对氨压缩机组大型高压电机滚动轴承在运行期间发生的轴承故障问题进行分析，从轴承型号、轴承寿命和!润滑脂选用等方面对滚动轴承进行设计校核，发现轴承的润滑脂型号选用不合理是电机轴承故障频发的直接原因。

介绍了家用电器类滚动轴承音质异音特征的识别方法。通过小波变换原理，对轴承异音信号进行时频分析，采用一种无频带错位的小波包算法进行轴承的异音特征信号提取，清晰地刻画出轴承异音信号的特征函数，提出了基于子频带的K—L信息量的滚动轴承异音分析检测方法，然后以无异音状态为参考状态，利用K—L信息量建模方法进行分析判断，将分析判断的结果用于RBF神经网络的训练，不断地调整神经网络的输入参数，达到逐步提高异音信号判断精度和准确度。该方法同样适用于具有脉冲性质的异常音检测。实验结果表明，该方法在轴承异音探测以及分析方面具有较高的准确度、有效性和工程实用性，较之以往的时域、频域信号处理技术，该方法对异音信号分解更趋合理，是一种可靠和有效的滚动轴承异音特征的综合识别方法。

为了探索基于振动谱图像模式识别的智能故障检测方法，以滚动轴承为对象，提出了用SPWVD分布来表征振动信号时频分布特性，利用SPWVD图像的GLCM及其特征统计量来提取故障特征。改进了人工免疫网络分类算法，通过人工免疫网络分类方法对故障样本特征统计量进行学习，形成记忆抗体集，进而对检验抗原进行故障分类识别，在故障特征信号干扰严重的情况下，取得了较BP神经网络好的检测准确率，验证了人工免疫网络良好的适应性。随着智能故障检测技术发展，基于图像模式识别的故障检测方法必将得到推广和应用，验证其在轴承故障监测中的可行性。

针对目前基于数据驱动和机制建模的滚动轴承故障诊断方法的不足,提出一种针对疲劳故障的滚动轴承数字孪生虚拟实体模型。基于L-P疲劳失效理论,对滚动轴承全寿命周期的振动响应进行建模。在轴承五自由度非线性滚动振动模型的基础上,考虑滚动体-滚道冲击力的影响,对滚动轴承内、外圈局部缺陷模型进行改进,并提出一种滚动轴承次表面裂纹早期故障模型,从而建立了疲劳失效下的滚动轴承全寿命数字孪生虚拟实体模型。该模型可表征轴承疲劳故障的产生、发展到严重的全过程。对不同类型的轴承疲劳故障虚拟实体数据进行了分析,验证了所建模型的正确性和有效性。

针对某型航空轴承专用双驱动轴承试验机的结构原理和试验要求,对两侧主轴进行了受力分析,建立了驱动系统的负载特性计算模型。通过计算获得不同转速下的负载特性,综合考虑其他因素,选用符合负载特性需求的交流异步电动机和变频器。通过负载及极速空载试验表明,所选电动机能够满足试验机的负载特性需求和设计要求。

信号的时域统计特征是最早应用且最为简洁实用的特征参数。目前,用于模式识别的时域统计特征的选用多是基于经验或者不加选择地使用,识别正确率难以保证。针对这个问题,提出一种可视化的特征优选方法。该方法根据特征数据的轮廓图,分析各维特征数据的聚类特性,去除聚类性弱、对故障区分无益的冗余特征维度,仅保留聚类性强的特征维度用于故障识别。在轴承故障诊断实验中,对故障信号时域统计特征进行优选,并采用BP神经网络进行故障识别。实验结果表明,优选后故障识别率得到大幅度提高。

针对钢球内部缺陷的检测问题,对超声直探头接触法进行钢球内部缺陷检测的机理展开研究,并采用人工平底孔作为试验对象及评价方式。首先,探究了钢球回波信号中三角形迟到波的声束传播路径,并找出三角形迟到波的出现位置相对于底波的固定比例关系,避免检测中的误判。然后,对不同深度人工平底孔进行试验,结果表明直探头接触法可有效检测钢球平底孔,其回波信号的信噪比达到12 dB,且随着平底孔深度的不断增加,回波信号的幅值逐渐增大,回波与底波之间的相对声程可描述平底孔的深度值。最后,通过分析圆盘声源轴线上的声压分布,提出了钢球平底孔回波声压的理论计算方法。

针对轴承的工况复杂，其振动信号呈现非线性、非平稳特性。传统算法不能充分挖掘出非线性、非平稳信号内部本质信息，提出了基于局部切空间排列算法（LTSA）与核熵成份分析（KECA）相结合的故障诊断方法。该方法首先将滚动轴承振动信号一维时间序列重构到高维相空间，并估计数据的本征维数；然后利用局部切空间排列算法对数据集进行维数约简，得到初始的低维流形结构特征向量空间的第一行特征，对其进行快速傅里叶变换（FFT），从其频谱中分别提取滚动轴承内环、外环的故障特征频率及它们分别对应的倍频和频谱能量等7个变量作为故障特征向量；最后采用KECA对滚动轴承的故障特征向量进行模式识别，KECA可实现根据熵值大小进行特征分类，具有较强的非线性处理能力，从而实现故障的识别与诊断。采用Case Western Reserve大学提供的轴承实...

针对航空发动机高温、重载、防潮湿、防盐雾、防霉菌的特殊工况需求,对某型轴承设计采用国产高氮不锈钢40Cr15Mo2VNA材料。分析原材料各项指标,针对套圈原锻造工艺出现锻件表面开裂的问题,对锻造加工工艺进行了优化改进,通过工艺参数的变化解决了锻件表面开裂问题。

提出了一种基于变分模态分解（VMD）消噪和核模糊C均值（KFCM）聚类相结合的滚动轴承早期故障识别方法。首先提出一种通过综合运用泄漏能量和互相关系数函数确定VMD预设尺度数K的新方法，弥补了VMD方法通常按经验选取预设尺度数方法的不足；然后对振动信号进行VMD分解得到K个限带的内禀模态函数（BIMF）分量，利用归一化的自相关系数函数能量集中比大于0．9的原则确定含有噪声的BIMF分量，并剔除这些含噪BIMF分量，再将剩余的BIMF分量叠加进行信号重构，实现了信号的消噪；最后计算各样本重构信号的均方根值和归一化能量值得到二维特征向量样本集，并输入到KFCM聚类器进行故障诊断。利用实测轴承故障数据进行验证，结果表明与经验模态分解（EMD）方法相比，可以有效地实现滚动轴承早期故障诊断。