基于信息融合的机械设备故障诊断算法设计与应用

为提高大型复杂机械设备故障诊断的准确率和效率,针对故障诊断的多源信息综合分析问题,研究设计了基于信息融合的故障诊断算法,并应用于机械设备监测与故障诊断系统中。算法采用BP神经网络和D-S(Dempster-Shafer)证据理论,实现了对故障模式可信度的合理调配和多源信息的有机融合。文章以某舰船柴油机作为故障诊断对象,诊断结果分析表明,算法在机械设备故障诊断方面具有较高的准确度。     

基于Internet的故障诊断系统的模糊评判

该文利用模糊综合评判法的原理,对复杂机械设备的远程故障诊断问题进行了探讨,建立了基于Internet的故障诊断系统的多层次模糊评判模型,对远程故障诊断系统与本地故障诊断系统的性能进行了对比,通过定量分析得到远程系统的性能优于本地系统,从而说明开展远程故障诊断应用的意义。     

基于TC35 GSM模块的机械设备监测与故障诊断系统

本文介绍了一个基于TC35 GSM模块的机械设备监测与故障诊断系统，主要特点在于应用SMS进行信息传递。文中对其无线通讯模块进行了详细介绍，包括硬件设计和软件设计部分。     

基于Java的B/S结构远程在线监测系统

采用Java编程语言,实现了B/S结构的机械设备远程在线监测和故障诊断系统。设计了系统的总体框架,并分析了实时数据在存储过程中的问题及几种解决方案,进而实现了多设备多通道、嵌入浏览器的远程在线监测和故障诊断系统。     

面向对象的方法在机械故障诊断系统中的应用

针对机械设备的故障诊断,应用面向对象的方法和技术,简化了复杂系统的设计,提高了知识的表达能力和诊断效率。     

基于Java的故障诊断专家系统的构建及实现

由于旋转机械的复杂性,故障诊断对于技术人员经验的依赖很大。而故障诊断专家系统可以将这一复杂的工作变得更有成效,成为保障旋转机械设备正常运行和安全生产的有力工具之一。本文对一种转子故障诊断专家系统的知识系统和推理机作了介绍,并介绍了系统基于Java的实现。程序的应用情况表明系统具有较好的适应性。     

冶金工业的变频器应用与维护(三) 变频器在高炉系统中的应用

冶金工业作为国民经济的基础产业,得到了迅速发展。目前已经拥有超过3000家钢铁冶炼企业和近3000家有色金属冶炼企业。高炉是冶金系统的主要设备,用于高炉炼铁。本文主要介绍的就是变频器在高炉系统中的应用。     

基于小波分析的滚动轴承故障诊断系统的研究

针对机械设备滚动轴承的振动特性,研究一种优化的小波变换算法,并将其投入到滚动轴承的故障诊断中。对小波进行分解,以及阈值的选取方面进行技术性的研究,提高信噪比,提高故障诊断的精确性。在系统服务层上,使用Web开发技术开发基于B/S结构的在线监测系统,实现机械设备滚动轴承的远程监测、诊断管理。     

基于极限学习机的机械设备故障诊断研究

针对机械设备工况传感数据维度高、数据量大的特点,提出了一种基于极限学习机的故障诊断方法。首先,将机械设备传感器收集到的数据进行规范化处理,并采用过采样方法解决样本数据类别不平衡的问题;其次,通过预处理后的训练数据构建极限学习机模型,采用增量式方法确定隐层节点最佳数目。在气压系统数据集上的实验结果表明,与其他机器学习方法相比,基于极限学习机的机械设备故障诊断方法在训练速率和故障查全率上更具优越性。     

基于BP神经网络模型的电机故障诊断专家系统

针对传统机械设备故障诊断专家系统存在知识获取能力弱、求解有一定局限性等问题，介绍了BP神经网络旋转机械故障诊断专家系统，对单位BP算法，BP神经网络的建立、训练及应用作了具体说明。该系统学习效率高，故障诊断准确，已成功应用于铁路机车走行部的轮对电机在线故障诊断。     

故障诊断系统扩展功能的实现

在前期开发的基于J2EE的机械设备监视与故障诊断系统的基础上,对其功能进行了扩展,实现了系统自动发信、定时提醒、生产数据报表等功能,更进一步完善了诊断系统。     

基于小波分析的轴承故障诊断和分析

故障特征提取与表示关系到故障诊断的可靠性和准确性,是机械设备故障诊断中的关键问题,而且是机械设备故障诊断的瓶颈所在。应用小波分析理论,针对旋转机械体轴承这种典型部件,对于他们的故障特征进行提取、表示以及判断。     

粗糙集与模糊神经网络集成在故障诊断中的研究

考虑模糊聚类的数据离散功能,粗糙集理论对决策系统的约简能力,以及模糊神经网络在模式识别方面具有的优势,提出了粗糙集一自适应模糊神经网络推理系统（ANFIS）集成进行故障诊断的方案：首先,应用SOM方法离散故障诊断数据中的连续属性值;然后,基于粗糙集理论计算诊断决策系统的约简,按照实际需要确定诊断条件;最后,根据系统约简设计ANFIS进行故障诊断。4135柴油机的实际诊断结果验证了文中提出集成故障诊断方案的可行性。在数据充分的条件下,该方案可以推广应用于其它机械设备。     

英华达携众多明星产品登陆MICONEX2008

11月18日-21日,致力于旋转机械的振动监测分析、故障诊断专家系统和工业智能化仪表的英华达公司登陆MICONEX2008,展出了在国内处于先进水平的多款明星产品,包括EN8000机械设备振动监测和故障诊断系统、新一代无纸记录仪系列产品,以及拥有完全自主知识产权的EN9000系统等。     

基于预知维修的开放式状态监测系统的实现

在“预知维修”的设备管理体制的构想下,构建了一种基于因特网、面向设备管理的开放式机械设备状态监测与故障诊断系统,该系统在建立远程专家状态监测与故障诊断体系的同时,与企业设备管理信息系统有机地融合,可以为设备管理部门及时提供现场设备运行状况,并通过设备故障诊断网和设备管理信息网实现了设备管理和状态监测的无缝结合。详细地介绍了系统的构成方式和思路,并通过天津某大型电厂的应用证明了它的实用性和准确性。     

基于视情监测的数据采集方案研究

将一种基于视情监测的数据采集方案应用到高速旋转机械在线状态监测与故障诊断系统中,提高了高速旋转机械设备的故障预报概率,减少了系统数据库服务器的冗余数据存储量,更加有利于工业现场设备维护和系统数据库维护.     

计算智能在机械设备故障诊断中的应用分析

在20世纪60年代初期,设备故障诊断技术开始在美国兴起,经过几十年的发展,如今设备故障诊断技术已经有了一条完备的理论和技术体系.目前来说,智能诊断将是未来机械设备故障诊断的主要发展趋势.本文通过对智能故障诊断系统分类进行总结,论述了计算智能在机械设备故障诊断中的实际应用.     

故障诊断技术在煤矿机械设备中的应用

介绍了煤矿机械设备维修、维护的类型,指出以故障诊断技术为基础的预知性维修和主动预防性维护是煤矿机械设备维护、维修的发展主流,阐述了常用的几种煤矿机械设备故障诊断方法,概述了煤矿机械设备故障诊断技术的研究热点与发展趋势。     

基于信号特征提取和卷积神经网络的轴承故障诊断研究

轴承是机械设备主要零部件之一,也是机械设备主要故障零部件之一。轴承故障问题为机械设备的重点,机械设备的使用受到故障轴承的直接影响。针对传统的卷积神经网络算法轴承故障诊断效率低下问题,本文提出了一种基于信号特征提取和卷积神经网络的优化方法。首先对原始数据信号进行时域和频域的信号特征提取,获得有效的故障特征值。之后,使用卷积神经网络对提取的特征值进行故障诊断,完成故障分类。本文使用美国凯斯西储大学的滚动轴承振动加速度信号作为数据集,对提出的方法进行验证,得到的故障诊断平均准确率为74.37%,准确率的方差为0.0001;传统的卷积神经网络算法故障诊断平均准确率为65.6%;准确率的方差为0.0019。实验结果表明,相比传统的卷积神经网络,提出的方法对轴承故障诊断的准确率有显著的提高,并且该方法的稳定性更佳,计算时间更少,综合性能更佳。     

基于微机图象处理的滑油磨粒测量与分析系统

介绍了一种滑油磨粒测量与分析系统。该系统运用计算机图象处理技术，对机械设备滑油中磨粒显微形态测量与分析，并给出设备当前磨损状态的铁谱报表和诊断结论。监测实例表明，该系统显著地提高了状态的铁谱报表和诊断结论。监测实例表明，该系统显著地提高了机械设备磨损状态监测与故障诊断的准确性和自动化水平，具有较高的推广应用价值。