基于能量分析的列车轴承故障声发射信号研究

货车轴承早期微弱故障的声发射信号由于背景噪声干扰引起故障特征不明显,提出一种基于能量分析的故障声发射信号特征提取方法。采用铁路货车轮对轴承故障实验台进行测试,利用能量算子在检测信号瞬态冲击成分方面的优势,增强故障声发射信号中的瞬态冲击特征,通过信号瞬时能量的频谱识别特征频率,从而判断故障原因。实验结果验证了能量方法用于货车轴承声发射故障诊断的有效性。     

利用声发射诊断滑动轴承接触摩擦故障的研究

利用声发射信号的特点,在滑动轴承试验台上模拟故障并进行诊断,取得了较好的效果,实验结果表明,声发射有对轴承工作状态的变化敏感,响应时间短,抗干扰性能好,及传感器安装方便等优点,可以对机械设备的滑动轴承进行在线状态监测和故障诊断。     

TBM主轴承润滑系统减少故障的对策

主轴承对于隧道掘进机的工程地位特别重大,良好润滑是主轴承正常工作的重要保障。总结和分析TBM主轴承结构及特点,论述润滑方式及密封对于保证主轴承状态的作用,结合以往施工实践中曾经出现的主轴承故障,从状态监测、维护保养及运行操作三个方面,针对不同的侧重点,分别提出了避免和减少主轴承故障的对策,强调以加强维护保养、按技术规范操作和控制TBM掘进作为主轴承良好状态的重点保证措施,出现故障及时维修,只有这样才能为掘进施工保驾护航。     

基于声发射技术的混凝土梁破坏损伤过程的试验研究

对不同特征混凝土简支梁进行了加载破坏的声发射试验,通过有限元计算确定荷载范围以及不同梁的加载应力与应变变化规律。试验加载过程中测试梁上控制点处的应变及声发射信号,通过应力变化及外观观察,记录梁的受力状态和裂纹产生的条件,通过分析试验全过程中的声发射信号能量时程图,得到简支梁破坏过程中的能量变化特征、频率分布范围及特点,以及不同特征简支梁破坏过程中声发射能量参数的变化规律。试验表明,声发射技术监测混凝土梁的状态及损伤破坏有一定的优势。     

小波变换在轴承故障声发射信号降噪中的应用

噪声消除是小波变换最成功的应用之一，其基本思想是将信号的小波变换系数通过阈值处理，然后进行小波重构得到降躁的信号。根据故障轴承声发射信号的脉冲特性选取Morlet小波．以“小波熵最小”原则确定Morlet小波的波形参数，然后进行连续小波变换。采用软阈值方法处理小波东数，通过小波重构得到降噪后的故障声发射信号，噪声得到了很好的抑制，故障脉冲特征明显增强。采用实验数据，通过与离散小波变换的比较，得到了用连续小波变换可以有效降低噪声、提取故障声发射信号特征的结论。     

机车柴油机主轴承烧瓦故障振动诊断的研究

在对ＮＤ２机车柴油机滑动主轴承烧瓦故障机理分析的基础上,阐述了柴油机的振动激励源与特征量与烧瓦故障之间的关系,并介绍了柴油机的振动监测与诊断的试验研究,试验结果表明：利用机座外表面的振动特性的变化可以诊断出机车柴油机主轴承的故障状态。     

TBM主轴承故障成因分析及维保技术

TBM在我国隧道施工的应用已经十几年,其中不乏因TBM主轴承故障导致工程延误和重大损失案例.以秦岭隧道、大伙房引水隧道和中天山隧道工程中主轴承故障判断实例,分析了故障可能产生原因,如密封圈失效、润滑油运动粘度降低等,提出了判断故障的思路、检测方法和应对措施,以期引起施工人员的充分重视.同时从进行运行温度控制、油品理化指...     

基于声发射技术的滚动轴承故障诊断方法研究

利用声发射信号的高频特性采集滚动轴承故障信息,运用小波分析把信号分解在不同频带,对信号进行重构,从而消除背景噪声,再应用Hilbert变换进行解调和细化频谱分析。实验结果证明,基于声发射信号的小波包络谱分析可有效地检测滚动轴承故障。     

复杂传递路径下轴承滚动体故障特征提取

为消除复杂传递路径对轴承滚动体振动信号的影响并提高故障特征提取的能力，研究了基于变分模态分解(VMD)、优化最大相关峭度解卷积(MCKD)和1.5维谱的轴承滚动体故障特征提取问题；分析了轴承滚动体原始振动信号特点、早期故障信号的特性以及复杂传递路径对振动信号的影响，运用VMD将原始振动信号分解为一系列本征模态函数(IMFs),提出了转频分量剔除方法，通过峭度准则优选2个峭度较大的IMFs分量进行重构；基于网格搜索法研究了MCKD算法参数优化方法，用以增强重构信号的周期性故障特征，消除复杂传递路径对轴承滚动体故障信号的影响；利用1.5维谱分析重构信号，建立了复杂传递路径下轴承滚动体故障特征提取新方法，实现了轴承滚动体故障的准确诊断；为了证明方法的有效性，选取美国凯斯西储大学轴承SKF6205基座滚动体数据进行试验验证与分析。试验结果表明：网格搜索法获得了MCKD算法的最优滤波长度与冲击周期参数(365、85),优化MCKD算法增强了重构信号的故障特征，减少了无关频率分量，明显降低了其他成分的干扰；提出的故障特征提取方法在0、735和1 470 W负载条件下均提取到了轴承滚动体的故障特征频...     

基于小波的声发射信号特征分析

根据声发射信号的特点及实际应用中对声发射信号分析的需要,提出了一套声发射信号小波分析的小波基选取规则方法,根据提出的选择方法从常用的小波基中选出较适合声发射信号分析的几种,再通过对仿真的声发射信号进行分析得到结论:Daubechies小波、Symlets小波和Coiflets小波是适合于声发射信号分析的小波基.最后通过对能反映源特征的频带信号进行重构,这样能更好更有效的提取声发射信号的本质特征.     

Low Speed Bearing Fault Diagnosis Based on EMD-CIIT Histogram Entropy and KFCM Clustering

In view of weak defect signals and large acoustic emission(AE) data in low speed bearing condition monitoring, we propose a bearing fault diagnosis technique based on a combination of empirical mode decomposition(EMD), clear iterative interval threshold(CIIT) and the kernel-based fuzzy c-means(KFCM) eigenvalue extraction. In this technique, we use EMD-CIIT and EMD to complete the noise removal and to extract the intrinsic mode functions(IMFs). Then we select the first three IMFs and calculate their histogram entropies as the main fault features. These features are used for bearing fault classification using KFCM technique. The result shows that the combined EMD-CIIT and KFCM algorithm can accurately identify various bearing faults based on AE signals acquired from a low speed bearing test rig.     

基于Rao-Blackwellised粒子滤波的岩石声发射信号去噪

针对声发射数据采集过程易受随机噪声干扰,提出了Rao—Blackwellised粒子滤波的信号降噪方法。在地震波模型的基础上,建立了声发射信号的状态空间模型。由于两者在某些方面有相通性,从而把降噪问题转为在状态空间模型下的滤波问题。首先,通过对构造信号的仿真实验,验证Rao—Black—wellised粒子滤波能够用于信号滤波;其次,利用Rao—Blackwellised粒子滤波,对石灰岩声发射信号进行降噪处理,并取得较好的滤波效果,从而为处理声发射数据提供一条新途径。     

Feature Extraction of Bearing Vibration Signals Using Second Generation Wavelet and Spline-Based Local Mean Decomposition

In order to extract the fault feature frequency of weak bearing signals,we put forward a local mean decomposition(LMD)method combining with the second generation wavelet transform.After performing the second generation wavelet denoising,the spline-based LMD is used to decompose the high-frequency detail signals of the second generation wavelet signals into a number of production functions(PFs).Power spectrum analysis is applied to the PFs to detect bearing fault information and identify the fault patterns.Application in inner and outer race fault diagnosis of rolling bearing shows that the method can extract the vibration features of rolling bearing fault.This method is suitable for extracting the fault characteristics of the weak fault signals in strong noise.     

车辆传动系统变参小波流形融合故障诊断方法

应用流形学习方法非线性融合信号在不同小波参数下中央尺度对应的小波包络，研究了强背景噪声下车辆传动系统振动信号故障瞬态脉冲包络的有效提取问题，并与传统信号时频分解方法进行了对比研究；采用不同小波参数对振动信号进行连续小波变换，提取了每组参数下中央尺度上的小波包络；采用基尼指数选择若干包含故障瞬态脉冲信息的小波包络，构造了高维小波包络矩阵；采用局部切空间排列算法对高维小波包络进行流形融合，获得了反映故障瞬态脉冲包络本质结构的小波包络流形；为了验证所提方法的有效性和优越性，采用不同方法对轨道车辆轮对轴承和汽车变速齿轮箱的故障振动信号进行了对比分析。研究结果表明:在分析轴承外圈故障信号时，所提方法基尼指数比传统信号时频分解方法提高27.32%以上；在分析齿轮磨损故障信号时，所提方法基尼指数比传统信号时频分解方法提高26.74%以上。可见，所提方法通过综合具有不同形态的变参小波包络，可以在无需优化小波参数情况下，对车辆传动系统中的不同关键部件故障振动信号具有较好的自适应性，提取的故障脉冲包络中的带内噪声少，故障脉冲特性明显，容易识别其频谱中的故障特征频率，是检测车辆传动系统故障的一种有效方法。      

Fault Early Diagnosis of Rolling Element Bearings Combining Wavelet Filtering and Degree of Cyclostationarity Analysis

The vibration signals of rolling element bearing are produced by a combination of periodic and random processes due to the machine＇s rotation cycle and interaction with the real world. The combination of such components can give rise to signals, which have periodically time-varying ensemble statistical and are best considered as cyclostationary. When the early fault occurs, the background noise is very heavy, it is difficult to disclose the la- tent periodic components successfully using cyclostationary analysis alone. In this paper the degree of cyclostationarity is combined with wavelet filtering for detection of rolling element bearing early faults. Using the proposed entropy minimization rule. The parameters of the wavelet filter are optimized. This method is shown to be effective in detecting rolling element bearing early fault when cyclostationary analysis by itself fails.