故障诊断技术在煤矿机械设备中的应用

介绍了煤矿机械设备维修、维护的类型,指出以故障诊断技术为基础的预知性维修和主动预防性维护是煤矿机械设备维护、维修的发展主流,阐述了常用的几种煤矿机械设备故障诊断方法,概述了煤矿机械设备故障诊断技术的研究热点与发展趋势。     

自适应局部迭代滤波与模糊熵在齿轮系统故障识别中的应用

针对齿轮系统实测信号受噪声干扰而不能准确反映故障特征的问题,提出了一种自适应局部迭代滤波与模糊熵相结合的故障识别方法.利用自适应局部迭代滤波可以将齿轮非平稳信号分解为有限个平稳的本质模态函数,由于自适应局部迭代滤波能有效分离出齿轮系统的转频信号,因此,以转频信号对应的本质模态函数为分界,计算前几个本质模态函数的模糊熵,最后,通过计算不同工况振动信号模糊熵的灰色关联度来识别齿轮系统不同的故障类型.结果表明,该方法能够有效地应用于齿轮系统的故障诊断.     

谐波窗分解样本熵与灰色关联度在转子故障识别中的应用

针对实测转子振动信号的非平稳特性和在现实条件中难以获得大量典型故障样本的问题,提出一种基于谐波窗分解(harmonic window decomposition,HWD)、样本熵与灰色关联度相结合的故障识别方法。首先,为了降低噪声的影响,引入循环统计学的思想对传统形态滤波方法进行改进,定义了顺序形态滤波器,并结合实际选用最简单的直线结构元素,对实测转子振动信号进行顺序形态滤波降噪预处理。然后,采用不分层分析的HWD来提取包含转子典型故障信息的6个特征频带,运用非线性动力学参数样本熵作为特征,计算转子正常、不平衡、不对中、油膜涡动、油膜振荡等5种工况的样本熵。最后,由于灰色关联度分析对小样本模式识别具有良好的分类效果,以特征频带的样本熵为元素构造特征向量,通过计算不同振动信号的灰色关联度来判断转子的工作状态和故障类型。试验分析结果表明,所提的方法能够有效地应用于转子系统的故障诊断。     

基于混合多项式插值的工业机器人关节运动规划

对于工业机器人速度约束的点到点关节运动规划,三次多项式规划存在角加速度不连续的问题,五次多项式规划方法需要预先设定目标点的角加速度值,容易引起角速度较大波动,3-5-…-5-3混合多项式规划因为五次多项式的存在,同样容易引起角速度较大波动。针对这些问题,提出一种三次多项式与四次多项式混合规划方法,第一段运动规划采用三次多项式插值,其余规划都采用四次多项式插值,在指定中间目标点角速度的同时,确保角加速度的连续性,且无需预先设定角加速度的值,避免角加速度预设定值不合理引起的角速度较大波动。并且为了避免运动规划中出现角速度峰值过大,提出了运动时间的计算方法,并设定2个目标点处较大速度为最大值,使得规划的角速度波动较小。通过算例验证了所提方法的合理性和有效性,与其他2种规划方法进行比较,有效解决了速度约束的点到点关节运动规划存在的问题,有利于提升工业机器人的工作性能和使用寿命。     

基于SP-MCTS算法的混合流水车间机器人调度

针对混合流水车间存在并行设备、物料机器人和设备约束等导致调度过程复杂化的问题,提出融合标准差的选择策略、单分支扩展和启发式规则模拟的改进型SP-MCTS算法。该算法将混合流水车间机器人调度问题转化成搜索车间状态演变用时最短的分支路径问题,并利用马尔科夫决策过程建立混合流水车间机器人调度问题的动态模型。优化过程中,运用选择策略评估各分支收益,选择高潜力分支进行探索,并扩展多次遍历的分支节点,最后以启发式规则模拟探索,获取调度解集。另外,搜索中通过剪枝法缩小搜索宽度,单分支扩展法避免多次同路径探索,有效利用计算资源;最后,采用基准算例进行算法测试,验证了所提算法在多工序、多设备的混合流水车间调度问题求解方面的优越性。     

基于集合经验模式分解能量分布与灰色相似关联度的齿轮故障诊断

针对齿轮发生故障时,其不同频带能量分布与其故障状态间存在一定的映射关系,提出一种基于集合经验模式分解与灰色相似关联度相结合的故障诊断方法。引入循环统计学的思想对传统形态滤波方法进行改进,定义顺序形态滤波器,并结合实际选用最简单的直线结构元素,对实测齿轮原始加速度振动信号进行顺序形态滤波降噪预处理。采用集合经验模式分解方法将降噪后的齿轮非平稳加速度振动信号分解为有限个平稳的本征模态函数,从中选取包含故障主要信息的前几个本征模态函数分量并计算其能量分布。由于灰色相似关联度分析对小样本模式识别具有良好的分类效果,以能量分布为元素构造特征矢量,通过计算不同振动信号的灰色相似关联度来判断齿轮的工作状态和故障类型。实例分析结果表明,提出的方法能够有效地应用于齿轮系统的故障诊断。     

互补集合经验模式分解与奇异值能量谱在风电齿轮故障识别中的应用

针对风电机组齿轮系统故障模式的有效识别问题,提出一种互补集合经验模式分解(CEEMD)与奇异值能量谱相结合的故障识别方法。利用CEEMD将齿轮非平稳信号分解为有限个平稳的本征模态函数,并将其组成初始特征向量矩阵,对矩阵进行奇异值分解并求出风电齿轮不同工况下的奇异值能量谱分布,以奇异值能量谱为元素构造特征向量,通过计算不同工况振动信号的灰色关联度来判断齿轮的故障类型。实例表明,该方法能有效应用于风电机组齿轮系统的故障诊断。