道路施工机群智能化管理系统的设计及开发

以高等级公路施工机群管理为背景,研究和开发了智能化公路工程机械机群管理系统,描述了系统的体系结构设计,组成系统的各级中心站的设计以及功能,以及监控系统的核心功能,包括资源配置功能、监控调度功能及故障诊断功能等。本文所描述的系统是计算机智能化信息采集及控制在一个新的行业领域的应用,并针对问题的特殊性,设计并实现了实时监控及动态优化调度的功能和算法。     

工程机械状态检测与故障诊断技术

本文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，阐述了几种常规的现代的工程机械状态监测与故障诊断技术。     

人工神经网络和机械故障诊断

智能化诊断是现代故障诊断技术发展的主要趋势,人工神经网络技术的出现为这种智能化提供了一个全新的途径。本文首先简单介绍了人工神经网络的基本性能及几个重要模型,着重探讨了人工神经网络技术在机械故障诊断领域中预测与控制、工况监测与故障分类诊断、模糊诊断和基于专家系统的故障诊断等几个主要方面的应用,指出人工神经网络技术与现有的信号处理、模式识别、模糊逻辑、专家系统等技术相结合,以解决故障信号分析与处理、故障模式识别以及故障论域专家知识的组织和推理等问题,必将加快智能化诊断发展的进程。可以预料:基于人工神经网络的故障诊断技术将具有广阔的发展与应用前景,并且随着VLsI 技术的发展,这一新技术必将广泛地应用于各种诊断实例。最后讨论了进一步值得研究的方向。     

汽车故障诊断技术发展趋势

汽车故障诊断技术不断发展,从上世纪60年代的车外诊断设备到具有诊断复杂故障能力的专家系统所构成的新车外诊断系统。目前,汽车故障的诊断技术的发展趋势主要体现在故障诊断系统智能化、诊断推理方法多样化、故障诊断信息网络化等方面。     

机械智能化控制研究

机械智能化控制引入机械工业领域,给机械工业的发展带来了具有跨时代的意义。本文介绍了智能化控制技术在机械工业中的应用的目的,即：高效率、高性能;人性化,操作简单化;状态监测和故障诊断的智能化;节能环保等。可见,椰械智能化控制是未来的发展趋势。     

工程机械的故障诊断和维护研究

随着科学技术的发展,我国工程机械的发展取得了长足进步,工程机械中的液压系统、传动系统、控制系统被广泛采用在各大工程项目中。工程机械一般都较为大型且费用高昂,这对工程机械的故障诊断及维护技术提出了挑战。本文从挖掘机及装载机等工程机械的故障形式及特点着手,分别介绍了目前使用较为普遍的工程机械的故障诊断技术及维护技术,分别介绍两类技术的要点,以期对工程机械的使用以及保养有所裨益。     

电子液压技术与工程机械智能化分析

工程机械在建筑、道路、矿山等行业中都发挥着十分重要的作用,如今,随着社会的进步,科学技术也开始不断的完善和发展。计算机技术的发展让工程机械进入了一个全新的时代,实现了工程机械的智能化。电子产品是电子技术和液压技术结合而产生的,本文针对电子液压技术以及工程机械智能化进行了全面的分析和研究,以便让工程机械智能化能够为各个行业的发展做出贡献。     

智能化便携式振动数据采集处理器的设计

本文运用振动监测技术、共振解调技术、抗混滤波技术、数据采集与处理技术等设计了一种智能化振动数据采集处理器,并可用于车辆传动部分及旋转机械的工况监测、故障诊断。     

分形用于液压设备故障诊断可行性与对策

液压技术相对于机械技术和电力技术具有自己独特的优势。随着科学技术的发展,液压技术已广泛用于工程机械、冶金机械、交通运输机械、轻工机械、农业机械等设备中,并成为设备中不可缺少的重要组成部分。液压系统在社会化大功率、自动化生产中越来越起主导作用。但功率越大,复杂化、集成化、高速化、自动化程度越高,设备（系统）的结构就越复杂,发生故障的可能性就越大,故障造成的危害和损失也越大。发生故障时,如何及时发现故障,尽可能的减少诊断和维修的时间就显得很重要。为保证设备的正常运转,变定期维修为预知维修,降低维修费用,不断提高生产率,必须对设备实施状态监测和故障诊断。液压系统故障诊断的特殊性,要求人们努力寻求新的检测和诊断技术手段,进一步开展故障诊断理论与方法的研究。鉴于此,本文提出一种基于分形理论的液压系统故障诊断方法,通过对状态信号的分形维数的分析来识别故障。把分形理论引到液压系统的故障诊断中来,这是液压故障诊断领域的一个新的尝试。     

齿轮故障及诊断的研究进展

随着现代工业及科学技术的迅速发展,生产设备日趋大型化、集成化、高速化、自动化和智能化,齿轮传动是机械设备中最常见的传动方式之一,对齿轮故障进行诊断对确保设备的安全可靠运行具有重要意义,发展有效的设备状态监测和故障诊断技术成为当今设备管理和维修的迫切需要。     

集成动态神经网络及其在冶金风机智能诊断系统中的应用

提出基于RBF-PSO的集成动态神经网络方法,并将其应用于冶金风机的智能诊断系统的构建。实验结果表明,该方法能够提高网络的收敛速度和系统的诊断精度,尤其是对冶金风机中所出现的并发故障,采用RBFNN-PSO集成动态神经网络具有良好的诊断效果。     

Fault Diagnosis of a Turbo—unit Based on Wavelet Packet Theory

In this paper we studied the fault feature of the generator set and the characteristics of wavelet packet theory for signal de-noising.The vibration signal of the generator set in different states is ana-lyzed by using the signal re-construction technique of the wavelet packet theory.The time domain method is given for the generator set fault diagnosis.The experiment results show that the wavelet packet theory can be used to directly identify the state of the generator set and provide a credible new idea for complex machinery fault diagnosis.     

基于智能化趋势的工程机械界面设计研究

目的 工业4.0时代,在智能化大环境下的工程机械与智能科技融合已成为重要趋势,众多复杂技术的使用为用户带来了使用上的困难。为了减少使用上的问题,对工程机械产品进行智能化交互设计研究,提出工程机械界面设计的参考原则。方法 利用文献调查法、个案分析法和归纳法,对智能化工程机械特征进行分析。结合交互设计的发展现状、智能化的应用,对相关案例进行归纳总结,分析智能化工程机械的界面设计。结论 智能技术与工程机械融合形成了操控系统智能化、多种信息集成化、交互形式多样化3大设计特征,从基于逻辑的层级划分、不同载体的相互协调、设备操作的去专业化3个方面展开界面设计,是基于用户使用过程中的逻辑构架和信息交流展开的人性化设计过程,能够减少智能化过程中存在的一些潜在问题。     

改进的支持向量机在旋转机械故障诊断中的应用

系统地研究支持向量机的基本原理。针对旋转机械振动故障特征复杂的特点,提出采用基于K-L变换的故障提取方法。改进支持向量机的多分类算法,将支持向量机分类方法用于旋转机械振动分析,利用其模式辨别和系统建模能力对典型故障的初始征兆、发生、发展进行动态分析,为旋转机械的故障诊断提供新的思路和方法。     

基于广义粗糙集理论的旋转机械故障诊断

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了分析处理，求出了进行诊断所需的关键条件，由相对约简得到了最优诊断规则。在工程实践中成功地诊断出了大型旋转机械的一些常见故障。     

旋转机械故障诊断技术的现状与展望

介绍了旋转机械在振动故障诊断方面的国内外现状。内容包括:故障机理的研究,故障信息处理技术的研究,故障诊断专家系统的研究及有关诊断系统的开发现状,并对今后发展方向进行了阐述。     

基于AMD和自适应随机共振的旋转机械故障诊断方法研究

针对强噪声背景下信噪比较低的旋转机械故障诊断问题,提出一种基于解析模态分解(AMD)和随机共振的旋转机械故障诊断方法。若信号的频率成分已知,AMD方法能将多频率成分的信号分解为单频率信号。对于可预知故障特征频率的旋转机械故障诊断,首先利用AMD方法提取振动信号中故障特征频率所在频段的信号,并对每个提取出的信号添加强度较低的噪声;然后利用粒子群算法优化的双稳随机共振对含噪信号进行处理来加强信号;最后求该信号的频谱,若频谱中含有故障特征频率,则说明振动信号中存在该故障。通过对滚动轴承故障信号特征的提取证明了该方法有良好的效果。     

神经网络智能综合监测诊断系统研究

针对机械故障智能诊断的特点,研究了用于故障智能诊断的神经网络结构的确定,提出了集成神经网络的建立方法。在此基础上,研制开发了智能自动诊断系统,应用风机故障诊断特例说明了该系统的实用性。     

基于支持向量机的转子振动信号故障分类研究

转子在运行过程中的振动加速度信号包含了转子运行状态大量信号，瞬态过程中故障加速度信号特征的提取及其识别对于旋转机械故障诊断是十分重要的。针对在升降速运行时的故障特征数据样本有限而制约有效智能诊断的问题，探讨和提出了基于支持向量机的加速度信号故障诊断方法。实验分析结果表明：该方法可实现转子的振动加速度信号对转子在升降速运行时的多故障的识别和诊断。     

基于局部均值分解与形态谱的旋转机械故障诊断方法

针对旋转机械不同类型故障会使振动信号具有不同形态特征及振动信号信噪比低等特点,提出基于局部均值分解（Local Mean Decomposition,LMD）与形态谱的旋转机械故障诊断方法。其中的LMD能对旋转机械原始振动信号进行降噪处理,而形态谱则能反映振动信号的形态特征,从而能判断旋转机械的工作状态。将该方法用于转子系统故障诊断,分析结果表明,该方法能有效提取旋转机械故障振动信号的故障特征,能准确识别旋转机械的故障状态。