输油泵机组在线性能检测与故障诊断

现场安装振动数据采集器对输油泵机组进行日常的在线数据采集,使用XPR300软件进行故障分析,判断输油泵的故障.鲁宁输油处共有输油泵机组59台,根据测得的振动信号通过频谱、时域波形、轴心轨迹进行了分析,分析数据变化趋势,判断故障原因,并进行了相应的处理.     

Matlab分析软件在设备状态监测中的应用研究

一前言 随着我国电力事业的发展以及大型机组的投产，各种容量的机组数量不断增多。如何保证发电机组运行稳定是人们普遍关心的重要问题。而现阶段我国大型发电机组的检修一般实行计划检修制度，不管设备状态如何，到期必修，由此造成大量的资源浪费。这种传统的预期维修体制已不能满足现代维修、运行、管理的要求。发电机组设备庞大、结构复杂、故障的诱因繁多，虽有一些故障不一定以振动形式表现出来，但统计资源表明，发电机组约有80％的故障或事故在振动信号中有所反映，因此，振动监测是目前发电设备状态监测应用最为普通和有效的方法，通过对这些振动信号的分析，充分发掘其中所包含的故障信息，对发电机组的安全运行、检修决策具有重要的实际意义。     

输油离心泵运行的状态监测与故障诊断

通过对离心式输油泵运行状态监测,获得振动数据,利用故障分析软件进行分析、诊断,及时消除故障,以保证设备安全运行。     

油田站场输油泵模糊安全评价

输油泵机组作为输油站场的核心动力设备,负责为原油提供压能。现以某输油站场输油泵机组为例进行安全评价,根据故障模式、原因及影响分析对输油泵机组进行部件划分,分析输油泵机组的故障模式,建立输油泵机组的安全评价体系,应用模糊关系矩阵,采用层次分析法确定指标因素权重,最后模糊综合评价输油泵机组,确定出该输油站场6台输油泵机组的安全等级及各指标因素权重值,针对故障影响分析提出改进措施。     

一种新型的水电机组振动摆度在线状态监测仪

运行中水轮机组的振动对机组运行的效率和安全都会造成不同程度的影响，该文介绍的水电机组振动摆度在线状态监测仪通过对运行中水力机组的振动、摆度、压力脉动等进行在线监测，从多角度评估机组运行的稳定性，分析故障隐患和机组缺陷，为机组状态检修提供良好的稳定性参数依据。文中给出了监测仪的详细设计方案。     

振动趋势与频谱分析在大机组维护中的应用

通过对大机组实施状态监测,应用振动趋势和频谱分析法,对设备状态作出实时评价,对故障提前预报并作出诊断,合理制定检修计划,避免破坏性故障的发生,提高设备运行稳定性、可靠性。     

时间序列分析在风机状态参数预测中的研究与应用

研究了时间序列的建模与预测方法,并应用于生产实际.以某测点的振动日均值作为建模数据,建立了ARMA(3,1)时间序列模型,经检验,该模型具有较高的预测精度,能够用于该风机的运行状态预测.     

原油外输泵振动状态监测

输油泵是油田进行原油储运的大型关键设备，其振动将导致机械密封、轴承、叶轮内套环和轴套的损坏。本文介绍如何对输油泵进行状态监测，分析输油泵振动原因，提供针对性维修措施，为今后开展输油泵站的设备监测工作提供参考。     

基于EKF-SSM的齿轮箱剩余寿命预测

齿轮箱的剩余寿命预测为维修人员做出维修更新决策提供重要信息。为解决在缺少历史数据和非线性非平稳运行状态下的齿轮箱剩余寿命预测难题,提出一种基于数据驱动的齿轮箱的剩余寿命方法。该方法首先根据齿轮箱振动信号特征值,通过状态空间模型(State Space Model,SSM)建立齿轮箱退化状态与特征值之间的关系,来描述齿轮箱的非线性动态变化。其次,当获取到新的信号时,通过扩展卡尔曼滤波(Extend Kalman Filter,EKF)估计准确的模型状态,EM算法(Experience Maximization,EM)估计状态空间模型的参数,根据更新的状态和模型递推预测未来特征值到达故障阈值的时间,从而估计出齿轮箱的剩余寿命。最后,运用齿轮箱全寿命试验数据对预测模型进行检验,实验结果表明该方法能利用实时监测的状态数据准确的预测齿轮箱的剩余寿命,具有较强的工程使用价值和通用性。     

融合工艺和振动信息的设备变工况运行风险评估方法

针对设备变工况运行情况复杂的问题,提出了一种运行风险评估方法。首先,提取设备振动信号和工艺信号特征值,并基于信息熵进行特征融合。然后,在极值条件下建立其连续隐马尔科夫(CHMM)状态监测模型,利用该模型输出结果与工艺量数据建立支持向量机(SVM)回归模型,通过计算设备当前数据在上述2个模型中输出结果的差值,以识别状态变化来源和程度。最后,将CHMM-SVM模型输出的极大似然估计值转换为概率,利用阈值将概率转换为运行状态的置信度,并采用D-S证据理论实现设备运行风险评估。对齿轮箱运行状态进行验证,实验结果表明,该方法能全面反映设备运行状态的变化。     

离心式压缩机可倾瓦轴承松动故障浅析

大型压缩机运行过程中振动会突然升高突然下降.对机组振动频谱图分析,根据振动趋势和幅值考虑机组监护运行,等待检修时机处理机组可倾瓦轴承凸活块断裂故障.     

基于SVDD及ARIMA融合模型的给水泵退化状态监测方法

给水泵的退化状态监测对相关工业生产的有序运行具有重要意义。文中提出了一种给水泵退化状态监测方法,通过评估设备的健康状况和性能对设备退化趋势进行预测。该方法包括数据采集、特征提取、安全域构建、退化表征、退化过程建模和退化趋势预测6个步骤。该方法使用最易获取的健康数据作为训练集来构建安全域模型,然后利用超空间中更好的特征提取能力对退化过程进行表征和预测,最后使用异常数据测试预测模型的性能。文中使用一组真实的给水泵工业监测数据进行验证,并提出了一种退化趋势预测的评价方法。该方法通过5个量化指标从退化表征和预测性能两个维度对退化状态监测效果进行评估。实验结果表明,该方法不但较好地反映了给水泵的实际退化,而且实现了高精度的退化趋势预测,为给水泵智能运维提供了可靠的决策依据。     

基于小波分析的离心式注水泵机械振动实时监测方法

为保证注水泵机组安全稳定运行,减少管理人员工作量,提出基于小波分析的离心式注水泵机械振动实时监测方法。探究注水泵作业流程与结构特征,结合多种常见故障类型分析结果,构建水泵输入、输出功率与生产效率的动力学模型;考虑到注水泵特性,以压电加速度传感器作为主要监测设备,明确信号采样要求,通过量化处理将模拟信号变换为数字信号,便于信号分析;当监测信号内低频成分丰富时,确定母小波和变换系数,经伸缩与平移处理完成连续小波变换与反变换;当低频分量不足时,引入小波包理论,分割小波空间,合理分解不同频带的信号,保证监测信息不丢失,获取信号特征,实现机械振动实时监测。仿真实验证明,该方法具有较强的信号处理能力,可通过监测信息准确判断出设备故障类型。     

Residual fatigue life prediction of ball bearings based on Paris law and RMS

Paris law can reflect the failure mechanism of materials and is usually used to be a method to predict fatigue life or residual fatigue life.But the variable which can represent the health of machine i...     

基于灰色支持向量机的液压泵寿命预测方法

针对单方法所建液压泵寿命预测模型精度较低的缺陷,提出基于灰色理论和支持向量机的组合预测模型的液压泵寿命预测方法.该方法通过灰色累加生成操作对原始序列进行数据处理,以增强数据的规律性;运用最小最终误差预测准则确定嵌入维数,选择模型的参数;采用支持向量机进行预测,利用灰色累减生成操作还原数据,得到预测结果.选取液压油的光谱分析数据作为液压泵的寿命特征信息,采用该模型对液压泵进行寿命预测,并与灰色模型、单一支持向量机模型进行预测性能对比.结果表明,灰色支持向量机预测性能最优,精度达到99.37％,为液压泵性能评估和寿命预测提供一种更为有效的方法.     

基于深度学习和迁移学习的液压泵健康评估方法

对液压泵建立健康评估模型需要大量训练数据,然而由于其工作条件随时间的地点变化,使得获取特定条件下的数据比较困难。为了在目标数据不足的条件下对液压泵建立健康评估模型,提出了一种深度学习和迁移学习的液压泵健康评估方法。首先,通过卷积神经网络的方法对已有大量历史条件下液压泵振动的频域信号建立预测模型,再用迁移学习的思想在少量目标液压泵数据上对深度学习模型进行微调。实验结果表明,该方法可以有效地提高预测准确率。     

基于自回归预测的故障报警方法研究

工业生产过程由于设备的复杂性,系统的安全性和可靠性日益受到人们的重视。研究了工业生产中的故障报警方法技术,通过建立自回归模型,利用拉依达法确定系统的报警阈值。以齿轮泵泵壳振动信号作为研究对象,对其常见的四种故障进行了实验验证,并在液压试验台上进行实验。结果表明,该方法故障报警率较高,能够有效地对齿轮泵故障进行报警。由于报警阂值利用每一次设备运行时的数据进行动态调整,可以实现对设备故障进行及时有效地报警。     

Designing and manufacturing an automated lubrication control system in CNC machine tool guideways for more precise machining and less oil consumption

Machine lubrication systems are a very important portion of manufacturing and production workshop maintenance. Automatic lubrication systems eliminate the need for often careless manual lubrication, providing a safer, more frequent, and opportune monitored approach to machine lubrication. However, traditional automated lubrication systems have inherent environmental and technical–economic problems. With the goal of higher machining precision, cost-effectiveness, greater reduction in oil consumption, and more flexible performance, an automated lubrication control system is introduced in this research work. The new automated lubrication control system in computer numerical control machine tool guideways is a novel approach in machining technology; failure detection/correction in the lubrication system may be identified by temperature signals from sensitive temperature sensors installed in the machine tool guideways, with the signals reflecting the friction, wear, and loading conditions. Data collected via temperature sensors, data analysis, and preparation of commanding signals are analyzed by a lubrication control unit (LCU). The LCU transmits signals to actuators to trigger oil injection by the oil pump. The display unit presents real-time measured temperature variations along with the pump's operation state.     

一种新的机电设备状态趋势智能混合预测模型

针对机电设备运行状态受多因素影响，变化趋势复杂，难以用单一预测方法进行有效预测的问题，提出一种新的基于改进灰色系统一支持向量机一神经模糊系统的智能混合预测模型。该模型首先利用改进灰色系统弱化数据序列波动性、支持向量机处理小样本和模糊神经系统处理非线性模糊信息的优点，分别进行趋势预测，然后通过改进遗传算法对这三者的预测结果进行自适应加权组合。将该模型应用于信号随机波动性较强、趋势变化复杂的标准算例和某机组振动趋势的预测中，研究结果表明，该模型的预测性能均优于上述三种单一预测方法。     

基于全矢增强深度森林的旋转设备智能故障诊断方法

针对传统智能诊断方法需要专家知识和复杂特征提取，而深度神经网络模型复杂度高、构建难度大，以及单源信号信息不完备等问题，提出了一种新颖的全矢数据融合增强深度森林的旋转设备故障诊断方法。该方法根据旋转设备振动信号的特点，选择全矢谱技术与深度森林多粒度扫描相结合，用于接收同源双通道信号输入，增强了数据的完备性，并通过改善深度森林级联层来减少深层特征消失和特征冗余。为了验证所提出方法的有效性，分别进行了滚动轴承与轴向柱塞泵两例故障诊断实验研究，结果表明，该方法在不同旋转设备上都有很好的诊断效果，并可以实现端到端故障诊断。此外，该方法在小训练数据集上的故障识别准确率也非常高。