基于倒频谱分析的球磨机减速机故障诊断

介绍了倒频谱分析的基本原理及在齿轮减速箱故障诊断中的应用。鉴于球磨机齿轮减速箱振动信号中调制源多、频率成分复杂，功率谱中存在大量的非对称边频带及周期性结构信号导致故障识别工作困难的问题，运用倒频谱分析法对其进行故障诊断，它能将功率谱上成族的边频带谱线简化为单根谱线，分离和提取出密集泛频信号中的周期成分、多成分边频，快速准确诊断球磨机齿轮减速箱中零件的故障。     

基于频谱分析的离心泵振动故障诊断与处理

针对某炼化企业离心泵振动故障的实例,采集振动信号,运用频谱分析方法进行故障诊断并加以解决,提高了设备的检修效率.     

陶瓷厂球磨机齿轮减速箱倒频谱故障诊断法

介绍了倒频谱分析的基本原理及在齿轮减速箱故障诊断中的应用.鉴于球磨机齿轮减速箱振动信号中调制源多、频率成分复杂,功率谱中存在大量的非对称边频带及周期性结构信号导致故障识别工作困难的问题,运用倒频谱分析法对其进行故障诊断,它能将功率谱上成族的边频带谱线简化为单根谱线,分离和提取出密集泛频信号中的周期成分、多成分边频,快速准确诊断球磨机齿轮减速箱中零件的故障.     

奇异值分解技术在齿轮箱故障诊断中的应用研究

首先利用伪相图确定齿轮箱振动信号的基本周期，并在此基础上对原始信号进行时域平均降噪处理。然后应用奇异值分解技术提取各齿轮轴的振动信号分量，并对此振动信号分量作进一步的时、频域分析，给出了描述齿轮轴振动信号分量变化的定量指标。最后结合实例说明这种方法对诊断齿轮箱故障是比较有效的。     

电流频谱分析在电动机故障诊断中的应用

中原油田采用电流信号调理技术,在不影响电动机运行的条件下,对电动机的电流信号进行频谱分析,可对典型的机械故障做出准确诊断,包括:转子损坏,机械不对中和不平衡,基础松动,静态和动态偏心,铁芯损坏,绕组松动,匝间短路和轴承故障。     

基于频谱分析的离心泵故障诊断

通过对离心泵典型故障进行理论、实验和运行分析,剖析其主要故障特征,为有效甄别各种故障提供理论依据和技术支持,对诊断实施方案的进一步优化打下一定的基础。     

基于小波包与PCA遗传神经网络相结合的齿轮箱故障诊断方法

针对风电机组齿轮箱振动信号非平稳、不确定的特点,提出基于小波包与PCA遗传神经网络相结合的风电机组齿轮箱故障诊断方法。该方法选取振动信号的峭度和峰值作为时域特征值,利用小波包算法提取频带能量和二范数作为时频域特征值。考虑到特征值之间的相关性,利用主成分分析法确定主成分,从而减少神经网络的输入变量。利用遗传算法对BP神经网络权值和偏置进行优化,建立遗传神经网络的故障诊断模型。仿真测试结果证实了算法的有效性。     

基于LabVIEW的矿井提升机故障诊断系统设计

矿井提升机主要作用是负责煤矿、人员、设备等的垂直运输,结构组成复杂,出现故障风险较大。利用LabVIEW设计矿井提升机故障诊断系统,选择适合于井下环境的传感器,将采集到的信号经过处理放大后传递到上位机,根据信号处理结果做出相应指令,确定故障位置与故障原因。详细介绍系统结构与软硬件组成,故障诊断系统诊断及时,抗干扰能力强,对矿井提升机保护作用明显。     

基于光谱-铁谱分析的航空发动机磨损故障诊断应用研究

飞机航空发动机实施油液监控是新的现代维修监测手段。本文基于光谱及铁谱分析技术联用,对某型航空发动机在不同时间、不同工况下的滑油进行分析监测,识别预测磨损类型及故障部位,验证结果表明:通过对滑油进行光谱分析能够发现监测油样中的超标元素,进而利用铁谱基片观察,并与FITS铁谱图像系统进行对比,能够较为准确地定性磨粒类型,发动机返厂分解验证结果与磨损故障部位诊断预报一致性较高;结合实际监测油样,给出了某型发动机轴承故障的主要类型及故障原因分析,为实现对航空发动机故障诊断和故障预报提供了一定的技术支撑。     

基于核Fisher包络分析的间歇过程故障诊断

随着间歇过程越来越受重视,其过程监控和故障诊断技术也成为研究热点。以核Fisher判别分析为基础,提出了基于核Fisher的正常工况与故障包络面模型,给出了基于该模型的在线故障诊断流程。此方法利用了Fisher判别分析对类别的划分特点,分别针对正常工况数据和各故障类型数据建立包络曲面模型。与多向Fisher判别分析相比,该方法按批次方向将数据展开,能够解决生产周期不一致问题,在线故障诊断时也不需要预报完整的生产轨迹,并且加入核函数来处理复杂的非线性。最后在青霉素发酵过程的仿真平台上对该方法进行测试,与改进多向Fisher判别分析方法进行对比,该方法获得了满意的诊断效果:能够及早诊断出故障的发生,并在有效识别已有故障的同时还具有对新故障的自学习能力。     

基于LabVIEW的齿轮故障智能诊断系统

利用Lab VIEW平台开发了齿轮故障诊断系统,系统主要采用共振解调诊断和BP神经网络诊断两种方法。共振解调诊断由Hilbert解调和小波包解调实现故障频率识别;神经网络诊断由对有量纲、无量纲参量提取的特征和根据小波包相对能量提取的特征作为神经网络的输入向量,以齿轮的故障类型作为输出向量,采用BP神经网络对齿轮进行诊断。实验结果表明:通过引入时频分析方法,故障频率检测精度高,故障类型识别准确率较高。     

海上风电机组状态监测与故障诊断的发展和展望

为实现海上风电机组的可靠运行,对其状态进行有效监测与故障诊断是关键.在分析海上风电机组主要部件的状态监测与故障诊断研究现状的基础上,介绍海上风电场的状态监测系统,以及海上风电机组故障诊断存在的问题和发展趋势.     

一种基于可预测元分析的故障诊断方法

将可预测元分析(Fore CA)引入到过程监控中,通过选取合适的可预测元并构造能够反映系统运行状况的统计量对在线数据进行统计监控,克服了主元分析(PCA)方法假设数据服从高斯分布且无法反映系统动态时序特性的缺陷,能很好地描述工业过程的动态特性并进行故障检测。TE模型上的仿真结果证明了Fore CA在工业过程监控中的可行性与有效性。     

基于虚拟技术的齿轮故障智能诊断研究

利用LabVIEW图形化编程语言开发了信号分析与处理、信号特征提取和故障诊断三大模块。信号特征提取由小波包分解来实现,故障诊断通过神经网络完成,小波包分解提取的齿轮振动信号各频段能量特征值作为神经网络的输入向量。以模拟故障实验台获取的齿轮典型故障振动信号训练神经网络,利用训练好的神经网络对齿轮进行故障诊断,实验结果表明：所开发的齿轮故障智能诊断系统能有效识别齿轮故障,较好地将虚拟技术应用于故障诊断领域。     

基于振动信号的深沟球轴承滚动体故障诊断研究

目前针对滚动轴承内、外圈故障的诊断方法较为有效,但难以诊断滚动体故障。针对这种情况,利用时域统计参数(有效值、峭度、脉冲因数、裕度因数)与Hilbert包络谱两种方法,对不同转速、负荷和故障程度情况下滚动体故障与正常状况的振动加速度数据进行比较分析,得出了滚动体故障难以诊断的原因,并给出了解决方法。     

基于距离分析的邓式灰关联在故障诊断中的应用

传统邓氏灰关联方法是采用等权重的形式求取关联度,其关联度带有较大的主观因素,易造成信息损失,造成错误的故障诊断。针对存在的问题,本文引入了距离分析法,利用非匀权重的形式求取关联度,体现五种油中溶解气体对判断变压器故障类型的不同程度影响。它的特点是权重的分配不受主观因素制约,完全由样本数据信息决定。将该方法用于变压器故障诊断,结果表明,该方法可行有效,有实用意义。     

基于极限学习机的汽轮机故障诊断

针对汽轮机故障诊断中出现的多故障识别问题,为有效提高汽轮机多故障诊断的准确率,提出了基于极限学习机的汽轮机故障诊断方法.极限学习机算法在训练时只需设置隐含层神经元个数,从而解决了如神经网络及支持向量机等多参数选取困难的问题,有效地提高了学习机的训练速度.在确定了最优参数的基础上,将极限学习机应用于汽轮机故障诊断模型中,并将极限学习机的故障诊断结果与支持向量机的诊断结果进行对比.结果表明：基于极限学习机的多故障诊断速度及准确率均明显优于支持向量机的诊断结果,对汽轮机故障诊断的实践有非常显著的指导作用.     

基于小波理论的主元分析在故障诊断中的研究与应用

主要分析主元分析的原理和主要算法及其在故障诊断方面的应用 ,简单介绍数据预处理的小波分析方法 ,并把这两种方法结合用于过程故障诊断。常减压装置的应用实例表明 ,结合这两种方法进行基于过程的故障诊断取得了较好的效果     

基于粗糙集与人工神经网络的烟气机故障诊断

提出了一种粗糙集理论与神经网络集成的烟气机故障诊断方法。首先应用SOM网络对故障诊断数据中的连续属性进行离散化,然后根据粗糙集理论,借助遗传算法进行故障诊断决策系统约简,获得最优决策系统。最后在最优决策系统的基础上,设计RBF神经网络对烟气机故障进行诊断。试验结果显示,该方法可以有效提高烟气机故障诊断的精度和效率。     

神经网络技术在分布式系统智能故障诊断中应用

阐述智能故障诊断技术的特点，针对多层次分布式系统，提出分层模块化的两种诊断模式及分层预处理规则；并就神经网络同其它诊断技术相结合的综合智能故障诊断模式的实现方法、特点及可行性作了进一步探讨分析。