计算机网络化与状态监测故障诊断技术

今天,计算机网络技术极大地影响着我们的生活。Internet、互联网、电子信箱等名词,现在已是随处可见。 本文将探讨网络技术对状态监测和故障诊断行业可能产生的影响和带来的新机遇。 一、计算机网络与状态监测 计算机网络意味着信息的相互传递。几年前大多数个人计算机(PC)还都是个人化的计算孤岛,而今天的互连网借助于电话线将全世界的计算机都连接到了一起。在一个工业企业内部,借助网络,可以用DCS系统在主控室里监视和控制整套生产状置,用MIS系统管理全厂的人事、财务和生产报表。     

网络化水电机组在线状态监测与故障诊断系统

考虑到水电机组状态监测与故障诊断的多样性和复杂性，结合实际，提出将Internet网络技术和虚拟仪器技术与水电机组状态监测和故障诊断技术有效地结合起来，旨在将水电机组的状态监测与故障诊断提升到远程的网络环境，以极大提高状态监测和故障诊断的水平和时效性。在Internet和Windows环境下，利用有效的网络资源、LabVIEW、PXI、MXI-3和DataSocket技术，采用易于扩展的客户／服务器结构模式来设计网络化在线状态监测与故障诊断系统。该系统实现了水电机组信号的数据采集、数据分析和处理，并能通过网络进行故障诊断。实际应用证明这种网络化在线状态监测与故障诊断系统具有很强的灵活性和可扩展性。     

计算机状态监测与故障诊断系统

介绍一个计算机状态监测与故障诊断系统的组成及其功能。该系统由机组数据采集器，数据分析处理工作站，通信网络及故障诊断中心等四大部分组成。分厂的工作站与总厂的故障诊断中心之间用无线网络进行通信。     

网络化的离心压缩机组振动在线监测及故障诊断系统的研究

提出了一种网络化的大机组振动在线监测和故障诊断系统。论述了系统网络化的意义和重要性。介绍了系统各部分的组成和功能。     

工程机械状态监测与故障诊断技术

在分析我国工程机械状态监测与故障诊断技术现状的基础上,阐述了几种常规的和现代的工程机械状态监测与故障诊断技术。     

滚动轴承的振动监测与故障诊断系统

论述滚动轴承的振动监测与故障诊断的原理、方法和系统。采用振动监测系统对滚动轴承进行巡回在线监测 ,发现故障后发出声光警告 ,然后自动转入诊断模块 ,用共振解调法进一步判断故障发生部位及其趋势等。附图 4幅 ,参考文献 3篇。     

滚动轴承在线监测与故障诊断系统

介绍一种适用于滚动轴承在线工况监测与故障诊断专家系统的设计及实现方法。着重讨论知识库的建造和动态数据库的建立。附图 3幅 ,参考文献 4篇     

旋转机械振动状态监测与故障诊断系统

本文是作者在使用和调研的基础上,对用于旋转机械状态监测和故障诊断仪器系统作的综合评介。文中对监测和诊断系统按功能和构成作了分类,提出了根据被监测对象的重要性来选用监测系统的原则。接着按四种类型,详细介绍了各自的主要功能、系统原理框图、使用情况以及国内外生产情况。     

机械设备振动监测与故障诊断的发展与展望

本文对机械设备振动监测和故障诊断技术的组成、功能及其发展进行了综述,主要介绍振动测试、特征提取、状态识别及其装置的发展,并展望它们的发展趋势．     

分布式设备故障远程诊断中心的开发研究

主要研究怎样利用当前的设备故障诊断技术和计算机网络通讯技术来开发一个分布式机电设备的远程故障诊断中心;阐述了远程诊断中心的基本结构框架的设计、系统各功能模块的划分和实现方法,以及在实现过程中关键问题的解决方案。     

故障树分析及其在制粉系统故障诊断中的应用

利用故障树分析法对火力发电厂制粉系统的常见故障进行了分析研究，建立了制粉系统的故障树，涵盖了球磨机、给煤机、排粉机、粗细粉分离器的常见故障，求出了其最小割集，给出了制粉系统发生故障的原因及导致故障各种原因组合的可能性。并且以球磨机为例给出了故障树分析的具体应用，通过球磨机振动信号的采集与分析，对球磨机的机械部件故障进行诊断。故障树分析法给制粉系统的故障智能诊断提供了一种有效的方法，为故障维修及故障预防提供了指导。     

软测量技术及其在刀具故障诊断中的应用

介绍了软测量技术的概念和原理,分析了刀具故障诊断技术在高速加工中的必要性和可行性,介绍了基于软测量技术的刀具故障诊断系统及其技术路线和基于主轴电机电流的测量模型。     

三层感知器算法的改进及其在故障诊断中的应用

详细讨论了三层感知器算法的改进及其在汽轮机故障诊断中的应用,即对网络进行逐层优化,用这种方法训练三层感知器网络,网络收速度加快,在此基础上对某厂的汽轮机故障进行了诊断,结果表明,该方法能正确地诊断出存在的故障,具有一定的实用价值。     

一种萤火虫神经网络及在轴承故障诊断中的应用

萤火虫算法作为一种群体智能算法,具有良好的全局寻优特性,可用于解决神经网络在反向传播(Back propagation,BP)算法下易陷入局部极值点、收敛速度慢的问题。但在应用于神经网络时其参数选取缺乏有效依据或经验公式,参数取值不当时,萤火虫神经网络的训练误差无法有效收敛、种群个体之间协同寻优功能易失效。因此,提出一种双层萤火虫改进算法对其参数进行选取。用UCI数据及轴承故障试验对算法进行验证,结果表明,应用所提方法后萤火虫神经网络的训练误差收敛值显著减小,并且在训练效率、故障识别率方面均优于BP神经网络、遗传神经网络、粒子群神经网络。     

频谱分析法在齿轮箱故障诊断中的应用

基于齿轮箱振动及调制边频带形成机理的分析，提出用谱平均及倒频谱分析相结合的方法，对监测系统的输出信号进行频域分析，诊断齿轮箱故障，并分析其产生原因。实例及分析结果验证了该方法可迅速、准确地对齿轮箱进行故障诊断。     

粒子群优化的神经网络在故障诊断中的应用

为提高齿轮箱故障诊断性能，建立了以齿轮箱振动信号的时频域特征为输入，以齿轮箱的主要故障形式为输出的神经网络。采用粒子群优化算法代替反向传播算法来训练神经网络的权重和阈值，利用训练后的神经网络对齿轮箱进行了故障诊断，并比较了基于粒子群优化算法与BP算法的诊断结果。结论是基于粒子群优化算法神经网络具有较好训练性能，收敛速度快，迭代步数少，诊断精度高，具有良好的故障识别率。     

基追踪降噪及在齿轮故障诊断中的应用

从信号分析的角度，引入基追踪降噪(Basis Pursuit De-N0ising)的基本原理。通过对含有白噪声的典型脉冲信号进行降噪处理．展示基追踪降噪在脉冲信号特征提取中的优点。最后对变速箱齿轮故障信号进行降噪处理。结果表明，该方法可以有效去除强噪声干扰，提取脉冲故障特征信号。通过实例证明了该方法的有效性和工程实用性。     

模糊神经网络在多传感器故障检测与诊断中的应用

构建一种前馈型模糊神经网络,并对网络结构作了进一步的改进,形成多输出模糊神经网络,减少了网络学习参量数目,压缩了规模,提高了训练效率,将其作为故障分类器,离线地从学习样本数据中提取各个用以描述传感器故障状态的模糊参考模型。通过模糊神经网络的不同输出值完成多传感器的故障诊断,通过对某燃汽轮机系统多传感器故障诊断的仿真,表明该方法的有效性。     

齿轮振动信号分解及其在故障诊断中的应用

对齿轮振动信号的测试及分解进行了研究。根据信号基频,把齿轮振动信号分解为啮合振动与旋转振动,这些振动信号可用于对齿轮状态进行定量研究。基于不同形式的齿轮振动信号,介绍了几种方法来提取信号中的故障信息。利用时域平均技术及齿轮振动信号分解理论对某齿轮箱早期故障信号进行了检测。研究表明,齿轮运动信号分解能够有效检测齿轮的各类故障,高阶加速度信号对齿轮某些类型的早期故障更加敏感。