基于EEMD多维特征的旋转机械故障识别方法研究

为有效诊断旋转机械故障,提出基于集合经验模态分解（EEMD）的多维特征提取故障诊断识别方法。利用EEMD将原始振动信号分解为若干个本征模态函数（IMF）,分别计算原始信号和IMF分量的时域指标;将时域指标进行奇异值分解,得到奇异值特征向量,计算原始信号频率带能量比和IMF分量能量比;将IMF分量能量比、奇异值特征向量、频率带能量比组合为故障特征向量,作为神经网络的输入,对转子的工作状态进行诊断识别。结果表明：多维特征向量的识别效果优于EEMD能量特征,能更充分反映出转子的故障特征。     

异步汽轮发电机组不稳定振动故障的诊断与处理

针对6000 kW异步汽轮发电机组带负荷后出现的不稳定振动,开展了振动测试和改变润滑油温度的试验.经过对振动和机组安装数据进行分析和诊断,确定造成不稳定振动的原因为轴瓦出现油膜涡动.油膜涡动是由热态后轴系标高的改变而引起的轴瓦载荷降低所致.通过在现场调整膜片联轴器的伸长量,来补偿热态后轴瓦载荷降低的处理措施,解决了轴瓦油膜涡动的问题,确保了机组安全稳定运行.