不同类型电涡流探头对核电站传热管胀管过渡段缺陷的定位准确性研究

为了更有效和可靠地检测出胀管过渡区出现的缺陷,分析了3种不同类型的涡流探头特性,然后通过一系列试验,对不同探头在传热管胀管过渡段上的缺陷识别并进行准确定位能力进行了对比测试,获得了相关的定位准确性数据,掌握了胀管过渡段缺陷定位技术及其精度范围,能够进一步提高对胀管过渡段上的缺陷的准确判别能力。     

全矢动平衡方法及其实验研究

将全矢谱技术应用于转子动平衡领域,提出1种新的转子动平衡方法——全矢动平衡方法(FVDB),给出了该方法的实现途径和核心算法.与传统影响系数法相比,该方法具有精度高、评价方法客观的优点.实验表明:该平衡方法效果好,操作简单,经该方法平衡过的转子,测得的振截面各个方向的振动都能控制到较低的水平,弥补了传统平衡方法单方向振动降低而其他方向振动仍处于超标状态的严重缺陷.     

兆瓦级风电增速箱监测与诊断系统研究

随着石化资源的日渐短缺以及国家中长期发展规划战略实施,以风能、太阳能为代表的可再生能源将在能源消费结构中占据越来越大的比重.根据国外的风电设备运行经验来看,风电机组故障发生率也会随着运行的时间延长而增大.为确保风电机组安全可靠运行,必须对风电机组进行状态监测与故障诊断技术.介绍了状态监测与故障诊断系统在风电机组监测中的...     

全矢RNN的轴承故障诊断研究

本文提出了一种基于全矢谱的RNN故障诊断方法.RNN是为了在保证在时序信息上能够提取出轴承的特征信息,并且根据全寿命周期的时序信息得到轴承的退化过程,并根据退化特征对于轴承故障信号进行分类.全矢谱技术利用同源双通道故障信息的完备性,并在此基础上,结合循环神经网络的网络特性,取代手工提取故障特征.经过试验结果验证了全矢循环神经网络(FV-RNN)方法提取得特征更加全面和准确,且该方法优于手工选择特征CEEMD以及单通道RNN网络模型.     

基于全矢局部均值分解的齿轮故障诊断方法研究

针对齿轮故障信号大多数是难分解的多分量的调幅-调频信号的问题,提出一种新的信号处理方法——全矢局部均值分解(FVLMD)方法。局部均值分解(LMD)可将多分量信号自适应地分解为多个单分量信号;全矢谱技术可以解决单通道信号不完整的问题。运用信息融合技术,将信号LMD分解得到的PF(Product Function)分量进行全矢谱融合分析,这样既可以将信号彻底分解,又可以保证其完整性。齿轮故障信号验证了该方法的有效可行性。     

数值模拟用于涡流检验平板裂纹问题的可靠性研究

将数值模拟方法用于涡流检验缺陷的定量可靠性的研究中。通过对平板裂纹问题进行有限元数值模拟计算,并对大量计算结果与算例实验结果进行比对和分析,证明其可方便地获得不同缺陷的检验信号,从而作为理论试验工具,可为缺陷信号的识别提供数据支持。     

基于全矢谱技术的转子多截面信息融合及故障诊断研究

针对目前全矢谱技术存在的缺点,把全矢谱技术延伸到多个截面.利用全矢谱技术的快速算法,利用相位信息,从而形成全矢传递图谱.在处理稳态信号时,同时显示多个截面多个单频的空间形态,从而对故障进行精确判别;启停车过程中,用全矢传递瀑布图反映单频下随转速变化整个机组的状态变化,及时发现故障隐患.通过多个截面的信息融合,充分利用了信息,更有利于故障诊断与机组的监测.     

基于Faster RCNN深度学习模型的穿戴式电场作业安全检测系统

传统方法电场作业安全检测准确率过小，且检测框会出现遮挡。为此，设计基于Faster RCNN深度学习模型的穿戴式电场作业安全检测系统。硬件部分设计作业安全数据采集电路结构。软件部分采用Faster RCNN深度学习模型确定检测候选框，引入平衡参数，控制交并数值，实现安全检测功能。实验结果表明：本文所设计的安全检测系统检测准确率较大，检测框并未出现遮挡问题。     

矢功率谱与RBF网络结合在旋转机械故障诊断中的应用

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面.径向基函数网络具有良好的推广能力和分类能力.基于此,本文结合矢功率谱和径向基函数网络,提出了一种新的故障识别方法,该方法以矢功率谱为特征向量,径向基函数网络为分类器.并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的.     

基于信息融合的短时矢功率谱分析方法

研究了基于信息融合的旋转机械短时矢功率谱分析方法。根据单通道信号处理的不足,本文提出把全矢谱技术与短时傅里叶变换相结合,建立矢量信号的短时矢功率谱概念,导出其计算公式,阐述其图谱表达,并将其应用于实际故障诊断系统中。研究表明,短时矢功率谱可以对矢量信号的短时能量随频率、时间等的变化过程作出分析,可以应用于旋转机械故障诊断实践中。