浅析水轮机调速系统的故障诊断与处理方法

最近几年,由于科技高速发展,水轮机的调速设备得到了明显的发展,不过也面对着一些不利情况,这就需要我们在实际工作中认真处理。文章具体的分析了当前系统问题诊断和应对措施。     

基于MATLAB的风电机组故障诊断方法研究

为有效诊断风电机组主要部件的振动故障,分析了倒谱分析、包络谱分析2种分析方法的原理和优势,以及两者在MATLAB算法中的实现方法。并以现实风机振动故障提取的信号为例进行分析,分析结果表明算法可行。     

数控机床故障诊断的三维显示与优化的研究

针对目前数控机床故障诊断的结果输出仅是文本或者文本与图片混合的现状,提出了一种基于Web的显示三维机床模型并标记故障位置的研究方法。通过对Obj三维文件格式的理解,提出了提取文件三维数据的算法和故障位置零件和平面标记的算法,结合Open GL的API函数接口,在Active X控件中绘制了三维模型,供Web使用,用于数控机床的故障诊断的规则或案例输出。并针对于数据量大的初始文件进行优化处理,力求使维护人员或使用者在网页上通过鼠标对三维模型进行人机交互操作,更加方便的标记或查看数控机床的故障部位,使得故障诊断的结果输出更加明确,帮助机床维修人员或者机床使用者快速维修数控机床,以减少因停机而带来的经济损失和不良影响,为实现智能化故障诊断打下技术基础。     

汽轮机故障诊断技术的发展现状研究

故障诊断技术的发展对提升汽轮机的安全性、经济性具有重要意义。现介绍了国内外汽轮机领域故障诊断研究的发展现状,并对现有的故障诊断方法进行了分析和比较,最后阐述了汽轮机故障诊断技术的发展方向以及侧重点。     

热电厂供电运行故障及应对措施探讨

长期高负荷、高输出的热电厂供电运作过程中不可避免地出现设备磨损等故障。为了做好供电运行中的故障预防以及有效维护,开展了热电厂供电运行故障及应对措施探讨。分析了造成设备磨损、备用电源失效、发电设备电压不稳定、电力接地短路、发电设备温度过高等故障原因,并提出了有针对性的解决方法,以保障热电厂供电系统的正常运转。分析认为,遇到不同的电力故障问题,应具体分析、区别对待,并在检修的过程中及时总结经验;对于设备本身的问题,应最大程度以技术创新弥补自身结构缺陷。     

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。     

更正

《计算机与数字工程》杂志2021年第49卷第2期,第333页,《基于粒子群优化以及深度胶囊网络的轴承故障诊断》一文第一作者张振良。其单位错误,更正为:鄂尔多斯应用技术学院。     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于EEMD能量熵和混合算法的电机轴承故障诊断

针对提升机电机轴承振动信号的非平稳特性和单一粒子群算法(PSO) 优化径向基函数（RBF）神经网络时存在网络收敛速度慢和适应度值易陷入局部最小的缺点，提出基于集合经验模态分解（EEMD）能量熵和模拟退火粒子群混合算法（SAPSO）优化RBF神经网络的提升机电机轴承故障诊断方法。基于EEMD求取振动信号各固有模态函数分量的能量熵，并使用相关性分析方法剔除虚假的分量，把筛选后的有效数据作为故障识别的特征向量；利用模拟退火（SA）算法具有局部概率突跳的特性，将SA算法和PSO算法相结合，在优化RBF诊断模型隐含层参数时以实现不同算法间的优劣互补。仿真结果表明，使用SAPSO算法优化后的RBF神经网络模型在提升机电机轴承故障诊断中能够加快网络收敛速度和提升故障识别精度。