认真开展设备故障诊断有效防止设备事故发生

随着设备现代化管理水平的不断提高,设备状态监测与故障诊断已成为设备管理必不可少的手段.几年来,我公司通过开展此项工作已有效地防止了数起重大设备事故的发生.我们采用简易诊断与精密诊断相结合的办法,简易诊断由二级厂矿进行,将测试结果定期上报公司,输入计算机进行趋势管理;精密诊断由公司监测室负责,发现设备状况异常,即由专业人员诊断分析,进行决策管理.在设备精密诊断方面,我们主要做了三方面的工作:一是对发生异常情况的设备,进行测试分析,确定故障原因、部位,预测其发展趋势,提出对策.二是对大、中修前的设备进行全面测试分析,为确定检修内容和部位提供确切的依据.三是对新安装设备进行测试分析,为验收提供科学数据.设备的故障类型繁多,情况复杂,但常见故障的类型却是有限的,设备故障诊断人员必须掌握.现将1994年几起现场设备故障实例介绍于下,以资探讨.1.不平衡 这是冶金企业现场常见的故障,转子受环境影响,产生腐蚀、粘灰等;导致动不平衡,产生激     

利用神经网络对齿轮箱进行故障诊断的实例分析

以JZQ250型号齿轮箱为实验对象,根据实际状况下齿轮箱的故障机理和振动特点,设计了状态监测与故障诊断实验方案,采集了齿轮箱振动信号,应用MATLAB软件中自带的神经网络工具箱,编程实现了神经网络预测模型.仿真和实验证明,此模型能够有效地检测出齿轮箱的典型故障,可以用于齿轮箱的故障诊断.     

炼化动设备状态监测与故障诊断技术应用

炼化动设备运行水平可直接影响到炼化企业建设期间的综合效益。因炼化动设备种类增多、内部结构更加复杂,还需要着重关注设备状态监测与故障诊断工作,最大限度降低设备故障问题发生几率,为设备提供更加安全稳定的运行环境。基于此,本文以炼化动设备状态监测与故障诊断技术的应用重要性为切入点,提出设备状态监测与故障技术应用现状,阐述现有炼化动设备状态监测与故障诊断技术流程,最后以案例方式具体分析状态监测与故障诊断技术在炼化动设备管理中的应用要点。     

基于近似熵的齿轮箱状态监测与故障诊断

针对齿轮箱故障诊断缺乏有效的快速算法的问题,提出了基于近似熵(Approximate Entropy,ApEn)参数的齿轮箱故障诊断方法。首先介绍了近似熵的概念和计算方法,然后利用近似熵对轻度磨损、中度磨损和断齿故障状态下的齿轮箱进行故障诊断。结果表明,近似熵参数不但能有效地对齿轮箱的故障状态进行区分,而且可以清楚地刻画齿轮箱故障状态的演变过程,因而适于作为齿轮箱故障诊断的特征参数。为齿轮箱的状态监测与故障诊断提供了一种新的方法。     

取样分析对润滑油状态监测与故障诊断

介绍了取样分析对润滑油状态监测与故障诊断的应用。采用此方法就是根据取样分析对润滑油的状态监测，无需将正在运行的机械设备打开或关闭就可以确定磨损是否正常来诊断机械故障，以便采取检修措施来缩短设备故障时间，提高设备作业率。     

大型机泵健康监测与诊断系统设计与应用

该文着重介绍了一种自主研发的大型机泵设备健康监测与诊断系统,该系统具有数据采集、状态监测、异常报警、故障诊断等功能,能够及时、准确地推送设备的运行状态及可能存在的故障隐患,提高检修效率,延长设备寿命。以某化工厂为例,简述了该系统在工业领域中的应用。     

风电齿轮箱检修方法的研究与进展

风电齿轮箱是风力发电机组中的重要部件,在长期运行过程中不可避免会发生各类故障,其检修方法必然成为学者研究的焦点.通过对风电齿轮箱状态监测方法与手段、故障特征提取方法、维修策略的研究现状进行分析,总结检修方法研究存在的主要问题,提出开展基于多传感器的风电齿轮箱在线监测方法和手段研究、基于多源信息融合的风电齿轮箱智能故障诊...     

条钢厂H9轧机的故障诊断

宝钢某分厂全套轧机设备由美国MORGAN引进,但主传动齿轮箱系国内制造。由于齿轮箱的制造精度和负荷过大等因素造成轧线上齿轮箱各种的故障不断。本文从如何发现H9轧机故障到故障的精确定位,以及分析造成故障的原因等各方面展开讨论,希望能从设备的设计和使用情况等方面为精确的故障诊断工作提供依据。     

机械状态监测和故障诊断的RCM技术研究

针对传统RCM技术具有的非实时性以及静态性等问题,研究出一种基于状态监测和故障诊断的RCM技术。以某石化厂往复式压缩机为例,将基于状态监测和故障诊断的RCM技术的实时性和动态性充分体现了出来,有效提高了设备的故障检修效率,实现了企业维修资源的优化配置,进而达到了提高企业经济效益的目的。     

油液监测和振动分析相结合的高速泵增速箱故障诊断

根据高速泵增速箱的结构特点,提出一种油液监测和振动分析相结合的早期故障诊断方法。通过对高速泵齿轮箱的一次诊断事例说明该诊断方法有有效性。采用振动监测分析和油液分析相结合的诊断方法,可更准确地判断设备早期故障,从而避免设备状态恶化引起的严重事故。     

浅谈发电厂检修模式的发展

发电厂的安全运行直接影响着电网的运行稳定性,开展对发电厂设备在线状态监测与故障诊断技术的研究,建立完善的设备状态监控和故障诊断系统,推行状态检修,及早发现机组故障并采取有效的措施进行优化性检修,将对保证机组安全可靠运行具有重要意义,阐述了发电厂传统检修模式及其存在的问题,并提出了优化措施。     

制定规划 明确指标 “双增双节”效果好

一年来,上海化工企业根据企业管理的方针目标,结合本企业设备动力管理实际情况,制定规划,明确指标,认真实施,向设备管理要效益,为企业增加生产、节约开支取得了较好的效果。据50个企业的不完全统计,共增加效益6000多万元。 例如:上海溶剂厂重点抓加强设备计划检修等三方面17项工作,一年获利50余万元,增加产值222万元。上海吴泾化工总厂等五个单位七套装置试行缩短检修工期增加产量奖励办法,1990年增加产值544万元。上海硫酸厂通过加强设备的维护保养,应用状态监测手段,根据设备的实际状况,使15万吨硫酸和保险粉两套装置的检修间隔期由2年延长到3年,节约检修费用150多万元,增加产值500多万元。     

设备故障诊断技术在高线的应用

设备状态监测及故障诊断技术是设备预防性维修的前提。在冶金行业,工作连续性强及安全可靠性要求高,而在设备的日常维护和安装调试过程中,经常遇到因剧烈振动而无法正常生产的情况,而振动的原因错综复杂,仅靠耳听、手摸的原始方法,很难全面准确的分析判断故障的原因。通过运用先进的设备状态检测和故障诊断技术,可以逐步掌握关键设备的工作状态、摸索出某些易损件的劣化趋势,判断出故障原因,缩短检修工期,合理的安排关键设备的预防维修计划,避免因突发性设备故障而造成的经济损失,确保生产的顺利进行,提高企业的经济效益。 1 使用频谱分析处理故障的实例     

液压设备状态监测和故障诊断技术

机械状态监测和故障诊断技术已广泛应用于生产领域，并已取得较好经济效益。本文首先分析液压设备故障特点及故障机理，然后综述了液压设备状态监测与故障诊断技术的各类方法。指出采用预防性维护手段是提高设备使用效率及生产效率的重要方法，采用液压设备状态监测和故障诊断专家系统才能保障液压设备安全运行。     

状态检测故障诊断技术在冶金设备中的应用

发挥状态检测故障诊断技术在设备故障诊断中的应用,快速诊断故障原因,提升检修效率,使关键设备向状态维修模式发展。     

风力发电机状态监测和故障诊断技术的研究与进展

针对目前迅猛发展的风电装备缺乏有效监测诊断方法开展综述,指出其研究现状和值得研究的问题.综述风力发电机的发展现状、故障特点和诊断难点,风力发电机的装机容量和规模都在逐年扩大,目前基于振动监测的风力发电机在线诊断系统尚属空白,其运行维护费用增加以及频繁事故发生所造成的巨大损失严重影响了风电的经济效益.针对风力发电机中的主要故障部件,如齿轮箱、发电机、叶片等,介绍现有状态监测和故障诊断方法的研究现状.结合风力发电机工作在变转速、不稳定载荷等工况下的特点,指出研究重点是需要针对这一新型装备研究其故障机理和特定的诊断方法,研发适合于风力发电机特点的在线状态监测和故障诊断系统.     

用声测信号辨识齿轮齿根裂纹故障的研究

机械设备工作时产生的噪声中包含大量其状态信息,对这些信息进行分析处理,对设备的状态监测及故障诊断具有明显的实用价值。本文以齿轮箱为研究对象,以齿轮某齿根裂纹为典型故障,探索利用声学信号故障识别的方法。     

运用状态监测与故障诊断技术 保证生产装置安稳长满优运行

通过实施状态监测和故障诊断技术,我公司的设备维护、检修工作不断得到加强,保障了生产的正常进行。所做的工作主要如下。 一、建立状态监测网 我公司有主要生产厂11个,引进装置27套,开展状态监测工作必须实行群专结合,建立起状态监测网络,才能有效地实施监测工作。为此公司明确规定,大型关键设备由机动处机械技术研究所监测;重要设备由二级厂机动科监测;有备份的和一般的设备由车间监测。先进的监测、诊断仪器主要装备公司机动处机械技术研究所,各二级厂普遍配备简易诊断测试仪器。通过多次举办监测技术培训班,在不断提     

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.     

基于注意力机制的一维卷积神经网络行星齿轮箱故障诊断

针对行星齿轮箱故障信号成分复杂和时变性强的特点,提出了基于注意力机制的一维卷积神经网络(１D-CNN )行星齿轮箱故障诊断方法.首先,将行星齿轮箱各类故障状态的原始振动信号进行分段处理,作为模型的输入;其次,利用一维卷积神经网络对行星齿轮箱的原始振动信号学习齿轮故障特征,结合注意力机制( AM )对特征序列自适应的赋予不同的权重,增强故障特征信息;最后,利用 Softmax 分类器实现行星齿轮箱的故障诊断.通过故障实验验证以及与其他模型的对比,该故障诊断模型具有较强的学习能力,诊断性能优于其他的深度学习模型,有较好的工程实际意义.