基于费舍尔判别分析法的故障诊断

在化工流程故障诊断中,主元分析法(PCA)是最常见的降维技术.尽管PCA具有一定的优化性能,并在故障诊断中被广泛使用,却不是故障诊断的最佳方案.理论上,费舍尔判别分析法(FDA)在故障诊断分类方面更具优势.对现实化工厂故障数据进行了研究,得出在低维状态下选择FDA方法可以获得更好的处理效果.     

基于MOMEDA与双谱分析的滚动轴承早期故障诊断

滚动轴承早期故障阶段,故障特征微弱且环境噪声干扰严重,采集数据包含大量噪声信息,传统的包络谱分析难以提取故障特征信息。双谱分析理论上可以抑制高斯噪声,但很难从强背景噪声下提取出微弱故障特征。而多点最优调整的最小熵解卷积（Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA）方法能增强信号中的冲击特征,但其效果和故障信号周期区间等参数有关。利用MOMEDA与双谱分析进行信号处理,将提取到的信号高阶谱特征作为滚动轴承早期故障分类依据。利用MOMEDA方法对采集信号进行滤波处理,提取出有冲击特征的时域信号;对特征增强的信号进行双谱分析,从高阶谱中提取故障特征。经过仿真信号分析和实际轴承故障信号验证,该方法能有效地提取出滚动轴承早期故障特征,实现故障诊断。     

基于Internet的FMS远程监测与故障诊断技术研究

目的 :提高 FMS设备故障诊断和排除的速度 ,加快维修需求的响应能力以及降低停机维修的费用 ,提高全球规范服务能力。方法 :将 FMS设备和监测计算机与 Internet相连 ,利用 L ab VIEW进行数据传输和分析 ,用 VRML 虚拟现实技术进行图象传输。结果 :提出了基于 Internet的 FMS远程故障诊断系统的总体框架及具体的信号采集和传输方法 ,建立了远程故障诊断专家系统。结论 :基于长春 5 5所 FMS设备的实验仿真证明了该总体框架和方法能够实现远程数据和图象传输 ,可以实现对异地设备进行监测和诊断     

基于声发射信号的风机叶片裂纹定位分析

为能够及时有效地监测并识别风机叶片裂纹的位置以及强度,讨论了风机叶片上声发射传感器测点优化布局方案,以及基于无线传感网络的信号采集实现,探讨了声发射信号分析和特征提取方法。在分析现有裂纹定位方法特点的基础上,提出了一种针对声发射信号进行小波分析判别风机叶片裂纹位置及其强度的方法。通过实验数据验证了该方法不仅能够实现裂纹位置及其强度的定位,而且与传统方法相比该方法提高了精确性。     

FMS设备的预防维修策略研究

国家重点实验室长春BQ－FMS生产线目前主要采取事后维修的方法，该方法却可能出现维修不足造成故障发生导致设备的损坏，又有可能出现维修过剩影响部件的寿命造成浪费。针对这种情况，通过对FMS系统可靠性分析的基础上，进行了系统的可靠性、维修性分配，并对FMS中主要设备的常见故障模式及其影响进行分析，在保证系统可靠性的基础上对每个系统建立了相应的可靠性维修性数学模型，最后建立了预防维修计划，并作为一个模块加入离线诊断专家系统，定期指导用户进行维修。     

基于MFCCS和改进VPMCD的滚动轴承故障诊断

将梅尔倒谱和系数(MFCCS)与改进的基于变量预测模型的模式识别算法(VPMCD)相结合,提出了一种滚动轴承故障的诊断方法.将语音信号识别中最常用的特征参数梅尔倒谱系数(MFCC)应用到轴承故障诊断领域,提出了适用于滚动轴承故障识别的特征参数梅尔倒谱和系数.同时,采用主成分分析(PCA)方法来解决VPMCD方法中求解得到的预测模型方程系数与理想系数存在偏差的问题.然后,使用改进的VPMCD算法对特征参数进行训练,再利用预测模型对待诊断样本数据进行模式识别和诊断,并用实验室模拟试验台的数据,对该方法进行了验证,实验结果能够有效区分轴承的故障种类,证明了方法的有效性.     

ZigBee无线传感网络在机泵智能监测中的应用

为了解决当前在线诊断系统受到现场条件限制,检测点不易更改和扩充,在恶劣和危险环境难以推广等问题,提出了基于ZigBee技术的无线监测系统设计方法。对振动传感器进行设计,对振动信号的采集、处理方法进行研究,为ZigBee网络降低了数据流量。在此基础上组建ZigBee网络,用于数据的传输,并引入WiFi作为ZigBee网络与现场服务器的接入手段。实验结果表明,该系统可以有效的完成数据的采集和无线传输,并及时的检测出设备的异常状态。     

基于词袋模型和极限学习机的轴承故障诊断

特征提取为设备故障诊断的关键步骤,现有特征提取主要基于时域、频域和时频域方法,但在噪声大、混合故障多发、变转速等复杂工况下应用受限.提出一种基于词袋模型(BoW,bag of words)的振动信号故障诊断方法.该方法改变了传统基于一维信号进行故障诊断的模式,首先将一维振动信号转换成二维灰度图像信号,结合图像处理的方法来实现故障诊断.同时针对一维振动信号升维的过程中忽略了信号的空间特性这一不足,引入极限学习机对算法优化,并以滚动轴承为研究对象验证了方法的有效性.     

基于MC9S08DZ60的CAN总线振动传感器设计

基于单片机MC9S08DZ60和收发器TJA1040,遵循CAN总线协议,设计一款振动传感器。详细介绍整个系统的设计方案及各个模块的硬件电路和软件实现。采集到的数据由CAN总线上传至主控机存储,便于进行分析整理。测试表明,该设备响应快、传输精度高,具有CAN总线实时、可靠、灵活的特点。为生产提供了安全保障。     

基于KPCA及改进蚁群遗传算法的齿轮箱故障诊断

鉴于齿轮箱系统的复杂性和齿轮箱故障信号的多样性,提出一种基于KPCA和改进蚁群遗传算法(IACG)相结合的齿轮箱故障诊断新方法.通过KPCA去掉原始故障参数集中的冗余信息,再利用IACG算法找出降维后参数的最优解.IACG算法改进了传统蚁群算法中的概率转移公式,通过增加区域目标函数值,提高了转移运算的效率和准确率;IACG算法增加了局部搜索功能,计算得到的蚂蚁解与遗传算法的均匀两点交叉算子相结合,减少了算法的搜索时间,扩大了搜索空间,使得收敛效果更趋近最优解.实验结果表明,KPCA与IACG相结合的算法可以有效识别齿轮箱故障,相对于传统的蚁群算法,其运算效率和准确率有很大提高.