基于声发射技术的铁路重载货车滚动轴承故障诊断研究

通过声发射检测技术对铁路重载货车滚动轴承故障进行不解体诊断,利用小波包分析技术对采集到的声发射信号进行分解和重构,提取故障信号的能量特征向量,将处理后的特征向量输入到BP神经网络进行滚动轴承故障模式识别,进而判断轴承是否发生故障以及故障的类型。经过使用大量的实际滚动轴承实验数据进行验证,其结果都表明了使用本文的方法的有效性。     

具有外圈单一点蚀故障的滚动轴承动力学建模及仿真

为揭示滚动轴承外圈单一点蚀故障机理,基于Hertz接触理论和接触变形量渐变释放的客观事实,考虑了滚动体通过外圈点蚀故障时外圈自身变形量的影响,在给出滚动体进入和离开故障区时变形量的释放变化规律和计算方法基础上,建立了外圈含单一点蚀故障缺陷的滚动轴承动力学模型。通过数值仿真和实验验证,证明了本文模型的正确性,为滚动轴承外圈故障诊断提供了理论依据。     

分数阶阻尼在滚动轴承故障诊断中的应用

由于分数阶微积分具有计算精度高和速度快的优势,因此将分数阶微积分的相关理论应用到滚动轴承故障诊断中,建立了分数阶阻尼滚动轴承内圈动力学模型,并利用分数阶傅里叶变换的四阶中心距确定分数阶的最优阶次,分析了分数阶阻尼滚动轴承内圈故障的动力学响应特性。仿真结果表明,随着分数阶阶次的增加,滚动轴承内圈的轴心轨迹由混沌逐渐变为稳定的周期运动;仿真分数阶频谱图更符合实验频谱图。分数阶阻尼模型比整数阶阻尼模型更能反映滚动轴承故障的振动特性,可取得比传统的整数阶阻尼更好的效果。     

用2032信号分析系统诊断滚动轴承损伤类故障

本文从理论上提出了用共振解调法诊断滚动轴承损伤类故障时所得包络信号及其频谱图的基本特征,并用2032信号分析系统对滚动轴承实施了共振解调诊断,验证了理论分析的正确性.     

滚动轴承故障诊断的频谱分析技巧

本文主要介绍旋转机械中滚动轴承故障诊断的实用技巧,采用振动分析方法,通过监测滚动轴承的振动状态,采集振动信号波形进行频谱分析,从而合理安排关键设备的预防维修计划,避免因突发性设备故障所造成的经济损失,确保生产的顺利进行。     

基于时频图和CNN的滚动轴承故障诊断

针对传统轴承故障诊断方法泛化能力差,提出了一种基于时频图和卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,对振动信号进行短时傅里叶变换,构造时频图;然后,将训练信号的时频图作为卷积神经网络的输入,训练网络模型;最后,将测试信号的时频图输入网络模型,实现对滚动轴承的故障状态识别。通过美国凯斯西储大学的开放数据集进行多组验证实验,结果表明该方法能够有效的判断轴承是否存在故障,并且能够识别故障类型,准确率可以达到97.63%以上。     

基于ALIF和FWEO的滚动轴承故障特征提取方法

针对传统算法难以准确提取强背景噪声下滚动轴承微弱故障特征的问题,提出了基于ALIF(自适应局部迭代滤波)和FWEO(频率加权能量算子)的故障特征提取方法。利用ALIF将故障信号分解为若干I分量,通过计算不同I分量的峭度值及与原始信号的相关系数,筛选出与原始信号相关性最大的2个I分量进行重构,并利用FWEO进行解调,最终得到重构信号的能量谱图来实现轴承故障特征信息的提取,并与基于传统算法EMD和FWEO的方法进行对比,仿真和实验结果表明,该方法在故障信息提取方面的能力更优,对滚动轴承的故障诊断也更有优势。     

基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断

针对传统卷积神经网络(Convolutional Neural Network,CNN)在直升机自动倾斜器滚动轴承噪声环境下诊断效果不佳的问题,提出一种基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断方法。该方法首先在原始振动信号中随机添加不同大小的高斯白噪声,然后利用小波变换方法构造不同噪声下的时频图,最后利用CNN对不同噪声下的时频图进行故障分类。利用课题组和美国凯斯西储大学的公开轴承数据集开展真实诊断实验,结果表明,与传统CNN相比,极大地提高了在噪声环境下的故障识别率。     

基于互补集合平均经验模态分解的滚动轴承故障诊断方法研究

针对集合经验模态分解(EEMD)的机械故障诊断方法中存在的不足,即其加入的白噪声不能完全被中和。为了克服其不足,提出了基于互补集合经验模态分解(CEEMD)的滚动轴承故障诊断方法,提出的方法很好地克服了EEMD中存在的不足,有效地消除了IMF中的残留噪声。仿真结果表明:提出的方法明显优于EEMD方法,可以减少重构误差,提取较为准确的IMF分量。最后,将CEEMD方法应用到滚动轴承故障诊断中,实验结果表明,CEEMD方法能准确的提取滚动轴承的特征故障频率。     

基于动态增添法的DBN滚动轴承故障诊断

针对深度信念网络(DBN)层数的不确定性而导致故障诊断精度不高的问题,提出了一种基于动态增添算法的DBN诊断方法。首先通过动态增添算法确定隐含层层数,之后按照逐层递减原则,设置模型的隐含层神经元节点数目;并以滚动轴承为研究对象,通过分析其训练样本与测试样本的分类误差曲线,来表明基于动态增添算法的DBN方法对滚动轴承故障的诊断精度,并针对不同深度DBN模型的诊断性能进行对比,证明了本方法在滚动轴承故障诊断方面优势明显。     

滚动轴承在任意方向的支承刚度

为仔细分析高速转子——滚动轴承系统的动力学特性,本文提出了滚动轴承在任意方向的支承刚度的概念,应用弹性理论和滚动轴承内部几何关系,推导了滚动轴承在任意方向的支承刚度的数学表达式。同时还提出了球轴承和单列向心短圆柱滚子轴承在外载荷作用下内圈位移的简化表达式,给出了计算方法和编制了相应的计算程序。 为验证上述理论的正确性和程序的可靠性,应用本文方法进行了大量的计算试验,与美国空军推进实验室所提供的轴承刚度的资料相比较,计算结果相当吻合。在此基础上,本文还进一步探讨了轴承的轴向负荷和径向负荷、径向间隙和负荷分布参数对轴承刚度的重要影响,得到了许多重要结论。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性，利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验，获取了自动倾斜器轴承的故障振动数据，并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入，对自动倾斜器轴承故障进行诊断，获得了较高的故障诊断率。采用基于神经网络的故障诊断方法，自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

基于自适应滤波的主动磁悬浮轴承位移传感器故障识别

针对采用差动式位移传感器的主动磁悬浮轴承系统,从理论上分析了控制器输出信号与转子干扰力及传 感器故障信号之间的关系和自适应滤波器的工作原理,并在此基础提出了基于自适应滤波的传感器故障识别方 法.该方法以两路位移信号的差值为参考信号对控制器的输出信号进行滤波,从而得到控制器输出信号和两路 位移信号的差值之间的相关系数,根据该相关系数的极性即可准确地判断出故障传感器.还采用Matlab对该方 法进行了仿真研究,并在一个主动磁悬浮轴承试验台上进行了试验研究,研究结果表明:该方法可以同时识别传 感器的直流故障争交流故障;转子在静态悬浮和高速旋转时,该方法均可以准确地检测到传感器故障并识别出 故障传感器.     

调整径向游隙提高滚动轴承性能的研究

本文系统地探讨了滚动轴承径向游隙对轴承内部负荷分布、支承刚度、多轴承系统中外载荷在各个轴承上的分配、弹性流体动力润滑的油膜厚度和轴承疲劳寿命的影响。通过分析可见,径向游隙对轴承的疲劳寿命和支承刚度有显著的影响。最后文中还给出了轴承径向游隙选用的一般原则。     

某火箭发动机故障检测及诊断算法设计分析

针对某型号液体火箭发动机故障检测及诊断软件存在瞬态段（起动段、关机段）故障检测功能缺失、故障诊断无法给出故障量大小的问题，在原软件故障诊断算法——余弦相似度分类的基础上，通过引入故障因子定量给出故障量大小，实现发动机故障诊断的定性定量分析。同时，采用基于统计学基础的包络线算法，通过Python语言对发动机瞬态段故障检测算法进行设计开发，使原软件实现发动机瞬态段故障检测功能。通过仿真试车数据对软件算法进行验证，结果表明优化后的故障诊断功能可实现故障量大小计算，基于包络线算法开发的故障检测功能提高了发动机故障检测效率。     

Remaining Useful Life Prediction of Rolling Element Bearings Based on Different Degradation Stages and Particle Filter

A method is proposed to improve the accuracy of remaining useful life prediction for rolling element bearings,based on a state space model(SSM)with different degradation stages and a particle filter. The model is improved by a method based on the Paris formula and the Foreman formula allowing the establishment of different degradation stages. The remaining useful life of rolling element bearings can be predicted by the adjusted model with inputs of physical data and operating status information. The late operating trend is predicted by the use of the particle filter algorithm. The rolling bearing full life experimental data validate the proposed method. Further,the prediction result is compared with the single SSM and the Gamma model,and the results indicate that the predicted accuracy of the proposed method is higher with better practicability.     

基于案例推理和等价空间的定性/定量混合故障诊断方法

针对难以获得航天器控制系统的精确模型,采用基于知识的定性故障诊断方法也难以奏效的问题,采取定性/定量混合故障诊断的思路,将基于案例推理和等价空间故障诊断方法有机结合,建立定性/定量混合故障诊断模型,推出一种定性/定量混合故障诊断方法。以航天器姿态控制系统为对象进行故障诊断。验证结果表明,推出的定性/定量混合故障诊断方法能够发挥二者的优势,比任何单独一种方法的诊断效果都好。     

基于RBF神经网络的航空发动机轴承故障诊断

提出一种新的航空发动机滚动轴承故障诊断方法。利用小波包分解对轴承的动态信号进行分析、提取特征,采用RBF神经网络进行承故障诊断。对7类故障进行了实验,结果表明该方法具有很好的故障诊断效果。     

Sliding Mode Fault Tolerant Attitude Control Scheme for Spacecraft with Actuator Faults

An active fault tolerant control scheme is investigated for the attitude control systems of spacecraft with external disturbance and actuator faults by using the sliding mode technique. Firstly,the dynamic equations and kinematic equations of spacecraft are given. For the dynamic mode of spacecraft in faulty case,a fault diagnosis component is used for fault detection and estimation by using a nonlinear observer. According to the fault estimation information obtained during the fault diagnosis,the fault tolerant control scheme is developed by adopting the backstepping sliding mode control technique. Meanwhile,the Lyapunov theory is used to analyze the stability of the closed-loop attitude systems. Finally,simulation results for the attitude dynamics models show the feasibility of the proposed fault tolerant scheme.