港口门座起重机金属结构的故障分布

在对我国许多港口的门座起重机作了大量的调查研究之后,对起重机金属结构的故障进行了讨论。将起重机金属结构故障分为四种,给出了起重机结构故障及其发生部位的分布情况。并对其中一种结构的故障进行了分析。对起重机金属结构故障分布的研究是开展起重机金属结构状态监测的第一步。     

基于小波分析的大型回转支承故障特征信号的提取

现场的测试及分析发现，门座式起重机回转支承的局部损伤及由缺陷类故障所引起的低频振动信号由于受到系统高频固有振动及其他背景噪声的干扰而难以分离，小波分析以其良好的时频局部化分析特性，弥补了传统信号分析方法如傅立叶变换、短时傅立叶变换等的不足，较好地实现了对信号全貌及其局部特性的双重分析．文中提出利用小波分析方法的特性有效地提取回转支承装置在强噪声等复杂背景下的局部损伤及缺陷类等故障信息．     

海船中间轴承故障分析及处理措施

本文从某轮的中间轴承两次烧毁的严重事故分析船舶中间轴承的故障原因，并阐述应采用应急处理措施。从理论和实践两个方面概括了应急修理中间轴承的要点。     

一种轴承转子系统振动故障检测装置设计

本文以轴承转子系统为研究对象,介绍了目前常见的轴承转子系统故障检测的缺点或不足.针对这些缺点或不足,从轴承转子系统故障检测要求出发,利用CAD制图软件为平台设计出一种轴承转子系统振动故障检测装置,并介绍了其工作原理和主要组成零部件.最后从技术、结构、操作性等方面对轴承转子系统振动故障检测装置进行可行性分析.结果表明,该...     

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.      

经验模式分解法(EMD)在滚动轴承故障诊断中的应用

在非平稳过程中,由于机械设备所受的应力比平稳过程中所受的应力更为复杂．因此,对设备的非平稳过程进行监测有利于发现早期故障,避免故障发展导致的严重破坏,本文将EMD（Emirical Mode Decomposition)法应用于机械故障诊断当中．由于EMD法具有自适应的特性,适宜于非平稳信号的分解,该方法应用于滚动轴承的故障振动信号分析中,结果表明谊方法能够突出滚动轴承故障振动信号的故障特性,从而提高了滚动轴承故障诊断的准确性。     

基于压缩感知的滚动轴承故障信号提取技术研究

针对目前奈奎斯特采样方式对信号进行采集所产生的数据量较大的问题,提出一种基于压缩感知并结合神经网络的滚动轴承故障信号检测方法,通过K-奇异值分解算法构造冗余字典,利用神经网络以映射后观测矩阵的前一部分值预测全部观测值,实现信号的二次压缩,最终利用子空间追踪算法基于预测出的观测矩阵对信号进行重构,通过重构信号频谱可获得轴...     

钻孔岩芯断裂构造的鉴别分析

以构造钻孔实际资料为基础,对基岩隐伏区钻孔岩芯的构造形迹进行系统分析,阐述从单个钻孔岩芯判定断裂构造的地质依据,总结各类断层岩的宏观特征,并以此引伸压性、张性断层的辨别微象。其理论及实际资料基础较为可靠,对工程地质勘察及基岩钻孔地质编录具有一定的参考利用价值。     

基于EEMD-TEO熵的高速列车轴承故障诊断方法

为了解决高速列车轴承早期故障中低频信号的类间分离性较弱、保持架故障难以识别等的问题,提出了基于Teager能量算子（Teager energy operator,TEO）聚合经验模态分解（ensemble empirical mode decomposition,EEMD）熵的自适应诊断方法.该方法将EEMD、样本熵、TEO相结合,利用EEMD的自适应性得到固有模态（intrinic mode function,IMF）信号,用改进的TEO从IMF中提取得到样本熵,使用支持向量机（support vector machine,SVM）判断轴承工作状态与故障类型;讨论了EEMD能量熵、EEMD奇异值熵、EEMD-TEO时频熵生成的故障特征向量以及该向量在SVM中识别结果;对正常轴承、保持架故障、滚动体故障3种状态的轴承样本数据进行了故障诊断.研究结果表明:对3种轴承的故障识别率可以达到98%,较传统的经验模态熵识别率提高了2.6%,该方法可用作高速列车轴承状态诊断.      

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。