基于FOA的变分模态分解在轴承故障诊断中的应用

变分模态分解(VMD)广泛应用于故障诊断中,从振动信号中提取故障特征是故障诊断过程中的关键部分。针对强背景噪声和脉冲干扰下滚动轴承早期故障特征难以提取的问题,提出了一种新的基于果蝇优化算法(FOA)的变分模态分解的轴承故障诊断方法。首先,利用果蝇优化算法自适应优化VMD的惩罚参数α和分解数K,获取最优参数组合;然后,对信号进行VMD分解,得到K个模态分量;最后,基于峭度最大化准则选取最优模态分量进行包络解调分析,提取出故障特征频率。通过仿真信号分析、实际故障轴承信号验证以及与基于果蝇优化算法的多分辨奇异值分解(MRSVD)方法进行对比,证明了所提方法的有效性。     

煤矿掘进机电设备故障诊断与质量维护分析

很多先进的煤矿掘进设备被应用到煤炭开采中,这就对掘进机电设备的故障诊断和维护提出了更高的要求,本文对煤矿掘进机电设备故障进行分析,并提出了故障诊断和维护措施。     

多共振分量融合CNN的行星齿轮箱故障诊断

针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题，提出一种多共振分量融合卷积神经网络（multi-resonance component fusion based convolutional neural network，简称MRCF-CNN）的行星齿轮箱故障诊断方法。首先，对振动信号进行共振稀疏分解，得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量；其次，构建多共振分量融合卷积神经网络，将得到的高、低共振分量和原始振动信号进行自适应的特征级融合，通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明，该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障，成功对行星齿轮箱故障进行诊断，同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。     

基于支路影响系数分析的接地网分层故障诊断方法研究

现有的基于电磁感应理论的接地网故障诊断方法需要大量的磁场测量数据,为了解决该问题,笔者提出了一种基于支路影响系数分析的分层诊断方法.首先定义了支路影响系数,并根据影响系数建立了支路诊断难易程度的评价体系.在该评价体系的指导下,分层诊断方法的测量点选取更具针对性,并以分层递进的方式实现了高精确度的腐蚀诊断.在诊断模型求解方面,运用改进的鲸鱼优化算法,保证了分层诊断的准确性.最后,进行了分层诊断与普通磁场反演诊断的对比实验.实验结果表明:分层诊断方法可以在保证诊断准确率的情况下大幅减少测量点数量(可做到接地网支路数50％以下),并且能够缩小测量点的分布范围,因此该方法可以减少现场测量工作量,提高接地网故障诊断效率.     

号脉设备，保障资产，提高绩效——基于先进自动化技术和信息技术的设备故障诊断技术为流程工业带来效益

就流程工业而言，生产安全尤其是设备的正常运行始终是一个重要的话题。设备运行是否正常，能否按照要求进行生产，企业能否获取最大的投资回报率(ROI)，是企业对生产设备最基本的要求，诊断技术是满足这一目标要求的重要技术手段。     

水泥厂是除尘器常见故障的诊断与操作维护

我厂现有３台GGAJ０２GK型１０m２电除尘器，主要用在生料磨、粘土及矿渣烘干等场所，其工作状态是否正常，直接影响厂区及周围大气环境质量。１电除尘器常见故障的诊断电除尘器许多故障在监测表计上会有明显反映，掌握其变化规律对迅速判断故障范围会起到事半功倍的效果。本文中U１、I１表示升压变压器一次电压和电流，U２、I２表示二次直流高压和电流。１．１U１、I１、U２、I２均为零主接触器不动作，多为总电源失电；控制电源回路开路或主接触器线圈烧毁等，按常规检修方法即可解决。主接触器动作，应重点检查GK控制板工作电源是…     

普通测振仪对滚动轴承故障的诊断

0　前　言滚动轴承的使用与发展已有二百多年的历史 ,自英国工业革命以来 ,滚动轴承已广泛应用于各类旋转机械。相比于滑动轴承 ,滚动轴承具有装配方便、润滑易于得到保证的特点。但滚动轴承若选用不当、装配不适、润滑不良等 ,易损坏失效 ,轻者轴承损坏 ,重者损坏设备 ,从而造成不可估量的损失。1　滚动轴承失效原因及诊断方法1 .1　失效原因滚动轴承由轴承外圈 (外滚道 )、轴承内圈(内滚道 )、保持架、滚动体组成。造成滚动轴承失效的直接原因大体有如下几类 :( 1 )选型不合理 ;( 2 )润滑不充分 ;( 3)滚动体、轴承外圈、轴承内圈及保持架…     

高压25MW背压式汽轮机振动分析与处理

厂内一台B25汽轮机,因振动超差,进行了20个月的分析、计算和试验,最后发现中心孔内有250 g左右的油水化合物,造成转子热弯曲,激发汽轮机出现振动严重超标.