滚动轴承在线监测系统设计

离心风机滚动轴承常因振动异常、轴承温升过高而出现事故。通过监测轴承振动、转速和温度等信号，快速、准确地进行数据处理和事故分析，将分析结果以各种图谱显示出来，并将其数据值信号特征传递给故障诊断系统，从而实现预测维修。     

地面大型设备远程故障诊断系统的研究应用

研究了在线监测与故障诊断系统,建立了完备的远程状态监测与故障诊断大数据平台,并针对性地制定了有效的解决方案。通过在地面泵站主通风机进行试验,证明该系统能够实现设备故障和早期预警,可避免重大设备事故发生,为实现"智慧矿山"提供了良好支撑。     

基于NI Compact-RIO控制器的城轨车辆故障诊断系统

城轨车辆的故障诊断系统是列车控制及监控的重要组成部分,随着国内外城轨车辆列车控制及监控技术的不断发展,城轨车辆的故障诊断系统越来越多地受到城轨车辆用户的重视。故障诊断系统要求故障检索快速、准确、实时性高且故障数据可存储,故障数据可追溯。本文叙述了一种基于NI Compact-RIO控制器的城轨车辆故障诊断系统的实现方式。     

基于LabVIEW的大型转子监测及故障诊断系统

为实现对大型转子系统的实时监测,利用LabVIEW开发了一套监测与故障诊断系统,并提供了系统的总体设计方案和算法。系统结合转子的特性针对性地提供了一种小波包分解方案,同时改进了原有的小波阈值滤波算法。系统中加入了改进轴心轨迹不变矩分析、小波能量谱分析、支持向量机,D-S信息融合等算法并通过LabVIEW加以实现,能实现数据实时采集、波形分析和显示、数据存储、数据融合功能。实验验证了系统能准确地辨识大型转子系统的运行状况。     

基于注意力残差网络的航天器测控系统故障诊断

随着航天器数量的不断增加,快速而准确地对航天器测控系统进行故障诊断尤为重要。针对航天器所处空间环境变化较大、遥测数据成分复杂和故障诊断准确率不高的问题,提出了一种基于注意力残差网络(AM-ResNet)的航天器测控系统故障诊断方法。首先,将原始遥测数据转换成灰度图像;其次,将图像依次通过残差网络和注意力模块,获取具有全局依赖关系的特征图;最后经过卷积、池化操作后利用Softmax分类器进行分类,实现航天器测控系统的故障诊断。实验结果表明,所提出的基于注意力残差网络的航天器测控系统故障诊断方法可将诊断准确率提升至95.68%,与ResNet-18、AlexNet和LeNet-5故障诊断模型相比,诊断准确率分别提高了3.53%、5.62%和16.43%,验证了该方法可以有效提高航天器测控系统故障诊断性能。     

基于神经网络理论的液压系统故障诊断系统

为了实时、准确地对液压系统的故障进行诊断,开发了一套基于神经网络理论的液压系统故障诊断系统,利用PC机强大的数据处理能力对采集的数据进行实时处理并直观地显示处理结果,极大地提高了诊断速度和准确度。将此系统应用于某型车辆液压系统的故障诊断,达到了比一般故障诊断系统更好的准确度和更快的速度。     

基于物联网的铁路信号设备智能检测与故障诊断系统设计

针对铁路信号设备中的故障检测和诊断效率低下,以及传统方法在处理复杂故障时存在局限性,设计一种基于物联网技术的铁路信号设备智能检测与故障诊断系统。该系统旨在提高铁路信号设备故障检测的准确性和效率,进而确保铁路运输系统的安全和可靠性。该系统利用物联网技术进行实时数据收集,同时结合机器学习算法对信号设备的运行数据进行深入分析,以实现高效的故障诊断。该系统可以快速准确地识别出故障模式,并提供有效的维护建议。在系统测试中,该方法展现出了高准确率和快速响应能力,显著提高了故障诊断的效率,为铁路运输安全管理提供了一种新的技术支持,对于提高铁路运输的安全性和可靠性具有重要意义。     

灰色系统理论在齿轮故障诊断中的应用

针对难以获取大量样本的齿轮故障诊断,应用灰色系统理论,可以简洁、准确地判断出齿轮运行状态,为此类故障诊断提供一种方法。     

重型平板运输车微控系统故障诊断技术研究

重型平板运输车故障诊断是其微控系统不可缺少的重要功能.本文以WTW型平板车故障诊断系统开发为例,综合运用微电技术和基于知识的智能诊断技术对平板车故障诊断系统进行分析和研究,提出了一套准确判断故障、将故障信息分类打包并通过CAN总线传到故障监视终端报警显示或按要求记录的解决方案,目的在于快速、有效、准确地对平板车电液系统的状态进行监测和故障诊断,为平板车安全可靠运行提供技术保障.     

基于全连接神经网络的旋挖钻机缓冲平衡阀故障诊断

回转装置是旋挖钻机的主要结构之一,而缓冲平衡阀是回转装置的重要部件。针对缓冲平衡阀故障诊断中故障类型复杂多变、早期微弱故障特征难以提取等问题,提出了一种基于全连接神经网络的故障诊断方法。以VAA-B-SICN-PDRM-VF-150平衡阀为研究对象,针对平衡阀故障数据难以获取的问题,进行加速退化实验,获取故障数据;然后,根据阀的特性建立故障评价指标,结合全连接神经网络方法,建立了平衡阀故障诊断模型,并进行模型训练,验证故障诊断模型的准确性。结果表明,基于全连接神经网络的故障诊断模型能够快速、准确地检测出缓冲器平衡阀的故障,从而避免发生事故导致停工停产。     

A future possibility of vibration based condition monitoring of rotating machines

Adopted conventional practice uses a number of vibration sensors at a bearing pedestal of a rotating machine for the vibration based condition monitoring. The number of bearings in a machine, say a Turbo-Generator (TG) set, is likely to be very high hence increasing sensors to a large number. Therefore results in huge data sets to analyse to track any fault(s) which often depends on the experience and the engineering judgments in fault detection process. The effort of the present study is to reduce the number of sensors per bearing pedestals by enhancing the computational effort in signal processing. The concept used was fusion of the data from all sensors in the frequency domain to get a composite spectrum for a machine and then the computation of the higher order spectra (HOS) so that the vibration data is managed efficiently and able to detect fault uniquely. The results of the suggested approach are discussed here.     

基于关联维数的滚动轴承故障诊断的研究

针对滚动轴承系统产生的非线性振动信号的特点,提出用关联维数来描述轴承振动信号的工作状态,进而对其进行故障诊断的方法。同时详细讨论了关联维数的计算方法,并对由轴承系统产生的非线性振动信号进行了关联维数的定量计算。实验表明,滚动轴承不同工作状态由不同的动力学机理产生,其关联维数明显不同。以关联维数作为滚动轴承的工作状态监测的依据,可以为提高滚动轴承故障诊断的准确率提供了一种有效的新方法。     

大型旋转机械升降速过程故障诊断HMM方法研究

由于大型旋转机械升降速过程产生振动的复杂多样性,对其进行监测能获得较平稳的运行及更多的机组状态信息,并能更早地获知机组运行状态。本文将隐Ｍ ａｒｋｏｖ 模型（Ｈｉｄｄｅｎ Ｍ ａｒｋｏｖ Ｍ ｏｄｅｌｓ,简称ＨＭＭ ）引入大型旋转机械升降速过程故障诊断的研究中,利用ＨＭＭ 刻划升降速过程中的振动变化特征。实验证明应用ＨＭＭ 能较好、较早地达到机组故障诊断目的。     

基于卷曲能的卷曲机实时状态监测系统

根据卷曲机机组运行特点和现场要求，设计并开发出一套实时监测系统。该系统基于IabWindows／CV18．0开发。数据采集模块运用基于库函数NIDAQmx创建任务的技术，与传统的采集方法相比，大大提高了CPU的利用率；数据分析部分提供强大的信号分析功能，包括时域分析、频域分析等；状态监测与报警部分针对卷曲机自身的特点，创新地提出了判断卷曲机的实时状态的一个综合指标，即卷曲能。卷曲能综合了信号的均值、峰峰值和有效值。实际应用结果表明：利用卷曲能判断机械设备的运行状态，卷曲机实时状态监测的水平得到了显著的提高。     

大型透平压缩机组叶轮裂纹故障的监测分析与诊断

详细阐述了某石化公司芳烃异构化装置运行过程中循环氢压缩机异常振动情况,依据旋转机械故障机理和转子动力学原理,采用正向推理分析状态监测数据,逐项排查异常振动的诱导因素,最终确定压缩机异常振动是由叶轮轮毂开裂导致过盈转动失效,迫使叶轮在负荷变动时相对转轴发生周向运动。借助状态监测系统数据,精准分析故障原因,避免了一次盲目开车带来的严重安全事故。     

旋转机械振动状态监测与故障诊断系统设计及实现

旋转机械是电力行业的重要设备,其运行状况是否完好将会直接影响到企业的效益。该文在介绍状态监测与故障诊断流程的基础上,研究了旋转设备常见故障类型和振动数据分析方法,利用LabVIEW软件实现了振动数据采集与分析、故障知识数据库等功能。该系统提供了良好的人机界面,对旋转设备的振动数据提供了多种分析方法和图形化的显示方式,为后续的故障诊断工作提供了良好的分析平台。     

A vibration analysis method based on hybrid techniques and its application to rotating machinery

Vibration-based condition monitoring and fault diagnosis technique is a most effective approach to maintain the safe and reliable operation of rotating machinery. Unfortunately, the vibration signal always exhibits non-linear and non-stationary characteristics, which makes vibration signal analysis and fault feature extraction very difficult. To extract the significant fault features, a vibration analysis method based on hybrid techniques is proposed in this paper. Firstly, the raw signals are decomposed into a few product functions (PFs) using local mean decomposition (LMD), and meanwhile instantaneous frequency and instantaneous amplitude also are obtained. Subsequently, Fourier transform is performed on the derived PFs, and then, according to the spectra features, the useful PFs are selected to reconstruct the purified vibration signals. Lastly, several different fault features are fused to illustrate the operating state of the machinery. The experimental results show that the proposed method can accurately extract machine fault features, which proves that the combined application of LMD and other signal processing techniques is a successful scheme for the machine vibration analysis.     

Optimization of dimensionality of symptom space in machine condition monitoring

With the modern tools of metrology we can measure almost all variables in the phenomenon field of a working machine, and some of measuring quantities can be symptoms of machine condition. On this basis we can form the symptom observation matrix for condition monitoring. From the other side we know that contemporary complex machines can have many modes of failure/damage, so called faults. The paper presents the method of extraction of fault information from the symptom observation matrix by means of singular value decomposition, in the form of generalized fault symptoms. However, at the beginning of monitoring we do not know the sensitivity of potential symptoms to the given machine faults and to its overall condition. Hence, some method of symptom observation matrix optimization leading to redundancy minimization is presented first time in this paper. This gives the possibility to assess the diagnostic contribution of every primary measured symptom. Also in the paper some possibility to assess symptom limit value, based on symptom reliability is considered. These concepts are illustrated by symptom observation matrix processing with the special program and the data are taken directly from the machine vibration condition monitoring area.     

旋转机械机组群状态监测与故障诊断系统关键技术研究

研制开发了一套针对旋转机械机组群的状态监测与故障诊断系统,充分考虑了实际应用中环境的复杂性,采用的针对性措施保证了系统较高的适用性。所开发的系统进行了实验室验证。实验结果表明,系统达到了机组群状态监测与故障诊断的要求。