Delete NER.txt

NER.txt

@@ -1,18 +0,0 @@
-[0#滚动轴承]和[0#齿轮]在运转过程中可能会由于各种原因引发失效，其[8#失效形式]主要包括为[3#磨损失效]、[3#疲劳失效]、[3#点蚀]、[3#断裂失效]、[3#胶合失效]等。损伤类故障的原因是[1#滚动体]、[1#内圈]、[1#外圈滚道]和[1#齿轮]等[3#表面点蚀]、[3#金属剥落]或[3#擦伤]等。当[0#轴承]滚动元件通过损伤点时，会产生[2#突变的周期性冲击脉冲力]。
-现代[0#机械故障诊断]是融[6#信号分析]与[6#处理技术]和先进的[6#传感技术]为一体的多学科交叉和融合的新技术。其目的是保证[0#轴承]和[0#齿轮]等[0#旋转机械]在工作环境中，确定工作周期内可靠和有效运行，从而保证机械设备运行的[8#稳定性]和[8#安全性]。为了适应这一目的，[0#故障诊断]是观察、分析和处理能反映[0#旋转机械]工作状态的[8#信号]，进而达到识别[8#轴承运行状态]的目的。[0#机械故障诊断]方法主要包括：[6#振动信号分析技术]、[6#湿度分析技术]、[6#油液分析技术]和[6#声发射分析技术]等方法。
-[6#振动分析技术]相比于其他方法的主要优点有[4#诊断效率高]、[4#可靠性强]和[4#故障定位准确]。基于[8#振动信号]的检测方法是一种理论和实践都相对成熟的[0#轴承故障诊断]手段，其通过对采集的[8#振动信号]进行分析得到运转过程中[0#轴承]的工况和故障。图１－１为损伤引起的[8#冲击振动特征]。对于[0#轴承故障诊断]设备，一般采用压电加速度传感器对[8#振动信号]进行拾取，将之转化成电压信号进行输出。采样模块对调理模块的输出信号进行数字化处理，产生连续的[8#振动信号]采样数据流。处理模块对[8#振动信号]采样数据流进行接收，按要求对数据进行存储、转发以及相应的运算和分析，最终输出[0#故障诊断]结果。
-从重载车轮轴和机床主轴到精密的钟表零件，很多场合都需要[0#旋转轴承]。最简单的[0#旋转轴承]是[3#轴套轴承]，它只是一个夹在车轮和轮轴之间的衬套。这种设计随后被[3#滚动轴承]替代，就是用很多圆柱形的[1#滚子]替代原先的衬套，每个[1#滚动体]就像一个单独的车轮。
-[6#温度分析技术]是通过在[0#轴承座]或[0#齿轮箱]安装温度传感器监测其运行的温度变化，并根据先验经验设置一定的温度阈值。当温度超过阈值时，则判定轴承或齿轮发生故障。温度监测对齿轮和[8#轴承载荷]、[8#转速]和[8#润滑情况]的变化极为敏感。但是，[6#温度监测技术] [5#对于轴承和齿轮箱的早期故障并不敏感]，只有当故障发展到一定程度时，温度会有明显的变化。这限制了其在[0#旋转机械]早期[0#故障诊断]中的应用。
-若要识别最可能造成失效的故障，会用许多方式来收集资料，这些方式包括[6#振动监控] 、[6#热影像] 、[6#油粒子分析]等。
-[3#剥落]、[3#点蚀]和[3#磨损]是[0#齿轮箱]和[0#轴承故障]的最常见故障形式。[6#油液分析法]通过从[0#齿轮箱]使用的循环油液中取出油样，采用[6#油液理化分析]、[6#清洁度检测]、[6#光谱分析]等手段判定齿轮箱运行状态。这种方法[5#仅适用于油冷却或油润滑轴承]，[5#对于突发故障不能及时预报]，并且[5#容易受到其他设备损坏造成的影响]，[5#对检测人员的经验要求比较高]，使得该方法的应用受到一定局限。但是这种技术[4#涉及的仪器价格低廉]，因此可作为其他诊断手段的一种补充。
-作为一种较新的无损检测技术，[6#声发射技术]主要适用于金属材料的损伤检测。根据声学和金属物理学原理，金属材料的碰撞、摩擦乃至金属材料的断裂，都是常见的声发射源。故障轴承从早期的[3#磨损]，到开始出现[3#裂纹]，再进一步发展出现[3#剥落]，并与其他部位相互摩擦和碰撞，自始至终都伴随着声发射现象。因此，声发射信号承载着各种阶段的轴承故障信息。对声发射信号进行处理和分析，可获取到轴承工况或者故障类型的丰富信息。随着仪器性能的进步，声发射技术愈发得到学术界和工业界的重视，并在判断轴承故障严重程度等方面表现出优于振动检测方法的能力 。
-将光导纤维束制成的位移传感器部署在轴承套圈表面，通过发射和接收光纤束，可较直接探测轴承的[8#制造质量]、[8#磨损程度]、[8#载荷]、[8#润滑]和[2#间隙情况]，并对轴承工况和故障做出判断。这种手段[4#具有比较高的灵敏度]，但[5#仅适用于轴承座内允许安装传感器的场合]。随着科学技术的不断发展，如[6#油膜电阻诊断法]、[6#间隙测定诊断法]等新技术不断被应用至[0#齿轮箱]和[0#轴承]的[0#故障诊断]中。但是，由于测试条件和测试环境的要求，这些技术还只是停留在实���室阶段，需要进一步的应用研究。基于[0#故障特征提取]和[0#信号处理技术]的[0#故障诊断]是[0#故障特征提取]的重要手段。[6#信号分析技术]是有效提取机械设备真实状态信息的必要前提条件，是故障诊断的前提条件。以往的[0#信号处理]方法，如[6#同步平均]、[6#包络分析]等，均假设被分析对象具有[2#线性]、[2#平稳]、[2#最小相位]等特征，[5#会造成一些细微信息提取的遗漏]，而这些信息往往预示着设备退化状态的趋势，所以对[0#信号处理技术]的研究是至关重要的。
-[0#机械信号处理方法]大致可分为[6#时域分析]、[6#频域分析]和[6#时频域分析]等3大类。
-在[0#旋转机械故障]的演化过程中，其[8#振动特征]随之发生改变，因此，可利用[8#振动时域参数]评估轴承的状态。带量纲的[8#时域统计参数]具有[2#明显的阶段性]：以[0#滚动轴承]为例，当[0#滚动轴承]处于良好状态时，[2#统计参数稳定在一个相对较低的水平]。初始缺陷[2#统计参数明显增大]；在最后阶段，振动信号与量纲的[2#统计参数急剧增加]，轴承故障迅速发展直至失效。[8#振动时域无量纲参数]对[0#轴承故障]具有较强的灵敏度，当旋转机械无故障时，[2#无量纲参数指标较小且稳定]，一旦发生故障时，[2#无量纲参数指标会迅速的增大]，对于局部损伤类失效，[2#无量纲统计参数可以有效地表征旋转机械的运行状态]。[8#时域无量纲参数]主要包括[6#脉冲指标]、[6#峰值因子]、[6#峭度]等。Pum和韩永杰在测量[0#滚动轴承]故障状态[8#振动信号]的基础上，采用[8#时频特征]指标对[0#轴承]的几种典型故障分别进行了研究和分类，取得良好的效果。
-基于[6#傅立叶变换]的信号频域表示及其能量频域分布掲示了信号在频域的特征，建立了信号时域与频域之间的桥梁，[6#傅立叶频谱分析方法]是[10#对信号全局频谱分布的一种描述方法]。[6#频谱分析方法]是用来描述[6#振幅谱]和[6#功率谱]，[6#振幅谱] [11#表明对应于每个频率的振动振幅]和[#6功率谱] [11#表示振动功率的大小和分布]。[6#频谱分析]是[0#机械故障诊断]中最常用的方法，但是，传统的[6#频域分析方法]是基于信号的[2#稳定性]，[5#只能处理线性信号]，[2#并不能表征非线性非稳定性信号在频域的特性]，这[2#限制了傅里叶变换在机械微弱故障、复合故障精确诊断领域的进一步发展] 。
-随着[0#机械设备故障]程度的加剧，[8#振动信号]的[2#非线性]会越来越强。[6#高阶谱]是分析[2#非高斯]、[2#非线性]、[2#非平稳]信号的[6#频域处理]工具，[4#具有良好的噪声抑制能力]，与[6#功率谱]相比，[6#高阶谱]反映了[0#机械故障信号]的过程统计信息和相位信息，被广泛地应用于机械故障诊断领域。文献将[6#高阶谱分析]引入转子故障诊断，结果表明对于不同类型的故障，高阶谱特征存在明显差异，因而可用于故障模式识别；李志农将Wigner-Ville与[6#高阶谱]相结合应用到[0#机械故障诊断]中，研究了交叉干扰项的消除和抑噪能力，仿真和试验结果表明该方法是有效的。
-[6#解调谱分析]又叫[6#包络解调]，[6#包络解调]方法是常用的调制信号处理方法。当[0#齿轮箱]和[0#滚动轴承]等[0#旋转机械]发生故障时，[2#会有明显的周期性冲击力和振动信号调制]，[2#在频谱图上表现为啮合频率两边出现调制边频带]。[6#包络解调]是从信号中[11#提取调制信息]，然后[11#通过低频的故障特征频率判断故障类型和大小]。[6#Hilbert变换解调]、[6#循环平稳解调]、[6#能量算子解调]和[6#同态滤波技术]等都是常用的解调方法。[6#包络解调]己经成功应用于[0#旋转机械]故障诊断领域。梁霖针对滚动轴承的传统包络解调分析技术[5#需要人工选择参数]的缺点，提出一种自适应包络解调分析方法；黄采伦等和唐德尧将[6#共振解调]技术应用于机车轮对轴承的故障状态监测，取得良好效果；文献将[6#Hilbert解调]成功用于[0#滚动轴承]的[0#故障诊断]；文献详细介绍了[6#能量算子解调]的算法，并与[6#Hilbert解调]进行对比研究，结果表明能量算子解调[4#在计算效率和解调精度方面要优于Hilbert解调]，并将其运用于旋转机械故障诊断。
-[0#机械设备]的[8#振动信号]是提取故障特征信息的重要载体。传统的[6#时域分析方法]和[6#频域分析方法]是基于信号的[2#稳定性]，并[5#不能表征所有的信号在时域和频域的特性]。[6#传统的信号处理方法] [5#不能有效地提取故障信号的有效特征]。[6#时频分析方法]利用时间和频率的联合函数来对非平稳信号进行分析和处理，[4#可以描述信号的频谱含量的变化规律]。时频联合分析的��的是要同时在时间和频率上表示信号的能量，从中提取机械故障信号中所包含的特征信息。下面将详细介绍几种常用的[6#时频分析方法]及其在[0#机械故障诊断]领域中的应用。
-为了解决时域与频域的局部化矛盾，1946年Gabor提出的[6#短时傅立叶分析]方法。其基本思想是假定非平稳信号在分析窗函数的一个很短的时间间隔内是平稳的，然后沿时间轴移动窗函数计算出各个不同时刻的[6#功率谱]。信号的STFT在很大程度上受分析窗函数的影响。STFT的缺点是：[5#由于其使用一个固定的短时窗函数，是一种单一分辨率的信号分析方法，无法兼顾时间和频率的分辨率，这限制了STFT在机械故障诊断领域中的应用]。
-[6#小波变换]是近年来发展起来的一种多分辨率信号分析方法，具有[4#计算效率高]和[4#时频分辨率好]的特点。[小波变换#6]在生物信号分析技术、图像编码技术、机械信号分析技术等领域得到了较为广泛的应用。[6#小波变换]的优势[4#在于同时从时域和频域两个方面给出信号的特征分析]。[6#小波变换]在时间尺度网格上的划分细致，且具有[2#时移不变性]，因此适用于提取信号故障特征。[6#小波变换] [5#对于多分量混合信号的分解存在模态混叠问题]；[5#如何根据待分析信号选择合适的小波基仍没有明确的标准]，[5#小波分析缺乏自适应]。在一定程度上制约了小波分析的进一步应用。
-[6#Hilbert-Huang变换]是由[6#经验模式分解EMD]和[6#Hilbert谱]两部分组成。[6#EMD]可以自适应地将待分析信号分解为若干IMF，对其进行[6#Hilbert变换]后，将得到能量一时间一频率三维联合分布的希尔伯特谱。较小波分析，[6#EMD]具有良好的[4#自适应性]和[4#局部时频分辨率]，该方法自提出起被广泛的应用于图像处理和[0#机械故障诊断]等领域。研究发现，[6#EMD]存在[5#模态混叠]、[5#端点效应]、[5#过包络]、[5#欠包络]等问题，这影响了该方法在旋转机械诊断领域的进一步应用，尤其针对模态混叠问题，学者们进行了大量的研究，虽然[6#EMD]在机械故障诊断领域得到了广泛应用，但是仍存在[5#端点效应]等问题。