维修工程管理研究与发展综述

综述了近几十年来维修工程管理的研究与发展，如人工智能、故障诊断、机器状态监测技术(如振动分析、红外检测、热录像仪等)、预测和预防性维修(PPM)、全员生产维修(TPM)和主动性维修(PM)等，论述了综合应用机器实时状态监测与故障诊断、人工智能、计算机通讯技术以及先进的维修管理理念的集成质量控制与维修系统，最后提出一种目前世界领先的远程智能维修系统。内容包括：实践应用中的维修管理评估、智能和集成维修管理、状态监测维修中的智能预测决策支持系统(IPDSS)、设备状况衰退趋势预测——人工神经网络方法、IPDSS支持的维修管理、故障诊断中的人工智能应用、基于可靠性的预防性维修安排和远程智能维修系统。     

网络环境下基于RDCM的设备状态维修体制的研究

本文对网络环境下基于远程诊断与状态监测（RDCM）的设备维修体制进行了研究，提出了实施方法和过程，阐述了状态维修体制在企业中实施的具体流程以及设备综合管理系统（PIMS）中状态维修体制的实施方法和手段。     

基于ZigBee的温度监测系统

为了实现温度的实时监测,提出了一种基于无线传感器网络的的温度监测系统,介绍了基于温度检测系统的设计思想和实现过程。系统以内嵌51兼容单片机的射频收发芯片CC2530为核心,采用数字式温度传感器DS18B20,应用传感技术、无线通信技术及计算机技术,实现了基于ZigBee的温度监测。     

电子设备智能监测与诊断技术综述

随着人工智能技术的发展,现代监测与诊断技术向智能化方向发展,本文介绍了电子设备智能监测与诊断的模式和智能诊断方法,从硬件实现技术和诊断方法两个方面给出了电子设备智能监测与诊断的发展方向,对智能监测系统的实现有一定的指导意义。     

离心压缩机组远程监测与诊断系统的研制与应用

适应现代网络技术和分布式大型关键设备远程监视诊断的需要 ,研究开发了基于网络技术的设备远程分布式监视诊断系统。本文详细介绍该系统网络结构、基本构成、实现方法、软件模块和模块功能等。现场应用表明其具有较强的实用价值和广阔的应用前景     

智能动力装备的全生命周期诊断 和服务技术与系统研制

动力装备作为复杂机电系统具有应用范围广、连续作业、点多线长、危险因素众多的突出特点,针对目前动力装备存在的全生命周期监测诊断技术缺乏、智能化水平不高、服务支持不足的问题,研究开发了智能动力装备的全生命周期监测和服务支持系统。围绕动力装备全生命周期监测诊断和全生命周期性能优化、维修备件服务构建系统平台,研究了系统中的信息采集管理,动态自适应监测,健康状态预示与评估,故障预警和快速智能诊断、转子远程及现场快速动平衡维护以及智能维修决策等关键技术,最后在用户企业构建动力装备产品全生命周期监测与服务支持的示范基地,为客户提供诊断分析、状态评估、全生命周期设备管理、维修决策支持服务。     

钻井远程专家实时诊断与指挥系统分析

本文分析了钻井远程专家实时诊断与指挥系统的框架和结构,解决了难于实时了解钻井工程现状的难题,以实现钻井远程实时监测、钻井数据的共享,消除以往地域、技术、人员及信息等方面所存在的屏障和影响。系统的应用对加快钻井科技的开发,提高钻井水平,及早发现油气层、保护油气层、指导现场施工生产,提高油田勘探开发的整体效益起到重要的作用。     

LabWindows/CVI在发动机机械状态实时监测中的应用

介绍了计算机测控系统应用软件开发平台LabWindows/CVI的特点,基于LabWindows/CVI平台的发动机机械状态实时监测系统的基本组成,开发过程中遇到的几个关键问题,及其该发动机机械状态实时监测系统的简单应用案例。结果表明该系统能够有效实现发动机机械状态实时监测。作为新型的测控软件平台之一,LabWindows/CVI极大地提高了开发应用软件的效率,同时也增强了发动机应用软件的系统功能。     

船舶柴油机远程诊断系统诊断中心的设计

远程诊断中心是船用柴油机远程故障诊断和维修管理系统的核心部分。文中介绍了一种基于B／S模式的船舶柴油机远程诊断中心的设计思想和关键技术的实现方法。     

基于CAN总线的电机实时监测系统设计

电机状态监测用到的传感器类型多、数量大、位置分散,本文基于控制器局部网CAN状态对一款水电厂电机运行状态实时监测系统总体进行合理的设计。对传感器网络节点进行模块化设计和调试,对CAN传输层协议进行初步编制和使用。MSP430单片机作为子模块核心部件,实现对工程数据的高效获取和对CAN协议传输的控制;基于CAN总线实现数据实时、高效和高可靠性的传输。     

An Embedded Condition Monitoring and Fault Diagnosis System for Rotary Machines

An intelligent machine is the earnest aspiration of people. From the point of view to construct an intelligent machine with self-monitoring and self-diagnosis abilities, the technology for realizing an internet oriented embedded intelligent condition monitoring and fault diagnosis system for the rotating machine with remote monitoring, diagnosis, maintenance and upgrading functions is introduced systematically. Based on the DSP （ Digital Signal Processor） and embedded microcomputer, the system can measure and store the machine work status in real time, such as the rotating speed and vibration, etc. In the system, the DSP chip is used to do the fault signal processing and feature extraction, and the embedded microcomputer with a customized Linux operation system is used to realize the internet oriented remote software upgrading and system maintenance. Embedded fault diagnosis software based on mobile agent technology is also designed in the system, which can interconnect with the remote fault diagnosis center to realize the collaborative diagnosis. The embedded condition monitoring and fault diagnosis technology proposed in this paper will effectively improve the intelligence degree of the fault diagnosis system.     

基于直方图均衡化和卷积神经网络的轴承故障诊断方法

针对传统的滚动轴承故障诊断方法依赖人工特征提取和专家经验,难以自适应提取强噪声信号微弱故障特征的问题,提出一种直方图均衡化和卷积神经网络(CNN)相结合的智能诊断方法。首先,将传感器采集到的一维振动信号通过横向插值法转换为便于模型识别的二维振动图像,利用直方图均衡化技术拉伸像素之间灰度值差别的动态范围,突出纹理细节和对比度,以增强周期性故障特征;然后构建深层CNN模型,采用优化技术降低模型参数量,逐层学习监测数据与故障状态之间的复杂映射关系。实验结果表明该方法具有高达99%以上的准确率,对不同负载下的故障信号仍具有较高的识别精度和泛化能力。     

A Web-based Condition Monitoring and Diagnostic System of Rolling Mill

1　ＩｎｔｒｏｄｕｃｔｉｏｎＢｅｉｎｇｔｈｅｅｓｓｅｎｔｉａｌｅｑｕｉｐｍｅｎｔ,ｏｎｃｅｔｈｅｒｏｌｌｉｎｇｍｉｌｌｂｒｅａｋｓｄｏｗｎｕｎｅｘｐｅｃｔｅｄｌｙｔｈｅｌｏｓｓｅｓｃａｕｓｅｄｂｙｕｎｓｃｈｅｄｕｌｅｄｓｈｕｔｄｏｗｎａｎｄｑｕａｌｉｔｙａｂｎｏｒｍａｌｉｔｙｃａｎｂｅｖｅｒｙｓｅｖｅｒｅ.Ｔｏｄｅａｌｗｉｔｈｔｈｉｓｐｒｏｂｌｅｍ ,ｍｏｒｅａｎｄｍｏｒｅｌａｒｇｅｓｔｅｅｌｗｏｒｋｓｉｎｔｈｅｗｏｒｌｄｒｅｓｅａｒｃｈｅｄｏｎｔｈｅＣＭＡＦＤＳｏｆａｒｏｌｌｉｎｇｍｉｌｌａｎｄｄ…     

基于注意力BiGRU的机械故障诊断方法研究

为了解决机械故障诊断领域传统方法自适应性差、参数选择过于依赖人工的问题,提出了一种基于循环神经网络的机械故障诊断算法。该方法利用预处理后的机械振动信号,搭建了双向门控循环单元的故障诊断模型,并进行了基于注意力机制的模型优化,提高了特征提取效率。经过美国凯斯西储大学轴承数据集以及自采集的柴油机故障实验数据验证,相比于传统神经网络算法提升了计算效率和诊断准确率,并表现出了良好的抗噪能力。结果表明,该方法可以有效适用于基于机械振动信号的故障诊断,具有一定的工程应用价值。     

Decision Support System for Maintenance Management Using Bayesian Networks

The maintenance process has undergone several major developments that have led to proactive considerations and the transformation fiom the traditional ＂fail and fix＂ practice into the ＂predict and prevent＂ proactive maintenance methodology. The anticipation action, which characterizes this proactive maintenance strategy is mainly based on monitoring, diagnosis, prognosis and decision-making modules. Oil monitoring is a key component of a successful condition monitoring program. It can be used as a proactive tool to identify the wear modes of rubbing pans and diagnoses the faults in machinery. But diagnosis relying on oil analysis technology must deal with uncertain knowledge and fuzzy input data. Besides other methods, Bayesian Networks have been extensively applied to fault diagnosis with the advantages of uncertainty inference; however, in the area of oil monitoring, it is a new field. This paper presents an integrated Bayesian network based decision support for maintenance of diesel engines.     

Fault detection,classification, and location for active distribution network based on neural network and phase angle analysis

The improved radial basis function (RBF) method utilizes an orthogonal regression matrix to produce an artificial neural network structure based on regularized least square. The phase angle and amplitude signal of fault voltage and current are extracted based on frequency domain analysis. The proposed method adopts the fault signal for fault diagnosis synchronously. The IEEE 13-bus active distribution network (ADN) simulation model is set up in Matlab. Test results demonstrate that accuracy of the fault diagnosis can reach 98.07% and the response time of the fault classification method is less than 0.04s. The wavelet neural network (WNN) model is developed to extract the maximum decomposition level and time series behavior. The WNN method can resist noise effects and improve the fault classification accuracy by 4.3%. The effect of fault type and fault resistance on the fault location method is researched. The fault simulation result shows that the proposed method can locate a fault precisely and synchronously. The improved RBF method can diagnose the fault section, classify the fault type and locate a fault accurately in ADN. The research is significant to maintain system stability against realistic fault and network restore.     

基于模糊神经网络的机载设备智能故障诊断系统

针对某型飞机机载设备故障多,且具有模糊性、复杂性的特点,本文将模糊逻辑和神经网络相结合,采用模糊隶属函数来描述这些故障的程度,建立了模糊神经网络故障诊断模型.采用图形化编程技术,开发了一种故障诊断推理流程图,方便了用户的开发.该系统依据专家知识和测试数据,可将故障隔离到内场可更换单元(SRU)或某个功能电路.实践证明该诊断系统是有效的,具有推广应用价值.     

基于网络的远程监测和故障诊断系统的数据库系统

随着信息技术和网络化向各个行业的延伸,实时监测已经成为机械设备监测的一种需要。而实时数据如何存取,采集后的这些历史数据如何为以后的故障诊断服务,在企业中如何来组织这些数据,是我们所要思考和解决的问题。所提出的基于网络的远程监测和故障诊断系统的数据库系统,正是基于上述的考虑,介绍了三个层次的数据库系统:企业监测站、企业监测中心和远程故障诊断中心。解决了实时数据的存取,历史数据的压缩,企业信息的管理等问题。整个库系统使用UML建模,对数据库系统进行了细致的分析和构造。     

基于改进人工鱼群算法的机械故障聚类诊断方法

发展新的理论或方法快速准确地实现机械故障信号的聚类诊断是众多学者研究热点。由于人工鱼群优化算法具有结构简单,良好的并行性、快速性等特点,把人工鱼群优化算法引入机械故障诊断中。基于人工鱼群算法的基本原理提出了一种改进的人工鱼群追尾聚类算法,定义了相似度因子和聚类判别因子,建立了模拟人工鱼群追尾行为的机械故障聚类诊断模型,并将之应用于机械故障特征信息的聚类分析。实例分析表明了本文方法的有效性。     

FMES运行监视与故障诊断系统的研究与设计

以长春柔性制造实验系统为研究对象，研究了柔性制造系统的运行监视与故障诊断技术，研制了基于实时动画和人工智能的ＦＭＥＳ运行监视和故障诊断系统。介绍了ＦＭＥＳ－ＭＤＳ的总体结构讨论了ＦＭＥＳ－ＭＤＳ中的信息检测方法和故障诊断技术。