共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
重点介绍了滚动轴承冲击脉冲测试技术与电机在线电气信号分析技术的基本原理,详细介绍了冲击脉冲测试仪器的工作原理和信号拾取与传统振动测试方法的区别,以及冲击脉冲测试技术相比振动测试技术的优势和特点,并简要介绍了该技术在企业设备状态监测与故障诊断中的实际应用,重点结合电机故障诊断实例介绍了两种测试技术的使用方法.通过实例的分析介绍专门针对滚动轴承设备故障诊断方面的应用前景和技术特点. 相似文献
3.
滚动轴承是旋转机械中应用最广的机械零件,也是最易损坏的元件之一.旋转机械的许多故障都与轴承有关,其缺陷会导致设备产生异常振动和噪声,甚至造成设备损坏,影响到生产的连续性.滚动轴承监测诊断技术发展到现在已经有很多手段,如简易测振、声音和噪音的辨别等.方法也多种多样,如基于振动分析的小波分析法、峭度诊断法、油液分析法等.相对而言,依靠冲击脉冲技术检测滚动轴承故障,是一项非常简单、适用的方法. 相似文献
4.
5.
依据上海石化股份有限公司动设备状态监测故障诊断工作的情况,结合近年来的成功诊断实例,动静轴承碰磨轴不对中、泵汽蚀、齿轮缺陷、滚动轴承缺陷等,阐明开展动设备故障诊断工作的意义。 相似文献
6.
针对金菲公司装置关键机组的特点,应用先进的预测维修技术,提出了高效实用的设备状态监测故障诊断技术方案,并在P301反应器循环泵上试用。实践证明,该技术可以准确监测和诊断P301泵的机构状态,例如转子的动平衡状态,联轴器对中状态,滚动轴承运行状态,齿轮啮合状态等。 相似文献
7.
针对传统的故障预警预测方法存在误差较大的问题,提出一种基于数据分组处理(GMDH)模型的故障预测方法对滚动轴承的潜在故障进行预警。该方法利用模型选定准则选择最优的预警模型,发出故障预警信息,并设置停机阈值,可为设备的预知性维护研究提供支持。对滚动轴承加速疲劳寿命试验所得的数据进行分析,分析结果表明,利用GMDH模型对滚动轴承故障的预测结果与实际值的拟合程度高,相对误差仅为3.1%,比传统的基于BP神经网络模型的预测精度提高了0.51%。这说明基于GMDH模型的故障预测方法为油气设备的安全运行提供了更可靠的保障。 相似文献
8.
长期现场监测的滚动轴承大数据往往故障样本较少且受噪声和监测误差的影响,有用故障信息容易淹没在正常样本数据中,特别对于变工况和不同场景下的数据集服从不同分布的问题,如果直接利用基于深度学习的故障诊断方法进行识别,容易造成误判或漏判。为此,提出一种基于联合对抗深度迁移的滚动轴承故障诊断方法。该方法融合了深度学习和迁移学习的各自优点。首先利用具有批量归一化层的卷积神经网络,提取实验室有标签源域数据和现场无标签目标域数据的不变特征,然后通过广义切片Wasserstein距离来度量域间数据的联合分布差异性,并采用softmax激活函数作为域判别器和分类器实现识别。最后通过凯斯西储大学滚动轴承数据集、西安交通大学滚动轴承数据集和现场滚动轴承数据集进行不同诊断方法之间的对比、验证和应用研究。研究结果表明,所提方法在滚动轴承数据集的平均分类准确率能达到99%,相比于其他方法具有更高的分类精度和更好的迁移性能,可为滚动轴承故障诊断提供一种新的有效方法。 相似文献
9.
张培 《石油化工设备技术》2011,32(2):39-42
重点介绍了电机在线电气信号分析技术与滚动轴承冲击脉冲测试技术的基本原理和在石化企业电机状态监测与故障诊断中的实际应用,并结合故障诊断实例重点介绍了两种测试技术的使用方法。 相似文献
10.