旋转机械状态监测的声发射技术

前言:对比于以振动做为检测机械故障的方法,应用声发射(Acoustic　Emision——A.E.)于状态监测则既简单又快速。Trevor　Holroyd是英国Holroyd仪器公司的管理主任,他说明了其中的原因。 声发射(AE)是一个包括检测高频构造发生的弹性波或应力波在内的主动技术。自从1960年第一台商品A.E。仪器问世以来,AE技术主要应用于监测工程结构中的缺陷生成。在这种应用中,该项技术的极端灵敏性能使其用于遥远位置的AE传感器,以检测出微裂纹扩展的单一增量。     

基于Labview平台的耳声发射综合检测系统的研制

耳声发射(OAE)是一种产生于内耳耳蜗,经中耳传导释放到外耳道的能被检测到的微弱音频能量。OAE的发现证明了耳蜗不仅能被动接收声信号,也能主动释放音频能量,从而确立了耳蜗是一个双向换能器的学说。根据刺激声的有无,可将OAE分为自发耳声发射(SOAE)和诱发耳声发射(EOAE)两大类,而不同的刺激声也会诱发出不同的耳声发射。为了检测并分析多种耳声发射,本课题组开发了一个综合多功能的耳声发射检测系统。该系统使用NI公司的USB6211数据采集卡进行信号的A/D和D/A变换,运行于Labview平台,实现了对SOAE、SSOAE(同步SOAE)、TEOAE和DPOAE的检测,并能进行响应的对应OAE的信号分析。     

旋转机械智能故障诊断系统的研制

根据故障诊断的需要研制了ＥＮ－ ８０００ 旋转机械智能故障诊断系统。论述了系统的结构、功能和特点,提出了诊断知识的处理方法和系统的软件设计方法,提高了故障诊断的自动化水平和诊断结果的准确性。     

旋转机械故障诊断软件平台的研制

分析了旋转机械故障诊断系统软件平台的总体结构,深入研究了作为软件平台核心部分的故障诊断平台的要求,结构、功能与系统组成,应用事件代数的方法,分布式的思想与ＰｏｗｅｒＢｕｉｌｄｅｒ技术作为诊断平台任务管理策略与运算规则。并指出了其实用性。     

基于声发射技术的滚动轴承故障检测

利用声发射传感器、PCI-2声发射数据采集卡和AEwin软件系统建立滚动轴承故障检测试验台,进行轴承故障诊断。利用能量分析法对采集的声发射(AE)信号进行初步故障诊断,对自相关处理后的声发射信号进行FFT变换得到频域信号,并采用模糊识别法中的"择近原则",通过建立隶属函数和贴近度函数来识别轴承的故障类型。     

旋转机械在线状态监测与故障诊断系统

以D350煤气排送机为研究对象,研制开发了一套旋转机械在线监测和故障诊断系统.重点介绍了该在线监测和故障诊断系统的总体结构和各子系统工作原理,详细分析了实现该系统功能的关键技术.     

旋转机械在线监测与诊断系统

主要阐述了旋转机械的在线监测与诊断系统在某钢铁(集团)有限公司六高炉风机运转过程中的应用,着重阐述了系统的结构、软件的功能以及设计方法。     

基于DSP和BP神经网络的旋转机械在线故障诊断系统

为了满足旋转机械在线故障诊断的需要,设计了基于DSP和BP神经网络的在线故障诊断系统,采用DSP芯片TMS320F2812作为主控芯片,开发了具有振动信号采集、转速测量、输入输出的硬件系统.针对旋转机械的常见故障,开发了基于DSP的频谱分析软件,并将BP神经网络嵌入DSP中实时运行以实现旋转机械的自动故障诊断.文中使用该系统对旋转机械的转子不平衡、不对中,轴承外圈损坏、断齿、轴承座松动5种故障进行了实测,结果表明它能正确地识别出故障的类型.使用该系统进行旋转机械在线故障诊断可以提高生产效率,保证设备的长时间稳定运行.     

大型旋转机械在线监测与故障诊断系统

介绍一种大型旋转机械在线状态监测与故障诊断系统——MMDS2000系统,阐述该系统的工作原理、构成和特点、监测功能及应用实例。     

基于USB声卡的便携式耳声发射检测系统的研制

耳声发射是一种产生于耳蜗,经听骨链及鼓膜传导释放入外耳道的微弱音频能量,它提供了一种简便、快速、客观、无损地检测耳蜗功能的手段.为提高全功能耳声发射检测系统的便携性和减少噪声的干扰,开发了基于USB多媒体声卡的便携式耳声发射检测系统.结合前端硬件采集模块,在基于VC++ Studio 2005软件平台上,实现了对瞬态诱发耳声发射(TEOAE)和畸变产物耳声发射(DPOAE)信号的检测,并对系统进行了全面的定标校准和测试,实现了对OAE信号的全功能定量检测和分析.     

声频测量系统在数控辊环磨削工艺中的应用

利用声频测量系统,结合西门子数控系统编程语言及PLC功能,在数控辊环磨床中实现测量砂轮与工件的相对距离,并将其自动读取到数控系统中进行数据处理和自动加工.     

基于非线性多参数的旋转机械故障诊断方法

应用关联维数、李亚谱诺夫指数等非线性多参数对旋转机械故障诊断进行研究。对所采集的模拟旋转机械振动故障信号,运用相空间重构理论对其时间序列重构。为使重构相空间能充分地反映系统运动特征,对不同故障信号的时间延迟与嵌入维数确定问题进行研究,计算出不同故障信号的关联维数、李亚谱诺夫指数、复杂度和近似熵四个非线性特征量。在此基础上对四个非线性参数进行融合,并定义为非线性度,用这一特征量对故障信号特征进行提取与识别。由于非线性度是关联维数、李亚谱诺夫指数、复杂度和近似熵多参数的综合,更有利于分析识别故障信号,增强可靠性。研究表明:故障类型不同,非线性度指数不同,验证了这一非线性特征量是表征不同故障信息的有效参数。此研究为复杂旋转机械故障诊断提供一种识别方法。     

带孔工件的在线智能检测系统

针对工业生产中用传统方式对带孔工件检测的误差大、效率低等问题,提出了一种基于机器视觉的带孔工件在线智能检测系统。该系统应用了由粗到精的智能检测网络,采用了改进的霍夫变换算法及连通域标记算法,实现了对工件的孔洞完整性检测、工件制式合格性检测以及核心孔的孔径尺寸测量。通过实验测试,整个检测过程约10 s,最大测量偏差不超过0.5pixel,能准确完成对工件测量合格性的判断,达到了生产线上实时精密、非接触、稳定性高的智能化检测要求。     

旋转机械故障的拉普拉斯支持向量机诊断方法

在旋转机械故障智能诊断中,收集大量的样本比较容易,而要对所有的样本进行类别标记却较为困难。针对这一问题,提出了一种基于拉普拉斯支持向量机的旋转机械故障智能诊断方法。滚动轴承故障诊断实例表明,有标记样本的数量较少时,与仅使用有标记样本进行学习的支持向量机相比,基于拉普拉斯支持向量机的诊断方法利用大量的无标记样本进行辅助学习,可以显著提高故障诊断的正确率。     

电动汽车动力电池在线监测系统

研究了电动汽车电池的在线监测系统,结合电池的放电特性图和电池热模型,给出了动力电池剩余电量相应的数学表达式.随后介绍了在线监测系统的硬件设计,并且开发了带标定功能的软件监测界面.最后给出了相应的实验数据,证明了监测系统的可靠性和实用性.     

Milling Machines in the Manufacture of Special-Purpose Vehicles

Russian Engineering Research - The main categories in the international patent classification of milling, turning, and drilling machines are defined. The patent literature is analyzed and the main...     

冷轧带钢力学性能在线检测系统算法模型研究

针对力学性能在线检测系统算法模型精度不足、模型单一等问题,对冷轧带钢力学性能在线检测系统原算法进行了改进,将干扰真值加入算法模型,将跟随干扰波动较大的特征值剔除;根据出钢记号对所有的冷轧带钢进行分类,不同类号运用不同的算法模型,其精度分析表明,改进后的算法能提高算法的精度.     

异步电机在线检测系统研究

叙述了三相异步电机故障的机理及检测意义,探讨了异步电机故障检测的方案,在此基础上设计了基于数据采集卡的电机在线检测系统。该系统实现了信号的采集分析和处理,测量精度高,达到了检测电机故障的目的。     

基于机器视觉的齿轮质量在线检测系统

针对当前齿轮缺陷检测过程中存在的问题,提出了一种基于机器视觉的齿轮在线检测系统设计方案,实现了图像采集与显示、图像分析及运行控制等功能。该系统通过单片机控制模块负责上料设备和传送带运行,并利用光电开关触发高速摄像机实时采集齿轮图像;然后,工控机对采集的图像进行处理,得到齿轮的外观质量信息;最后,工控机将测量的NG和OK信号传送到单片机,驱动外部设备实现齿轮分拣和声光报警。实验表明,该方法具有较高的测量精度和测量效率,能够满足实际生产的需要,为齿轮在线测量提供了新的途径。