汽轮机转子故障诊断算法应用研究

对汽轮机转子故障进行诊断是确保汽轮机安全运行的关键。振动信号的分析在汽轮机转子故障诊断中广泛应用。应用小波包分析方法提取振动信号特征值,进一步作为BP神经网络的输入量,建立信号特征与其故障类型的非线性映射关系,利用神经网络实现故障诊断。仿真结果表明,该方法可以有效地对汽轮机转子故障进行诊断。     

MCKD-Teager能量算子结合LSTM的滚动轴承故障诊断

为解决滚动轴承故障时产生的信号具有强背景噪声而导致弱周期冲击特征难提取,以及在对轴承故障模式进行智能诊断时一般的诊断模型对故障振动信号的时序特征识别效果不强这两大问题,提出一种基于最大相关峭度解卷积(MCKD)、Teager能量算子和长短期记忆网络(LSTM)的故障诊断方法。使用MCKD算法对滚动轴承振动信号进行降噪处理,提取出信号中被噪声掩盖的周期冲击特征,并利用Teager能量算子检测信号的瞬态冲击,得到Teager能量序列;将结果分为训练集和测试集,将训练集输入到建立的LSTM故障诊断模型中进行学习,不断更新网络参数并提取出时间维度的特征信息;将训练好参数的LSTM模型应用于测试集,输出故障诊断结果。实验结果表明,提出的方法以端到端模式可以一次性诊断多种类型、尺寸的故障,具有很高的识别精度,是一种可以有效利用强背景噪声信号中时序特征的故障诊断方法。     

基于小波变换的水轮机组故障诊断的研究

对传统傅立叶分析技术在水轮机组振动故障诊断的故障特征提取的应用进行深入研究的基础上,针对使用该方法提取的频率信息精度不够的问题,提出了一种运用小波分析技术对水轮机组振动信号进行故障诊断的方法.采用Mallat算法并运用设定阈值的方法对采集到的裂纹转子的振动信号进行去噪,然后运用Trous算法对滤波后的振动信号的突变信号特征进行提取.结果表明本方法对水轮机组的振动信号故障诊断具有很好的准确性,为水轮机组故障识别提供了一种方法.     

汽轮发电机组振动故障分类推理综合诊断方法

分析了汽轮机组振动故障的属性，在故障诊断过程中选用模糊诊断方法，基础上提出了一种分类推理的综合诊断模型。该模型是按照故障征兆属性归类，通过分类识别缩小故障搜寻范围以利于故障的模糊诊断，然后再进行因子综合判断，对振动故障诊断的方法进行了研究。     

LLDE-SVM的滚动轴承故障诊断方法

由于采集到的滚动轴承振动信号含有噪声,以及信号本身的非线性、非平稳特性,为了能够准确的识别出滚动轴承的故障状态,提出了局部线性判别嵌入(LLDE)和支持向量机(SVM)相结合的故障诊断模型。该模型首先采用相空间和流形学习相结合对振动信号进行降噪处理;构建的高维特征空间可以通过LLDE有效的进行降维和特征提取,再通过SVM进行训练构建模型,最后进行故障识别。通过对实验数据进行分析,验证了该方法能够有效地识别出故障类型,可以应用于滚动轴承振动信号的故障诊断。     

基于人工免疫算法的机组振动故障诊断方法

将人工免疫算法的负向选择原理应用于汽轮机转子振动故障诊断中,并提出疫苗作用抗体的改进办法。该方法利用转子正常工作样本和少量振动故障样本即可得到合理的抗体集,具有边检测边学习,不断动态调整的功能,在故障诊断时可以给出快速、准确的识别。最后通过转子实验台取得的振动数据验证了算法的有效性,检测结果表明准确率达到95%。     

齿轮箱故障诊断中的正交匹配追踪算法

为通过齿轮箱的振动信号进行故障诊断,应用正交匹配追踪算法对振动信号进行处理.齿轮箱的振动信号包含了齿轮箱运行状态特征,但同时也掺杂了大量噪声信号,总体呈现出非平稳性.齿轮箱故障诊断的关键是从齿轮箱的振动信号中剔除冗余信息,用少量特征信息准确的表达信号,完成对信号中故障特征的提取.传统的频域分析法,只能从频域图上定性的判断故障,无法做到定量判断.正交匹配追踪算法是一种定量提取特征的方法,在傅里叶正交基下对振动信号进行时域向频域的映射,在频域上定量的得到主要特征,再根据主成分分析思想,提取出3组主要特征点,将已知故障分类的信号特征与待检测信号的特征进行对比,通过频域的位置和幅值的两次比较,判断故障状态,实验证明该方法可以准确的判断出齿轮箱从正常状态到100%磨损的5个不同形态的特征,完成对齿轮箱的故障诊断和分类.     

基于小波包分析的水轮发电机组振动的故障诊断

针对水轮发电机组振动的频谱特点 ,提出了基于小波包分析的水轮发电机组振动的故障诊断方法 .运用小波包分析对振动信号进行分解与重构 ,可以获得振动信号的突变信息 ,即可以获得机组振动的故障状况 ,从而为诊断机组振动的故障状况提供决策支持 .理论计算表明 ,应用小波包分析技术不仅可以确定信号的突变点 ,而且可以在全频范围内确定信号的突变发生的时间及程度 .计算机仿真表明这种信号分析方法对水轮发电机组振动的故障诊断是十分有效的     

多源信号融合往复式压缩机故障诊断方法

针对页岩气开采中部分往复式压缩机的故障诊断仅为基于单信号的故障诊断,造成故障诊断结果的鲁棒性较低、不适用于全面监测往复式压缩机的问题,提出一种多源信号融合往复式压缩机故障诊断方法。建立多源信号融合模型,对往复式压缩机多振动信号进行有效处理;利用麻雀搜索算法(sparrow search algorithm, SSA)自适应优化核极限学习机(kernel extreme learning machine, KELM),建立基于SSA优化KELM的往复式页岩气压缩机故障诊断模型,使用往复式压缩机模拟故障试验数据对该方法进行验证并与不同优化算法比较分析。分析结果表明,经SSA优化的KELM故障诊断方法能够有效提高KELM在往复式压缩机故障诊断中的分类精度,证明了该方法在往复式压缩机故障检测方面的优越性和有效性,为多信号融合情况下复杂的动设备实现精确故障诊断提供了参考。     

基于小波包与支持向量机结合的齿轮故障分类研究

文章通过对齿轮系统在不同的运转状态下故障类型进行试验测试分析,采集了有关的振动测试信号,对振动特征信号进行了小波阈值去噪,运用小波包方法对信号进行分解,然后对分解后的各层信号进行重构,并计算各层的能量,将它作为故障特征,在此基础上将各层信号特征作为输入,运用支持向量机对它们进行分类,将所得结果与神经网络分类的结果进行了比较。研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波与支持向量机结合的方法,对于单一故障和复合故障都能够进行很好地区分与诊断,其诊断成功率均在92%以上。该方法不仅可对实际工程工作的齿轮系统进行故障诊断,而且可用于其它故障诊断领域。     

基于小波分析的水泵机组振动故障诊断

介绍了小波分析的基本原理、多分辨率分析的特点以及与Matlab相结合后在故障信号分析方面所具有的灵活、简洁直观等优势,并通过具体的信号分析,探讨了其用于故障诊断的可行性及其在定位信号成分的情况下相对于传统的傅里叶分析的优越性,且通过小波系数的分析和处理,可消去原始信号中与故障无关的信息、定位突变点、奇异性检测等,结合水泵机组振动故障的研究,提出小波分析用于故障诊断的基本步骤,在清楚水泵机组振动故障信号特征的情况下,能有效地进行水泵机组的故障诊断.     

时域平均在行星齿轮箱故障诊断的应用

测取了行星齿轮减速机太阳齿轮故障振动信号，提出了信号时域平均处理的新算法，解决了周期截断误差对平均结果的影响问题，采用时标脉冲技术，时标脉冲信号和振动信号同步采集，有效的确定了平均段数，试验结果表明，该方法在太阳齿轮故障信号的处理中取得了比较理想的效果。     

旋转机械故障诊断的小波与傅里叶谱分析方法研究

以某电厂正在运行的汽轮发电机组的振动信号为分析对象，以小波理论为重点，将小波分析与博里叶变换有机结合，利用小波分析的强时频分析特性和傅里叶变换的直观性，使故障诊断的结果既有效可靠又简单直观，在实际中易实现，从而找到了一种新的机械故障诊断方法，提高了诊断结果的精确性，实现了从运行中的汽轮发电机组的振动信号中诊断出故障类型及其所处的部位的目标．     

大型汽轮发电机组轴系扭振模拟实验台的优化研究

本文将优化理论应用于大型汽轮发电机组轴系扭振的研究,提出了一种优化建模方法。应用此方法对汽轮发电机组轴系扭振模拟实验台进行优化,可以保证模拟实验台的扭振特性与实际机组相一致。本文对南非柯柏格(koeberg)电站的汽轮发电机组轴系扭振模拟实验台进行了优化,结果表明本文的优化实验台在保证机组的扭振固有特性和动态特性方面优于文献的实验台。     

基于模糊聚类分析的汽轮机振动故障自动诊断研究

通过分析汽轮机振动故障诊断所面临的不确定性等问题,引用模糊理论中隶属度的概念来描述机组振动故障存在的倾向性,采用模糊C均值聚类方法分析机组振动的原因。通过实例检验表明,理论计算与现场检查结果相符,该方法具有良好的实际应用前景,为汽轮机组状态监测及故障自动诊断提供了一种新途径。     

基于振动可视化的机械系统级故障诊断方法

基于振动可视化技术与系统级故障诊断理论,提出复杂机械系统故障诊断方法.对于复杂机械设备的振动信号,通过振动可视化技术补充和完善常规监测手段振动信息,同步反映设备多测点在时间和频率上的变化;利用局域波时频分析法处理不同测点振动信号所包含的特征信息,作为系统级故障诊断模型的输入量.首先以功能简单的运动部件为对象研究可视化技术应用的可行性;对复杂机械系统以多通道振动信号分析结果作为输入量,将其应用于系统级故障诊断,建立测试图与诊断图,并利用集团算法求解故障源位置信息.应用结果表明,基于振动可视化技术的机械系统级故障诊断方法能够有效地简化复杂机械系统故障源的确定过程.     

车辆振动信号的特征提取方法比较

针对用于车辆振动信号分析的常用方法:小波分析方法和Hilbert-Huang变换方法,以及作者新近提出的时序多相关-经验模式分解方法,通过仿真对比分析了它们各自的特点以及它们在振动信号特征提取中的适用性。非线性信号的仿真分析表明,在没有噪声或分析对象背景噪声较小的情况下,后两种方法能提取到特征信号,小波分析不适合非线性信号的分析;在强背景噪声下,前两种方法均不能得到满意的特征信息,而时序多相关-经验模式分解方法能提取到所需的目标信息。最后将时序多相关-经验模式分解方法用于某特种车辆特征信号的提取,得到了满意的结果,验证了该方法在车辆振动信号特征提取中的有效性。     

Application of particle swarm optimization blind source separation technology in fault diagnosis of gearbox

Blind source separation (BBS) technology was applied to vibration signal processing of gearbox for separating different fault vibration sources and enhancing fault information. An improved BSS algorithm based on particle swarm optimization (PSO) was proposed. It can change the traditional fault-enhancing thought based on de-noising. And it can also solve the practical difficult problem of fault location and low fault diagnosis rate in early stage. It was applied to the vibration signal of gearbox under three working states. The result proves that the BSS greatly enhances fault information and supplies technological method for diagnosis of weak fault.     

基于生产者-消费者模式的机械振动故障诊断系统

振动信号能够在时域和频域内反映旋转机械的故障信息,针对传统测试系统难以兼顾振动信号高速实时采集和大运算量处理的问题,基于生产者-消费者模式设计了一种旋转机械振动故障诊断系统。该系统将振动信号采集过程与处理过程分别构成数据生产模块与数据消费模块,使数据在两种模块内以不同迭代速率实现高效解耦共享。采用组态软件LabVIEW,并结合高速采集卡NI6351、振动传感器等硬件,搭建了模拟直升机传动系统故障诊断实验台。在生产模块内实现了14通道100 kHz采样频率下的振动信号高速实时采样,在消费模块内采用傅里叶频谱和Hilbert包络谱分析实现了对数据的实时处理,获得了准确的故障特征,实现了对模拟直升机传动系统故障的实时精确诊断。