引起电梯曳引钢丝绳与曳引轮失效的原因解析

众所周知,电梯是现代建筑物中非常重要的组成部分,在帮助人们快速到达自己目的地等多个方面起到了不可替代的作用。但是电梯作为机械设备,内部结构具有复杂性的特点,特别是曳引钢丝绳与曳引轮,经过长期使用,非常容易受到多种因素所带来的影响,增加电梯安全事故发生的可能与概率,更是会威胁乘客的人身安全。因此,本文主要对引起电梯曳引钢丝绳与曳引轮失效的原因进行分析,以作参考。     

引起电梯曳引钢丝绳与曳引轮失效的原因解析

我国综合国力的不断提高,促进和带动了各个行业更好的发展,其中建筑行业最具代表性。众多的高层、超高建筑映入人们的眼帘,当人们进入高层和超高层建筑中,都希望通过电梯,快速到达自己的目的地。当电梯在运行过程中,运行质量与乘客的体验、感受之间有紧密关系。影响电梯运行质量的主要因素包括曳引钢丝绳的受力情况、曳引轮失效问题等,工作人员需要针对电梯曳引钢丝绳与曳引轮失效的原因进行认真分析,之后制定出相关方法,为电梯安全运行奠定基础。     

基于VMD与增强包络谱的轴承早期故障诊断方法

针对滚动轴承的早期故障信号容易受到噪声的干扰,造成信号的信噪比较低等问题,结合VMD和增强包络谱两种算法的优势,提出了一种基于遗传算法优化VMD与增强包络谱的轴承故障诊断方法。首先,使用包络熵与平方包络谱峭度的组合作为遗传算法的适应度函数,对变分模态分解的参数进行了寻优,得到了最优的模态分量个数和惩罚因子组合;然后,使用最优参数组合对轴承故障信号进行了变分模态分解,得到了若干模态分量,并选择了最小适应度值对应的最优模态分量;最后,为验证该方法的有效性,采用无刷直流电机轴承和全寿命加速退化轴承两种实测信号进行了轴承故障类型识别分析。研究结果表明：相比传统方法,采用基于VMD与增强包络谱的方法,其输出信噪比平均提升了5.94 dB,对于全寿命轴承退化数据可提前600 min识别出轴承的早期故障;该方法具有输出信噪比高、适应性好等优点,在轴承的微弱信号检测和早期故障识别方面具有较好的应用前景。     

基于参数优化VMD和改进DBN的滚动轴承故障诊断方法研究

针对滚动轴承早期微弱故障难以检测和故障诊断率不高的问题,提出了一种基于参数优化的变分模态分解(VMD)和改进的深度置信网络(DBN)的故障诊断方法。首先,为了消除人为选择VMD参数的影响,采用了鲸群算法(WOA)寻优VMD算法的最佳模态分解个数和惩罚因子的参数组合;然后,利用参数优化后的VMD算法分解了滚动轴承振动信号,分解后的本征模态分量(IMF)求频谱后组成了高维数据集;最后,直接输入麻雀搜索算法(SSA)优化的深度置信网络进行了模式识别。研究结果表明:针对滚动轴承的故障,相同模式识别方法VMD算法故障识别率为97.4%,相比于EMD算法96.5%的故障识别率更高;相同信号处理方法下,DBN网络故障诊断率为98.7%,相比于SVM算法97.4%故障诊断率更高;WOA-VMD-SSA-DBN算法的故障诊断率达到了100%,故障诊断的效果得到了进一步提升。     

浅析电梯曳引轮的轮槽磨损原因及其检验

随着社会的迅速发展,高层建筑越来越多,电梯已经成为人们日常生活中最普遍的交通方式。近年来,电梯安全事故频频发生,已成为社会各界普遍关心的问题,同时也对电梯的日常使用安全提出了更高的要求。曳引轮是电梯的主要受力部件,它的安全运行从某种意义上说,这对电梯运行的安全性、稳定性、人身安全起到了很大的作用。因此,本文着重从曳引轮的角度出发,针对电梯曳引轮的主要磨损形式,着重分析了电梯曳引轮的轮槽磨损问题,并针对其产生的磨损原因,提出了相应的检测措施。     

基于结构光的电梯曳引轮三维重建及缺陷检测

曳引轮作为电梯曳引系统重要的动力传输部件,其轮槽缺陷将导致轿厢振动、曳引能力不足,影响电梯安全性和乘梯舒适性。提出了基于结构光激光视觉检测的曳引轮槽轮廓尺寸提取方法,分析了轮槽尺寸坐标变换和三维重建算法。通过线激光位移传感器对某同步电动机带切口半圆形轮槽曳引轮进行了多部位尺寸的在线检测,得出曳引轮不同部位轮廓曲线、轮槽径向高低尺寸周向展开图和曳引轮柱坐标三维重建模型,可对曳引轮不同部位缺陷状况和特征尺寸进行直观快速的全方位检测。     

曳引轮直径与电梯曳引系统及驱动系统之间的关系

在电梯产品的开发过程中，合理配置曳引系统和驱动系统是关键的问题之一。在配置曳引系统和驱动系统时，如何合理地选择曳引轮直径、电动机转速和减速比之间的关系是配置曳引系统和驱动系统的核心。     

基于改进VMD的滚动轴承故障诊断

为了降低环境噪声对滚动轴承故障特征信息提取结果的影响,并且提高诊断的准备率,提出了基于改进VMD的滚动轴承故障特征提取方法。首先应用VMD算法对采集的轴承原始信号进行分解,根据能量差曲线确定最佳的分解层数k;然后依据峭度准则,选取峭度值最大的分量作为敏感分量进行后续的分析,最后采用Hilbert算法对选取分量进行解调分析;从最后得到的谱图中便可准确地提取到故障特征频率。通过对仿真和实验室信号的分析,证明了改进VMD算法的有效性与可行性。     

浅谈电梯曳引轮的轮槽磨损原因及其检验

当前高层建筑重要的运输工具为电梯,可以保障运输效果,当前广泛利用曳引式电梯。但是,不断提高电梯使用频率,并且提高电梯承载力,也会随之加剧电梯曳引轮的轮槽磨损现象,电梯曳引力因此受到影响,增大曳引力后可能会产生冲顶问题,而减少曳引力会引发溜梯问题。因此,需要加强检验电梯曳引轮的轮槽,分析电梯曳引轮轮槽的磨损程度,及时修复电梯曳引轮轮槽,进一步提高电梯运行的安全性。本文分析了电梯曳引轮轮槽磨损的原因,提出针对性的检验方法,对实际工作起到了参考作用。     

防爆电梯曳引轮和曳引钢丝绳的摩擦能量及温升分析

介绍了曳引轮绳槽和曳引绳之间出现滑动的3种情况。对防爆货梯和防爆客梯进行了摩擦能量计算和摩擦表面温升计算,对容易产生摩擦的电梯曳引轮和曳引钢丝绳在运行中的摩擦生热问题,利用有限元方法做了模拟仿真分析,以确定其在防爆方面的性能。     

基于平均自相关和优化VMD的轴箱轴承故障诊断

针对动车组运行过程中轴箱轴承振动加速度信号非平稳特性以及较大的背景噪声导致故障特征难以提取的问题,提出一种平均自相关结合参数优化变分模态分解（variational mode decomposition,简称VMD）的轴箱轴承故障诊断方法。首先,利用平均自相关对原始信号进行降噪,增强故障周期性冲击信息;其次,以故障特征频率能量比相反数为适应度函数,利用哈里斯鹰优化算法（Harris hawks optimization,简称HHO）优化VMD的模态分量数和二次惩罚系数,实现对降噪信号的自适应分解并提取出最佳模态分量;最后,计算其平方包络谱进行故障诊断分析。仿真和试验结果表明：该方法能够有效地降低背景噪声的影响,稳定地提取出周期性故障冲击成分,实现轴箱轴承故障的准确诊断。     

曳引式电梯轮槽磨损与检验检测的分析

基于分析曳引式电梯轮槽磨损与检验检测,首先了解曳引式电梯的工作原理,其次分析出造成曳引式电梯轮槽发生磨损的主要原因以及轮槽磨损检验检测的内容和方式,以此使得曳引式电梯正常安全的运行得到保证。     

基于VMD与Hilbert谱的旋转机械碰摩故障诊断方法

为了有效地诊断旋转机械中的碰摩故障,提出了基于变分模态分解(variational mode decomposition,简称VMD)与Hilbert谱分析的故障诊断方法。首先,利用VMD将碰摩故障信号自适应地分解为若干个不同频率段的本征模态函数(intrinsic mode function,简称IMF),并与集合经验模态分解(ensemble empirical mode dcomposition,简称EEMD)的处理结果进行对比分析;然后,在VMD分解的基础上,利用Hilbert谱对故障信号的时频特性进行分析。实验结果表明:与传统的频谱分析相比,该方法不但可以准确反映故障信号的频率成分,而且可以反映频率随时间的变化情况;与EEMD相比,该方法可以有效抑制模态混叠,更加准确地反映故障信息,从而验证了该方法的可行性与有效性。     

基于VMD和Choi-Williams分布的齿轮故障诊断

针对当前机械故障自适应时频分析存在模态混叠和时频分辨率低的问题,提出一种变分模态分解(Variational Mode Decomposition,VMD)和Choi-Williams分布(Choi-Williams Distribution,CWD)相结合的齿轮故障诊断方法。首先参考VMD分解后各分量的中心频率,确定模态分量个数,将采集到的齿轮故障信号分解为指定个数的多个单分量有限带宽固有模态分量(Band-limited Intrinsic Mode Functions,BLIMFS);然后结合峭度(Kurtosis,K)和互相关系数(Cross-correlation,CC)准则,去除虚假分量,筛选出真实的,包含丰富故障特征信息的模态分量;最后将筛选出的多个模态分量进行CWD时频分布表示,结合时频域表现出的频率与等时冲击特性,识别出齿轮故障特征。通过齿轮断齿故障仿真和实验分析,以及与EMD-WVD方法的应用效果对照,验证了文中所论方法的有效性和适用性。     

曳引式电梯轮槽磨损与检验检测的分析

针对电梯轮槽磨损原因,如钢丝绳引发的磨损、材料引发的磨损、钢丝绳和轮槽不匹配引发的磨损等,进行全面分析,并提出具体的检验检测技术要点,取得良好效果,旨在为有关人员提供一定的参考与帮助.     

基于VMD与SVM的电梯鼓式制动器故障诊断研究

传统的电梯制动器诊断方法存在操作繁琐、精度不高且易受环境影响等问题,为此,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)的电梯鼓式制动器故障诊断方法.首先,采集电梯运行过程中制动器振动的加速度信号,并利用VMD对振动信号进行了分解;然后,根据频谱分析结果选取了模态函数(IMF),并通过计算样本熵,对制动器的...     

基于变分模态分解的风电齿轮箱轴承故障诊断方法

双馈异步风力发电机采用变转速变桨距的控制策略以保持风力最大功率捕获,风电齿轮箱时刻处于变速变载的恶劣工况,其关键部件极易受到损伤.针对齿轮箱轴承故障特征易受到风机变工况干扰的问题,提出了一种变分模态分解与瑞利熵相结合的特征分析方法,实现对风电齿轮箱高速轴轴承健康状态系数的估计.本文以双馈异步风机齿轮箱高速轴轴承作为研究...     

基于变分模态分解和奇异值差分谱的轴承故障诊断方法

为有效地提取出轴承故障的特征频率,提出了基于变分模态分解(VMD)和奇异值差分谱(SVDS)相结合的轴承故障诊断方法.该方法主要有三个步骤,一是通过VMD对轴承故障信息进行分解,并得到若干个不同频段的分量信号;二是选取有效的分量信号构建Hankel矩阵,并对该矩阵进行奇异值分解,由此得到SVDS曲线;三是通过SVDS曲...     

基于ISSA-VMD的滚动轴承早期故障诊断方法

针对滚动轴承早期信号微弱导致故障特征难以提取和故障诊断准确率不高的问题,提出了一种基于改进麻雀搜索算法-变分模态分解(ISSA-VMD)和样本熵(SE)的滚动轴承早期故障特征提取方法。首先,在轴承早期故障诊断过程中,模态分解个数和惩罚因子的选择对变分模态分解(VMD)的分解效果有着很大的影响,为消除人为选择参数的影响,将麻雀搜索算法(SSA)优化为改进麻雀搜索算法(ISSA),利用ISSA参数优化后的VMD方法对信号进行了分解;然后,计算了敏感固有模态函数(IMF)分量的样本熵,构成了特征向量;最后,将特征向量作为支持向量机(SVM)的输入,进行了滚动轴承早期故障类型的识别。研究结果表明：ISSA-VMD+样本熵特征提取模型的故障诊断准确率为98.3%,与SSA-VMD+样本熵、灰狼优化算法(GWO)-VMD+样本熵、鲸鱼优化算法(WOA)-VMD+样本熵、传统VMD+样本熵、经验模态分解(EMD)+样本熵等特征提取模型相比,故障诊断准确率分别提高了3.3%、6.6%、5%、3.3%、5%;该模型可以准确地提取故障特征,提高故障诊断准确率。