轴承专题

故障诊断 | SABO-VMD-SVM轴承故障诊断（Matlab）

效果一览文章概述故障诊断 | SABO-VMD-SVM轴承故障诊断（Matlab）模型描述减法平均的优化算法（Subtraction-Average-Based Optimizer (SABO)），是于2023年提出的一种基于数学行为的智能优化算法，该算法具有寻优能力强，收敛速度快等特点。以最小包络熵、最小样本熵、最小信息熵、最小排列熵，排列熵/互信息熵，为目标函数（任选

NEWWAY推力轴承有何不同之处？

推力轴承是一种滚动轴承，有助于减少摩擦和应对压力，使金属部件能顺利工作。在市场上，NEWWAY推力轴承因其优异性能，受到业内人士的广泛关注。那么，NEWWAY推力轴承有何不同之处？为方便大家了解，接下来就让小编来为大家介绍下：　　事实上，自1994年以来，NEWWAY新型气浮轴承一直是多孔介质气浮轴承技术的市场领导者。而NEWWAY气浮推力轴承作为其气浮衬套产品线的一员，通过NEWWAY非线

LabVIEW轴承试验机测控系统

开发了一种基于LabVIEW软件开发的大功率风电机组增速箱轴承试验机测控系统。系统主要用于模拟实际工况，进行轴承可靠性分析，以优化风电机组的性能和可靠性。通过高度自动化的测控系统，实现了对试验机的精确控制，包括速度、振动、温度和压力等多参数的采集和显示，提高了试验效率和安全性。项目背景随着全球能源结构转型，风电作为清洁能源的重要组成部分，其发展尤为迅速。特别是海上风电因其较大的单机容量和更

274 基于matlab的随机粗糙表面对微气体轴承内气体压强分布的影响

基于matlab的随机粗糙表面对微气体轴承内气体压强分布的影响。采用差分法求解气体轴承的雷诺方程，通过尺寸参数、分形维数对粗糙度表面设置，滑流参数设置，实现气压分布可视化结果显示。程序已调通，可直接运行。 274 气体轴承随机粗糙表面 - 小红书 (xiaohongshu.com)

轴承阀门5G智能工厂工业物联数字孪生平台，推进制造业数字化转型

轴承阀门5G智能工厂工业物联数字孪生平台作为其中的佼佼者，以其高效、智能、灵活的特点，为制造业的数字化转型提供了强有力的支撑。数字孪生技术，作为智能制造的重要一环，通过构建虚拟与现实相结合的数字化模型，实现了对物理世界的精准映射和实时监控。在轴承阀门5G智能工厂中，数字孪生平台通过集成物联网、大数据、人工智能等先进技术，实现了对生产过程的全面监控和优化，有效提高了生产效率和产品质量。工业物联数

【故障诊断】基于改进型的节点重构小波包频带能量谱结合概率神经网络 PNN实现轴承联合故障诊断附matlab代码

以下是基于改进型节点重构小波包频带能量谱结合概率神经网络（Probabilistic Neural Network, PNN）实现轴承联合故障诊断的MATLAB代码示例： matlab % 步骤1：节点重构小波包频带能量谱提取特征 function features = extractFeatures(signal) % 设置小波包分解的参数 waveletName = ‘db4’; % 使用D

独家首发 | 基于 KAN、KAN卷积的轴承故障诊断模型

往期精彩内容： Python-凯斯西储大学（CWRU）轴承数据解读与分类处理 Python轴承故障诊断入门教学-CSDN博客 Python轴承故障诊断 (13)基于故障信号特征提取的超强机器学习识别模型-CSDN博客 Python轴承故障诊断 (14)高创新故障识别模型-CSDN博客 Python轴承故障诊断 (15)基于CNN-Transformer的一维故障信号识别模型-CSD

Python轴承故障诊断 (19)基于Transformer-BiLSTM的创新诊断模型

往期精彩内容： Python-凯斯西储大学（CWRU）轴承数据解读与分类处理 Python轴承故障诊断 (一)短时傅里叶变换STFT Python轴承故障诊断 (二)连续小波变换CWT_pyts 小波变换故障-CSDN博客 Python轴承故障诊断 (三)经验模态分解EMD_轴承诊断 pytorch-CSDN博客 Pytorch-LSTM轴承故障一维信号分类(一)_cwru数据集

轴承制造企业“数智化”突破口

轴承是当代机械设备中一种重要零部件。它的主要功能是支撑机械旋转体，降低其运动过程中的摩擦系数，并保证其回转精度。轴承是工业核心基础零部件，对国民经济发展和国防建设起着重要的支撑作用。轴承企业普遍采用以销定产的经营模式，即根据销售订单、销售计划采购原材料和组织生产。随着"中国制造2025"在工业领域的全面推进，轴承行业数字化与智能化转型升级已成为行业的当务之急。打造高效智能的轴承生产

Python轴承故障诊断 (18)基于CNN-TCN-Attention的创新诊断模型

往期精彩内容： Python-凯斯西储大学（CWRU）轴承数据解读与分类处理 Python轴承故障诊断 (一)短时傅里叶变换STFT Python轴承故障诊断 (二)连续小波变换CWT_pyts 小波变换故障-CSDN博客 Python轴承故障诊断 (三)经验模态分解EMD_轴承诊断 pytorch-CSDN博客 Pytorch-LSTM轴承故障一维信号分类(一)_cwru数据集

轴承故障检测（分类任务）+傅里叶变化+CNN+matlab

1 介绍使用西储大学的轴承数据集，其实用哪个都行，可能最后的精度会不一样，先读取数据，然后使用傅里叶转换为图像，然后搭建cnn模型，将图像大小转换为模型使用的大小，例如resnet50，输入大小就是224*224。同样提供python版本。 2 数据处理总共10个类别对每个数据进行采样，设置2000个样本，每个样本取连续的300个点 % 采样，每个数据采集N条样本，每条样本M长度

LabVIEW航空发动机主轴承试验器数据采集与监测

LabVIEW航空发动机主轴承试验器数据采集与监测随着航空技术的迅速发展，对航空发动机性能的测试与监测提出了更高的要求。传统的数据采集与监测方法已难以满足当前高精度和高可靠性的需求，特别是在主轴承试验方面。基于LabVIEW的航空发动机主轴承试验器数据采集与监测系统，能够实时采集和监测主轴承试验器的多种信号，如振动、温度、压力等，确保试验器的稳定性和准确性。通过对硬件和软件的深入设计与实现，以

轴承寿命预测的基础-对Palmgren理论的再讨论

以下内容为《A.PALMGREN REVISITED--A BASIS FOR BEARING LIFE PREDICTION》的翻译。内容为google翻译，明显错误已进行修改。概括轴承技术以及轴承工业随着1850年代自行车的发明而开始发展。与此同时，贝塞麦工艺使高质量钢材成为可能。 1881年，H. Hertz 发表了他的接触应力分析。到 1902 年，R.Stribeck 发

LabVIEW轴承表面缺陷检测系统

LabVIEW轴承表面缺陷检测系统为了解决轴承生产中人工检测效率低下、误检率高的问题，实现了一套基于LabVIEW的轴承表面缺陷自动检测系统。该系统利用工业相机采集轴承图像，通过图像处理技术对轴承表面的划痕缺陷和倒角缺陷进行自动识别和分析，提高了检测的准确性和效率。多次实验验证表明，该系统的检测准确率达到96%，能够有效提高轴承表面缺陷检测的自动化水平。随着工业自动化水平的提升，高效、准确

【故障分析】基于matlab轴承故障分析（时频图+功率谱）【含Matlab源码 922期】

⛄一、获取代码方式获取代码方式1：完整代码已上传我的资源：【故障分析】基于matlab轴承故障分析（时频图+功率谱）【含Matlab源码 922期】点击上面蓝色字体，直接付费下载，即可。获取代码方式2：付费专栏Matlab信号处理（初级版）备注：点击上面蓝色字体付费专栏Matlab信号处理（初级版），扫描上面二维码，付费29.9元订阅海神之光博客付费专栏Matlab信号处理（初

基于 GADF+Swin-CNN-GAM 的高创新轴承故障诊断模型！

基于格拉姆矩阵GADF+Swin Transformer窗口注意力和CNN-GAM全局注意力的轴承故障诊断模型! 往期精彩内容： Python-凯斯西储大学（CWRU）轴承数据解读与分类处理 Python轴承故障诊断 (一)短时傅里叶变换STFT Python轴承故障诊断 (二)连续小波变换CWT_pyts 小波变换故障-CSDN博客 Python轴承故障诊断 (三)经验模态分

故障诊断模型 | 基于交叉注意力融合时频特征的轴承故障诊断模型

基于交叉注意力融合时频特征的轴承故障诊断模型是一种先进的诊断方法，结合了信号处理、深度学习和注意力机制等多种技术，以提高轴承故障识别的准确性和效率。一、模型概述该模型主要利用交叉注意力机制融合时域和频域的特征，通过深度学习算法对轴承的振动信号进行处理和分析，实现故障的准确诊断。模型的整体结构包括信号预处理、特征提取、交叉注意力融合和故障分类等部分。二、信号预处理首先，对采集到的轴承

故障诊断模型 | 基于图卷积网络的轴承故障诊断

文章目录文章概述模型描述模型描述参考资料文章概述故障诊断模型 | 基于图卷积网络的轴承故障诊断模型描述针对基于图卷积网络（GCN）的故障诊断方法大多默认节点间的权重相同、导致诊断精度较低与鲁棒性较差的问题，提出了一种基于欧式距离和余弦距离的 GCN 故障诊断方法（EC-GCN）。充分考虑节点间的数值特征和方向特征，利用欧式距离和余弦距离构建加权样

目前很多机器学习和数据挖掘算法都是基于训练数据和测试数据位于同一特征空间、拥有相同数据分布的假设。然而在现实应用中，该假设却未必存在。一方面，如果将利用某一领域数据训练得到的模型直接应用于新的目标领域，领域之间切实存在的数据差异可能会导致模型效果的骤然下降。另一方面，如果直接在新的目标领域中进行模型的训练，其数据的稀缺和标注的不完整可能会导致监督学习出现严重的过拟合问题，难以达到令人满意的学习效果

Python轴承故障诊断入门教学

目录往期精彩内容： 1 工作室实验平台介绍 2 轴承故障诊断教程—数据集 3 轴承故障诊断教程—算法模型 3.1 振动分析方法 3.2 频域特征提取 3.3 时域特征提取 3.4 模型基础的机器学习方法 3.5 深度学习方法 3.6 时频域融合方法 3.7 信号重构方法 3.8 基于统计学的方法 3.9 其他类型方法 4 轴承故障诊断教程—代码全家桶教程 4.1 凯

基于深度学习算法的轴承故障自主分类

1. 要求轴承有3种故障：外圈故障，内圈故障，滚珠故障，外加正常的工作状态。如表1所示，结合轴承的3种直径（直径1,直径2,直径3），轴承的工作状态有10类：表1 轴承故障类别外圈故障内圈故障滚珠故障正常直径1 1 2 3 0 直径2 4 5 6 直径3 7 8 9 实验包含以下两个文件

151基于matlab的齿轮-轴-轴承系统的含间隙非线性动力学模型

基于matlab的齿轮-轴-轴承系统的含间隙非线性动力学模型，根据牛顿第二定律，建立齿轮系统啮合的非线性动力学方程，同时也主要应用修正Capone模型的滑动轴承无量纲化雷诺方程，利用这些方程推到公式建模；用MATLAB求解画出位移-速度图像，从而得到系统在不同转速下的混沌特性，分析齿轮-滑动轴承系统的动态特性。程序已调通，可直接运行。 151齿轮-轴-轴承系统间隙非线性动力学模型 (xia

轴承故障诊断 (12)基于交叉注意力特征融合的VMD+CNN-BiLSTM-CrossAttention故障识别模型

目录往期精彩内容：前言模型整体结构 1 变分模态分解VMD的Python示例第一步，Python 中 VMD包的下载安装：第二步，导入相关包进行分解 2 轴承故障数据的预处理 2.1 导入数据 2.2 故障VMD分解可视化第一步，模态选取第二步，故障VMD分解可视化 2.3 故障数据的VMD分解预处理 3 交叉注意力机制编辑 3.1 Cross a

Python轴承故障诊断 (11)基于VMD+CNN-BiGRU-Attenion的故障分类

目录往期精彩内容：前言模型整体结构 1 变分模态分解VMD的Python示例 2 轴承故障数据的预处理 2.1 导入数据 2.2 故障VMD分解可视化 2.3 故障数据的VMD分解预处理 3 基于VMD-CNN-BiGRU-Attenion的轴承故障诊断分类 3.1 定义VMD-CNN-BiGRU-Attenion分类网络模型 3.2 设置参数，训练模型 3.3 模型

轴承滚珠故障的理论推导与计算(修订中...)

1.缘起轴承故障故障位置在高频，如果不即时处理，恶化后，滚珠会有单颗故障迅速恶化到多颗，如果此时电机承载较大负载，轴承的恶化，会牵连到相关的动力轴。是一个不可不进行监测的项目。 2.频谱特征轴承的滚珠故障会体现为相应的倍频谱线（相对轴转速、轴承的特征频率）内侧，出现幅值相对于特征谱线，在线性坐标系，两个幅值间已经有明显比例关系的低频峰。在进行频谱分析时，几个注意事项：要明确相关的

Python轴承故障诊断 (十)基于VMD+CNN-Transfromer的故障分类

目录 1 变分模态分解VMD的Python示例 2 轴承故障数据的预处理 2.1 导入数据 2.2 故障VMD分解可视化 3 基于VMD+CNN-Transformer的轴承故障诊断分类 3.1 定义VMD-CNN-Transformer分类网络模型 3.2 设置参数，训练模型 3.3 模型评估代码、数据如下： Python-凯斯西储大学（CWRU）轴承数据解读与