基于CEEMD和快速谱峭度图的地铁轴箱轴承故障诊断

提出了基于互补集合经验模态分解(CEEMD)结合快速谱峭度图的滚动轴承故障诊断方法(CEEMD-FSK).将轴箱加速度振动信号分解成多个本征模态函数(Intrinsic Mode Function,IMF),通过快速谱峭度图和互相关系数,选取出关键IMF信号进行原信号重构.对重构信号带通滤波后进行改进型的共振解调处理,通过平方包络谱进行轴箱轴承故障诊断.将该方法应用到地铁轴箱轴承的实际故障预测和诊断中,并结合后期轴箱轴承拆装和检测,结果表明了该方法的有效性和准确性.     

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...     

基于互相关奇异值分解的滚动轴承故障诊断

滚动轴承在机械装置中非常重要,其运行状态与整台机械设备的工作状态有直接的关系,但在早期弱故障检测时,特征信号经常被淹没在噪声中。为了提高该故障特征的识别精度,提出了基于互相关奇异值分解的故障诊断方法。首先利用奇异值分解将轴承故障信号分解为多个分量信号;其次使用峭度值作为衡量标准,选择两个合适的奇异值分量用于互相关包络分析以获得包络谱;最后通过信号的频谱分析,得到轴承的故障频率,从而完成早期微弱故障检测。通过仿真信号和滚动轴承内圈故障实测数据仿真对比,验证了该方法的有效性。     

识别转子平衡状态的一种方法

引入几个描述信号功率谱特征变化的特征因子，通过试验的方法，对转子轴承处振动响应信号的频谱做了较深入的研究，由此提出了一种识别转子平衡状态的方法，借助一个实例，验证了该方法的有效性。     

基于真实铁路振动环境的车载印制电路板可靠性分析

以我国西北地区铁路运输环境真实振动数据为基础,利用不同频率、幅值与相位的谐波叠加方法生成随机振动信号。采用理论分析方法,建立谐波相位影响随机振动的功率谱密度、峭度和偏离度的数学模型,进而根据该模型,编制Matlab程序对真实非高斯振动环境的时域信号进行数字模拟。利用ANSYS软件建立车载印制电路板（PCB ）的3D有限元模型,通过静力分析、模态分析验证有限元模型的正确性、合理性,同时根据结果对比,对有限元模型进行修正,保证获得较为准确的PCB有限元模型。最后,根据非高斯随机振动模拟结果和车载 PCB有限元模型,分析PCB的响应,根据材料的S‐N曲线、雨流计数法和Palmgren‐Miner准则,通过FE‐SAFE软件预测车载PCB在真实非高斯随机振动条件下的疲劳寿命。     

370t凹底车振动平稳性分析

370 t凹底车是目前载重量最大的凹底车,考虑到结构振动对车辆平稳性的影响,把凹底架、大底架和小底架做成柔性体,建立刚柔混合模型进行仿真分析.对比美国5级谱和铁科院实测谱,并通过傅氏逆变换转换为时域信号,用模态综合法进行仿真分析并与试验数据进行了对比,发现美国5级谱的垂向不平顺比我国实际线路情况要恶劣,短波轨道不平顺对该车的结构振动有较大的影响.     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

TBM主轴承声发射故障诊断研究

以隧道施工TBM为研究对象,设计了主轴承声发射检测试验,进行了声发射信号采集,并取得较理想的分析信号。根据信号的时域图像特征及相关技术人员的数据支持,初步对TBM主轴承的工作状态做了判断,并采用了时变峭度法对实测信号进行分析,获取了强背景噪声下明显的故障特征,达到了抑制噪声、突出特征成分的目的。试验分析结果证明了该方法用于声发射故障信号特征提取的有效性,同时对TBM的状态监测提供了新思路。     

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。     

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。     

370t凹底车振动平稳性分析

370t凹底车是目前载重量最大的凹底车,考虑到结构振动对车辆平稳性的影响,把凹底架、大底架和小底架做成柔性体,建立刚柔混合模型进行仿真分析.对比美国5级谱和铁科院实测谱,并通过傅氏逆变换转换为时域信号,用模态综合法进行仿真分析并与试验数据进行了对比,发现美国5级谱的垂向不平顺比我国实际线路情况要恶劣,短波轨道不平顺对该...     

基于机器学习的轴承故障分类方法研究

针对传统轴承故障诊断方法需要人为提取故障特征及依赖专家经验的问题,提出一种端到端的轴承故障诊断方法。将归一化的振动信号转换为二维图片,对图片分别进行均值滤波、高斯滤波、中值滤波和双边滤波的降噪预处理对比,最后选定中值滤波降噪方法。在改进LeNet-5模型的基础上,通过超参数设置,对全寿命轴承数据进行分类试验,平均精度达到97%,交叉熵损失达到0.06,分类效果明显。     

高速列车车体局部结构减振阻尼措施试验研究

为探究两种新型阻尼材料(阻尼浆/阻尼片)对车体局部的隔振性能,并用于解决某动车组车体局部异常振动问题.分别对四个车体局部使用三种方案(无阻尼方案、阻尼片方案和阻尼浆方案)进行试验,利用台架试验对测试结果进行时域和频域的对比分析.结果表明:两种阻尼材料都能大幅度减小自由衰减振动的幅值和周期,其中阻尼浆方案对车体地板衰减效果较好,而阻尼片方案对侧墙和受电弓盖板衰减效果较好.在5~80Hz频段内,阻尼浆地板隔振频带宽,模态阻尼比大,能有效避免列车在运行中车体局部结构与各子系统模态频率发生耦合共振,而贴阻尼片的中部侧墙和受电弓盖板也是如此.相比阻尼浆,阻尼片安全性高,安装工艺简单,在保证结构可靠性的前提下进一步降低了车体的质量,具有良好的应用前景.     

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。     

一种基于深度学习的电机轴承故障诊断方法

针对电机轴承故障信号通常呈现出非线性和不稳定性这一缺点,利用短时傅里叶变换将振动信号转换成二维时频图作为输入训练卷积神经网络;再利用卷积神经网络的自学习能力学习电机轴承故障类型与故障特征之间的深层联系.仿真实验结果表明,相比较其他方法,该方法具有更高的诊断准确率,能够更有效地识别电机轴承故障.     

结合CEEMDAN和灰度关联分析方法的滚动轴承性能退化评估

针对大型机械设备中滚动轴承容易发生故障的问题,提出一种将自适应噪声的完备经验模态分解(CEEMDAN)和灰度关联分析相结合的滚动轴承性能退化评估方法。首先利用CEEMDAN对轴承全寿命周期的振动信号进行分解,得到能量熵特征,其次以正常状态下的特征矢量作为灰度关联分析的参考序列,然后计算轴承全寿命周期内的特征矢量与正常特征矢量的关联度,作为性能退化过程的定量评估指标,结果表明该方法能及时发现早期故障,并能很好的描述轴承退化的各个阶段。最后利用基于CEEMDAN和Hilbert包络解调的方法对评估结果的正确性进行了验证。     

基于SVD的柴油机振动信号盲分离预处理

在利用独立分量分析对缸盖振动信号进行盲分离时,原始采样信号不满足独立分量分析的基本假设,而且缸盖振动信号信噪比较低,影响分离的速度和精度.采用小波阈值降噪的方法进行了降噪处理,提高了信噪比.采用奇异值分解的方法估计了缸盖振动的独立源数,并对缸盖振动信号进行了白化处理,为独立分量分析的应用建立了基础.     

车辆悬架最佳阻尼匹配减振器设计

为了使设计减振器对车辆具有最佳减振效果,利用悬架最佳阻尼比,对减振器最佳阻尼系数进行了研究,建立了减振器最佳速度特性数学模型,提出了减振器阀系参数设计优化方法,对设计减振器进行了特性试验和整车振动试验,并与原车载减振器性能进行了对比。计算结果表明:减振器特性试验值与最佳阻尼匹配要求值的最大偏差为9%,而且,在低频范围内,设计减振器的整车振动传递函数幅值明显低于原车载减振器的幅值,有效遏制了簧下质量在13Hz附近的共振,因此,减振器速度特性模型和阀系参数优化设计方法是正确的。     

基于倒阶比谱的滚动轴承故障诊断

为从变速滚动轴承振动信号中提取轴承故障特征,利用了基于倒阶比分析的诊断方法.该方法利用计算阶比跟踪算法,采集转速信号和振动信号,并对振动信号进行角度域重采样,获得角度增量恒定的角度域周期平稳信号,再进行倒谱分析,最后依据倒阶比谱分析结果进行故障识别和诊断.由于阶比分析能将非平稳时域信号转换为平稳的角度域信号,而倒谱分析能很好的抑制频率模糊,所以将阶比分析和倒谱分析相结合,充分利用二者优点,能从干扰中准确识别故障特征,适合于变速滚动轴承信号的故障特征提取.实验证明该方法有效,能够提取变转速滚动轴承故障特征,具有一定的工程应用价值.