大型多支承回转窑简体系统的动力响应分析

回转窑运行中简体、滚圈、托轮及轴承系统耦合成复杂的多支承动力学系统，运行轴线动态变化和冲击突变载荷将给设备带来复杂振动，从而加速疲劳破坏，增加设备故障率。文中采用传递矩阵法，首先建立回转窑筒体系统的动力学模型，再推导各类激励作用下筒体系统振动的传递矩阵修正响应列阵，最后建立系统的动力响应方程，从而找到计算动载荷和轴线检测动态误差的基本方程。     

基于双参数方法的水轮发电机组故障诊断规则表示和推理问题研究

基于知识的故障诊断系统在水轮发电机组故障诊断研究工作中是重要的课题,需要解决故障诊断规则表示及故障诊断推理2方面的不确定性问题。文中介绍了水轮发电机组故障诊断规则基于双参数方法的规则表示方法及其推理诊断评价和咨询评价方法。在总结水轮发电机组故障诊断规则相关关键问题的基础上,将双参数方法应用到水轮机组故障诊断不确定性规则表示及不确定性诊断推理问题中。通过实例介绍了双参数方法在获取故障诊断规则不确定性参数方面的应用及其在故障诊断推理过程中的应用。     

化工透平压缩机组机械与热力性能监测诊断系统

化工透平压缩机组的运行稳定性不仅与机械性能有关,而且还受工艺条件的影响,联合监测机组的机械与热力性能可以更加全面准确地了解和分析机组的运行状况和故障原因.充分利用企业的现有资源,如传感器、监测仪表、DCS系统和Intranet网络等,实现了基于Intranet的大型机组机械与热力性能在线状态监测与故障诊断系统.介绍了该系统的总体结构、实现方法和相关的理论技术.     

基于小波时频框架分解方法的滚动轴承故障诊断

损伤点通过其它元件时引起的周期性冲击是判断滚动轴承局部损伤故障的关键特征信息.针对滚动轴承的振动特点,设计了小波时频框架,利用框架分解方法在匹配信号特征结构,直接提取特征信息方面的优势,分析了滚动轴承的振动信号.根据框架分解结果,在时频联合域内清晰直观地提取了滚动轴承局部损伤故障的周期性冲击特征,识别了滚动体、内圈和外圈的单点缺陷,与小波变换的对比验证了框架分解在检测滚动轴承局部损伤故障方面的有效性.     

小波熵及其在状态趋势分析中的应用

研究了离散小波变换的若干特性．以及用信息熵来反映信号统计分布特征的方法．引进了多尺度．下小波熵和相对小波熵的概念，并且以此为参量对系统状态进行趋势分析．从而突出系统信号中短暂的异常信号．达到及早发现可能故障的目的。最后通过数值实验和应用实例说明：分析这两个参数的变化情况．可以反映系统的状态趋势，提高维修的针对性．降低设备维修的代价，提高设备的安全性和可靠性。     

次序二叉树支持向量机多类故障诊断算法研究

构建二叉树支持向量机时,如果随机地将分类器分布在二叉树的各个结点上,是不能充分发挥其性能的。考虑到样本的分布情况对分类器推广能力具有较大影响,提出一种次序二叉树支持向量机多类算法,采用样本分布半径和样本分布距离估算各个类别的样本在高维特征空间中的分布情况,把分布半径较大的类别或者分布距离较大的类别较早地分出来,并且在特征空间中给其划分较大的分类区域。转子多故障诊断实验表明,该算法的诊断速度快,故障识别率高,推广能力强,更加适合于实际故障诊断应用。     

便携式位移-加速度振动信号测试系统软硬件设计与实现

本文设计的便携式位移-加速度振动信号测试系统其硬件体系由传感器、信号采集装置、笔记本电脑组成,将信号前置处理电路、信号采集电路、自带电源电路集成,形成信号采集装置,位移传感器与加速度传感器可置放于信号采集装置内,笔记本电脑可固定于信号采集装置上.系统的软件体系采用Delphi与Matlab混合编程,Innosetup制作安装程序.整个系统软硬件有机结合、体积小、重量轻、携带操作使用方便,特别适用于现场测试.     

基于小波尺度谱的转子系统碰摩声发射特性

针对转子系统动静件间发生碰摩时会引起弹性应变而产生声发射,进而可利用声发射来辨识和诊断碰摩故障的特点,首先对碰摩声发射和碰摩振动信号进行了试验对照研究,讨论基于声发射的碰摩辨识别方法的独特优越性.然后,着重对碰摩声发射的特性进行了试验研究,并借助于小波尺度谱优越的时频分析性能,利用小波尺度谱对碰摩声发射的时频特性、传播特性和频散特性等进行了详细分析.分析结果显示小波尺度谱非常适合碰摩声发射这种频率丰富、非平稳和非线性的多模态波,是模态声发射分析的有力方法.     

滚动轴承故障特征的时间—小波能量谱提取方法

振动信号中的周期性冲击现象是诊断滚动轴承各元件故障的重要依据之一,针对滚动轴承故障特征,在小波变换理论基础上提出一种时间—小波能量谱信号处理方法,它能够有效地提取出振动信号中冲击成分的时域和频域特征。利用时间—小波能量谱方法分析正常、外圈故障、内圈故障、滚珠故障等四种状态下滚动轴承的振动信号,并与传统的包络解调分析方法进行对比分析。时间—小波能量谱不仅可以有效提取出冲击特征明显的滚动轴承外圈故障,还能提取出内圈、滚珠等信号特征微弱的滚动轴承故障,而包络解调分析方法只能提取出外圈故障特征而不能提取出滚珠故障、内圈故障特征。结果表明,时间—小波能量普比包络解调分析方法更能有效地提取出振动信号中的冲击信号成分。     

基于柔性形态滤波和支持矢量机的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的强噪声背景以及现实中不易获取大量典型故障样本的特点,提出一种基于柔性形态滤波和支持矢量机(Support vector machine, SVM)的滚动轴承故障诊断方法。柔性形态滤波既可以有效地提取出信号的边缘轮廓和信号的形状特征,同时又具有稳健性;SVM具有良好的分类性能,特别在小样本、非线性及高维特征空间中具有较好的推广能力;SVM分类器的惩罚因子和核函数参数采用经典粒子群优化算法进行优化,避免传统方法对初始点和样本的依赖。首先对振动信号进行柔性形态滤波,然后提取滤波后信号的故障特征频率的归一化能量为特征矢量作为SVM分类器的输入参数,用于区分滚动轴承的外圈、内圈和滚动体故障,SVM分类器的参数采用标准粒子群优化算法进行优化。试验结果表明了方法的有效性。