优秀案例

MxSim.Mechanical MxSim.Dyna MxSim.Multiphy MxSim.CFD MxDesign

某轴承的故障诊断

案例详情介绍

对某电机轴承进行故障诊断，准确地监测设备的健康状况。

轴承试验台如下图所示，以12kHz的采样频率采集电机驱动端的轴承振动数据，轴承数据包含滚动体故障、内圈故障、外圈故障三中故障类型和一类正常轴承，每种故障的故障直径又包含0.021英寸、0.014英寸、0.007英寸，共10种类型，1000个数据样本，每个样本长度2048。

图1 轴承试验台

针对轴承等振动信号的故障诊断，深度学习的优势在于其强大的自适应特征学习能力，能够将低级的非线性特征组合成更抽象的高级表示，从而获得数据的复杂函数和分布式特征表示，准确地描述信号与设备健康状况之间复杂的映射关系。基于MxDesign的故障诊断任务如下图所示：

表1 轴承故障诊断情况

诊断结果如表 1所示，基于深度学习的故障诊断方法能够准确的识别轴承的健康状况，同时，MxDesign无需对振动数据进行信号分析并提取特征，能针对原始信号做出有效的诊断；MxDesign同样支持多种故障模式、多种工况下的故障诊断；基于MxDesign的故障诊断准确率高于97%，因此MxDesign能够很好的诊断旋转设备的故障情况。