基于振动诊断技术的曲轴主轴颈磨床故障诊断

通过应用振动诊断技术对M1380B曲轴主轴颈磨床进行故障诊断的成功事例,简述了振动与机械故障之间的联系,介绍了振动诊断技术在设备故障诊断中的具体应用情况,包括测试系统的基本配置、振动参量的选取、振动参量的表征参数的选取、测试工况的确定、测点位置的选取以及振动信号的分析处理与故障诊断,并验证了诊断结论的正确性,指出了振动诊断技术在设备故障诊断中的实用性和经济性.     

振动诊断技术在桥梁结构动载试验中的应用

振动故障诊断是桥梁结构测试技术中发展前景广阔的一个应用分支，也是近年来发展较快的一门新技术，其基本原理是利用桥梁本身或激振后发出的振动信号对桥梁的故障进行判断和诊治。本文以广东省某公路大桥为例，简要介绍了振动故障诊断技术在桥梁结构动载试验中的基本原理及其应用方法。     

电测与汽车数字应用中心

电测与汽车数字应用中心下设电测实验室和汽车数字应用实验室。 电测实验室主要承担振动、传感与测试技术、LABVIEW及应用等课程的实验教学任务。主要实验仪器有：30台综合传感器实验仪，可完成压阻、电容、霍尔、压电等多种传感器静、动态特性实验；8套振动测试实验装置，能完成一些典型力学模型的振型测量与振动相关实验 .     

车下有源设备振动测试分析

针对某25型车餐车出现的车内地板振动过大的问题,采用北京东方振动与噪声技术研究所的DASP-V10振动模态测试分析系统对该车进行振动测试,采集了车下有源设备(柴油机发电机组)、车外波纹地板及车内木地板等关键部位的振动信号,了解其振动特性,根据振动理论提出了结构修改意见并进行了波纹地板刚度加强的结构改进;对改进后的车辆再次进行振动测试,测试结果证实结构改进后车内木地板振动显著减小,满足了铁道车辆运行舒适度的要求.     

宝中线颉河六号大桥振动测试分析

对宝中铁路颉河六号大桥２＃墩检查设备安装前后的振动测试结果表明，振动参数没有不利变化，桥墩的横向刚度及舒适度指标满足行车要求。     

基于BP神经网络和振动测量的轴承故障诊断

根据BP算法神经网络模型,通过对轴承振动测量的分析,得到故障诊断的方法。阐述BP神经网络应用于轴承故障的基本步骤,包括BP网络结构、状态编码、网络训练、模式识别以及诊断实例分析。指出了BP神经网络在轴承故障诊断中的应用中存在的问题和发展方向。     

东风7型内烯机车振动的分析

为解决东风７型内燃机车存在的振动问题，对该机车振动的原因进行了分析，并对振动测试系统作了叙述。     

设备状态监测与故障诊断技术在筑路机械管理中的应用

介绍设备状态监测与故障诊断技术在筑路机械管理过程中的应用，开发状态监测工作的作用及形式、诊断与案例分析等。     

准高速铁路客车振动测试与分析

铁路客车的振动对旅客和车辆本身带来了严重的不良影响，已引起了有关部门的高度重视．对我国准高速铁路客车的振动进行了车内测试．并对其测试结果进行了分析，从而得出结论：车体振动主要表现形式为横向振动和垂向振动，铁路客车抖动的原因主要由共振引起．     

基于COM技术的远程虚拟设备故障诊断系统

针对设备远程故障诊断研究中存在的问题，将COM作为核心技术引入到远程虚拟设备故障诊断系统中，深入分析了基于COM技术的设备故障诊断系统的设计与实现方法，使其具有监测诊断的智能性、自主性．并且分析了COM技术、DCOM技术和虚拟测试技术．     

基于振动分析的轴承故障检测方法分析

由滚动轴承故障形式可知,振动是反映滚动轴承故障的最常见特征之一,它能够反映滚动轴承运行状态的信息。因此,在工程实际中倒频谱分析法、特征参数分析法和包络法是滚动轴承故障振动诊断的主要方法,对上述3类振动诊断方法及特点进行分析。     

A Statistical Parameter Analysis and SVM Based Fault Diagnosis Strategy for Dynamically Tuned Gyroscopes

Gyro's fault diagnosis plays a critical role in inertia navigation systems for higher reliability and precision. A new fault diagnosis strategy based on the statistical parameter analysis (SPA) and support vector machine (SVM) classification model was proposed for dynamically tuned gyroscopes (DTG). The SPA, a kind of time domain analysis approach, was introduced to compute a set of statistical parameters of vibration signal as the state features of DTG, with which the SVM model, a novel learning machine based on statistical learning theory (SLT), was applied and constructed to train and identify the working state of DTG. The experimental results verify that the proposed diagnostic strategy can simply and effectively extract the state features of DTG, and it outperforms the radial-basis function (RBF) neural network based diagnostic method and can more reliably and accurately diagnose the working state of DTG.     

基于信号预处理和Hilbert变换的滚动轴承故障诊断

针对滚动轴承振动信号复杂和非平稳的特点,及故障信号常常淹没于各种噪声的情况,先利用消除趋势项和小波降噪对包含故障信息的信号进行预处理,再应用Hilbert变换对信号进行包络解调和频谱分析,提取滚动轴承故障特征频率,并判断其故障模式.对滚动轴承内圈、外圈和滚动体故障的诊断试验,证明了信号预处理和希尔伯特(Hilbert)变换相结合的方法对滚动轴承内圈和外圈局部损伤故障的诊断是有效的和可行的,但不能很好地检验出轴承滚动体的故障特征     

基于EEMD-Hilbert和FWA-SVM的滚动轴承故障诊断方法

为有效提取非平稳特性的滚动轴承振动信号特征,提高故障诊断效率,提出一种采用集合经验模态分解（empiricalmode?decomposition,EEMD）、Hilbert变换的特征提取方法,并利用烟花算法优化支持向量机（support vector machine,SVM）分类参数的滚动轴承故障诊断方法. 通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获取模态函数的瞬时频率,并对模态函数及其瞬时频率进行统计特征提取,从而实现特征的有效降维. 结果表明:信号经过EEMD-Hilbert处理后特征能有效提取,将训练集和测试集各600组数据代入烟花算法优化SVM模型得到测试集正确率为99.63%;比传统的遗传算法和粒子群算法优化模型分别提高0.4%和0.2%左右;同时收敛时间更短,验证了该算法模型的可行性与有效性.      

一种交流电机故障诊断中的特征提取与强化

为提高电机故障诊断的准确率和有效性,提出了一种故障特征提取与强化的新方法.即在对所采集的交流电机振动加速度信号进行数据预处理之后,用盲源分离方法进行独立振动源的分离,然后采用小波包分析方法进行特征提取,并进行特征频带的简化及特征强化处理,特征强化后的数据作为交流电机故障诊断模型的输入.该方法通过对振动加速度信号进行分离,能够分离出混合信号中的独立振动源,提高了故障特征提取的正确率和准确度;通过对特征频带化简,减少了故障诊断模型的输入,进而简化了模型的结构;特征强化使模型能够更有效地识别故障状态.     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

Fault diagnosis for wind turbine based on improved extreme learning machine

A fault diagnosis method based on improved extreme learning machine (IELM) is proposed to solve the weakness (weak generalization ability, low diagnostic rate) of traditional fault diagnosis with feedforward neural network algorithm. This method fuses signal feature vectors, extracts six parameters as the principal component analysis (PCA) variables, and calculates correlation coefficient matrix among the variables. The weight values of control parameters in the extreme learning model are dynamically adjusted according to the test samples’ constantly changing. Consequently, the weight fixed drawback in the original model can be remedied. A fault simulation experiment platform for wind turbine drive system is built, eight kinds of fault modes are diagnosed by the improved extreme learning model, and the result is compared with that of other machine learning methods. The experiment indicates that the method can enhance the accuracy and generalization ability of diagnosis, and increase the computing speed. It is convenient for engineering application.     

基于虚拟仪器的机车滚动轴承故障诊断研究

介绍了机车滚动轴承故障诊断的机理。利用LabVIEW软件和相关硬件,设计了一种机车滚动轴承故障诊断系统。该系统结合某一型号机车轮对,利用CompactDAQ和NI9233加速度采集模块采集滚动轴承振动信号。根据滚动轴承机理,振动信号包含滚动轴承故障信息。因此,运用小波变换函数,对振动信号进行时频域分析处理,获取有用的故障特征信息,进而确定故障类型。从实验结果可以看出,该方法能准确地找到故障频率,对于机车滚动轴承故障诊断有很好的指导意义。     

典型时频分析技术在故障诊断中的应用

针对旋转机械发生故障时振动信号的不平稳性,利用典型时频分析技术对故障特征进行提取分析。该方法利用信号构造矩阵,再根据典型时频分析技术的变换特性,均值化时频分布参数,然后重构信号以实现降噪。仿真和试验结果表明,该方法能有效地提取故障特征信息,在机械故障诊断领域有广泛应用前景。     

高速列车齿轮箱疲劳可靠性及故障诊断研究现状

随着高速列车速度不断提高牵引齿轮箱服役环境越发复杂,齿轮箱服役性能也面临更大的考验。基于齿轮箱内、外及耦合激励对其振动响应的影响,国内外学者对高速列车齿轮箱的振动特性和故障诊断做了大量的研究;针对已有的研究成果,主要从齿轮箱强度、可靠性及寿命、箱体故障诊断及监测方面归纳总结,详细阐述了高速列车齿轮箱振动特性分析及故障诊断所采用的方法和研究现状,并且对未来重点研究方向提出建议和展望。