滚动轴承故障诊断和状态监测及其推广应用

本文从滚动轴承失效形式出发，对现有的轴承诊断技术进行了综述；通过分析滚动轴承的振动特征，研究各种诊断原理；对港口开展轴承状态监测和故障诊断实践中所取得的经济效益予以介绍；最后提出了今后港口推广和开展滚动轴承状态监测的几点设想。     

基于DCNN-BiLSTM的滚动轴承性能退化因子构建方法

针对如何从多维度特征中提取滚动轴承性能退化信息，构建性能退化因子的问题，提出一种基于DCNN-BiLSTM的混合输入网络。首先利用连续小波变换和24个典型时域频域特征计算公式分别得到滚动轴承振动的二维图像数据和一维时间数据，之后将两种不同维度的数据分别输入至混合输入网络进行训练，然后输入测试集数据得到滚动轴承的性能退化因子，最后利用单调性、预测性、鲁棒性对得到的性能退化因子进行评估。试验结果证明，混合输入网络结合DCNN和Bi-LSTM的优点，可有效提取滚动轴承性能退化信息，得到的性能退化因子综合效果较好。     

基于振动信号的汽轮滑油泵故障原因分析

针对某型汽轮滑油泵振动过大问题，在深入研究其结构特点及工作原理的基础上，通过跟踪采集该设备关键部件振动信号，综合运用振动信号时频域分析等方法，查找振动特征及其敏感参数，从而确定该设备异常振动激励源及故障原因为减速器主动齿轮存在故障。     

导致支承船用齿轮轴滚动轴承振动的因素

导致支承船用齿轮轴滚动轴承振动的因素是错综复杂的,试图通过改善某一因素的影响而彻底解决支承船用齿轮轴滚动轴承的振动问题是很困难的。本文分析了滚动轴承、齿轮及齿轮轴的制造和安装精度,齿轮机构的齿间摩擦和输出轴扭矩波动以及船舶中垂中拱弯曲变形时,沿船体纵向布置齿轮机构轴承中心距变化对支承齿轮轴的滚动轴承振动的影响,提出了一些控制支承船用齿轮轴的滚动轴承振动的方法。本文的分析及讨论对支承船用齿轮轴的滚动轴承振动的控制有一定的参考价值。     

基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。     

基于信息相似性的振动噪声源主要传递路径应用研究

鉴于实船振动噪声的产生、传递的复杂性,采用单一的信息处理方法很难实现其主要传递路径的识别,为此,本文综合了多种成熟型算法,以信号频域相似性程度来实现振动噪声源主要传递路径的判别。以某双体船作为平台,安装数量已知、传递路径清晰的激励源,开展海上锚泊状态下组合单机试验;通过采用多种信息分析方法,对同步获取的声与振动信息进行分析,实现了不同方法在振动噪声源主要传递路径识别问题上的综合分析思路。基于这一分析思路,以双体船某正常航行工况为例,通过对设备振动至声的综合测试数据的分析,实现了振动噪声源主要传递路径的判别。研究结果表明,基于多种相干函数的信息相似性分析方法可以有效获取振动噪声源主要传递路径识别。     

船用空气压缩机故障诊断分析与试验研究

活塞式空气压缩机的主要功能由往复运动完成, 振动是其主要故障标志之一。针对往复式空气压缩机各部件运动引起的复合振动激励信号,对各部件建立振动信号模型并提取冲击响应信号特征,在时域与频域里进行综合分析,提取各故障特征参数和判据从而诊断压缩机常见故障。     

一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。     

一种多工况的滚动轴承损伤状态识别方法

针对多工况条件下的滚动轴承损伤状态识别问题,本文提出基于CEEMD能量熵和阶次跟踪的损伤识别方法。将振动信号经CEEMD分解为系列的IMF分量,选取其中包含滚动轴承特征频率的IMF分量,运用改进的希尔伯特变换求得IMF分量的边际谱,并利用阶次跟踪方法消除不同转速对损伤状态的影响,同时采用能量熵加强对各损伤状态的识别能力。最后使用特征阶次幅值和能量熵构建诊断特征向量,采用遗传算法优化的支持向量机对损伤状态进行识别。试验结果表明,基于能量熵和阶次跟踪的损伤识别方法精度较高,是一种有前途并且非常有效的多工况损伤状态识别方法。     

卡尔曼滤波与滚动轴承故障信息的提取

在阐述卡尔曼滤波理论的基础上，分析了滚动轴承系统的振动机理，建立了滚动轴承工作元件表面损伤振动信号模型和观测模型，提出了运用卡尔曼滤波理论估计滚动轴承故障信号的方法。