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。     

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.      

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.      

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。     

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。      

KIRD234021-YA型滚子修型不同凸度值对滚动轴承接触应力的影响

为了研究滚子修型不同凸度值对滚动轴承接触应力的影响,以KIRD234021-YA型滚动轴承为研究对象,建立滚子直线修型及滚子全凸修型两种有限元模模型,运用Nastran软件对滚子直线修型模型和滚子全凸修型不同凸度值模型进行力学性能分析,获得内圈滚道应力云图。结果表明,滚子直线修型时,内圈滚道最大接触应力为6729 MPa,超过材料热处理后的许用接触应力(4000 MPa),致使轴承滚子及滚道产生点蚀和剥落失效,且偏载现象严重;滚子全凸修型时,滚道接触应力降低,最大应力值仅为直线修型的1/5～1/4,凸度值较小时内圈滚道最大接触应力也较小,且偏载现象严重,凸度值较大时偏载现象减小,但内圈滚道最大接触应力增加,结合工程实际,较为合理的滚子凸度值范围是3～8μm。利用疲劳寿命试验机对六种轴承分别进行疲劳寿命试验,发现轴承滚子磨损状况与仿真结果相吻合,验证了对滚子进行凸度修型能够有效提高应力分布的均匀性,缓解应力集中现象,减少轴承磨损,合理的修型方式为全凸修型,且凸度值范围3～8μm最为适宜。研究结果对轴承滚子的凸度设计提供了理论支撑。     

基于小波包分析方法的航空发动机滚动轴承故障诊断

将小波包分析技术引入到航空发动机滚动轴承故障诊断的应用研究中,给出了基于小波包分析的滚动轴承故障特征提取方法：应用小波包分解与重构算法分离出了滚动轴承的故障特征频率,识别出了滚动轴承的故障类型。通过对实际航空发动机滚动轴承故障信号的分析表明,该方法可以有效地检测和诊断航空发动机的滚动轴承故障。     

基于IITD和FCM聚类的滚动轴承故障诊断

基于Akima插值和固有时间尺度分解（ITD）中的线性变换,提出了一种改进的固有时间尺度分解（IITD）,在此基础上,进一步提出基于IITD近似熵（AE）和模糊C均值聚类（FCM）相结合的滚动轴承故障的诊断方法。采用IITD方法对滚动轴承的振动信号进行分解,通过互信息分析,筛选出前3个含主要特征信息的固有旋转分量（PR）,计算其近似熵值作为信号的特征向量,将得到的特征向量输入到FCM分类器中分析并得到分类结果。实验分析表明:分别与基于EMD、ITD近似熵和FCM聚类相结合的方法比较,该方法的分类系数更接近1,平均模糊熵更接近0,即此方法对滚动轴承的正常、内圈故障、外圈故障、滚动体故障信号以及对内圈的不同损伤程度信号均能更有效更准确地进行分类。      

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.      

基于旋转坐标系转轴振动信号的滚动轴承故障诊断方法

实验验证了基于旋转坐标系转轴振动信号的滚动轴承局部故障诊断方法.建立起滚动轴承故障实验台, 采用压电晶体加速度传感器测取转轴的振动.通过滚动轴承内环、外环、滚动体和保持架四种典型故障的实验分析结果, 证明了该方法的可行性, 并发现转轴振动信号的传递路径相对简单, 对轴承内环、滚动体和保持架早期微小故障的发现与诊断可能是有利的.      

电磁轴承支承的柔性转子在轴承失效后坠落过程中的瞬态响应

研究了主动电磁轴承支承的单盘柔性转子系统在磁轴承失效后转子坠落在带有固定间隙的滚动型备用轴承上的瞬态响应,分析了备用轴承的各种参数对瞬态响应的影响。结果发现系统出现了以自由落体-碰撞弹起-自由落体为特征的在间隙圆底部的摆动运动、以碰撞弹起-加速落体-碰撞弹起为特征的在整个间隙圆范围的碰撞型回转运动以及轴颈与备用轴承始终接触在一起的摩擦型回转运动等3种运动形式。碰撞型回转运动实际上是由碰撞过程中部分周向的摩碰引起,而摩擦型回转运动是由轴颈与备用轴承之间的全周干摩擦所致。碰撞型回转运动和反向摩擦型回转运动对备用轴承的影响最为严重。     

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。