机械设备自动检测系统

介绍了大型设备状态监测与故障诊断系统.该系统对设备运行状态的进行实时监测,及早发现和确定故障的部位和性质,准确预报故障趋势并提出相应的对策.从而提高设备运行的可靠性,延长使用寿命,降低设备维修费用,以达到经济目标和社会效益的最大化.     

基于局域波及相关性分析的滚动轴承故障诊断

振动信号是轴承工作信息的载体,为了对齿轮减速器内轴承的运行状态进行故障监测和诊断,对振动加速度信号进行了局域波分解,提取了近似熵及相关性参数,利用近似熵及局域波分解所得到的趋势项快速区分正常与故障状态,根据相关性参数的变化特点寻求滚动轴承的故障信号主导模态分量,准确提取故障部位的特征频率.将该方法应用于齿轮减速器JZQ250的故障诊断中,经过对大量实测数据的处理和分析,能够准确诊断出减速器的正常运行状态、内圈故障、外圈故障和保持架故障的运行状态,具有一定的工程实用价值.     

基于概率神经网络的水轮机组水力振动故障诊断

故障诊断技术是水电站水轮机组安全稳定运行的关键技术之一。针对常规在线监测系统难以发现水轮机组振动故障问题,提出了一种基于概率神经网络的水轮机组故障诊断模型。该模型主要由故障样本数据预处理、样本数据归一化和概率神经网络等三个部分组成。诊断结果表明,所诊断样本与实际的故障类型基本一致,具有良好的诊断效果。     

水轮机振动在线监测系统的分析与设计

通过对水轮机振动监测系统的分析,提出了以振动实时监测和振动信号分析处理软件为核心,并与传感器和输出设备相连组成的监测分析系统。对系统进行了方案设计、硬件配置、软件设计和调试。调试表明,通过该系统可以直观地了解机组的运行状态,并能对常见的运行故障做出判断,具有状态预测功能。     

基于小波变换的水轮机组故障诊断的研究

对传统傅立叶分析技术在水轮机组振动故障诊断的故障特征提取的应用进行深入研究的基础上,针对使用该方法提取的频率信息精度不够的问题,提出了一种运用小波分析技术对水轮机组振动信号进行故障诊断的方法.采用Mallat算法并运用设定阈值的方法对采集到的裂纹转子的振动信号进行去噪,然后运用Trous算法对滤波后的振动信号的突变信号特征进行提取.结果表明本方法对水轮机组的振动信号故障诊断具有很好的准确性,为水轮机组故障识别提供了一种方法.     

基于分形理论的表面曝气设备故障诊断研究

曝气设备运行状态直接影响污水处理厂的高效运行及能源消耗量,为弥补曝气机故障诊断研究的匮乏,本文以倒伞型表面曝气机为研究对象,通过对曝气设备振动信号的监测与特征分析,基于分形理论和状态划分故障征兆的思想,探讨了故障发生时曝气设备振动信号的演化特征,并分析了不同采样点数、不同运行模式及不同振动监测方向对故障表征量——分形维数的影响。证实了分形方法可以用于曝气机的故障诊断中,为污水厂关键设备的稳定高效运行提供理论基础。     

基于LabVIEW的卧式离心泵故障诊断系统设计

针对卧式离心泵工作环境恶劣、常发生故障以及现有诊断系统功能不完善等问题,根据离心泵异常振动的时域特征与频域特征,设计基于LabVIEW平台的卧式离心泵状态监测与故障诊断系统。该系统通过采集模拟电压信号,实现对泵的压力、振动和流量等信号的实时处理与状态监测,基于轴心轨迹、时频分析、小波包-AR谱分析和神经网络的故障诊断方法,对离心泵振动信号进行多样化的数据综合分析,实现对泵转子部件与滚动轴承状态的智能化识别。试验结果表明,系统对离心泵的水力性能和健康状态的诊断与预测的成功率达到96%以上。这对机组运行工况的调整和停机检修维护的决策提供了理论依据,在保证机组安全的同时最大程度地降低了停机时间,减少了机组运行的维护成本。     

风力机状态监测与故障诊断技术研究

风力发电机在恶劣的自然环境下工作,极易出现故障.利用状态监测与故障诊断系统可以对其运行状态进行实时监控,并对可能出现的故障进行诊断.回顾了状态监测与故障诊断技术的历史与现状,介绍了状态监测与故障诊断系统的基本结构.对风力机常用状态监测技术及主要测量参数进行了分析研究,并分析了风力机部件的常见故障,研究了部件的故障机理.最后,分析研究了适合于风力机的多种故障诊断方法.     

水轮机调速系统的预知维护

预知维护可以显著降低企业运行成本。提出了一种用于水轮机调速系统的预知维护系统,它按ICMMS框架设计,不仅包括状态监测、故障诊断、故障记录与追忆,而且包括设备状态预测、故障预测、故障影响分析、维护决策支持。详细介绍了系统体系结构和功能模型,描述了用于预知维护的新型调速器。     

水轮机调速系统的预知维护

预知维护可以显著降低企业运行成本,提出了一种用于水轮机调速系统的预知维护系统,它按ICMMS框架设计,不仅包括状态监测、故障诊断、故障记录与追忆,而且包括设备状态预测,故障预测、故障影响分析,维护决策支持,详细介绍了系统体系结构和功能模型,描述了用于预知维护的新型调速器。     

一台12MW汽轮发电机组振动故障诊断和处理

一台12MW汽轮发电机组在大修后出现振动超标问题,被迫进行停机处理。通过对振动进行现场测试分析,故障主要原因是基础刚度不足和发电机转子动不平衡。制定方案处理后,振动故障得以消除,保证了机组长周期安全稳定运行。     

汽轮机转子故障诊断算法应用研究

对汽轮机转子故障进行诊断是确保汽轮机安全运行的关键。振动信号的分析在汽轮机转子故障诊断中广泛应用。应用小波包分析方法提取振动信号特征值,进一步作为BP神经网络的输入量,建立信号特征与其故障类型的非线性映射关系,利用神经网络实现故障诊断。仿真结果表明,该方法可以有效地对汽轮机转子故障进行诊断。     

基于RS-RBF的燃气轮机控制系统传感器故障诊断研究

燃气轮机控制系统在电厂安全运行中起到重要作用,而传感器作为控制系统中的测量信号装置,其安全性至关重要,因此开展对燃气轮机控制系统传感器的故障诊断研究具有重要意义。在传感器故障诊断中需要从故障信息中提取出有效的诊断规则。为了解决这一问题提出了一种改进离散化方法对数据进行预处理,结合粗糙集(RS)和径向基(RBF)神经网络对传感器进行故障诊断研究。实验结果表明,该方法减少了燃气轮机控制系统传感器故障类型的误判率。     

基于纵横交叉算法优化BP神经网络的风机齿轮箱故障诊断方法

风电机组齿轮箱的运行工况比较复杂,容易发生故障. 针对常规BP（Back Propagation）神经网络故障诊断容易陷入局部最优的问题,提出一种基于纵横交叉算法（Crisscross Optimization Algorithm,CSO）优化BP神经网络的风电齿轮箱故障诊断新方法. 考虑到风电齿轮箱振动信号的波动性和非线性,首先从信号中提取故障特征参数,建立带评价因子的误差分析模型,然后通过纵横交叉算法优化BP的权值和阈值对神经网络进行训练,最后用训练好的神经网络对样本进行测试. 经实验仿真并与其他方法的对比,验证了本文方法用于风电机组故障诊断有效性及优越性.     

基于TDM的汽轮发电机组轴承振动异常分析

汽轮发电机组日常运行情况下轴承振动出现异常的原因十分复杂,而且监测和评价的方式一直未引起足够的重视.近年来,为提高轴承振动异常分析的能力,大型汽轮机都投入了TDM系统,它是汽轮发电机振动在线监测和诊断系统,通过对汽轮机振动参数的变化进行分析,从而得出故障的原因.通过TDM系统进行初步分析并结合谐分量振动解析法,分析得出一起振动突变的原因,从而为在运行中更好的判断汽轮发电机组的运行状况提供一种新的判据.     

基于BP神经网络及其改进算法的汽轮发电机组故障诊断

为了提高汽轮发电机组的故障诊断准确率,提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习,在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明,改进算法能够更有效地预测汽轮发电机组的故障.     

无传感器诊断方法及在风力发电中的应用与展望

针对风力发电机运行环境复杂,常规振动诊断技术应用困难问题,在介绍无传感器检测与诊断技术原理及发展的基础上,从信号处理和仿真分析等角度详细分析了电机定子电流对齿轮、轴承等机械故障的感应机理.介绍微弱机械故障信息的预处理方法等研究成果,综述其在风力发电机组机械故障诊断应用的可行性.并对其在风力发电机组传动系统故障诊断中的存在的问题与应用进行了展望.     

基于层次化混合分类器的含未知故障风机轴承故障诊断方法

为提高风机轴承故障诊断精度,针对含未知类型故障信号的误识别问题,提出一种风机轴承故障诊断新方法。首先,将风机轴承振动信号进行经验小波变换（EWT）,对分解得到的固有模态分量（IMF）提取15种时-频域特征,构建特征向量集;然后,通过基尼（Gini）指数评价特征分类能力,构建最优特征集合;最后,采用单类支持向量机（OCSVM）与极限学习机（ELM）组合的层次化混合分类器进行故障诊断。对比单纯采用ELM、SVM分类器,新方法能够更好辨识含未知故障类型的风机轴承故障信号。     

信息融合技术在烟气轮机故障诊断中的应用

烟气轮机是炼化企业生产中重要的核心设备,保障烟气轮机的安全可靠运行,实现科学维护十分重要。对多传感器信息融合技术作了简要介绍,给出了一种神经网络与D-S证据理论相结合的诊断方法,并提出了基于多传感器信息融合技术的烟气轮机故障诊断模型。通过在转子实验台上的实验表明,采用该方法提高了故障诊断系统的灵活性及故障诊断的效率和准确性。