|
1.
|
连续小波变换在往复泵泵阀故障识别中的应用 被引次数：9
|
|
|
|
|
|
|
杨其俊 孙辉 裴峻峰《振动．测试与诊断》,2000年第20卷第1期
|
|
|
探讨了小波变换在往复泵泵阀故障识别的应用。分析研究表明，通过对测取的往复泵阀箱上振动加速度信号的小波变换，可有效提取泵阀失效的故障信息，结合泵阀关闭位置信号的相位分析，可较为准确地判别三缸泵任一泵阀的故障，该方法用到的测量数据少，具有较为理想的诊断树现场往复泵泵阀状态监测与故障诊断具有重要意义。
|
|
2.
|
往复泵时域特征波形的自适应提取
|
|
|
|
|
|
|
陈彧《冶金设备》,2003年第3期
|
|
|
往复泵是重工业中普遍采用的关键性生产设备。研究往复泵的故障诊断 ,针对往复机械激振源复杂 ,从往复泵液力端泵阀的振动信号入手 ,提出自适应提取一整段时域振动波形上对应泵阀特征波形的方法 ,取得了较好的效果
|
|
3.
|
往复泵泵阀的状态监测及智能故障诊断综述
|
|
|
|
|
|
|
段玉波 由大伟《自动化技术与应用》,2003年第22卷第9期
|
|
|
往复泵泵阀的状态监测和故障诊断的两个关键问题是有效提取往复泵运行过程中非平稳时变的系统特征信号中的故障特征信息和准确判别泵阀的故障类型并分析其故障原因。本文从故障诊断疗法的角度，提出了利用基于信号处理的方法来提取泵阀的故障特征信息以实现其状态监测以及利用基于知识的方法(尤其是智能故障诊断技术)对泵阀进行智能故障诊断，并评述了每一种方法的具体实现问题
|
|
4.
|
ICA及其在往复泵多源信号分离中的应用
|
|
|
|
|
|
|
王永 时文刚 吕涛《石油矿场机械》,2003年第32卷第5期
|
|
|
研究了往复泵泵阀故障诊断中多信源振动信号分离的独立分量分析方法。针对往复泵泵阀振动信号成分复杂和相互干扰等特点，将盲源分离技术中独立分量分析方法引入到泵阀振动信号的预处理中，试验结果表明，这种方法能够有效地消除目标泵阀振动信号中混杂的其他泵阀振动分量，从而使后续分析中得到的监测诊断信息的准确性和可靠性得到保障。
|
|
5.
|
基于非线性复杂测度的往复压缩机故障诊断 被引次数：1
|
|
|
|
|
|
|
唐友福 刘树林 刘颖慧 姜锐红《机械工程学报》,2012年第48卷第3期
|
|
|
往复压缩机以多源非线性冲击振动信号为主,应用传统方法难以从振动信号中提取故障特征,为此提出一种基于非线性复杂测度的往复压缩机故障诊断方法。以气阀正常、阀片有缺口、阀片断裂及弹簧损坏4种状态下往复压缩机气阀振动信号为分析数据,在小波阈值降噪处理的基础上,采用均值符号化方法计算信号的归一化Lempel-Ziv复杂度(Lempel-Zivcomplexity,LZC)指标,分别给出各状态相应的LZC特征区间,利用BP人工神经网络对各状态信号的有效值特征、功率谱能量特征及LZC特征分别进行训练和测试,结果表明LZC更能准确区分不同状态的往复压缩机气阀故障,为往复压缩机故障诊断和维修决策提供了一种有效方法。
|
|
6.
|
往复泵泵阀故障的细化谱诊断法
|
|
|
|
|
|
|
段礼祥 张来斌 王朝晖 陈彧《仪器仪表学报》,2004年第25卷第Z3期
|
|
|
往复泵泵阀振动信号的常规频谱分析,由于故障特征信息往往被淹没于强大的噪声以及相邻部件的干扰而使诊断精度大打折扣.研究了泵阀振动波形的规律和提取规则,并提出了特征波形的细化谱分析.通过模拟试验建立了正常泵阀和故障泵阀的细化谱,再经故障验证试验表明了泵阀故障细化谱诊断法的有效性.
|
|
7.
|
三缸单作用往复泵泵阀冲击信号的实用提取新方法 被引次数：2
|
|
|
|
|
|
|
罗红梅 齐明侠 裴峻峰 白光野 潜凌《振动与冲击》,2008年第27卷第8期
|
|
|
针对三缸单作用往复式钻井泵泵阀振动信号成分复杂和相互干扰的特点,研究了往复泵泵阀故障诊断前从多信源振动信号中分离提取泵阀冲击信号的方法,包括有时标信号时泵阀冲击信号的分离提取方法和无时标信号时泵阀冲击信号的分离提取方法,实现了泵阀振动信号的预处理.对两种方法提取的泵阀冲击信号进行小波包分频带能量值计算,计算结果表明,这两种方法均能有效地消除目标泵阀振动信号中混杂的其他泵阀振动分量,达到相同的效果,从而使后续分析中得到的监测诊断信息的准确性和町靠性得到保障.
|
|
8.
|
基于BP网络的往复泵泵阀故障识别系统的研究 被引次数：4
|
|
|
|
|
|
|
杨其俊 裴峻峰《噪声与振动控制》,1998年第3期
|
|
|
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。
|
|
9.
|
往复泵泵阀的谐波小波包分析及LS-SVM方法研究
|
|
|
|
|
|
|
裴峻峰 董雪 黄显茹 于志远《机械设计与制造》,2015年第5期
|
|
|
针对往复泵泵阀冲击振动信号的非平稳特性,运用谐波小波包能量特征提取和最小二乘支持向量机(LS-SVM)相结合的方法识别泵阀故障.通过对泵阀冲击振动信号进行谐波小波包分解,提取各频段谐波小波包系数的能量值,将各频段能量值组成的特征向量作为诊断模型的特征向量,输入到LS-SVM多类分类器中进行故障识别,并将谐波小波包与小波包在泵阀故障诊断中的诊断准确率进行了比较.试验结果表明将谐波小波包分解和LS-SVM相结合可以准确有效地识别泵阀故障类型.
|
|
10.
|
分形维数在往复泵泵阀故障诊断中的应用
|
|
|
|
|
|
|
丛蕊 刘树林 马锐《西部探矿工程》,2009年第21卷第4期
|
|
|
研究了分形维数的计算方法,并计算出往复泵泵阀正常和故障状态振动信号的分形维数.通过对往复泵的实验表明,设备在不同运行状态下具有不同的分形维数,因此可以将分形维数作为识别往复泵泵阀故障的特征量。
|
|
11.
|
往复泵活塞磨损故障的振动识别 被引次数：5
|
|
|
|
|
|
|
杨其俊 李继志《石油机械》,1998年第26卷第3期
|
|
|
根据往复泵在工作过程中受多种振源激励的情况，用振动诊断方法对往复泵活塞磨损故障诊断进行了探索研究，提出了判别活塞破损（磨损）的简单方法。诊断过程中，用计算机采集往复泵排出过程或吸入过程中缸套压盖上振动加速度信号。通过对该信号的时域、幅值域分析，尤其是频域的同步功率谱平均分析，可提取出较明显的活塞破损（磨损）故障信息。试验表明，用该方法进行往复泵活塞破损（磨损）故障的监测与诊断，具有简单、实用等优点，可准确地判别出活塞的破损（磨损）故障。
|
|
12.
|
三缸泵泵阀故障的幅值域多参数诊断法 被引次数：11
|
|
|
|
|
|
|
杨其俊 徐长航 孙辉 李继志《石油机械》,1999年第27卷第1期
|
|
|
采用振动信号幅值域多参数（如峭度指标、裕度指标和脉冲指标等）诊断法，可较准确地判别三缸泵泵阀的故障。通过对测取的三缸泵阀箱上泵阀关闭过程振动加速度信号的幅值域多参数的统计分析证明，采用振动信号幅值域多参数诊断法可有效提取泵阀失效故障的特征信息，且故障信息特征非常明显。由于仅用较少的几个参数就可完成对泵阀状态较准确的描述，大大简化了泵阀故障特征的提取。可见这种诊断法具有简单实用、所用特征参数少和易于建立泵阀故障诊断系统数据库等优点。
|
|
13.
|
基于小波包能量谱-神经网络的液压泵故障诊断 被引次数：2
|
|
|
|
|
|
|
毋文峰 王汉功 陈小虎《液压与气动》,2006年第12期
|
|
|
针对利用振动信号进行液压齿轮泵故障诊断，介绍了振动信号的小波包能量谱分析，指出了振动信号的小波包能量谱分析可以进行齿轮泵故障模式的识别，研究了利用RBF网络对振动信号的小渡包能量谱进行模式学习和识别的方法，并建立了相应的RBF网络。试验表明小波包能量谱分析一RBF网络方法可对液压齿轮泵的常见故障进行识别和诊断。
|
|
14.
|
基于振动图像纹理特征识别的轴承故障程度诊断方法研究
|
|
|
|
|
|
|
关贞珍 郑海起 叶明慧《振动与冲击》,2013年第32卷第5期
|
|
|
针对轴承故障诊断中故障分类研究多，故障程度研究少，振动图像信息丰富得不到充分利用问题，提出利用振动图像纹理特征识别技术进行轴承故障程度诊断方法。该方法先对轴承振动响应信号进行EMD-形态差值滤波处理，后将滤波后信号转换为双谱等高线图，利用灰度三角共生矩阵得到双谱图形纹理特征，应用主成份分析法从纹理特征参数中提取轴承故障程度特征参量，用支持向量机进行模式识别。实验结果表明该方法能有效区别轴承外圈、内圈及内外圈的故障严重程度，可为旋转机械故障程度诊断提供新方法。
|
|
15.
|
基于小波包理论的往复泵故障特征提取研究 被引次数：4
|
|
|
|
|
|
|
段礼祥《石油矿场机械》,2007年第36卷第1期
|
|
|
特征提取是往复泵状态监测及故障诊断的关键环节。小波包变换是时间频率的局部化分析，尤其适合于非平稳信号。应用小波包变换，将往复泵振动信号分解到8个不同的频带，对各频带内的信号进行统计分析，形成包含待诊断部件故障信息的频带能量值作为故障诊断的特征指标。实例中，将小波包变换应用于往复泵泵阀故障分析，提取到了弹簧断裂时的频带能量特征指标，为往复泵故障诊断奠定了可靠的基础。
|
|
16.
|
基于VMD和改进多尺度熵的往复压缩机气阀故障诊断方法
|
|
|
|
|
|
|
王金东 李颖 赵海洋 刘著 高一淇《压缩机技术》,2018年第3期
|
|
|
针对往复压缩机气阀振动信号具有非平稳性、非线性和多分量耦合特性,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和改进多尺度熵的往复压缩机气阀故障诊断方法。利用VMD方法分解振动信号,并根据互相关系数法选取主要模态分量进行信号重构,可有效的消除噪声干扰;应用改进多尺度熵对重构信号进行量化分析,获得各振动信号的特征向量,并以极限学习机(Extreme Learning Machine,ELM)为故障分类器对往复压缩机气阀的4种状态实测信号进行分类识别。研究结果表明:该方法能够比较准确地提取出往复压缩机气阀故障信息,可实现往复压缩机气阀故障的正确识别。
|
|
17.
|
往复压缩机气阀振动信号的二阶循环谱特征提取
|
|
|
|
|
|
|
雷娜 唐友福 赵亚男《化工机械》,2012年第39卷第4期
|
|
|
往复压缩机气阀振动信号具有典型的循环平稳性,循环平稳理论正是处理这类信号的有效工具,在研究二阶循环自相关及其傅里叶谱理论的基础上,对其主要特性进行了信号仿真研究,并将其应用到往复压缩机故障特征提取中,对2D12往复压缩机气阀在正常阀片和有缺口故障阀片两种状态下的实验数据进行了分析,结果表明二阶循环谱能够准确、有效地提取出往复压缩机气阀故障特征。
|
|
18.
|
基于LMD盒维数与PNN的往复泵声发射故障诊断
|
|
|
|
|
|
|
裴峻峰 郭攀 孟朋朋 王兵 徐延海《化工自动化及仪表》,2016年第12期
|
|
|
针对往复泵泵阀故障诊断,提出使用声发射技术对往复泵泵阀进行故障信号采集.利用局部均值分解(LMD)对非线性声发射信号处理和分形盒维数对非线性信号定量描述的特点,首先对故障信号进行LMD处理,得到含有故障特征的PF分量,然后算出各PF分量的盒维数,通过比较分析盒维数进行故障诊断,最后将各PF分量的盒维数作为特征向量输入概率神经网络(PNN)进行模式识别.通过实验分析,证明该方法对往复泵泵阀故障诊断是有效可行的.
|
|
19.
|
时频和双谱分析方法在轴承故障诊断中的应用
|
|
|
|
|
|
|
李萌 陆爽《煤矿机械》,2005年第8期
|
|
|
提出了基于时频和双谱分析的滚动轴承诊断的方法。利用伪Wigner-ville分布和双谱估计可绘出滚动轴承故障信号的特征图谱。实验表明,伪Wigner-ville分布和双谱分析方法可以敏感地监测滚动轴承工作状态,并且利用特征图谱可以有效地识别滚动轴承不同的故障特征。
|
|
20.
|
基于参数优化VMD和MDE的往复压缩机轴承故障诊断方法
|
|
|
|
|
|
|
《组合机床与自动化加工技术》,2019年第4期
|
|
|
针对往复压缩机轴承振动信号的复杂多分量耦合特性,提出了一种基于参数优化VMD和MDE的往复压缩机轴承故障诊断方法。利用遗传算法搜索VMD算法的最佳影响参数组合,确定VMD算法需要设定的带宽参数和分量个数对故障信号分解。计算分解后各BLIMF分量的峭度值,筛选出最佳BLIMF分量并重构故障信号,然后对重构后故障信号进行MDE分析形成故障特征向量,输入到极限学习机中进行分类识别。对往复压缩机轴承故障实测信号进行分析,实验结果表明,该方法可有效提取出往复压缩机轴承故障特征,特征向量具有较好可分性,实现了往复压缩机轴承故障特征的有效识别。
|
