摘要：以滚动轴承在正常、内圈故障、外圈故障和滚动体故障四种工况下的振动信号为研究对象,采用小波包变换的方法提取信号的能量熵,构成振动信号的特征向量。在此基础上采用支持向量机进行故障模式识别,建立支持向量机模型需要选择适当的核函数及相关参数,使用径向基核函数,需要设置的参数为核函数的宽度和误差惩罚系数,分别结合传统的网格搜索,遗传算法,粒子群算法优化支持向量机参数以提升分类性能。试验结果表明,采用优化后的支持向量机进行故障诊断可以大大提高诊断精度。

摘要：采用基于同源信息融合技术的全矢谱技术对转子系统的不对中进行定量描述,以及提出工程实际中一种不对中定量分析方法。首先合理布局各传感器测点的位置,测得各传感器的稳态电压以及振动信号,利用全矢谱同源信息融合技术获得各测点振动信号的主振矢和相位,对不对中故障进行定性,然后通过电涡流位移传感器稳态电压的计算获得各测点轴心线的空间相对偏移量,利用线性原理拟合各个测点偏移量,得到整个转子轴系的不对中量,从而对转子轴系不对中现场故障诊断起到指导作用。

摘要：论研究单自由度系统强迫振动时振动能量与振动疲劳寿命之间关系,然后用ANSYS/FE-SAFE软件对简支梁进行横向弯曲振动疲劳分析,结果表明,在一定范围内,振动能量越大,振动疲劳寿命越短,反之亦然,因此可以用振动能量对设备状态进行评价。对于测得的速度信号,可通过时域或频域积分的方法求得位移进而得到振动能量,也可以对信号进行频谱分析得到各频率下的幅值从而求得振动能量,后者更加方便准确。最后使用健康度定量描述设备的健康状态。

摘要：在大型旋转机械各类常见故障中,转子系统故障是发生最多的故障之一,超过总故障的60%。传统的转子系统的故障诊断方法主要是基于单通道信号的幅值谱和相位谱特征,但由于单通道信号的不完整性以及特征量选取的不可靠,容易出现误诊或漏诊状况。为解决上述问题,提出振动能量谱的概念,并结合全矢谱技术进行双通道信息融合,形成全矢振动能量谱,将其运用于转子系统的故障诊断当中。实验证明,全矢振动能量谱较之于传统的幅值谱方法,能更加准确、有效的识别转子故障。