模糊理论在机械故障诊断中的应用

机械设备在经过长时间运行或环境条件的改变之后,机器本身的性能参数会发生变化,这些变化导致故障征兆与故障原因间的隶属关系是模糊的,为此,将模糊理论方法引入到机械设备故障诊断中,提出了由加权统计法确定模糊隶属度的方法,建立了模糊诊断模型,并在计算机上实现了机械设备故障的模糊诊断。     

基于PSO-SVM模型的旋转机械故障诊断研究

将支持向量机理论引入振动机械故障诊断中,提出了新的故障诊断模型—PSO-SVM模型,并采用粒子群优化算法对支持向量机的参数进行优化,使得故障诊断结果更加准确。通过实例中的样本数据进行新模型的训练与测试,将其结果与传统神经网络相比,证明其模型具有更高的准确性。     

机械设备诊断技术的新发展

机械设备诊断技术首先来自军事上的需要，在第二^次世界大战初期问世。当时能用仪器进行设备参数的测定，然后相继开发了快速多功能自动监测仪器。最初主要是以振动法诊断旋转机械，后来，依次用声发射法(AE法)诊断静止设备，用红外线法诊断热态设备，用油液分析法诊断润滑系统和液压系统，用电     

冲击脉冲计在轴承状态诊断技术中的应用

冲击脉冲计是检测机械故障的仪器,主要用在电动机、水泵和减速器等设备球型轴承、滚子轴承检测上。充州矿业（集团）公司兴隆庄煤矿选煤厂成功应用此项技术,降低了人员劳动强度,减少了事故停机时间。     

振动诊断技术在齿轮箱故障诊断中的应用

通过高炉上料主皮带传动系统齿轮箱和球磨机齿轮箱故障的诊断实例,进一步验证了在设备运行过程中应用振动诊断技术,能够及时准确地把握设备状态、发现设备故障及故障隐患、确认设备故障部位和故障类型,为设备维修提供可靠依据,预防事故发生。     

煤矿机电设备管理中机械故障检测诊断技术的应用分析

机电设备的运用可以有效提高煤矿开采质量和效率,对于煤矿事业的发展和进步具有一定的推动作用.但由于开采环境过于恶劣复杂,机电设备在应用期间经常会发生各种各样的故障,文章对煤矿机电设备管理中机械故障检测诊断技术的应用进行了分析和探讨.     

相位信息在机械故障诊断技术中的重要应用

相位信息及其获取方式一般来说，相位是以转子上某一预设标志为＃考点，转子上任一点的相位即为该点与参考点之间的夹角6，如图1所示。实际检测过程中，相位信息的获取是迈过在转子上开设一键相柯（槽深＞＞转于振动的＊＊值）政贴罡一凸块（实践证明，其效果不如键相槽好），用＠相投（通用非接触涡流式位移传感器即可）进行振动信息检测，再对所得信号进行信息处理来实功的，故也有人将相位称为位相．2．相位信号的处理在机械故障诊断技术今，为了获取转手上任意点的精确相位信息，往往需同时安装两个位五相互垂直的健相器，如因2所承。从…     

在数控机床故障诊断中应用智能诊断融合技术

数控机床代表国家工业现代化发展水平,如果能够让其正常运行,为工业现代化做出贡献就必须保证其安全,一旦出现故障就会造成巨大的经济损失,甚至危及到操作人员的人身安全。文章讨论了数控机床功能结构、故障诊断理论方法,并借助专家系统和网络技术的智能诊断融合技术,能够方便快速找出故障原因,使得故障快速定位,给出排除故障的方法,提高了诊断的效率,使售后技术支持费用降低,为故障维修提供决策支持,增强了产品的市场竞争力。     

神经网络在旋转机械故障诊断中的应用研究

旋转机械在化工、机械、冶金、矿山、炼油、受电等工业领域应用广泛,常见的有压缩机、风机、汽轮机、发电机等,它们都是由转动部件和非转动部件构成的。转动部件有转子、齿轮、联轴器、滚动轴承等,非转动部件包括滑动轴承、轴承座、机壳以及地基等。对大型旋转机械进行状态监测和故障诊断具有重要的实用价值。但是,由于旋转机械本身构造的复杂性,其故障形式繁多。产生故障的原因复杂。故障和症状之间缺乏明显的对应关系,因此用人工方法难以从症状中查出故障,神经网络技术的出现则为故障的模式识别提供了有力的手段。     

防爆液压绞车状态监测与故障诊断系统研究

 针对防爆液压绞车存在的手动操作无参照,随意性大,系统可靠性差,液压故障难以诊断等一系列问题,建立了液压绞车液压状态监测与故障诊断系统。以嵌入式计算机SCM-7020和扩展模块ADT600为基体,构建了状态监测的硬件系统;采用C语言和汇编语言设计了监测软件系统,实现绞车运行状态的全面监测;在分析液压系统的故障机理的基础上,对状态监测数据进行特征提取和模式识别,建立了故障诊断专家系统。实践表明：状态监测系统简明实用,监测参数全面,为了绞车安全运行提供了保障;故障诊断系统为液压故障的快速诊断与排除提供科学依据。     

矿井提升机的故障监视和诊断

介绍矿井提升机故障监视和诊断的重要性，对矿井提升机的故障进行分类并建立故障模型，探讨了故障监视和诊断系统的结构及工作原理。     

选粉机的故障诊断和分析

采用振动测试方法,通过对振动信号时域和频域分析,达到对选粉机状态监测与故障诊断目的,测试分析结果与实际情况相符。该方法同类旋转机械振动测试可参考。     

神经网络数据融合的风机智能诊断系统研究

以信息融合和神经网络为理论基础,建立了风机融合神经网络模型和风机神经网络故障诊断模型。模型中,通过最近邻聚类学习算法对同类信息融合,应用人工神经网络对多源信息加以合成,并将融合结果作为输入层,进行神经网络故障诊断,实现了风机故障的智能诊断,并收到了良好效果。     

设备智能故障诊断模型建立与研究

研究了机械设备智能故障诊断模型的建立、应用及实施过程。提出智能故障诊断决策目标,并建立相应决策模型和智能故障诊断的评价指标体系,最后将层次分析方法分别与模糊综合评价和灰色关联分析相结合,为智能故障诊断的正确决策提供分析方法。     

基于CAN总线的井下设备状态监测与故障诊断系统

面向未来数字化无人矿山对在线远程监测与诊断的需要,研究了一套适应于井下移动设备及巡检人员定位、固定设备及移动设备的状态监测与故障诊断综合系统。该系统基于CAN2.0总线协议,主要包括设备主要运行参数的I/O、移动目标的无线数传终端、固定安装的无线数传基站、通信协议、地面监测与故障诊断站等,以期在该领域进行一些开拓性的技术研究,推动行业技术进步。     

小波分析在故障诊断中的应用

小波分析是傅里叶分析的发展与延拓。本文介绍了小波分析基本概念,并应用Daubechies小波对某实际故障信号进行处理,取得了较好的应用效果。     

基于模糊化的神经网络技术在磨矿故障诊断中的应用

讨论了基于模糊化的神经网络故障诊断方法,将网络输出训练样本模糊化通过训练后,使网络具有反映输入与输出的隶属关系的能力、并将该方法应用于球磨机胀肚欠载故障诊断,效果良好。     

基于支持向量机的故障诊断方法研究

故障样本缺乏是制约智能故障诊断发展的重要原因。支持向量机是近10 a来提出的一种基于小样本的统计学习方法。将支持向量机分类算法用于滚动轴承的多类故障分类并与RBF神经网络进行对比研究。实验表明,在有限样本条件下,支持向量机算法比RBF神经网络具有更好的分类性能。     

基于小波包分解的风机故障诊断技术研究

小波包分析由于能对信号高、低频部分局部细化并保留原信号的时域特征，因而具有良好的时频局部化特性，能对非平稳信号进行有效识别，达到故障诊断的目的，在故障诊断领域得到越来越广泛的应用。风机运行时产生的信号大多是非平稳信号，将小波包分析技术用于其故障诊断具有实际意义。