深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。     

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...     

时变支承刚度对分流传动系统振动特性的影响

基于集中质量法,考虑时变啮合刚度、综合传递误差和齿侧间隙等因素的影响,建立了圆柱齿轮分流传动系统的弯扭耦合动力学模型和方程。采用变步长Runge-Kutta法,对动力学方程进行了数值求解;通过引入滚动轴承的支承刚度计算模型,分析了时变支承刚度和非时变支承刚度对系统振动特性的影响。仿真结果表明：当按照时变支承刚度模型计算时,轴承的支承刚度会产生4%左右的波动,输出轴上的横向振动位移幅值增大了约5%;支承刚度的时变性使得系统的非线性增强,稳定性变差;支承刚度的时变特性对分扭级动载系数影响较大,对并车级动载系数影响较小。     

液体火箭发动机滚动轴承故障诊断方法初探

轴承故障在回转机械的各种故障中占有很大比例,轴承故障的诊断和检测是机械故障诊断重点发展的技术之一。本文结合发动机滚动轴承使用情况,介绍了液体火箭发动机滚动轴承故障诊断的作用、工作过程、诊断与检测方法。     

基于谱插值和奇异值差分谱的滚动轴承静电监测信号去噪方法

采用静电传感器进行滚动轴承故障监测实验研究.针对滚动轴承静电监测中各种强噪声、故障特征难以提取的问题,提出了基于谱插值和奇异值差分谱的联合去噪方法.首先采用谱插值抑制工频干扰,然后将所得信号构造Hankel矩阵,求取奇异值差分谱并自动确定有用分量个数,最后重构信号.仿真和实验结果表明:仅采用奇异值差分谱或者小波去噪方法,无法从含有强工频干扰的信号中提取有用成分;所提出的方法相比较谱插值和小波去噪方法能够凸显早期故障特征频率.     

PLC在货车轴承清洗机中的应用

设计了一种新型铁路货车轴承清洗机的清洗工艺过程，开发实施了清洗机的控制系统。着重阐述了用PLC对其运行过程进行自动检测的应用情况，并结合实际设备分析了PLC控制系统的硬件构成和软件特点。现场实际应用的结果表明，设备具有清洗效果良好、自动化程度高、运行稳定可靠等特点。     

滚动轴承振动与噪声关系的灰色研究

以灰色系统理论为基础,通过实验,研究6201和6203轴承振动与噪声的关系。振动用加速度有效值描述,噪声以声压级表示。实验数据处理结果表明,轴承振动与噪声的关系不明显,并具有很大的不确定性。因此,不宜用轴承的振动代替轴承的噪声,应单独研究轴承的噪声问题,制订轴承噪声标准和相应的工艺标准。      

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

转子-滚动轴承试验器有限元建模及实验验证

针对自行研制的转子-滚动轴承试验器,在Pro/E中建立了单盘转子的三维实体模型。通过Pro/E与ANSYS的无缝连接技术,在ANSYS中得到单盘转子的三维有限元模型,采用Sol-id185实体单元进行网格划分并采用Subspace法得到了前4阶固有频率和振型。利用锤击法对转子试验器进行了实验模态分析,并与ANSYS模态分析结果进行了对比。结果表明,基于ANSYS的计算模态和实验模态达到了很好的一致性。同时,利用ANSYS分析了陀螺力矩对临界转速的影响。最后,利用修改后的有限元模型仿真计算了不平衡动力响应,与相同条件下的实验结果比较表明,所建立的有限元模型能够准确模拟实际转子-滚动轴承试验器的动力学行为。     

QGH-1型激光全自动铁路货车轮对几何参数检测装置

“QHJ-1型激光全自动铁路货车轮对几何参数检测装置”可对铁路货车轮对进行几何尺寸自动检测,从而实现了外观状况确认的自动化、智能化、信息化,它采用全自动非接触测量法,取代了铁路系统多年来一直采用的手工检测和感官确认的方法,彻底提高了测量的可靠性、准确度。主要特点：具有高精度、高抗干扰能力,采用了先进的多线程技术,可自动进行修程判断,同时可联接各种HMIS信息化管理系统。