共查询到20条相似文献,搜索用时 496 毫秒
1.
2.
3.
4.
旋转机械碰摩擦故障特性分析 总被引:2,自引:0,他引:2
对旋转机械的转子发生部分碰摩时引起的振动特性进行分析,提出了变度分段线性的非线性数学模型,并采用解析和数值分析的方法地此数学模型进行了分析,并进而对数值计算结果进行了快速富里叶变换(FFT),所得结论与实验结果相吻合。为旋转机械碰摩故障诊断2提供了一定的理论依据。 相似文献
5.
6.
7.
8.
现场故障诊断的对象通常是动力学特性不明确的旋转机械。为了提高故障诊断正确率,在大量案例分析的基础上,提出一种根据转子质量、设备容量等综合指标进行电力旋转机械分类的方法。以2种多发故障为例,介绍不同类型设备故障振动信号特征和实例。实践证明,采用这种设备分类方法可以实现故障特征的细分,可以明显减少误诊。 相似文献
9.
10.
11.
发动机稳态与非稳态振动信号分析比较 总被引:4,自引:0,他引:4
主要探索了在发动机机械故障诊断中采用非稳态信号分析方法进行故障诊断。介绍了定转速非稳态数据采集器测试原理,讨论了短时傅里叶(Fourier)变换的原理与窗函数选择方法。应用它分析了发动机稳态与非稳态加速振动信号并进行了比较。试验与分析结果表明:定转速非稳态数据采集器能准确地测取发动机加速过程中所设定转速的振动信号;采用短时Fourier变换和窄带能量累加方法能有效提取加速振动信号中分析对象的故障特征,具有良好的重复性和稳定性;加速振动的信噪比远比稳态振动大得多。 相似文献
12.
13.
14.
分析了目前汽轮发电机组振动故障诊断方法存在的问题,提出了根据机组故障范围、振动频率特征等对非线性油膜涡动故障进行分层次诊断的正向推理振动诊断方法。并以诊断实例说明如何通过正向推理诊断振动故障,提高故障诊断准确率。 相似文献
15.
针对风电机组齿轮箱在故障信号处理、特征提取和故障诊断存在的问题,提出一种基于优化的变分模态分解(VMD)融合信息熵和萤火虫优化的概率神经网络(FAPNN)的风电机组齿轮箱故障诊断方法。首先利用皮尔逊相关系数法来确定VMD的分解数量和惩罚因子,并利用VMD分解齿轮箱振动信号获取多个固有模态分量,在此基础上融合时域、频域及时频域等信号故障特征熵,最后用FAPNN网络进行故障识别分类,仿真结果验证了所提出算法在风电机组齿轮箱早期故障诊断研究中的有效性和可行性。 相似文献
16.
17.
基于AR模型和K-L信息量的柴油机气阀机构故障诊断 总被引:1,自引:0,他引:1
通过模拟气阀机构的两种常见故障:气阀漏气和气阀间隙异常,采集柴油机缸盖表面的振动信号.提出了柴油机气阀机构的状态监测及故障诊断策略,采用FPE准则和Burg算法建立不同状态时振动信号的AR模型,利用K-L信息量对不同工作状态进行了有效识别.诊断结果表明该方法是可行的,便于实现柴油机气阀机构故障的在线实时监测与诊断. 相似文献
18.
振动监测和诊断是及时诊断旋转机械故障的手段之一,其中的频谱分析能有效地诊断出转子裂纹。介绍了某燃气轮机转子裂纹的振动现象、处理过程以及故障诊断。转子裂纹的振动有以下特征:裂纹转子具有刚度不对称的特点,运行中存在二倍频振动,在启停机经过转子临界转速一半时存在二倍频共振峰;随着裂纹的发展,二倍频共振峰值有增大趋势;联轴器瓢偏以及低速盘车时转子晃度也会增大。根据转子的振动特征判断该转子存在裂纹且仍在发展,检查结果验证了故障诊断的正确性,为转子裂纹的故障分析与诊断提供参考。 相似文献
19.
20.
Jae Yoon David He Brandon Van Hecke Thomas J. Nostrand Junda Zhu Eric Bechhoefer 《风能》2016,19(9):1733-1747
Planetary gearboxes (PGBs) are widely used in the drivetrain of wind turbines. Any PGB failure could lead to a significant breakdown or major loss of a wind turbine. Therefore, PGB fault diagnosis is very important for reducing the downtime and maintenance cost and improving the safety, reliability, and lifespan of wind turbines. The wind energy industry currently utilizes vibratory analysis as a standard method for PGB condition monitoring and fault diagnosis. Among them, the vibration separation is considered as one of the well‐established vibratory analysis techniques. However, the drawbacks of the vibration separation technique as reported in the literature include the following: potential sun gear fault diagnosis limitation, multiple sensors and large data requirement, and vulnerability to external noise. This paper presents a new method using a single vibration sensor for PGB fault diagnosis using spectral averaging. It combines the techniques of enveloping, Welch's spectral averaging, and data mining‐based fault classifiers. Using the presented approach, vibration fault features for wind turbine PGB are extracted as condition indicators for fault diagnosis and condition indicators are used as inputs to fault classifiers for PGB fault diagnosis. The method is validated on a set of seeded localized faults on all gears: sun gear, planetary gear, and ring gear. The results have shown a promising PGB fault diagnosis performance with the presented method. Copyright © 2015 John Wiley & Sons, Ltd. 相似文献