听诊法诊断压路机异响故障

听诊法是指通过人的听觉,确定机器各部位工作是否正常。一般有实听和虚听两种方法。实听是指利用螺丝刀、金属棒等听诊器具,直接抵在产生异响的部位进行听诊。虚听是指耳朵与发响部位离开一定距离进行听诊。实际运用时,通常利用虚听判断故障的大致部位,再用实听确定故障的具体部位及分析产生的原因。     

电气设备故障维修方法与实践

分析了电气设备维修的原则,并就维修检查方法和操作实践进行了详细探讨。     

论机床电气设备故障的维修与保养

对机床设备而言,电气控制系统运行的可靠性对企业生产过程的稳定性起着至关重要的作用.通过科学的设备故障维修与保养措施,可以有效降低机床电气设备故障的发生概率,提高设备故障的检修效率,增强机床设备运行的安全性、可靠性.对机床电气设备故障的类型以及应对措施进行了分析,重点研究了机床电气设备故障的维护与保养措施.     

采用直观法快速诊断电气设备故障

作者通过日常生产实践、设备调试、安装、试车等多方面的工作，已在工作中不断地学习和积累的大量工作经验，而总结出来的一种对设备故障快速诊断修理的维修方法。     

数控机床故障的诊断和维修

数控机床的故障诊断和维修,是保障数控机床正常加工的重要工作.快速准确判断数控机床故障的部位、产生原因以及及时排除故障是保证数控机床正常运行的重要前提条件.根据数控系统的原理及维修方法,结合实际维修案例,阐述数控机床故障的诊断方法、常见故障分析及故障的处理对策,为数控机床的诊断和维修提供借鉴.     

模糊神经网络在电气设备故障检测与诊断中的应用

电力变压器故障的机理难以应用准确的数学模型加以描述,故障现象与故障原因之间存在着很多不确定因素。本文应用人工网络理论,并利用模糊理论预处理数据,建立了基于模糊神经的变压器故障检测诊断模型。结果表明,该方法对变压器进行故障检测诊断是有效的,同时对其它电气设备的故障诊断也具有参考意义。     

电气设备故障检测技术讲座：第三讲 线路寻识与电缆故障检测（上）

线路故障一直是困扰厂矿电气维护人员的一大难题。控制输出、信号反馈、仪表信号传输以及供电线路等一旦出现故障,将给生产造成不可预知的损失。 线路的维护可分为室内和室外两部分,室内线路多以控制、通信、仪表等低压线为主;室外线路则为企业自电网受电后,经降压变送至各生产厂矿、车间的缆线。 由于所处环境不同,两类线路呈现故障形式也不同。前者主要表现为开路、短路;而后者电缆种类繁多,铺设方式或为架空或为地下,故障较为复杂、多样,检测起来难度亦较大。 引发电缆故障的主要原因通常有：（１）硬损伤,如机械损伤等;（２…     

诊断机床故障的几种方法

机床发生故障后,维修人员对故障的诊断常常感到比较困难。现就自己的工作体会,介绍几种诊断机床故障的方法,供大家参考。     

基于小波变换的电气设备故障诊断技术

小波变换具有良好的时-频特性，因此可以有效地用于电气设备故障诊断。在对电气设备进行故障分析、诊断过程中，利用小波变换进行故障信号的故障时刻检测具有重要意义。小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制，判断其状态，以便在故障初期或故障时刻发出警报，并随时进行处理，排除故障。对信号进行特征提取，是故障诊断的关键。突变信号往往表明电气设备发生了某类故障，如果能对突变信号进行有效识别，就可以进行故障诊断、故障分析，从而排除故障。分析了电气设备故障的奇异性，通过仿真得出小波变换用于电气设备故障诊断的方法，以准确检测奇异点，确定故障时刻。     

数控机床电气故障诊断与维修

主要介绍了数控机床电气故障诊断与维修的一般原则、内容、步骤和方法。     

基于灰预测的塔式起重机电气设备故障诊断

针对建筑塔式起重机电气设备故障的特点,将灰预测算法应用于建筑塔式起重机电气设备故障诊断中.以TOPKIT型塔式起重机电气设备的故障诊断进行实例分析,验证了该方法的有效性和可行性.     

基于MEPA-RST-NBNC的复杂设备智能故障诊断方法研究

结合最小熵原理法(MEPA)的数据离散功能,粗糙集理论(RST)的数据分析和容错能力,以及朴素贝叶斯网络分类器(NBNC)的并行推理能力,采用串行集成思想,提出了一种基于MEPA-RST-NBNC的复杂设备智能故障诊断方法.首先利用MEPA实现连续条件属性的离散化,形成离散化诊断决策表;然后利用RST分辨矩阵实现故障特征的简化,并采用最大聚类比原则提取出最佳约简;最后根据约简诊断决策表建立NBNC模型来实现高效快速的诊断推理.故障诊断实例表明该方法不仅克服了RST诊断法的规则搜索和临界误判问题,而且避免了NBNC诊断法的维数灾难问题,具有较强的工程实用性.     

基于贝叶斯推断贡献的机械设备故障诊断方法

现有机械设备故障诊断方法大多针对已知故障建立,不具备识别新故障的能力,针对该问题提出一种基于贝叶斯推断贡献(Bayesian Inference Contribution,BIC)的故障诊断方法.该方法基于BIC理论对各已知故障建立状态模型,并自学习振动数据与各状态模型的允许最大距离,当振动数据与各已知故障状态模型间距离均大于允许最大距离时识别为新故障,反之为已知故障,并在此基础上设计了状态模型更新方法,使其能够利用新故障数据和误诊数据对模型进行更新.采用往复压缩机的真实故障数据进行测试,结果表明,该方法对新故障的识别准确率为100％,采用误诊数据对状态模型更新后整体诊断准确率得到明显提升.     

机床液压设备故障诊断的研究

机床液压系统一般较难直接判断出产生故障的主要原因.因此,分析液压故障之前必须弄清楚整个液压系统的传动原理、结构特点,然后根据故障现象进行判断,逐步分析深入,采用顺藤摸瓜、跟踪追击的分析方法,有目的、有方向地逐步缩小可疑范围,确定区域、部位,以至于某个元件.该文研究了液压系统故障的特征,通过长期实践总结积累了六看六问四听四摸的故障诊断方法.     

基于PLC的电机故障诊断系统的研究

本文对系统的设计思路进行了叙述,然后进行了系统的整体设计及软件设计,在最后概括出PLC在故障诊断中的作用。     

基于非线性特征融合的高速装备故障诊断方法

针对高速数控装备的复杂非线性特性,基于改进证据理论和非线性特征提出了一种新的故障诊断方法。分析了高速运行状态下数控装备的故障特性,提取出一组反映系统非线性特性变化的故障特征向量。给出了基于证据理论的多类型故障识别模型,并利用模式之间的相似度获取各个证据的mass函数。为解决冲突情况下的多个证据合成问题,提出一种基于平均信任度的动态参数冲突证据合成方法。仿真实验结果表明,在证据存在冲突的情况下,该方法识别率高,适合于具有非线性特性的高速装备故障诊断。     

基于模糊积分的空分设备故障诊断

D-S证据理论作为空间数据融合的方法应用于工业设备的故障诊断中,具有很好的效果,但是对于具有时间特性的设备故障,就必须考虑时间域上的数据融合才能得到设备故障的准确模式。该文提出了将模糊积分方法用于时间域上的数据融合,并应用于空分设备的故障诊断中。通过仿真实验证明,模糊积分数据融合方法可以有效地提高空分设备故障诊断的可靠性和故障识别率。     

基于Internet的设备远程监控与故障诊断

随着Internet技术的不断发展,设备远程监控与故障诊断成为故障诊断技术发展的必然趋势。本文分析了设备远程监控与故障诊断的结构及工作模式,介绍一种基于Internet的设备远程监控与故障诊断系统,该系统利用现代计算机网络、通讯及自动控制等多项技术,将现场数据采集与处理,实时监控与决策等环节有机的结合,并利用专家系统中的知识库和远程诊断专家对设备故障做出诊断,提高设备故障诊断的可靠性和智能化水平,实现监测,控制与诊断的一体化。     

Adaptive sparsest narrow-band decomposition method and its applications to rotor fault diagnosis

Enlightened by empirical mode decomposition (EMD) and matching pursuit (MP), adaptive sparsest narrow-band decomposition (ASNBD) method is proposed in this paper. The main idea of the method is to obtain the sparsest representation of a signal by constraining the components to be local narrow-band signals. In ASNBD, an optimized filter must be established at first. The parameters of the filter are determined by solving a nonlinear optimization problem. A regulated differential operator is used as the objective function so that each component is constrained to be a local narrow-band signal. Afterwards, the signal is filtered by the optimized filter to generate a single component. ASNBD is superior to matching pursuit in both the adaptivity and the physical meaning of the components. And problems such as mode mixing and end effect in EMD are alleviated in ASNBD as the computing of extremas is avoided. As it is robust and adaptive to non-stationary signals, artificial chemical reaction optimization algorithm (ACROA) is chosen to solve the optimization problems in ASNBD. Compared with GA, ACROA can reach a global optimum in a shorter time while the classification result is the same. Comparisons are made between ASNBD optimized by ACROA, ASNBD optimized by genetic algorithm and empirical mode decomposition (EMD) by analyzing simulation and experimental signals. The results indicate that ASNBD–ACROA is superior to the other two methods at least in restraining boundary effect, gaining more accurate components in the presence of noise and showing better orthogonality; moreover, it performs better in the analysis of experimental data.