基于数字孪生的复杂矿用设备预测性维护系统

针对恶劣工况环境下复杂矿用设备状态监测与预测性维护困难等问题,结合状态监测、故障预警和预测维护等多种综合建模与分析预测技术,提出了一种基于数字孪生的预测性维护系统。首先,介绍了复杂矿用设备数字孪生体的设计流程与构建原理,并在搭建数字孪生体的过程中实现了预测性维护系统的功能;然后,研究了基于LabVIEW、MySQL和Unity3D的状态数据获取方法,利用Unity3D开发引擎搭建了三维可视化复杂矿用设备状态监测平台,并通过虚拟空间可视化展示设备当前状态;最后,分析了优化BP（back propagation,反向传播）神经网络在复杂矿用设备故障预警中的适用性,同时利用MATLAB软件建立了复杂矿用设备关键零部件的预测性维护模型,并将预警结果通过MySQL数据库传输至Unity3D开发引擎,以驱动和部署预设维护流程,实现设备状态实时监测下的关键零部件故障预警。根据采煤机液压系统的实际维修流程,制定了混合现实（mixed reality, MR）预测性维护策略,并以采煤机摇臂部液压柱塞泵为实验对象开展有效性验证。结果表明,所构建的预测性维护系统的故障预测准确率高于90%,且故障预警结果可驱动HoloLens眼镜实现虚拟指导的维修交互,验证了该系统预测性维护功能的有效性。研究结果可为复杂矿用设备的预测性维护提供新思路。     

智能制造装备预测性维护技术研究和标准进展

本文针对数字化、网络化、智能化技术和制造业的深度融合下,智能制造装备需要更加高效与智能的实际需求,总结了现有设备运维技术存在的问题、最新技术发展和标准化进展,提出了最新预测性维护技术的定义和优势,从系统功能模型、工作流程、数据获取和处理、装备特征分析、状态识别、故障判别和定位、健康度预测、维护管理和执行等方面分析了企业实施预测性维护主要技术要求,介绍了预测性维护技术国际和国内标准化研制进展,为智能装备和智能产品的智能运维提供了质量基础保障,为制造企业向服务型制造转型提供了技术支撑。     

基于数字孪生软件的设备预测性维护技术研究

本文研究分析了钢铁行业设备智能运维的现状,将数字孪生技术应用在设备预测性维护领域,通过研究棒线材设备故障诊断分析技术、轧机故障信号降噪重构特征识别方法、基于设备的振动信号报警识别方法及计算设备、具有故障点定位的棒线材设备故障诊断方法和设备数字孪生模型研究等,建立基于AIoT的棒线材设备数字孪生运维系统,以数字孪生3D可视化的仿真方式展现“产线级”和“设备级”对运行数据的实时监测,辅助修护决策取得较好成效。丰富多元的人机交互方式推动全新生产管理和设备维护协作模式的发展,成为企业数字化转型升级的重要引擎,为数字孪生技术的研究与落地应用提供参考。     

控制阀的防患于未然——浅谈控制阀的预测性维护

以数字式阀门定位器为核心的控制阀数字解决方案旨在控制阀的预测性维护,并实现执行机构自校准、自适应、状态监测、在线动态特性分析、故障识别与诊断,使之成为流程工业现场的智能设备。本文对部分厂家控制阀预测性维护技术进行了探讨和细节分析。     

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。     

探讨高压断路器机械故障诊断方法

针对高压断路器的机械故障诊断问题,阐述了近十年来国内外高压断路器机械故障振动诊断的方法。从振动信号的特征提取、故障识别的角度,对其进行了具体的分析。     

机械振动异常分析与处理方法

汽轮机与离心泵发生的异常振动现象,是整个机械系统中非常常见的一类故障,同时也是众多机械故障中很难弄清产生原因的故障之一,汽轮机振动异常的现象预示着机械故障的产生同时也在很大程度上反映出系统运行的时候存在隐患和风险。在下面文中,笔者将从个人的实践工作经验及其有关的技术知识层面出发,详细对汽轮机以及离心泵的异常振动问题以及故障判断处理等几个方面进行分析和讨论。     

多分辨Hilbert边际谱在旋转机械故障诊断中的应用

针对旋转机械故障振动信号的非平稳性特征,提出了一种基于多分辨Hilbert边际谱变换的旋转机械故障诊断方法.Hilbert-Huang变换是一种新的自适应信号处理方法,通过经验模态分解方法(EMD)可以获得一系列固有模态函数(IMF),通过对故障信号的多阶IMF分量进行边际谱分析,提取旋转机械故障信号.实验结果表明,基于多分辨Hilbert边际谱的变换能够有效地提取旋转机械故障特征.     

浅析振动分析技术在旋转机械设备故障诊断中的应用

机械振动是一种十分普遍的现象,凡是运动的机械都存在程度不同的振动。旋转机械故障诊断是近年来国内外发展较快的一门新兴技术。旋转机械监测与诊断系统的研究与应用对于避免巨额的经济损失和灾难性事故的发生有着重要意义。结合旋转机械设备的振动状态监测管理,可以把设备通过振动仪与人进行信息沟通,明确设备的故障性质、故障部位等,提高旋转机械设备运行的安全可靠性。介绍振动分析技术在旋转机械设备故障诊断中的应用。     

二氧化碳压缩机低压缸振动故障分析与处理

通过具体案例,对二氧化碳压缩机低压缸的振动故障进行了分析,并提出了相应的检修处理方案和具体的防范措施.     

振动监测技术在旋转机械故障诊断中的应用

随着旋转设备结构复杂程度的提高,其故障发生的几率也随之增加,对故障检测技术要求更高。通过对机械设备振动信号的分析判断故障特征及部位,是旋转机械故障诊断主要手段。文章首先对振动监测技术的原理及典型振动故障的表现形式进行介绍,并利用振动监测技术,举例说明振动监测技术在旋转机械故障诊断中的应用。     

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。     

A PC-based vibration analyzer for condition monitoring of processmachinery

A fast-response PC-based vibration analyzer has been developed for fault detection and preventive maintenance of process machinery. The analyzer acquires multiple vibration signals with high resolution, and computes frequency spectra, root mean square amplitude, and other peak parameters of interest. Fast execution speed has been achieved by performing data acquisition and frequency spectrum computation using C-language. Vibration signals up to 10 kHz can be analyzed by the spectrum analyzer. Special algorithms, such as window smoothing, digital filtering, data archiving and graphic display have also been incorporated. With these features the vibration analyzer can perform most of the functions available in complex, stand-alone machines. The software for the analyzer is menu driven and user-friendly. The personal computer used is a 66 MHz PC-486 compatible machine. The use of a general purpose PC and standard programming language makes the vibration analyzer simple, economical, and adaptable to a variety of problems. The applications of the system in malfunction detection in rotating machinery are also described     

基于EMD多尺度威布尔分布与HMM的轴承性能退化评估方法

轴承作为旋转机械中的重要部件,对其性能退化状态进行准确评估是开展预测性维护的重要前提.针对现有性能退化指标在鲁棒性和敏感性上的不足,提出一种基于多尺度威布尔分布与隐马尔可夫模型(Hidden Markov model,HMM)的滚动轴承性能退化评估方法.首先,采用经验模态分解(empirical mode decomp...     

基于设备预诊断的单机预知性维护模型研究

随着企业对设备维护管理的逐步重视,不少学者研究了各类维护模型以满足企业需求.然而,这些模型大多未考虑设备自身衰退特性,易忽略其可靠性能.因此,提出一类基于设备预诊断信息的预知性维护模型,在最小化长期平均总成本的目标下,为企业提供最佳的设备维护阈值和维护周期次数.研究结果表明:该设备预知性维护模型是合理有效的,较好地描述...     

机械故障诊断的信号处理方法： 频域分析

频域分析方法是机械故障诊断中信号处理最重要和最常用的分析方法,其种类繁多且各具特点。因而,对工程实际情况要釆用合理的频域分析方法就十分困难。由此,针对多种的故障类型,根据机械设备关键设备构件的振动特性,为实现机械设备多类不同的故障诊断,在分析和比较了不同的信号处理和特征釆取相应的算法的基础上,再釆用合适的频域分析方法;就能有效地确保诊断分析的精度和可能性。     

基于ICS-LSSVM的包装机械动力机轴承的故障识别

目的针对包装机械设备中动力机轴承的故障诊断识别率低的问题,提出一种基于参数寻优的故障识别方法。方法首先通过主元分析算法对包装设备动力机的振动数据进行主成分特征提取,减少各数据间的相关性,然后采用LSSVM对各类数据样本进行故障识别。为了克服LSSVM惩罚因子和核函数参数易出现局部最优、收敛精度差等问题,提出一种ICS算法优化LSSVM的状态参数,提高包装机械动力机轴承故障诊断的识别率,以实测糖果厂包装机械振动数据为例验证所提方法的有效性。结果实验结果表明,在包装机械动力机轴承故障类别确定的情况下,算法能够高精度地识别各类动力机故障。结论该算法实现了分类器参数的自适应选择,为提高包装机械动力机轴承故障诊断的识别率提供了可靠的方法。     

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。