用户名 密 码 登 录 忘记密码 免费注册

网站会员中心 | 设为首页 | 加入收藏

 您好，欢迎光临中国轴承行业网         退出登陆

会员中心 | 设为首页 | 加入收藏

协会

统计

国外文献 > 1.轴承 > 2. 轴承类型与部件 > 滚动轴承

关键词搜索：

标 题： 3D Multibody Simulation of Realistic Rolling Bearing Defects for Fault Classifier Development
用于故障分类器开发的逼真滚动轴承缺陷三维多体仿真
作 者： Milla Vehvilainen
Mikko Tahkola
Janne Keranen
Nada El Bouharrouti
Pekka Rahkola
Jari Halme
Jenni Pippuri-Makelainen
Anouar Belahcen
关键词： Multibody simulation  [多体动力学仿真]
Machine learning  [ 机器学习]
Rolling bearing  [ 滚动轴承]
Fault classification  [ 故障分类]
Simulated data  [ 模拟数据]
出版年： 2024
文集名： 2024 International Conference on Electrical Machines (ICEM 2024)
2024年国际电机会议（ICEM 2024）
会议名： 2024 International Conference on Electrical Machines (ICEM 2024)
2024年国际电机会议（ICEM 2024）
届 次：
摘 要： Rolling bearing faults stand out as the most prevalent type of fault in electrical machines. In this study, we leveraged geometry-based 3D multibody simulation to facilitate data-driven fault diagnosis. A comprehensive dataset was generated, encompassing data from both healthy and faulty bearings with realistic outer ring and inner ring faults of different types and sizes, operating at varying rotational speeds. Spectral analyses of the simulated bearing shaft displacement data proved that the bearing faults consistently appear at expected characteristic fault frequencies, with peak amplitudes correlating to the given fault size and rotation speed. Using the simulated data, we evaluated numerous feature engineering methods for machine learning-based fault classification. The classification results demonstrated a successful differentiation of simulated faults, whether on the outer ring or inner ring, from the healthy counterparts.

滚动轴承故障是电机中最常见的故障类型。本研究利用基于几何的三维多体仿真技术，实现数据驱动的故障诊断。我们构建了一个全面的数据集，包含健康和故障轴承的数据，涵盖不同种类和尺寸的外圈与内圈故障，并在不同的转速下运行。对模拟的轴承轴位移数据进行频谱分析后发现，轴承故障始终出现在预期的特征故障频率上，其峰值振幅与故障大小及转速密切相关。基于模拟数据，我们评估了多种特征工程方法用于机器学习驱动的故障分类。分类结果表明，无论故障发生在外圈还是内圈，均能成功区分出模拟的故障与正常状态下的轴承。
中文内容为网络AI翻译，专业术语未必准确，仅供参考。

VIP网员

联系我们 | 登录注册 | 会员管理 | 网员服务 | 服务信息 | 广告服务 | 高薪聘请 | 法律声明 | 关于我们

京公网安备 11010202009788    京ICP备2021015424号