不同轴承支撑下碰摩转子系统的动力学特性

研究了不同类型轴承支撑下的转子碰摩故障振动特征。首先,采用了计及回转效应、剪切效应及横向扭转的梁单元建立了实验装置转子的有限元分析模型;然后,通过二维计算流体力学方法得到不同类型轴承的动力学参数;最后,在此基础上,结合非线性动力学理论,分析比较了转子在圆柱轴承、可倾瓦轴承等5种轴承支撑下的碰摩非线性动力学行为。研究结果表明：在椭圆轴承、五瓦轴承和四瓦可倾瓦轴承支撑下,系统主要表现为同频周期运动;而对于圆柱轴承和四油叶轴承支撑,系统会出现较复杂的运动。本研究工作是对之前转子碰摩非线性动力学研究的扩展,所得计算结果可为大型高速旋转机械系统动态设计制造和碰摩故障的诊断和控制提供理论参考。     

基于PCA的往复压缩机气阀故障异常监测方法

针对气阀故障异常自动检测迫切需求,针对气阀故障在温度数据的表现特点,即同类气阀正常工作时温度波动一致,故障时温度波动存在差异,采用主成分分析(PCA)从气阀阀盖温度数据中提取故障特征参数,建立基于径向基函数的故障异常监测模型,实现了故障异常自动检测,并可进一步对故障气阀进行自动定位,为故障早期快速报警奠定了基础。     

往复式压缩机进气阀优化设计方法研究

目前压缩机气阀的设计大多数是按照已有设备进行经验设计,定量设计研究比较少。本文结合使用CFD软件模拟的方法对压缩机气阀弹簧刚度进行优化设计。文中首先对压缩机的吸气过程进行了三维的瞬态模拟,其中阀片运动规律由编写的UDF函数定义,最终得出气缸内部的流体状态以及气阀的运动规律,结果更加实际准确。在此基础上对一组弹簧刚度进行模拟,得出气阀运动规律与弹簧刚度的关系,在兼顾压缩机的寿命与效率的情况下,得出最优的弹簧刚度。这对于压缩机气阀的设计等具有指导性的意义。     

往复式压缩机冲击故障诊断技术研究

往复式压缩机的冲击性故障大多属于高频振动,且冲击较大,十字头周围是最能捕捉冲击类故障的部位。因此,建立了基于冲击次数进行诊断的方法。将该方法与在线监测系统相融合,采集隔距件的整周期冲击信号,利用门限自学习及信号拼接技术实现冲击次数计算,同时满足振动监测及冲击诊断需求。试验结果表明,冲击次数对载荷调节器调节不当及阀片故障很敏感,可以配合在线监测系统对故障进行有效监测;软件与硬件相结合的方式,不仅可以大大降低成本,也可与在线监测系统有效融合,可提高往复式压缩机的安全系数,预防严重事故的发生,具有较高的经济效益。     

采用序贯学习的改进型Elman神经网络预测研究

针对石油化工领域监测系统中,广泛存在的非线性时间序列预测问题。将Elmann神经网络方法引入化工过程监测的在线预测。并在其理论框架基础之上,改进了Elman神经网络的内部结构,引入了串行学习机制,可以根据实时数据对网络进行在线训练,提高网络预测精度。通过对某芳烃厂实时数据在线预测仿真,表明该方法能够准确地在线预测未来数据,同时具有训练速度快、结构简单、适应性强的优点。     

基于专家思维的多维度故障诊断方法

针对目前专家系统诊断准确度不高的问题,提出一种基于专家故障诊断思维方式的多测点、多时间点、多敏感参数相融合的故障诊断方法。从故障诊断专家对设备异常进行分析诊断的思路出发,依据故障机理、故障响应特点及故障劣化规律,选择相关测点、多时间点的数据来构建敏感参数矩阵,并生成对应的故障矩阵和权重矩阵,对设备异常状态进行诊断。利用该方法对某石化一离心压缩机异常状态进行分析诊断,结论准确,且能避免不同时间点诊断结论冲突问题。     

基于振动监测的应急柴油机启动性能分析方法

提出了一种基于振动监测的应急柴油机启动性能分析方法,弥补当前仅基于热工参数进行分析的不足。基于键相和瞬时转速实现振动信号的准确整周期角域转化。提出了一种光滑程度可调的瞬态振动信号包络线提取方法,在应急柴油机启动过程的连续工作周期中,获得能够表征点火燃烧状态、高压启动空气冲气工作状态的特征参数,为分析机组启动特性与工作状态打下基础,并采用灰色评价法对单次启动中单缸做功能力进行了监测评估。核电现场实际测试结果验证了该方法对应急柴油机启动性能分析的有效性及推广应用的实用价值。     

基于S3C2410和Windows CE的Bootloader启动图片的实现

Bootloader在嵌入式系统开发中占据着重要地位,开机启动图片正是其开发过程的一部分。本文在分析Bootloader的基本工作模式和启动过程的基础上,根据Bootloader的两个阶段-NBoot和EBoot的不同特点,采用了不同的方法分别实现开机启动图片的功能,然后对两者进行了比较。实验结果表明,该方法运行稳定可靠,并成功运用在北京化工大学诊断与自愈工程研究中心的一款基于S3C2410和Windows CE的综合巡检分析诊断仪上。     

基于有限元模型的旋转机械故障诊断方法研究

研究一种对透平机械常见故障进行在线和定量识别的方法。准确预测透平机械在整个转速范围内的振动响应对系统的故障诊断和平衡优化至关重要，然而它依赖于对系统不平衡、对中状态以及支撑系统动力学参数的精确识别。首先引入故障自愈的概念，并用有限元法建立转子-轴承-基础系统动力学方程。然后，根据工程实际，对方程进行简化，并进行了实验研究。结果表明，如果系统在一定转速范围内的振动响应是周期性的，并且轴承处转子的振动是已知的，从理论上能够在线地识别出系统的故障及动力学参数。     

结合LSTM和Self-Attention的滚动轴承剩余使用寿命预测方法

为了构建准确表征滚动轴承退化过程的趋势性健康度指标,提高滚动轴承剩余使用寿命（Remaining Useful Life,RUL）的预测精度,提出了一种结合长短期记忆（Long-ShortTermMemory,LSTM）和自注意力（Self-Attention）机制的神经网络模型（LSTM-SA）用于滚动轴承RUL预测。利用包络解调获得原始信号的包络谱,再将包络谱分段并计算对应频段的皮尔逊相关系数,得到具有单调性和趋势性的退化特征;将退化特征归一化处理后作为LSTM-SA模型的输入,并利用LSTM自适应提取退化特征时间上的内部相关性以及Self-Attention对关键信息的筛选,消除无用信息的干扰,挖掘深层次特征,构建健康度指标并得到退化曲线;确定失效阈值,利用最小二乘法拟合退化曲线,预测寿命失效点,实现滚动轴承的RUL预测。在PHM2012数据集上的实验结果表明,所提出的方法相比于其他文献,平均绝对误差分别降低了43.18%,62.57%和59.44%,平均得分分别提高了10.87%,45.71%和34.21%;在工程实际数据中的实验结果表明,所提出方法的平均预测误差分别比Stan...