原子发射光谱仪作油液分析故障诊断的界限值问题

研究油液分析界限值的重要性和制定方法。界限值分为浓度和趋势两类,分别包括正常、临界和异常3个等级。着重对原子发射光谱仪油液分析的界限值制定提出具体方法,并已在实际中应用。     

一种基于粗糙集理论的最优故障诊断规则获取方法

为了获取最优故障诊断规则,给出一种基于信息标记的改进属性值约简算法,以及针对规则的冗余、矛盾、从属等方面的规则检测方法,并应用于某型航空电子设备故障诊断中进行最优诊断规则获取,结果表明诊断有效。     

基于数据挖掘技术的远程服务与故障诊断

构建一个多制造商和多客户共用一个服务平台的设备远程监测与故障诊断系统,采用现场总线技术采集现场设备状态数据,通过Internet将信息发送到远程服务中心,由不同的工具对信息进行处理,诊断中心采用智能诊断与专家诊断相结合的工作模式,利用关联规则挖掘知识并用于智能诊断,本文阐述了系统网络运行结构,系统功能模型,基于关联规则发现知识的算法以及评价与实现。     

基于油液分析的航空发动机状态监控与故障诊断系统研究

论述了航空发动机状态监控的重要性及其原理．研究开发了基于油液分析的航空发动机状态监控与故障诊断系统，并初步实现了系统的基本功能。     

一种机械故障诊断的知识获取工具

本文针对机械传动系统的故障诊断问题,采用模糊规则和相应的模糊神经网络描述基于传统的振动谱分析的诊断知识,并且在Ｗｉｎｄｏｗｓ环境下研究开发了一种知识获取软件工具。该工具为用户输入和修改诊断知识提供一个图形界面。     

构建基于数据挖掘的风机远程监测与故障诊断平台

构建了一套基于INTERNET、数据库和数据挖掘技术的风机远程监测与诊断平台。通过该平台，授权用户可以方便快捷地获取和交换诊断维护信息。     

一种航空发动机磨损故障模糊融合诊断方法

为提高航空发动机滚动轴承的磨损故障诊断的精度,综合利用多种油液分析方法的优点,提出一种航空发动机磨损故障的模糊融合诊断方法.首先,针对光谱分析、铁谱分析、颗粒计数分析、理化分析数据的各自特点,基于自定义隶属度函数对油液分析数据进行模糊化处理,从而得到表征光谱分析、铁谱分析、颗粒计数分析、理化分析数据的证据可信度和规则可...     

基于光谱分析趋势值的机械设备油液监测方法研究

光谱监测是现代机械设备油液监测技术的重要手段,对于磨损元素界限值的制定有着重要意义.该文介绍了国内外光谱数据界限值的常用方法,考虑到机械设备不同的磨损阶段有不同的磨损情况,本文提出了一种基于趋势值的光谱数据浓度界限值的动态分析方法.     

基于深度学习的航空发动机齿轮故障诊断

传统的机械故障诊断方法需要将采集的故障波信号进行信号处理,再结合神经网络进行特征提取与分类,不仅流程复杂、耗费时间,而且识别准确率不高。针对此问题,采用一维卷积神经网络（one dimensional convolutional neural network,简称1D?CNN）对试验获取的某航空发动机的齿轮故障振动数据进行特征提取与分类,建立齿轮故障一维卷积神经网络模型,对航空发动机轴承进行故障诊断。试验与分析结果表明：采用该神经网络模型对齿轮进行分类,其准确率可达80%,相较于采用传统的前馈神经网络63.9%的识别准确率,提高了15.07%;与采用支持向量机（support vector machine ,简称SVM）对故障进行分类识别相比,该方法准确率提高了15.89%。本方法能够直接将波形振动信号作为输入,通过卷积、池化等一系列操作,输出最后的分类结果,简化了传统方法先进行信号处理再通过机器学习诊断的步骤,为航空发动机故障诊断提供一种可行方法。     

基于数据挖掘的风力发电设备在线故障诊断平台

为保证风电场大型风力发电机组安全、可靠、经济和优化运行,提出了一个基于数据挖掘技术的风力发电机组在线状态监测与故障诊断系统。并介绍了该系统的硬件、软件体系结构、网络技术及特点,给出应用实例说明其实用性和有效性。     

液压泵的人工神经网络在线故障诊断系统

研究从液压泵振动，流量脉动和压力脉动信号的时域信息中提取诊断特征参数，组成最小诊断参数组合，并用人工神经网络进行了信息融合。提出一种液压泵的人工神经网络网络在线故障诊断系统，并进行仿真试验。     

多振动信号的时频相干多分形特征提取

为充分利用多个同步采样的振动信号进行机械设备的故障诊断,提出了搭建多振动信号时频相干网络并提取其多分形特征的方法。首先,将每个振动信号作为一个节点,根据所关心的物理问题,按适当的方式将各个节点连接成网;其次,对网络中相邻的每对节点做交叉小波变换,得到时频相干谱,借助小波领袖来估计时频相干谱的多分形谱,用曲线拟合的方法来提取多分形谱的形态特征;最后,利用特征融合与维数约简方法,对已得到的所有特征进行融合和降维,从而得到整个网络的最终特征。该方法给出了一个提取多振动信号时频相干多分形特征的框架,并在某高射机枪自动机的裂纹故障诊断中取得了成功应用,具有广泛的适用范围。     

多尺度特征自适应融合的气动控制阀故障诊断

气动控制阀作为过程工业典型的终端执行机构,由于故障发生率高、故障类型繁多,导致故障识别难度大,且故障后果严重,因此对其进行智能的故障检测和诊断具有重要的实际意义。 本文提出了一种多尺度特征自适应融合网络用于气动控制阀故障诊断。 首先,搭建了融合自注意力机制的多尺度特征提取网络自动提取信号的空间特征和细节特征。 然后,设计了权重自适应特征融合网络对多尺度特征加权融合,提高模型对故障特征的表征能力。 最后,由长短时记忆神经网络和 SoftMax 函数实现特征识别和故障分类。 实验结果表明,该模型在 DAMADICS 阀门基准实验平台上的平均检测准确率达到 96. 82% ,均高于其他对比模型。 与最近发表文献中的检测结果对比发现,本文开发的模型在可检测的故障数量和检测准确率方面也具有一定的优势,并且通过实验验证了模型的检测性能。     

基于DBN的故障特征提取及诊断方法研究

随着装备日趋复杂化,依靠专家经验或信号处理技术人工提取和选择故障特征变得越来越困难。此外,以BP神经网络、SVM为代表的浅层模型难以表征被测信号与装备健康状况之间复杂的映射关系,且面临维数灾难等问题。结合深度置信网络(DBN)在提取特征和处理高维、非线性数据等方面的优势,提出一种基于深度置信网络的故障特征提取及诊断方法。该方法通过深度学习利用原始时域信号训练深度置信网络并完成智能诊断,其优势在于能够摆脱对大量信号处理技术与诊断经验的依赖,完成故障特征的自适应提取与健康状况的智能诊断,该方法对时域信号没有周期性要求,具有较强的通用性和适应性。在仿真数据集和轴承数据集上进行了故障特征提取和诊断实验,实验结果表明:本文提出的方法能够有效地从原始信号中进行多种工况、多种故障位置和多种故障程度的故障特征提取和诊断,并且具有较高的故障识别精度。     

转子系统动静件间尖锐碰摩时的振动特征试验研究

通过试验研究了转子系统中动静件间尖锐碰摩时的振动特征规律。根据碰摩的发展历程，把握摩严重程度划分为4个阶段：刚开始触碰、早期尖锐型触碰、中期半关脱型碰摩和晚期平纯型碰摩。在早期碰摩阶段，发现有工频的1／3、2／3分量等稳定存在，这一特性可能为这类故障的早期诊断和预报提供了一定依据。     

统计模拟方法在机械故障诊断中的应用

提出在小样本情况下建立设备状态特征库的方法 ,以解决机械故障诊断中无法采集到大量样本来建立状态特征库的难题。讨论如何根据各种指标在变工况下的稳定程度来选择状态特征的问题 ,提出用指标的稳定行为量来衡量小样本指标的稳定程度。利用火车车轮滚动轴承 3种状态下振动加速度信号的功率谱 ,依据指标的稳定程度 ,确定其特征指标 ,并应用所提出的方法对确定的指标进行统计模拟 ,构建了对应的状态特征库 ,在实际中实现了良好的状态辨识。实践证明 ,这种方法在机械故障诊断中是简单实用和可行的     

机电设备智能故障诊断系统中的数据挖掘

论述了机电设备的智能故障诊断系统的设计思想、总体结构，并设计了二叉决策树和多叉决策树相结合的数据开采方法，该系统将数据挖掘与专家系统有机地结合起来，有效地解决了知识自动获取的“瓶颈”问题。     

现代电机设备智能故障诊断综述

分析了电机设备故障诊断的基本原理,系统地阐述了电机设备的现代故障诊断方法,并分析了已有的各种故障诊断方法的特点,最后指出了电机故障诊断方法的发展趋势。     

连续小波变换在往复泵泵阀故障识别中的应用

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。