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。     

高DN值轴承损伤容限设计准则探讨

本文从断裂力学的角度探讨了航空发动机主轴承结构、材料引起套圈断裂问题。并给出了两个高DN值轴承套圈损伤容限设计准则。     

基于声发射多参数融合的滚动轴承典型故障损伤程度识别方法

针对滚动轴承典型故障损伤程度难识别的问题,以声发射参数分析和波形流分析方法为基础,结合时间到达特征指数（TAFI）、计数、撞击数、能量以及引入故障特征频率功率峰值与其相邻倍频间频带内平均功率比值的无量纲参数故障因子,提出了一种基于声发射多参数融合的滚动轴承典型故障损伤程度识别方法。为验证该方法对滚动轴承典型故障损伤程度的识别效果,搭建了滚动轴承典型故障模拟试验台,开展试验并采集了线切割严重损伤和点蚀微弱损伤两种缺陷的滚动轴承声发射信号,对相同转速工况下测得的典型故障轴承与健康轴承的声发射信号应用本文提出的方法进行识别。结果表明:声发射特征参数TAFI可以初步判定轴承是否存在故障,计数和撞击数可有效识别滚动轴承的故障类型;特征参数能量可有效识别外圈故障和滚动体故障滚动轴承的不同损伤程度,引入故障因子参量来表征不同缺陷滚动轴承的损伤程度,通过线切割和点蚀缺陷1～5倍频故障因子数值上的差异,有效识别了典型故障滚动轴承的不同损伤程度,弥补了特征参数能量对内圈故障损伤程度识别的不足。该方法可有效识别滚动轴承典型故障的不同损伤程度。      

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。     

转子系统支承件松动下动力学建模及动态响应

针对转子系统轴承支承件的松动问题,基于松动支承件的几何特征建立了轴承碰撞过程的数学表征,通过Lankarani-Nikaravesh模型对松动端轴承力进行计算。利用牛顿定律建立了转子系统轴承支承件松动的动力学模型,采用Runge-Kutta法对系统动力学方程进行求解,分析了松动程度、工作转速和系统阻尼对转子系统输出特性的影响。研究结果表明：支承件松动的转子系统在其频谱图上会出现f_s、3f_s和5f_s等奇数倍频信号;支承件松动会在增大轴承力幅值和增大载荷交变次数这两个方面显著降低轴承的使用寿命;转子系统会随着松动程度的加剧、运行转速升高以及系统阻尼减小而越不稳定。研究结果为轴承支承件松动故障影响分析工作提供了参考,也可以作为轴承座松动故障诊断的依据。     

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EMD-ICA与遗传算法的轴承故障诊断方法

针对振动信号中轴承故障特征信号微弱难以识别的问题,对通过试验采集到的内环故障、外环故障以及滚动体故障振动信号进行处理。采用最小二乘法和指数平滑法对振动信号进行预处理,利用EMD分离振动信号的局部特征,并根据IMF分量的信息熵增益比实现重构;采用ICA对混叠的振动信号进行分离,并对分离后的振动信号进行特征提取;采用遗传算法对多维振动特征参量进行降维,筛选出最优特征参量;采用遗传算法优化的极限学习机对轴承故障振动特征集进行识别,将常见的SVM、BP等诊断模型作为对比算法。试验结果表明：采用ICA能将混叠信号有效分离,实现故障信号的提取;遗传算法不仅能够实现最优特征的选择,同时能够对极限学习机算法进行有效优化,提升算法的诊断效果。优化的算法相比其它诊断识别方法性能较佳,使3种故障的平均诊断效果达到90%以上。     

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...     

振动分析技术在滚动轴承故障诊断中的应用

介绍了滚动轴承的故障原因、振动类型和故障特征及其诊断方法,并通过实例,对滚动轴承某一故障的特征、原因及分析方法进行了描述.