周期簇稀疏特征提取方法及其在机械故障诊断中的应用研究

正指导教师:訾艳阳Ivan W.Selesnick冶金、风电、海洋装备等领域的大型复杂机电设备在高温腐蚀、重载疲劳等复杂恶劣的工作条件下运行,其关键零部件不可避免发生性能退化和失效。机械设备一旦出现事故,将带来巨大的经济损失,甚至导致人员伤亡。若能在设备发生事故前识别出故障并及时维修,将对关键机械设备的安全运行、避免灾难性事故的发生具有重大意义。     

基于SVDI的低功耗自供电机械设备故障检测方法

异常的温度变化和振动都会导致低功耗自供电机械设备故障,为了提高设备运行的安全性和稳定性,提出了基于奇异值分解插值(SVDI)的低功耗自供电机械设备故障检测方法。利用改进后的小波去噪方法对低功耗自供电机械设备的运行信号做去噪处理,采用SVDI算法提取机械设备运行信号的特征,构建低功耗自供电机械设备的故障状态集合,将机械设备运行信号特征与故障状态集合中存在的故障对比,完成低功耗自供电机械设备故障检测。实验结果表明,所提方法的信号质量高、检测性能好且错分代价低,保障了低功耗自供电机械设备的稳定运行。     

浅谈智能在线监测系统在烟草机械故障诊断中的应用

在烟草生产过程中,如果因为机械设备的某些零件这设备出现了故障没有及时发现,其结果就是让设备损坏,严重的情况下还会造成安全事故。所以在当前的生产系统,当设备出现了问题而不能运行时,不仅影响了整个生产流程,同时也会给公司带来较大的经济损失。本文重点探讨了智能在线监测系统在烟草机械故障诊断中的应用。     

机械设备故障检测诊断技术发展前景

随着科技的快速发展,如今的机械设备越来越精密,造价也越来越高,而如果机械设备在使用过程中出现故障就会对企业的生产和工作人员的人身安全构成威胁。机械设备故障检测诊断技术是在设备运行状态下能够实时检测并诊断设备是否存在故障隐患的部位,做到及时发现及时解决,从而避免人员伤亡以及经济损失,是当前国内外研究的热点技术。本文介绍了当前主要的机械设备故障检测诊断技术,并指出其未来的发展趋势。     

基于混合智能新模型的故障诊断

为了解决机械设备中早期故障和复合故障识别的难题,提高故障诊断的准确率,利用经验模式分解(Empirical mode decomposition,EMD)、改进的距离评估技术、自适应神经模糊推理系统(Adaptive neuro-fuzzy inference system, ANFIS)和遗传算法(Genetic algorithm, GA)等技术,提出一种综合运用多征兆域特征集和多个分类器的混合智能诊断模型。该模型在特征提取之前,利用滤波、EMD、解调等预处理技术挖掘潜藏在动态信号中的故障信息;从原始振动信号和预处理信号中,分别提取从不同侧面表征设备运行状态的时域和频域统计特征,得到6个特征集。采用提出的一种改进的距离评估技术选择特征,从6个原始特征集中相应地筛选出6个敏感特征集。将6个敏感特征集输入到基于GA组合的多个ANFIS分类器以得到最终的诊断结果。该模型在电力机车轮对轴承的故障诊断中实现了轴承不同故障类型、不同故障程度,以及复合故障的可靠识别,获得了满意的诊断结果。应用结果也验证了基于改进的距离评估技术的特征选择方法的有效性。     

压缩机常见故障的解除探析

离心压缩机广泛应用于石油化工企业,是生产装置中的关键设备,在企业生产运行过程中占有重要地位。如果离心压缩机发生故障,将导致机组停机,影响整个化工产品的生产,还会给企业带来很大的经济损失。离心压缩机的安全稳定运转能够促进化工装置的安全生产,然而离心压缩机的故障问题常常会给石油化工企业带来严重的生产安全威胁和经济损失。离心压缩机的控制系统可以及时预警和正确诊断离心压缩机的故障,便于技术人员及时找到故障原因,解除压缩机的各种故障现象,保证机械设备和仪器仪表的工作效率,增强离心压缩机的使用寿命,提升机械设备的工作效率和工作质量,促进企业的发展与生产安全。因此,重点分析压缩机常见故障,并提出相应的解决措施。     

浅谈机械设备故障诊断与监测的常用方法及其发展趋势

随着机器科学工程技术的不断进步,机器的工业自动化制造水平已经有了很大提高。生产设备对我们现代的生活影响越来越大,设备及其相关的生产成本正在不断上升。如果一台设备在其运行过程中的任何故障遭到无视,不仅会直接导致其自身造成经济损失,而且还会产生其他严重后果。例如,1986年4月,前苏联美国切尔诺贝利核电站四号堆核机组设备发生严重电磁振动而同时造成大量核废料泄露,致使2000多名工人伤重死亡,直接造成经济损失将高达30亿美元。通过对各类机械设备工况故障进行定期监测,对其机械故障发展趋势情况进行早期分析诊断,有利于准确找出机械故障发生原因,采取各种防护措施对其进行日常维修保养,避免机械设备的突然严重损坏,使之安全稳定地正常运转,由此可见,技术以及机械故障点的诊断对促进机械设备在我国现代清洁能源工业生产中应用起着非常重要的指导作用,对促进机械设备的故障诊断和新技术的应用研究以及失误诊断具有重要指导意义。本文主要讨论了如何通过诊断与安全监视各种机械设备。     

6kV配电线路常见故障分析及防范对策

6kV配电线路具有分布广、节点多和绝缘水平较低等特征,并且多采用小电流接地系统,在运行过程中雷击、设备线夹烧损、人为破坏等故障发生率较高,不仅给电力企业造成了巨大的经济损失,严重时还会引发人员伤亡且威胁到电力系统的安全运行。现对6kV配电线路的雷击事故及设备线夹烧损、人为破坏、设备老化故障进行分析,并且有针对性地提出防范对策。     

基于投影寻踪的旋转设备潜在故障识别方法

为了解决潜在故障阶段特征信号微弱、有效信息难以提取的问题,提出一种基于投影寻踪的旋转设备潜在故障识别和预警方法。通过计算得出24个特征指标用以描述设备运行状态。为避免单一投影方向揭露信息的片面性,提出利用最佳投影方向矩阵将不同状态(包括正常状态和异常状态)下的24个特征指标投影到二维空间,得到投影值的分布特征,并以此建立特征评价指标体系。通过观察待评估的某一时刻的24个特征指标的投影值分布与上述特征评价指标体系相对比,即可判断该时刻设备运行状态是否存在异常和故障类型。试验数据分析表明,该方法具有较好的可行性和可靠性,在捕捉早期故障信号方面具有很高的灵敏性。     

双支撑旋转机械轴承故障诊断技术应用

快速确定旋转机械设备轴承运行状态,在设备监测中具有重要意义,重点阐述了旋转机械设备轴承在正常运行状态下,通过应用双支撑旋转机械轴承故障诊断技术,对日常巡检和对运行设备轴承的振速-频率测定,可快速确定和掌握旋转机械设备运行异常,早期发现故障原因,并能预报故障发展趋势。为水泵、风机、电机等机电产品的运行监测提供参考。     

基于短时滑移模糊熵和LPP的轴承故障诊断

针对旋转机械设备的故障特征微弱和环境噪声强等问题,提出了一种基于短时滑移模糊熵和局部保留投影法(locality preserving projection,简称LPP)的故障特征提取方法。首先,通过对滑移截断短时序列的架构分析,引入多尺度复合模糊熵,获得信号在不同复合尺度下的特征信息和故障潜在特征,能准确反应信号复杂度和不确定性;其次,应用LPP流形降维并保留信号的局部数据特征,设计最优带通滤波器,对轴承振动信号进行故障冲击特征提取。仿真分析和实验数据结果验证了该方法在强背景噪声情况下降噪抑制方面的有效性,具有快速识别和提取滚动轴承的微弱冲击特征的能力。     

非线性调频模式分解及在机械设备故障诊断中的应用

由于机械设备传动系统中的关键零部件如轴承的振动信号具有典型非平稳的特征,将非线调频模式分解算法引入到机械设备故障诊断中,实现了对轴承等关键零部件早期微弱故障的特征识别.该方法在变模式分解理论的基础上,利用解调算子,将宽带信号变为窄带信号,实现了复杂信号的多尺度分解,同时使得多组分信号具有较高的时频分辨率.利用该方法对具有时频交叉干扰特性的仿真信号和故障实验台的实测轴承信号进行了分析,结果表明提出的方法在复杂信号模式分解和故障特征识别方面具有明显的优势.     

人工智能在机械设备故障检测中的应用

我国的机械设计制造水平在近几年不断提高,现代机械设备更是朝着大型化、精密化、复杂化以及自动化等方面发展,在提高生产效率与生产质量上发挥着重要的作用。同时,机械设备的各部件之间的耦合也越来越紧,运行过程中一旦发生某一故障问题就有可能导致整个设备运转失常,因此做好设备的故障检测工作至关重要。传统的故障检测工作片面依靠维修检测人员的经验,对于现代的机械设备来说已经无法适应,因此必须要采用更加先进的方式,因此将人工智能用于机械设备的故障检测工作中具有十分重要的意义,大大提高了检测质量与效率,对保证机械设备的正常、稳定运行发挥着重要的作用。基于此,本文就人工智能在机械设备故障检测中的应用进行了分析。     

变电站继电保护死区案例分析与技术改进

配电设备中的电流、电压互感器、断路器等一次控制设备,配合二次继电器、综合保护装置等控制设备,在线路运行过程中,能够对线路的过负荷、击穿短路、系统接地、系统过电压等运行异常或运行事故及时准确地进行保护控制,但是,在一些保护控制设计出现保护死区的时候,如果出现上述故障,保护功能将无法起到应有的作用,从而给电力系统带来较大的经济损失,甚至影响上级的供电保护系统。现结合变电站前期设计及实际现场发现的保护缺陷问题,分析变电站继电保护原理及死区案例,并给出了可行的解决方法。     

基于O-SVD与FSC的滚动轴承微弱故障特征提取研究

由于滚动轴承的早期微弱故障特征难以被完整地提取出来,为此,提出了一种基于周期优选奇异值分解(O-SVD)和快速谱相关(FSC)的滚动轴承微弱故障提取算法。首先,通过理论和仿真分析,对存在细节特征丢失问题的传统截断奇异值分解(T-SVD)算法进行了改进,提出了一种以相关系数作为指标,判断有效奇异值分解子空间的O-SVD算法;然后,将O-SVD作为信号处理的前置处理单元,对滚动轴承的故障信号进行了分解重构,并将处理后的重构信号进行了快速谱相关计算,得到了特征明显且能够较好保存局部细节特征的增强包络谱;最后,基于仿真模型,分析了现有算法的不足,并以故障识别率为指标,阐明了基于O-SVD与FSC的算法在低信噪比工况下的工程适用性。研究结果表明：与对比算法相比,在滚动轴承早期微弱故障、复合故障和综合故障3种工况下,基于O-SVD与FSC的算法均能够较为完整地提取故障信号特征,具有较好的工程适用性。     

钻井机械设备的故障排除与维修探讨

石油作为现代化社会的核心能源,其对于国家发展所具有的战略意义是不言而喻的,当前世界石油开采设备发展速度较快,而钻井机械设备作为石油开采设备的主要构成部分其重要性是极高的,效率、稳定性、适应性、操控性等一系列性能指标都是相应设备在设计使用中所追求的,而作为石油开采工作的重要设备钻井机械设备在长时间的使用过程中也会出现一系列的故障,导致设备故障的原因非常多,可能是外部因素也可能是设备本身的问题,在钻井机械设备发生故障后必须及时进行故障的排除和维修,这样才能避免安全问题并减少经济损失,本文将针对钻井机械设备的故障排除与维修进行研究。     

机械设备制造与维修方法在煤炭机械中的应用

机械设备是工业企业生产运行过程中的基础流程和核心部分。如何确保机械设备制造的合理便利性使用是机械设备制造行业关注的热点问题,同时在使用设备的过程中对于故障和问题的排除和解决,以及在设备出现故障或者问题是如何进行及时的维修和保养也是行业内关注的另一个热点问题。本文通过对机械设备制造与维修方法在煤炭机械当中的应用的研究分析提出一些参考性建议。     

机电设备电气安装调试运行中常见故障及应对措施

随着机械设备的不断更新,机械操作技术的不断复杂,电气设备作为机电产品中的重要组成部分,在其中扮演着重要角色。由于传统机械设备的不断改进,电气设备也越来越复杂,随之而来的就是,设备在安装和调试过程中一定会遇到各种各样的问题,这些问题或大或小,都可能会影响机器设备的运行,严重的甚至会造成事故。本文就机电设备中,电气安装与调试运行中可能会出现的故障进行了分析,并提出相对应的解决措施。     

基于电信号的改进VMD和DBN-DNN液压齿轮泵轮齿故障监测方法研究

液压系统电机电信号中包含丰富的系统运行状态信息,如何准确对电信号中的运行信息进行提取和分类是实现液压系统状态监测的关键。电机电流信号中蕴含的液压齿轮泵早期故障特征微弱,提取困难,用传统时频分析方法难以实现故障特征分离。本文提出基于相关系数和人工蜂群算法(Artificial bee colony,ABC)实现了对变分模态分解(Variational mode decomposition,VMD)参数的优化,同时以信号相关系数和峭度值最大为选取原则,确定有效的本征模态函数(Intrinsic mode function,IMF),并将IMF有效分量的排列熵和均方根值作为高维特征向量输入深度信念网络(Deep belief network,DBN-DNN),实现了对齿轮泵运行状态进行监测。结果表明,该方法能准确稳定地提取电流信号中携带的齿轮泵故障的微弱特征,进行齿轮泵运行状态监测,提高了齿轮故障诊断的准确性。     

基于电信号的改进VMD和DBN-DNN液压齿轮泵轮齿故障监测方法研究（英文）

液压系统电机电信号中包含丰富的系统运行状态信息,如何准确对电信号中的运行信息进行提取和分类是实现液压系统状态监测的关键。电机电流信号中蕴含的液压齿轮泵早期故障特征微弱,提取困难,用传统时频分析方法难以实现故障特征分离。本文提出基于相关系数和人工蜂群算法(Artificial bee colony, ABC)实现了对变分模态分解(Variational mode decomposition, VMD)参数的优化,同时以信号相关系数和峭度值最大为选取原则,确定有效的本征模态函数(Intrinsic mode function, IMF),并将IMF有效分量的排列熵和均方根值作为高维特征向量输入深度信念网络(Deep belief network, DBN-DNN),实现了对齿轮泵运行状态进行监测。结果表明,该方法能准确稳定地提取电流信号中携带的齿轮泵故障的微弱特征,进行齿轮泵运行状态监测,提高了齿轮故障诊断的准确性。