大型暂冲式风洞自主式维修保障系统研究

2.4米×2.4米暂冲式风洞长期面临着繁重的试验任务,部分设备经常处于超负荷运行状态,故障频次、维修负担也逐年加重。为了解决风洞试修矛盾,提升风洞试验能力,本文基于故障预测与健康管理技术,针对2.4米×2.4米暂冲式风洞的运行和保障需求,结合风洞装备管理业务流程,从数据采集、数据存储、数据分析、数据应用这四个工作流程出发设计了系统软硬件架构,最终搭建了大型暂冲式风洞自主式维修保障系统。实现对故障的实时监测、诊断、预测。经过系统运行实践证明,风洞设备的故障率显著降低,试验能力和效率提升明显,初步建立了风洞的视情维修保障体系。     

Φ1米高超声速风洞自主式维修保障系统设计

为了解决Φ1米量级高超声速风洞装备试修矛盾,提高风洞参试效率并拓展风洞技术性能,实现风洞装备管理信息化和过程质量控制精细化,满足国家高超声速武器装备和航天飞行器研制中地面试验的需求,提出了建设Φ1米量级高超声速风洞自主式维修保障系统;文章分析了风洞的设备组成、运行方式、试验任务特点以及风洞装备维修保障的现状,按照“增强的基于状态维修”的装备保障新模式,进行了系统设计架构,明确了硬件系统组成和软件各模块的功能;对风洞装备故障模式分析、基于振动特性分析的诊断和测试技术、基于应变特性分析的诊断和测试技术等关键性问题进行了实验探索与验证。     

风洞群真空泵组集中监测与智能故障诊断系统的设计

真空是风洞群开展试验必备的动力资源;作为风洞群动力保障之一,真空泵组具有数量多、分布分散、结构复杂、集成度高、运行噪声大等特点;为满足真空泵组设备健康管理和维修决策支持的需要,设计并研制了风洞群真空泵组集中监测与智能故障诊断系统;该系统采用PLC隔离通信、数据可视化、设备状态监测及智能预警、基于故障机理和规则推理的专家系统等技术,实现了真空泵组的集中监测和故障智能诊断,解决了风洞动力设备故障预判和提前预警困难、故障定位不易准确、缺乏专家知识库等问题;经实用验证,该系统实现了风洞群真空泵组故障智能预警和故障诊断分析,提高了综合诊断监测效率,值得推广。     

面向风洞群的装备自主式维修保障系统框架设计与实现

基于CBM的风洞自主式维修保障系统在多座风洞中已经得到成功应用,在夯实基础、积累成果的前提下,着眼于实现适应多座风洞联合保障的架构,应用虚拟化、云计算、光纤通讯、故障诊断、故障预测、统一设备编码、IETM等多项先进技术,设计并研制了一套面向风洞群的开放式装备自主维修保障系统,实现了各风洞在自主式维修保障功能上独立和在存储及计算资源上共享的有机结合,进一步提高了装备保障效率,有效节约了物理资源,其开放性使得系统随时可根据需要扩充虚拟集群,为集群型装备的自主式维修保障系统建设提供了先进的技术参考方案。     

基于InTouch的风洞自主式维修保障系统监控软件设计

信息技术的发展促进了组态软件的成熟与完善,在工业控制、轨道交通、水电供给乃至武器装备运行控制等领域得到广泛应用。为了配合风洞自主式维修保障系统,提升风洞的维修保障能力与实时的在线监测能力,通过InTouch组态软件设计并应用了可靠、稳定的数据接口;搭建了运行流畅、信息丰富、实时性好的监控软件;为风洞提供了良好的装备状态监测平台。其满足风洞自主式维修保障系统对信息监控及表达的一体化、自动化和可视化的要求,并成功应用在某型风洞中。     

产品新闻发布

航天测控公司首次将健康管理技术(PHM)成功应用到风洞自主式保障系统中本刊讯:风洞设备的试验能力是一个国家航空航天水平的重要体现。而风洞试验设备的维修保障是确保装备性能、保持装备优良状态的重要举措,直接决定着风洞的试验能力。针对风洞试验装备长期以来普遍存在的维修不足、维修过剩所导致的装备保障预见性、及时性、有效性不足等问题,北京航天测控技术有限公司基于视情维修的理念,采用国际先进的装备自主式维修保障思想,为用户提供了风洞自主式维修保障系统级解决方案。     

工业设备微机状态维修管理

本文根据工业设备的故障特点，钭故障检测与容错技术相结合，提出利用故障信息对设备运行状态进行预测维修的管理方法，并对其具体实现问题进行了分析和讨论。     

基于LIB-SVM的电子设备故障预测方法研究

为及时了解电子设备的运行状态,实现电子设备未来某时刻故障预测,将“事后维修”转变为“事前预防”,在统计学习理论(SLT)的基础上,采用LIB-SVM支持向量回归方法,对小样本、非线性条件下的数据进行拟合,并根据自动测试设备(ATE)测得的实际数据及专家经验,对该方法进行了验证;经实验证明,该方法是可行的、有效的,对电子设备的故障预测具有较高的准确度.     

公共交通PHM的研究与应用

故障预测与健康管理（Prognostic and Health Management,PHM）采用智慧运维方式实时监测公共交通的运行状态,挖掘公共交通设备和车辆运行数据,实现故障预测、按需检修、精准维护的功能。利用PHM技术实现对“公共交通健康”的科学管理,能够提高公共交通设备的可靠性,降低故障发生率,提升运营效率和经济效益,在公共交通管理中具有较好的实用价值。     

基于LSSVM的电子装备故障预测研究

针对电子装备的故障信息不足,故障发生率高等特点,通过故障预测有效的监测设备故障状态以及发展趋势,实现对设备的事先维修,避免重大事故的发生,提高电子设备的安全性。对电子装备故障预测进行了分析,提出了一种基于最小二乘支持向量机（LSSVM）的故障预测方法。首先介绍了LSSVM故障预测算法的基本原理和预测流程;然后,对整个电子装备的故障预测研究可以从一个类似的模拟带通滤波器电路故障预测研究出发,将该元件容差设为不同范围来定义电路的不同故障状态,将LSSVM方法与最小二乘法、支持向量机法对电路的不同状态进行预测,可以得到不同状态的预测值,研究结果表明提出的方法能够实现模拟电路的缓变故障预测,且预测效果较好。     

基于大数据的风电设备远程故障监测与诊断系统研究

大数据、云计算等新一代信息技术的快速发展,推动风电设备状态监测技术进步。文章通过风电设备远程监测与故障诊断平台建设实践,从系统功能、平台建设、故障分析等层面,论述了如何基于大数据实现对风机故障预诊断,提升风力发电机组监控与管理水平。通过对机组运行状态的实时在线监测,利用系统内智能数据报警策略准确筛选机组异常,借助于人工智能分析诊断系统和远程专家的综合分析评价,滚动预测故障未来的发展趋势,帮助用户优化风机维护检修工作,减少停机损失,降低维护成本,提高风机利用率。在集控中心预检测平台建立大数据存储、处理、分析、诊断服务器,收集风场各项数据后与专业厂家存储的数据资源整合,建立各种类型风机故障模型,集控中心培训诊断分析师可通过对比找出故障曲线特点和规律,对实时数据经诊断分析后提出整改措施,提前预防风机故障的扩大,开发相关监视及报警系统,联合风机传统监控系统提高监控中心的设备管理能力。     

企业离散式智能设备预测性维护综述

针对智能设备的大量使用且缺乏根据监测大数据进行故障自动分析、判断与处理的问题,研究了基于物联网技术、大数据技术、边云协同技术的智能设备预测性维护框架和模式.提出针对非智能设备安装传感器实现设备智能化的方法.指出边缘计算负责设备工况数据的实时采集、分析,可快速甄别设备故障并实时报警;云计算聚焦同类设备运行海量历史数据的挖掘和分析,形成故障自动预测分析和诊断模式并下载至智能边缘设备.在研究了模型驱动、数据驱动、概率统计驱动、数字孪生和概率数字孪生驱动等故障预测模式后,提出了采用数据驱动的多层级数据融合模式,为制定企业性智能设备维保方案提供借鉴作用.     

10kV配网电容器在线监测与故障诊断系统

目前大多数电力电容器状态监测系统存在实时性不足和数据频密度不足的缺点,难以实现准确的在线故障预判,易导致故障处理滞后或误报等不良后果。文章立足于电力电容器运行和维护的实际需求,构建了一套完整的电力电容器故障在线监测系统,并给出了一套采用神经网络融合电容器电流、电容、电阻和电压等信息的故障诊断模型和方法,并在实际中进行了应用。在实际应用中,该系统能及时并准确地对电容器的异常状态和故障特征进行捕捉,避免了故障判断的滞后性,提高了获得数据的准确性,能够提高电网设备的运行和维护效率,提升电网运行可靠性。     

基于反射内存网络的风洞测量系统状态监测系统设计

为了解决某风洞测量系统监测覆盖面不全、监测手段缺乏、监测数据管理效率低下等不足,在现有设备基础上搭建了环形反射内存网络,构建了状态监测系统;介绍了系统的硬件组成和软件设计方案及实现;状态监测软件基于LabVIEW和SQL Server开发,将测量设备状态信息集中采集、处理、存储,实现了对测量系统设备的实时监测和数据分析等功能;应用结果表明,系统具有良好的实时性和可靠性,功能完备,界面友好,满足风洞试验运行监测要求。     

基于PHM的自动气象站健康评价与故障预判方法研究

针对自动气象站建设和应用规模大、运行监控手段单一、维护保障成本较高的现状，首次将PHM技术理念应用于自动气象站的运维管理之中；采用层次分析法通过构造判断矩阵、专家打分、确定权重从而以“健康值”的形式对自动气象站综合健康状态进行评价；通过对状态信息与历史极值、故障信息进行判断，提出了一种对自动气象站供电和通信故障“两级告警”的预判方法；通过开发软件系统实现了健康评价和故障预判方法的应用，能够较为合理地量化自动气象站健康状态、对疑似故障发出及时告警；该方法丰富了自动气象站运行监控方法，减少了故障的排除诊断与修复时间，同时也为PHM技术在气象探测设备中的应用提供了思路。     

基于数据驱动的风洞风机故障诊断研究

风洞风机是风洞动力系统的核心部件,是提供风洞试验条件必须的动力源。目前在国内外低速风洞设备中,主要使用大功率电机驱动风扇,其故障集中发生在电机和风扇机构上,一旦发生故障会造成大量的停机时间,严重影响试验工作。基于风机运行采集的大量数据,将故障预测与健康管理(PHM)技术应用于风洞风机故障诊断研究,重点探讨风机故障诊断系统构建的关键步骤,以期达到提前诊断风机故障的目的。数据分析使用主成分分析(PCA)法提取风机多维故障特征,选用随机森林(RF)算法诊断风机故障状态,并探讨了两种适合算法的硬件搭建方法。通过试验验证,RF算法具有很好的故障分类能力,平均分类准确率达94%、召回率95%、查准率94%,可精确区分风洞风机故障状态。     

基于人工智能的风机塔筒倾覆智能预警系统建设与开发

传统的塔筒倾覆在线监测系统往往存在数据采集、分析单一、非专业人员很难看懂和理解、运维管理模式落后等缺陷,为了解决这些问题,本文通过研究人工智能技术,综合塔筒倾斜、基础水平、风速、风向、功率等关联信息,运用机器学习算法构建塔筒倾覆故障模型,计算反映设备状态的模型特征值,检测模型特征值的变化趋势,实现塔筒倾覆状态的在线检测和劣化过程的早期预警。同时本文还重点介绍了基于人工智能的风机塔筒倾覆智能预警系统建设目标、系统架构、诊断流程和系统开发平台,通过此系统不断提高对数据挖掘技术的能力,对风机健康状况进行更为精准的判定及故障隐患的及时发现,保障风机基础和塔筒的安全运行,防止风机发生倾斜或倒塌等重大安全生产事故。     

基于工业以太网的电气设备运行状态监测与故障诊断系统

电气设备运行状态监测系统,采用基于工业以太网的分布式测量方案,通过ADAM5000/TCP数据采集模块实时采集电气设备运行状态信号,并对运行状态进行分析和处理,实现了电气设备运行状态的监测和故障诊断.