高速滚动轴承故障机理与诊断方法

目录
第1章 绪论 1
1.1 滚动轴承基础知识 1
1.1.1 滚动轴承的特点与重要性 1
1.1.2 滚动轴承的主要类型 2
1.1.3 滚动轴承的典型失效形式 4
1.2 滚动轴承故障机理与诊断方法研究现状 10
1.2.1 故障机理研究现状 10
1.2.2 稳态信号下的特征提取研究现状 12
1.2.3 变转速工况下的故障特征提取研究现状 14
1.2.4 故障诊断方法研究现状 17
参考文献 18
第2章 滚动轴承动力学相关基础理论 26
2.1 滚动轴承动力学模型 26
2.2 赫兹接触理论 26
2.3 内部作用力 28
2.4 角接触球轴承结构特点 29
2.4.1 几何关系 29
2.4.2 曲率半径 30
2.4.3 二自由度简化模型 31
参考文献 31
第3章 二自由度高速滚动轴承故障动力学建模与分析 33
3.1 故障位移激励模型 33
3.1.1 传统故障位移激励模型 34
3.1.2 滚动体耦合与分段综合作用故障位移激励模型 35
3.1.3 样条插值位移激励模型 37
3.2 二自由度滚动轴承故障动力学模型 39
3.2.1 滚动体受力分析 39
3.2.2 典型故障模式下高速滚动轴承动力学建模 43
3.3 数值计算与结果分析 44
3.3.1 单个滚动体与滚道间的赫兹接触力 45
3.3.2 不同故障大小及不同转速下轴承加速度动态响应 47
3.4 实验对比分析 51
参考文献 56
第4章 多自由度高速滚动轴承故障动力学建模与分析 58
4.1 多自由度高速滚动轴承故障动力学模型 58
4.1.1 滚动体与轴承内/外圈接触力和接触变形计算 59
4.1.2 保持架动力学建模 60
4.1.3 滚动体动力学建模 61
4.1.4 内圈动力学建模 62
4.2 数值计算与结果分析 63
4.2.1 不同径向载荷作用下滚动轴承动态响应 63
4.2.2 不同转速下滚动轴承动态响应 68
4.2.3 不同故障大小下滚动轴承动态响应 71
4.2.4 保持架动态响应的实验验证 74
4.3 实验对比分析 75
参考文献 80
第5章 基于峭度指标的高速滚动轴承故障特征提取方法 81
5.1 传统指标方法 81
5.1.1 谱峭度图 81
5.1.2 包络谱峭度 84
5.1.3 循环成分比 86
5.2 基于优化的Morlet小波和峭度的特征提取方法 88
5.2.1 Morlet小波优化 88
5.2.2 特征尺度选取 88
5.2.3 软阈值降噪与特征重构 89
5.2.4 应用实例与对比分析 91
5.3 基于复合加权特征能量比的特征提取方法 92
5.3.1 特征能量比 92
5.3.2 加权特征能量比 93
5.3.3 复合加权特征能量比 93
5.3.4 应用实例与对比分析 94
5.4 基于自适应谐次峭度的特征提取方法 101
5.4.1 谐次峭度指标 101
5.4.2 相对局部阈值 102
5.4.3 自适应谐次峭度指标 104
5.4.4 基于改进蝙蝠算法的*佳共振频带搜索 105
5.4.5 应用实例与对比分析 106
参考文献 111
第6章 基于稀疏表示的高速滚动轴承故障特征提取方法 113
6.1 稀疏表示基础理论 113
6.2 振动模型驱动稀疏表示及其在故障特征提取中的应用 114
6.2.1 冲击小波字典构造 114
6.2.2 稀疏优化模型与求解算法 115
6.2.3 应用实例与对比分析 118
6.3 数据驱动稀疏表示及其在故障特征提取中的应用 120
6.3.1 改进的正交匹配追踪算法 120
6.3.2 具有自适应冲击字典的一维快速K-SVD算法 122
6.3.3 应用实例与对比分析 125
6.4 近似L1-L0稀疏模型及其在故障特征提取中的应用 127
6.4.1 基于近似L1-L0的非凸正则化稀疏模型 127
6.4.2 模型的字典学习求解算法 128
6.4.3 应用实例与对比分析 131
参考文献 137
第7章 变转速下高速滚动轴承故障特征提取方法 138
7.1 基于Vold-Kalman阶次分析的故障特征提取方法 138
7.1.1 基于Vold-Kalman的谐波分量自适应提取方法 140
7.1.2 谐波分量的瞬时相位提取与角域重采样方法 143
7.1.3 应用实例与对比分析 145
7.2 基于改进Viterbi算法的故障特征提取方法 149
7.2.1 Viterbi算法的问题 149
7.2.2 改进Viterbi算法 150
7.2.3 在变转速故障特征提取中的应用 153
参考文献 155
第8章 梯度稳定的高速滚动轴承故障智能诊断模型 157
8.1 相关理论基础 157
8.1.1 经典的深度学习神经网络 157
8.1.2 传统的激活函数 158
8.2 Isigmoid激活函数及其智能故障诊断模型 162
8.2.1 Isigmoid激活函数构造与分析 162
8.2.2 基于Isigmoid激活函数的DBN 164
8.2.3 应用实例与对比分析 165
8.3 ReLTanh激活函数及其智能诊断模型 168
8.3.1 ReLTanh激活函数的构造与分析 168
8.3.2 基于ReLTanh激活函数的深度学习模型 171
8.3.3 应用实例与对比分析 171
参考文献 175
第9章 少样本下高速滚动轴承的故障迁移诊断模型 177
9.1 迁移学习理论基础 177
9.1.1 迁移学习的应用场景 177
9.1.2 迁移学习分类 177
9.1.3 经典域自适应模型 178
9.2 多尺度迁移投票机制及其在迁移诊断中的应用 179
9.2.1 多尺度迁移机制 179
9.2.2 多迁移投票机制 181
9.2.3 基于多尺度迁移投票机制的深度域混淆模型 182
9.2.4 应用实例与对比分析 184
9.3 参数共享对抗域自适应网络及其在迁移诊断中的应用 186
9.3.1 参数共享对抗域自适应网络的结构 186
9.3.2 网络的损失函数设计 187
9.3.3 不平衡对抗训练策略 188
9.3.4 应用实例与对比分析 191
9.4 深度联合分布对齐模型及其在迁移诊断中的应用 193
9.4.1 联合分布对齐的理论基础 193
9.4.2 网络优化目标与训练 195
9.4.3 应用实例与对比分析 197
参考文献 200