基于早期故障特征提取的全生命周期监测诊断

设备早期故障诊断是设备全生命周期健康状态监测诊断体系的重要环节。尽早对设备潜在的故障作出可靠判断,对于保障设备的可靠运行具有重要意义。早期故障特征提取技术是检测设备早期故障的有效工具。研究了典型的设备故障发展过程,以早期故障特征提取技术为基础,结合多技术融合方法,建立了设备全生命周期健康状态监测诊断体系,以促进设备厂家改进生产制造质量、流程工业企业优化检维修流程。应用以早期故障特征提取技术为重点的多技术融合方法,打造设备从生产制造、出厂检验到现场应用的全生命周期健康状态监测诊断闭环,实现了设备健康状态的全程可控。     

基于PHM的供配电系统故障预测关键技术研究

PHM(故障预测与健康管理)技术是比传统的故障诊断技术更高级的故障诊断、预测和健康管理技术,如何将该项技术在供配电系统中有效推广及应用已成为当前迫切研究的课题。在供配电系统中应用PHM需要解决的关键技术是状态监测与健康管理、故障诊断、故障预测、数据融合和人工智能技术,重点分析了状态监测与健康管理、故障诊断和预测技术及其实现方法。     

基于灰色理论的水电站机组故障诊断

水电站机组设备故障诊断方法的研究,是水电站建设和正常运行维护的重要内容。针对大多数机组的机电设备都具有灰色系统的特征,且机组最常见的故障为电机断条、偏心等,在机组机电设备的故障诊断过程中引入灰色理论系统中灰关联故障诊断方法,对机组机电设备进行状态识别与故障诊断。充分论证了灰色关联故障分析法对诊断弱条件、少数据的水电站设备故障的有效性。     

汽轮发电机组在线状态监测与故障诊断系统

大型高速旋转机械是工业企业中的关键设备，跟踪监视这类设备的运行状态并及时有效地处理转子故障，具有重要的经济价值。本文针对故障诊断领域的特点研究建立了一个用于汽轮发电机组状态跟踪及故障诊断的专家系统。该系统能够时常见的转子故障提供状态跟踪分析及故障诊断功能。对复杂疑难的转子故障，则以其完备、灵活的数据管理功能，辅助人类专家的诊断工作。该系统采用Ｃ语言建立数据库，知识库及推理机，纪录并管理反映机组状态的各类参数及其历史趋势数据，采用模糊逻辑和证据理论方法，依据层次诊断模型，对机组故障征兆进行推理，并对结论作出详细解释。     

风洞群真空泵组集中监测与智能故障诊断系统的设计

真空是风洞群开展试验必备的动力资源;作为风洞群动力保障之一,真空泵组具有数量多、分布分散、结构复杂、集成度高、运行噪声大等特点;为满足真空泵组设备健康管理和维修决策支持的需要,设计并研制了风洞群真空泵组集中监测与智能故障诊断系统;该系统采用PLC隔离通信、数据可视化、设备状态监测及智能预警、基于故障机理和规则推理的专家系统等技术,实现了真空泵组的集中监测和故障智能诊断,解决了风洞动力设备故障预判和提前预警困难、故障定位不易准确、缺乏专家知识库等问题;经实用验证,该系统实现了风洞群真空泵组故障智能预警和故障诊断分析,提高了综合诊断监测效率,值得推广。     

基于云平台的综采设备群远程故障诊断系统

目前开发的综采设备远程故障诊断系统大多是针对采煤机、刮板输送机、带式输送机等单机设备,以及基于视频或虚拟现实的专家远程指导维护系统,而集云平台、远程故障诊断和专家远程指导维护于一体的设备群故障诊断系统研究很少。针对该问题,设计了一种基于云平台的综采设备群远程故障诊断系统。首先通过传感器采集综采工作面采煤机、液压支架、刮板输送机、转载机、乳化液泵站、带式输送机及供电系统等的状态监测信息;然后通过煤矿井下环网将综采设备群运行状态监测信息传输到地面服务器,地面服务器对接收到的信息进行智能故障诊断分析、数据存储、报警查询等;最后通过MQTT协议将地面服务器的综采设备群状态监测信息按照统一格式传输至云服务器进行数据处理及格式转换,并将转换后的数据利用4G/5G网络传输至移动端和通过MQTT协议传输到PC端,从而实现综采设备群运行状态监测的可视化、故障查询、故障报警及故障预警信息的及时推送。以可视化视频监控为媒介,当综采设备出现故障时,视频信息可实时转接至对应专家,专家通过视频信息远程指导井工人员进行远程维护。该系统在陕西黄陵煤矿综采工作面进行了测试,结果表明:该系统实现了综采工作面设备群的远程故障诊断,通过手机移动平台可以实现综采工作面设备群运行状态实时监测和故障预警信息的及时推送,降低了综采工作面设备群的故障率和非计划停机次数,生产效率提高了约30%。     

基于PHM的数字化生产线健康管理体系结构研究

针对数字化生产线的自动化控制与诊断要求,结合当前的智能制造背景,以数字化生产线设备群为研究对象,对设备群健康管理体系结构做出分析,并设计开发了基于PHM的数字化生产线健康管理系统。首先借鉴了OSA-CBM的PHM技术体系结构,提出数字化生产线设备群PHM体系结构,然后应用组态技术在结构上对设备群监测系统进行设计研究,实现对异步、异构数据的集成应用,最后重点分析了对故障进行诊断的综合诊断平台和健康管理平台     

基于故障诊断的生产过程安全管理系统

根据项目的实际需求，对利用计算机进行生产设备的数据采集和信号分析、设备运行状态监测、故障报警、故障诊断及其预测方法等进行了分析研究，采用灰色诊断方法及GM（1，1）模型进行了故障诊断和预测，并开发了一套状态监测及生产过程安全管理系统，有效地解决了大型企业生产过程设备安全管理问题。     

离心水冷机组远程运维系统的研发

离心水冷机组是中央空调的核心设备,广泛应用于酒店和办公楼宇。为了节能降耗,节省企业的运营成本,一些企业使用数据采集技术、互联网技术等对中央空调系统进行升级改造,使其具有了设备状态监测、远程控制、运行参数实时记录、变频节能等功能,并取得了较好的效果。离心水冷机组远程运维系统的研发是在此基础上,根据实时参数计算当前的负荷大小进行运行机组的自动匹配,实现了机组的自动加减而节能降耗,同时对系统中运行的设备进行自动诊断,当设备出现故障或者有发生故障的趋势时,进行报警或者预警,使系统始终处于健康运行状态。     

基于MAS的水电机组故障诊断系统研究

本文利用智能Agent以及MAS技术实现一个水电机组状态监测与故障诊断系统。文中首先概述了MAS技术,说明了水电机组故障特点,然后给出了故障诊断的数学描述和任务分解策略,在此基础上构建了一个故障诊断系统,并通过仿真实例进行了测试,测试结果表明该系统具有较高的诊断精度。     

基于BP神经网络与专家系统的故障诊断系统

针对目前国内油田压缩机故障诊断存在的效率低、自动化程度不高的问题，设计了一种基于BP神经网络和专家系统的油田压缩机故障诊断系统，利用专家先验知识和神经网络的数值推理、自学习能力，对油田压缩机的故障进行分析处理，与以往油田压缩机故障诊断方法相比，该系统自动化程度高，诊断可靠准确。     

基于LM-BP神经网络的气阀故障诊断方法

提出一种基于LM（Levenberg-Marquardt）算法优化的 BP (Back Propagation)神经网络的多级往复式压缩机压缩机气阀故障诊断方法。以6M25-185/314氢氮气压缩机的 6级压差和6级温差作为网络的输入向量,建立可对往复式压缩机一至六级气阀故障进行在线监测及故障诊断的LM-BP神经网络模型。以100组故障数据作为网络训练样本,30组数据作为网络检测样本进行故障诊断,结果表明,LM-BP神经网络相比于变梯度BP神经网络和RBF神经网络诊断更快速稳定且准确率达到96%以上。利用Matlab软件平台建立的LM-BP 神经网络故障诊断模型,模型简单便于在工程实际中应用。     

倾斜因子K均值优化数据聚类及故障诊断研究

为提高海量数据挖掘和聚类的效率和精度,以应用于压缩机机械故障智能诊断中.将遗传算法与K均值聚类算法进行互补,提出基于倾斜分类K均值优化数据聚类算法.算法引入倾斜因子,避免较小类数据产生次优解的现象发生.在传统的K均值数据聚类算法基础上,通过倾斜因子排除了少数类局部最优解的干扰,提高遗传算法的收敛速度,也可以避免过早收敛到局部最优解中.仿真实验中以某天然气压气站采集的故障状态下的压缩机振动信号提取的特征量数据作为研究对象,进行数据聚类分析.仿真实验表明,通过改进的数据聚类算法对故障信号关联维特征量进行分类识别,能有效对四类天然气压缩机故障进行诊断分类,准确率能提高18.7％,研究结果在数据优化聚类及在机械故障诊断中的应用中具有良好的指导意义和实践价值.     

An approach to fault diagnosis of reciprocating compressor valves using Teager–Kaiser energy operator and deep belief networks

This paper presents an approach to implement vibration, pressure, and current signals for fault diagnosis of the valves in reciprocating compressors. Due to the complexity of structure and motion of such compressor, the acquired vibration signal normally involves transient impacts and noise. This causes the useful information to be corrupted and difficulty in accurately diagnosing the faults with traditional methods. To reveal the fault patterns contained in this signal, the Teager–Kaiser energy operation (TKEO) is proposed to estimate the amplitude envelopes. In case of pressure and current, the random noise is removed by using a denoising method based on wavelet transform. Subsequently, statistical measures are extracted from all signals to represent the characteristics of the valve conditions. In order to classify the faults of compressor valves, a new type of learning architecture for deep generative model called deep belief networks (DBNs) is applied. DBN employs a hierarchical structure with multiple stacked restricted Boltzmann machines (RBMs) and works through a greedy layer-by-layer learning algorithm. In pattern recognition research areas, DBN has proved to be very effective and provided with high performance for binary values. However, for implementing DBN to fault diagnosis where most of signals are real-valued, RBM with Bernoulli hidden units and Gaussian visible units is considered in this study. The proposed approach is validated with the signals from a two-stage reciprocating air compressor under different valve conditions. To confirm the superiority of DBN in fault classification, its performance is compared with that of relevant vector machine and back propagation neuron networks. The achieved accuracy indicates that the proposed approach is highly reliable and applicable in fault diagnosis of industrial reciprocating machinery.     

天然气压气机械设备故障信号时频分析特征提纯

天然气压气站压气机械设备工作环境恶劣,故障多发,而机械设备的故障状态下的振动噪声信号是研究机械设备故障诊断的有效载体。为有效进行故障诊断,需要对机械设备的故障信号进行提纯分析和特征提取等研究。提出基于时频分析技术的WVD和Hough变换结合的方法对低信噪比的故障信号进行提纯算法。首先分析了非平稳信号处理技术的基本原理,对原始信号的滤波和检测、频谱分析等处理,分析了时频分析特性和对应的条件,提出采用时间均值、频率均值、时间散布和频率散布四个特征值作为时频分析的特征提取量。仿真实验以某天然气压气站某型压缩机故障振动下采集信号样本为研究对象,进行提纯滤波和特征提取仿真,仿真实验得到降噪滤波和WVD及Hough变换算法下的检测结果,表明在强干扰背景SNR为-8dB下,有卓越的滤波降噪和检测性能,特征提纯检测性能相比传统算法提高18％以上。为天然气压缩机故障诊断奠定了可靠的理论基础。     

基于组合逻辑的故障诊断方法

针对复杂系统故障传播和故障分析的模糊性和不确定性,首先,在逻辑Petri网和模糊Petri网的理论基础上,根据逻辑Petri网的传值不确定性以及模糊Petri网对模糊信息的表示和推理能力的特点,提出模糊逻辑Petri网的概念及推理规则,考虑不同故障源对故障的影响程度,将概率信息引入模糊逻辑Petri网,对故障源赋予置信度,使故障诊断过程更符合实际。其次,利用模糊逻辑Petri网对故障诊断系统进行建模,用模糊逻辑Petri网描述了系统故障状态组合的逻辑关系,并进一步简化了系统模型的表达形式,具有良好的封装性、重构性和可维护性,在一定程度上缓解了状态组合空间爆炸问题。针对故障的传播性,采用可达性分析方法对故障信息的传播路径进行模拟论证,提高了故障诊断效率。最后,通过离心式压缩机故障诊断过程实例分析,验证了该方法的有效性和可行性,提高了故障诊断过程的准确性和高效性。     

基于SMO算法的SVM分类器在压缩机故障识别中应用

采用时频分析和支持向量机(SVM)相结合,提出一种压缩机故障识别新方法。首先利用Labview软件平台,对压缩机振动信号进行时频分析;然后提取出空气压缩机故障信号的特征向量,组成训练样本和测试样本;最后使用一对一方法构造成多元支持向量机分类器,利用序列最小优化(S M O)算法对故障样本进行训练,实现了压缩机的故障识别。实验测试表明,该分类器有较高故障诊断效率且性能良好,适合压缩机的故障识别。     

基于粗集理论的压缩机故障诊断方法研究

论述了将粗集理论应用于压缩机故障诊断的方法。利用粗集理论在处理大数据集、消除冗余信息等方面的优势，减少了训练数据的冗余。运用这一方法对齐鲁石化塑料厂的运行数据进行了约简，去除不必要的属性，得出了诊断的决策规则。     

An Efficient Expert System for Air Compressor Troubleshooting

In this paper, an expert system for automobile air compressor troubleshooting (ACTS) is presented. This system can assist users to conduct an efficient and effective diagnosis on air compressor failures. Unlike most diagnosis expert systems, ACTS uses a new control strategy to enhance the efficiency of the diagnostic process. This control strategy attempts to spend the least amount of time to detect the compressor fault accurately by investigating only portions of the knowledge base. ACTS first constructs a diagnostic tree based on the functions or connectivity of the air compressor's devices. A fuzzy multiple-attribute decision-making method is used to determine the priority of the nodes (devices) in the diagnostic tree. The prioritized result creates a 'meta knowledge base' to control the diagnostic process. In addition, each node possesses its own knowledge base for hypothesizing the possible faults for the node. ACTS, written in MS Visual BASIC, has been successfully developed and implemented in MS-Windows environment on a PC. To validate the system performance, ACTS is compared to EXACT, an expert system for automobile air compressor troubleshooting, using 50 sample cases. The evaluation results indicate that ACTS performs better than EXACT by reducing the number of queries and the diagnosis time by 20.7% and 24.9%, respectively.     

基于定性仿真和模糊知识的离心式压缩机排气量不足原因诊断

针对引起离心式压缩机排气量不足的原因,本文提出一种基于定性仿真和模糊知识的诊断方法.利用压缩机结构原理和故障机理等定性知识建立故障定性模型库,并推理得到压缩机排气量受不同因素影响时的定性规则库.对系统变量的观测值利用定性趋势提取和模糊化进行定性化处理.提出了基于变量定性趋势和模糊定性值约束的滑动窗口加权匹配策略,并根据匹配结果诊断出导致排气量不足的原因.最后通过两个实例仿真验证了所提方法的有效性.