全断面隧道掘进机主轴承故障诊断研究

对全断面隧道掘进机主轴承结构、故障产生原因及故障诊断方法进行了分析,以隧道工程施工为实例,进行了主轴承故障诊断,为全断面隧道掘进机主轴承在新制、再制造设计、使用时提供技术参考。     

基于变分模态分解和共振解调的轴承冲击特征

本文针对轴承的早期故障,提出基于变分模态分解和共振解调相结合的分析方法。通过Adams建立轴承故障模型,分析出冲击特征;通过轴承试验台获取轴承冲击信号,分析出信号的特征。通过仿真和试验分析表明,该方法能够获得轴承的冲击特征,可以为轴承的故障诊断提供一定的借鉴意义。     

基于深度卷积神经网络的未知复合故障诊断

针对振动信号的非平稳性、非线性以及未知复合故障难以诊断的问题,提出了一种基于深度卷积网络的未知复合故障诊断模型。首先将采集到的时域振动信号通过小波变换生成频谱图像;然后将频谱图输入卷积神经网络(convolutional neural network,CNH),利用卷积网络自适应的特征提取能力对复合故障进行特征学习;最后将深度卷积网络输出的特征通过分类器对故障进行诊断分类。在实验室模拟采集的不同数据集上进行实验,结果表明:基于深度卷积网络的未知复合故障诊断模型与基于改进CDCGAN的复合故障诊断方法相比,对未知复合故障的诊断率提高了44%,达到85.77%;使用不同类型的单一未知复合故障和多种未知复合故障进行实验,验证了所提模型的泛化能力和鲁棒性。     

基于级联长短期记忆神经网络的轴承复合故障预测

当前对轴承进行健康度评估和剩余寿命预测时通常采用共振解调、包络分析等方法,但仍存在健康度提取困难、故障预测种类单一、缺乏可靠模型等问题。针对这些不足,文章提出一种基于级联长短期记忆(LSTM)神经网络轴承复合故障预测的方法,其通过两级级联LSTM神经网络实现轴承的健康度评估和剩余寿命预测。文中采用西安交通大学的轴承数据集进行实验对比,结果表明,相比共振解调法,采用本方法在单一故障数据的健康度评估中,健康度曲线的单调性、鲁棒性和趋势性综合评价指标分别提升了12%、24.8%和5%;在复合故障数据的健康度评估中,综合评价指标提升了15.1%;并根据健康度评估曲线实现了剩余使用寿命预测,证明了该方法在健康度评估和剩余寿命预测方面的有效性。     

减速箱轴承故障诊断特征参数灵敏性比较

对几种轴承故障诊断特征参数对轻度轴承故障的诊断敏感性进行了比较研究，研究表明频域特征因子及ＡＲ模型参数对较轻微的故障具有较强的诊断有效笥。     

基于CMCKD的自适应循环泵轴承故障诊断研究

针对某热源厂循环泵工作环境恶劣,其轴承发生故障难以及时检测、停泵影响供热运行安全的问题,提出了基于最大相关峭度解卷积(MCKD)的自适应轴承故障诊断方法.该方法首先对轴承的原始信号进行采集,之后通过混沌灰狼算法(CGWO)对MC KD的滤波器步长就行迭代选取,构建最优参数的MC KD对原始振动信号进行最大相关峭度解卷积...     

硬岩掘进机主轴承外密封洞内修复技术

主轴承是TBM最为关键的部件,其寿命与状态直接影响TBM的寿命,一旦出现故障将严重影响掘进施工,甚至造成长时间停工,确保主轴承状态完好的关键措施之一就是其内外两套密封系统.通常情况下,主轴承洞内维修需要通过迂回导洞开挖扩大洞室,耗时很长、损失巨大.本文介绍了TBM施工过程中主轴承外密封系统出现的一次严重故障及其洞内修复方案、特别说明了刀盘在掌子面的固定方法.在故障诊断、因地制宜制定解决方案、实施以及预防措施等方面,可为大型施工设备的使用管理积累提供借鉴.     

盾构主轴承齿轮油泄露故障诊断与处理

通过对盾构主轴承密封结构和主轴承润滑系统的分析研究,经现场检查确定故障原因并提出解决方案,重点对故障诊断过程与处理方案进行了介绍,可以对类似案例提供借鉴。     

基于小波去噪—经验模态分解和支持向量机的塔机起升机构轴承故障诊断

针对塔机起升机构轴承故障振动信号特点,提出了一种基于小波降噪—经验模态分解(Empirical Mode Decomposition,EMD)和支持向量机(Support Vector Machine,SVM)的塔机起升机构轴承故障诊断方法。首先,对采集到的振动信号进行小波降噪,接着通过EMD方法将降噪后的振动信号分解为若干个本征模态函数(Intrinsic Mode Function,IMF),构造IMF能量矩,最终将提取的能量矩作为输入来建立支持向量机,实现智能化诊断。实验结果表明该方法能有效地应用于塔机起升机构轴承故障诊断中。     

基于双谱分析的滚动轴承故障诊断

针对工程中常见滚动轴承的振动信号含有高噪声和非线性等特点,利用双谱分析提取其振动信号中的高阶谱,进而对滚动轴承故障模式识别与诊断。对小波降噪的振动信号做双谱分析,提取对应转速频率的振动分量作为频域特征值,并将滚动轴承3种故障的特征值与时域中选取的特征值与其正常信号对比分析;实现对滚动轴承不同故障的识别与判断。实验结果表明,该方法可以全面反映出轴承振动信号中的隐含信息,能有效地对工程常见的滚动轴承做出故障诊断。     

大数据平台下基于信息融合与ADAMS建模的压缩机轴类故障识别

含有压缩机故障诊断模块的分布式大数据平台,已成为石化企业设备管理的未来趋势;基于粗糙集和支持向量机理论的大数据信息的快速分类方法对故障识别不理想,特别是基于典型轴类故障力学建模与诊断相结合技术的有效分类方法尚不成熟;文中提出一种基于LMD(Local Mean Decomposition,LMD)与多重分型谱信息融合的故障识别方法,对故障大数据流中难以判定的轴承类间故障程度与位置进行有效识别,利用ADAMS动力学建模分析典型故障输出振动响应,通过与实测数据对比验证,证实该方法可提高二次故障分类的准确性。     

工程机械齿轮箱复合故障诊断研究

针对工程机械中齿轮箱复合故障信号受实际工况下强噪声影响的问题,本文提出集合经验模态分解(EEMD)和小波包进行故障诊断。首先对采集的信号进行降噪,其次运用EEMD方法对降噪信号进行分解,最后采用快速独立分量分析(FastICA)对重构信号进行分离提取。通过实测验证表明,此方法在齿轮箱故障诊断上可行。     

基于BAS的空调系统过程监测与故障诊断

提出了基于BAS的空调系统过程监测与故障诊断模式，阐述用主成分分析法进行故障诊断的过程，并用其进行空调系统的传感器故障诊断。结果表明，主成分分析法具有很好的故障检测、故障识别和故障重构能力，还表明，故障诊断与BAS相结合是可行的。     

基于LCD和MCKD的轴承故障诊断

针对振动信号故障特征频率微弱且难以提取的问题,提出基于局部特征尺度分解(local characteristic-scale decomposition,LCD)和最大相关峭度反卷积(maximum correlated kurtosis deconvolution,MCKD)相结合的故障诊断方式。通过对待测信号进行LCD分解,得到一系列的内禀尺度分量(intrinsic scale component,ISC),并根据相关系数,即峭度的筛选原则选择重构所需的真实分量。再利用MCKD对重构信号进行降噪处理,最后对降噪后的信号进行包络解调,提取故障特征信息。实验证明该方法在轴承故障诊断上具有一定的可行性。     

变频调速系统故障诊断对象模型的研究

变频调速系统的故障诊断主要体现在逆变器中的功率开关器件及其控制电路,当前其可靠性问题一直没有固的解决方法。文中选用三相交流异步电动机变频调速系统为研究平台,并在MATLAB中搭建故障诊断对象模型。仿真可能出现的故障波形,选择能迅速反映系统故障的逆变器输出线电压为测试对象,对电压波形进行傅立叶变换获得故障特征信息,对其频谱进行分析处理,对比各故障状态与正常状态下的逆变输出信号的各阶次频谱,选取两者相同阶次频谱量化后作为故障诊断特征量。最后,计算故障特征量在故障状态下相对无故障状态的频谱偏差,能快速判故障诊断的位和故障状态。     

冷凝器结垢故障对传感器故障诊断方法的影响分析

传感器测量质量是实施系统监控，优化控制及部件故障诊断的重要保证。制冷机系统的部件故障和传感器故障很有可能同时发生。因而在研究传感器故障诊断的方法及应用这一方法进行传感器故障诊断时必须考虑到制冷机的部件故障的影响。根据离心式制冷机的试验数据研究了冷凝器结垢故障对基于主元分析法的制冷机传感器故障诊断方法的影响，研究结果表明基于主元分析的制冷机传感器方法对冷凝器结垢故障不敏感，该方法对有无结垢故障条件下的传感器故障都能成功地进行检测诊断及数据重构。     

三电平光伏逆变器故障诊断研究

本文通过对三电平光伏逆变器的故障类型和当前常用的故障诊断方法进行分析,将不同故障诊断方法的优劣进行对比,发现当前的故障诊断方法存在一定的缺陷;提出一种基于小波变换和极限学习机神经网络相结合的逆变器故障诊断方法,该方法可实现对三电平光伏逆变器多模式故障的诊断。通过仿真实验,验证该方法的正确性和有效性。     

空调系统的神经网络信息融合故障诊断研究

空调系统的故障诊断十分复杂。针对传统故障诊断的不足,提出神经网络与信息融合相结合的故障综合诊断方法,对来自多个时刻的故障信息进行融合,得到更为准确的故障综合诊断结果。通过在集中空调教学模型上的仿真试验,证明了该故障诊断方法的可靠性。     

基于EWMA控制图和规则的变风量空调箱故障诊断

针对变风量空调箱故障,考虑了数据自相关性、系统动态性和瞬变过程等因素的不利影响,本文给出了1种基于EWMA控制图和专家规则的变风量空调箱故障诊断方法。残差EWMA控制图被用于检测变风量空调箱故障,该方法既可以消除空调负荷突变、运行参数改变、开机等瞬变过程和系统动态性的不利影响,又可以消除数据自相关性对控制图性能的不利影响,可以提高故障检测的准确性。设计了基于规则的故障分类器,可分离和寻找故障源。故障诊断方法在实际系统中进行了应用和验证,验证结果表明该故障诊断方法具有较好的鲁棒性和较高的准确率。     

PCA在机械制造中的应用研究

本文设计了PCA用于滚动轴承故障诊断中数据降维的应用方法使得数据维数大幅下降,使得支持向量机的训练速度和判断准确率大幅提高。本文还设计了基于PCA的利用正常运行信息建立模型进行故障检测和故障诊断的方法,避免了其他方法由于故障信息不易采集导致故障检测、诊断不理想的问题,为过程控制、故障检测提供了一条新思路。