倒频谱分析在滚动轴承故障监测中的运用

针对强背景噪声下的滚动轴承故障振动信号,提出了固有时间尺度分解(ITD)和最小熵解卷积(MED)相结合的故障特征提取方法。首先对信号进行ITD分解,通过计算各分量与原信号的相关系数,去除虚假分量后重构

基于盒维数和EMD的滚动轴承故障诊断，梁宁，徐晓慧，针对滚动轴承振动信号的复杂性和具有不同状态下分形特征存在差异的特点，提出了基于盒维数和EMD的滚动轴承故障诊断方法，将分形几

滚动轴承在工作过程中产生的振动信号既有周期性又有随机性。周期性信号来源于滚动轴承的周期运转方式,这种周期性本质上是一种近似周期的冲击性振动;随机性信号来源于滚珠的滑移、制造误差等多种因素。因此,对于滚

基于经验小波变换的滚动轴承故障诊断研究，徐明，谭继文，经验小波变换(EWT)作为一种新的自适应信号分解方法，通过在频域自适应构造带通滤波器组，构造正交小波函数，以提取具有紧支撑傅里�

滚动轴承是机械操作中常用的关键部件，但过载、疲劳、磨损或腐蚀等都会导致故障。而早期的弱故障很难检测，如果没有及时检测和分析，不仅设备停机，还可能造成人员伤亡。近期，一项使用基于深度学习的技术对滚动轴承

为解决异步电机故障轴承振动信号易受噪音影响信噪比较小的缺点,提出了一种新的故障诊断方法。首先,采用小波分析方法对测得的原始信号进行去噪,并根据频率对原始信号进行频带划分;其次,用经验模式分解(EMD)

在支持向量机(SVM)中,非常有必要优化参数,这些参数是影响分类性能的关键因素。 提出了改进的蚁群算法(IACO)来确定参数,然后将IACO-SVM算法应用于滚动轴承故障检测中。 允许蚂蚁找到的最佳解

滚动轴承的健康状况对于机械系统的正常运行至关重要。本文关注于包含10个测点的滚动轴承故障数据，通过对这些数据的细致分析，揭示了不同测点之间的健康差异。我们运用先进的数据处理技术，识别并解读了在这些测点

霍尔辛赫煤矿副井提升机轴承系统故障发生频繁,采用剖分式滚动轴承对提升机现有轴承系统进行改造,实践使用效果表明,本次改造后轴承运行正常,未出现损坏情况,能有效地保障提升机的正常运行。

强调滚动轴承的拆卸与装配的重要性。滚动轴承的使用寿命与拆卸方法和安装质量有很大关系。正确合理的拆卸、装配和维护,能充分发挥滚动轴承的各种潜在能力,从而延长设备的使用寿命。