谈我国铁路货车197726型滚动轴承检修技术政策的制定

对我国铁路货车滚动轴承的发展进行了回顾和预测；阐述了我国铁路货车滚动轴承技术政策制定的指导思想和制定过程；说明了状态修，换件修，专业化集中修和寿命管理的检修管理模式在我国铁路货车１９７７２６型滚动轴承检修制度上的应用。     

滚动轴承的疲劳故障分析及最佳游隙选择

对滚动轴承疲劳故障产生的机理及疲劳破损过程进行了详细的分析,并提出了轴承最佳游隙的选择原则。     

EMD和AR模型在汽车变速器轴承故障诊断中的应用

针对汽车变速器轴承振动信号的非平稳特征，提出了一种基于经验模态分解(Empirical Mode Decomposition，简称EMD)和自回归(Auto Regressing，简称AR)模型的滚动轴承故障诊断方法。实验结果表明，此方法可以准确、有效地识别变速器轴承的工作状态和故障类别。     

滚动轴承裂纹故障仿真及验证

为了研究滚动球轴承内圈/外圈发生裂纹故障时的故障机理及振动特性,需对滚动轴承裂纹故障进行仿真研究。通过研究建立了轴承内圈裂纹故障激励的非线性模型,在模型中充分考虑了滚道表面波纹对接触刚度和位移的影响、裂纹缺陷对故障激励力的影响。在此基础上建立轴-滚动轴承-轴承座系统振动模型,并进行了动力学仿真分析。经与台架试验结果进行对比分析,仿真结果可以较好地反映轴承故障的机理,验证了滚动球故障动力学建模的合理性和正确性。     

基于改进傅里叶模态分解和频带熵的滚动轴承故障诊断方法

[目的]针对多分量、强背景噪声下滚动轴承故障特征提取困难的问题,提出一种将改进傅里叶模态分解(MFMD)和频带熵(FBE)分析相结合的滚动轴承故障特征提取方法.针对傅里叶分解(FDM)在强背景噪声下边界频率偏移和过分解等问题,提出频带熵和包络谱相结合的敏感频带和敏感模态分量选取方法.[方法]首先,通过FBE分析选取频带...     

车用轴承损坏的形式与原因

<正>滚动轴承的损坏形式与原因①轴承变成蓝或黑色。这是使用过程中温度过高被烧引起的。此时,若几何精度和运动精度尚好,应检查硬度是否尚好,其方法是:用锉刀锉削轴承外圈圆角部     

基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.     

基于电信号的高速列车动力链诊断技术研究

牵引电机、联轴节及齿轮等传动机械广泛应用于轨道交通车辆,是高速列车动力链的重要组成部分。这些动力链部件长期工作在复杂恶劣的环境下,在宽速域、大负载工况及轮轨冲击振动等因素影响下容易发生故障,进而影响列车的安全运行与行车秩序。因此及时预警潜在故障对于确保轨道交通车辆的正常运行与行车秩序具有重要的意义。由于基于电信号的诊断技术具有信号易于获取、信号可靠性和准确性高、可实现对象部件的非嵌入式监测等优点,逐渐成为轨道交通故障诊断方向的研究热点。文章阐述了轨道交通车辆动力链关键部件的故障原理,以基于电信号的诊断方法为切入点,对该领域的现有诊断方法与研究成果进行整理与分析,然后基于多特征融合与机器学习理论,提出了一种全新的基于电信号的多变量解析诊断法。该方法首先获取各电信号数据,进行小波降噪,然后通过信号的分解与重构提高信噪比,基于重构信号提取不同的故障特征,最后利用决策树统合各故障特征进行诊断。验证试验与实际应用效果表明,本研究提出的电信号诊断法能够有效检测并识别动力链故障,可以实现早期故障预警,保障高速列车的运行安全。     

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。