基于ITD和排列熵的行星齿轮箱故障诊断方法

行星齿轮箱故障信号包含了多个调制过程,特征呈现复杂的边带成分,且信号易受噪声影响,数据的选择会直接影响故障特征提取效果.针对行星齿轮箱故障信号特点,提出基于固有时间尺度分解(ITD)和排列熵(PE)结合的行星齿轮箱故障诊断方法.ITD-PE方法将原始信号分成多个子序列,对各子序列进行ITD分解,利用互相关系数准则筛选敏...     

往复压缩机故障示功图诊断法研究

提出并论述无损气缸缸壁的气缸压力测量方法,介绍了该方法中引压管的安装及引线密封等具体措施。为了提高示功图法诊断的准确性,本文引入了一种考虑示功图波动性质的故障诊断方法。     

往复压缩机多重分形故障特征提取

实现了基于多重分形的往复压缩机振动信号的故障特征提取。针对往复压缩机振动信号的非线性和非平稳性,使用多重分形谱和广义维数对压缩机振动信号进行分析,从中提取可识别的故障特征。分析结果发现多重分形谱中的△α值和广义维数Dq作为故障特征能够很好地反映往复压缩机的工作状态,为往复压缩机的故障特征识别提供了必要依据。     

往复压缩机环状气阀振动信号的LMD故障特征提取方法研究

以往复压缩机环状气阀为研究对象,通过加速度振动传感器测试了其正常运行状态下的振动信号,通过对其进行局部均值分解(LMD),得出了信号所对应的多个乘积函数(PF)分量,并提取这些PF分量的3大特征参数因子,包括偏度系数(gi)、峭度系数(qi)和总能量比(Ei/E)。然后对气阀进行不同种类的破坏,包括锯断阀片、去除气阀内部分弹簧和对阀片打孔,并对破坏后的气阀运行振动信号进行相同的分析得出相应的参数因子,与气阀正常运行时对应参数因子进行比较。结果显示,在阀片锯断和气阀去弹簧2种状态下,气阀振动信号得出的相应特征参数因子都会出现反映气阀故障的异常值,但在气阀阀片打孔的状态下则不明显。以上说明LMD方法虽然具有一定的局限性,但是能够准确、有效地对往复压缩机气阀振动信号进行判断,从而实现对气阀的工作状态和故障类型进行分类,是研究气阀故障诊断的实用方法。     

基于LMD多尺度熵与SVM的往复压缩机轴承故障诊断方法

针对往复压缩机振动信号的非平稳和非线性特性,提出了基于LMD多尺度熵与SVM的往复压缩机轴承间隙故障诊断方法。利用具有保形特性的Hermite插值法替代传统LMD中滑动平均法构造均值与包络函数,提高LMD对非平稳信号的分解精度。以改进LMD方法对各状态振动信号进行分解,依据相关性系数选择其中代表故障状态主要信息的PF分量。利用多尺度熵对各PF分量进行定量描述,并以平均类间样本距离对尺度因子进行优选,得出可分性良好的特征向量。使用SVM作为模式分类器,诊断得出了轴承间隙故障类型。同LMD与样本熵以及LMD与近似熵方法所提取特征向量进行对比,结果表明该方法具有更高的识别准确率。     

近似熵在往复压缩机气阀故障诊断中的应用

针对传统方法难以有效进行往复压缩机气阀故障诊断的现状,提出了应用近似熵对往复压缩机气阀故障进行诊断的新方法。通过对气阀常见故障类型的诊断,表明了近似熵可以有效地分析出往复压缩机气阀的常见故障。     

基于AO-VMD的往复压缩机故障特征提取方法

采用原始VMD方法对往复压缩机故障进行诊断时,往复压缩机易损部件的振动信号存在非平稳、非线性这一问题,为此,提出了一种使用天鹰算法(AO),以各分量样本熵的最小值作为适应度函数,对变分模态分解(VMD)进行优化分解的往复压缩机故障特征提取方法。首先,对往复压缩机滑动轴承的故障进行了分析,对其不同状态下的振动信号进行了分析处理;然后,先使用小波消噪对振动信号进行了消噪处理,再分别使用原始VMD和AO-VMD新型分解方法对其进行了处理,并得到了BLIMF分量;最后,计算两种分解方法中各分量的多尺度样本熵(MSE)值,对不同状态的多尺度样本熵值进行了对比分析,从而实现了对往复压缩机各类故障的诊断。研究结果表明：AO-VMD方法利用AO强大的快速搜索和开发能力后,故障分类性能明显优于原始VMD分解方法,各类故障信号多尺度样本熵值区分明显;其省时方面效果显著,基于遗传算法优化VMD方法分解耗时427 s,而AO-VMD方法仅需165 s,满足故障诊断分解方法要求。     

小波降噪性能分析及其在往复压缩机故障特征提取中应用

在仿真含高斯噪声和白噪声原始信号的基础上,使用了信噪比(SNR)和维持率(KP)性能指标,评估了采用3种小波族系(Symlets,Daubechies及Coiflet)、4种阈值选取方法(Rigrsure,Sqtwolog,Heursure和Manimaxi)和3种阈值重调方法(One,Sln,Mln)组合参数的去噪能力,并将最佳参数组合的小波降噪方法应用于往复压缩机故障特征提取。结果表明:采用Db4小波、Heursure阈值选取方法及Sln阈值重调方法,可以得到最优的去噪性能,不仅能够有效降低噪声往复压缩机信号中的噪声干扰,还最大限度的保持了原故障信号的特征。     

基于小波神经网络的往复压缩机故障诊断方法研究

针对往复压缩机在线故障诊断时难以提取故障特征的实际情况,提出一种适于往复压缩机的在线诊断方法。该方法利用小波包对采集信号进行分解和重构来构造能量特征向量,用该方法构造的特征向量能有效地反映往复压缩机的故障特征,通过用BP神经网络进行故障诊断,结果表明该方法能提高往复压缩机的诊断率。     

基于PCA的往复压缩机气阀故障异常监测方法

针对气阀故障异常自动检测迫切需求,针对气阀故障在温度数据的表现特点,即同类气阀正常工作时温度波动一致,故障时温度波动存在差异,采用主成分分析(PCA)从气阀阀盖温度数据中提取故障特征参数,建立基于径向基函数的故障异常监测模型,实现了故障异常自动检测,并可进一步对故障气阀进行自动定位,为故障早期快速报警奠定了基础。     

基于EMD信息熵和支持向量机的往复压缩机轴承故障诊断

往复压缩机工况恶劣、结构复杂、易损件多等特点,增加了压缩机故障诊断难度。将EMD信息熵和支持向量机(SVM)技术相结合,应用于压缩机轴承故障诊断。通过EMD对压缩机轴承信号进行分解,计算其信息熵值,并提取出能反映轴承工作状态的信息熵,将其作为特征向量训练SVM网络。结果表明,EMD信息熵和支持向量机相结合的方法,可以准确识别压缩机轴承故障。     

基于振动测试的往复式压缩机的故障诊断

往复式压缩机是各类生产企业中通用的动力设备,应用于冶金、矿山、船舶、机械制造等行业部门。往复式压缩机的故障诊断通常使用振动法,但由于其机械结构复杂、运动部件多、工作时振动激励源较多,发生的故障也是多种多样,因此往复式压缩机的故障诊断就相对较复杂。介绍了压缩机振动故障的几种基本形式和原因,并通过实例对压缩机故障进行了分析。     

基于示功图的往复压缩机故障诊断技术

往复压缩机结构复杂、激励源多,常规的机械振动声学法难以满足压缩机故障诊断的需要.示功图是有效的参数法诊断手段,是反应设备内部能量循环的最佳方式,可在较深层次上诊断压缩机故障.介绍了往复压缩机气缸内动态压力的测取方法,比较了常用的示功图测试装置,详细阐述了基于示功图分析的故障诊断方法,并对常见的进气阀、排气阀、活塞环泄漏故障进行了基于示功图法的故障分析.     

往复式压缩机气阀磨损故障特征提取的研究

气阀磨损是气阀的主要故障之一,可能会造成阀片不能准确、平稳地开启和闭合,引起循环气体温度、压力的变化,造成能量损失,影响到压缩机的效率,因此,对气阀磨损进行故障特征提取及故障诊断十分必要。先通过信号AR功率谱对比了解到故障特征频带为2000~4000Hz,再对信号进行EMD分解,分解得到的IMF以小波包频带能量准则进行判定,即选择2000~4000Hz范围内能量比重较大的IMF进行重构;对重构后的信号再次进行小波包软阈值降噪,降噪后的信号再作两层分解,对频带为22000~4000Hz的小波包系数进行重构,即得到特征频带内降噪后的最终信号。在以上研究基础上,最后建立了表征气阀好坏的时域特征参数—故障综合值。研究结果表明:(1)气阀磨损时,阀片撞击升程限制器和阀座的冲击信号会明显增大,并且在吸气与排气阶段,气流会对阀门产生明显的扰动;(2)故障综合值有利于直观判断气阀的磨损程度,值越大表示磨损越严重。     

往复压缩机故障诊断模型技术研究及应用

在研究往复压缩机气阀、活塞环、活塞支撑环等关键部件故障机理基础上,建立了示功图、活塞杆下沉量监测的量化数学模型;研究了往复压缩机常见故障逻辑决断方法,建立了往复压缩机专家诊断系统并应用于设备维修决策。     

基于三次hermite插值lmd方法的往复压缩机故障诊断技术

针对往复压缩机振动信号的强非平稳特性和多分量耦合特性,提出了一种基于三次hermite插值的lmd方法.该方法结合三次hermite插值法的优良保形特性,以其对信号极值点进行插值包络,提高局部均值函数和包络估计函数的拟合精度.以往复压缩机轴承故障振动信号为研究对象,通过与原有lmd方法的对比,验证了此方法的优越性,实现了轴承间隙故障的准确诊断.     

基于振动测试的往复式压缩机的故障诊断

往复式压缩机是各类生产企业中通用的动力设备,应用于冶金、矿山、船舶、机械制造等行业部门,尤其是在船舶上的应用更加广泛,往复式压缩机的故障诊断通常使用振动法,但由于其机械结构复杂、运动部件多、工作时振动激励源较多,发生的故障也是多种多样,因此往复式压缩机的故障诊断就相对较复杂。本文介绍了压缩机振动故障的几种基本形式和原因,并通过实例对压缩机故障进行了分析。     

基于小波相关排列熵的轴承早期故障诊断技术

针对机械系统早期故障诊断困难的问题,引入滤波效果良好的小波相关滤波法(Wavelet transform correlation filter,WTCF)和对信号微弱变化特征敏感的排列熵算法,定义一种新的小波相关排列熵(Wavelet correlation permutation entropy,WCPE)的概念,并提出基于WCPE的特征提取方法。对采集到的设备振动信号进行WTCF处理,得到信噪比较高的各层小波系数,在此基础上计算小波系数的排列熵复杂度,构造信号沿各小波分解层分布的WCPE特征矢量,并据此分析振动信号的微弱变化。通过对滚动轴承全寿命振动数据的分析,证明基于WCPE提取的信号特征不但能够准确表征轴承由正常状态到故障状态的详细变化过程,还能及时检测出轴承的早期故障。对比小波熵及小波相关特征尺度熵等其他早期故障诊断方法,该方法可显著提前滚动轴承早期故障的检出时间。