影响滚动轴承寿命的因素浅析

影响滚动轴承使用寿命的因素很多,运输、保管、装配等是其中的主要因素,文中对此进行了分析。     

高速脂润滑滚动轴承的摩擦力矩的计算

在高速脂润滑滚动轴承中,摩擦力矩的大小决定了轴承的功率消耗和发热量的大小,发热量的大小直接影响轴承的温升失效.通过对滚动轴承摩擦力矩的分析计算,为计算轴承的发热量和轴承温升提供了理论参考.     

PSO-COT与EEMD的变转速滚动轴承故障特征提取

针对滚动轴承在变转速工况下微弱故障特征难以提取的问题,提出了PSO-COT与EEMD的变转速滚动轴承故障特征提取方法。首先,通过粒子群优化算法(particle swarm optimization, PSO)寻找最优过采样率,对采集到的滚动轴承振动信号进行过采样;然后,利用计算阶比跟踪(computed order tracking, COT)将过采样后的时域信号转变成角域的平稳信号;最后,通过集合经验模态分解(ensemble empirical mode decomposition, EEMD)去噪,经过阶次谱分析滚动轴承故障特征阶次。实验表明该方法具有较好的故障特征提取精度,可以有效提取变转速工况下滚动轴承故障特征信息。     

基于虚拟仪器的机车滚动轴承故障诊断研究

介绍了机车滚动轴承故障诊断的机理。利用LabVIEW软件和相关硬件,设计了一种机车滚动轴承故障诊断系统。该系统结合某一型号机车轮对,利用CompactDAQ和NI 9233加速度采集模块采集滚动轴承振动信号。根据滚动轴承机理,振动信号包含滚动轴承故障信息。因此,运用小波变换函数,对振动信号进行时频域分析处理,获取有用的故障特征信息,进而确定故障类型。从实验结果可以看出,该方法能准确地找到故障频率,对于机车滚动轴承故障诊断有很好的指导意义     

基于EMD分解和共振解调的滚动轴承故障诊断研究

在介绍滚动轴承的故障机理的前提下,采用振动信号分析法对滚动轴承状态监测和故障诊断进行研究。通过LabVIEW编程,应用EMD分解和共振解调相结合的方法,对振动信号进行分析,获取有用故障特征,进而确定故障类型。     

基于MOMEDA与BiLSTM的滚动轴承微弱故障识别方法

针对传统的滚动轴承智能诊断模型计算效率低和准确率欠佳问题,课题组提出一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)和双向长短时记忆(bidirectional long short term memory network,BiLSTM)网络相结合的滚动轴承故障诊断模型。该模型利用MOMEDA方法增强故障特征,并结合遗传算法(genetic algorithm,GA)对BiLSTM模型参数进行优化,实现滚动轴承智能、高效及鲁棒性诊断。利用该模型对经典轴承数据集以及牵引电机轴承故障数据集进行验证,平均准确率达到了99.63%,分别比传统卷积神经网络(convolutional neural network,CNN)、单层长短时记忆网络(long short term memory network,LSTM)、双向长短时记忆网络和最新的CNN LSTM模型高16.02%,9.98%,7.01%和5.65%,验证了该模型的有效性和优越性。     

基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。     

基于优化残差卷积网络的滚动轴承变工况故障诊断

针对滚动轴承在实际运行环境中同时存在变负荷和变噪声的复合工况干扰而产生的故障诊断效果不理想的问题,提出了一种用于滚动轴承变工况故障诊断的一维残差卷积神经网络方法。将归一化后整理完的原始轴承振动信号输入到网络模型中,利用具有残差连接的多个一维卷积层提取特征,再经过多个卷积池化,最后输入到Softmax层进行分类,输出轴承振动信号的故障类型。将所提方法与一维卷积神经网络(CNN)、LeNet-5和AlexNet几个经典模型进行对比分析,结果表明,本文方法在变噪声实验和变负荷实验中的平均准确率分别为94.16%和95.31%,均高于其他经典神经网路,具有较强的抗噪性和泛化性能力。     

基于优化VMD与BP神经网络结合的滚动轴承故障诊断方法研究

为解决滚动轴承微弱故障信号不明显、识别故障类型准确率不高及变分模态分解(VMD)分解时参数主要依靠人为设定的问题,提出一种基于麻雀搜索算法(SSA)优化VMD参数与BP神经网络相结合的故障诊断方法。首先,使用麻雀搜索算法对VMD分解的模态分解个数及惩罚因子进行优化,搜索全局得出最优参数组合;利用优化后的参数对故障信号进行VMD分解,将分解后的本征模态分量导入BP神经网络进行模式识别。结果表明：与EMD、未优化VMD相比,优化参数后的VMD具有更高的故障诊断率99.53%,使故障诊断效果进一步提升。     

基于Dropout CNN的滚动轴承故障诊断研究

针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动 信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率 高达99.5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。     

牙轮钻头滑动轴承用钢粉末渗钒的试验研究

本文着重研究了牙轮钻头轴承用钢的粉末渗钒配方、工艺和渗层的组织结构。运用扫描电镜对渗层进行观察和成分分析;用X射线衍射仪确定渗层的相结构;初步探讨了渗钒层的形成机理。     

带缓和曲线的大偏角长大曲线 实用测设方法研究

带缓和曲线的大偏角长大曲线在实际测设中,为了避免由于曲线过长造成 的测设误差,通常采用双交点或多交点分段测设的方法进行测设.本文提出了一种 用双交点测设的实用、简便、快速的测设方法,并给出了计算示例.     

斜楔机构的分析及双楔角斜楔机构的设计

通过对斜楔机构的运动分析和受力分析，提出对双楔角斜楔机构设计的具体方法。     

三牙轮钻头滑动轴承失效分析

三牙轮钻头轴承的使用寿命直接决定了钻头的寿命。为了弄清三牙轮钻头轴承的失效形式、原因及机理,进一步提高三牙轮钻头轴承的寿命,分别对现场失效的三牙轮钻头轴承进行宏观和微观分析。结果表明,密封系统失效是轴承失效的主要原因之一。同时,轴承所受载荷过大且分布不均,温度过高导致材料表面金属强度和耐磨性降低,以及轴承与牙轮之间配合间隙过大,工作时晃动导致受力不均等原因也是造成牙轮钻头轴承的快速失效的主要原因。     

带缓和曲线的小偏角长大曲线实用测设方法研究

带缓和曲线的小偏角长大曲线在实际测设中，为了避免由于曲线过长造成的测设误差，通常采用双交点或多交点分段测设的方法进行测设，本文提出了一种用双交点测设的实用，简便，快速的测设方法，并给出了计算示例。     

拥有汉字菜单的批文件的设计及应用

对于一个需要运行多种系统软件和应用软件的微机系统，配备一个拥有汉字菜单及分支调用功能的批文件，能给用户操作带来很大方便．本文介绍这种批文件的设计方法和应用示例．     

论新时期作家写作姿态的变革

新时期文学２０多年的创作历程中,作家的写作姿态从８０年代初期启蒙的浪漫激情、中后期对启蒙角色的主动放弃,到９０年代多元文化语境中角色的重新定位,呈示出明显的变化。     

用节流管实现小流量测量的分析与实验研究原理

指出节流管在月Re<5000时具有良好的计量特性;导出了节流管的流量系数计算模型。该模型能与试验结果较好地吻合,将其用于计算节流管流量,均方根误差小于2%,且在工程应用中不需对流量系数作专门标定。     

滚珠直旋副滚道弹性接触分析

滚珠直旋副是一种将直线运动转换为旋转运动的滚珠丝杠传动，其特点是具有较大的螺旋升角。本文就这类传动钢球与丝杠及螺母的弹性接触问题进行理论分析，建立弹性接触变形及额定负荷表达式，并就接触强度和接触刚度的有关影响因素进行了讨论。     

一种新型的光学时分复用系统的设计及实验

提出一种采用单个皮秒(ps)光源分路后,由具有增益的半导体激光放大器作为南速调制开关的光学时分复用(OTDM)系统方案,并进行了两个信过的2Gbit/s 光学时分复用发射系统模拟实验.