基于自适应小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出了基于自适应小波神经网络的往复泵故障诊断方法.以往复泵单个泵缸内的压力信号作为系统特征信号采用小波变换来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断.通过对往复泵液力端多故障诊断实例的检验表明：该系统故障诊断正确率达到了93％以上.     

声发射技术在化工设备状态监测与故障诊断中的应用

介绍了高压加热器泄漏和汽轮机组动静摩擦等故障所产生的声发射信号的特点 ,并通过几个实例说明了利用声发射技术综合诊断泄漏和摩擦故障的方法 ,同时介绍了声发射技术在这方面应用的优越性和实用性     

基于小波包分析和BP神经网络的滚动轴承非接触声发射诊断方法

采用声发射技术对滚动轴承进行非接触诊断,以小波包分析方法提取故障信号的能量特征向量,作为BP神经网络的输入向量进行模式识别,区别完好轴承和各类故障轴承。     

基于RMS因子的滚动轴承故障声发射诊断研究

运用声发射检测技术对滚动轴承内圈故障、外圈故障和滚动体磨损故障展开试验研究。为了减少噪声干扰、突出故障特征、提高信噪比,应用能量因子方法对含噪声信号进行数据处理,找到不同缺陷形式下的故障特征。结果表明,RMS因子方法用于滚动轴承声发射信号特征提取是有效的。     

关联维数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,提出了应用关联维数对往复压缩机气阀故障进行诊断的方法。通过对气阀常见故障类型的诊断,表明关联维数可以有效地分析出往复压缩机气阀的常见故障。     

基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法

针对球磨机在磨矿过程中负荷(充填率、料球比)靠经验难以准确判断的问题,提出基于改进的集总平均经验模态分解算法(modified ensemble empirical mode decomposition, MEEMD)-多尺度分形盒维数盒和极限学习机(extreme learning machine,ELM)的负荷识别方法。该方法首先利用MEEMD算法对不同负荷状态下的磨音信号进行分解得到本征模态分量,然后,采用相关系数法选取敏感模态分量进行重构得到降噪后信号;通过分析重构信号的多尺度分形盒维数,结果表明,欠负荷、正常负荷和过负荷状态下的多尺度分形盒维数存在明显的差异,能够很好地区分磨机的不同负荷状态。将重构磨音信号的多尺度分形盒维数作为极限学习机(ELM)的输入,磨机负荷状态为输出,建立磨机负荷识别模型;通过磨矿实验验证了该方法的有效性,整体识别率高达94.8%,模型能够准确识别磨机负荷状态。     

基于MATLAB对混凝土SEM分形维数的计算

在分形科学的研究中,分形维数的求取方法一直是人们所关注的,因为它直接关系到求解的可操作性和结果的精度。利用MATLAB的图像处理和数值计算功能,通过编写MATLAB程序计算Sierpinski垫圈图形分形维数并与理论值对比,结果表明该方法准确、合理。通过对混凝土扫描电镜(混凝土SEM)进行处理,计算出图像的分形维数(即计盒维数),从而也为分析研究混凝土微观结构提供一种新方法。     

基于声发射的球罐检验

对超设过计寿命的球罐检验时,常规检测手段已无法满足检测要求。声发射检验可以初步排查缺陷位置,依据缺陷活性程度判定缺陷的危害情况。最终达到排除隐患,实现安全生产,经济效益最优化的目标。     

基于吸引子比较法的卧式搅拌床反应器声发射故障诊断

在卧式搅拌床反应器丙烯聚合工艺中,结块是严重影响装置长期稳定运行和产品质量的隐患之一。本文以时域分析的角度,提出了一种基于吸引子比较法的声发射结块检测技术。该方法通过比较当前状态与正常状态的声发射信号,并借助统计量S值对两个时间序列的分布进行检验,从而判断两者是否由同一机理产生。当S<3时,则表明当前状态为正常;当S>3时,则表明反应器内有95%的可能性发生了结块。冷模实验结果表明,在合理选择传感器位置的前提下,通过对原始声发射信号进行消噪、归一化等预处理后,吸引子比较法能够灵敏地检测出卧式搅拌床反应器内粒径分布的细微变化,继而预警结块的发生。     

基于声发射理论的气体介质阀门内漏检测研究

针对气体介质阀门内漏问题,建立了一套气体介质阀门内漏检测系统,根据声发射技术的原理,基于不同压力条件下,检测声发射的各种参数随泄漏率的变化,并运用Parseval原理对泄漏率与参数进行数值模拟,并对声发射信号进行信号波形和功率谱分析,可初步判断气体介质阀门内部是否存在内漏现象。     

基于EMD瞬时功率谱熵的神经网络滚动轴承故障诊断

滚动轴承在发生故障时,其动力学特性往往呈现出复杂性和非线性,振动信号也会随之表现出非平稳性。为此,提出一种基于EMD瞬时功率谱熵的滚动轴承特征提取方法。该方法将轴承信号进行EMD分解,得到有限个IMF分量,对这些分量进行功率谱处理,计算其功率谱的信息熵。EMD瞬时功率谱熵作为特征向量,采用神经网络进行故障分类,实验结果表明,此方法的分类准确率可达96.25%。     

数控往复式潜油电泵故障监测和诊断系统的设计与应用

以功率信号作为故障信息,开发了基于虚拟仪器的故障监测和诊断系统。该系统具有对采油工艺电参信号进行采集、分析及处理等功能,实现了对工艺工作状态的监测和诊断。系统信号采集硬件主要由互感器、数据采集卡和计算机组成,软件部分运用了LabVIEW与Matlab混合编程技术,实现对功率信号的小波去噪处理和波形分析。现场测试结果证实了该系统的准确性和可行性。     

自适应小波降噪的泵机组故障诊断

泵机组故障诊断的难点在于信号特征向量的提取,而故障特征往往淹没在复杂的噪音中。本文利用自适应小波函数对采集到的振动信号进行降噪,滤掉了无关的噪声信息,根据振动能量的分布,对降噪过的信号进行四层小波包分解,提取出的特征向量分布明显。最后将分类特征向量输入神经网络进行训练,测试的结果证明,该方法识别精度高、速度快,具有良好的应用前景。     

离心泵故障诊断方法的研究综述

主要介绍了目前离心泵故障诊断的几种方法,并对这几种方法的优缺点进行了比较,举出了一些诊断方法的应用实例进行了分析,对未来离心泵故障诊断方法进行了展望。     

往复泵故障智能诊断系统的设计

开发了往复泵故障的智能诊断系统,以故障诊断系统为核心,软件部分用Visual C＋＋语言来开发,由软件控制同步进行压力、位置及流量等信号的数据采集和数据库管理。由于不同故障类型对应的信号曲线也不同,所以以压力信号为主,以流量信号为辅作为故障信息;然后应用基于人工智能理论的小波神经网络和小波包分解技术进行数据处理、保存和故障诊断。从小波神经网络诊断的结果可以看出：往复泵故障智能诊断系统诊断速度快,准确性高。     

基于灰度-梯度共生矩阵的往复压缩机气阀故障诊断方法研究

提出基于灰度-梯度共生矩阵的气阀故障图像特征提取方法,以不同故障气阀阀片的平滑伪威格纳-维尔分布图为研究对象,通过提取图像中的纹理特征信息计算其纹理特征参数,由结果可知,不同的故障图像对应不同的特征参量,从而实现了往复压缩机气阀故障的定量诊断。     

分数阶Fourier变换在往复式压缩机故障诊断中的应用

由于传统时频分析方法难以有效提取阀片的调频故障信号,因此提出基于分数阶傅立叶变换的往复压缩机阀片故障诊断方法。首先对含噪声的LFM信号进行仿真分析,仿真结果表明,分数阶傅立叶变换不仅可以有效地提取信号的频率特征,而且还具有自降噪功能;然后将分数阶傅立叶变换应用到阀片故障诊断中,由此可以看出,不同阀片故障对应不同的特征参量,从而实现了往复压缩机阀片故障的定量诊断。     

基于间接示功图测量的电潜柱塞泵故障诊断研究与应用

在分析电潜柱塞泵工作原理的基础上,结合柱塞式抽油泵的结构,建立了机组运行的理论示功图,对其进行了深入分析。以功率信号作为故障信息,提出一种基于间接示功图测量的电潜柱塞泵故障诊断方法,并描述了小波去噪方法绘制实测示功图的主要过程。针对机组典型故障,在室内模拟平台和现场油井上对该方法的准确性进行了验证实验与分析。测试结果表明:故障诊断效果较好。     

往复式压缩机故障诊断专家系统设计与实现

往复式压缩机是工业上使用量大面广的一种通用机械。针对其故障模式复杂难以辨识的特点,本文以简洁实用的方法设计并实现了一个往复式压缩机故障诊断专家系统。