸承溫度智能化測量也就成為動態(tài)監(jiān)控軸承溫度技術(shù)發(fā)展主要方向。本設(shè)計從硬件、軟件及安裝三個就滾動軸承實時溫度智能測量系統(tǒng)設(shè)計進(jìn)行了分析，以期為滾動軸承實時溫度智能測量系統(tǒng)實現(xiàn)提供一個可行的技術(shù)框架。關(guān)鍵詞：滾動軸承;溫度;智能測量系統(tǒng) 中圖分類號：V263.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
內(nèi)燃機(jī)與配件 2020年24期2020-09-10
- 基于分?jǐn)?shù)階傅里葉變換的滾動軸承故障診斷
點，它在診斷滾動軸承故障時，可以使不穩(wěn)定的軸承故障信號的時頻特性更好的展示出來。再通過分析故障信號的時頻特性，從而得出滾動軸承故障是外圈故障、內(nèi)圈故障還是滾動體故障，并分析其故障程度。Abstract： As an extension of the Fourier transform， the fractional Fourier transform adds a new advantage to the Fourier transform in diag
內(nèi)燃機(jī)與配件 2020年5期2020-09-10
- 滾動軸承與軸過盈配合對軸承元件接觸應(yīng)力及變形量影響研究
英摘要：基于滾動軸承在裝配過程中軸承內(nèi)圈與軸形成過盈配合的實際情況，對其進(jìn)行力學(xué)理論分析。在此基礎(chǔ)上利用建模軟件對滾動軸承建立三維模型，在有限元環(huán)境下，進(jìn)行材料設(shè)置、網(wǎng)格劃分、邊界條件設(shè)定、施加載荷等操作建立有限元仿真模型。分別對不同過盈量下軸承元件接觸應(yīng)力和變形量情況進(jìn)行仿真。結(jié)果發(fā)現(xiàn)：軸承元件上的接觸應(yīng)力和變形量與過盈量成正比關(guān)系;軸承內(nèi)圈與滾動體接觸應(yīng)力和變形量之差，隨著過盈量的增加，逐漸高于滾動體與軸承外圈接觸應(yīng)力和變形量之差;同一過盈量下，軸承內(nèi)
內(nèi)燃機(jī)與配件 2020年12期2020-09-10
- 基于小波變換的滾動軸承故障診斷
的方程，求得滾動軸承的特征頻率;最后以西儲大學(xué)的6203-2RS JEM SKF深溝球軸承作為研究對象，對軸承的外圈、滾動體和內(nèi)圈進(jìn)行故障診斷，利用MATLAB編寫小波變換程序并進(jìn)行仿真分析。仿真結(jié)果表明：利用小波變換可以準(zhǔn)確的判斷滾動軸承的故障振動信號，得出與軸承理論上特征頻率相對應(yīng)的頻率點。關(guān)鍵詞：小波變換;故障診斷;滾動軸承;Harr小波理論;特征頻率0? 引言軸承作為旋轉(zhuǎn)機(jī)械系統(tǒng)里重要的元件之一，由于工作條件等原因，軸承經(jīng)常發(fā)生點蝕、腐蝕、磨損、膠
內(nèi)燃機(jī)與配件 2020年2期2020-09-10
- 滾動軸承裝配方法及注意事項
安浩俊摘要：滾動軸承零件是一種十分精巧嚴(yán)密的軸承零部件，進(jìn)行軸承安裝前必須對其進(jìn)行日常檢查，根據(jù)情況適當(dāng)調(diào)整滾動軸承的竄動量和間隙，確定每個軸承零件是否配合滾動間隙，這樣不僅能夠有效提高軸承安裝工作效率，也便于檢測每次滾動后的軸承零件是否安裝合格。同時還要做好用前準(zhǔn)備檢查工作，選用合理的產(chǎn)品安裝、拆卸維護(hù)方法。各設(shè)備方面必須保證正確有序正常運行設(shè)備才能同時保證設(shè)備裝配的工作成功率和質(zhì)量確保已經(jīng)裝配好的所有機(jī)器設(shè)備能夠正常有序運行。Abstract： Rol
內(nèi)燃機(jī)與配件 2020年23期2020-09-10
- 基于Hilbert-Huang變換的滾動軸承故障診斷研究
陳芳摘要：滾動軸承發(fā)生故障時，其信號具有非平穩(wěn)性特點，因此本文介紹了基于Hilbert-Huang變換的信號處理方法。該方法以EMD為基礎(chǔ)，得到由高頻到低頻的IMF分量，并對每個IMF分量進(jìn)行時頻譜分析，最終確定故障類型。由實驗可知，該方法分析外圈故障得到的故障頻率與理論計算值相符，在滾動軸承故障診斷方面具有很強(qiáng)的實踐性。Abstract： When the rolling bearing fails， its signal has non-station
內(nèi)燃機(jī)與配件 2020年24期2020-09-10
- 基于GAN的軸承故障診斷方法
高。關(guān)鍵詞：滾動軸承;故障診斷;生成式對抗網(wǎng)絡(luò);支持向量機(jī)0 ?引言滾動軸承是旋轉(zhuǎn)機(jī)械中最重要的零件之一，因其復(fù)雜的工況和結(jié)構(gòu)極易發(fā)生故障，從而造成重大經(jīng)濟(jì)損失。實際應(yīng)用中，旋轉(zhuǎn)機(jī)械設(shè)備多數(shù)情況在正常狀態(tài)下工作，因此可以收集到的故障數(shù)據(jù)較少，且存在著故障類型不平衡的問題[1-2]。目前很多學(xué)者針對軸承早期故障診斷展開了大量研究。蘇文勝等提出一種基于EMD和譜峭度法的故障診斷方法，應(yīng)用EMD對信號進(jìn)行預(yù)處理從而提高診斷率[3];劉晨斐等提出將改進(jìn)采樣方法和S
內(nèi)燃機(jī)與配件 2020年14期2020-09-10
- 滾動軸承資源庫系統(tǒng)設(shè)計與開發(fā)
、可擴(kuò)展的的滾動軸承資源庫系統(tǒng)。在需求分析的基礎(chǔ)上，對滾動軸承資源庫進(jìn)行概念設(shè)計、邏輯設(shè)計及物理設(shè)計，利用MySQL數(shù)據(jù)庫管理系統(tǒng)分別開發(fā)滾動軸承資源庫的基本信息數(shù)據(jù)庫、標(biāo)準(zhǔn)數(shù)據(jù)庫和非標(biāo)數(shù)據(jù)庫。研究基于JDBC的數(shù)據(jù)庫訪問技術(shù)，開發(fā)滾動軸承資源庫的查詢和調(diào)用模塊。以圓柱滾子軸承的外形尺寸參數(shù)設(shè)計計算作為應(yīng)用背景，實現(xiàn)在matlab開發(fā)環(huán)境中對滾動軸承資源庫的調(diào)用，縮短了機(jī)械產(chǎn)品設(shè)計的周期。Abstract： Based on the relational
內(nèi)燃機(jī)與配件 2020年15期2020-09-10
- 智能化全自動軸承壓裝機(jī)研究
率。關(guān)鍵詞：滾動軸承;軸承壓裝;機(jī)械臂軸承上料中圖分類號：U260.71 ? ? ? 文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號：2095-2945（2020）25-0073-02Abstract： In order to solve the problem of manual handling in the process of bearing pressing， and the manual judgment and manual replacement
科技創(chuàng)新與應(yīng)用 2020年25期2020-08-31