共查询到20条相似文献,搜索用时 31 毫秒
1.
旋转机械产生的振动信号是复杂的非平稳信号,使用单一的BP神经网络,难以快速分析出故障的状态。该文研究了基于LabVIEW和BP神经网络的旋转机械故障诊断。利用LabVIEW软件作为测试平台,对旋转机械的振动信号进行分析和提取,构造出特征向量,以此作为BP神经网络的故障样本进行训练。实验结果表明,BP神经网络能够快速收敛到目标精度,为旋转机械故障状态诊断积累了应用经验。 相似文献
2.
多通道旋转机械故障诊断仪西北工业大学研制出MD9500型多通道便携式旋转机械故障诊断仪,采用了当前仪器仪表行业和设备故障诊断领域内的新技术,其性能价格比也优于国外进口的同类仪器。该仪器所有的测试数据可由标准打印接口与各种针式打印机或喷墨打印机输出,也... 相似文献
3.
时频等高图在旋转机械振动故障信号检测中的应用 总被引:7,自引:1,他引:7
提出用基于Morlet小波变换的时频等高图检测信号中奇异性的方法。旋转机械某些故障发生时将产生具有奇异性的非平稳信号,检没出振动信号中的奇异性对于设备状态监测和故障早期诊断很有意义。小波变换在时域和频域内同时具有局部化能力,是分析故障信号奇异性的有利工具,为旋转机械故障检测提供了新思路。文中通过对仿真的旋转机械转子各类振动突变信号进行分析,说明Morlet小波时频等高图能直观表示信号中的微弱奇异成分,可以有效提取信号中的微弱奇异特征。 相似文献
4.
5.
采用单一传感器采集的振动信号难以准确描述旋转机械动态特性,导致提取的故障特征无法准确辨识旋转机械故障。针对这一缺陷,提出了一种基于复合多元多尺度波动散布熵(CMMFDE)、多传感器信息融合和哈里斯鹰算法优化极限学习机(HHO-ELM)的旋转机械故障诊断方法。首先,引入复合多元粗粒化处理,提出了CMMFDE方法,避免了传统单变量分析方法只能处理单一通道振动信号而导致特征的表征性能不足的缺陷,增强了故障特征的表征性能;随后,利用布置在旋转机械不同部位的传感器收集了多种类型的信号,组成混合多通道信号,并进行了CMMFDE分析,构建了故障特征;最后,采用HHO对极限学习机的参数进行了自适应优化,并对特征样本进行了训练和测试,完成了旋转机械的故障识别工作;利用齿轮箱、离心泵两种典型的旋转机械数据集进行了实验分析。研究结果表明:该方法对多个通道的信号进行分析时,所获得的准确率达到了100%和98%,优于对单个通道信号进行分析时获得的准确率,同时CMMFDE方法的准确率和特征提取时间均优于精细复合多元多尺度熵(RCMMSE)、精细复合多元多尺度模糊熵(RCMMFE)、精细复合多元多尺度排列熵(RCM... 相似文献
6.
针对旋转机械故障诊断问题,提出了一种基于解析模态分解(AMD)的旋转机械故障诊断方法。只要知道信号的频率成分,AMD方法就可以将含不同频率成分的信号分解为单频率信号,尤其能够分解有紧密间隔频率成分的信号。对于可预知故障特征频率的旋转机械的故障诊断,可利用AMD方法提取机械振动信号中故障特征频率所在频段的信号,并求该段信号的频谱,若频谱中含有故障特征频率,则说明机械振动信号中存在该故障。通过对滚动轴承故障信号和转子不对中故障信号的分析以及和经验模态分解(EMD)方法的对比,证明了AMD方法的有效性,且AMD方法比EMD方法更快速、准确。 相似文献
7.
可视化旋转机械故障智能诊断系统设计 总被引:2,自引:0,他引:2
介绍了可视化旋转机械故障智能诊断系统设计基本思想、方法和关键技术。讨论了旋转机械故障智能诊断专家知识的获取、可视化专家知识库的建立,及由专家规则、模糊逻辑、神经网络于一体的组合智能推理机。实现了信号采集与分析、特征参数的自动识别与提取、可视化专家知识库和组合智能推理机的集成。编制了整套系统软件,开发了一套故障智能诊断装置,对旋转机械典型故障进行智能诊断,诊断出机组运行中可能存在的故障种类、故障严重程度,故障发生时间及故障治理的专家建议,即可实现故障的检测、故障分离、故障辩识、故障对策等,并具有网络化功能。 相似文献
8.
常见故障振动谱图与分析 总被引:3,自引:0,他引:3
用机械故障诊断仪对旋转机械进行故障诊断时,首先要列出传动链,计算出其中每个零件的频率以及各个轴承的故障特征,然后,与谱图上显示出来的高能量频率相对应,以判断故障所在。一个传动链上有各种各样的故障类型,因而准确地判断故障类型,就可为减少维修工作量,正确地准备必要的材料及备品配件打下良好的基础。 下面针对一些典型故障进行谱图分析,找出故障类型。 相似文献
9.
10.
本文描述了设备故障诊断技术的发展及现状,介绍了旋转机械故障诊断的查表判别法以及应用这种方法开发研制的旋转机械故障查表判别程序,用以促进设备诊断工程在工矿企业的普及推广应用。 相似文献
11.
12.
应用JGZY—1B机械故障诊断仪,对B665牛头刨床进行测试、分析比拟、找出故障源,从而改善了定期维修工作的盲目性,使设备取得良好的维修效果。 相似文献
14.
旋转机械的振动信号具有非线性、非平稳特点,同时其早期的微弱故障信号易受噪声的干扰,因此在故障诊断中难以提取其故障特征,识别其故障类型,针对这一问题,提出了一种基于变分模态分解(VMD)-奇异值分解(SVD)和支持向量机(SVM)的旋转机械故障诊断方法.首先,对原始振动信号进行了VMD分解,并得到了其若干个分量信号;然后... 相似文献
15.
采用传感器和信号调理技术对旋转机械转子振动的各种信号进行采集、处理,并利用LabVIEW强大的信号处理、分析和数学运算功能对信号进行显示、分析,实现了在线转子的运转状况的监测,设计出了基于LabVIEW的旋转机械转子振动的监测系统.该系统可连续测量和监视转子振动有关的各类参量:转速、轴振、轴位移等,具有直观的显示界面、强大的信号分析以及数据存储管理功能.能及时识别旋转机械设备的异常状态,保证设备安全可靠地运行,并可以为控制设备运行于最优状态以及早期诊断设备故障提供依据. 相似文献
16.
基于小波分析和支持向量机的旋转机械故障诊断方法 总被引:1,自引:0,他引:1
提出了一种基于小波分析和支持向量机相结合的旋转机械故障诊断方法.首先运用小波包对振动信号进行分解和重构,然后提取各个频带里的信号能量值,将该能量值作为特征参数输入到支持向量机,进行故障模式识别.通过对实验数据的分析表明,与BP神经网络相比,该方法可以获得更高的旋转机械故障诊断准确率. 相似文献
17.
针对旋转机械故障诊断问题,提出一种基于混合注意力机制的旋转机械故障诊断方法。首先将通道注意力模块和空间注意力模块进行串联构成混合注意力模块,并将其加入到LeNet5卷积神经网络中;然后将旋转机械振动信号进行连续小波变换,转换为时频图像;最后通过嵌有混合注意力模块的LeNet5网络对时频图像进行识别从而判定旋转机械故障类型。实验结果表明:提出的方法具有较高的故障识别准确率,能够有效判定旋转机械的运行状态。 相似文献
18.
旋转机械在化工行业中的应用比较普遍,在其他领域中也有重要应用。随着科学技术的不断发展和电子计算机水平的迅速提升,在旋转机械故障维修和日常维护中起到了十分关键的作用,智能维修也成为当前研究和发展的方向,本文主要从我国当前在诊断旋转机械故障方面的研究和具体应用进行分析,总结出相关的诊断方式为设备故障的维修分析提供一定参考。 相似文献
19.