基于物联网技术的机械设备运行状态监测系统

以准确识别机械设备运行状态，提升机械设备生产效率为目的，设计基于物联网技术的机械设备运行状态监测系统。系统整体采用物联网三层结构设计，划分为感知层、网络层、应用层。感知层采用传感器节点定位算法获取传感器节点坐标，通过合适的数据采集技术获取准确的机械设备运行状态数据，所采集的数据经由传感器网络集成至机械设备运行状态数据采集装置内。集成数据经由网络层传输至应用层内，应用层考虑数据的时间序列特性，通过聚类算法与数据流滑动时间窗口相结合的方法识别机械设备异常运行状态，并将最终的数据分析与处理结果呈现在机械设备运行状态监测系统主界面内，完成机械设备运行状态监测。实验结果显示该系统对于机械设备运行数据的平均识别准确率和异常状态平均召回率分别达到96.8%和90%，监测性能高。     

基于特征的机械设备故障预测系统

在机械设备的使用过程中,如果能准确地提前预测机械设备将要发生的故障并防患于未然,则可为企业节省大量的维修费用,降低企业成本。为此提出了一种依据特征基于神经网络算法的故障预测系统。把机械设备本身的运行特征和环境特征作为输入,把发生故障的概率作为输出,建立映射关系。以历史映射数据训练并建立神经网络,用以预测机械设备在某状态达成后发生故障的概率。通过某厂的机床对系统进行训练和验证,预测故障率与实际故障率的相对误差在15.3%以内。仿真结果表明,该系统可以有效的根据机械设备运行状态特征对其故障率进行准确预测。     

基于Logistic回归模型的机械状态健康评估研究

在设备运行过程中,旋转机械的状态会由于零件老化、磨损而逐渐退化,降低了设备运行的可靠性,增加了设备故障发生的可能。应用Logistic回归模型算法分析设备运行状态与历史数据概率分布之间的关系,用设备当前数据与设备历史状态数据之间的差异相似性来评估旋转机械设备状态的健康程度。实验结果表明,Logistic回归模型作为机械状态健康评估的方法简单,效果直观,并且故障区分明显。     

设备可靠性的灰色系统判定

将灰色系统理论应用于机械设备可靠性分析,构成了机械设备可靠性工程新的理论和方法,通过可靠性参数的灰色预测、系统和屯零件的可靠性预测,实时地使用设备真实运行状态的数据进行决策,代替以往需要通过大量试验数据进行数理统计得到先验规律用以指导具体实践问题的方法.由于实时地使用实际运行状态的数据,因而更能接近设备的真实状况,用来指导实践具有相当可观的经济效益与社会效益.     

在线铁谱数据分析方法的研究

在线铁谱仪已成功地用于机械设备的磨损状态监测,如何根据铁谱数据来分析机器磨损状态和磨损规律一直被人们所重视。本文利用自组织特征映射神经网络对齿轮整个磨损过程的铁谱数据进行分类,提出了齿轮不同磨损状态下磨粒的分布规律,根据这种规律可以识别齿轮的不同磨损状态。这对监测机械设备运行状态具有十分重要的意义。     

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HDP-CHMM的机械设备性能退化评估

针对传统隐马尔可夫模型(hidden Markov model,简称HMM)状态数必须预先设定的不足,提出了一种基于分层狄利克雷过程-连续隐马尔可夫模型(hierarchical Dirichlet process-continuous hidden Markov model,简称HDP-CHMM)的机械设备性能退化评估方法。该方法利用分层狄利克雷模型的分层聚类原理,在狄利克雷过程(Dirichlet process,简称DP)模型的基础上进行扩展,利用多组关联数据实现了模型结构根据观测数据的自适应变化和动态调整,获得设备运行过程中的最优退化状态数,并结合连续隐马尔可夫模型(continuous hidden Markov model,简称CHMM)良好的分析和建模能力,获得设备退化状态转移路径,实现机械设备运行过程中的退化状态识别和性能评估。利用滚动轴承全寿命数据的多组特征值进行了应用研究,并与基于K-S检验算法的机械设备零部件性能退化评估方法进行了比较。结果表明,HDP-CHMM模型可以对轴承实际运行状态转移过程进行建模,有效识别轴承运行中的不同退化状态,为基于状态的设备维修提供了理论指导。     

基于AR-Kalman的机械设备状态趋势预测方法研究

为提高AR模型的趋势预测精度,结合AR模型和卡尔曼滤波方法,提出了一种新的机械设备状态趋势预测方法。该方法利用AR模型作为预测器,以卡尔曼滤波方法作为实时修正器,进行趋势预测。实验结果表明,该方法能有效地对机械设备的运行状态趋势进行预测,明显提高了预测准确度。     

机械设备运行可靠性评估的发展与思考

针对某台具体的机械设备进行运行可靠性评估是个性问题,基于大样本条件并依赖概率统计数据得到的平均可靠性难以满足个体设备的运行可靠性评估需求。归纳传统可靠性理论应用于机械设备运行可靠性评估时面临的问题,回顾相应的改进方法。阐述以动态建模与故障机理分析、信号处理与故障特征提取为理论基础的机械设备运行可靠性的技术内涵,赋予运行可靠性新的含义,定义运行可靠度。提出基于机械设备状态信息的运行可靠性评估方法,通过建立设备运行状态信息与可靠性之间的映射模型,实现运行可靠度的计算。参考国际标准ISO3945,将评价回转机械运行状态的绝对振动量转换为量纲一的可靠度指标;对轴瓦松动维修前后两种状态下的汽轮发电机组、连续运行退化至失效状态下的滚动轴承分别进行运行可靠性评估,取得了良好效果。引出机械设备运行可靠性评估有待解决的问题,为后续研究提供参考。     

基于变径边界样本界面检测器的异常度检测方法

针对机械设备缺少故障样本时如何高效检测其异常度问题,在分析训练样本的分布情况以及其在自己空间边界状态的基础上,优化训练样本半径,提出一种变径边界样本界面检测器。利用变径边界样本界面检测器异常检测方法分析了轴承状态数据,不仅能反映出轴承的各种故障状态,而且能通过异常度函数反映出故障的轻重程度。变径边界样本界面检测器的设备异常度检测方法,是在学习设备正常运行数据的基础上,优化训练样本半径,利用边界样本及其方位信息,构建界面检测器,对设备的运行状态进行检测。变径边界样本界面检测器在构建过程中不需要使用设备的故障数据,适用于对缺少故障数据的机械设备进行异常状态检测。     

大型旋转机械状态监测及故障诊断系统

针对大型旋转机械实时监测系统一般只负责监测设备运行状况,而无法进行故障分析的弊端研究设计了该系统。系统实现了大型旋转机械运转状况的实时监测、信号曲线实时显示、长期数据存储、网络通信以及在线动平衡测量和轴承故障检测等多种功能,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。     

基于粒子滤波的电力机械设备状态在线监测

为提升电力机械设备状态在线监测的效果，提出基于粒子滤波的电力机械设备状态在线监测方法。通过人工萤火虫群算法改进粒子滤波算法后，借助随机子空间算法构建改进粒子滤波算法所需状态方程。利用该状态方程获取电力机械设备正状态观测矩阵和输出矩阵数值，并将其看作模态参数，依据该模态参数计算粒子滤波状态序列和电力机械设备振动状态变量数值后，构建粒子滤波器，使用该滤波器去除电力机械设备振动信号内干扰噪声后，对电力机械设备振动信号实施归一化处理，得到粒子权重概率和改进粒子滤波监测数值。通过设置振动信号监测步长和阈值，计算监测信号与采集信号差值，使其与所设阈值进行对比，获取电力机械设备状态在线监测结果。实验结果表明，该方法监测的电力机械设备信号最大偏差数值仅为0.003 dB,具备较好的信号跟踪能力，且具备较好电力机械设备振动监测能力。     

远程在线监测及故障诊断中心的精细化监测体系在装备制造企业的实现

在线监测系统具有实时监测和预警功能。陕鼓远程在线监测与诊断中心可以为用户快速提供各种设备运行维护、检修维修决策的参考信息。通过多年的机组设计生产及设备检修维修服务经验,开创了适合国内大多数大型旋转动力设备的精细化监测体系,并在实际运行中不断完善,为基于状态的设备维护维修及国内信息化在线监测体系发展提供了参考。     

基于CAN总线的工程机械数据采集系统

针对工程机械领域对作业机械的工作状态实时监控不理想和运行状态信息保存较少的情况,提出了一种基于CAN总线的无线数据采集系统设计方案.系统以内嵌CAN控制器的单片机AT90CAN128为主控制器,以固化Zigbee协议的CC2480模块为数据收发器.文中详细介绍了系统的总体构架及各模块的硬件电路设计及软件流程设计.系统结构简单,性能稳定,实现了对工程机械工作状态信息的实时采集.     

机械设备状态监测无线传感器网络研究进展

通过分析无线传感器网络（wireless sensors network,简称WSN）的优势和潜能,提出将无线传感器网络应用于机械设备状态监测中,以弥补目前有线连接的机械设备状态监测系统的局限性。针对目前机械设备状态监测中所用的无线传感器网络节点硬件性能偏低、采样频率也低、缺乏信号同步采集研究、对大量数据快速可靠传输研究偏少、对于反映机械设备状态最关键的机械振动的监测还难以实现等问题,提出要实现基于无线传感器网络的机械设备状态监测,必须解决高速同步采集、实时可靠传输和能量供应等难题。指出了低成本、低功耗、微型化、网络化、多功能化将是无线传感器网络在机械设备状态监测应用中的发展方向。     

基于故障案例学习的设备健康评价方法研究

从设备状态监测数据中分析、提取故障特征信息,准确、快速地识别设备健康状态,对于开展预测性维修,确保设备运行可靠性、安全性非常重要。以离心压缩机为研究对象,以正常状态的振动监测原始数据为参考数据,构建了正常状态原始信号和实时监测信号的相关性健康指数模型、相干性健康指数模型、谱距离健康指数模型,在针对健康指数模型开展大量故障案例学习、健康度分布统计分析基础上,制定了设备健康评级准则,形成数据驱动的机械设备健康评价方法,揭示了离心压缩机健康度表征与运行状态的映射关系。应用轴承试验数据和离心压缩机转子不平衡故障案例数据,分别验证构建的设备健康指数模型和健康评级准则的准确性、适用性。结果表明,构建的健康指数模型能较好地表征设备运行状态,与有效值和峰-峰值固定阈值报警方法相比,构建的机械设备健康评级准则对于指导预测性维修更有实践意义。     

基于交流异步电动机定子电流的分析监测系统

以CYGNALSOC单片机为核心,通过对交流异步电机定子电流进行采样、处理,得出电机运行状态参数,可以用于电机运行状态监测和远程故障分析、诊断,为及时消除事故隐患提供依据。     

基于 VMD 的数控机床旋转机械运行路径偏离故障检测方法

为精准提取数控机床旋转机械设备故障信息,量化数控机床旋转机械运行路径偏离程度,提出一种基于 VMD 的旋转机械运行路径偏离故障检测方法。分析数控机床旋转机械设备运行频率和振动情况,运用突变检测算法优化采集效率,使用自适应脉冲法采样机械信号;创建约束变分模型,利用遗传算法搜索信号变量最优值,通过 VMD 法分离信号频域分量,提取机械信号故障特征;通过聚类法评估路径偏离水平,构建胶囊网络进行路径偏离故障检测,利用 squash 函数挤压处理胶囊矢量并提升矢量维度,运用特征编码和归一化处理获得高精度偏离故障检测输出值。实验结果表明,所提方法检测的数控机床旋转机械运行路径偏离故障效果较好,且检测效率较高。     

旋挖钻机设备油液智能分析与健康监测

为了提高油液中与设备运行状态相关信息的提取效率,获取更为完整的信息来评估设备的当前状态,提出一种设备油液监测技术——全谱技术。基于全谱法制备油液污染颗粒全谱片,首先,利用图像分割技术、自动计数算法、模糊支持向量机模型实现谱片分析流程的自动化,完成谱片信息的智能提取,以此获取反映设备运行状态的关键信息;其次,将该技术应用到旋挖钻机设备的状态监测诊断中,通过对设备液压油、齿轮油中悬浮颗粒的定性、定量分析,实现了设备当前润滑、磨损状态的定性评估,为旋挖钻机的维修维护提供了指导。结果表明,油液全谱技术能够完整、快速、准确地提取油液中包含的信息来反映设备的运行状态,具有检测效率高、分析内容丰富的特点,可进一步推广应用到其他设备的油液监测诊断工作中。     

基于改进关联规则的卸船机故障预测模型

为使桥式抓斗卸船机安全稳定运行,针对大量监测数据利用率低、故障诊断不及时等问题,提出了基于兴趣度关联规则的卸船机故障预测模型方法。采用传感器监测和时域分析方法获取卸船机运行参数空间,利用聚类离散算法将监测数据根据其属性值域离散为非线性聚类区间,获取卸船机关联规则组,提取状态数据关联维的权重系数,构建状态监测数据关联规则指向性特征约束函数模型,通过预测模型中关联规则状态的改变实现故障预测。实验结果表明,该方法能有效表征卸船机运行状态监测的关联内部特征信息,实现对卸船机故障类别的预测,降低卸船机故障发生的频率。