大型旋转机械振动监测与故障诊断培训系统的开发与应用

基于ISO18436标准,研究大型旋转机械振动监测与故障诊断理论,并结合设备故障诊断专家的现场经验,开发一套大型旋转机械振动监测与故障诊断培训系统,将多媒体软件Authorware与数据库结合起来进行数据交换,并运用Flash技术,提高系统的生动性、交互性及高效性,为机械故障诊断提供了一种新的培训思路.     

旋转机械全息序列相似性匹配故障诊断方法

针对全息诊断分辨率低影响旋转机械故障诊断质量和自动化水平的问题,将时间序列相似性匹配的基本概念和方法引入故障诊断应用中,结合全息诊断信息融合分析旋转机械振动全貌的思想,定义了全息序列及其相似性度量模型,用类时间轴上的多维序列表征转子系统振动全貌,进而利用采用近似三角不等式与B+树结合剪枝策略的全息序列相似性匹配算法实现故障诊断.实验结果表明,该方法能够实现高质量的故障自动分类识别.     

基于信息熵距的旋转机械振动故障诊断方法

介绍了信息融合的基本概念和目前在旋转机械振动故障诊断当中用得比较多的一些融合诊断方法.从信息融合的思想出发,利用时域的奇异谱熵、频域的功率谱熵、时-频域的小波能谱熵和小波空间特征谱熵,通过特征级的信息融合,提出了一种基于信息熵距的旋转机械振动故障监测和诊断的方法.数学推导表明,信息熵距符合模糊理论中最大隶属度原则,将它作为判别指标是可行的.实例计算表明,信息熵距能够较好的区分故障类别,在此基础上,通过多转速下的熵距曲线图可以提高转子故障诊断的准确性.     

基于CAN总线的便携式旋转机械振动分析系统

便携式旋转机械振动分析系统主要用于大型旋转设备的振动监测和故障诊断。本文介绍了基于CAN总线的便携式旋转机械振动分析系统的系统组成，并详细阐述了显示通信模块和数据采集处理模块的硬件设计和软件设计。     

基于信息融合的便携式旋转风机故障诊断分析仪

针对大型旋转风机单传感器故障诊断准确率较低的状况，文中将多传感器信息融合技术引入风机故障诊断之中，提高故障诊断的准确率；以数字信号处理器DSP研制便携式旋转风机故障诊断分析仪，并详细阐述了系统的硬件结构以及软件设计思想。     

基于LabVIEW的磁轴承振动监测及故障诊断系统设计

针对磁轴承运行中的机械振动故障,文中研究一套基于虚拟仪器(LabVIEW)的磁轴承振动监测及故障诊断系统,提供了系统的总体方案和实现的具体过程。将虚拟仪器技术与故障诊断技术相结合并应用于磁轴承的振动检测,在故障诊断中加入小波分析、HHT、基于峭度的概率密度算法、轴心轨迹法、信息融合算法等诊断方法并通过LabVIEW编程开发,使该系统可高效地实现对测量结果的实时显示、处理、存储,并能准确判断和分析故障。     

变压器故障诊断中数据融合技术的研究

本文介绍了信息融合的基本特点、融合系统的构成及关键技术;分析了融合技术处理多源信息的能力,将数据融合技术与故障诊断原理融为一体,实现了基于数据融合技术的变压器故障诊断,提高了变压器故障诊断的确诊率。     

基于以太网的大型旋转机械实时状态监测系统

该文研究和探讨了旋转机械振动监测和故障诊断系统的原理和对振动信号分析的方法．结合目前振动信号处理理论、先进的计算机硬件和软件技术以及当前流行的网络处理技术，提出了一套完善的解决方案。     

基于AIC的RBF网络在旋转机械故障诊断中的应用

提出了一种适用于各类旋转机械的精度高、响应快的故障诊断方法。首先利用赤迟信息准则(AIC)确定RBF神经网络的隐含层节点数和中心,然后建立基于该神经网络的故障诊断模型,再利用旋转机械振动信号来分析并判定其运行状况。以柴油机连杆铜套磨损故障为例进行分析,实验及仿真结果表明:基于AIC的RBF网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单一故障的识别率为100%,对其他复杂旋转机械的振动诊断同样具有参考价值。     

基于LabVIEW的滚动轴承故障诊断系统

为实现对滚动轴承工作状态的监测,提出了一种基于LabVIEW的滚动轴承故障诊断系统的设计方案,给出了滚动轴承振动信号的采集与故障诊断方法,在LabVIEW的诊断平台下进行信号处理与分析,然后结合滚动轴承故障诊断理论与信号分析结果来对该轴承运行状态进行判断。最后利用旋转机械振动及故障模拟试验平台对该系统进行验证,验证结果体现了该系统具有可行性和适用性。     

信息融合技术在托辊轴承故障诊断中的应用

将信息融合技术引入矿用输送机托辊轴承故障诊断中,通过对托辊轴承故障特征信息的提取,利用神经网络技术和Dempster-Shafer证据理论对其进行数据融合,实现对托辊轴承故障的融合诊断,并结合示例进行了详细论述。     

多传感器信息融合方法在钻井事故诊断中的应用

论述了信息融合技术的特点、形式结构和具体的处理方法,并从信息论的角度论证了信息融合技术在故障诊断中的可行性和有效性;在此基础上,将钻井事故诊断与信息融合相结合,提出了一种基于信息融合技术的钻井事故诊断模型和方法。提出了一种在不同识别框架下的证据组合规则,用现场采集的多组数据进行试验,及时发现数据异常,并诊断可能的事故发生倾向。可充分利用传感器的冗余或互补信息,减少传感器状态的不确定性,提高了识别事故的精度和准确度。     

An improved data fusion technique for faults diagnosis in rotating machines

The composite spectrum (CS) data fusion technique has been shown to simplify rotating machines faults diagnosis by earlier studies. Faults diagnosis with the earlier CS relied solely on the amplitudes of several harmonics of the machine speed, owing to the loss of phase information leading to its computation. The proposed improved CS applies the concept of cross power spectrum density for computing a poly-Coherent Composite Spectrum (pCCS) of a machine, which retains amplitude and phase information at all measurement locations. The present study compares the proposed pCCS method with the earlier CS method for faults diagnosis in rotating machines, using experimental data from a rotating rig. Results and observations show that the proposed pCCS offered a much better representation of the machines dynamics when compared to the earlier CS method and hence better fault diagnosis.     

模糊信息融合在电路故障诊断中的应用研究

多传感器信息融合技术已成为一个十分活跃的研究领域,它应用的范围越来越广。该文给出了模糊信息融合实现电路故障诊断的方法,通过检测电路工作时电子元件的温度和关键点电压两方面的数据信息,结合模糊信息处理技术,对这两方面的数据信息进行融合,从而确定故障元件,并说明多传感器信息融合方法在电路故障诊断中的优越性。     

基于三层信息融合的提升机制动系统故障诊断

为了充分利用矿井提升机运行过程中的监测历史数据,判定故障原因并进行准确定位,将信息融合技术引入提升机的故障诊断中,提出了一种基于三层多源信息融合的故障诊断方法。该方法依据主成分分析法(principal component analysis,简称PCA)建立主元模型,对原始完备数据集进行降维去噪,实现特征提取,完成数据层的融合;特征层采用具有记忆功能的Elman神经网络作为融合算法,不断调整权值对数据层各信息源提取出来的特征进行训练,通过压缩融合信息量完成时间上的融合;决策层使用DS(dempster-shafer,简称DS)证据理论对特征层训练输出的信息进行融合,判定故障原因,实现了空间上的融合;最后依据PCA故障诊断原理,定位故障发生的部位,完成诊断过程。该融合方法通过对监测系统所测信息的合理选择、综合与利用,对其进行空间和时间上的融合互补。试验结果表明,该方法能够充分利用大量历史数据对系统进行诊断,可以显著提高系统的可靠性。     

基于信息融合的机械故障诊断技术研究

机械故障诊断技术是一项跨学科的技术。将信息融合思想引入到机械故障诊断领域。基于现有的结论,描述了信息融合的一般过程,并提出了一种基于信息融合的故障诊断模型。     

液压系统故障诊断技术综述

介绍了液压系统故障诊断技术的发展过程和各种典型的故障诊断方法,总结了液压系统故障诊断技术的研究热点,指出了通用化故障诊断系统是液压系统故障诊断技术的发展方向,智能传感器技术、信息技术和人工智能技术等的融合是通用化故障诊断系统的实现途径。     

Kalman滤波和BP网络在齿轮箱故障诊断中的应用

针对得到的齿轮箱运行中振动信号信噪比低而引起的故障识别精度低的问题,提出了一种新的基于卡尔曼滤波与BP神经网络的设备故障诊断方法,卡尔曼滤波的作用是对振动信号降噪处理然后提取特征,而BP网络则可实现故障的识别。通过算法仿真以及齿轮箱实验可证明,结合此种算法便可解决信噪比低的问题,与此同时也提高了故障识别精度。     

全信息小波包分析及其在旋转机械故障诊断中的应用

针对传统旋转机械单通道故障诊断的不足,结合设备状态检测和故障诊断中微弱振动信号难以提取的问题,在介绍全信息技术的基础上,提出新的信号处理方法——全信息小波包分析,用小波包变换对双通道信号分别进行分解,以提取信号中的微弱局部成分,把需要的对应小波包进行重构并用全矢谱技术进行融合,根据融合后的数据进行故障诊断。工程应用实践表明,全信息小波包分析是一种新的、较为实用的信号处理方法。