-
题名滚动轴承-裂纹转子系统动力学特性分析
被引量：8
- 1
-
-
作者
宋传冲
南国防
楼剑阳
-
机构
上海理工大学能源与动力工程学院
-
出处
《噪声与振动控制》
CSCD
北大核心
2021年第6期56-62,共7页
-
基金
国家自然科学基金重大研究计划资助项目(91852117)。
-
文摘
考虑呼吸型裂纹和非线性赫兹接触力,根据拉格朗日方程建立滚动轴承支承下含横向裂纹的转子系统模型,采用四阶Runge-Kutta方法对裂纹-碰摩耦合故障转子系统的非线性动力学行为进行研究,揭示转速、裂纹深度、裂纹角和定子刚度对系统动力学响应的影响机理。计算结果表明:该系统呈现出多周期、拟周期和混沌等丰富的非线性动力学特性;当裂纹深度增大时,超临界转速区间的拟周期运动转变为多周期和拟周期交替运动;裂纹角变化导致系统的分岔特性产生明显差异,这些差异可作为辅助判断裂纹大致位置的重要依据;定子刚度的增大会导致超临界转速区间分频附近存在伴随成分。
-
关键词
振动与波
转子
非线性动力学
裂纹
碰摩
滚动轴承
-
Keywords
vibration and wave
rotor
nonlinear dynamics
crack
rub-impact
rolling bearings
-
分类号
TH113.1
[机械工程—机械设计及理论]
-
-
题名基于小波包分解和卷积神经网络的滚动轴承故障诊断
被引量：10
- 2
-
-
作者
楼剑阳
南国防
宋传冲
-
机构
上海理工大学能源与动力工程学院
-
出处
《轻工学报》
CAS
北大核心
2021年第3期79-87,共9页
-
基金
国家自然科学基金项目(91852117)。
-
文摘
针对旋转机械滚动轴承在恶劣工作环境中易于损坏,而目前故障诊断过于依赖人工特征提取的问题,提出了一种基于小波包分解和卷积神经网络(CNN)的滚动轴承故障诊断方法(WPDEC-CNN):通过小波包分解对振动时域信号进行处理,获得表征信号相似的小波系数,再将其进行预处理后输入CNN进行分类识别.试验结果表明,WPDEC-CNN的损失率低于BP神经网络和CNN,为0.1089;WPDEC-CNN的故障分类准确率均高于BP神经网络和CNN,达到97.3%,验证了所提故障诊断方法的有效性.
-
关键词
小波包分解
卷积神经网络
故障诊断
滚动轴承
-
Keywords
wavelet packet decomposition
convolutional neural network
fault diagnosis
rolling bearing
-
分类号
TK05
[动力工程及工程热物理]
-
