基于SSA-SVD降噪和卷积神经网络的行星齿轮箱故障诊断研究

行星齿轮箱作为重要的机械传动部件,其健康运行关系着整个工程机组的安全运作。卷积神经网络常用于解决行星齿轮箱故障分类问题,但由于实际监测中有各种噪声源的存在,振动信号成分复杂,信噪比下降,仅仅使用卷积神经网络进行故障诊断效果不佳。因此提出一种麻雀搜索算法优化的奇异值分解降噪方案,采用该方案对监测的振动信号进行降噪处理,突出低频的故障特征,结合卷积神经网络实现对含噪声振动信号的故障诊断。实验结果表明,两种方法结合可使卷积神经网络模型收敛速度更快,并将诊断准确率提升至97.43%。     

确定人工神经网络中间层神经元数的方法—奇异值分解

人工神经网络（ＡＮＮ）在化工中的应用日益广泛，这些应用包括过程控制系统的故障诊断、非线性动态的模拟、非线性系统的控制和非线性规划问题的求解等。大部分发表的文献集中在ＡＮＮ的应用上。作者在介绍ＡＮＮ的基本原理后，主要探讨ＡＮＮ的性质，提出了将矩阵奇异值分解作为确定ＡＮＮ中间层节点数目的方法，对中间层节点数目与所处理问题变量之间的可能关系作了讨论。     

基于数据挖掘技术的齿轮箱故障诊断研究与应用

齿轮箱是化工设备中的重要传动部件,故障发生率比较高,其振动信号是非平稳、非线性的,故障部位、程度、类型等对特征参量影响很大。本文提出了基于Pawlak属性重要度的决策表的属性约简,得到所有保证不可分辨关系的断点,通过断点均分样本集、逐渐增加断点,动态地选择断点集,在信息系统分类能力不改变的情况下,使断点个数最少,最终得出诊断规则。和决策树的数据挖掘算法进行比较,准确率较高,说明该算法有一定的优越性和有效性。     

基于LabVIEW的倒频谱与包络谱分析在风电机组齿轮箱故障诊断中的应用

风力发电机组的齿轮箱许多故障信息以调制形式存在于振动信号之中,在此利用LabVIEW强大的信号分析功能对齿轮箱振动信号进行分析,开发出基于倒频谱与包络谱分析的齿轮箱故障诊断系统。试验结果表明:倒频谱与包络谱分析可以有效诊断出齿轮箱的故障信息。     

浅谈三比值法在变压器故障诊断中的应用

结合两个具体实例阐述了三比值法在变压器实际故障判断中的运用。实践证明,三比值法是非常适用的一种变压器故障诊断方法,但在具体运用时还必须充分考虑其它因素进行综合判断分析,才能够较准确地找到故障根源。     

粒子群优化小波神经网络的齿轮箱故障诊断

针对传统的小波神经网络容易陷入局部极小、收敛速度慢和运行效率低等不足,将粒子群优化引入小波神经网络中,提出了一种粒子群优化小波神经网络学习算法。该方法利用粒子群算法优化小波神经网络中的权值(即尺度因子)和阈值(即平移因子),从而可以自适应地选择小波神经网络的参数,提高算法的收敛性和快速性,克服传统的小波神经网络容易陷入局部极小、收敛速度慢和运行效率低等不足。实验结果表明,提出的方法是有效的,优于传统的小波神经网络学习算法,能够准确地识别齿轮裂纹的损坏程度。     

基于小波包与PCA遗传神经网络相结合的齿轮箱故障诊断方法

针对风电机组齿轮箱振动信号非平稳、不确定的特点,提出基于小波包与PCA遗传神经网络相结合的风电机组齿轮箱故障诊断方法。该方法选取振动信号的峭度和峰值作为时域特征值,利用小波包算法提取频带能量和二范数作为时频域特征值。考虑到特征值之间的相关性,利用主成分分析法确定主成分,从而减少神经网络的输入变量。利用遗传算法对BP神经网络权值和偏置进行优化,建立遗传神经网络的故障诊断模型。仿真测试结果证实了算法的有效性。     

奇异分解T_2谱反演的数值模拟应用

本文在介绍T2谱奇异值分解的原理的基础之上,实现了基于奇异值分解的核磁共振T2谱反演的数值模拟研究。构建T2谱反演线性方程组,利用奇异值的分解法针对实际问题求解该线性方程组的解。最终,此SVD法能够获得连续性较好的反演T2谱,算法较稳定,收敛性好,非负约束条件更容易实现,具有重大的实际应用价值。     

基于EMD奇异值熵和GASVM的转子系统故障诊断方法

提出一种基于经验模态分解(EMD)和奇异值熵的转子系统故障特征提取方法,克服了奇异值分解相空间重构参数难以选择的问题。然后将奇异值和奇异值熵作为故障特征输入到支持向量机(SVM)中,利用遗传算法(GA)对支持向量机进行参数优化,实现了故障的精确诊断。最后通过对转子不平衡、碰摩和不平衡-碰摩耦合3种故障的正确诊断,证明该方法的有效性。     

故障诊断技术在空气压缩机故障诊断中的应用

尼龙厂新醇酮装置空气压缩机为离心压缩机,在投入运行后,发现低压缸转子振值过高,为了找出转子振值过高的原因,并有针对性的解决问题,利用中国石油在线监测系统,对该空气压缩机进行状态监测,做出相应的频谱图,与各种故障特征进行对比。应用设备故障诊断技术对监测所得数据和图表进行分析,认为转子振值过高的原因是由于转子质量不平衡造成的,可以利用现场动平衡技术,即可将振值由50.8μm/60.5μm降到18.2μm/20.0μm,解决了空气压缩机转子振动问题。     

轴心轨迹定量特征提取技术在回转机械诊断中的应用

针对传统的轴心轨迹方法在回转机械诊断中的缺陷,在二维全息谱和带通保相滤波的基础上,提出了重构低频和倍频轴心轨迹的方法。进而根据低频和倍频轴心轨迹的特点分别提出了基于二维统计不变矩和傅立叶变换的形状特征指标,来定量地评价回转机械的运行状态。经实例验证,该方法在诊断回转机械常见故障及运行状态定量监测方面取得了良好的效果。     

Application of fault monitoring and diagnosis in process industry based on fourth order moment and singular value decomposition

Principal component analysis (PCA) and partial least squares (PLS) have been frequently used for process industry monitoring; however, their application on industrial sites is limited because they cannot be used to process data with non-Gaussian distribution. Independent component analysis (ICA) has become a powerful modelling method for non-Gaussian process monitoring. However, the ICA-based modelling method has been found to contribute to double the amount of data loss in feature extraction. There are two reasons for this. First, when the PCA algorithm is used to whiten the original data, the smaller principal component is discarded. Second, when selecting independent components, some smaller independent components will be discarded according to the evaluation index. The abovementioned two data feature extraction methods may discard useful information for fault monitoring, which will inevitably lead to inaccurate fault monitoring. To solve this problem, a fault monitoring and diagnosis method based on fourth order moment (FOM) analysis and singular value decomposition (SVD) is proposed. First, the fourth order moments of each process variable were constructed separately. Then, the data space of the fourth order moments was decomposed by singular value decomposition to establish the global monitoring statistics. Finally, the contribution diagram was drawn and the fault diagnosis was performed based on the global monitoring results. The proposed method was applied to the Tennessee Eastman (TE) simulation platform, and its effectiveness and feasibility were verified by a comparison with PCA and ICA.     

基于延时嵌入法的往复式压缩机关联维数提取技术

论述了利用嵌入相空间重构方法确定往复式压缩机振动信号关联维数的技术。将自相关函数法和伪相图法结合起来,能够更加直观、合理地选择时间延迟。在对振动信号重构的基础上,给出了标度的取值范围。将此技术应用于往复式压缩机故障诊断中,验证了该技术的准确性和有效性。     

峰值能量技术在诊断轴承故障中的应用

描述了峰值能量的检测和处理过程 ,讨论了峰值能量测量中应注意的问题及峰值能量值的含义 ,并通过轴承故障的检测实例说明了峰值能量技术的应用方法。     

声发射技术在化工设备状态监测与故障诊断中的应用

介绍了高压加热器泄漏和汽轮机组动静摩擦等故障所产生的声发射信号的特点 ,并通过几个实例说明了利用声发射技术综合诊断泄漏和摩擦故障的方法 ,同时介绍了声发射技术在这方面应用的优越性和实用性