小波包分析在滚动轴承故障诊断中的应用

结合小波包分析和能量谱分析方法 ,提出一种新的滚动轴承故障诊断方法。利用小波包对滚动轴承振动加速度信号进行分解 ,求出各频率段的能量 ,并以此作为滚动轴承发生故障的特征量对振动信号进行重构 ,比较正常信号和故障信号的差异 ,从而识别滚动轴承的故障。通过对于实测信号的分析证明该方法具有特征参量少、故障特征突出等优点 ,可有效地用于滚动轴承的故障诊断。     

一种基于模糊规则和遗传算法的凝汽器故障诊断方法的研究

该文总结了汽轮机组凝汽器低真空常见故障，建立了凝汽器典型故障集。介绍了基于信息熵的故障征兆提取方法，建立了凝汽器故障征兆集。在利用模糊规则的故障诊断方法基础上，提出了一种基于模糊规则和遗传算法的凝汽器故障诊断方法。通过遗传算法对用于故障诊断的模糊规则进行精简，消除了低置信度规则的影响，从而提高了故障诊断效率。最后，将该文提出的方法用于某汽轮机组凝汽器故障诊断中，结果表明该方法行之有效，且易于工程实现。     

大连第三发电厂汽机厂房噪声的综合治理

一、前言汽轮发电机主厂房噪声在火力发电厂的噪声污染中是较为突出的问题。据1980年对国内一些有代表性的火电厂调查,电厂主要设备周围及一些工作场所的噪声普遍超过国家企业规定标准,其中汽轮发电机主厂房的噪声尤为突出,各部位的噪声值都在90dB(A)以上,个别部位超过100dB(A),严重地危害     

风力发电控制问题综述

论述风力发电机组在提高机组容量、改进功率调节方式、变速恒频运行、发电机和电力电子技术等方面的进展。由于风能的能量密度低，具有不稳定性和随机性，控制技术是大型风力发电机组安全高效运行的关键。分析大型风力发电机组的动态特性，如强非线性、运行工况的频繁随机切换、定桨距风轮空气动力学的不稳定性、有效风速的不可测性和干扰因素多等特点。机组控制系统的基本目标分为4个层次：保证可靠运行、获取最大能量、提供优质电力、延长机组寿命。基于线性化模型的控制方法对于风电系统并不适用，论述对风力发电机组具有较好控制性能的智能控制。该方法是研究风力机控制问题的重要途径之一。     

Windows CE在嵌入式工业控制系统中的应用思考

随着应用对象的扩大和微电子技术、软件技术的发展,嵌入式系统逐渐从单片机发展到高性能嵌入式微处理器和嵌入式操作系统.本文详细分析Windows CE 3.0的实时性、通用性、模块化、Win32兼容等性能特点.根据工业控制系统对系统平台的一般要求,如实时性、可靠性、图形界面、开发环境和成本等,分析Windows CE在工业控制领域的优缺点,并指出Windows CE在工业控制中有很好的应用前景.     

过程控制软件标准接口剖析(3)——COM组件开发方法

COM应用主要是 Server/Client (客户 /服务器 )模式 ,开发 COM组件既可以使用 MFC,也可以使用 ATL,由于使用基于模板库的 ATL 框架开发 COM组件应用具有独特的优势 ,因此本文以一个简单例子详细介绍了如何利用 ATL创建 COM组件与 COM客户 ,进一步阐明了 COM服务器组件的二进制兼容性。     

基于键合图理论的故障诊断方法及在锅炉给水泵上的应用

利用键合图模型知识表达方式，可创建系统设备之间的复杂因果推理关系，从而生成故障树，进行系统的故障诊断。文中以锅炉给水泵为对象，提出一种基于键合图理论的定性故障诊断方法。在介绍故障树和键合图基本理论后，提出利用键合图生成故障树的概念，然后通过给水泵系统的键合图模型，给出了基于倒置因果分析方法的给水泵故障树，并为因果树中元素分配了定性值，利用故障树边界层元素的定性值分析法，定位出引起给水泵初始故障集的故障源。此方法具有定性故障诊断的优点，通过给水泵动态特性的仿真结果验证了该方法的正确性。     

大型旋转机械状态监测与故障诊断研究进展

分析了旋转机械状态监测与故障诊断研究的重要意义。提出了一种由状态监测与故障诊断理论和方法、状态监测与故障诊断关键技术、状态监测与故障诊断系统、状态监测与故障诊断工程应用四个方面相互支撑的旋转机械状态监测与诊断研究的体系架构,给出了一个超超临界汽轮发电机组状态监测与故障诊断系统研究的实例。分别综述了大型旋转机械状态监测与故障诊断的理论和方法、关键技术、应用系统研究及其工程应用的进展,提出了对于旋转机械状态监测与诊断研究的思考与建议。     

风电机组齿轮箱故障分类方法研究

风电机组齿轮箱的运行工况复杂多变,很难获取大量的所有已知故障的样本数据,为了能够实现在无已知样本数据条件下的故障分类,提出了一种基于ART2神经网络和C-均值聚类算法的风电机组齿轮箱故障分类方法。首先利用ART2无监督神经网络实现样本数据的初步分类,再利用C-均值聚类算法对分类结果进行修正,克服了由于原始神经网络算法存在"硬竞争"导致分类精度下降的问题。分析结果表明提出的方法具有更高的分类准确度,能够对健康和不同故障类型的风电机组齿轮箱进行准确分类识别。     

基于FDEO与改进ACYCBD的风电机组轴承故障特征提取

针对由于实际工况中风电机组轴承发生故障所采得的信号会受到变速变载的影响,造成故障特征难以提取的问题,提出了基于频域能量算子(Frequency domain energy operator,FDEO)与自适应最大2阶循环平稳盲解卷积(Adaptive maximum second order cyclostationarity blind deconvolution,ACYCBD)的风电机组轴承故障特征提取方法。首先,通过SCADA数据提供的高速轴转速平均速度对CMS(Condition monitoring system)系统采集的振动信号进行感兴趣的振动成分选择,并通过窄带滤波和FDEO对振动信号进行瞬时频率估计和阶次跟踪;其次,针对风电机组振源多、振动信号复杂的特点,对通过阶次跟踪后的角度域振动信号应用改进ACYCBD完成故障特征提取。工程应用分析结果表明,该方法能够准确有效地实现风电机组轴承特征的提取而不受到其他振源的影响。