Sensors：轴承故障诊断领域精选文章 | MDPI 编辑荐读
点击左上角"MDPI工程科学"关注我们，为您推送更多最新研究。
本期为您精选五篇Sensors 期刊上发表的与故障诊断相关的文章，内容涵盖图像和物理方法提高故障检测效率、电机故障检测等方面，希望能为相关领域学者提供新的思路和参考，欢迎阅读。
01
Pre-Processing Method to Improve Cross-Domain Fault Diagnosis for Bearing
改进轴承跨域故障诊断的预处理方法
Taeyun Kim and Jangbom Chai
https://www.mdpi.com/1197410
PU数据试验台：测试电机、测量轴、轴承模块、飞轮、负载电机 (从左至右)。
文章亮点：
(1) 本文提出了一种信号预处理方法，在无需故障频率等先验知识的情况下，提高了故障诊断效率。
(2) 本文对两种不同滚珠轴承系统采集到的振动信号进行时域和频域分析，检查信号中是否能显示出故障特征，以及是否需要进行预处理。
(3) 结果表明，本文所开发的预处理方法不仅能将不同机器的信号转化为共同域，而且能降低噪声，提高跨域分析性能。
原文出自Sensors 期刊：
Kim, T.; Chai, J. Pre-Processing Method to Improve Cross-Domain Fault Diagnosis for Bearing. Sensors 2021, 21, 4970.
02
The Detection of Motor Bearing Fault with Maximal Overlap Discrete Wavelet Packet Transform and Teager Energy Adaptive Spectral Kurtosis
基于最大重叠离散小波包变换和Teager能量自适应谱峭度的电机轴承故障检测
D.-M. Yang
https://www.mdpi.com/1317640
试验装置。
文章亮点：
(1) 本文将最大重叠离散小波包变换与能量功率谱相结合，提出了一种新的轴承检测工具，用来分析轴承局部缺陷产生的振动信号，可用于单个和早期微弱故障的诊断。
(2) TEASK动态测量稀疏表示的突出程度，突出轴承故障特征频率及其谐波，从而提供准确的检测结果。
(3) 实验结果表明，该方法具有较高的性能，能有效从强干扰信号中提取和分离弱故障相关特征。
原文出自Sensors 期刊：
Yang, D.-M. The Detection of Motor Bearing Fault with Maximal Overlap Discrete Wavelet Packet Transform and Teager Energy Adaptive Spectral Kurtosis. Sensors 2021, 21, 6895.
03
Entropy Indicators: An Approach for Low-Speed Bearing Diagnosis
熵指标：一种低速轴承诊断方法
Diego Sandoval et al.
https://www.mdpi.com/976002
低速轴承试验台：(a) 试验台概况，上支撑盘的位置用绿色箭头突出显示；(b) 上支撑盘的表面细节，传感器的位置用绿色箭头突出显示；(c) 轴垫圈上的损坏；(d) 滚珠轴承上的损坏。
文章亮点：
(1) 本研究提出使用基于熵的指标来监测低速轴承状态，所使用的指标为近似、色散、奇异值分解和排列熵的谱熵。
(2) 该方法已在轴承试验台上进行了不同健康状态下的振动信号测试。结果表明，相较于常规指标，熵指标对低速轴承损伤的判别精度更高。
(3) 本项研究的优势之处在于，研究了一套基于熵的指标在没有信号分解和滤波的情况下对低速轴承进行分类和诊断的可行性。
原文出自Sensors 期刊：
Sandoval, D.; Leturiondo, U.; Vidal, Y.; Pozo, F. Entropy Indicators: An Approach for Low-Speed Bearing Diagnosis. Sensors 2021, 21, 849.
04
A Bearing Fault Classification Framework Based on Image Encoding Techniques and a Convolutional Neural Network under Different Operating Conditions
基于图像编码技术和卷积神经网络的不同工况轴承故障分类框架
Rafia Nishat Toma et al.
https://www.mdpi.com/1701032
(a) 轴承几何；(b) 轴承外圈的缺陷；(c) 轴承内圈的缺陷。
文章亮点：
(1) 本文提出了一种将信号图像编码技术和卷积神经网络 (CNN) 与电机电流信号相结合的故障智能分类模型，用于轴承故障的分类。
(2) 该方法将时间序列信号的特征存储于极坐标中，然后应用几何运算将其转换为两种不同类型的图像，最后对生成的图像进行分类。
(3) 实验结果表明，该方法的分类准确率达到99%以上，证明了格拉姆角场 (GAF) 能够有效保留电流信号中的故障特征。
原文出自Sensors 期刊：
Toma, R.N.; Piltan, F.; Im, K.; Shon, D.; Yoon, T.H.; Yoo, D.-S.; Kim, J.-M. A Bearing Fault Classification Framework Based on Image Encoding Techniques and a Convolutional Neural Network under Different Operating Conditions. Sensors 2022, 22, 4881.
05
Experimental Verification of the Impact of Radial Internal Clearance on a Bearing's Dynamics
径向内游隙对轴承动力学影响的实验验证
Bartłomiej Ambrożkiewicz et al.
https://www.mdpi.com/1792686
安装在轴上的双列调心球轴承方案 (图中球径D、节径dp、β已标记)。
文章亮点：
(1) 本文采用数学模型和实验方法研究了滚动轴承径向内间隙对其动力学特性的影响。
(2) 本文研究了以间隙为分岔参数的二自由度模型推导出的非线性数学模型，该模型基于赫兹接触理论，考虑了轧制面的形状误差和反映实际工况的偏心量。
(3) 研究结果表明，最佳间隙值与振动小、轴承运行平稳有关。
原文出自Sensors 期刊：
Ambrożkiewicz, B.; Syta, A.; Georgiadis, A.; Gassner, A.; Meier, N. Experimental Verification of the Impact of Radial Internal Clearance on a Bearing’s Dynamics. Sensors 2022, 22, 6366.
Sensors 期刊介绍
期刊涵盖所有传感器科学和技术研究领域，例如物理传感器、智能传感器、传感网络、生物传感器、化学传感器、雷达、可穿戴电子设备和先进的传感材料及其他们在物联网、工业、农业、环境、遥感、导航、通信、车辆、成像、生物医药等领域的应用。目前期刊已被Science Citation Index Expanded (SCIE)、PubMed、EI、Scopus等数据库收录。
2021 Impact Factor | 3.847 |
2021 CiteScore | 6.4 |
Time to First Decision | 16.2 Days |
Time to Publication | 40 Days |
识别二维码，
订阅Sensors 期刊最新资讯。
往期回顾
Sensors 期刊电子传感器领域精选文章 | MDPI 编辑荐读
版权声明：
*本文内容由MDPI中国办公室编辑编写，一切内容请以英文原版为准。如需*本文由MDPI中国办公室及特约撰稿人翻译撰写，文中涉及到的论文翻译部分，为译者在个人理解之上的概述与转达，论文详情及准确信息请参考英文原文。本文遵守 CC BY 4.0 许可 (https://creativecommons.org/licenses/by/4.0/)。如需转载，请于公众号后台留言咨询。转载，请于公众号后台留言咨询。
由于微信订阅号推送规则更新，您可以将“MDPI工程科学”设为星标，便可在消息栏中便捷地找到我们，及时了解最新开放出版动态资讯！
点击左下方“阅读原文”，进入期刊主页。
喜欢今天的内容？给我们点个【在看】吧！