基于双谱分析的设备状态监测研究

本文以双谱分析理论为基础,分析并计算了设备在不同工作状态下噪声信号的双谱及其等高线图。分析和实施结果表明,双谱分析表达了三个谱元之间的相关性,可以识别系统的非线性特征,能够克服功率谱局限性和不足。相同工作状态下信号的双谱及其等高线图具有相似性,不同工作状态下信号的双谱及其等高线图具有明显的可分性。为噪声信号的特征量提取提供了新的分析手段,利用噪声信号的双谱分析可以有铲地识别设备工作状态。这种方法在     

基于BP网络的往复泵泵阀故障识别系统的研究

本文基于BP神经网络模型，通过准确采集往复泵液力端各阀箱阀关闭激起的瞬态响应，并以响应的振动频谱为主要征兆，建立了基于BP网络往复泵泵阀故障的诊断系统。计算机模拟识别表明，该系统可较为准确地识别出各泵阀的故障。     

奇异谱分析在机械设备故障诊断中的应用

在重构相空间重构吸引子的基础上,提出一种基于奇异谱分析的设备故障诊断方法。基于奇异谱理论介绍了该方法的基本原理,并给出该方法的实现步骤。实验研究表明,该方法可以显著降低噪声信号,有效地提高信噪比,并且能保留与噪声信号的频谱相混叠的系统信号,突出故障的信息特征,可大大提高设备故障诊断的准确性,它同时还具有良好的瞬态信息提取能力。     

集成全息希尔伯特谱分析及其在滚动轴承故障诊断中的应用

全息希尔伯特谱分析(holo-Hilbert spectral analysis, HHSA)是一种新的信号解调分析处理技术,其采用双层经验模态分解(empirical mode decomposition, EMD),能够有效揭示非线性或非平稳振动信号中的跨尺度耦合关系。但是,EMD在信号分解过程中存在严重的模态混叠问题,导致瞬时频率估计不准确,影响了HHSA的分析精度。基于此,提出了集成全息希尔伯特谱分析(ensemble holo-Hilbert spectral analysis, EHHSA)方法。同时为了更精确解调故障特征信息,通过对载波变量进行积分,定义了一种可以揭示调制特征的调幅边际谱分析方法。最后,通过对滚动轴承仿真和实测数据进行分析,结果表明：与传统谱分析方法相比,所提EHHSA方法及调幅边际谱的特征提取性能和噪声鲁棒性更强。     

基于小波-双谱分析的视觉诱发脑电特征提取

针对脑电信号非平稳性、非线性和非高斯性特点,利用小波变换和双谱分析相结合的方法提取视觉诱发脑电特征.采用Oddball实验范式,采集视觉诱发脑电数据.首先,对脑电信号进行少次相干平均以去除自发脑电;然后,选择合适的小波函数和分解层数,进行小波分解与重构,并对重构后细节系数进行白化处理;最后,利用双谱分析提取视觉诱发脑电特征.结果表明:该方法可以提取蕴涵于脑电中丰富的高阶时频信息,并且在处理脑电非线性和抑制高斯噪声方面具有较强的优越性.     

基于紧致型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,提出基于紧致型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通过小波包分解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94 %以上。     

信号处理在机械设备故障诊断中的应用（连载）

随着现代化工业大生产的不断发展,机械设备的结构变得越来越复杂,并且经常运行于高速、重载以及恶劣环境等条件下。由于各种因素的干扰和影响,会导致机械设备发生故障,轻则降低生产质量或导致停产,重则会造成严重的甚至是灾难性的事故。为此,为尽最大可能地避免事故的发生,机械设备状态监测与故障诊断技术近年来得到了极为广泛的重视,其应用所达到的深入程度十分令人鼓舞。目前,机械设备状态监测与故障诊断已经基本上形成了一门既有理论基础、又有实际应用背景的交叉性学科。故障诊断的基本任务是监视机械设备的运行状态,诊断和判…     

"双时域四谱"法在振动信号分析中的应用

准确地提取各种典型故障的振动信号的时频域特征是进行机械故障诊断的关键．为了综合提高诊断能力,突出信号特征,本文介绍了一种信号分析与故障诊断新方法,该方法以“双时域四谱”综合诊断法为理论基础．具体应用双时域（原始时域和包络时域分析）和四频域（功率谱分析、细化谱分析、解调谱分析、倒频谱分析）的振动诊断方法,综合各自的诊断优势,对用特征振动信号进行诊断的问题进行了研究,并阐述了这些方法的特点和功能．     

改进小波算法在机械故障诊断中的应用

小波变换具有优良的时频分析特性,适合于提取非平稳信号和时变信号,利用小波变换来提取机械设备的故障特征是当前的一个研究热点.但是由于小波滤波器的频响应特性不理想,因此直接对信号进行小波变换必定会产生一定的虚假频率,从而影响故障特征提取的准确性.针对小波变换产生混频的原因提出了一种改进的小波分解算法,仿真结果表明该方法能有效地消除混频现象,提高故障诊断的精度.     

往复式压缩机故障诊断研究现状及展望

叙述了往复式压缩机故障诊断的意义及研究现状，对往复式压缩机常见故障及机理进行了分析；介绍了国内外一些常见的往复式压缩机状态监测与故障诊断的方法及其原理和特点；最后提出了往复式压缩机的故障诊断技术的难点和发展方向，为从事该方面研究提供参考。     

时域径向基函数网络诊断方法在往复泵故障诊断中的应用

往复机械是工程中广泛应用的一种机械设备 ,由于其动力学和运动学形态比旋转机械复杂 ,对其进行故障诊断存在较大难度 ,有效提取往复机械运动中非平稳时变信号中的故障特征和将故障特征准确分类是解决往复机械故障诊断问题的两个关键。本文利用时域数字特征分析方法完成故障特征信息提取 ;通过径向基神经网络对特征信息分类识别 ,实现故障的自动诊断。利用以上原理建立的油田往复塞泵故障监测与诊断系统 ,通过在大庆油田的实际应用表明 ,系统能够比较准确的识别往复柱塞泵多种常见故障 ,且具有较高的运算速度。     

KL—Bayes方法在故障模式识别中的应用

有效特征向量的提取和状态识别是设备状态监测与故障诊断领域中的关键技术。近年来,国内外很多学者都非常重视自动特征向量选择与提取方法的研究和模式识别方法的探讨。文中提出的KL-Bayes 方法是KL变换特征提取方法与Bayes 逐步判别分析方法的结合,前者可在不改变原始样本空间分布特点的基础上降低特征空间的维数[4],后者是一种集“有效特征选择与状态识别”功能于一身的方法[1]。KL-Bayes方法用于不太复杂的系统故障诊断,如轴承、齿轮箱故障诊断中是非常简单有效的。文中给出了应用实例及分类器自学习前后的分类结果。     

The Diagnosis of Reciprocating Machinery by Bayesian Networks

A Bayesian Network is a reasoning tool based on probability theory and has many advantages that other reasoning tools do not have,This paper discusses the basic theory of Bayesian networks and studies the problems in constructing Bayesian networks.The paper also consturcts a Bayesian diagnosis network of a reciprocating compressor.The example helps us to draw a conclusion that Bayesian diagnosis networks can diagnose reciprocating machinery effectively.     

小波分析及其在压缩机气阀故障检测中的应用研究

从信号分析角度引入小波分析的基本原理,通过典型信号的小波分解、重构和小波尺度图展示小波分析应用在故障检测中的优点,最后将小波分析用于压缩机气阀故障检测中,进行气阀正常、进排气阀泄漏三种状态识别,通过实例证明了小波分析的有效性     

机械真空泵远程故障诊断系统研究与应用

真空精炼炉是一种用于生产高品质钢水的二次冶炼装置,其核心是机械真空泵系统.该系统能否长期稳定运行将直接影响到钢水冶炼效果和吨钢成本,因此对该系统进行在线监测和快速故障诊断尤为重要.本文以RH真空精炼炉为例,将各级机械真空泵与多种监控设备耦合,并引入远程物联网技术,创建了远程故障诊断系统,并得到国内某钢厂实践验证.     

循环双谱及其在齿轮箱故障识别中的应用研究

基于对循环累积量的分析，提出一种表示信号在一定循环频率集的循环双谱表示方法。齿轮箱振动信号的三阶循环平稳性通过对齿轮的传递误差、齿轮的动力学和振动信号的三阶循环矩的分析来证明。齿轮箱振动信号的循环双谱将齿轮箱的状态特征比较清晰地表示为频率的循环双谱大小分布，验证了该方法在表示齿轮箱状态中的有效性。     

干式螺杆真空泵振动监测与故障诊断技术的研究

针对干式螺杆真空泵的运行故障,采用振动监测的方法,利用时域波形和频谱分析技术进行故障诊断.阐述了振动测试点和测量信号类型的选择方法,给出诸如转子不平衡、轴弯曲变形、转子不对中、部件松动、流体诱发振动及滚动轴承、齿轮损伤等常见故障的诊断方法.通过工程实例证明,该方法能够有效地判断出故障产生的原因和部位,为故障的早期诊断提供有力监控.     

局域波近似熵及其在机械故障诊断中的应用

根据信号经局域波分解后所得各基本模式分量的特性，提出了用各分量的近似熵来描述各模式分量的复杂程度，从而量化故障特征。分析结果表明：在相同故障状态下，同一模式分量有相近的近似熵，而在不同故障下，近似熵明显不同，因此近似熵可用于故障的特征提取。转子故障诊断结果表明了该方法的有效性和工程实用性，从而为机械状态监测与故障诊断提供了一种有效途径。