基于小波能量谱旋转机械振动信号的故障特征提取

旋转机械故障诊断的关键问题在于对振动故障信号的特征提取。利用小波能量谱分析方法能够发现不同分解层中的振动信号特征并分析出故障原因。基于小波能量谱方法能准确提取旋转机械的故障特征,尤其是对微弱故障信号,为正确判断故障提供了依据。实验验证了该方法在提取旋转机械振动故障信号方面的有效性和准确性。     

矿井提升机振动测试与故障诊断

采用振动测试的方法,通过信号的时域、频域和幅值域分析相结合,对矿井提升机进行了状态监测与故障诊断,测试分析结果与实际情况相吻合。该方法对其他大型旋转机械的振动测试具有一定的参考价值。     

旋转机械故障的信号处理与诊断方法综述

水泵叶片等旋转机械的故障诊断主要采用振动法进行信号获取,通过在叶片上布置传感器获取振动信号并进行分析。目前广泛采用的方法是在设备大修或停机时在叶片上进行振动检测,而这样的检测方法不能实时获取设备运行情况,若在设备工作状态下叶片等机械发生故障,则会导致无法预计的损失。因此,对旋转机械实现长期有效的在线检测是未来故障信号获取方法研究的方向。以江苏省秦淮新河抽水站的轴流泵机组振动检测为例,提出了对设备在线检测的方法并对其优劣势进行了分析。     

基于LabVIEW的故障诊断系统设计

采用虚拟仪器技术对旋转机械的振动信号进行高速实时数据采集,对采集到的振动信号作相应处理,通过显示控件实现对旋转机械的状态监测,运用数字信号分析方法对转子振动信号进行分析,通过绘制三维谱振等图谱实现对旋转机械的故障诊断。     

基于振动分析的矿井主排水泵故障诊断研究

矿井主排水泵运转情况对生产工作有直接的影响,因此有必要对其进行机械故障诊断,而基于振动分析的故障诊断技术是目前故障诊断领域的常用方法。主要阐述了矿井主排水泵的常见故障分析,并通过对水泵进行振动信号采集与信号分析实现对水泵的故障诊断研究。     

频率加权能量算子在振动筛故障诊断中的应用

Teager能量算子解调方法在信号领域已经得到广泛应用,但由于对噪声较为敏感,造成其鲁棒性较差。振动筛属于振动机械设备中的筛分设备,其结构特点与运行原理与普通的旋转机械有着很大不同,因此提取出的振动信号同旋转机械提取出的振动信号也同样有着较大区别,主要体现在,信号中不仅存在着大量的背景噪声,而且信号中的成分也较为复杂,因此传统的能量算子在振动机械的实际应用上受到了很大限制。基于此,提出一种全新的能量算子方法—频率加权能量算子,该方法在很大程度上解决了传统能量算子关于噪声敏感性的缺点。将该方法应用到仿真模拟实验与振动筛实际应用中,并同传统的能量算子进行比较,发现能够很好的分离出故障频率,证明了该方法具有实用性与优越性。     

基于FastICA的旋转机械故障特征盲源分离方法研究

在快速独立分量分析基础上,提出了一种基于改进牛顿迭代法的独立分量分析算法,利用所建立的方法进行振动信号盲源分离的数值仿真,并对具有故障的实际转子进行多传感器信号采集并进行盲分离。仿真实验及实验室实测振动信号的分离结果证明该方法是有效的,可作为旋转机械故障诊断的信号预处理方法。     

矿用旋转类机械故障自动监测及预警系统设计

为实现煤矿旋转机械故障自动监测、诊断和预警,减少无计划停机,提高机械维修效率,针对现有同类技术无法进行故障在线提取和自动识别等问题,设计一种矿用旋转类设备运行自动监测及预警系统。系统采用模块化功能设计,利用SO 2372-1974《设备振动标准》预设故障数据库,通过加速度传感器收集机械振动曲线,通过分析振动信号得到旋转机械运转情况下的振动参数,并与预设的故障数据库参数特征相对比,完成机械故障的自动监测。系统具有精细监测和粗略监测2种监测模式,利用互锁形式进行关联。转子-轴承旋转模拟实验结果表明:该系统可以对旋转机械故障进行早期的判断、实时监测和预警,系统可靠性高,操作简便。     

选粉机的故障诊断和分析

采用振动测试方法,通过对振动信号时域和频域分析,达到对选粉机状态监测与故障诊断目的,测试分析结果与实际情况相符。该方法同类旋转机械振动测试可参考。     

基于电涡流传感器及虚拟仪器的旋转机械碰摩故障特征研究

针对旋转机械碰摩故障的特征,运用电涡流传感器和虚拟仪器采集转子碰摩振动状态信息,对转子碰摩振动信号的时域波形特征、碰摩振动时的轴心运动轨迹特征进行分析,同时应用LabVIEW软件对转子碰摩振动信号进行频谱分析,研究其故障特征,由此对旋转机械的碰摩故障进行识别和诊断。     

基于人工蜂群算法优化VMD的旋转机械故障诊断方法

旋转机械在运行复杂环境下振动信号复杂且有许多噪声,难以有效提取故障特征并准确诊断,为此提出一种人工蜂群优化变分模态分解(VMD)的机械故障诊断方法。首先采用人工蜂群算法优化VMD的参数,对振动信号进行变分模态分解,获得相应的本征模态函数分量;然后对各模态分量信号计算多尺度熵,构造故障特征向量;最后利用最小二乘支持向量机(LS-SVM)进行故障诊断。实验结果表明,该方法具有较高的准确率,准确率达到97.5%,可以满足旋转机械故障诊断的要求。     

基于轴心轨迹椭圆面积的风机故障诊断方法及应用

简要介绍了几种当前主流的振动诊断方法,并针对其缺点提出了利用轴心轨迹椭圆面积描述转子振动状态的新方法。这种方法可以在1倍频振动强度较大的情况下,有效地识别风机的振动是由基础共振还是由不平衡所致,从而提高故障诊断准确率。将此方法在具体故障诊断中进行实践,结果表明,这种新方法可以成功地弥补当前诊断方法的不足,是一种实用的旋转机械故障诊断分析新方法。     

基于小波变换的煤矿机械滚动轴承故障诊断

由于煤矿机械的特殊工作环境,采集到的故障振动信号通常掺杂着非常明显的噪声干扰信号,如何从复杂的信号中提取出有用的信号非常重要。以煤矿机械滚动轴承为研究对象,通过模拟实验并利用小波变换的阈值去噪及分解与重构对煤矿机械滚动轴承振动信号进行分析处理,提取故障特征信息。实验结果表明,与传统机械故障诊断方法相比,该方法在振动信号的有效提取及检测时效性与准确性方面具有明显的优势,既减少了检测人员的工作量,又提高了检测效率。     

基于统计特征的滚动轴承性能退化分析研究

轴承作为旋转机械设备中的关键部件,其性能优劣影响着设备的运行质量。准确感知和预测轴承的性能退化趋势,对降低轴承的维护成本具有重要意义。轴承振动信号通常表现出非平稳特征,常规的时域和频域方法难以对轴承性能退化做出准确评估,为此提出了一种基于统计特征的性能退化分析方法。首先通过分布拟合获得滚动轴承合加速度信号的分布特征,然后构建退化指标描述轴承的性能衰退状态,最后设定失效阈值指标来检测轴承是否失效。结果表明,构建的退化指标可以直观有效地描述轴承的性能衰退状态,能够为轴承进一步的故障诊断与寿命预测奠定基础。     

新的矿山机械故障诊断方法研究

针对矿山机械中最常见的基础弱故障进行了振动的动力学模型分析,得到在频谱上无法和不平衡故障相区分,提出采用基于机壳振动信号的工程相位诊断方法进行区分,并设计了相位检测方法,完善了工程相位进行故障诊断的技术。该方法适用于全息谱技术无法应用的基于机壳振动信号的分析,具有一定的实用性和推广价值。     

基于ICA的齿轮箱故障诊断研究

主要介绍了独立分量分析的基本思想及算法,采用快速独立分量分析(FastICA)的算法对混合的机械振动信号进行分离。应用该算法对实验室采集到的齿轮箱多组振动信号进行了分析,结果表明,独立分量分析在对混合信号进行盲源分离方面有着很好的效果,它是一种很有效的信号预处理的方法,在齿轮箱等机械设备监测和早期故障诊断中得到很好的应用。     

基于小波包分析和高阶模糊神经网络的滚动轴承故障诊断

滚动轴承是旋转机械中最易发生故障的元件之一,提出了一种基于小波包分析和高阶模糊BP神经网络的滚动轴承故障诊断新方法。该方法的具体诊断过程:采用小波包分解的方法提取样本信号各频段的Shannon熵值并结合其他一些量化指标,经筛选后作为特征向量输入滚动轴承故障诊断高阶模糊神经网络,对该网络进行训练与检验。实验表明这种方法与传统方法相比,在收敛速度及对训练总误差控制方面具有更大的优越性。