旋转机械动静碰摩故障特征研究

旋转机械转子动静碰摩是旋转机械常见的故障之一。针对现状,以刚度为分段线性的Jeffcott转子为动静碰摩的简化模型,建立了系统模型的运动微分方程,并进行了碰摩故障的仿真计算。经过大量的试验,观测了转子碰摩故障下的运动规律。试验结果与基于碰摩力模型的仿真结果一致,并对诊断和抑制旋转机械轴系异常超标振动有积极意义。     

基于EMD和样本熵的滚动轴承故障SVM识别

针对滚动轴承振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解、非线性动力学方法—样本熵和支持向量机相结合的故障诊断方法。运用经验模态分解方法对其去噪信号进行分析,利用互相关系数准则对固有模式分量进行筛选,再计算所选分量的样本熵以组成故障特征向量,并将其作为支持向量机的输入以识别滚动轴承的状态。利用实际滚动轴承试验数据的诊断与对比试验验证了该方法的有效性和泛化能力。     

基于综合关联度分析的感应电机转子故障诊断

基于灰色关联理论,在灰色关联分析中引进相似系数,将两者相结合形成综合关联度,提出了基于综合关联度分析的感应电机转子故障诊断方法。首先选择感应电机典型转子故障模式构造标准故障模式。根据综合关联度的计算方法,计算出感应电机待检转子故障模式的综合关联度,根据关联序识别感应电机待检转子模式的故障类型。通过故障诊断实例表明,将综合关联度分析引入感应电机转子的故障诊断中是可行的,具有较高的识别率,分类诊断能力优于BP神经网络故障诊断方法。     

矿用车辆变速箱圆柱滚子轴承故障诊断

矿用车辆变速箱的运行状态判断主要依靠人工拆卸、观察的方式,检测诊断的效率低下,甚至隐含着较大的安全隐患。以矿用车辆变速箱圆柱滚子轴承为研究对象,利用小波包对轴承故障振动信号进行分解,区分比较不同状态信号的总能量熵,利用支持向量机原理对矿用车辆变速箱圆柱滚子轴承故障进行诊断。试验表明,应用SVM和小波包能量熵可以对轴承故障进行有效诊断,且准确率较高,研究对矿用车辆变速箱圆柱滚子轴承的故障诊断有着现实的指导意义。     

基于小波包能量相对熵的电机振声信号故障检测

电机的振声信号包含了丰富的状态信息,利用电机的声音信号进行故障检测,并提出了综合小波包能量相对熵的概念。对采集的声音信号进行小波包分解,利用重构系数计算故障信号与正常信号小波能量包相对熵,并得到综合小波包能量相对熵,确定电机是否有故障;并通过比较各频带的综合小波包能量相对熵大小判断故障所处的频带位置,从而确定电机为何种故障。电机振声信号诊断实例验证了该方法的有效性。     

基于自适应滤波的三速电动机转子断条故障在线检测方法

三速电动机常用于煤矿开采、冶金、造船等工程领域,工作条件恶劣,转子断条是三速电动机的常见故障之一。转子断条故障在线检测中必须考虑电动机实际运行和检测条件。借助三速电动机定子铁芯上嵌放2套或者3套绕组的结构特点,在理论分析、仿真的基础上,提出了基于自适应滤波的三速电动机转子断条在线检测的新方法。仿真和诊断表明该方法可以抑制干扰因素的影响,有效提取故障特征量并实现故障准确诊断,是一种切实可行的在线诊断方法。     

笼形异步电动机电流法诊断转子故障方法综述

对多年来国内外关于笼形异步电动机利用定子电流检测法诊断转子故障进行了研究,并归纳和总结出几类方法:傅里叶变换方法、小波分析方法、基于park变换的方法以及神经网络方法。这些方法均由研究人员进行了实验验证,对检测笼形异步电机的转子故障是有效的。     

基于D-S证据理论的感应电动机故障诊断分析

采用D-S证据理论对感应电动机进行转子断条和定子匝间短路的故障诊断。基于小波包变换的频率划分特性,对定子三相电流信号进行小波包分解,利用节点系数的均方根值构建电动机转子故障的特征矢量(证据体);求取证据体对转子故障所赋予的基本概率分配函数值,然后根据D-S证据理论融合规则进行数据融合处理,实现对电动机转子断条故障的准确识别。用相似的方法也准确诊断了定子匝间短路故障。     

变工况条件下滚动轴承故障诊断研究

针对变工况运行条件下滚动轴承的故障识别率低的问题，提出了自适应白噪声完备集合经验模态分解（CEEMDAN）和排列熵结合的故障诊断方法。首先将轴承原始信号通过CEEMDAN分解成一系列的固有模态函数（IMF）并计算他们的排列熵,将各IMF的排列熵按从大到小排列并选取其中的9个IMF进行重构，最后用粒子群优化-支持向量机（PSO-SVM）模型进行故障分类。该诊断方法在轴承故障数据集上有较好的诊断效果。     

基于EMD能谱熵和概率神经网络的采煤机摇臂齿轮故障诊断

采煤机摇臂齿轮是采煤机故障高发区,对其进行故障诊断研究可提高摇臂可靠性,提高工效。结合摇臂工作特点,提出基于EMD能谱熵和概率神经网络的齿轮故障诊断方法,提取振动信号EMD分解的前9个IMF分量的能谱熵作为故障特征信息,并将其作为概率神经网络的输入向量进行齿轮故障的分类与识别。结果证明该方法可实现齿轮故障准确诊断,是一种有效的摇臂齿轮故障诊断方法。     

两端刚性支撑转子系统碰摩故障的非线性特征研究

建立了两端刚性支撑的Jettcott转子局部碰摩的动力学模型,将打靶法的思想与四阶龙格库塔法结合,对转子系统由于局部碰摩故障导致的非线性动力学行为进行了研究,数值模拟得出转子系统碰摩的轴心轨迹、位移响应、振幅谱以及Poincare截面图,分析了转子系统参数中频率比和刚度比对转子系统运动的影响,从中发现此类非线性振动系统具有周期、拟周期和混沌等复杂的动力学行为研究结果对转子系统的故障识别与诊断具有一定的意义。     

笼型异步电机转子断条故障诊断技术的研究

为了实现对笼型异步电机转子断条故障的有效诊断,设计了一套基于LabVIEW的转子断条故障诊断系统。针对笼型异步电机的定子侧电流信号,采用自适应陷波器对该信号进行陷波处理,以消除工频分量对断条故障特征分量的干扰,然后在快速傅里叶变换频谱上,实现对断条故障的识别。实验证明,该系统能够对断条信号进行有效的识别。     

基于小波包分析和最小二乘支持向量机的电机转子故障诊断研究

采用小波包分析和支持向量机来诊断电机故障。针对电机中常见的故障,如电机振动故障,电机转子断条故障,电机转子偏心故障等,进行频谱分析,提取故障信号在动态条件下各频带能量作为故障特征向量。构建多个最小二乘支持向量机组成的多值故障分类器,将故障特征向量作为学习样本,并且输入支持向量机进行训练,分类器可以建立故障特征向量和故障类型的映射关系,从而达到电机故障诊断的目的。     

云计算在设备故障诊断中的应用研究

通过分析云计算的特点和互联网应用开发模式,提出了一种基于云计算的设备故障诊断方法,并讨论了关键技术和实现方法。以转子系统动力学分析为例,采用CloudSim环境下进行仿真实验,实验结果表明,该方法能够大大提高节点机群的处理速度和资源利用率。     

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。     

矿井通风机故障诊断专家系统的研究

本文以G4-73-11通风机为研究对象,用CLIPS语言建立了故障诊断专家系统。以转子不平衡故障模块为例,引入故障判定树和开放式知识库。     

MED结合分层模糊熵在刮板输送机故障识别中的应用

对刮板输送机进行故障识别可保障刮板输送机实现快速故障定位与维修,减少故障维修带来的经济损失。对刮板输送机故障类型进行分类,以表征各个易损部件状态的参数作为故障诊断的输入信号,构建基于最小熵解卷积(MED)和分层模糊熵的刮板输送机故障诊断模型。分析基于MED结合分层模糊熵的刮板输送机故障诊断流程,对比采用MED、分层模糊熵和MED结合分层模糊熵算法在不同样本集中的准确率。结果表明,采用MED结合分层模糊熵得到的诊断结果准确率更高且更为稳定,在复杂结构的故障诊断中表现出明显的优势。     

基于多征兆信息融合理论的转子故障诊断

在研究了Dempster-shafer证据理论及其算法的基础上,提出了一种基于多征兆信息融合理论的故障诊断方法。以转子故障为例,论述了该方法的实施过程。结果表明,多征兆信息的信息融合诊断方法具有良好的稳定性和容错性,提高了转子故障诊断的准确性和可靠性。     

风力发电站高压输电线路故障定位方法

针对目前方法对高压输电线路进行故障定位时,由于未能基于信息熵指标提取输电线路故障的信号特征,导致该方法在进行故障定位时,存在定位精度低、定位误差大、定位时间长、定位效果差的问题,提出基于数据驱动的风力发电站高压输电线路故障定位方法。对风力发电系统进行具体分析,基于数据驱动方法构建发电系统的系统模型;以模型为基础,获取故障信号的信息熵指标以及近似熵指标,根据获取指标提取故障的信号特征;利用多点的数据故障定位方法,对风力发电站高压输电线路中的故障进行定位。实验结果表明,运用该方法进行故障定位时,定位精度高、定位误差小、定位时间短以及定位效果好。