基于分形理论的旋转机械故障诊断的研究

针对旋转机械振动信号的特点,从分形原理出发,利用分形维数的概念,对由旋转机械故障产生的非平稳、非线性信号进行了分形特征的定量描述。试验结果表明,旋转机械不同故障出现时,其分形维数明显不同。因此,可以利用分形维数有效地诊断出旋转机械的故障。     

基于电涡流传感器及虚拟仪器的旋转机械碰摩故障特征研究

针对旋转机械碰摩故障的特征,运用电涡流传感器和虚拟仪器采集转子碰摩振动状态信息,对转子碰摩振动信号的时域波形特征、碰摩振动时的轴心运动轨迹特征进行分析,同时应用LabVIEW软件对转子碰摩振动信号进行频谱分析,研究其故障特征,由此对旋转机械的碰摩故障进行识别和诊断。     

基于小波能量谱旋转机械振动信号的故障特征提取

旋转机械故障诊断的关键问题在于对振动故障信号的特征提取。利用小波能量谱分析方法能够发现不同分解层中的振动信号特征并分析出故障原因。基于小波能量谱方法能准确提取旋转机械的故障特征,尤其是对微弱故障信号,为正确判断故障提供了依据。实验验证了该方法在提取旋转机械振动故障信号方面的有效性和准确性。     

基于密度聚类的故障诊断 方法研究

应用时序分析的方法对振动信号进行建模,将求解出的模型参数作为提取的特征,进行了基于密度聚类(DBSCAN)的自动诊断。DBSCAN算法不需要人为确定分类的数量,且自动诊断的正确率要高于均值方法,该自动诊断方法无需计算旋转机械的转速、频率和故障信号,不需要用故障数据进行训练。因此,DBSCAN更易于实现旋转机械状态的自动在线监测。     

矿用旋转类机械故障自动监测及预警系统设计

为实现煤矿旋转机械故障自动监测、诊断和预警,减少无计划停机,提高机械维修效率,针对现有同类技术无法进行故障在线提取和自动识别等问题,设计一种矿用旋转类设备运行自动监测及预警系统。系统采用模块化功能设计,利用SO 2372-1974《设备振动标准》预设故障数据库,通过加速度传感器收集机械振动曲线,通过分析振动信号得到旋转机械运转情况下的振动参数,并与预设的故障数据库参数特征相对比,完成机械故障的自动监测。系统具有精细监测和粗略监测2种监测模式,利用互锁形式进行关联。转子-轴承旋转模拟实验结果表明:该系统可以对旋转机械故障进行早期的判断、实时监测和预警,系统可靠性高,操作简便。     

基于音频峭度的煤矿旋转机械滚动轴承故障预测方法

滚动轴承作为煤矿旋转设备中至关重要的机械元件,对其早期故障进行快速有效的诊断与预测可保证矿山开采的稳定性。针对提升机等旋转设备滚动轴承,采用非接触式测量仪器采集轴承工作时的音频信号,通过预加重,分帧加窗及峭度计算提取声音信号的时域特征,并基于萤火虫算法优化的卷积-长短期记忆(CNN-LSTM)神经网络完成音频特征的输出预测。实验结果表明,设计的神经网络模型可对轴承音频的分帧峭度数据进行较为精确的预测拟合,在设定的峭度安全阈值下,该模型能实现滚动轴承早期故障的准确预知。     

电动机故障的综合诊断

对电动机常见的断条故障、气隙偏心故障、轴承故障和转子不平衡故障,从机械和电气两方面进行诊断,介绍了它们的振动频谱特征和定子电流频谱特征。主要针对机械不平衡故障,对机械振动信号和定子电流信号进行了分析,探讨了电动机存在机械不平衡故障时,电流信号的频谱特征。     

基于人工蜂群算法优化VMD的旋转机械故障诊断方法

旋转机械在运行复杂环境下振动信号复杂且有许多噪声,难以有效提取故障特征并准确诊断,为此提出一种人工蜂群优化变分模态分解(VMD)的机械故障诊断方法。首先采用人工蜂群算法优化VMD的参数,对振动信号进行变分模态分解,获得相应的本征模态函数分量;然后对各模态分量信号计算多尺度熵,构造故障特征向量;最后利用最小二乘支持向量机(LS-SVM)进行故障诊断。实验结果表明,该方法具有较高的准确率,准确率达到97.5%,可以满足旋转机械故障诊断的要求。     

尺度自适应提升小波变换在煤矿电机轴承故障诊断中应用

针对煤矿关键设备中滚动轴承容易被损伤的机械故障诊断问题,通过分析在重载/变载荷等条件下的故障机理和煤矿电机设备轴承微弱故障的信号特征,直接构造匹配信号的尺度自适应提升小波变换,对振动信号进行更加精细的分析,实现了煤矿电机轴承故障的在线监测与故障智能诊断。     

尺度自适应提升小波变换在煤矿电机轴承故障诊断中应用

针对煤矿关键设备中滚动轴承容易被损伤的机械故障诊断问题,通过分析在重载/变载荷等条件下的故障机理和煤矿电机设备轴承微弱故障的信号特征,直接构造匹配信号的尺度自适应提升小波变换,对振动信号进行更加精细的分析,实现了煤矿电机轴承故障的在线监测与故障智能诊断。     

基于混沌分形的旋转机械故障诊断方法研究

混沌分形对揭示事物的非线性本质具有独特性,基于混沌分形的方法对复杂机械系统的早期故障较为敏感。将混沌分形用于复杂机械故障诊断中,用关联维来刻画故障特征,在旋转机械的滚动轴承故障诊断中取得了较好的效果。     

基于灰色关联分析的机械制造工艺方案选择

将灰色关联分析方法应用于机械制造工艺方案中的选择,建立灰色关联分析模型,并且考虑了多指标因素的综合影响。将灰色关联算法与多指标综合评价系统应用于机械方案评估中,对提出的机械制造工艺方案进行综合技术评价,为最优机械制造工艺方案的确定提供了依据。     

粗糙集和LSSVM在设备故障诊断中的应用

为了提高旋转设备故障诊断的准确率,提出了基于粗糙集和最小二乘支持向量机(LSSVM)的旋转设备故障诊断方法,讨论了如何进行数据选择、离散及约简方法,用粗糙集提取出旋转设备故障诊断的关键征兆属性,降低数据集的维数将约简属性后的数据集送入最小二乘支持向量机进行故障分类训练。仿真结果表明:采用此方法的故障识别率优于PCA-LSSVM法,分类时间也明显优于LSSVM分类方法。     

基于模糊因素的矿井提升机人机界面评价研究

基于以人为中心的人机交互设计和评估的思想,确定了一些重要的矿井提升机人机界面评估因素,建立了客观的评价指标体系,该指标体系的建立为矿井提升机人机界面综合评价奠定了基础。同时运用模糊数学方法,构造了客观的隶属度函数,进而利用定量评价模型对矿井提升机人机界面进行了多级模糊综合评价,从而为矿井提升机人机界面评价提供了一种有效的方法。     

基于BP神经网络的旋转机械故障诊断

BP神经网络具有优良的非线性映射能力,可以很好地描述频率特征和诊断结果之间的关系。建立了基于BP神经网络的旋转机械故障诊断模型,并用此模型对旋转机械的故障进行了诊断,实验证明基于BP网络的旋转机械故障诊断方法具有较高的使用价值。     

旋转机械不平衡故障专家诊断系统的研究

通过建立专家知识库及推理机制,探索采用专家系统对旋转机械进行故障诊断,以实现旋转机械故障监测的智能化、自动化,提高设备运行的安全性和效率。旋转机械约有70%的故障是由转子不平衡引起的,因此机械不平衡的检测及分析对于保证设备安全运行极为重要。专家系统主要由知识库、推理机、数据库和人机交互界面组成,数据库用到虚拟仪器LABVIEW,在虚拟仪器开发环境下利用LabSQL访问Access数据库技术。建立树形规则库流程图,形象地展现出规则的访问过程。     

多Agent在提升机远程故障诊断系统中的应用

通过对Agent的介绍,建立了多Agent故障诊断系统模型,并对多Agent通信机制及协作诊断过程作了深入分析,对多Agent之间的协作与协调关键问题进行了探讨。     

基于全矢谱分析的故障诊断系统的开发

针对现有的开发设备故障诊断系统不足,即以单通道数据为研究对象,明显存在信息源不足,这样利用孤立信息进行故障识别和诊断很容易导致误判,以全矢谱分析技术为中心,开发了基于全矢谱分析的故障诊断系统。介绍了该系统的构成和特点,并与相应的传统方法进行了对比,显示了全矢谱技术的优越性。基于全矢谱分析技术的故障诊断系统使监测和诊断更加准确可信,有广阔的发展前景。     

气动锚杆钻机马达消声器的设计

通过对气动锚杆钻机噪声声源及其特性分析,确定了产生气动锚杆钻机噪声的主要根源,利用微穿孔多孔板消声理论,设计了既能消除噪声、又能除油雾的气动锚杆钻机的马达消声器,对改善工作面的环境具有重要的意义。     

基于相对小波包能量特征向量的故障诊断

在小波及小波包分析的基础上引进相对小波包能量特征向量的概念,提出了一种建立旋转机械故障库的新方法,并结合模式判别的知识,引进欧几里德距离公式作为判据,使故障诊断公式化、定量化。实验结果表明这种方法能够很快地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。