为诊断低速滚动轴承故障, 克服传统振动法诊断时故障信号极其微弱的缺陷。在实验室条件下对各类故障模式滚动轴承进行声信号采集, 并对故障轴承声信号进行参量分析和波形分析的基础上, 利用撞击数和神经网络技术对滚动轴承进行了故障诊断, 提高了低速滚动轴承故障诊断的有效性和准确性。

所属栏目

试验研究

收稿日期

2009/8/3

作者单位

余永增:兰州石化公司设备维修公司, 兰州 730060
韩 龙:兰州石油机械研究所, 兰州 730050
戴 光:大庆石油学院 机械科学与工程学院, 大庆 163318

备注

余永增(1980-)男, 助理工程师, 硕士, 技术员, 主要从事炼化装置机泵维修和状态监测方面的工作。

引用该论文:

YU Yong-Zeng,HAN Long,DAI Guang.Fault Diagnosis Method for Rolling Bearings Based on Acoustic Emission Inspection[J].Nondestructive Testing,2010,32(6):416～419
余永增,韩 龙,戴 光.基于声发射的滚动轴承故障诊断方法[J].无损检测,2010,32(6):416～419

被引情况:

【1】

席剑辉,韩彦哲,苏荣辉,傅莉, "基于EEMD的滚动轴承故障特征主元分析和PNN建模",无损检测 36, 74-78(2014)
参考文献

【1】

钟秉林, 黄仁.机械故障诊断学(第二版)[M].北京: 机械工业出版, 2005: 1-10.

【2】

理华, 徐春广, 肖定国, 等. 滚动轴承声发射技术[J].轴承, 2002(7): 24-26.

【3】

赵转哲, 李孟源.铁路货车轴承故障声发射信号的小波分析处理[J].轴承, 2005(3): 30-31.

【4】

Cline J E, Bilodeau J R, Smith R L. Acoustic wayside identification of freight car roller bearing defects[C]// Proceedings of the IEEE/ASME Joint Railroad Conference, [s.l.]: [s.n.], 1998, 79-83.

【5】

沈功田, 段庆儒, 周裕峰, 等.压力容器声发射信号人工神经网络模式识别方法的研究[J].无损检测, 2001, 23(4): 144-149.

【6】

戴光, 李伟, 张颖, 等.基于人工神经网络方法识别声发射信号的有效性[J].大庆石油学院学报, 2001, 25(1): 63-66.

【7】

董长虹.Matlab神经网络与应用[M]．北京: 国防工业出社, 2005.

【8】

于江林, 余永增, 戴光, 等.滚动轴承声发射信号的人工神经网络模式识别技术[J].大庆石油学院学报, 2008, 32(5): 64-66.

【9】

Kwak J, Ha M. Neural network approach for diagnosis of grinding operation by acoustic emission and power signals[J]. Journal of Materials Processing Technology, 2004, 147(1): 65-71.