基于云平台的综采设备群远程故障诊断系统

目前开发的综采设备远程故障诊断系统大多是针对采煤机、刮板输送机、带式输送机等单机设备,以及基于视频或虚拟现实的专家远程指导维护系统,而集云平台、远程故障诊断和专家远程指导维护于一体的设备群故障诊断系统研究很少。针对该问题,设计了一种基于云平台的综采设备群远程故障诊断系统。首先通过传感器采集综采工作面采煤机、液压支架、刮板输送机、转载机、乳化液泵站、带式输送机及供电系统等的状态监测信息;然后通过煤矿井下环网将综采设备群运行状态监测信息传输到地面服务器,地面服务器对接收到的信息进行智能故障诊断分析、数据存储、报警查询等;最后通过MQTT协议将地面服务器的综采设备群状态监测信息按照统一格式传输至云服务器进行数据处理及格式转换,并将转换后的数据利用4G/5G网络传输至移动端和通过MQTT协议传输到PC端,从而实现综采设备群运行状态监测的可视化、故障查询、故障报警及故障预警信息的及时推送。以可视化视频监控为媒介,当综采设备出现故障时,视频信息可实时转接至对应专家,专家通过视频信息远程指导井工人员进行远程维护。该系统在陕西黄陵煤矿综采工作面进行了测试,结果表明:该系统实现了综采工作面设备群的远程故障诊断,通过手机移动平台可以实现综采工作面设备群运行状态实时监测和故障预警信息的及时推送,降低了综采工作面设备群的故障率和非计划停机次数,生产效率提高了约30%。     

基于云服务器的旋转机械在线监测诊断系统设计

以LabVIEW为开发平台,介绍了基于云服务器的在线监测及故障诊断系统的设计方法。该系统采用租用云服务器的方式,减免了对监测过程大数据的维护和管理;采用分布式设备振动数据采集器方式采集振动数据,实现设备分布式管理;开发数据采集存储软件,可视化操作;结合客户端软件和Web网页操作开发状态监测和故障诊断系统,通过监测系统发现设备异常情况,发出警报通知现场人员,通过诊断系统对故障数据进行详细分析,定位设备故障,及时采取保护措施,减少经济损失。     

基于频谱分析的离心泵健康状态监测及故障诊断

泵类设备在流程工业领域应用广泛。泵的作用就像心脏输送血液一样,将各种液体介质输送到下一生产环节,是石油化工生产中用量较大的转动设备。论述了离心泵的工作原理,分析了离心泵的常见故障类型及原因,重点介绍了基于故障特征知识库的设备故障自动诊断流程。通过建立特征知识库及故障结构树,获得与故障有关的诊断规则,提高设备健康状态监测及故障诊断的可靠性。将频谱故障特征自动识别应用于石化行业、核电行业所用离心泵设备,故障诊断结论与设备解体后的实际情况相吻合。该案例验证了频谱故障特征自动识别的有效性及准确性。建议转变现有的设备维护思路和方法,将普遍采用的计划性检修向基于设备健康状态的监测和预警诊断进行转变。通过合理利用设备状态监测、故障诊断、预测性维护等手段,帮助企业、行业找到设备运行维护的捷径。     

移动无尘检修车间设备运行故障诊断方法设计

移动无尘检修车间内最重要的除尘设备是否出现故障，是整个车间设备运行是否正常的关键，因此，针对其除尘设备，构建了一种由智能终端、云平台以及远程监测系统组成的故障诊断系统，首先，介绍了该系统的整体设计构架；其次，对选择系统硬件设备和设计系统软件部分；之后，提出基于小波分析的故障检测方法，并以清灰系统中出现的漏气故障与不喷吹故障对其进行测试验证；然后测试系统硬件是否正常运行；最后，将故障诊断系统用于移动无尘检修车间进行现场测试。综合实验结果表明：由智能终端、云平台以及远程监测系统组成的故障诊断系统能够对移动无尘检修车间内的设备运行实时数据进行采集显示并能够对故障进行正确诊断。     

基于有限状态机故障因果链的连锁跳闸故障诊断和预测研究

随着变电站告警信息的规范化、大数据分析在设备监控中应用的深入,使得利用监控大数据及智能化预测分析方法解决电网连锁故障的识别问题成为可能。针对电网连锁故障识别困难的问题,本文提出了基于连锁故障状态因果链的电网故障诊断、故障演化预测及电网脆弱性评估的方法。本文首先介绍了基于有限状态机模型故障因果链的单元件诊断方法、连锁故障诊断方法,然后叙述了基于智能状态因果链构建的电网故障风险评估系统,最后以实际电网为例,验证了本文所提方法的可行性。     

面向数据挖掘的静态电源综合故障诊断研究

静态电源是机场桥载设备最重要的组成部件之一,应用非常广泛。然而,其产生的频发故障会造成设备利用率低、修复率时长和经济损失等问题,在基于桥载设备的安监系统上,提出了静态电源综合故障诊断方法,通过数据挖掘软件,建立了静态电源故障诊断预测模型。通过在线数据库测试结果表明得到了综合故障诊断方法在预测静态电源故障上显现的特点,得到了静态电源的未来状态,实现了对静态电源的实时故障进行预测,进而为解决故障提供方向和目标,最终达到降低经济损失最大化的目的。     

基于故障字典和神经网络理论的故障诊断方法

鉴于传统的故障诊断方法对复杂系统或设备进行故障诊断时,有诊断速度慢、对多故障同时发生的情况难以准确定位等缺点,提出了基于故障字典法和神经网络理论的综合故障诊断方法;在叙述该综合诊断方法的基础上,以某型飞机自动驾驶仪飞控盒的主要故障为例,分析说明了运用该方法进行设备故障诊断的具体过程,并进行了仿真研究;实现了对此设备单故障和多故障的快速准确定位;结果表明该综合故障诊断方法解决此类故障诊断问题是有效的.     

发动机故障信息综合研究平台构建技术研究

针对目前多型号多批次的无人机发动机数据存储较为分散、缺少专门的分析手段辅助设计人员快速分析发动机状态的问题,借鉴国内外较为成熟的故障诊断算法和平台构建技术,设计了发动机故障信息综合研究平台。平台内集成了飞行数据状态识别、故障诊断、分析数据库建立等多项关键技术,结合不同的飞行工况分类结果,从长期和短期的角度分别采取基于递归结构辨识(Recursive Structural Identification, RESID)的起动状态故障检测、基于自回归滑动平均(Auto Regressive Moving Average, ARMA)模型的稳态故障检测、基于参数趋势分析的故障诊断和基于深度学习的智能故障识别等不同的诊断方法,并采用飞行报告的形式实现了从数据文件输入至飞行状态分析的全流程计算和结果展示,有效地实现了发动机使用维护的数据支持和技术保障,具有一定的工业应用价值。     

基于HMM的设备故障预测方法研究

故障预测是设备实施基于状态维修的1个重要内容,是实现真正意义上精确维修的前提和基础。隐马尔可夫模型（HMM）作为1种统计分析算法,在设备的故障诊断中获得了成功应用。但对于故障的预测,传统隐马尔可夫模型存在很多缺陷,因此研究相关的改进算法,构建了基于隐马尔可夫的故障诊断和预测框架,使设备的故障诊断和预测能够同时进行。最后通过对滚动轴承实测数据的仿真验证,表明该算法具有较高的故障识别率并且对设备的剩余寿命能进行有效的预测。     

基于Apriori关联规则的汽轮机振动监测与故障诊断

针对火电厂汽轮机发生振动故障时仅依靠振动参数进行故障诊断而产生诊断时间长与诊断的原因与部位不具体的问题,提出了基于关联规则的汽轮机振动监测与故障诊断方法;分析了汽轮机振动故障产生时涉及到的振动参数与热力参数,研究了将热力参数与振动参数关联结合的故障诊断规则,确立了状态运行监测与故障诊断的系统设计思路;通过实际验证证明这种方法具有很强的实用型与可行性,对火电厂汽轮机振动故障设备的研发与改进有借鉴意义。     

基于模态逻辑的通信设备故障诊断系统研究

针对通信设备故障的复杂性、渐变性和知识的不确定性,提出了一个基于模态逻辑的通信设备故障诊断系统。首先,定义一个时态逻辑来预测设备状态,然后用改进的模态逻辑来对通信设备的故障进行知识表示和推理,通过对故障征兆和故障知识库的交互自动地识别出具体的故障,找出具体的维护方法,通过人机接口将结果提供给用户,并利用基于Agent的更新器来更新知识库。最后用一个故障诊断的例子来证明系统的可行性。     

基于深度学习的智能设备故障诊断研究综述

智能设备故障诊断技术(Intelligent Fault Diagnosis, IFD)将深度学习理论应用于设备故障诊断,能自动识别设备的健康状态和故障类型,在设备故障诊断领域引起了广泛关注。智能设备故障诊断通过构建端到端的AI模型和算法将设备监测数据与机器健康状态关联以实现设备故障诊断,但设备故障诊断的模型和算法较多且相互之间并不通用,采用与监测数据不相符的模型进行故障诊断会导致诊断准确率大幅度下滑。为解决这一问题,在全面调查设备故障诊断相关文献的基础上,首先简述深度设备故障诊断的模型框架,再根据具体应用场景和设备监测数据类型对模型算法进行分类介绍、列表对比及总结,最后针对存在的问题分析了未来的发展方向。本综述有望为智能设备故障诊断的研究提供有益的参考。     

铁道牵引供电系统故障诊断的约简模型与应用

针对铁道牵引供电系统故障诊断中的复杂信息,构建关系数据表,基于近似约简方法建立故障诊断模型,以快速地对可能发生的故障进行预测、判断和处理,从而有效地保障铁道运输安全,提高运输效率。首先,从牵引变电所的变配电设备和接触网供电系统处共收集34路信号,作为数据挖掘的输入量;其次,利用近似约简算法构建铁道牵引供电系统故障诊断模型,从数据离散化,近似约简、故障预测方面进行了详细介绍;最后,通过实例说明了这种方法的有效性,从而对正确预测设备性能和故障状态起到积极的指导作用。     

往复泵泵阀的状态监测及智能故障诊断综述

往复泵泵阀的状态监测和故障诊断的两个关键问题是有效提取往复泵运行过程中非平稳时变的系统特征信号中的故障特征信息和准确判别泵阀的故障类型并分析其故障原因。本文从故障诊断疗法的角度，提出了利用基于信号处理的方法来提取泵阀的故障特征信息以实现其状态监测以及利用基于知识的方法(尤其是智能故障诊断技术)对泵阀进行智能故障诊断，并评述了每一种方法的具体实现问题     

基于差分振子的带式输送机故障诊断方法

针对带式输送机运行状态信号微弱而不易提取故障特征的问题,提出了一种基于差分振子的带式输送机故障诊断方法。该方法采用Hilbert对信号进行解调,揭示隐含在信号中的设备故障特征,然后利用差分振子相图的变化实现对故障特征的提取。若信号中含有故障特征,则差分振子相图收敛于极环状态,反之则收敛于极点状态。应用结果验证了该方法的有效性。     

时滞系统基于对偶原理的故障诊断

研究时滞系统中含有执行器故障和传感器故障情况下的故障诊断方法,提出一种基于对偶原理的故障诊断器的设计方法.首先将故障状态转化为增广系统的状态,然后利用对偶原理将基于观测器的故障诊断器的设计问题转化为状态反馈控制器的设计问题.根据不同的要求,分别设计了渐近稳定的故障诊断器和保性能故障诊断器.利用Lyapunov稳定性理论和线性矩阵不等式技术,实现了系统的实时在线故障诊断.仿真结果证明了该方法的可行性和有效性.     

基于机器学习的水电站辅机系统设备故障诊断方法

为了提升水电站设备运行的智能化水平，研究基于机器学习的水电站辅机系统设备故障诊断方法、西部修试公司在调峰调频公司两个中心(数据中心、应用中心)前期研究成果下，开发、利用日臻完善的电力信息化平台获取运行设备状态和工况信息，从大数据本身内在规律分析的角度研究设备状态演变的关联关系和发展趋势，构建天二公司基于机器学习的辅助系统设备状态监测算法及数据分析模型框架，为设备稳定、安全、经济运行提供判断依据，为设备检修、退役决策提供支持。本项目选取了固有模态函数能量熵方法提取水电站辅机系统设备状态特征，该方法利用快速集合经验模态分解方法快速分解水电站辅机系统设备的振动信号，计算分解后振动信号的模态分量能量熵，所获取的模态分量能量熵即水电站辅机系统设备的状态特征，设置所提取的水电站辅机系统设备的状态特征作为模糊支持向量机模型的输入样本，模糊支持向量机模型的输出结果即水电站辅机系统设备的故障诊断结果。实验结果表明，该方法可以有效诊断水电站辅机系统设备故障，故障诊断准确率高于98.5%。     

一起500千伏变压器多维状态监测与故障诊断

为了提升变压器故障诊断水平并有效实现状态检修,本文针对一起500千伏主变压器内部潜伏性故障案例介绍了利用多种在线监测、离线检测等手段与故障诊断方法快速准确查找出变压器故障原因及位置。它通过采用油色谱检测、变压器振动及声音检测、容性设备在线监测、变压器局部放电检测、带电测试等多维状态监测技术开展变压器状态评价及故障诊断,并帮助实现对主变压器内部故障的准确定位和制定状态检修策略。该主变在通过状态监测及故障诊断后实现隐患故障快速准确定位,并通过紧急处理重新恢复正常运行状态,从而避免一起重大设备事故发生。结果表明,应用变压器油溶解气体色谱分析检测技术,可通过排除法准确地判断变压器故障性质和严重程度,它是早期发现变压器潜伏性故障特别有效的方法。同时,采用基于交叉小波的变压器振动信号特征量提取方法分析评价结果表明,变压器铁芯发生接地故障后其振动信号存在大量50赫兹谐波分量。借助振动及声音检测技术,能够有助于变压器故障诊断及准确定位,提高设备状态检修效率。     

铁道信号电子设备联锁故障自动检测器的嵌入式设计

针对嵌入式铁道信号设备联锁故障诊断方法检测效率低、诊断精度低等问题,提出一种铁道信号电子设备联锁故障自动检测器的嵌入式设计方法。首先,结合嵌入式设计方法,设计信号采集器完成铁道信号电子设备状态信号的采集,设计铁道信号联锁设备故障分类器,实现对嵌入式铁道信号电子设备联锁故障信号的自动提取;然后采用EMD-ICA算法实现对信号的预处理;最后,提取故障信号高维特征,配合嵌入式硬件,获得电子设备故障特征向量,完成故障自动检测。实验结果表明,基于嵌入式的铁道信号电子设备联锁故障自动检测器,可对信号进行有效去噪,且故障诊断准确率较高,平均故障诊断时间仅为2.30 s,应用效果较好。     

基于BIT故障诊断的常规配电技术研究

为了解决常规配电设备的故障诊断和快速定位的问题，以飞机常规配电系统为背景，选取设备自身状态决策项、电气参数决策项和生命周期决策项，建立故障诊断方程，提出了一种基于机内自检（Built-in Test，BIT）的故障诊断方法。经实践应用表明，该方法对常规配电设备出现的故障能快速定位，可实现故障综合诊断、告警和信息上报等功能，提升了飞机的外场保障能力和故障排查效率。同时，该技术也可应用于国内现有其他机型常规配电系统中，意义重大。