基于ARM和FPGA的多通道振动信号采集仪的设计

为了满足大型旋转机械设备在振动检测中实现多路振动信号高精度实时采集的需要,提出了一种多通道振动信号采集仪的设计方案。采用ARM+FPGA架构作为数据处理和控制核心,通过FPGA控制A/D实现8路振动信号的实时准确采集,并在FPGA内部对采集结果进行串并转换和数据缓存,ARM采用FSMC总线与FPGA进行通信,读取采集数据,并通过以太网传输至上位机。测试结果表明,采集仪单路信号采样频率可实现192 k Hz,采集数据的相对误差小于0.1%,具有较好的实时性和可靠性。     

浅谈轧钢机械的振动监测与故障维护

本文主要介绍了轧钢机械设备的故障监测与维护方法,以振动故障的特征数据及诊断标准为根本,提出了一系列信号采集和信号分析的新方法,旨在为轧钢机械设备的维修提供更准确快捷的方法。     

浅析煤矿地质勘探机械振动故障检测与维修

煤矿地质勘探作业危险性比较大,及时发现并维修勘探机械设备的故障,对于保障煤矿安全生产、提高煤矿的生产效益具有重要作用。针对目前煤矿地质勘探设备的维修,在故障检测时存在误差,在维修时存在维修不足或维修过度的问题,因此研究了煤矿地质勘探机械振动故障维修技术。首先确认机械设备的故障征兆点,当机械设备出现故障征兆后,采集机械的振动信号,从时域和频谱两个方面分析振动信号,据此提取机械故障特征,实现机械设备故障检测。采用RCM维修思想,在考虑综合成本的情况下,计算最优故障维修周期,科学系统的建立地质勘探机械故障管理维修一体化。运用信号振动技术以及RCM维修手段,使地质勘探机械设备的故障维修更加精确合理,在保障煤矿安全生产的前提下,以期建立一体化的机械设备管理维修,保证安全的前提下,降低维修成本。     

基于 SVMD 与 SLLE 的机械设备齿轮箱故障诊断方法

针对机械设备齿轮箱故障识别难度较大,且采集的信号通常受到强背景噪声干扰等问题,提出一种将连续变分模式分解( SVMD )和监督局部线性嵌入( SLLE )相结合的算法,用于机械设备齿轮箱的故障诊断。首先通过 SVMD 对采集到的振动信号进行分解,得到特定的期望模式分量;然后再获取这些分量的类标签信息,并利用这些类标签信息来缩放不同类别分量间的欧几里德距离;最后通过 SLLE 对这些处理后的样本数据进行降维处理,从而准确识别机械设备齿轮箱的故障类型。通过对模拟仿真信号和从齿轮箱故障模拟实验平台采集到的振动信号进行分析,聚类识别的正确率可以达到 95.27% ,验证了所提出方法的可行性。     

几种常见机械故障的频谱分析

不平衡、轴弯曲和轴承损坏是机械设备常见故障,通过对所采集的振动信号的频谱图进行分析,可以较为有效地诊断设备所发生的此类故障。     

全矢改进连续谐波小波包滚动轴承故障特征提取

滚动轴承在旋转类机械设备中运行时,会产生成分复杂的振动信号。现有滚动轴承信号处理方法多使用单通道信息,无法反映整个截面故障状态。本文提出了一种基于全矢改进连续谐波小波包变换的故障特征提取方法。首先使用相互正交的两个传感器,实现滚动轴承某一截面上双通道振动信号采集;其次利用全矢谱技术将所采集的同源双通道信号进行融合;然后使用改进连续谐波小波包变换分解融合后的信号;再从各子带中提取能反映各类故障特征的能量值组成特征向量;最后利用美国凯斯西储大学滚动轴承实验台的一组实测故障数据验证该方法的正确性。     

重载铁路电化区段信号机械设备故障自动检测方法

为解决重载铁路电化区段信号机械设备故障在检测中存在检测结果误差大、错检与漏检率高等问题，设计了重载铁路电化区段信号机械设备故障自动检测方法。分析重载铁路电化区段信号机械设备的组成，以及机械设备运行的自动化控制过程，确定机械设备故障类型；针对不同故障类型设置故障自动检测判据，利用传感器设备采集实时运行数据，通过滤波和融合后输出初始数据样本，提取信号机械设备实时信号特征，通过计算检测判据相似度，确定信号机械设备故障类型，输出故障自动检测结果。实验结果表明，所提方法综合信号机械设备故障位置、程度等多个方面，使平均检测误差低于1.0,错检率和漏检率均低于1%,提升了重载铁路电化区段信号机械设备故障自动检测的有效性。     

基于Matlab的柴油机故障诊断

利用小波分析、BP神经网络技术处理柴油机工作时产生的振动信号。在输入层对振动信号进行小波变换,提取其在多尺度下的特征作为故障特征向量。根据这些特征向量进行BP网络的分析,以对柴油机进行故障诊断。在实验台上模拟了多个故障,并对柴油机工作时在汽缸盖上方振动信号采集和处理,对几种故障模式进行了成功的判别。结果表明此方法是可行和有效的。     

基于经验模态和神经网络的纯电动汽车集中式电驱系统振动信号分析与故障预测

以系统复杂、耦合程度高、振动信号干涉多的纯电动汽车集中式电驱系统为研究对象,建立监测电驱动系统振动信号的采集系统,通过经验模态分解出各组件振动信号中潜在故障的内禀函数分量,再将各分量作为神经网络的输入参数,获得训练后的神经网络,再将原始信号作为神经网络的输入,输出可能的故障点与故障信息,从而建立故障预测模型。结果表明,在经验模态结合神经网络算法的基础上,利用采集的振动信号进行智能诊断,输出的预测结果准确率高。     

碰摩耦合故障诊断识别的分形方法研究

为了研究碰摩故障、油膜振荡及碰摩和油膜振荡相互作用耦合故障,建立了模拟3种故障的实验装置,采集了故障振动信号。运用多标度分形理论,计算了故障振动信号分形维数并绘出广义维数谱,由此提出广义维数能谱的概念,并以广义维数能谱作为特征量,实现了对3种故障特征的提取与识别。提出了用广义维数能谱作为分析识别故障信号的判据,为复杂旋转机械故障诊断提供一种识别方法。     

基于神经网络模型的高铁轮对故障诊断和预测方法的研究

提出将高铁轮对运转时产生的振动信号作为样本,分析在高铁轮对运转中,其振动信号中均值、方差、均方值、峰度、裕度因子、脉冲因子等值的变化。由于时域振动信号分析具有很强的实时性,因此采用振动时域信号作为特征信号,提取出能量参数、峰度参数、波形参数、裕度参数、脉冲参数和峰值参数作为样本输入到神经网络模型中,提出利用概率神经网络模型进行高铁轮对故障诊断。利用径向基网络模型,分析历史故障数据,对故障初期显示出的信号特征进行分类,确定中心节点,预测出故障类型,保障高铁轮对可靠运行。     

基于SVDI的低功耗自供电机械设备故障检测方法

异常的温度变化和振动都会导致低功耗自供电机械设备故障,为了提高设备运行的安全性和稳定性,提出了基于奇异值分解插值(SVDI)的低功耗自供电机械设备故障检测方法。利用改进后的小波去噪方法对低功耗自供电机械设备的运行信号做去噪处理,采用SVDI算法提取机械设备运行信号的特征,构建低功耗自供电机械设备的故障状态集合,将机械设备运行信号特征与故障状态集合中存在的故障对比,完成低功耗自供电机械设备故障检测。实验结果表明,所提方法的信号质量高、检测性能好且错分代价低,保障了低功耗自供电机械设备的稳定运行。     

基于声振耦合分析的离心泵故障诊断

离心泵故障诊断一般采用接触式传感器采集的振动信号作为分析依据,但由于某些泵组的结构复杂、工况特殊,有时难以采用接触式传感器采集任意位置的振动信号。故本文采用了非接触式的传声器采集故障泵组的声音信号,并与振动信号进行耦合分析,从而利用噪声信号诊断出故障位置,为离心泵故障诊断技术提供了一个新的思路与方法。     

基于虚拟仪器的往复压缩机小波分析系统

利用虚拟仪器技术开发机械设备状态监测与故障诊断系统,是机械故障诊断领域中的研究热点。以LabVIEW软件为开发环境,开发了往复压缩机振动信号多层小波分析系统,系统可对振动信号进行多层小波分解和重构。通过对故障状态与正常工作状态下的振动信号的对比分析,能实时发现运行中的压缩机所存在的故障。该研究方法能够为压缩机的检测提供一种新的切实可行的方案。     

旋转机械故障诊断仪的设计研究

旋转机械是电力、石化、冶金等领域的关键设备,发生故障后会引起连锁反应,因此需要及时诊断设备故障,避免出现重大事故。随着旋转机械的高速智能化发展,人们对故障诊断提出了更高要求。传统的故障诊断仪以快速傅里叶变换（Fast Fourier Transform,FFT）为核心,采用经典信号处理方法,对机器运行产生的非平稳信号特征提取存在不足。文章开展旋转机械故障诊断仪的研究设计,通过分析旋转机械设备,依据设备配置现状,设计了集振动信号采集和分析于一体的旋转机械故障诊断仪,达到了预先发现设备隐患的目的。     

有界广义GMM和无阈值递归图的特征提取方法及应用

齿轮传动广泛应用于机械设备中,这使得及时、有效地诊断齿轮故障变得十分重要。针对齿轮箱振动信号的非线性和非平稳特性,传统的信号分析方法难以识别不同的齿轮失效模式,提出了一种采用有界广义高斯混合模型（Bounded Generalized Gaussian Mixture Model,BGGMM）进行无阈值递归图（Un-Thresholded Recurrence Plot,URP）特征提取的新方法,并将其应用于齿轮故障分类识别。首先基于相空间重构理论,将不同齿轮故障状态的原始时域振动信号转化为URPs。然后对欧式距离分布的直方图进行归一化,采用有界广义高斯混合模型拟合直方图,提取混合模型参数,作为不同类型齿轮故障的特征向量。利用齿轮传动实验装置采集的原始振动信号验证了该方法的有效性,结果表明该方法能有效地对不同类型的齿轮故障进行分类。     

基于谐波小波和Hilbert的滚动轴承故障诊断方法

主轴滚动轴承是数控机床的重要部件,它的运行状态往往直接影响整套机械设备的性能。为了提高主轴滚动轴承的故障诊断可靠性,针对数控机床主轴轴承振动信号非平稳的特点,利用谐波小波滤波的方法对现场采集的振动信号进行滤波,并提出对滤波后的信号进行Hilbert包络分析,从而提取出故障激发的共振信号。实例验证表明,谐波小波具有良好的滤波效果,Hilbert包络分析能有效地提取滤波后信号的故障特征,此方法提高了数控机床主轴滚动轴承故障诊断的准确性。     

基于无线数据传输的便携式生理信号检测仪

设计一种基于无线数据传输的生理信号检测仪，可对信号进行实时采集、实时处理、动态显示和无线传输。该系统具有通用性和实时性的特点，满足了小型医学仪器的实际需要。     

基于6LoWPAN的无线振动监测传感器网络的研究与应用

针对当前大多数机械设备运行环境复杂,人员难以接近等特点,为了能够满足机械振动信号采集的需求,设计了一种基于6LoWPAN的无线传感器网络振动监测系统。系统由6LoWPAN无线传感器节点、6LoWPAN网关节点、IPv6传输网络以及互联网终端用户组成。节点采用模块化设计,其中以自带处理器和无线通信功能的CC2630作为节点的核心,选择高精度三轴加速度计ADXL345采集振动数据。利用基于Contiki操作系统上的IAR开发工具设计6LoWPAN协议栈,实现了节点间的组网,将采集到的三轴加速度振动信号通过6LoWPAN无线传感器网络传输到接入IPv6网络的互联网用户终端上,并通过实验结果验证了该系统设计能够满足机械设备的较高频率振动监测的要求。     

振动检测在轨道车辆齿轮箱故障监测的应用研究

研究了振动检测法在轨道车辆传动齿轮箱轴承轻微故障的检测应用,根据现有振动理论,结合实际使用过程中早期齿轮箱轴承不同部位的缺陷故障信号,利用冲击振动技术采集不同故障形式振动信号,进行低通、高通过滤,调整包络处理,过滤去除干扰信号,得到与不同故障形式对应的振动信号,作为齿轮箱的故障诊断的理论依据,这项检测技术对保证行车安全具有重要意义,同时丰富了振动检测技术的实践应用案例。