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。     

三缸泵液力端水击现象的缸外监测

根据钻井作业中三缸钻井泵液力端水击现象对钻井泵的危害，以及现场对钻井泵内的水击现象监测手段落后的情况，探讨了用振动加速度时域信号分析水击状况的可行性。实验表明，使用压电加速度计对三缸钻井泵液力端水击现象实施缸外监测是可行的，并找到了发生水击压力脉冲的规律，即在活塞的一个压缩冲程中，信号示波表现为：加速度信号变化四次，具有三大一小的峰值特征，据此判断两个大峰前吸入压力曲线末端的小峰必为水击压力脉冲。     

五缸钻井泵动力端AME Sim/Motion联合仿真研究

针对传统三缸单作用往复泵存在质量大、输出压力波动大、冲程短和冲次高等问题,提出一种新型五缸钻井泵结构。利用AME Sim/Motion仿真平台对新型钻井泵分别建立一维液压模型和动力端动力学模型,并利用软件间的接口搭建进行联合仿真,通过运动学分析与理论分析得出联合仿真模型的合理性。将一维液压模型仿真得到的液力载荷对钻井泵动力端进行动力学分析,得出连接销作用力、曲轴销作用力和曲轴输入扭矩变化规律。将曲轴输入扭矩联合仿真结果与理论值进行比较可知,所建立的联合仿真模型合理,分析结果可靠。     

基于MFO-VMD和GMFE的往复压缩机轴承间隙故障诊断方法

基于往复压缩机轴承间隙故障呈现非线性、非稳定性和特征耦合的特点,本文提出了飞蛾捕焰优化算法（MFO）优化变分模态分解方法（VMD）和广义多尺度模糊熵（GMFE）的往复压缩机轴承间隙故障诊断新方法。首先,利用MFO对VMD的模态数k和惩罚因子α两个参数进行优化,得到最佳参数组合[k,α],从而利用优化后的VMD对轴承间隙振动信号进行信号分解处理,并进行振动信号的重构分析;然后,采用GMFE熵值算法对重构信号进行故障特征提取研究,从而得到所需的故障特征向量集;最后将提取的故障特征向量集输入智能分类算法支持向量机中进行故障的分类诊断研究。研究结果表明,本文提出的往复压缩机轴承间隙故障诊断方法有效地提高诊断的准确率,具有较好的故障特征提取优越性。     

柴油机多参数监测与诊断系统

柴油机结构复杂,振源众多,常规的振动分析及单项指标测试对于故障的定位与诊断 精确度不高。针对这种状况,开发了柴油机多参数监测与诊断系统。该系统由传感器、诊断仪主 机和便携式电脑组成。通过采集振动、压力、温度、转速和功率等信号,建立故障模式库,对各 类故障综合值的评定,能够诊断出柴油机的常规故障。喷油器堵塞故障诊断的实例表明,新开发 的柴油机多参数监测与诊断系统具有较高的有效性和实用性。     

交流异步电动机故障综合诊断方法的研究

针对油田在用异步电动机故障的特性,将电流分析与振动分析2种技术相结合,开发出EDES—Ⅳ智能综合诊断系统。该系统利用EDES—Ⅳ数据采集器采集电流信号和振动信号作为原始信号,然后利用智能故障综合诊断系统将采集数据进行分析与处理,实现电动机状态监测与故障诊断。该综合诊断系统已在塔里木油田分公司所属6个作业区应用137台次,预报或诊断故障52台次,故障诊断准确率达86.5%,年平均可节约维修费用约20%。     

钻井泵振动信号分离与特征提取的研究

目前钻井信号信息处理难以满足井场生产的迫切要求,为此,将信号处理的模式滤波法应用于钻井泵声振信号的分离中,并引入声振信号的数字化音频技术和操作子的归类处理,以及操作子参数统计分布规律与特征的提取,实现了钻井泵声振动信号的分离和识别,以及井场设备故障的识别与诊断。研究表明,利用操作子之间的相似性可以实现不同类操作子的分类处理,无论是低频振动,还是高频冲击成分,各类操作子均有很好的对应关系和规律性。     

空分装置空压机振动监测及故障诊断

利用离线数据采集-故障诊断系统对空压机进行状态监测，结合工艺运行状况、设备结构特点，对振动超标的机组进行频谱分析和故障诊断，实例说明了振动信号分析技术的可能性及有效性。     

钻井泵主要部件维护保养技术要求

为了使钻井泵在运转中长期处于良好的工作状态,提高生产效率,减少停机损失,延长使用寿命,需要对钻井泵进行良好的维护保养。为此,针对钻井泵主要部件包括润滑系统、动力端、滚动轴承及液力端,根据长期使用经验,提出了详细的维护保养技术要求,供钻井工程师参考。     

基于振动信号分析的电潜柱塞泵故障诊断方法研究

振动信号能够全面反应电潜柱塞泵的运行工况,在电潜柱塞泵的故障诊断中,针对不同工况下的振动信号进行分析尤为重要。提出了一种基于振动信号分析的电潜柱塞泵故障诊断方法,采用改进的隐层神经元数变动的神经网络系统,根据不同情况选择不同节点数,使其达到提高诊断精度及缩短诊断周期的双重要求。对电潜柱塞泵正常运行以及动子不平衡、动子机械磨损运行时的振动信号进行分析研究,利用小波包提取振动信号的能量特征,利用神经网络识别故障。现场试验结果表明,网络训练后实际输出达到允许误差范围,网络测试结果也能与实际状态相对应。该方法能够对电潜柱塞泵进行有效、准确的故障诊断。     

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。     

运用粗糙集与小波神经网络诊断往复泵故障

提出一种粗糙集理论与小波神经网络集成的往复泵故障诊断方法。首先利用小波包对采集信号进行分解和重构能量特征向量。然后应用SOM网络对故障诊断数据中的连续属性进行离散化,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。在最优决策系统的基础上,设计RBF神经网络对往复泵故障进行诊断。试验结果显示,该方法可以有效提高往复泵故障诊断的精度和效率。     

三缸泵泵阀故障的幅值域多参数诊断法

采用振动信号幅值域多参数（如峭度指标、裕度指标和脉冲指标等）诊断法,可较准确地判别三缸泵泵阀的故障。通过对测取的三缸泵阀箱上泵阀关闭过程振动加速度信号的幅值域多参数的统计分析证明,采用振动信号幅值域多参数诊断法可有效提取泵阀失效故障的特征信息,且故障信息特征非常明显。由于仅用较少的几个参数就可完成对泵阀状态较准确的描述,大大简化了泵阀故障特征的提取。可见这种诊断法具有简单实用、所用特征参数少和易于建立泵阀故障诊断系统数据库等优点。     

基于神经网络的容错控制方法在CSTR中的应用研究

针对一个连续搅拌釜式反应器,将容错控制(FTC)与故障诊断(FDD)方法相结合,提出了一种关于传感器故障的容错控制方法。用RBF神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,将故障参数与修正的Bayes分类算法相结合,进行传感器故障的在线检测、分离和估计。当传感器发生故障时,认为是系统处于不同的工作模式,利用估计出的状态值在线训练神经网络控制器的参数,使网络适应系统新的(故障)状态,维持系统性能。仿真结果表明,方法具有很强的关于传感器故障的容错能力。     

基于神经网络的海水淡化系统产水模拟及预测

海水淡化是一个涉及传热传质等诸多因素的复杂的非线性过程。为了克服传统数学建模方法在模拟仿真精度和实时性方面的不足,对大样本空间的神经网络构造及网络学习加速方法进行了大量探索及尝试,成功地将神经网络技术引入海水淡化产水过程中构造新的产水模型,建立了以空气入口干球温度、预冷器进口冷却水温度、海水喷淋温度和海水喷淋量作为输入参数的海水淡化系统神经网络模型。分析表明,该模型不仅具有较高的仿真精度,而且保持了系统原有的光滑性,能满足系统实时仿真模拟预测的要求。     

基于BP神经网络的螺杆泵井故障诊断方法

将神经网络原理应用于地面驱动螺杆泵采油系统的故障诊断,采用改进的BP神经网络,根据螺杆泵井的故障特点,通过理论研究,选取能够表征油井生产状态的状态变量作为神经网络的输入向量,归纳出常见的螺杆泵井故障形式作为目标输出。同时采集了大量现场数据,并进行分类整理,构成了网络的训练样本。通过对网络进行训练,获得具有一定泛化能力的网络。利用VB与Matlab编制的相应软件进行螺杆泵井的故障诊断,获得了正确的诊断结果,证明该方法具有一定的实用性。     

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。     

基于多源异构信息融合的机械故障诊断方法

针对振动信号或红外图像等单类型传感器信息难以准确表征机械设备的健康状态,存在诊断不确定性的问题,提出基于改进卷积神经网络(CNN)的多源异构信息数据级融合诊断方法。首先采用变分模态分解(VMD)和希尔伯特变换(HT)方法将振动信号处理成与红外图像同维的时频图像,并将其与红外图像进行数据级融合,得到多通道融合信号,然后将该信号输入到多通道卷积神经网络中进行训练以构建融合诊断模型,最后通过转子系统故障诊断实例验证了所提方法的正确性。研究结果表明:CNN、SAE和DBN等特征学习方法可以自适应逐层提取特征,提取的特征包含更多有用的诊断信息,优于人工提取特征;多源异构数据对不同故障类型敏感性不同,具有互补性,融合诊断正确率更高,可实现对设备健康类型更精准的判断;多源信息融合诊断方法可以很好地保留原始输入信息,对实验室转子系统故障实现精确诊断;该方法可以减少数据需求量,在小样本背景下具有良好的诊断性能;该方法对噪声敏感性低,在噪声环境下具有较好的鲁棒性和抗噪性。研究结果可为旋转机械的故障诊断提供一定的参考。     

离心式注水泵故障自动诊断技术及系统的研究

大型离心式注水泵机组振动故障是影响注水泵正常生产的主要问题.本文以模糊数学为基础,研究了基于振动信号的离心式注水泵故障自动诊断技术及系统,根据注水泵的结构特点提出了复合知识库的概念,有效地克服了传统专家系统的不足,确定了对注水泵进行诊断的检测方案、特征参量和模糊推理机,并编制了相应的诊断系统软件.将该系统应用于现场使用的注水泵机组,取得了良好的效果.