D500—11—2离心鼓风机故障浅析

对鼓风机多次故障作了总结性分析,找出了故障产生的原因并提出解决问题的方法.     

数据不完备下基于Informer的离心鼓风机故障趋势预测方法

离心鼓风机在运行过程中,监测数据缺失会导致故障趋势预测滞后和预测精度下降。针对该问题,提出一种考虑数据不完备的离心鼓风机故障趋势预测方法。首先,基于张量分解对缺失监测数据进行填补,获得离心鼓风机的完备监测数据;其次,基于填补后的完备监测数据利用深度置信网络(DBN)构建能表征离心鼓风机健康状态的健康指标;最后使用Informer方法预测健康指标的未来走势,实现离心鼓风机的故障趋势预测。案例分析结果表明,相比缺失数据,利用填补后的数据所建立的预测模型能更早预测故障的发生,同时所提出的预测方法较Transformer、长短时记忆(LSTM)和门控循环单元(GRU)等常用传统方法预测精度更高。     

离心鼓风机振动故障的诊断及解决措施

结合济钢D600-12型离心鼓风机的振动情况,详细阐述了“三维仿真试验和理论验证”的诊断过程,顺利找出机组振动的根本原因.根据故障原因,采取了可行的处理方案,振动故障彻底解决,保证了设备安全稳定运行,也为同类机组振动的诊断和处理提供了新的思路.     

离心鼓风机和离心压缩机的性能预测

以NASA TN D-6729/7487研究报告为基础,对11个离心鼓风机及离心压缩机的模型级算例进行了性能预测并与实测数据对比分析,给出了叶片或无叶扩压器级相适用的损失模型.     

罗茨鼓风机运转故障原因及排除方法

罗茨鼓风机运转故障原因及排除方法朱春雷（长沙鼓风机厂）叙词罗茨鼓风机，故障，排除罗茨鼓风机是由电机驱动，主动轴上的叶轮是由与电机相连的联轴器或皮带传动装置拖动，从动轴上的叶轮是由主、从动轴的同步齿轮副啮合拖动，并通过叶轮的啮合使气体从鼓风机进口吸入经...     

高温离心鼓风机的现场性能分析及故障排除

分析了现场高温离心鼓风机性能参数与设计参数差距较大的原因，结合现场测试，排除了管网系统不易查找的多处漏风，使机组投入正常生产运行。     

多级离心鼓风机设计技术

本文概述了多级离心鼓风机的研发技术。基于定制开发了多级离心鼓风机全参数化气动性能快速分析设计系统,可在短时间内获得在特定限制条件下优化性能的风机流道设计参数,根据这些设计参数,以模板化的方式快速建立风机转子系统的三维实体模型,进一步完成转子系统的结构强度和转子动力学分析。以此流程设计的风机,技术性能有所提高,减少了研制样机反复试验的成本。     

污水处理厂10kV高压离心鼓风机喘振现象及处理方法刍议

以上海城投污水处理有限公司桃浦污水处理厂鼓风机房1#、2#鼓风机运行过程为例,对1#、2#鼓风机在并网运行过程中产生喘振的原因进行分析并提出解决方案,最后对方案实施效果进行了总结。     

基于控制速度分布的离心鼓风机三维叶片优化设计方法研究

本文对离心鼓风机三维叶片优化设计进行了研究,采用控制叶轮流道内的相对速度分布的三维叶片优化设计方法,通过控制流道内沿流线方向的相对速度分布,控制叶轮流道内的边界层增长与分离、二次流、分层效应等流动效应。在优化判据方面采用考虑旋转和曲率效应的边界层计算方法,根据不同的相对速度分布计算边界层发展状况作为优化判据。基于MATLAB编写了优化设计程序设计出一种离心鼓风机的三维优化叶片,通过CFD数值模拟分析和对比证明该优化方法实现了优化设计的目的。     

保证数据隐私的装备协同智能故障诊断联邦迁移学习方法

大数据驱动的机械装备智能故障诊断方法在近年来取得了显著的成果,当前良好的诊断效果主要依赖于大量有标注的状态监测数据以中心化的方式训练模型,然而在实际工程问题中,单一用户往往难以收集充足的高质量训练数据,因此智能诊断方法的实际应用仍存在巨大困难。在工业界,多个用户往往拥有相似的机械装备与各自收集的监测数据,因此联合多用户协同进行故障诊断建模能够良好解决数据稀缺问题。然而,数据隐私性至关重要,不同用户往往不愿将私有数据与其他用户共享,给协同建模带来巨大挑战。提出保证数据隐私的装备协同智能故障诊断方法 FedTL,各用户私有数据不出本地完成模型训练,多用户间传输共享数据高级表征;提出软标签信息传输方法,通过捕捉共享数据不同故障模式关系实现对私有数据诊断知识的传递;考虑多用户装备工况不同等场景,提出联邦迁移学习方法。通过轴承状态监测试验对所提方法进行验证,结果表明所提方法能够保证数据隐私良好完成多用户协同智能故障诊断。     

残差卷积自编码网络无监督迁移轴承故障诊断

深度学习类轴承故障智能诊断研究中,一般会假设训练数据与测试数据同分布且典型故障样本充足,而实际工况复杂多变,难以获得大量标签数据。将残差学习引入卷积自编码,并结合迁移学习,提出了基于残差卷积自编码无监督域自适应迁移的故障诊断方法。堆叠一维卷积自编码进行特征提取,通过残差学习避免过拟合,提高学习效率;融合多层多核概率分布适配来约束网络学习域不变特征;实现了基于无监督域自适应迁移学习的故障诊断,并获得了较高准确率的识别结果。采用凯斯西储大学轴承数据集进行验证,结果证明了所提出方法的有效性,此外还对主要参数及其影响进行了探讨并给出了对比结果。     

基于半监督最大间隔字典学习的故障诊断方法

针对有标记故障样本不足及传统半监督诊断方法识别率低的问题,提出基于半监督最大间隔字典学习算法(semi-supervised max-margin dictionary learning,简称SSMMDL)的故障诊断方法。该方法将无标记样本重构误差项添加至最大间隔字典学习算法模型中,通过最小化无标记样本稀疏重构误差项、有标记样本稀疏重构误差项、支持向量机的损失函数正则项和分类间隔正则项,实现字典和支持向量机的同步学习,从而获得判别能力较强的字典。在此基础上,运用稀疏编码获得测试样本的稀疏表示,利用基于稀疏表示的分类器进行故障识别。通过对转子不同故障进行识别,结果表明所提方法较相关对比算法识别准确率更高,可以满足机械故障在线监测的需要。     

一种残差注意力迁移学习方法及其在滚动轴承故障诊断中的应用

提出了一种基于残差注意力卷积神经网络(CSRA-CNN)的迁移学习算法,用于提高滚动轴承的故障诊断精度。在卷积神经网络模型中加入残差注意力机制,使模型在训练过程中更加注重故障特征的提取,从而有效提高迁移准确率。为了测评基于残差注意力卷积神经网络的性能,将其与传统卷积神经网络在不同迁移学习策略下的结果进行对比。用动力传动故障诊断综合实验台和高速列车综合实验台对所提算法进行了验证,该方法可以完成变转速以及变转速变载荷下轴承不同健康状态的迁移学习,且迁移效果均优于传统的卷积神经网络。     

基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法

针对滚动轴承故障诊断在工程实际中故障数据稀缺的问题,提出一种基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法。首先利用典型故障信息丰富、标记样本充足的滚动轴承数据构建多源域数据集,使用不同源域的数据对源域特征提取器与分类器进行预训练;然后利用基于动态时间规整的shapelets学习算法提取源域与目标域的shapelets作为判别结构,通过度量判别结构优化源域数据,对源域网络进行微调以得到诊断模型;最后根据每个源域与目标域的shapelets之间的差异,利用自适应域权重对各分类器的结果进行聚合得出诊断结果。实验结果表明,该方法在小样本与强噪声的情况下具有较高的故障诊断准确率。     

基于神经网络的海上离心泵智能预警诊断技术研究

海上石油的发展将推动智能油田建设,加快数字化能力提升.针对海洋石油的开采环境和机组特点,建立了海上离心泵的在线监测系统.设计基于神经网络技术的智能预警诊断算法模型,与海洋石油设备在线监测系统进行融合,搭建基于在线监测和神经网络的海洋石油关键机泵的智能诊断系统.通过实验测试和应用测试表明,该模型能够可靠地实现对海上离心泵...     

基于增强迁移卷积神经网络的机械智能故障诊断

现有的基于深度迁移学习的智能诊断方法通常对源域和目标域特征对齐来减少两者分布差异,没有考虑源域类别决策边界对目标域特征匹配的影响,针对此不足,提出了一种增强迁移卷积神经网络(Enhanced transfer convolutional neural network,ETCNN)来改进机械设备在变工况下的诊断精度和泛化...     

基于包络解调的离心式压缩机弱故障信号增强方法研究

在离心式压缩机使用要求不断提高下,为了增强故障诊断精确性,提出基于包络解调的非平稳工况下离心式压缩机弱故障信号增强方法。将小波包分析和独立分量分析结合,通过小波包分析法对含有噪声的混合信号进行降噪,根据 FastICA 算法分离降噪后的混合信号,对分离出的信号采用收缩函数实行频段内的去噪操作,完成多源故障信号分离去噪。在故障信号分离的基础上,考虑到被分离出的信号伴随着微弱噪声,进一步通过包络解调随机共振实现弱故障信号增强。对多源信号分离结果进行包络解调操作,并对包络信号实行变尺度随机共振输出处理,实现故障特征信号增强,达到故障诊断的目的。通过实验分别对此方法的信号去噪增强效果和故障诊断精确性进行验证,实验结果表明,该方法不仅弱故障信号增强效果显著,且故障诊断鲁棒性强,精度高,具有可实践性。     

基于多特征融合多核学习支持向量机的液压泵故障识别方法

提出基于多特征融合多核学习支持向量机的液压泵故障识别方法。该方法首先对原始信号进行集总经验模态分解,然后分别用AR模型和奇异值分解两种特征提取方法提取故障特征,最后将不同类型的特征分别用相应的核函数进行映射,用多核学习支持向量机来识别液压泵的工作状态和故障类型。实验结果表明该方法显著地提高了故障诊断的准确性。     

基于物联网监测的起重机安全预警

为保障起重机安全、可靠运行,该文提出基于物联网技术监测起重机实时运行状态,对起重机危险运行进行报警并采取相应应急处理的方法.同时,为了解起重机未来运行状态,将监测数据转化为表征起重机性能的退化特征值,通过建立熵值分配和神经网络修正的灰色综合预测模型预测特征值的风险趋势,以归一化数据处理方法综合不同退化特征值实现安全预警.以某型号冶金起重机起升电机为例进行了仿真,仿真结果表明:安全预警模型高效、可靠.