大型空分装置离心式压缩机振动故障分析及处理

针对大型空分装置的空压机+氮气增压机压缩机机组振动故障进行分析,诊断出振动故障的原因,准确地找出了故障源:在中压缸推力侧振动值突然升高,是由于转子不平衡引起的振动;在增速机输出侧振动值突然升高,是由于联轴器故障引起的振动.     

操作性设备故障的诊断方法

转动设备故障可分为机械性故障和操作性故障两大类。机械性故障通过振动分析、油液分析等方法来诊断,操作性故障可通过振动量与工艺量相结合的综合方法来分析。准确诊断操作性故障,与准确诊断机械性故障一样,对于避免设备事故、延长设备运行周期,具有同等重要的作用。     

大型双馈风力发电机振动特性分析与故障诊断

本文分析了大型双馈式风力发电机组中双馈感应发电机(DFIG)轴承的振动特性,对发电机轴承进行了载荷分析,并计算出发电机轴承几种典型的故障特征频率.利用先进的振动传感器对轴承进行了振动测试,根据采集到的振动频谱准确的定位了故障点,为早期发现、处理发电机振动故障提供了理论依据和诊断方法.     

基于层次分析-云模型的大型LNG高压泵自停故障智能诊断方法

为诊断大型LNG高压泵自停状态是正常保护动作，还是高压泵自身故障所致，提出基于层次分析-云模型的大型LNG高压泵自停故障智能诊断方法。采用层次分析-云模型的高压泵运行状态识别方法，由层次分析模型构建高压泵运行状态评价指标体系后，由云模型的正向云发生器，分析高压泵运行状态的评价指标隶属度，识别处于自停状态的高压泵；使用基于卷积神经网络的自停故障智能诊断方法，由小波包方法提取自停高压泵的振动信号特征后，输入卷积神经网络，实现自停故障诊断。实验结果显示：此方法对大型LNG接收站中6个高压泵自停状态识别后，自停的6号高压泵属于3级故障，为非正常保护动作，诊断结果准确。     

泵的几种典型故障诊断方法与应用

本文分析总结了炼厂机泵的几种典型故障的振动特点和诊断方法,应用振动频谱分析和轴承冲击脉冲分析等方法,同时与泵的工艺参数和运行参数相结合进行综合分析,可准确地诊断机泵故障。     

电机定子电磁振动异常故障的诊断与研究

本文主要介绍了基于精密点检振动频谱分析技术准确诊断一起三相异步电动机定子电磁振动异常(定子偏心或定子绕组松动)故障.文中详细介绍了三相异步电动机定子电磁振动异常的具体诊断方法、诊断过程,同时,对基于振动频谱分析技术的电机定子偏心或定子绕组松动故障的原因、特征和诊断方法进行了总结.     

大型透平式离心压缩机振动故障分析及处理

针对大型透平离心空压机在试运转中出现的振动故障,进行分析、诊断,判断振动故障的原因,采取相应的措施处理,开机运行验证了分析与诊断的准确性。     

大数据处理环境下大型机组设备故障可视化诊断方法研究

为了提升大型机组设备故障信息的提取效率,实现故障可视化诊断,提出大数据处理环境下大型机组设备故障可视化诊断方法。采用基于工作变形分析( ODS )的振动可视化技术完成大型机组设备的振动分析,获取设备不同模态下的故障频率响应信号,并将其频率谱作为故障特征,利用模糊减法聚类算法获取故障诊断结果;并利用三维平行散点图与人机交互将故障诊断结果可视化呈现。测试结果表明,该方法可通过数据聚类有效完成大型机组设备故障诊断,并且具备较好的可视化效果,可满足大型机组设备故障的可视化需求。     

增压机的振动故障分析及处理

针对化工集团的增压机振动故障进行分析,诊断出振动故障的原因,准确地找出了故障源：在中压缸推力侧振动值突然升高,是由于转子不平衡引起的振动;在增速机输出侧振动值突然升高,是由于联轴器故障引起的振动.     

高速异步电机振动故障现场诊断研究

高速异步电机在生产试验过程及实际运行当中出现振动故障的频率较高。振动故障按照其产生的原因可分为:机械振动和电磁振动两大类。各种原因产生的振动,都有其特点,在现场诊断、分析和处理当中,正是根据其振动特性,采取相应的改良措施将振动故障予以消除的。第一、通过长期的现场经验总结,采用常用的诊断方法,首先判断振动的主要类型,辨别是电磁原因还是机械原因,再进一步追溯细节原因,对症下药。第二、通过监听声音在特定的情况下为故障的诊断提供了更为直接和准确的方法。第三、对于疑难的电机振动故障,了解电机运行的相关参数非常的振动检测分析仪为疑难电机及系统振动故障的诊断和分析提供了科学、系统的渠道。     

高炉炉顶齿轮箱间接故障诊断方法研究

针对高炉炉顶齿轮箱低速重载零部件故障难以诊断的问题,提出一种振动信号的间接诊断方法,有效利用齿轮箱接近输入端高速旋转零部件振动特征分析判断低速零部件故障;针对现有诊断方法对高炉炉顶齿轮箱故障诊断不能识别全部故障和达到准确故障定位的问题,提出一种运用振动信号分析的高炉炉顶齿轮箱故障诊断方法,实现准确判别和定位故障。发现上部齿轮箱高速零部件特征频率的基频和倍频两侧若有明显的下级传动链低速零部件故障特征频率的频率间隔,解调后低频段有多个下级传动链低速零部件故障特征频率的频率间隔,则故障发生位置为下级传动链低速部分。     

改进极限学习机在滚动轴承振动故障诊断中的应用

滚动轴承广泛应用于机械、铁路运输、航天航空等领域,在旋转机械设备的正常稳定运行中占据着至关重要的位置,其振动故障的准确、快速诊断是保证机械设备正常稳定运行的必要手段,因此,研究一种能够有效诊断滚动轴承振动故障的方法具有重要意义。针对滚动轴承振动信号具有非平稳性、非线性和影响因素相互影响相互作用的特点,结合小波分析理论对滚动轴承振动信号进行故障特征提取,通过借鉴支持向量机的分类思想,从最优化角度出发,引入结构风险最小化原理对极限学习机进行改进及优化,并结合改进后的方法构建了滚动轴承振动故障诊断模型。仿真结果表明,改进的极限学习机进一步提高了滚动轴承振动故障诊断的效率和分类准确率,为滚动轴承的振动故障诊断提供了新思路和新方法。     

基于神经网络的转子系统故障诊断

提出了一种基于神经网络的转子振动故障诊断的新方法,该方法以大型机器的轴承振动裂度作为神经网络的训练样本输入,并通过神经网络的学习、聚类,产生神经网络聚类中心,根据网络聚类的特点以及聚类的中心来判断转子的振动特性和实质。实例验证表明,该方法可实现对转子系统振动故障的准确诊断。     

概率神经网络用于机匣振动故障诊断

对机匣振动加速度信号进行采集与分析是航空发动机振动故障诊断的重要方法。对振动信号进行处理与特征提取后,可以利用神经网络非线性映射的能力,对振动故障实现分类。利用转子-轴承-机匣耦合振动实验台模拟了5种风扇机匣的振动故障,从频谱的初步分析中并未能够实现对故障的准确判断。对振动数据进行了处理,提取了振动波形的频域与幅域参数,采用概率神经网络的方法实现单一故障的分类,并对不同参数所训练的网络进行了比较,检验了该诊断方法对于机匣振动故障的可行性。     

基于小波分析的航空发动机轴承故障诊断

针对常规方法难以准确分析非平稳信号的局限性,采用小波变换快速有效地对滚动轴承振动信号进行带通滤波.通过选用多尺度的小波变换,能较好地分离出所要分析的高频固有振动信号,然后对高频振动信号进行包络分析,从包络谱图中提取故障特征频率分量,准确诊断出滚动轴承发生故障的元件.     

基于小波包能量谱和Hilbert包络分析的行星齿轮故障诊断

行星齿轮啮合振动信号噪声干扰大,难以诊断齿轮的故障。提出一种基于扭转振动信号的行星齿轮故障诊断方法。结合小波包能量谱和Hilbert包络分析用于轴系扭转振动信号进行识别行星齿轮的早期故障。将这种方法应用于行星齿轮箱在行星齿轮磨损和行星齿轮出现断齿故障状态下采集到的实际故障行星齿轮扭转振动信号,发现这种方法能识别两种状态下的行星齿轮故障特征。将小波包能量谱和Hilbert包络分析应用于两种故障状态下的横向振动信号,发现行星齿轮磨损故障不能准确识别。实验结果表明新方法对行星齿轮早期故障的识别更敏感、准确。     

小波包分析在柴油机故障诊断中的应用

运用小波包分析方法对柴油机缸盖振动信号进行预处理,并运用小波包频带的能量分析方法识别柴油机喷油雾化质量故障。在不同工况下的柴油机上测得两组振动加速信号,并对该信号进行分析,准确识别了故障。说明该方法对提取故障信息并进行诊断是行之有效的。     

递归定量分析在离心泵故障诊断中的运用

为了准确诊断离心泵的振动故障,针对振动信号的非平稳特征,提出了一种基于递归定量分析的离心泵振动故障诊断方法。采用递归定量分析(recurrence quantification analysis,简称RQA)方法提取离心泵振动信号的非线性特征参数,由这些特征参数构成特征向量,并以此作为改进Elman神经网络的输入,对神经网络进行训练,建立了离心泵运行状态分类器,用以诊断离心泵的不同状态。试验结果表明,递归定量分析与Elman神经网络相结合的方法可以准确诊断离心泵的振动故障。     

振动监测技术在工艺气螺杆压缩机中的应用

介绍了工艺螺杆压缩机常见振动故障的表现及其成因,并根据振动故障信号的检测原理,提出了监测系统的搭建方法和测振仪器的选择要求。在此基础上,重点分析了不同振动故障的频谱特征,归纳出相应的诊断要点,为现场人员快速准确地解决实际振动问题提供了有效途径。     

油液监测和振动分析相结合的高速泵增速箱故障诊断

根据高速泵增速箱的结构特点,提出一种油液监测和振动分析相结合的早期故障诊断方法。通过对高速泵齿轮箱的一次诊断事例说明该诊断方法有有效性。采用振动监测分析和油液分析相结合的诊断方法,可更准确地判断设备早期故障,从而避免设备状态恶化引起的严重事故。