柴油机滑动主轴承磨损状态的振动诊断研究

介绍了船舶柴油机拄轴承磨损状态的诊断研究，实测了柴油机机座的表面振动信号和有关的热力参数，计算了柴油机的主轴承负荷和轴心轨迹，对振动信号进行了分析处理，提取了振动信号的特征参数，为准确诊断柴油机的主轴承磨损状态提供了诊断方法。     

基于振动诊断技术的机车辅机轴承故障检测探讨与实践

铁路现代化高速重载的发展对机车质量的要求也不断提高。运用振动检测技术对机车辅机轴承故障进行检测,对掌控机车质量是一种行之有效的检测方法。论文介绍了JL-601A机车走行部检测系统和JL-201A机车轴承便携式检测仪的检测原理,并选用振动加速度有效值及峭度系数作为评判轴承故障的简易诊断依据,对机车辅机轴承故障检测进行探讨与实践,并取得良好效果,提高了检修效率,保障行车安全。     

关于一例 SULZER 5AL25/30 型船用柴油机曲轴烧瓦故障的分析

柴油机轴瓦与曲轴轴颈烧熔咬死是一种柴油机运行过程非常严重的机械故障。针对某老龄船发生的一起柴油机曲柄销轴承烧瓦故障进行深入分析和研究,通过故障形成的机理,探明造成此类故障的多方面原因,并根据船上的现有条件采取行之有效的修复方法恢复柴油机的正常功能。同时,根据事故中存在的轮机管理方面的漏洞,对轮机部的日常管理和设备维护保养工作提出了一些积极的改进措施。     

采用改进多尺度符号动力学熵的铁路机车轴承故障诊断

针对铁路机车轴承在真实复杂环境下故障特征难以提取而导致故障诊断困难的问题，提出一种改进多尺度符号动力学熵（IMSDE）的铁路机车轴承故障诊断方法。首先，通过邻域滑移均值化的方式改进多尺度符号动力学熵，克服了传统粗粒化造成的熵值偏差缺陷；然后，利用IMSDE充分提取振动信号在不同尺度下的关键故障特征；最后，结合极限学习机（ELM）实现铁路轴承不同故障类型与程度的识别。在此基础上，分别进行了3组试验分析。结果表明，对人为构造的轴承故障和工程实际产生的轴承故障，该方法都具有精准的故障识别效果，对比其他4种方法故障识别率更高，验证了该方法具有一定的工程实际应用价值。     

12V180柴油机性能试验数据采集处理系统

开发了一种用于12V180型机车柴油机台架性能试验的数据采集及处理系统.该 系统能实现试验流程的自动监控,试验数据的自动采集、分析、处理,试验结果的显示、 存储及打印输出.通过检测柴油机的转速、机油压力、排温等参数,提取反映柴油机状 态的特征向量,成功地诊断柴油机的技术状态及典型故障.     

12V180柴油机性能试验数据采集处理系统

开发了一种用于12V180型机车柴油机台架性能试验的数据采集及处理系统,该系统能实现试验流程的自动监控,试验数据的自动采集、分析、处理、试验结果的显示、存储及打印输出,通过检测柴油机的传速、机油压力、排油等参数,提取反映柴油机状态的特征向量,成功地诊断柴油机的技术状态及典型故障。     

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率(140.6 Hz)以及二倍频(281.3 Hz)和三倍频(421.9 Hz)等所有倍频分量,且不受负载条件的影响,消除了复杂传递路径对轴承滚动体故障特征提取的影响。可见,提取方法可以有效解决复杂传递路径下轴承滚动体故障特征提取与诊断问题。     

基于EEMD和小波包的机车轴箱轴承故障诊断方法

提出了一种基于聚合经验模态分解(ensemble empirieal mode decomposition,EEMD)和小波包的机车轴箱轴承故障诊断方法.首先对轴承振动信号进行小波包分解,分别对小波包分解得到的小波包系数进行阈值去噪处理,将降噪后剩余的小波包系数进行信号重构.然后再对重构后的信号进行EEMD,计算EEMD分解得到的IMF分量和原信号的互相关系数,最后对满足相关条件的IMF分量进行故障诊断分析.为了验证该方法的正确性,搭建了轴承试验平台,通过对轴承实测数据进行故障诊断分析,实验证明该组合诊断方法能克服单一信号处理方法的局限性并能初步诊断出轴承发生的故障.     

基于深度时频特征的机车轴承故障诊断

针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题,提出了一种基于深度时频特征的机车轴承故障诊断新方法;利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取;为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征,上通道使用一维CNN,为使输入的二维时频域信号能多角度地反映出信号的细微局部变化,下通道使用二维CNN;在融合层中将上下通道特征自动融合成一个新的深度时频特征,并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别;在此基础上,分析了某局机务段实测的7种机车轴承数据,验证了本文方法的实际工程应用价值。研究结果表明：基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%,与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比,平均诊断精度分别提高了0.7%、1.9%和2.2%;本文方法提取的深度时频特征中每类故障分布间隔规则有序,类内间距很小,而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则,类内间距较大,说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越,是一种解决机车轴承故障诊断问题的有效模型。     

应变法监测柴油机滑动主轴承磨损状态的研究

介绍了应变法监测柴油机滑动主轴承磨损状态的研究,计算了主轴承负荷、轴心轨迹和纵向油膜力,实测不同磨损状态主轴承的纵向应变,确定了主轴承磨损状态与纵向应变之间的关系特征,为实现柴油机滑动主轴承磨损状态的在线监测奠定了技术基础。