卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于声发射信号信息距的滚动轴承故障诊断

在信息熵理论基础上,提出了一种融合小波能谱与马氏距离的信息距滚动轴承故障诊断方法.利用双转子试验台对滚动轴承内圈故障、外圈故障、滚动体故障、内圈 滚动体故障和内圈 外圈故障进行模拟,并采集其声发射信号.利用提出的信息距方法对获取的声发射信号进行分析,成功实现滚动轴承单一故障和耦合故障诊断.结果表明该方法信息利用率高于信息熵方法,能够清晰和准确地诊断出滚动轴承早期故障,效果明显优于信息熵距的诊断方法.      

基于经验模态分解剩余信号能量特征的滚动轴承故障模式智能识别

针对滚动轴承故障模式识别问题,分析了振动信号的时域特征与经验模态分解剩余信号的能量特征,并将采集的特征一起构成了多域多类别的原始故障特征向量集,同时采用遗传算法对支持向量机径向基核函数参数和惩罚参数进行了寻优,提出了结合经验模态分解剩余信号能量特征的遗传算法优化支持向量机参数的滚动轴承故障模式识别方法。实验表明,给出的故障模式识别方法,对滚动轴承的外圈故障、内圈故障、滚动体故障及正常状态有很好的识别效果,具有较强的实用性,能够为滚动轴承故障的模式识别和智能诊断提供帮助。     

滚动轴承的几何常数和故障特征倍频的估计方法

提出了几何常数的概念.通过对轴承几何关系的分析和对1274个型号的轴承参数的统计发现,同系列轴承的几何常数小范围波动,近似为常数,不同系列却有较大差异.确定了7个基本类型的滚动轴承共45个系列的几何常数.建立了基于几何常数、滚动体个数和轴承系列的滚动轴承局部内环、外环故障特征倍频的估计方法.只需已知轴承类型和滚动体个数,就可得到相应的特征倍频,为滚动轴承故障诊断提供了有效的途径.      

某型航空发动机中介轴承外环故障振动分析

根据某型双转子航空发动机的结构和动力学特点,设计建造了中介轴承实验器.实验中发现中介轴承的外环故障包络谱与内环故障和滚动体故障的包络谱相似,也受周向载荷不均匀分布和传感器相对位置周期性变化的影响.基于此,推导了中介轴承故障特征倍频公式,建立了中介轴承局部故障的理论模型,采用希尔伯特包络检波技术,对外环剥落轴承振动信号进行了分析,结果表明,所建立的中介轴承局部故障理论模型是正确的.      

基于双树复小波包变换和SVM的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳性和现实中难以获得大量典型故障样本的情况,提出一种基于双树复小波包变换和支持向量机（SVM）的故障诊断方法.首先通过双树复小波包变换将非平稳的振动信号分解得到不同频带的分量;然后对每个分量求其能量并归一化处理;最后将从各个频带分量中提取的能量特征参数作为支持向量机的输入来识别滚动轴承的故障类型.对试验台模拟信号（包括滚动轴承的正常状态、外圈裂纹故障、内圈裂纹故障和滚动体点蚀故障）的分析表明:该方法对所测试验信号的故障识别率达到99.5%,对比传统小波包变换与SVM结合的方法,故障识别率的准确度更高.      

保持架打滑对航空发动机主轴承故障特征频率的影响

通过理论推导,得到保持架打滑率与轴承内、外圈和滚动体故障特征频率之间关系。利用圆柱滚子轴承支承的转子实验台验证了推导公式的正确性,并研究保持架打滑率、实际故障特征频率与理论公式偏差随转速的变化规律。结果表明:随着转速升高,滚动轴承保持架打滑率趋于增大,导致轴承实际故障特征频率与基于纯滚动假设的理论计算值的偏差也随之增大。研究结论对于航空发动机主轴承的故障诊断具有指导意义。      

滚动轴承保持架-滚动体接触动力学建模与接触特性

采用非线性弹簧单元、阻尼单元模拟保持架与滚动体之间的碰撞接触,并综合考虑碰撞接触、摩擦以及兜孔间隙等非线性因素,建立了滚动轴承动力学分析模型。通过动力学仿真研究了保持架与滚动体之间的碰撞接触特性及轴承载荷、转速对保持架接触特性的影响。研究结果表明:滚动体与保持架兜孔前、后端交替产生非连续性碰撞接触并造成保持架转速出现不规律的波动。滚动体与保持架兜孔前、后端接触力的最大值和保持架转速的波动范围随着轴承径向载荷的增加而减小,随轴承转速的增加而增大。所建立模型可为滚动轴承的设计及保持架的失效分析提供理论依据。      

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点，提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验，并采用经验模式分解(EMD)方法对采集的振动信号进行分解，提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明，所提出的Deep-GBM故障诊断准确率达到87%，相对于传统的机器学习模型准确率最高提升了28%，并具有良好的泛化能力。      

基于机匣测点信号的航空发动机滚动轴承故障诊断灵敏性分析

研究了基于机匣测点信号进行航空发动机滚动轴承故障诊断的灵敏性问题.首先利用两个带机匣的航空发动机转子试验器进行了冲击响应试验,比较了滚动轴承处冲击激励引起的轴承座测点响应和机匣测点响应的差别;然后利用这两个带机匣的转子试验器进行了滚动轴承故障模拟试验,详细对比分析了轴承座测点信号和机匣测点信号的时域波形、频谱和小波包络谱.结果表明:当滚动轴承和机匣的连接刚度较小时,故障滚动轴承的振动信号传递到机匣上时会产生很大的衰减,然而利用传统的基于小波包变换的包络解调方法仍然可以很好地诊断出外圈故障和内圈故障,对于滚动体故障的诊断效果略差.研究结果对于实际中基于机匣测点信号进行航空发动机滚动轴承故障诊断提供了试验依据.      

带非线性支撑的转子有限元模型求解方法

用数值方法研究了非线性支撑的柔性转子系统的动学行为,提出了一种将有限元与非线性支撑结合的模型和求解方法。利用有限元法(FEM)构建转轴和转盘部分的模型,通过矩阵进行组合;利用离散元方法对包含滚动轴承和挤压油膜阻尼器(SFD)的支撑部分进行建模,此部分包含4个单元,分别为轴承内圈、外圈、SFD内圈和支撑鼠笼。有限元部分和离散元部分通过轴端节点相连,仿真过程中轴端位移传递给非线性支撑部分,支撑部分通过位移计算得到的非线性力反过来作用于有限元转子轴端部分。为了耦合求解有限元转子和非线性支撑组成的数学模型,提出了一种综合的迭代求解方法,克服传统的有限元求解方法对轴端隐性非线性支撑的求解局限性。由于转轴部分采用了Timoshenko梁单元建模,对比与简单转子模型,可以考虑陀螺力矩和轴的柔性特征,更能体现非线性支撑对振动真实影响。在建立的20个轴单元的有限元转子模型中,非线性响应更多体现在靠近非线性支撑的节点1和节点21处,响应频谱中靠近轴端的节点能体现出滚动轴承的2倍和3倍变柔振动频率。     

内圈带缺陷中介轴承的动力学建模与振动响应分析

针对外圈支承于低压转子轴颈,内圈支承于高压转子轴颈支承形式的中介轴承,在考虑轴承径向间隙变化和滚动体通过内圈缺陷时接触变形量发生变化的基础上,建立了内圈含单一故障缺陷的中介轴承动力学模型。数值仿真研究了轴承振动响应的有量纲参数和无量纲参数随缺陷大小,内、外圈转速和径向外载荷变化的规律,得出了若干有益结论,为中介轴承故障诊断提供了有益参考。     

转子不平衡量对角接触球轴承-刚性转子系统动力学耦合特性的影响

建立了高速角接触球轴承-刚性转子系统完全动力学数值仿真模型。以某仪表轴承支承的转子系统为例,分析了转子不平衡量对转子振动响应、轴承内部载荷分布以及保持架质心运动轨迹、频域幅值变化及其磨损的影响。结果表明:无转子不平衡量时,转轴振动仅包含保持架频率,而转子不平衡时,转轴振动除保持架频率,还包含内圈频率及其倍频。随着转子不平衡量的增大,内圈频率对应的转轴振动幅值逐渐增大,而保持架频率对应的转轴振动幅值先减小后增大。球与内外圈接触载荷波动随着转子不平衡量的增大而增大,且载荷包含了保持架频率与内圈频率的多种耦合频率。转子不平衡量越大,保持架质心运动越不稳定,而保持架磨损率反而逐渐降低。保持架质心运动除保持架频率外,还包含保持架频率与内圈频率的耦合频率,说明保持架运动受转子振动的影响。      

考虑表面波纹度的滚动轴承-转子系统非线性动力特性

提出了考虑滚动轴承内外圈滚道表面波纹度、Hertzian弹性接触力和径向游隙等非线性因素的滚动轴承模型,建立了滚动轴承-转子系统的动力学微分方程,并用Runge-Kutta-Felhberg算法对其求解.利用分岔图、Poincaré映射图和频谱图,分析了参数变化时的滚动轴承-转子系统的分岔、混沌等非线性动力特性.结果表明:外圈波纹度波数与滚动轴承滚珠数目相等时,转子系统会产生强烈振动;转子系统进入混沌的主要途径是倍周期分岔;内圈波纹度引起的振动频率与波数有明确的函数关系.      

基于强抗噪威格纳威利分析的滚动轴承故障诊断

为了解决威格纳威利谱(Wigner-Vile spectrum, WVS)时频分析方法对受强背景噪声影响下的滚动轴承冲击性故障信号特征提取难的问题，根据滚动轴承发生故障时呈现出的循环平稳特征，将基于2阶循环统计量的循环谱密度算法(cyclic spectral density, CSD)与WVS相结合，提出基于CSD的WVS分析方法，即循环谱密度威格纳威利谱(CSDWVS)时频分析方法。经仿真及实验验证，相对传统WVS分析方法，该方法能有效提取出强背景噪声影响下的滚动轴承内圈故障特征频率为51.9 Hz及外圈故障特征频率为32.1 Hz。      

球轴承内圈剥落缺陷双冲击特征动力学建模

基于Hertz接触理论,以内圈滚道表面存在局部剥落的球轴承为研究对象,对球轴承局部剥落故障所激起的非线性激励机理进行研究,分析球轴承双冲击现象激励机理。将滚动体与球轴承内外圈非线性接触特性纳入考虑,提出时变位移激励与时变接触力激励相耦合的球轴承局部剥落双冲击现象动力学模型。研究中采用Runge-Kutta数值积分法求解该二阶非线性动力学微分方程,并对故障球轴承仿真信号进行双冲击时间间隔特征验证。在不同转速和内圈剥落尺寸条件下开展仿真与实验研究,通过仿真和实测信号的双冲击时间间隔与理论双冲击时间间隔对比分析,仿真信号的双冲击时间间隔与理论值对比的误差结果皆小于2%,与实测信号的双冲击时间间隔值对比的误差结果皆小于12%;同时,仿真信号与实测信号具有很好的相似性,从而验证了该动力学模型的有效性。      

滚动轴承内圈故障的动力学模型建立及仿真

针对目前滚动轴承内圈含单一点蚀故障模型无法真实再现实际故障发生过程的缺陷,基于接触理论,综合考虑内圈变形和故障实际尺寸等因素,根据滚动体通过内圈点蚀故障形变量渐变释放的客观事实,建立了1种滚动轴承内圈故障的动力学模型,克服了传统模型瞬间释放变形量导致冲击力过大的缺陷。经数值仿真和试验验证表明了该模型的正确性。