浅析滚动轴承早期故障轨边声学诊断系统(TADS)

通过简要介召滚动轴承工作原理,轴承缺陷和故障产生原因,进而阐述滚动轴承早期故障轨边声学诊断系统(TADS)的原理、并对滚动轴承早期故障轨边声学诊断系统(TADS)应用的意义进行分析。     

浅析滚动轴承早期故障轨边声学诊断系统（TADS）

通过简要介召滚动轴承工作原理，轴承缺陷和故障产生原因，进而阐述滚动轴承早期故障轨边声学诊断系统（TADS）的原理、并对滚动轴承早期故障轨边声学诊断系统（TADS）应用的意义进行分析。     

小波变换在滚动轴承故障分析中的应用

滚动轴承损伤类故障的分析诊断基础是提取故障信息,其早期表现微弱,常被大量的噪声淹没.本文给出了一种利用正交小波变换提取滚动轴承故障信息的方法.通过对实测的振动信号进行小波分解,较好地提取出了轴承故障的特征频率,并对故障进行了定位.     

货车滚动轴承早期故障轨边声学诊断系统

货车滚动轴承早期故障轨边声学诊断系统,是一种基于声学诊断原理开发的故障诊断装置,用于发现货车滚动轴承的早期故障,声学传感器安装在轨道旁。该装置利用声学传感器拾取轴承的声音（噪声）信号,采用特定的信号分析技术,可以从时域、频域或幅域提取出轴承的故障特征,再应用各种模式识别方法,就能够实现滚动轴承的故障诊断.     

铁路货车滚动轴承故障诊断方法研究

滚动轴承是铁路货车车辆极其重要的基础构件,在线路上经过长时间的运行,可能会出现故障问题,从而对轴承的正常使用造成不良影响。对此,本文介绍了铁路货车滚动轴承常见的故障类型,结合现场实际,针对不退卸滚动轴承内部缺陷的故障表现,创建了"不退卸按压式正反手工盘转轴承检查法",攻克了了长期以来轮对轴承外观检查始终无法判断轴承内部故障的难题。     

滚动轴承故障特征提取与应用研究

滚动轴承是机械设备中很关键的零部件,滚动轴承十分正常工作直接影响着整个机组甚至生产线的生产质量和安全,对滚动轴承进行监测和诊断技术,可以有效避免重大事故及变革维修体制等具有很重要的意义,滚动轴承是电力、石化、冶金、机械、航空航天及军事工业使用最广泛的机械零件,但是也是最容易损伤的部件,旋转机械的许多故障都与滚动轴承有很大的关系,由于轴承的特点在实际使用中轴承超出设计寿命但还完好的工作,而有的轴承没有达到设计寿命就出现各种故障,所以应有效的避免轴承故障的发生。     

变分模态分解与对称差分能量算子解调在滚动轴承故障诊断中的应用

针对滚动轴承信号的不规则特性及振动信号表现出强非平稳性给滚动轴承故障特征提取带来困难的问题,提出VMD变分模态分解与对称差分能量算子解调的滚动轴承故障诊断方法。仿真实验结果表明所提方法能够有效地对滚动轴承进行故障诊断。     

车辆滚动轴承传动故障现状概述及典型故障分析

车辆滚动轴承传动系统故障诊断问题对保障整个传动系统的安全运行具有重要的作用。本文在本文介绍了车辆滚动轴承传动故障诊断技术发展现状的基础上,分析了齿车辆滚动轴承传动典型故障方式。     

基于AAVMD的滚动轴承故障诊断

由于滚动轴承故障信号的频带难以识别,故传统方法在诊断故障过程中存在故障识别准确率较低等问题,提出基于自适应变分模态分解(AAVMD)的滚动轴承故障诊断方法。首先,确定准确的模态数,并利用模态数确定方法获取最大峭度值;然后,对初始振动信号进行AAVMD分解,得到固定数量的本征模态分解量(IMF);再利用共振技术选取具有丰富故障信息的IMF分量;最后,处理所选取IMF分量的带通滤波,并对其进行包络解调分析,通过上述步骤获取故障特征频率,完成滚动轴承故障诊断。实验结果表明,所提方法能够有效提高故障识别准确率,且具有较强的实用性。     

基于EMD和Hilbert包络解调的滚动轴承故障诊断

滚动轴承是机械设备中广泛应用的零件,其运行状态直接影响着整个机械设备的安全,因此进行滚动轴承的早期故障诊断十分重要。本文结合EMD（经验模态分解）和Hilbert包络解调技术,对滚动轴承故障信号进行了分析,首先利用EMD将信号分解成含不同频率成分的多个IMF（本征模态函数）分量,然后挑选其中的高频IMF分量进行Hilbert包络解调,有效提取出了信号中的故障特征,验证了基于EMD的Hilbert包络解调分析方法在滚动轴承故障分析中的有效性。     

滚动轴承故障的频谱分析

滚动轴承即是旋转机械转子系统以及部分往复机械曲轴组件的重要支撑部件,又是机器上的易损件,严重的轴承故障会导致机器剧烈振动和噪声,降低设备效率,甚至会引起设备的损坏。频谱分析技术可以有效地找出滚动轴承的故障特征频率,以此达到早期发现问题,及早采取措施,防止发生严重机器故障的目的。     

低转速设备滚动轴承故障诊断技巧

分析了低转速设备滚动轴承故障的危害及产生故障的原因,提出了采用冲击脉冲法、应力波检测技术、故障信号的智能诊断数据、特征的及时提取分析、将低转速参数转化为高转速参数并分析等故障诊断的方法,最后对低转速设备滚动轴承的未来做出了展望。     

滚动轴承故障诊断

设备故障诊断技术是一种了解和掌握设备在使用过程中的状态,确定其整体或局部是正常或异常,早期发现故障及其原因,并能预报故障发展趋势的技术。安装合适的传感器可以获得故障的特征信号,通过信号反映故障产生原因。滚动轴承是机械中的易损元件,据统计旋转机械的故障有30%是由轴承引起的,它的好坏对机器的工作状态影响极大。轴承的缺陷会导致机器剧烈振动和产生噪声,甚至会引起设备的损坏。滚动轴承的振动可由于外部的振源引起,也可由于轴承本身的结构特点及缺陷引起。滚动轴承故障监测诊断方法有很多种,它们各具特点,其中振动信号法应用最广泛。     

对电机滚动轴承装配不当产生的故障分析

滚动轴承作为电机的重要部分,其装配是否得当直接关系到电机的使用寿命和运行性能。在实践中我们发现,绝大部分电机故障都是因为轴承装配不当引发的,本文就电机滚动轴承装配故障产生的原因进行分析,并提出了相关解决方法。     

铁路货车滚动轴承热轴原因分析及处理

铁路货车滚动轴承热轴是货车运用中的常见故障,严重影响铁路运输安全。对铁路货车滚动轴承发热的原因进行了分析,通过对热轴的检查判断,提出了热轴故障的处理方法。     

基于MSP430的滚动轴承故障检测系统设计

为了实现对滚动轴承故障检测,提出了一种基于MSP430的滚动轴承故障检测系统设计方案,并完成系统的软、硬件设计。该系统具有时域参数指标法和基于小波包变换和包络分析的故障检测法这两种故障诊断方法。这两种方法各有优缺点,但是将他们结合起来能相互克服缺点,使该故障检测系统的功能更强,使用范围更广。实际应用表明,该系统具有操作简便、测试准确的特点,达到了设计要求。     

基于核Fisher判别分析的滚动轴承故障诊断方法

本文提出了基于核Fisher判别分析的滚动轴承故障诊断方法。该方法利用非线性核函数将数据从原始空间映射到高维特征空间,在高维特征空间中利用Fisher判别分析方法提取最优的Fisher特征矢量和判别矢量来实现滚动轴承的状态监控与故障诊断。试验结果表明,核Fisher判别分析方法能很好地识别滚动轴承的故障模式。     

基于小波包变换和Fisher判别的滚动轴承故障诊断

本文针对滚动轴承出现故障时产生的振动信号具有非平稳信号的特点,通过小波包变换提取故障信号的特征向量,采用Fisher判别分析对提取的特征向量进行故障分类.实验结果表明所提方法的有效性.     

融合VMD和MCKD的炼钢厂除尘风机滚动轴承故障诊断

针对某炼钢厂除尘风机服役在高温、高湿、多粉尘恶劣环境下以及强背景噪声的,致使其驱动侧滚动轴承振动信号呈现多源耦合与非线性调制特征的问题,运用融合变分模态分解(Variational Mode Decomposition,VMD)与最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)实现了对除尘风机滚动轴承振动信号的降噪、故障特征频率的提取,并通过包络解调方法完成了故障的识别。     

机车车辆滚动轴承故障及处理方法探析

列车走行部的结构是非常复杂的,铁路有关部门的长期维修记录表明:走行部的关键部件中出现故障概率最大是齿轮、轴承。本文将主要结合机车车辆滚动轴承故障及处理方法进行探讨。