HHT的LabVIEW实现及在振动信号中的应用

采用一种新的固有模态函数(intrinsic mode function,简称IMF)筛选停止条件代替目前常用的筛选停止条件,根据希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)原理开发出LabVIEW的HHT模块.利用仿真信号对不同筛选条件进行对比,并利用开发的模块对转子试验台实测的振动数据进行分析.结果表明,基于新的筛选条件开发的模块更具合理性,能够对信号进行正确分析,满足振动测试分析的任务要求.     

旋转机械动静碰摩故障的振动监测研究

研究了旋转机械动静碰摩故障下转子与静子振动信号的变化规律.首先分析了碰摩转子和静子振动机理,通过实验对旋转机械在正常情况、轻微局部碰摩和严重局部碰摩三种情况下的动静件振动信号规律和特点进行分析.分析表明,静子振动信号对碰摩故障极为敏感,碰摩时静子振动信号的故障特征表现为调制特征,该特征可以较好地揭示碰摩故障的发生.为诊断碰摩故障提供了一种新思路.     

基于LabVIEW的航空发动机远程监测系统设计

本文介绍了虚拟仪器技术,并采用LabVIEW软件设计编制了航空发动机振动信号远程监测系统.该系统对振动信号进行数据采集通过DataSocket技术实现对航空发动机的远程监测,为振动信号的分析和航空发动机故障诊断提供分析手段.     

二维全息谱在旋转机械故障诊断中的应用

通过对振动信号的处理、分析发现,旋转机械转子系统的振动信号经幅值谱、功率谱等传统的谱分析方法后,往往除了1倍频外还包括各次谐波及高倍频成份;引起转子系统振动信号中2倍频分量的因素很多,包括不对中、裂纹和电磁干扰等。直接从幅值谱等传统的谱分析方法很难判断2倍频振动分量的性质和原因。研究基于对中性良好的转子试验台,模拟了多种转子系统的故障,研究了二维全息谱以及轴心轨迹在旋转机械轴裂纹故障和碰磨故障诊断中的应用,结果证明所实现算法的有效性。     

一种动平衡测试系统测试方法的研究

介绍了一种动平衡测试系统中对数据的处理方法。通过理论推导，得出了如何由电路采集的转子不平衡的振动信号计算出转子不平衡量的大小和相位。以及如何进行标定和消除机械系统自身产生的不平衡量对测量结果的影响，为测试系统的设计提供了理论依据。     

基于LabVIEW的旋转机械振动状态监测及故障诊断系统设计

采用虚拟仪器技术对旋转机械的振动信号进行数据采集以及状态监测,并通过运用数字信号分析方法对转子振动信号进行分析,通过分析其绘制的图谱实现对旋转机械的故障诊断。     

应用LabVIEW分析转子特征谱

介绍转子特征谱分析———全谱分析和全息谱分析的基本概念,它们是以不同方式对转子同一截面上互相垂直的两个位移传感器,所采集的信号进行融合分析的方法,和传统的谱分析相比能够识别更多的转子信息。阐述利用Lab-VIEW平台实现全谱分析和全息谱分析的方法。通过对汽轮机转子振动信号的故障诊断表明,全谱分析和全息谱分析是进行旋转机械故障监测与诊断的有力工具。     

程控锁相技术的研究开发

旋转机械在运行过程中,由于转子不平衡(或安装不对中),都会产生程度不同的振动,这不仅影响机器的性能,缩短其使用寿命,同时,也会因振动而造成事故停产。据有关资料介绍,大约70％的振动故障是由于转子原因而引发的,因此事先解决好转子的不平衡问题以及保证转子能对中地安装在轴承上,是降低机器振动,减少故障的有效措施。本文介绍的程控锁相技术就是针对这种情况而研究开发的一种检测手段。     

基于DSP和BP神经网络的旋转机械在线故障诊断系统

为了满足旋转机械在线故障诊断的需要,设计了基于DSP和BP神经网络的在线故障诊断系统,采用DSP芯片TMS320F2812作为主控芯片,开发了具有振动信号采集、转速测量、输入输出的硬件系统.针对旋转机械的常见故障,开发了基于DSP的频谱分析软件,并将BP神经网络嵌入DSP中实时运行以实现旋转机械的自动故障诊断.文中使用该系统对旋转机械的转子不平衡、不对中,轴承外圈损坏、断齿、轴承座松动5种故障进行了实测,结果表明它能正确地识别出故障的类型.使用该系统进行旋转机械在线故障诊断可以提高生产效率,保证设备的长时间稳定运行.     

EMD方法在转子局部碰摩故障诊断中的应用

针对转子系统局部碰摩故障振动信号的特征，将经验模态分解方法（Empirical Mode Decomposition，简称EMD）应用于转子局部碰摩故障诊断中。采用EMD方法对转子振动信号进行分解，实现碰摩、背景和噪声信号分离，从而提取转子系统局部碰摩振动信号的故障特征。试验分析结果表明，对具有局部碰摩故障的转子振动信号进行EMD分解得到的基本模式分量（IMF）具有明显的调幅特性，而其他状态下的转子振动信号经过EMD分解后得到的IMF分量没有明显的调幅特性。因此，EMD方法可以有效地应用于转子系统局部碰摩故障诊断中。     

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。     

BP神经网络技术在雨刮电动机故障诊断中的应用

在电动机故障诊断技术中,最能全面反映电动机运行状态的唯独有振动信号。因此,提出一种基于小波分析和BP神经网络的电动机故障诊断方法。首先该方法采用小波包分析对振动信号消噪滤波并计算频带能量,随后根据振动信号大小提取其能量特征值,并以此建立电动机故障诊断的BP神经网络模型,再以Matlab软件的仿真模块为平台,最终开发了雨刮电动机故障诊断的智能检测系统。试验表明该系统的建立能够提高雨刮电动机故障诊断的效率和准确性。     

基于深度残差收缩网络的风力发电机齿轮箱故障诊断

提出了一种基于深度残差收缩网络的风力发电机齿轮箱故障诊断方法。首先，通过齿轮箱动力学模拟实验平台采集9种工况下的8种故障的振动信号；其次，对所采集的信号进行数据预处理，将其输入至深度残差收缩网络中训练；最后，利用反向传播算法不断优化网络参数，实现变工况下风力发电机齿轮箱故障的识别与分类。实验结果表明，所提方法在变工况场景下，可有效提取齿轮箱的故障特征并具有较高的识别准确率，证明了其在风力发电机齿轮箱故障诊断方面的可行性及有效性。     

小样本下混合自注意力原型网络的风电齿轮箱故障诊断方法

针对部分风场因有标签故障样本数据稀少而导致风电齿轮箱故障诊断准确率不高的问题,提出了一种小样本下混合自注意力原型网络的故障诊断方法。首先,通过原型网络将振动信号映射到故障特征度量空间;然后采用位置自注意力机制和通道自注意力机制进行矩阵融合构建混合自注意力模块,建立原始振动信号的全局依赖关系,获取更具判别性的特征信息,学习风电齿轮箱各健康状态下的度量原型;最后通过度量分类器进行模式识别,实现小样本条件下风电齿轮箱的故障诊断。实验结果表明,所提出的混合自注意力原型网络故障诊断方法在不同小样本数据集上均能实现风电齿轮箱高精度故障诊断。     

基于DSP和神经网络的风力发电机齿轮箱远程故障诊断系统

风力发电机齿轮箱是风力发电机组中发生故障频率最多的部件.为了满足对风力发电机齿轮箱的远程状态监测和故障诊断要求,设计了以C 2000系列DSP-TMS320F2812(简称F2812)为核心处理器的风力发电机齿轮箱远程故障诊断系统.系统可以脱离上位机独立运行,利用F2812丰富的外设模块构建了系统的硬件,可以对模拟信号、转速频率信号、数字信号进行数据采集,并具有以太网、全球移动通信系统(GSM)通信功能.针对风力发电机齿轮箱常见的轴承和齿轮故障,采用了有限脉冲响应(FIR)数字滤波、快速傅里叶变换(FFT)、倒频谱、小渡分析等方法提取出故障特征.将提取的特征向量输入训练好的BP神经网络进行嵌入式故障分类和识别,得出故障的类型、部位和程度.测试表明本系统能够实现长时间在线监测,并能正确的识别出故障,特别适用于风力发电机远程在线监测和故障诊断.     

小波分析技术在汽轮机故障诊断中的应用研究

本文就小波分析技术在汽轮机故障诊断应用中的故障特征提取问题进行了深入研究，提出了基于小波能量分布的故障特征提取方法，并在转子试验台上进行了验证。实践检验证明，该实现方法能够满足汽轮机振动信号分析的需要，是一种灵活有效的特征提取方法。     

基于工业物联网架构的压缩机远程在线监测与故障诊断平台

撬装式往复压缩机是页岩气开采的关键设备,状态监测和故障诊断系统是设备安全运行的重要保障.撬装式往复压缩机结构复杂,其状态有关的工况数据量大且关系复杂,而且实现状态监测需要配置有一定数量的振动传感器,建立以状态监测和故障诊断为基础的高效稳定的监测平台非常重要.本文介绍了基于物联网架构的压缩机远程在线监测与故障诊断平台,论...     

风力发电机组状态监测和故障诊断系统

介绍了风电机组状态监测与故障诊断系统的软硬件构成、振动信号的特征提取以及常用的故障诊断方法.     

基于混合编程的风力发电机组轴承故障诊断系统

为了保障风力发电机组的安全可靠运行,结合风力发电机组中轴承故障特性,研发了一套针对风力发电机组轴承的故障诊断软件。该软件利用Visual C++和Matlab混合编程实现,可以对风机轴承进行数据采集和故障诊断。根据诊断结果可以对机组工作状态做出判断,针对异常情况可以帮助工作人员查明故障原因,提前做好预警和维护计划,提高风力发电效益。最后在模拟实验台上采集了故障轴承的振动信号并用该软件进行了时频分析、解调分析和倒谱分析,分析结果与实际故障吻合良好。     

基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究

针对机载燃油泵故障数据少、诊断效率低、维护成本高、缺乏有效诊断方法的问题,搭建了机载燃油泵燃油转输系统实验平台,提出利用小波包分析进行特征提取和基于BP_AdaBoost机载燃油泵故障诊断方法。首先测量燃油泵7种典型状态模式所对应的振动信号和出口压力信号;然后在分析信号时频特性和统计特性的基础上,利用小波包分解提取振动信号不同频段能量值作为故障特征参数,结合振动信号峭度以及压力信号均值构造特征向量;最后利用特征向量训练和验证BP_AdaBoost分类模型。实验结果不仅优化了传感器,而且表明BP_Adaboost算法与SVM、BP算法相比,能够有效实现对机载燃油泵的故障诊断。