三缸单作用往复泵主机构的动力学仿真

三缸单作用往复泵是石油矿场机械中的关键机器。为便于对其进行强度分析、结构设计、性能优化等,将其主机构简化为多刚体动力学系统。考虑电动机的机械特性、活塞阻力等实际因素,以泵轴转角、运动副反力为变量,建立其动力学模型。采用基于龙格-库塔法的动力学研究方法获得其真实运动规律和各运动副反力变化规律,经仿真验证,计算结果可信。介质阻力具有阶跃特性,是该力在活塞速度为0的位置变化,因此冲击效果不明显。速度波动的不均匀系数为0.049,与实际情况符合较好。研究结果为进一步考虑摩擦阻力、泵阀开启和关闭等实际因素,以及定量地研究速度波动、飞轮设计、构件强度等提供基础。     

高压往复泵虚拟装配系统的研究与开发

在对往复泵设计理论和虚拟制造技术进行系统分析和研究的基础上,结合为生产企业进行往复泵设计和改造的实际经验,研究与开发了往复泵虚拟装配系统。实现了往复泵设计的程序化,包括主要零部件的尺寸计算、强度校核;主要零部件的参数化绘图;往复泵的虚拟装配和动作仿真等,是一套集往复泵的设计、选型、分析、参数化绘图和虚拟装配为一体的,功能全面和实用的系统。文中详细介绍了往复泵虚拟装配系统的组成结构和功能。     

基于相关向量机的故障诊断方法研究

相关向量机(RVM)是目前最受关注的新一代模式识别技术之一,阐述了基于相关向量机的故障诊断方法、应用前景等。介绍相关向量机的分类、回归模型及其国内外研究进展;对RVM提出至今在故障诊断和退化评估与寿命预测中的应用研究进行综述;最后分析在故障诊断中RVM方法存在的弊端及其未来研究趋势。     

信息物理系统在数控机床智能诊断中的应用

为了解决信息化条件下数控机床故障监测效率低、维修成本高、时延高等问题，同时满足网络技术、边缘计算、故障预测与健康管理技术相结合的智能诊断需求，提出基于信息物理系统的智能诊断系统。系统设计为4层：智能感知层、数据决策层、网络层、应用层。与传统的故障诊断与健康管理相比，该系统引入边缘计算技术与人工智能相关技术，解决系统的实时性、网络可靠性、数据安全性等问题，进一步实现智能化的故障预测与健康管理。以数控机床滚珠丝杠副为例，通过分析其故障现象并设计PHM流程，应用网络技术远程部署和配置PHM算法从而实现对机床的在线监测，同时能够识别丝杠的早期、中期和晚期故障。结果表明：该系统对进一步提高数控机床故障诊断可靠性以及实现设备智能运维和健康管理具有重要的意义。     

基于SSA-VMD和SVM的滚珠丝杠副故障诊断

针对滚珠丝杠副故障特征提取困难的问题,提出一种基于麻雀搜索算法优化变分模态分解算法（SSA-VMD）结合支持向量机（SVM）的滚珠丝杠副故障诊断方法。以最小包络熵作为SSA的适应度函数,对VMD参数进行自主寻优;运用IMF能量值对分解信号进行筛选重构,去除噪声和无关成分的干扰;最后提取重构信号的8类时域特征参数和5类频域特征参数作为特征向量集,导入SVM进行故障识别模型的训练。通过搭建滚珠丝杠副故障诊断实验平台采集振动信号,分别采用SSA-VMD、VMD、EMD方法进行信号分解提取故障特征。实验结果表明:与VMD和EMD相比,SSA-VMD能针对不同的信号自主选择最优的VMD参数进行信号分解,能准确识别滚珠丝杠副故障类型,证明了基于SSA-VMD的滚珠丝杠副故障诊断的可行性和准确性。     

滚动直线导轨副摩擦力动态测量试验研究

滚动直线导轨副是高速高精度数控机床的重要功能部件,其摩擦特性对机床整机的力学特性具有重要影响,因此对导轨摩擦力的大小进行检测具有重要的意义。针对摩擦力检测要求,设计了一种自动检测滚动直线导轨副摩擦力的试验装置,将测量结果与手动测量进行对比,并对某一型号的滚动直线导轨副进行重复性测试,验证了该测量方法的可靠性。针对35和45型号的滚动直线导轨副进行不同速度条件下的摩擦力测试,试验结果表明,随着速度增加,导轨副摩擦力有先减小后增大的趋势。     

基于深度学习的石化机组轴承故障诊断综述

作为石化机组的重要组成部分,轴承发生故障将导致机械运转故障进而影响企业经济效益,故而研究石化机组轴承故障预测、故障诊断具有重大意义。介绍故障诊断中早期基于信号处理的轴承故障诊断方法,阐述应用广泛的深度学习(包括卷积神经网络、迁移学习)等模型在石化机组轴承故障诊断中的应用,并展望基于人工智能的石化机组轴承故障诊断应用。     

基于神经网络的表面粗糙度智能预测系统

表面粗糙度趋势分析及预测技术是计算机集成制造系统故障诊断技术发展的迫切需要。本文在讨论神经网络非线性、多因素预测原理及其拓扑结构的基础上,基于神经网络方法设计了智能型的工件表面粗糙度监测预测系统,将非线性预测和多因素预测引入表面粗糙度预测模型中,即在进行工件表面租糙度预测时兼顾了刀具磨损,从而使本系统拥有可靠和高精度的预测效果。     

基于KPCA和SVM的滚珠丝杠副润滑失效故障诊断

为了能够更加充分地表征振动信号在时域、频域、时频域等多特征参数与滚珠丝杠副润滑失效状态的线性关系,提高滚珠丝杠副润滑失效故障诊断的准确率,提出了基于KPCA和SVM的滚珠丝杠副润滑失效故障诊断模型。提取了滚珠丝杠副在3种润滑状态和5种转速下的振动信号特征,构建了润滑特征混合域特征集,并按照累计贡献率大于90%的标准对特征集进行核主元分析,将筛选出的能够反映滚珠丝杠副润滑失效故障特性的主元作为主要特征量,最后将筛选出的主要特征量输入支持向量机(SVM)内进行训练测试,并在同一转速的条件下作对比试验。结果显示:利用核主元分析法进行主元提取能够有效降低原始数据的维度,并提高模型诊断的准确率;当电机转速为100 rpm时,所建立的基于KPCA和SVM的滚珠丝杠副润滑失效故障诊断模型的诊断准确率高于其他转速下的诊断准确率,准确率为93.33%;这说明该方法在对滚珠丝杠副润滑状态进行诊断时,通过控制电机转速可有效提高诊断的准确率。     

故障树分析法在注塑机液压系统维修中的应用

介绍了注塑机的液压控制原理和动作过程,利用故障树分析法,通过逐层分析及故障之间的逻辑关系,对注塑机的系统故障进行了诊断。实践证明,应用故障树分析法对注塑机等复杂设备进行故障诊断,其速度快、效率高,并可以用来预测和诊断故障、指导设备的正常运行和预防性维保。     

BP神经网络在齿轮箱故障诊断中的应用

介绍了BP网络的原理、算法，并用BP网络对采煤机截割部齿轮箱机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证，证明用人工神经网络可较好地预报机器故障，变被动维修为视情维修，可节省大量的设备维修费用，为合理安排生产计划及设备检修提供了可靠的依据。     

基于信号处理的液压泵故障检测方法研究综述

液压泵的故障诊断是其正常工作和健康管理的关键,基于信号处理的液压泵诊断方法已经成为主流。近年来,学者们对液压泵故障诊断的研究非常活跃,但对液压泵故障分析和诊断方法缺少系统的总结和分析。通过对液压泵相关文献进行统计分析,系统地总结了液压泵故障产生的原因、故障诊断的基本方法及研究进展,指出了液压泵故障分析和诊断领域的发展前景,为研究人员和相关维修人员提供了参考价值并指明了研究方向。     

新型高转速柱塞泵转速变化压力特性研究

为了研发高转速、高流量的燃油泵,以新型双斜盘柱塞泵为原型,搭建其流域简化数值仿真模型,研究不同转速下柱塞腔压力脉动机制及演变规律。对比不同转速下柱塞泵压力脉动,探究转速变化对压力大小影响;结合柱塞泵旋转过程中柱塞腔和配流盘的位置和压力变化,研究运行过程中柱塞腔内部压力波动成因。结果表明：随着转速的增加,柱塞腔内部各点压力值提高,但整体压力波动趋势一致;柱塞腔内部压力波动受到与配流盘接触情况和柱塞泵活塞一侧往复运动的影响。     

基于小波包分析的往复式天然气压缩机故障诊断系统

介绍了小波包分析的基本原理，在对往复式天然气压缩机的故障特点进行详细分析的基础上，提出利用小波包分频带的能量特征提取故障特征参数，建立起振动信号各频带能量到往复式天然气压缩机各故障状态间的映射关系，通过各频率成分能量的变化来诊断故障，在此基础上研制了往复式天然气压缩机故障诊断系统。     

装备磨损状态在线评估系统开发研究

针对装备在运行过程中因磨损造成装备失效的问题,进行了基于油液监测技术的装备磨损状态在线评估系统的研究与开发。通过Java技术、Microsoft SQL数据库建立监测装备的磨损健康档案并确立油液分析方法,采用改进的GM（1,1）模型实现了对在线油液数据指标发展趋势的实时预测,对装备异常磨损状态评估及装备健康演化趋势预测具有重要意义。     

遗传优化LVQ神经网络在设备故障诊断系统中的应用

为了提高设备故障诊断的准确度,采用LVQ神经网络来完成设备故障定位及识别,并借助遗传算法求解LVQ神经网络权重初始值。在设备故障诊断的建模过程中,根据实际故障情况和故障常见类别建立LVQ神经网络的设备故障诊断模型,充分挖掘LVQ神经网络在机械设备故障诊断细粒度的优势,为了防止因为故障细粒度诊断而造成收敛过慢的情况,对LVQ神经网络的权重和阈值初值进行遗传算法求解,然后在进行LVQ神经网络的迭代训练,得到稳定的LVQ神经网络故障诊断模型。经过实验证明,相比于传统的LVQ神经网络算法,采用基于遗传算法优化LVQ神经网络的设备故障分类,分类准确度更高,训练时间更快。     

功率反馈式闭式液压泵、液压马达系统研究

对闭式系统中泵、马达之间的功率匹配进行了研究.在系统中采用了功率反馈的形式,提高了使用效率,降低了装机功率;系统中的变速箱能够实现不同转速的泵、马达的正常工作;换向补油装置则能保证泵、马达在换向工作下的正常补油,同时也解决了闭式系统中常见的发热及过滤等问题.     

LCD模糊熵和SOM神经网络在液压泵故障诊断中的应用

针对液压泵故障诊断问题,提出了一种基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)、模糊熵和SOM神经网络三者相结合的故障诊断方法。对液压泵振动信号进行LCD分解,得到若干个内禀尺度分量(Intrinsic Scale Component,ISC);将ISC分量分别与原信号进行相关分析,筛选出包含主要故障信息的前几个ISC分量,计算其模糊熵并组成特征矩阵;将特征矩阵输入SOM神经网络进行分类识别。液压泵故障诊断实例表明,该方法能够准确识别液压泵典型故障,具有一定优势。通过与BP神经网络分类结果相对比,显示了SOM神经网络在特征分类方面的优越性。     

基于物联网技术的动态GRNN模型的液压系统故障检测研究

液压系统因其独特的特性,在各个领域有着广泛的应用。液压设备的运行安全与状态监测是生产中的一项重要内容。由于液压系统的所有部件都在封闭油路中工作,故障源的定位比较困难。为了解决这个问题,本文提出了一种基于物联网技术的动态故障诊断方法GRNN模型的基于物联网的智能控制,利用无线传感器网络技术在分布式液压设备中各参数的实时测量和控制,远程数据共享、故障信号的采集输入GRNN模型故障观察器,检测阈值,通过实验模拟准确诊断系统故障。实验表明,该方法可以有效地应用于过程生产液压系统中,保证系统的正常运行,降低设备故障率,提高生产效率。     

离心泵并联对管路系统流量增量影响的实验研究

离心泵并联是改变输送系统运行工况的一种重要方法。应用两台同型号离心泵设计了并联实验平台,对不同转速、不同管路特性下的离心泵并联运行开展实验研究,基于实验数据分析各种因素对系统流量的影响规律。研究结果为优化并联泵配置、提高运行效率提供参考。