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BP-LSTM的旋转机械振动信号异常检测模型

旋转机械运行环境恶劣,振动信号易受外界干扰,因此实现振动状态的异常检测较为困难。神经网络技术能够从大量的振动数据中自动提取故障特征,相对于人工提取故障特征,工作量大为减少。结合长短时记忆(LSTM)网络对时间序列数据具有的超强感知与处理能力,提出一种用BP神经网络压缩输入数据维度从而提取故障特征、用LSTM网络进行异常检测的新方法。首先将实验台获取的振动数据划分为相同序列长度的数据样本并划分为不同的数据集,然后将数据样本进行预处理并搭建BP-LSTM网络,将建立的模型用于旋转机械振动信号异常检测。模拟仿真和实验结果表明:BP-LSTM网络模型对旋转机械运行状态的检测具有较高的精度和稳定性,该方法优于基于时域特征参数进行异常检测的支持向量机(SVM)、K近邻和LSTM等传统学习方法。     

振动诊断技术在矿用通风机的应用

1 引言 通风机是旋转机械,通用的旋转机械故障诊断技术可用于风机.通风机的故障主要有喘振、轴温过高、轴承磨损、失效、主轴故障、润滑油缺少、叶片产生裂纹、叶片撕裂、焊缝开裂、支杆折断、基础松动以及电源的欠压、过流及断路器的故障等,严重地危及通风机的安全运行.其中振动诊断技术是对通风机机体振动状况的监测与诊断的诊断该类故障的重要手段之一,振动信号中携带有设备内部运行状态的大量信息,可以根据这些信息进行故障诊断.     

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。     

SKF故障诊断系统在旋转机械故障诊断中的应用

针对选煤厂旋转机械故障问题,设计了SKF故障诊断系统。利用多个加速度传感器在旋转机械的主要振动部位采集信号,通过时域、频域、加速度包络谱等方式对信号处理,提取特征,再根据SKF故障诊断系统故障标准库与处理后的信号特征进行比对,获取当前的故障信息,并通过列举实例证实了SKF故障诊断系统的可靠性。     

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。     

基于Hilbert解包络及倒频谱分析的齿轮箱断齿故障诊断研究

由于传统的时域分析和傅里叶变换无法有效地提取故障特征,采用Hilbert解包络对具有调制现象和冲击现象的齿轮故障信号进行解调分析,同时运用倒频谱分析方法对齿轮箱振动异常信号进行提取和分离,获取了异常振动产生的周期性故障信号。结果表明倒频谱分析与Hilbert解包络分析相结合是齿轮箱故障检测的一种有效的诊断方法。     

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。     

煤炭运输设备故障自动识别系统研究

为了提高煤炭运输设备故障自动识别系统的智能化程度,利用传感器感知信息技术,对煤炭运输设备故障自动识别系统进行研究。采用传感器建立信号采集数学模型,感知设备运行信息,并消除运行信息中的干扰信号;采用抗干扰能力强的排列熵空间重构信号,提取煤炭运输设备故障信号特征;将设备故障信号特征作为SVM特征空间上的训练数据集,计算最优分类函数划分设备故障信号特征类别,根据划分的信号特征类别,自动识别输送机设备故障,确定煤炭运输设备技术参数和故障信号。测试结果表明,此次研究的故障自动识别方法提取的故障信号排列熵特征值具有明显的区分度,故障平均识别精度高达96.86%。     

矿用刮板输送机运行时在线监测及故障诊断系统应用研究

为了提高煤矿用刮板输送机设备的自动化水平,设计了一种刮板输送机自动监测和诊断系统。刮板输送机的故障会直接影响到日常生产。提出了一种小波包分解（WPD）和支持向量机（SVM）相结合的带式输送故障诊断方法,重点是托辊故障的检测。由于托辊的数量可能很大,采用一个加速度传感器来收集多个托辊的振动信号,以减少传感器的数量。用WPD对振动信号进行分解,提取各频带的能量作为特征,并利用这些特征训练SVM,实现托辊故障的检测。首先在试验台上对该故障诊断方法进行了测试,设计了一种针对刮板输送机的在线监测和故障诊断系统。在运行中的刮板输送机上进行了实验,验证了该系统可以用有限数量的传感器定位故障托辊的位置,这对刮板输送机的运行很重要。     

煤矿井下主排水泵控制系统研究

为了研究煤矿井下主排水泵控制系统,将其划分为5个子系统,分别为水泵启动子程序、3种工作方式切换子程序、系统保护子程序、“避峰填谷”子程序、水泵自动轮换子程序。系统把水仓水位划分为7个水位点（6个区段）,实现了对水位变化速度和水位变化的检测,并采用超声波水位传感器对水位进行检测,以及利用灰色理论对系统节能和水位进行预测,实现了“避峰填谷”;煤矿井下主排水泵控制系统的水泵控制方式采用手动、半自动、自动3种控制方式,采用PLC采集的传感器的电量或信号对系统保护功能和故障检测进行实现。该研究可为煤矿井下主排水泵整体设计提供一定技术支持。     

基于小波包能量法识别柴油机喷油泵故障

利用小波包分析法,通过柴油机缸盖振动信号能量图诊断出喷油泵渗漏故障,并以此为依据,利用"能量-故障"模式,以柴油机缸盖振动信号为依据对喷油泵渗漏故障进行诊断。对缸盖正常和故障的能量图进行归一化,划分出各个频段的能量图,分析缸盖振动特征频带的能量图判断喷油泵是否渗漏,结果显示故障特征更加明显,表明该方法能够有效检测喷油泵渗漏故障。     

矿井提升机故障机理分析及信号采集系统设计

为了确保矿井提升机的安全运行,对提升机故障机理分析及信号采集系统进行了设计研究,研究了提升机机械传动系统中齿轮副和轴承的故障特征及振动机理,对机械振动信号的测点布置进行了确定,分析了提升机制动系统的工作原理,对偏摆量、油压、闸间隙等监测方法和监测参数进行了确认,设计了现场信号采集系统,对采集卡、传感器等硬件进行了选型。研究对保证矿井安全生产具有重要的意义。     

基于振动信号的矿用旋转类设备状态监测系统

为保证石圪台煤矿旋转类设备的可靠安全运行,对矿用旋转类设备故障原因进行分析。矿用设备运行环境差和长期高负荷运行是其故障的主要原因。采用在线监测的方式对设备的振动信号进行监测,通过数据采集、处理及分析几个阶段评估设备潜在的故障及其运行状态。采用加速度传感器对高频(2~20 000 Hz)和低频(2~2 000 Hz)加速度信号进行数据采集。矿用旋转设备状态监测系统采用C/S架构,由11个采集站实现对除采煤机外的所有主要旋转类设备的监测。现场应用表明:监测系统可以有效避免设备的非计划停机,延长设备的使用寿命,保证了设备的使用效率。     

矿井通风机故障排查系统设计

基于传感器、数据采集卡、电子计算机等设备,建立了一套应用于矿井通风机设备的故障排查系统,详细介绍了煤矿主要通风机故障机理以及故障排查系统的整体分析流程,具体阐述了该系统中各硬件设备的选型方案,搭建了故障排查系统硬件平台,并将该系统应用于焦家寒煤矿通风机设备的故障排查工作。根据实地检测与人工观察发现,研究设计的矿井通风机故障排查系统能够准确识别出风机是否处于故障状态,能够满足矿井通风机故障检测工作在实时性方面的要求。     

样条小波在液压泵故障诊断中的应用研究

采用具有线性相位的Ｂ样条小波,应用图形显示算法并结合小波变换快速算法将信号分解到不同的频带上,且分解结果和原信号长度保持一致,可对信号进行深层次的处理,克服了传统的信号处理方法不易提取微弱信息的不足,通过对矿用斜轴式柱塞泵振动信号的分析,分离出了配流副磨损,球铰松动,缺体及泵轴支撑轴承的故障特征,为液压泵的故障诊断提供了依据,并为信噪分离,微弱信号提取及设备的早期故障诊断提供了一条有效途径。     

基于虚拟仪器与傅氏变换的振动位移测量修正方法

根据振动加速度信号与位移信号之间的关系,提出了一种基于虚拟仪器与傅氏变换的振动位移测量修正方法。利用加速度传感器、信号调理设备、数据采集卡、PC机组成振动位移测量的硬件设备,利用图形化编程语言LabVIEW开发数据采集程序,并实现基于傅氏变换的振动位移测量修正方法。在转子试验台上完成实际转子系统的振动测试,利用该虚拟仪器系统完成信号的采集,并利用基于傅氏变换的振动位移测量修正方法完成振动加速度信号至位移信号的转换。与实测位移信号的对比结果证明了该方法的有效性。     

煤矿提升机监测和故障诊断硬件系统设计研究

为了确保矿井提升机的运行正常及故障诊断的可靠、准确、及时,设计研究了煤矿提升机监测和故障诊断硬件系统,该硬件系统主要由计算机、信号调理电路、采集卡和传感器等设备组成;完成了信号调理电路设计和工控机的选择,构建硬件系统时,采用电场屏蔽和信号接地的抗干扰措施;对煤矿提升机故障诊断和监测系统进行了性能分析,研究得出,硬件系统的精确度小于2.06%,回程误差小于2.60%,非线性度小于2.99%,系统灵敏度为1.00。研究提高了煤矿提升机运行时的可靠安全性,促进了煤矿维修制度的完善。