基于峭度和频率分析的轴承故障诊断

以某石化公司闪底泵为例,利用在线状态监测分析机泵断轴事故发生的原因。振动加速度信号的时域峭度指标,可以帮助技术人员预判轴承的早期故障;通过振动信号的频率分析,能够找到轴承的故障特征频率;峭度、频率的综合分析也能判断轴承出现故障的原因及其具体部位。依此推论在现场机泵解体检查时发现,轴承保持架断裂,验证了域峭度指标和频域信号的分析结论,为轴承故障的早期诊断提供了有效的方法。     

小波包-包络分析及基于EMD谱分析法的研究

根据滚动轴承振动信号的非线性、非平稳性特点,提出了用小波包—包络分析及基于经验模态分解(Empirical Mode Decomposition,EMD)进行谱分析的方法。通过对具有外圈缺陷的滚动轴承振动信号分析,表明这两种方法能准确地检测出发生的局部缺陷。     

冲击脉冲技术在滚动轴承监测中的应用

滚动轴承是旋转机械中应用最广的机械零件,也是最易损坏的元件之一.旋转机械的许多故障都与轴承有关,其缺陷会导致设备产生异常振动和噪声,甚至造成设备损坏,影响到生产的连续性.滚动轴承监测诊断技术发展到现在已经有很多手段,如简易测振、声音和噪音的辨别等.方法也多种多样,如基于振动分析的小波分析法、峭度诊断法、油液分析法等.相对而言,依靠冲击脉冲技术检测滚动轴承故障,是一项非常简单、适用的方法.     

基于小波包理论的往复泵故障特征提取研究

特征提取是往复泵状态监测及故障诊断的关键环节。小波包变换是时间频率的局部化分析，尤其适合于非平稳信号。应用小波包变换，将往复泵振动信号分解到8个不同的频带，对各频带内的信号进行统计分析，形成包含待诊断部件故障信息的频带能量值作为故障诊断的特征指标。实例中，将小波包变换应用于往复泵泵阀故障分析，提取到了弹簧断裂时的频带能量特征指标，为往复泵故障诊断奠定了可靠的基础。     

给水泵电机振动故障的原因分析及处理

用HG-8904C振动信号数据采集器对电动机底脚及轴承进行振动信号采集分析,通过振动频率、相位差及振动幅值对电动机存在的底脚松动、滚动轴承间隙过大及转子不平衡等故障进行甄别,确定故障类型和部位,查找故障原因,提出解决措施。     

基于非抽样提升小波包的机械隐含故障诊断

传统的提升变换要进行下采样运算,容易产生频率混叠。为此,提出用非抽样提升算法实现小波包分解,以消除频率混叠,达到提取信号中微弱冲击成分的目的。提升小波分解以提升方案为基础,用多项式插值求取小波系数,然后构造尺度函数并求取信号中的低频系数。由于每一层系数的长度等于原始信号的长度,所以不存在频率混叠,同时分解后的信号凸显了微弱故障特征信息。用该方法对电动机轴承振动信号进行提升变换处理,完整地提取出了电动机转轴与轴瓦碰磨产生的微弱冲击信号,诊断出了机械隐含故障。     

钻井泵液力端故障诊断新方法

往复泵液力端故障原因及故障与征兆间对应关系复杂,为了全面地利用获取的振动信号资源,得到更全面、准确的诊断结果,将分析得到的幅值域的峭度指标、峰值指标、脉冲指标、裕度指标、波形指标和歪度等6个参数,频域的重心频率、均方根频率、频率标准差等3个参数以及32个小波包分频带能量值作为神经网络输入的备选特征向量,由此形成了液力端综合振动信号特征参数的神经网络诊断系统。为了对网络的性能进行比较,分别构建了BP网络和RBF网络。将上述特征输入向量作不同组合,分别输入该网络并进行训练诊断和效果对比,由此求得了最优诊断系统组合。利用此神经网络诊断系统,对现场实际使用的钻井泵液力端进行了多次的测试分析和调试,证明这种方法对钻井泵液力端的故障诊断是行之有效的,可取得较高的诊断准确率。     

结合小波包与神经网络的压缩机故障诊断方法

介绍了一种针对滚动转子式压缩机故障的小波包神经网络诊断方法。利用压缩机壳体顶部或侧部获取的振动信号, 通过小波包分解与单支重构, 提取出该振动信号各频率段的能量作为特征信息, 利用BP神经网络将正常和异常压缩机区别开来。此方法具有检测效率高、可靠性高等优点, 受生产现场环境的干扰小, 可用于压缩机产品的在线诊断。小波包与神经网络诊断方法对其他机械设备的故障实时在线诊断也具有一定的工程实用价值。     

基于振动冲击响应信号特征的泥浆泵故障检测系统研究

泥浆泵的主要功能由往复运动完成,振动是其主要故障标志之一。提取泵阀振动信号的冲击响应分量,并对信号进行时标分析、小波能量包络分析,可以有效的提取泵阀的故障信号,判断泥浆泵泵阀的运行状态。在泥浆泵关键故障点加装振动、温度、噪声等传感器,将提取到的振动、温度、噪声等特征参数作为神经网络的输入,建立泥浆泵故障诊断系统,能有效诊断泥浆泵液力端以及动力端的运行状态。     

Ӧ��С������ʵ����������е���������ͷ��й������

在钻井过程中，由于岩石的不均质性、井下工况的不可预测性，采集到的信号通常被背景噪声所淹没。文章针对钻井过程中钻头与岩石啮合产生钻柱轴向调幅振动信号中强烈的背景噪声，采用小波包多层分解、域值滤波、通过能量系数值选取最优小波系数向量，并重构信号。对重构信号做FFT分析，有效的提取出了被噪声淹没的调幅信号特征，检测出了中心频率及其边频率带，将其作为钻头正常工作的图谱。采集并重构牙轮旷动的轴向振动信号，FFT及对比分析结果明显区别于正常工作钻头图谱，从而检测出了三牙轮钻头轴承故障。文章提出了新的钻柱轴向振动监测方法，可以及时发现钻头事故的前兆，实现安全、高效钻井。     

小波理论在钻柱振动谱分析中的应用

在钻井过程中,钻头与井底岩面之间的冲击、钻柱与井壁之间的碰撞常引起强烈的振动。钻柱振动与钻压、转速、地层岩性、井身结构、钻头磨损状况等有关。它能引起钻柱的疲劳破坏,严重时可造成钻具断落及其它井下事故,甚至导致整个井眼报废。傅立叶方法分析钻柱振动谱,解释效果不理想,而小波分析能对各种时变信号进行有效的分解,能在不同频段上更细致地研究钻柱振动信号特征。在快速傅立叶变换方法的基础上,利用小波理论开发出了小波细化分析方法和小波包方法。经过室内实验和现场测试检验,小波分析能更清楚地反映数据的特征,得到的谱图更清晰,不仅为钻井工程监测和故障诊断提供依据,而且有助于建立钻井工况故障档案。     

小波包变换在井眼防碰振动信号处理中的应用

随着海上油气田加密井调整开发技术应用越来越普遍,钻井过程中井眼碰撞的风险也成了一个不容忽视的问题。在采用钻头振动波方法进行丛式井防碰监测时,将小波分析应用于复杂环境下钻头振动信号的特征提取。采用小波包对信号的各频带进行分解,将信号分解成不同尺度域,得到信号在不同频带内的能量分布特性,通过能量大小对比分析,得出了振动特征显著的4个尺度。对特征尺度进行功率谱分析发现,其信号幅值和能量集中在200～300 Hz范围内;当钻头趋近邻井套管时,信号特征分量发生显著变化,为防碰信号处理提供了新的思路。     

基于EMD和HT时频分析方法的滚动轴承故障诊断

针对滚动轴承故障信号的非线性非平稳特征,提出一种基于EMD和HT的时频分析方法。首先对滚动轴承振动信号进行经验模态分解,然后对分解后的固有模态函数分量作希尔波特变换,得到各分量的时频图,清晰直观地显示出信号的时频分布,从而比较方便地从混有背景信号和噪声的振动信号中提取轴承故障信息。通过现场应用,证明了该方法的有效性。     

应用数据采集器进行轴承故障诊断

阐述了滚动轴承故障诊断技术在55 kW排风机上的应用,通过现场检测、频谱采集、数据计算和分析,确定了轴承外环产生缺陷、滚动体受损的原因.进行检修和处理后,设备达到良好的运行状态.     

钻进过程中基于小波包理论的岩性识别研究

提出了一种利用钻柱轴向振动调幅信号实现岩性识别的方法.三牙轮钻头钻进不同岩石时易引发携带强烈背景躁声的钻柱轴向调幅振动信号,采用小波包多层分解、域值滤波、最优向量选取及重构信号等方法并结合快速傅立叶变换频谱分析,有效地提取出被噪声淹没的调幅信号,检测出中心频率及其边频率带,计算出与岩性相关的综合齿数,从而快速、有效地实现了岩性分类.     

小波神经网络在往复泵故障诊断中的应用

小波分析是一种新的信号处理技术, 具有良好的时频局部化特征。将小波包分析应用于往复泵的故障特征提取, 建立了往复泵小波神经网络故障诊断模型。该模型使用小波包分析的特征提取及神经网络的非线性映射特性, 可完成从测量信号到往复泵故障的分类。以此为基础开发出的故障诊断软件系统具有使用的特征量少, 建造故障诊断系统较为简单等优点。通过对往复泵液力端多故障诊断实例的检验表明, 该系统完全能够较准确地识别出往复泵液力端多种常见故障。     

基于小波包与神经网络的往复压缩机故障诊断方法

针对用传统方法难以提取往复压缩机故障特征的实际情况，提出用小波包分解和单支重构来的构造能量特征向量的方法，直接利用各频段成分能量的变化来提取往复压缩机的故障特征。用该方法构造的特征向量能突出反映往复压缩机的故障特征，通过用径向基（RBF）神经网络进行故障诊断，结果表明，该方法可有效地诊断往复压缩机的各种故障。另外，该方法对其他设备的故障诊断也具有借鉴意义。