基于在线油液监测的海上钻井平台发动机故障报警预测

在线油液监测表征机器异常磨损状态信息是设备故障诊断技术的核心和瓶颈。针对中海油深圳分公司西江302海上钻井平台目前存在的油液离线检测方式不能及时反映润滑状态等问题,对海上钻井平台5台发动机组开展油液在线实时监测。介绍在线监测系统平台的组成和在线监测的实施方案。针对实时监测出现的油液中大磨粒超标故障报警,结合离线铁谱分析证实监测结果的准确性。     

传感器故障诊断实时监测系统设计的探讨

对大型设备运行状态监测和故障的早期诊断与预报活动中,传感器自身故障的及时发现与判别尤为重要。本文提出以设备子系统的（或某一功能的）传感器监测参数为划分原则,将单传感器的监测信号综合作为多传感器监测而进行信息的融合处理,从而判别子系统运行状态和传感器信号的真实性的构思,并探讨传感器故障诊断实时监测系统的设计方案。     

内燃机故障监测中双渠道微粒测试与双向趋势直线分析

机器磨损微粒分析技术,目前在港机内燃机的状态监测与故障诊断中得到应用,对磨损型故障的监测尤为可取。然而,目前常用的机器油底壳微粒的单一测试方法,限于微粒的相关性差和分析的方式方法问题,使故障反映模糊而漏判或误断。 因此,要从两个渠道测试机器的微粒,并建立微粒的正常量值趋势直线进行双轨式分析。     

设备的状态监测与故障诊断简介

状态监测就是对零件、部件或整台机器的工作状态进行监测,根据监测的结果来判断它是正常还是异常。诊断技术则要根据较长时间的记录进一步对机器故障的部位、原因及程度作出识别和估计。广义地说,状态监测和故障诊断早就为人们所应用,不过,一般多局限于主观监测的范围,即我们经常所说的看、听、摸、嗅。这些方法随着各人的经验不同,对同一现象往往作出不同的解释。有的设备上已有一些仪表监测如温度、压力、电压、电流、转速、液位……一般较简单,在发生异常时,对于故障的原因、部位、程度和发展趋势不易作出准确的诊断,在很大程度上也取决于诊断人员的经验。随着工业生产的大型化、连续化、     

机器运行状态的模糊动态监测

需要获得故障特征量的统计分布特性是影响模式识别技术在大中型设备上应用的最大障碍,当只关心机器的运转状态是否正常时可以避开这个问题.本文讨论了机械故障模式识别中的困难和模糊性问题,描述了在不需知道特征量统计分布详情的条件下,用模糊数学中模糊聚类的原理来对机器运转状态进行模糊动态监测的方法.并将此方法成功地运用于一蜗杆蜗轮传动实验装置的故障模式划分和空压机运转状态的实际监测,验证了方法的有效性和实用性.     

系统状态参数法应用于滑动轴承的故障诊断

滑动轴承应用极为广泛,由滑动轴承所引起的机器故障也经常发生,但到目前为止仍没有一种有效的滑动轴承状态监测方法。本文将系统状态参数法引入到故障诊断中,提出了应用滑动轴承的状态参数来进行滑动轴承的故障诊断,理论分析与实验数据都表明这一种新的用于滑动轴承状态监测方法是行之有效的。     

水下机器人传感器及推进器状态监测系统

为了保障水下机器人作业安全,提高其智能程度,提出了基于RBF(径向基函数)网络和FNN(模糊神经网络)的水下机器人传感器及推进器状态监测系统。根据对预处理后的传感器信号进行分析,传感器监测模型检测传感器的故障,并对出现故障的传感器信号进行恢复,将其作为水下机器人的实际运行状态参数提供给推进器监测模型;推进器监测模型输出与传感器实际输出共同作用,通过评价模型即得到了相关推进器的状态信息,并实现了故障定位。某型水下机器人的真实试验数据的计算机仿真结果验证了提出的监测系统的有效性和可靠性。     

高稳定磁电式速度传感器

一、序言近年来,大型设备故障监测及诊断技术的发展,对保证设备的安全运行和适时维修起了很大作用,并取得了很大的经济效益。而设备故障监测技术中最常用的监测项目是振动监测。近年来随着我国经济的发展,为新建机组安全和老设备的技术改造,每年均需进口200万美元价值的状态监测系统,其中约50万美元用于购买传感器。设备的状态监测用振动传感器主要有电涡流式、压电式和磁电式。电涡流式用于监测旋转轴相对于轴承的相对振动位移。压电式传感器用于监测轴承座或齿轮箱等的高频振动。而磁电式传感器主要用于监测旋转机     

机器故障诊断技术及其现状与展望

机器故障诊断技术作为一门学科,是近几十年来,随着现代工业和现代科学技术的发展而形成和发展起来的。机器故障诊断,就是对机器运行状态进行监测和分析,预报其发展变化趋势,预测故障的发生和原因,为机器的设计、制造、使用和维护提供依据。     

轴承故障的预防和诊断

轴承是旋转机械的易损元件,据统计,旋转设备的故障有30%是由轴承损坏引起的。轴承的好坏对机器的工作状态影响极大,严重时将会间接破坏整个工厂的生产,因此在连续生产的石化企业,对轴承进行故障监测     

面向传感器突发故障的监测模型自适应快速调整技术研究

针对多传感器监测场景中传感器突发故障导致监测模型失效的问题,本文提出了一种堆叠自编码器深度学习模型的自适应快速调整方法。根据传感器故障时采集数据的分布特点自适应调整原始数据集,采用调整后的数据集正向传播和监测误差反向传播微调模型更新模型的权重和偏置,实现监测模型自适应快速调整。以机械加工过程中刀具磨损状态监测为例,采用加州大学伯克利分校的BEST实验室提供的刀具数据集验证了自适应调整方法的有效性。结果表明,该方法可解决当传感器突发故障时,在实时监测不中断的情况下,自适应调整后的监测模型可以准确地对刀具状态进行监测。     

支持向量数据描述用于机械设备状态评估研究

本文提出了对机械设备运行状态进行评估的新方法———支持向量数据描述方法。该方法应用在机械故障诊断和状态监测中,仅仅依靠正常运行时的数据信号,而不需要故障数据,就可以监测机器的运行状态。给出了机组运行状态优劣的定量指标,从而为设备管理和预知维修提供科学的决策依据。将该方法应用于某炼油厂关键设备的运行状态评估中,及时、正确地评价出设备状态异常,为成功诊断出螺栓裂纹的早期故障提供帮助。     

基于属性层次模型的单工位状态监测异类传感器布置优化

为了获得足够有效的切削过程状态信息,确保产品质量/系统零部件的安全可靠运行,应采用可靠的监测策略并对传感器进行优化布置。针对单工位多工步切削过程状态监测,基于多工位误差流(Stream of variation,SOV)理论构建单工位多工步信息流模型,通过状态空间变换和主成分分析确定故障/监测量信息传递系数用来表征不同测点传感器的监测能力;考虑传感器以及故障/监测量之间的特性差异对于系统检测能力的影响,采用6Sigma的因果矩阵(Cause-effect matrix, CEM)和失效模式与影响分析(Failure mode and effect analysis, FMEA)工具分别对传感器以及故障/监测量特性进行量化表示;基于属性层次模型(Attribute hierarchical model, AHM)构建传感器,故障/检测量以及系统检测能力之间的因果关系,设定优化目标和约束条件,并采用元启发式算法-混合蛙跳算法(Shuffled frog leaping algorithm, SFLA)和遗传算法(Genetic algorithm, GA)用于优化计算。提出基于单工位状态监测的六步传感器优化布置策略。实例分析表明,在一定约束条件下,就优化目标而言, SFLA显示比GA更高的优化效率,为单工位状态监测的传感器布置优化提供实践参考。     

基于声发射技术的滚动轴承初期缺陷监测试验分析

轴承是旋转机械的关键部件,对其状态进行监测,可避免故障和减少停机时间,具有重要意义。轴承状态监测最成熟技术为振动分析,但其存在低速旋转机械故障检测灵敏度低、初期缺陷检测识别能力有限等不足,采用声发射(AE)技术实现初期缺陷故障的监测。并结合小波包去噪、希尔伯特变换(HT)包络提取和自相关函数,对AE信号的模式进行分析处理,以实现在信噪比极低的初始阶段在线识别轴承局部缺陷。实验结果表明,此方法相比传统的包络分析方法,能在低9分贝信噪比的情况下检测出初始缺陷。     

国际标准 ISO18436-2(二)

3.名词及定义为了达到这个文件的目的,采用了在ISO2041,ISO13372,ISO18436-1中给出的及以下的一些名词及定义。3.1分析应用信号处理技术及机器知识以评价机器故障及状态的过程3.2路径由机器行列测量或工厂地势所列出的机器测量位置的组织系列3.3学员通过培训变成合乎认证资格的人们3.4振动诊断对振动数据的解释以决定机器故障3.5振动监测测量过程、趋向分析及振动数据的解释4.对机器振动状态监测及诊断的个人分类4.1一般说明按照ISO18436这个部分的个体识别或认证,将依据他们的能力被划分为几个类型级别中的一个。对于他们的划分类型如…     

设备监测和诊断系统的传感器选择

设备故障监测和诊断技术在进入21世纪后,发展非常迅速,这既得益于中国经济的高速增长,也得益于电子技术的不断进步,更得益于设备故障监测和诊断技术在企业生产保障、生产安全、维修科学性方面所做出的贡献。在各种设备故障监测和诊断系统中,传感器做为感应单元都是不可缺少的,特别是     

液压系统监测诊断中的传感器优化配置技术

对液压系统进行在线监测诊断,需要获得尽可能完备的状态信息,但也带来了传感器布设难度和监测成本增加等问题。该文提出了一种基于多目标优化的传感器配置方法,采用故障检测率、状态分辨率、故障虚警率等约束条件,将故障隔离率和综合成本作为优化目标,构建了传感器优化配置模型。实践证明,通过优化后的传感器配置方案在保证监测诊断准确性的基础上,能够有效降低成本,提高布设效率。     

基于K-最近邻算法的挠度传感器有效度研究

为了防止传感器故障或失效导致的误报警和漏报警,对传感器测量系统本身的故障诊断和失效分析已成为重大基础设施状态监测与故障诊断系统的一个重要问题.通过对桥梁状态实时监测与故障诊断系统中多个传感器之间的关联特性及关联的概率分布进行研究,提出了K-最近邻监测点对目标传感器采集数据的支持度的定义和算法,提出了基于K-最近邻的传感器有效度算法,并将该算法应用于攀枝花倮果大桥健康监测系统的挠度监测数据分析,结果表明,该算法能够准确地描述传感器的失效程度并在时域上定位故障.     

基于多传感器融合信息的故障诊断

研究了多传感器信息融合技术应用于复杂设备系统状态监测和故障诊断的方法。简述了多传感器信息决策层融合及 Dempster- Shafer证据理论的基本内涵 ,研究了基于 Dem pster- Shafer证据理论的决策层信息融合进行状态监测和故障诊断的算法 ,利用这一方法对柴油机的工作过程多种故障进行了诊断识别应用 ,其分析结果表明 ,该方法可有效地提高柴油机故障诊断的准确性和可靠性。     

国际标准ISO18436—1（二）

ISO18436的这一部分为执行认证体系的团体和从事机械状态监测、确认机器故障，以及推荐校正运作的人员规定了必要条件。规定了从事状态监测及诊断的人员的认证程序。这些必要条件是ISO／IEC17024规定条件的附加条件。