轴承瓦背过盈配合不良的振动诊断

振动问题一直是压缩机、鼓风机需要解决的难题,而强迫振动引起的工频振动更是难题,其中的原因很多,实践表明,轴承瓦背过盈配合不良也是其中不可忽视的问题。本文着重介绍由该问题引起的故障特征诊断与治理措施。对今后离心压缩机运行方面有一定的借鉴意义。     

机械加工过程中的振动问题分析及解决策略

机械加工过程中的振动问题会严重影响加工质量与精度。本文分析机械加工中振动问题的类型、特征与振源,探讨查找诊断及解决方法,以期准确把握振动问题的表现、成因及诊断方法,从而预防并控制振动问题的危害。     

汽轮机旁路系统管道振动治理

本文以常规岛汽轮机旁路系统为对象，根据大期间振动治理改造方案设计及现场施工实施，后续结果分析为依据，讨论管道阻尼器在常规岛汽轮机旁路系统中的应用，包括液压阻尼器和粘滞阻尼器在管道振动治理工作的实效。     

核电厂主泵振动报警诊断与治理

介绍某核电站主泵振动报警现象,对主泵的振动总量进行了对比,研究主泵泵轴频率特性,分析轴心轨迹,对振动波动原因进行了探讨,诊断出主泵振动报警的原因。分析表明,主泵泵轴振动报警是由于工频和半频幅值较高引起的,主泵泵轴存在残余不平衡,且有较大的半速水膜涡动。提出两个治理方向,结合振动报警的实际情况确定加大轴封水流量的治理对策,结果显示此一对策有效、易行,振动报警现象消失。     

大亚湾核电站RRI泵振动原因诊断及减振的研究

大亚湾核电站是全套引进法国技术和国外设备、具有国际先进水平的核电站。核岛设备冷却水泵RRI泵系核岛重要设备，对核电站运行安全有重要作用。在设备调试中发现KRI泵振动均较大，达5mm／s左右（振动烈度），大于合同规定的振动限值2．8mm／s。针对该问题，法国专家在一年多时间里做了大量的测试研究和改进工作，但振动改善不明显，问题未得到解决。课题组接受委托，对RRI泵振动原因诊断及减振进行研究。课题组运用锤击法现场激振力和RRI泵振动响应，分析计算泵体的传递函数和动刚度；采用单输入、单输出系统简化模型，由已测出的振动…     

锅炉烟道系统强振问题的分析和治理

针对湘潭钢铁有限公司动力厂130t/h燃气锅炉烟道系统振动严重超标的问题,通过对引风机及烟道系统的振动测试和分析,找出其振动的主要原因.经采取技术措施治理后,其振动大大降低,达到预期目的.     

柴油机主要运动部件的振动监测与诊断技术

本文介绍利用柴油机表面振动信号不解体诊断活塞－气缸套磨损、气阀漏气和主轴承磨损状态的研究，通过实测柴油机的表面振动信号和分析与计算，提取了振动信号的特征参数。研究表明：可以用表面振动信号诊断活塞－气缸套磨损、气阀漏气及主轴承磨损等主要运动部件的机械状态。     

电厂一次风机轴承损坏的故障诊断分析

介绍了某电厂引进汽轮发电机组配套风机的滚动轴承在运行过程中,在振动、温度等参数都正常的情况下出现寿命短、易损坏等故障问题。根据风机运行的实际工况,通过对风机的载荷分析、寿命计算和润滑分析,提出诊断意见和建议措施。结果表明,诊断结论正确,治理措施对延长轴承寿命具有良好效果。     

离心风机的旋转脱流及其风道振动

结合治理离心风机的旋转脱流所引起的风机－风道系统振动的实践，对处于低流量工况区工作的离心风机所出现的旋转脱流的特点进行了分析，并论述了振动产生的机理及治理方法。     

高速挠性转子不平衡诊断及整机动平衡处理

提出了从法国引进的离心压缩机振动严重超标问题。经测试诊断为轴系不平衡。经理论计算和分析论证，采用现场动平衡的方法，解决了现场动、静不平衡的问题。具体介绍了其方法及效果。     

基于振动可视化分析的机械故障诊断方法

提出了一种基于振动可视化技术的机械系统故障诊断方法。通过振动可视化技术补充和完善常规监测手段所得到的振动信息,同步反映设备关键测点在时间和频率上的变化,以此作为系统故障诊断的依据。首先,以功能简单的运动部件为对象研究可视化技术应用的可行性;其次,以多通道振动信号分析结果作为输入量,将其应用于机械系统故障诊断。应用结果表明,基于振动可视化技术的机械系统级故障诊断方法能够有效地简化复杂机械系统故障源的确定过程,同时完成故障模式的准确匹配。     

基于双时域微弱故障特征增强的轴承早期故障智能识别*

针对轴承早期微弱故障难以准确识别的问题,提出一种基于双时域微弱故障特征增强的轴承早期故障智能识别方法。利用广义S变换和Fourier逆变换推导出一种双时域变换,将轴承振动信号变换为双时域二维时间序列。根据双时域变换的能量分布特点,提取二维时间序列的主对角元素以构建故障特征增强的时域振动信号。仿真信号和轴承故障信号分析验证了双时域微弱故障特征增强的可行性和有效性。采用脉冲耦合神经网络和支持向量机对增强后的轴承信号进行时频特征参数提取和智能识别,平均识别精度达到了95.4%。试验结果表明所提方法能有效提高轴承早期故障的智能识别精度。     

滚动轴承故障程度诊断的HMM方法研究

为提高滚动轴承故障诊断率,提出基于时频域指标的HMM轴承故障程度诊断方法。利用轴承故障模拟试验台,采集不同剥落程度滚动体的振动信号,分别提取均方值、有效值、方差、修正样本方差、标准差、频域中心及带宽共7个时域和频域指标作为特征向量训练HMM,得到基于HMM的诊断分类器。利用该分类器对330组待检滚动轴承振动信号进行分析,诊断正确率达90%以上,说明该方法能有效提取故障特征。     

基于联邦多表示域适应的不同工况下滚动轴承故障诊断方法

针对不同工况下滚动轴承振动数据分布差异大、部分工况下的带标签数据难以获取、不同用户间数据不共享、单一用户 数据量少,导致建立诊断模型准确率不高的问题,提出一种联邦特征迁移学习框架以及基于联邦多表示域适应的不同工况下滚 动轴承故障诊断方法。 该方法对滚动轴承时域振动数据做小波变换得到时频谱图,将先验的有标签公共数据作为源域,多用户 无标签孤岛隐私数据作为目标域;引入多表示特征提取结构对原始残差网络进行改进,提取源域和目标域的多表示特征,分别 构建多用户本地模型;使用深度神经网络的模型压缩思想改进联邦迁移学习框架中的参数传递策略,增强联邦框架的安全性并 降低通信开销;在服务器端构建可用于不同工况下滚动轴承故障诊断的联邦全局模型。 经两种轴承数据集的实验验证,所提方 法无需多用户共享数据即可整合孤岛数据知识,建立有效的不同工况下滚动轴承故障诊断模型,平均故障诊断准确率可达 97. 6% ,相比单一用户建模提升至少 3. 2% 。     

Research of high-resolution vibration signal detection technique and application to mechanical fault diagnosis

Bilinear time–frequency transformation can possess a simultaneous high resolution both in the time domain and the frequency domain. It can be utilised to detect weak transient vibration signals generated by early mechanical faults in complex background and thus is of great importance to early mechanical fault diagnoses. It has been found that the spectrogram has low resolution, and there is strong cross-terms in Wigner–Ville distribution and frequency aliasing and information loss in Choi–Williams distribution (CWD). Hence, they cannot achieve satisfied transient signal detection results. To enhance the capability of detecting transient vibration signals, based on the analysis of exponent distribution, this paper presents some novel alias-free time–frequency distributions. These distributions can avoid the information loss in CWD while suppressing the cross-terms. Moreover, they have high simultaneous resolutions in both the time and frequency domain. Digital simulation and gearbox fault diagnosis experiments prove that these new distributions can effectively detect transient components from complicated mechanical vibration signals.     

旋转机械空间域全信息小波包变换及其应用

结合空间域矢谱分析和小波包变换技术,提出了旋转机械空间域全信息小波包变换方法.它融合了转子同截面3通道图谱中各自存在的振动分量,能全面、准确地反映转子发生故障时的瞬态过程特征量变化.工程实践应用表明:旋转机械空间域全信息小波包变换对于旋转机械的故障诊断,是一种新的、较为实用的信息融合方法.     

某型燃气涡轮起动机振动测试系统的研发

振动信号能够从时域或频域实时地反映旋转机械的故障信息,为满足某型燃气涡轮起动机故障诊断的需要,研发了涡轮起动机振动测试系统。该系统能够控制涡轮起动机的工作过程,监控工作状态,记录工作数据和分析振动信息。系统以起动机时域振动信息为基础,运用频谱分析和倒谱分析方法处理振动信息,以确定故障部位。系统研究了燃气涡轮起动机与加载系统匹配的方法,以及加载系统附加振动信号的识别与分离。试验结果表明,该系统能够实现涡轮起动机工作过程的控制,工作数据和振动信息的采集和分析,并且可以识别与分离加载系统的附加振动信号,为燃气涡轮起动机故障诊断提供可靠的实验研究平台。     

基于LMD和阶次跟踪分析的滚动轴承故障诊断

变转速工况下的滚动轴承故障振动信号具有多分量调制以及故障特征频率受到转频调制的特点,从而导致故障特征提取困难。对此,将局部均值分解(local mean decomposition,简称LMD)与阶次跟踪分析相结合,提出了一种变转速工况下的滚动轴承故障诊断方法。首先,采用阶次跟踪采样将时域滚动轴承故障振动信号转换到角域;然后,对角域信号进行LMD分解得到若干个乘积函数(product function,简称PF)分量;最后,对各个PF分量的瞬时幅值进行频谱分析,判断滚动轴承的故障部位和类型。通过对滚动轴承实验故障振动信号的分析,结果表明该方法能有效地应用于变转速工况下的滚动轴承故障诊断。     

Gearbox fault diagnosis using adaptive redundant Lifting Scheme

Vibration signals acquired from a gearbox usually are complex, and it is difficult to detect the symptoms of an inherent fault in a gearbox. In this paper, an adaptive redundant lifting scheme for the fault diagnosis of gearboxes is developed. It adopts data-based optimisation algorithm to lock on to the dominant structure of the signal, and well reveal the transient components of the vibration signal in time domain. Both lifting scheme and adaptive redundant lifting scheme are applied to analyse the experimental signal from a gearbox with wear fault and the practical vibration signal from a large air compressor. The results confirm that adaptive redundant lifting scheme is quite effective in extracting impulse and modulation feature components from the complex background.     

Fault Feature Extraction of Diesel Engine Based on Bispectrum Image Fractal Dimension

Fault feature extraction has a positive effect on accurate diagnosis of diesel engine. Currently, studies of fault feature extraction have focused on the time domain or the frequency domain of signals. However, early fault signals are mostly weak energy signals, and time domain or frequency domain features will be overwhelmed by strong back?ground noise. In order consistent features to be extracted that accurately represent the state of the engine, bispectrum estimation is used to analyze the nonlinearity, non?Gaussianity and quadratic phase coupling(QPC) information of the engine vibration signals under different conditions. Digital image processing and fractal theory is used to extract the fractal features of the bispectrum pictures. The outcomes demonstrate that the diesel engine vibration signal bispectrum under different working conditions shows an obvious differences and the most complicated bispectrum is in the normal state. The fractal dimension of various invalid signs is novel and diverse fractal parameters were utilized to separate and characterize them. The value of the fractal dimension is consistent with the non?Gaussian intensity of the signal, so it can be used as an eigenvalue of fault diagnosis, and also be used as a non?Gaussian signal strength indicator. Consequently, a symptomatic approach in view of the hypothetical outcome is inferred and checked by the examination of vibration signals from the diesel motor. The proposed research provides the basis for on?line monitoring and diagnosis of valve train faults.