集成多传感器信息融合算法的啃轨故障诊断系统设计

提出一种集成多传感器信息融合算法的起重机啃轨故障智能诊断系统,不同原因造成的啃轨有规律可循,利用多传感器数据融合、故障诊断逻辑运算等算法,得出可能导致啃轨的原因。这一系统提高了啃轨定位和诊断的精度、速度,便于维护人员掌握设备运行状态,及时发现并处理设备故障,提高设备自动运行的可靠性和设备寿命,还能节省能源,降低成本,适用于恶劣环境,这种方法广泛适用于各种存在车轮啃轨现象的轨道式起重机、桥式起重机和有轨机车等。     

大数据下机械装备故障的深度迁移诊断方法

机械故障智能诊断是大数据驱动下保障装备安全运行的重要手段。为准确识别装备的健康状态,智能诊断需要依靠充足的可用监测数据训练智能诊断模型。而在工程实际中,机械装备的可用数据稀缺,导致训练的智能诊断模型对装备健康状态的识别精度低,制约了机械故障智能诊断的工程应用。鉴于实验室环境中获取的装备可用数据充足,即数据的典型故障信息丰富、健康标记信息充足,且此类数据与工程实际装备的监测数据间存在相关的故障信息,提出机械装备故障的深度迁移诊断方法,将实验室环境中积累的故障诊断知识迁移应用于工程实际装备。首先构建领域共享的深度残差网络,从源自不同机械装备的监测数据中提取迁移故障特征;然后在深度残差网络的训练过程中施加领域适配正则项约束,形成深度迁移诊断模型。通过实验室滚动轴承与机车轴承的迁移诊断试验对提出方法进行验证,试验结果表明:提出方法能够运用实验室滚动轴承的故障诊断知识,识别出机车轴承的健康状态。     

基于优化核算子的塔机远程智能监控技术研究

塔式起重机工作负载重,机械部分出现故障则会导致严重安全事故。现有的安全监控多为故障发生后的警示,难以预测故障。针对此问题,提出了一种塔式起重机远程智能监控系统。该系统采取GSM通讯方式构建起重机关键部件运行参数的远程传输,并提出一种多核算子的极限学习机算法(MKELM)处理监控数据,形成对机器早期故障的智能诊断技术[1]。对起重机回转电机的故障诊断实验测试结果表明,起重机远程智能监控系统能够准确、及时、可靠地检测出机器部件潜在故障,避免机器严重故障发生;同时,MKELM诊断算法比现有方法诊断率高3.4%以上,具有较好的工程应用前景。     

探究桥式起重机检验中的问题

随着我国市场经济不断发展,工业化水平不断提高,当今工业领域中桥式起重机的应用愈加广泛。作为一种大型起重设备,其内部结构和运行机理都非常复杂,在实际应用当中容易出现故障问题,这就需要加强日常检验工作,找出桥式起重机内部存在的故障问题,并针对性提出相应的解决对策。基于此,本文重点以桥式起重机作为探究核心,分析桥式起重机检验中的问题,并提出相应的解决对策以及加强检验工作的方法。     

径向柱塞式液压马达故障实验及其智能诊断方法

针对径向柱塞式液压马达故障数据源较少、故障特征与振动信号之间对应关系不明等问题，运用某企业柱塞式液压马达扭矩测试平台收集其故障振动信号，对比径向柱塞式液压马达不同故障类型之间的振动数据特点，分析故障特征与振动信号之间的对应关系，丰富径向柱塞式液压马达故障诊断数据集，并提出基于深度卷积神经网络的径向柱塞式液压马达智能故障诊断方法。径向柱塞式液压马达故障实验结果表明：相比于正常振动信号而言，滚子和定子裂纹及磨损故障振动信号烈度较大，时域统计指标变化较明显，且频谱中有清晰的故障特征及其倍频成分；提出的智能故障诊断方法可以高效识别径向柱塞式液压马达9种健康状态，诊断精度高达99.85%,为径向柱塞式液压马达出厂前测试的智能诊断奠定了数据和理论基础。     

基于受损桥式起重机的检验探讨

在工业生产过程中广泛利用桥式起重机,桥式起重机设备类型比较丰富,如果桥式起重机发生损坏,将会影响到桥式起重机正常运行,本文分析了桥式起重机的类型,阐述了桥式起重机失效的原因,提出了基于受损桥式起重机的检验措施,有效修复受损的桥式起重机,保障整体运行的稳定性。     

门式与桥式起重机电气保护系统的检验技术

门式与桥式起重机是我国工业生产中重要的电气设备,为提高工业生产效率、保证生产安全,应做好起重机电气保护系统检验工作。就当前的工业生产情况来看,门式与桥式起重机应用过程中很多安全事故均与电气保护系统相关,因此有必要加强电气保护系统检验技术的应用,及时识别起重机电气保护系统运行安全问题,保障起重机运行的安全性与稳定性。基于此,该文对门式与桥式起重机运行特点及电气保护系统加以分析,讨论了电源滑触线、零位保护、主隔离开关与短路检测保护、过载保护、超速保护、紧急断电开关以及绝缘电阻保护等检测技术,并以某门式起重机电控系统为例,根据设备运行实际情况对其电气回路开关及保护配置加以分析,提出可行的电动机过电流保护措施,降低电气系统安全故障出现概率,保证门式与桥式起重机设备的稳定运行。     

桥式起重机金属结构检测及安全评估研究

通过整理现有桥式起重机规范文件及结合工程经验,提出针对桥式起重机金属结构安全检测的检测方案及各检测项的安全许可范围。利用SVM(支持向量机)机器学习模型建立桥式起重机金属结构安全评估模型,对检测方案中提出的桥式起重机金属结构检测数据,进行智能安全评估。通过MATlAb实现了桥式起重机金属结构安全评估程序,结合工程检测结果进行实例分析。评估结果表明,针对桥式起重机金属结构安全评估这类小样本、模糊非线性问题,本评估方法具有较高的评估可靠性,可为桥式起重机金属结构安全评估提供技术支持。     

基于多源数据融合的电力系统故障诊断与评估平台开发

针对当前电力系统故障数据和信息分布在不同安全分区的问题,对符合安全防护规定的跨安全分区数据分类、关联和融合技术进行了研究,提出了基于多源数据融合的电力系统主网和配网故障智能诊断技术。在主网诊断过程中,充分利用故障状态量、电气量和时序信息等数据,并结合气象等外部要素情况,分析了故障原因;在配网评估过程中,综合利用电力生产管理系统(PMS)、调度管理系统(OMS)以及能量管理系统(EMS)的海量数据,发展了基于规则推理的配网故障诊断评估技术。并根据江苏电力系统实际情况,侧重电网运行信息、设备状态信息和环境监测信息深度融合与综合应用,开展了基于多源数据融合的电网故障诊断平台研究以及故障辅助分析系统的研制。研究结果表明:该系统综合利用了多源数据的冗余信息,可更快速和准确地实现故障智能诊断。     

QDY型桥式起重机安全检验和防护的研究

结合QDY型桥式起重机检验实例,探索其在高温、高粉尘、高危险、高要求等因素下,对其作业环境和选型、吊钩以下部分、起升机构、主要受力构件、操作控制、安全保护装置、电气设备和控制系统方面的安全要求和检验方法以及在检验时的防护,并提出该类起重机在检验、维修保养和使用方面要注意的几点问题,供有关单位参考。     

桥式起重机智能运行系统及路径规划研究

桥式起重机在现代生产中的应用越来越广泛,同时桥式起重机也朝着更具智能化的方向发展,文章围绕桥式起重机的智能运行系统相关问题展开了细致的探讨,明确了基本的系统的基本组成以及基本的工作原理,分析了桥式起重机智能运行系统的路径规划,希望对发挥桥式起重机智能运行系统的优势有所借鉴。     

多通道一维残差卷积神经网络在风力发电机组轴承故障智能诊断中的应用

为提高卷积神经网络在风力发电机组轴承故障诊断上的准确率，本文对某2MW风力发电机组轴承故障数据，进行单通道及多通道、多种诊断网络模型、不同优化算法的故障诊断分析对比，提出将多个振动传感器的数据整合为多通道一维数据集，再使用一维残差卷积神经网络进行故障诊断。得出基于Adam优化算法的多通道一维残差卷积神经网络诊断准确率最高。因此，多通道一维残差卷积神经网络在风力发电机组轴承故障诊断中应用效果良好，能够准确的识别各类故障模式，为机组的安全、稳定运行提供了保障。     

大型港口起重机故障诊断

中国上海港务局引领的课题小组通过调研、实验、分析、计算机仿真等多种方法,将我国的港口起重机故障诊断水平与能力提升到"智能化诊断维修原型系统"阶段,并形成了一整套比较实用的技术,可以实时监控、诊断和维修港口起重机。与之前的故障诊断相比,智能化的诊断维修更好地维护了港口起重机的安全,并有效降低了故障发生率以及机构性事故。本文基于PLC控制的角度,具体讨论了大型港口起重机的瞬时故障诊断。     

轴承故障智能诊断专家系统的研究CSCD

为满足RV减速器轴承故障分析的需要,实现对轴承故障的智能诊断,提出了一种基于专家系统的轴承故障智能诊断方法。针对RV减速器轴承的特点,通过模拟实际工况进行试验,提取不同故障类型的特征数据,结合轴承故障判别依据以及先验知识,采用Visual Studio软件建立RV减速器轴承故障智能诊断专家系统,提高轴承故障类型的识别率以及故障位置、程度的诊断精度。通过试验对故障诊断推理模块、知识更新模块、知识库管理模块等功能模块进行了验证,保证了专家系统的可靠性。     

基于振动信号的减速器故障诊断方法

基于经典振动分析方法 ,总结了减速器3类常见故障(轴故障、齿轮故障、轴承故障)在振动方面的特征。利用Matlab数据处理和信号分析功能,采用时域分析、相关分析、频域分析、时频分析等方法,结合已知的减速器基本参数,从不同角度挖掘信号中的故障信息,进行故障推断,并以案例的形式介绍了对某型门座起重机起升机构减速器故障诊断的具体执行过程,得出诊断结果。对该机减速器故障诊断的研究,能弥补其状态监测与故障诊断的不足,保证其运行的安全高效性,提升设备管理水平。     

基于深度信念网络的航空发动机气路故障诊断技术研究

针对传统的航空发动机故障诊断方法正确率较低,并且对异常数据不敏感的问题,将智能诊断算法引入航空发动机气路故障诊断领域。以涡轴发动机为例,分析了常见气路部件故障类型的成因和表现,并在Tensorflow上建立基于深度信念网络的故障诊断模型。与传统的故障诊断方法相比,具有更高的故障诊断正确率。     

SVM的起重机金属结构安全评估研究

通过整理现有桥式起重机规范文件及结合工程经验,提出以量化的方式处理桥式起重机检测数据样本,及以PCA(Principal Component Analysis)降维算法优化样本。利用SVM(支持向量机)算法建立桥式起重机金属结构安全评估系统,对桥式起重机金属结构进行智能安全评估。通过Matlab编程工具,开发了桥式起重机金属结构安全评估程序,结合工程检测样本进行仿真实验分析。实验结果表明,针对桥式起重机金属结构安全评估这类小样本、非线性问题,本评估方法具有较高的评估可靠性,可为桥式起重机金属结构安全评估提供技术支持。     

桥式起重机常见机械故障及排除

桥式起重机是一种大型搬运设备,一般在采矿、钢铁电力、港口货运以及交通运输等诸多领域均有所应用。然而在使用过程中,可能因难以确定和控制等因素发生各种故障,进而干扰其正常作业,所以必须采取措施及时进行故障诊断和排除。首先对桥式起重机作了概述,然后对其常见机械故障进行了分析,并在此基础上探讨了故障诊断排除方法,希望对保障桥式起重机安全、高效作业以及延长使用寿命有所启示,进而促进桥式起重机健康发展。     

基于模糊理论与规则的减速机故障诊断专家系统关键技术研究

为克服减速机故障传统诊断方法存在的诊断效率低、缺乏科学性等弊端,采用专家系统的开发思想与技术实现故障的智能诊断,并将基于贴近度的模糊诊断与基于规则的不精确推理相结合的故障诊断推理技术运用于诊断专家系统的推理中,旨在能够实现故障诊断的快速准确性,保证设备安全、可靠的运行.     

基于无监督学习的岸边集装箱起重机关键部件故障诊断方法

为保障集装箱码头的安全性与可靠性,需要对岸边集装箱起重机进行故障诊断,发现异常从而保障关键部位功能安全.文中针对目前岸边集装箱起重机故障样本少的现状,提出了一种基于无监督方法的岸边集装箱起重机故障检测方案,能够根据现有数据自动的获得岸边集装箱起重机的健康状态,且不强制要求存在大量的故障数据对该故障检测模型进行训练.在岸...