基于快速傅里叶变换的注射机轴承单一故障诊断

针对注射机轴承故障难以诊断的问题,提出了一种基于快速傅里叶变换(Fast Fourier Transform,FFT)的注射机轴承故障诊断方法。针对注射机轴承的故障振动信号在时域难以有效诊断的问题,利用快速傅里叶变换将时域振动信号转换到频域,通过生成的包络谱图分析频域中振动信号的频率分布,从而达到识别注射机轴承故障的目的。注射机轴承故障的仿真实验及实际故障轴承数据的诊断结果表明:使用快速傅里叶变换的方法诊断注射机轴承故障,比传统的离散傅里叶变换(Discrete Fourier Transform, DFT)诊断轴承故障的速度更快,处理轴承数据的内存更大,能非常有效地完成振动信号的故障诊断。     

胎面与胎体间接触特性对轮胎滚动阻力影响的研究

以205/55R16轿车子午线轮胎为例,建立轮胎三维有限元模型,对于同一胎体设计不同的胎面花纹,并采用主成分回归法建立轮胎滚动阻力和胎面与胎体间接触特性参数的线性回归方程,研究不同花纹胎面与胎体间接触特性参数对轮胎滚动阻力的影响。结果表明,第二长轴长度因数、第三长轴长度因数、接触因数和接触形状因数对轮胎滚动阻力影响较大,平均接触压力、第二长轴长度、第三长轴长度和接触长轴长度次之,最大接触压力和接触面积较小。     

浅析ISO 28580∶2009轮胎滚动阻力测试方法

浅析ISO28580：2009轮胎滚动阻力测试方法,主要介绍滚动阻力的测试条件、测试步骤、数据整理、数据分析和测试设备校正等方面内容。在全球提倡节能环保的背景下,欧洲联盟于2009年7月13日发布了第661号法规对轮胎滚动阻力因数提出了限值要求,世界其它国家和地区都将出台更多更严格的针对轮胎滚动阻力的法规,ISO28580：2009作为评价轮胎滚动阻力的依据,我国轮胎企业应予以正确的理解和执行。     

基于RMS因子的滚动轴承故障声发射诊断研究

运用声发射检测技术对滚动轴承内圈故障、外圈故障和滚动体磨损故障展开试验研究。为了减少噪声干扰、突出故障特征、提高信噪比,应用能量因子方法对含噪声信号进行数据处理,找到不同缺陷形式下的故障特征。结果表明,RMS因子方法用于滚动轴承声发射信号特征提取是有效的。     

多小波预处理方法用于滚动轴承故障信号的去噪效果分析

针对不同预处理方法对多小波的影响问题,探讨了基于不同预处理方法的多小波对滚动轴承信号去噪效果的影响。通过仿真实验,先对GHM多小波、CL4多小波和SA4多小波进行重复行预处理、逼近预处理和平衡多小波处理,并将处理后的多小波应用于滚动轴承故障信号的去噪效果分析中。结果表明:经过平衡多小波预处理的CL4多小波在滚动体故障信号、内圈故障信号、外圈故障信号中的效果最好,相对于经过其他预处理方法处理的多小波的处理效果有明显优势。     

基于EMD的矿用绞车轴承故障诊断技术

轴承是绞车的重要组件,由于安装在设备内部,运行过程中出现故障难以及时发现,极其导致故障扩大,影响绞车运行安全。现阶段采用的单一轴承诊断方法难以精准诊断出故障特征。采用EMD方法,对提出到的绞车振动信息进行提取分析,得到IMF分量并选取峭度值大于3的各阶分量;采用Hilbert以及傅里叶转变对IMF分量重新构建、分析,得到精准的轴承故障频率特征信息,并与故障特征频率比对,从而精准诊断制轴承故障,诊断结果与现场轴承故障发生位置一致,表明,采用的轴承故障诊断方法具有较强的可信度。     

关联维数在往复压缩机气阀故障诊断中的应用

针对传统方法难以有效进行往复压缩机气阀故障诊断的现状,提出了应用关联维数对往复压缩机气阀故障进行诊断的方法。通过对气阀常见故障类型的诊断,表明关联维数可以有效地分析出往复压缩机气阀的常见故障。     

过程系统的在线故障检测、诊断和预报技术(二) 第二讲 生产过程的在线故障检测与诊断方法:原理及应用

本讲介绍工业生产过程在线故障检测与诊断的方法,针对静态系统和动态系统,分别讨论了故障检测与诊断方法的原理,并结合实例介绍故障检测与诊断方案的实施。在生产过程的在线故障检测与诊断中,状态和参数估计方法以及统计分析方法占有重要的地位。     

不同摩擦因数胎面胶对轿车子午线轮胎性能的影响

研究不同摩擦因数胎面胶对轿车子午线轮胎的滚动阻力、静态刚性、接地印痕、六分力特性及整车性能的影响。结果表明：使用3种胎面胶的轮胎的滚动阻力接近;随着胎面胶摩擦因数的减小,轮胎的纵向刚性和扭转刚性变化较大,径向刚性和横向刚性变化不大,轮胎的包络刚性随胎面胶硬度的增大而增大;采用较大摩擦因数胎面胶的方案A轮胎的接地面积及矩形比较大,3种方案轮胎其他接地特性参数差异较小;采用较小摩擦因数胎面胶的方案C轮胎的侧偏刚度、回正刚度和纵滑刚度最大,成品轮胎的摩擦因数与胎面胶的摩擦因数呈正相关,但数值差异略大,轮胎的侧向力峰值、回正力矩峰值、纵向力峰值随胎面胶摩擦因数的增大而增大;轮胎干地刹车距离与胎面胶摩擦因数呈负相关,操控稳定性受轮胎侧偏刚度和回正刚度的影响较大,舒适性受胎面胶硬度的影响较大。     

尿素刮料机故障原因分析及处理

陕西渭河煤化工集团有限责任公司520 kt/a ACES尿素装置尿素刮料机2013年5月多次出现故障停车,通过解体检查确认原因为:刮料机上部锥筒重复切割、焊接变形造成其与回转体密封带间隙不均匀及超差,密封效果大大降低,尿素粉尘在回转支承固定底座上方腔体内不断累积后进入回转体上密封腔内部,破坏回转支承密封胶条后又进入回转支承滚动体轨道内部,造成滚动体无法滚动、回转支承不能工作、行星减速机超负荷、内部传动部件损坏等一系列后果,最终导致刮料机故障停车。之后通过检修、校正及将上部锥筒由整体式改为拼装可拆卸式,并合理控制计划检修周期和不定期清理回转体负压通道,使得尿素刮料机工况恢复正常并运行良好。     

基于PLC的远程轴承故障诊断的研究与应用

采用基于PLC的远程故障诊断系统对滚动轴承进行检测,该系统通过专家系统与BP神经网络相结合的方法对异地系统进行故障诊断和维护,具有快速交换诊断信息、加快故障诊断速度、减少故障对生产造成的负面影响等优点.企业采用跨地域诊断技术对滚动轴承进行故障检测,能产生巨大的经济效益,因此其研究具有重要的经济意义和实用价值.     

基于ELMD与LS-SVM的滚动轴承故障诊断方法

针对局部均值分解（local mean decomposition,LMD）实现过程中存在的模式混淆现象,提出了一种基于总体局部均值分解（ensemble local mean decomposition,ELMD）与最小二乘支持向量机（least squares support vector machine,LS-SVM）相结合的滚动轴承故障诊断方法。该方法先对滚动轴承振动信号进行ELMD分解,并得到若干乘积函数（product function,PF）,然后选取包含主要故障信息的PF分量,提取其峭度系数与能量特征参数以构造故障特征向量,并作为LS-SVM的输入来识别滚动轴承的工作状态和故障类型。通过对滚动轴承正常状态,内圈故障和外圈故障的分析结果表明,基于ELMD与LS-SVM的诊断方法可以准确有效识别滚动轴承的工作状态和故障类型。     

基于GA-BP神经网络的多传感器轴承故障诊断

由于单一传感器采集滚动轴承的故障信息精度较低,提出基于GA-BP神经网络的多传感器信息融合方法。首先使用单一传感器采集其状态信息,并采用小波包分析提取轴承故障状态特征,然后采用遗传算法(GA)优化BP神经网络对单传感器进行滚动轴承故障诊断,接着运用DS证据理论把每一个诊断结果进行信息融合,最终得到诊断结果。仿真实验结果表明:该方法可提高滚动轴承故障诊断的精确度和效率。     

基于信息熵与灰关联的抽油井泵示功图诊断技术研究

抽油井工作环境、工作过程比较复杂,对抽油井泵示功图故障诊断时由于有些抽油井典型故障的示功图几何形状非常相似,极易产生误判,因此引入基于信息加权熵的灰度关联故障诊断算法,利用信息熵加权值来体现不同故障特征因子所含的信息量,使计算所得与标准故障的关联值变大,与其他故障尤其是易误判故障的关联值变小。实验结果表明：该方法能够减少故障误诊断,使抽油井故障诊断更加精准。     

基于自适应小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出了基于自适应小波神经网络的往复泵故障诊断方法.以往复泵单个泵缸内的压力信号作为系统特征信号采用小波变换来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断.通过对往复泵液力端多故障诊断实例的检验表明：该系统故障诊断正确率达到了93％以上.     

基于虚拟技术的齿轮故障智能诊断研究

利用LabVIEW图形化编程语言开发了信号分析与处理、信号特征提取和故障诊断三大模块。信号特征提取由小波包分解来实现,故障诊断通过神经网络完成,小波包分解提取的齿轮振动信号各频段能量特征值作为神经网络的输入向量。以模拟故障实验台获取的齿轮典型故障振动信号训练神经网络,利用训练好的神经网络对齿轮进行故障诊断,实验结果表明：所开发的齿轮故障智能诊断系统能有效识别齿轮故障,较好地将虚拟技术应用于故障诊断领域。     

基于PLC的BP神经网络在轴承故障诊断中的研究与应用

采用基于PLC的BP神经网络方法对滚动轴承进行故障检测,由于BP神经网络的小样本、非线性和自学习特点以及PLC的硬件支持,为高浓磨浆机滚动轴承的故障检测过程提供了可行性的依据.仿真结果表明,此方法具有高精度、可靠性和快速性等优点.     

基于EEMD和模糊BP神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出一种基于总体经验模态分解(EEMD)和模糊BP神经网络的故障诊断方法。首先对滚动轴承的振动信号采用总体经验模态分解方法进行分解,得到若干个本征模态函数分量(IMF);然后提取各分量的均方差、峭度和能量,把这些特征参数作为学习集和训练集,将学习集输入到模糊BP神经网络中进行学习;最后把训练集输入到特征参数经过学习训练后的模糊BP神经网络中进行故障类型识别,并与BP神经网络进行比较。实验结果表明:所提方法能有效地应用于滚动轴承故障诊断,而且比BP神经网络具有更高的精确度。     

主风机组轴瓦温度异常分析及对策

催化主风机组日常运行中轴瓦温度持续偏高,通过对影响主风机组轴瓦温度的各种因素进行逐项分析,查找出问题原因,制定日常操作运行方案,最终在检修中确认故障原因为轴瓦间隙不合适所致,并予以消除,为以后类似故障处理提供了经验.     

滚动轴承的振动监测与诊断的探讨

通过分析滚动轴承振动信号的频率特征及故障原因，提出了用频谱分析监测滚动轴承工作状态的方法和措施。