旋转机械故障神经网络诊断征兆表的建立

旋转机械是国民经济建设中不可缺少的关键设备,对其故障诊断方法的研究具有重要意义。当前旋转机械故障诊断的关键就是寻找使诊断结果准确的方法,进行设备故障诊断的前提是对旋转机械故障机理有比较明确的认识。简述了旋转机械故障诊断的特征提取的重要性,说明了应用神经网络进行诊断时建立故障征兆表的意义;分析了松动故障和摩擦故障的机理,提出了与松动故障有关的“共生故障”的概念;在此基础上建立了适合于透平压缩机组和汽轮机等旋转机械故障诊断的征兆表。用此表结合神经网络和演化算法进行诊断,开发了一个通用型智能旋转机械故障诊断系统。     

基于粗糙集理论的数控机床智能故障诊断研究

面向数控机床智能化发展需求,提出了基于数据挖掘技术的智能故障诊断方法.建立机床智能诊断单元的系统框架,框架由状态监控及特征信号采集、历史故障数据分析及诊断规则获取、故障推理机制3个功能模块组成.重点研究诊断规则的获取技术,提出了基于粗糙集理论的故障诊断决策规则生成算法.算法充分利用信息决策系统的特性,通过简化对不必要属性和核心属性的分析,并引入回溯思想计算约简集,有效降低了属性集约简的计算复杂度,提高规则求取效率.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制.实例研究证明该方法可行.     

基于DFD算法的无线传感器网络故障诊断系统的设计

为了更好地了解无线传感器网络节点的分布位置及故障情况,提出了一种无线传感器故障诊断系统的设计方案.该系统采用三边测量法实现了节点的定位,使用DFD故障诊断方法实现了节点的故障诊断,并在.NET框架的智能客户端技术基础上实现了定位信息及故障信息的处理和显示.     

航空发动机远程智能故障诊断与维修

通过对军用航空发动机的诊断和维修现状研究，分析了目前建立军用航空发动机远程故障诊断与维修体系的可能性和必要性；提出了以故障智能诊断和维修中心为核心的三位一体的广域维修保障体系；对建立故障智能诊断和维修中心所需的软硬件结构进行了详细论述，并对关键的动态网页服务(ASP)技术、基于事例推理(CBR)技术及网络条件下的综合故障诊断方法指出了进一步研究的方向。     

深度神经网络在滚动轴承故障诊断中的应用

为了对滚动轴承发生的故障类型进行诊断,从而提升设备的安全性,提出了一种基于深度残差神经网络的智能故障诊断方法,并使用多传感器融合技术对深度残差神经网络进行了改进,使得诊断模型的识别精度和鲁棒性得到进一步提高.首先,通过多传感器技术来获取丰富的设备运行状态信息,然后利用时频分析方法短时傅里叶变换提取原始振动信号的初级特征信息,最后利用深度残差网络的强大学习能力,进一步提取初级特征信息中的高级特征信息,并识别设备的故障类型,从而实现滚动轴承的故障诊断.为了验证所提出方法的有效性,使用滚动轴承实验数据对方法进行了测试,同时与基于深度卷积神经网络和单传感器故障诊断模型进行对比,研究结果表明,提出的智能方法不仅能对故障进行准确识别,而且具有相当良好的泛化能力和抗噪能力,其故障精度达到了100%,在单传感器或多传感器受到强噪声干扰时,分别实现诊断精度至少为93.78%和82.54%.     

军转民推广技术

旋转机械故障诊断分析系统 技术开发单位 海军装备研究院 技术简介 该系统采用全新的转子正、反进动分析技术和先进的信息处理方法,以“面向故障特征,浓缩机器特征信息”为设计思想,引入旋转机械转子运动的正进动、反进动和进动比量作为故障特征量,丰富和凸现了机器的振动特征,建立了完整的基于轴心进动分析的旋转机械故障诊断理论,确定了典型故障的特征信息和诊断准则,可提供更可靠的故障诊断依据,大大提高了旋转机械状态监测与故障诊断的灵敏度和准确性,获得了国家科学技术进步二等奖.该系统为《军用技术转民用推广目录(2013年度)》中光机电一体化领域的重点推荐项目.     

基于BP神经网络的三相电压源型逆变器开路故障诊断

为实现三相电压源型逆变器(three-phase voltage source inverter,TP-VSI)开路故障的诊断与精确定位,提高故障诊断效率,提出基于BP神经网络的TP-VSI开路故障诊断方法.首先,研究TP-VSI正常工作原理、开路故障机理,确定线电压作为检测量;其次,采用快速傅里叶变换(fast Fourier transform,FFT)提取不同故障下的特征值,构建故障特征向量;最后,建立一个3层BP神经网络,进行故障诊断,实现对开路故障的精确定位.该方法通过获取包含故障信息的故障特征值,经过FFT把时域信号变换到频域信号,再通过BP神经网络建立TP-VSI开路故障与特征值的一一对应关系.与其他智能诊断方法进行对比,证明了BP神经网络对TP-VSI开路故障诊断的可行性和较高的诊断准确度,实现了BP神经网络对TP-VSI开路故障的诊断与精确定位.     

基于振动可视化的机械系统级故障诊断方法

基于振动可视化技术与系统级故障诊断理论,提出复杂机械系统故障诊断方法.对于复杂机械设备的振动信号,通过振动可视化技术补充和完善常规监测手段振动信息,同步反映设备多测点在时间和频率上的变化;利用局域波时频分析法处理不同测点振动信号所包含的特征信息,作为系统级故障诊断模型的输入量.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;对复杂机械系统以多通道振动信号分析结果作为输入量,将其应用于系统级故障诊断,建立测试图与诊断图,并利用集团算法求解故障源位置信息.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.     

旋转机械故障诊断分析系统

该系统采用全新的转子正、反进动分析技术和先进的信息处黎方法,以“面向故障特征,浓缩机器特征信息”为设计思想,引入旋转机械转子运动的正进动、反进动和进动比量作为故障特征量,丰富和凸现了机器的振动特征,建立了完整的基于轴心进动分析的旋转机械敞障诊断理论,确定了典型故障的特征信息和诊断准则,可提供更可靠的故障诊断依据,大大提高了旋转饥械状态监测与故障诊断的灵敏度和准确,获得了国家科学技术进步二等奖。     

基于MAS的化工过程故障诊断原型系统

在充分研究了大型化工生产过程的特点和故障产生机制的基础上,将MAS技术引入到化工过程的故障诊断中,构建了一个基于MAS的化工过程故障诊断原型系统.该系统把化工过程划分为一些相对独立的组件,分派特定的诊断智能体对其进行故障的诊断.通过智能体之间的协作,系统具有良好的准确性和实时性.     

集散监测诊断系统研究

从故障诊断的实际出发,根据设备提供信息的多样性及故障表征形式的复杂性,分析了信 息领域的信息融合技术．阐述了故障诊断过程和与其相关的应用技术的关系．说明了集成神经网络 故障诊断方法和集散监测诊断系统的特点．建立了基于集成神经网络的集散监测诊断系统．用两 个故障诊断实例说明了基于集成神经网络的集散监测诊断系统的先进性．     

应用经验模态分解下的AR模型提取旋转机械故障特征

将时间序列的AR模型引入到旋转机械故障诊断中,采用了经验模态分解与AR模型相结合的方法提取旋转机械的故障特征。通过选取含有故障信息的固有模态函数进行功率谱分析,提取故障特征,分析故障原因。仿真和试验结果表明,此法能够有效地提取故障特征参数,为旋转机械的故障诊断提供了方法保障。     

旋转机械远程状态监控与故障诊断系统

回顾了设备状态监控与故障诊断的发展过程 ,提出了旋转机械设备远程状态监控与故障诊断系统的模型结构、网络结构、两种运行模式 ,讨论了监测诊断系统的软件平台和硬件组成 ,最后对远程监控诊断技术的发展进行了总结和展望 .     

蓝牙技术在工程机械故障诊断中的应用

构建远程故障诊断系统总体结构,同时给出故障诊断专家系统基本结构,介绍数据采集蓝牙无线传输模块。基于蓝牙技术的远程故障诊断系统由客户端、网络通信协议和远程故障诊断服务中心三部分组成。现场技术人员将反映设备状态的数据通过现场监控中心计算机经由蓝牙适配器和蓝牙手机与Internet网络连接,发送给远程故障诊断中心,利用蓝牙技术实现对工程机械状态的实时监控和远程故障诊断。     

基于支持向量机的转子振动故障融合诊断技术

针对某些大型复杂旋转机械振动信号特征提取和故障样本获取难的问题,提出了一种基于小波包特征谱熵支持向量机（SVM）的转子振动故障融合诊断方法.通过转子实验台模拟了转子振动的4种典型故障,并采集其振动故障数据.用小波包对振动故障信号进行分解,提取故障信息含量大的频带并计算出其小波特征谱熵作为故障特征,建立故障诊断模型.通过对故障类别的区分和故障严重程度的判断,验证了该方法在解决转子振动故障信号的特征提取及小样本情况下的故障诊断问题等方面是有效的.     

基于信息融合的控制系统中模拟电路故障诊断

针对控制系统中的模拟电路具有多种工作状态的特殊情况和故障诊断过程中的不确定性问题,提出了模糊一神经网络信息融合算法．给出了该算法的基本模型和应用于控制系统中模拟电路故障诊断的一般规律,通过将电路不同工作状态下的有效信息进行融合,结合模糊信息处理技术和神经网络推理技术,最终实现故障定位．将其应用到某型船舶主机遥控系统中延时电路板的故障诊断系统中,结果表明,该方法能够有效地提高故障模式的识别能力,将故障准确地定位到元器件．     

基于Morlet小波变换模拟实现的机械振动故障诊断

为了对机械振动故障进行实时诊断,提出了基于开关电流技术的Morlet小波变换的模拟实现方法。利用开关电流电路构造高斯函数发生器,解决了Morlet小波变换模拟实现的关键问题,其良好性能得到了仿真结果的证实。将Morlet小波变换应用到机械振动故障诊断中,根据对振动信号小波变换的模极值点来定位奇异信号,提取出故障信息。仿真结果表明了该方法对机械振动故障实时诊断的有效性。     

模糊神经网络故障诊断专家系统

模糊诊断和神经网络有机结合能够提高设备故障诊断技术水平，文章阐述了单症兆诊断模型及多症兆诊断模糊模型与神经网络的有机结合；论述以模糊诊断原理为根据发展的扩展神经网络子网和子节点的可塑性学习方法和以模糊模式识别理论指导学习样本的组织方法。简述基于上述模糊神经网络的诊断系统及诊断系统的生产现场实例验证。     

子波神经网络在故障诊断中的应用研究

根据旋转机械常见的的故障类型和故障信号时域采样数据 ,以子波空间作为模式识别的特征空间 ,采用信息熵为代价函数的神经网络学习算法 ,由子波神经网络对故障进行学习和诊断 .实验结果表明 ,子波神经网络的故障诊断方法在不了解故障信号频率结构的情况下 ,即可对平稳和非平稳故障信号进行诊断 ,适于设备在线监测及设备的巡检     

小波包变换在齿轮箱螺栓拉断故障诊断中的应用

针对齿轮箱运转异常时,经小波包变换的信号某一频带振动能量值会有较大变化的特征,探讨了小波包变换在齿轮箱故障诊断中的应用．通过对测取的齿轮箱振动信号进行小波包变换,可有效提取齿轮箱螺栓拉断的故障信息．分析表明,旋转机械的振动信号有稳定的频带分布,通过结合故障特点,把每一故障的频带特征提取出来,能为故障诊断提供很好的征兆．