模糊理论在旋转机械振动故障诊断中的应用

随着旋转机械的应用日益广泛 ,旋转机械的故障诊断也受到了很大关注。以模糊诊断原理为基础 ,建立故障机理和故障诊断的数学模型 ,并对引起旋转机械振动故障的各种原因进行分析对比。根据故障征兆对故障的肯定和否定程度 ,建立模糊筛选矩阵 ,从而对旋转机械的振动故障进行诊断。     

矿用旋转机械两类故障的诊断与振动机理分析

首次将机械精密故障诊断技术应用于国内煤炭行业。指出矿用旋转机械常见故障主要为基础弱和轴系不对中,并对此两类故障机理进行了深入的阐述。实践证明,该精密故障诊断技术可以有效地诊断出矿用旋转机械的常见故障隐患。     

基于免疫原理的旋转机组故障诊断方法研究

针对目前旋转机组故障诊断中存在的样本需求量大及诊断学习缺乏自主连续性等问题,提出了基于人工免疫原理的故障诊断方法。以状态征兆为抗原,各种故障模式下的故障检测器作为抗体,通过反向选择算法判别机组运行是否正常,利用动态规模免疫算法进化学习获得能识别抗原结构的记忆抗体。根据最大故障隶属度诊断故障类型,以旋转机组振动为诊断对象的仿真结果表明,该方法可行,且适合故障样本难以获得的小样本故障诊断。     

全矢模糊核聚类在机械故障诊断中的应用

针对传统旋转机械单通道故障诊断的信息不完整以及传统模糊聚类方法对数据结构的严格要求,结合全矢谱技术和模糊核聚类方法,提出了一种新的旋转机械故障识别方法。该方法应用全矢谱分析为特征提取工具,以模糊核聚类方法为分类器,进行故障识别。实验结果表明,该方法能准确、有效地对旋转机械的工作状态和故障类型进行分类,提高了故障诊断的准确率。     

Hilbert-Huang变换及其在旋转机械故障诊断中的应用

旋转机械故障诊断的核心是信号处理技术，特别是现代数字信号处理技术的出现和发展，使旋转机械故障诊断技术步入了新的阶段。在实际应用中，大部分信号都是非平稳的，如剥落、摩擦、松动、裂纹、断裂、油膜振荡、喘振、旋转失速、冲击等故障导致的信号。对这类信号进行准确地分析和处理，无疑是旋转机械故障诊断成功与否的关键所在。     

PNN在旋转机械故障诊断中的应用

研究了利用PNN进行旋转机械故障诊断和预报的方法。PNN是基于Parzen窗函数和Bayes分类规则的前向型自监督神经网络模型,具有强大的非线性处理能力,快速的收敛速度和准确的分类效果。以某旋转机械典型故障样本为例,给出了利用该模型进行诊断和预报的详细过程。理论分析和仿真实验结果表明,利用PNN进行旋转机械故障诊断和预报的方法可行、有效。     

基于混沌分形的旋转机械故障诊断方法研究

混沌分形对揭示事物的非线性本质具有独特性,基于混沌分形的方法对复杂机械系统的早期故障较为敏感。将混沌分形用于复杂机械故障诊断中,用关联维来刻画故障特征,在旋转机械的滚动轴承故障诊断中取得了较好的效果。     

基于BP神经网络的旋转机械故障诊断

BP神经网络具有优良的非线性映射能力,可以很好地描述频率特征和诊断结果之间的关系。建立了基于BP神经网络的旋转机械故障诊断模型,并用此模型对旋转机械的故障进行了诊断,实验证明基于BP网络的旋转机械故障诊断方法具有较高的使用价值。     

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。     

基于虚拟仪器的数控机床远程协同故障诊断系统研究

提出了将虚拟仪器技术用于数控机床远程协同故障诊断系统,论述了该系统的结构、故障诊断流程,并分析了这一故障诊断系统的关键技术。     

小波包分析在滚动轴承故障诊断中的应用

针对滚动轴承故障特征的提取问题,讨论了小波包分析的基本原理,基于小波包分析方法在滚动轴承故障诊断中的应用,并用LabVIEW编制了相应的程序。实践表明,小波包分析方法具有明显的诊断意义。     

基于虚拟仪器的矿用柴油机远程故障诊断系统

将虚拟仪器和网络技术引入到故障诊断,使故障诊断与计算机网络技术和虚拟仪器技术相结合。基于矿区生产特点,提出了一个基于虚拟仪器技术的矿用柴油机远程故障诊断系统模型,介绍了系统的基本功能,描述了测试分析系统及远程故障诊断中心的系统设计。     

Hilbert变换在滚动轴承故障诊断中的应用

针对滚动轴承故障特征的提取问题,讨论了Hilbert变换的基本原理,以及基于Hilbert变换的包络解调方法在滚动轴承故障诊断中的应用,并用LabVIEW编制了相应的程序。实践表明,基于Hilbert变换的包络解调方法具有明显的诊断意义。     

基于最小二乘拟合的电机轴承故障诊断新方法

轴承故障诊断的方法有多种,但要在复杂干扰情况全面地诊断、精确地了解电机轴承的故障程度,传统的诊断方法很难满足要求。以电机定子电流信号为分析源,利用小波包变换等数字信号处理技术,在实验中得到了一个与轴承故障程度有良好线性关系的参数。此参数的获得为更精确地诊断轴承设备的损坏程度提供了新的思路。     

集成诊断方法在变压器故障诊断中的应用

为了提高传统油中溶解气体分析的诊断能力,克服单一诊断方法的不足,充分利用各种诊断方法的优势,提出一种变压器智能集成故障诊断方法,建立了基于三比值法、模糊理论和线性分类器的集成诊断模型。诊断结果表明,采用集成诊断方法能有效弥补单一诊断方法的不足,提高故障诊断率。     

基于多传感器信息融合的矿井通风机故障诊断

为了提高矿井通风机机械故障诊断的准确性,提出了将多传感器信息融合技术用于故障诊断的检测方法.由多个传感器采集振动信号,经小波变换预处理后获得故障特征值,再经BP神经网络进行故障局部诊断,获得彼此独立的多个证据,然后运用D-S证据理论对各证据进行融合,实现对矿井通风机机械故障的准确诊断.     

基于小波神经网络技术的井下瓦斯传感器故障诊断分析

煤矿井下瓦斯传感器的准确性和鲁棒性关系到矿井的安全生产。以瓦斯传感器故障诊断为研究对象,利用小波包分解算法分析了瓦斯传感器故障信号、提取了相关特征,并基于这些特征,采用扩展滤波算法训练神经网络。兖州集团王庄煤矿的100组瓦斯检测数据验证了该技术的有效性和准确性,为瓦斯传感器故障的在线诊断系统设计提供了参考。     

基于粗糙集理论的机械故障诊断方法研究

机械故障诊断中存在着许多不确定性和知识冗余性,而粗糙集理论是一种新型的处理不确定性信息的数学工具,粗糙集理论提供了对机械故障进行诊断全新的有效途径。将基于可变精度粗糙集模型应用于故障诊断,同时与遗传算法相结合,在保证诊断精度大致不变的情况下对故障征兆属性化简,消除诊断规则判断条件的冗余,获取精简的规则。实例证明了基于粗糙集理论的机械故障诊断方法的可行性。