一种新型DSCNN-GRU结构的减速机轴承故障诊断方法

结合深度学习理论,将一维卷积神经网络运用于振动信号故障诊断,相较于传统方法,提取特征简单且高效。为进一步优化一维卷积结构,弥补其在信号所有位置的寻找模式,联系周期内的故障特征,提出一种新型DSCNN-GRU网络。该模型融合了深度可分离卷积的轻量快捷,降低了一维卷积结构参数;加入门控机制,可记忆分析故障点的信号特征,联系周期内的信号关系,更好地捕捉信号故障特征,提升对时间序列的敏感性。提出一种跟踪梯度优化Adam算法,解决模型随时间窗振荡问题。通过采集的减速机滚动轴承数据研究表明,该算法平均故障识别率可达94%以上,分类效果明显,泛化能力强。     

化工机械的故障诊断与故障控制分析

为了保障企业的经济效益,必须要保证生产线的正常运转,同时还需用必要的技术方法提高生产线的运行效率,对于化工企业来说也是如此。在化工生产中,离不开化工机械,因此为了进一步提高效益,企业应当对其自身使用的化工机械有所了解,以便于对其进行故障诊断与控制。主要分析了化工机械在各个阶段可能出现的故障原因,以及故障诊断与控制所使用的一般方法。     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。     

振动监测技术在齿轮机构故障诊断中的应用

在机电设备故障诊断中,振动监测技术是最常用的方法。以轧机减速器齿轮机构故障诊断为例,采用频谱分析方法,从振动幅值的变化及时域波形特点分析故障频率特征,从而查明故障原因,为维修提供重要依据。     

HXD1型机车走行部安全状态监测方案研究

轴箱轴承是HXD1机车安全运行的基础部件,也是易于发生损伤的部件,发生故障时会引起重大事故,车载轴承故障诊断系统能在发生前期故障时进行预报警,保障列车运行安全,故HDX1机车均已安装此系统。用于获取温振信号的传感器加装位置的选择对于系统的效果有重要影响。建立了SimpackHXD1线路-机车耦合动力学模型,基于美国五级轨道谱,计算出轮对三向位移激励;建立了RecurDynHDX1轴箱轴承动力学模型和HDX1轴箱刚体及柔体模型,基于此建立基于RecurDyn的HDX1轴承-转向架-机车耦合动力学模型,包括刚体耦合动力学模型及刚柔耦合动力学模型;使用HDX1轴承-转向架-机车耦合动力学模型进行了仿真计算,确定了传感器加装位置。结果表明:观测X或Y方向的加速度,传感器安装在测点1的位置较为合适;观测Z方向的加速度,传感器安装在测点2的位置较为合适;110km/h下加速度很大,可能在此速度下,轮对激励引起了轴箱的共振。     

汽车灯光系统电路故障诊断与检修

汽车灯光系统包括照明设备和信号装置,是为了保障驾驶安全。文章介绍了速腾轿车灯光系统的组成、工作原理及常见故障,并对典型的灯光不亮故障进行了分析、诊断、排除。最后,总结了故障排除的一般方法和故障点可能出现的位置。     

基于状态空间法的电动机故障诊断和识别

电动机的初期故障信号一般较弱,不易辨别,而状态空间法在小信号的处理中灵敏度很高。为达到对电动机故障的诊断和识别,试图把状态空间法应用到对电动机的故障诊断中,先通过推导,从数学理论层面分析了状态空间法对于电动机故障信号的可辨别性,再使用Matlab软件搭建状态空间的辨别模型,把实验台测试的三组数据导入到模型中进行测试。测试的结果有力地证明了此方法的可行性,并能克服快速傅里叶变换(FFT)中数据采集量较大、分辨率不高的缺点。