基于时间序列和BP神经网络的矿井风机故障诊断

矿井通风机是煤矿井下通风不可或缺的安全设备,被誉为矿井的"呼吸"系统,一旦出现故障而停机运行,将威胁到整个矿山的安全生产。针对这一问题,建立基于时间序列和BP神经网路的矿井通风机故障诊断系统。利用测取的信号进行时间序列分析,建立AR模型并进行估计、预测,锁定故障发生的范围,这样节省了盲目查找故障的时间。直接从预测故障范围中提取参数作为特征向量,并以此作为BP神经网络的训练样本,实现矿井风机的故障诊断。     

基于小波分析的铺网机传动辊轴承故障诊断

铺网机传动辊轴承振动信号调制源多呈现出非平稳性等特点，导致常规的傅立叶分析诊断故障效果不佳的情况。本文提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数，进行轴承故障诊断。试验结果显示该方法对铺网机传动辊轴承故障诊断有很好的效果。     

基于小波分析的折叠成网机传动辊轴承故障诊断

针对折叠成网机传动辊轴承振动信号调制源多和呈现非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况,提出了一种小波变换的时频分析方法,对轴承振动信号进行分解和重构处理,获得振动信号在不同的频段的分量,提取相应特征频段重构分量的功率谱的频域统计值作为特征参数,进行轴承故障诊断。试验结果显示该方法有较好的诊断效果。     

浅谈煤矿机电设备故障检测中小波分析的应用

煤矿机电设备故障检测是针对煤矿机电设备平衡问题、对中问题、磨损（剥落）问题、断裂（裂纹）问题等机电设备故障,总体思路是采集动态信号,运用智能预示例如信号处理与采集、提取特征、评估状态等方法,准确获取反映设备故障信息的信号源,根据机电设备低速重载的特点,获得振动传感器灵敏度、频率范围等指标,提出故障解决方案的系统技术。与此,以小波变换中两类“奇异点”的特征入手,分析了小波变换的检测原理与方法,并提出了故障诊断专家系统、模糊诊断法和“人工神经网络”诊断法等故障检测方法,最后提出了“信息融合”智能诊断法的工作原理和特点。     

浅谈小波方法在模拟电路故障诊断中的应用

模拟电路的故障诊断一直以来就是电路领域的一个研究热点和重点。当前,基于小波分析方法为模拟电路故障诊断提供了一条新的途径。首先提出了小波方法的理论知识,重点阐述了小波变换和基于小波变换的模拟电路故障特征提取,说明了小波方法在模拟电路故障诊断中的应用优越性。     

小波分析在纸机压榨部轴承故障诊断中的应用

针对纸机压榨部滚动轴承尺寸大响应弱、运转速度低、低频信号容易淹没、调制源多、振动信号非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况，提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数。从而实现对轴承故障诊断。试验结果显示该方法对纸机压榨部故障诊断有很好的效果。     

基于解析小波变换和Hilbert模量频谱分析的感应电动机转子断条故障诊断

针对感应电动机转子断条故障诊断会受负荷波动影响以及故障频率容易被基波成分湮没的问题,本文提出基于解析小波变换和Hilbert模量频谱分析的感应电动机转子断条故障诊断方法.首先对感应电动机的定子电流信号进行解析小波变换,判断负荷是否波动;然后根据负荷波动的定位信息提取位于负荷平稳时间段内的定子电流信号,构造此负荷平稳时间段内的定子电流信号的Hilbert模量,对其做频谱分析,判断是否含有2sf1频率分量,以确定感应电动机是否发生转子断条故障.仿真结果表明了这种基于解析小波变换和Hilbert模量频谱分析的感应电机转子断条故障诊断方法的有效性.     

风机轴承故障诊断案例及损伤原因探讨

采用振动状态检测和故障诊断技术,对风机滚动轴承的故障信号进行分析,推断轴承损伤程度,给车间合理建议。     

基于EMD和AR模型的轴承故障诊断

构建集外圈、内圈和滚动于一体的轴承故障动力学模型,获取轴承运行时的轴承振动信号,采用基于EMD和AR模型的轴承故障诊断方法,将轴承振动信号分解成IMF分量后构建AR模型,再采用该模型自回归参数与残差的方差构建轴承综合判定距离,依据最小综合判别距离对应的状态完成轴承故障诊断。分析研究表明:诊断轴承正常、外圈故障以及内圈故障时,该方法诊断结果误差小、复杂度低,达到了高效诊断轴承故障的目标。     

基于Dropout-CNN的滚动轴承故障诊断研究

针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout-CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率高达99. 5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。     

基于模糊神经网络的造纸机变量泵故障诊断

提出了一种模糊神经网络的纸机变量泵故障诊断方法。针对纸机变量泵运行时转速变化的特点,采用基于数字重采样的阶比分析方法对变量泵振动信号进行预处理,将非平稳信号转换成平稳信号以利于有效提取信号特征。以变量泵振动信号阶比波谱各频段上的能量为特征参数,通过模糊神经网络模型诊断其转子不平衡、油膜振动、轴与轴承不对中故障。该方法充分发挥了模糊神经网络强大的自学习能力和知识表达能力的优点,有效提高了故障诊断的精度和效率。     

基于可靠性的状态监控预知系统——转炉风机在线监测及诊断系统技术方案

炼钢生产中的除尘风机是将炼钢生产过程中的烟气及时排出。炼钢过程中产生大量的烟尘,烟尘中含有易燃气体和金属颗粒,经风机将其排至烟囱放散或输送至煤气回收系统,在排出过程中烟气经过风机转子,烟尘中的小金属颗粒会沾在转子表面从而造成风机转子表面不均匀,在高速运转的情况下,风机振动幅度变大,使风机故障增大,利用效率大大减小。风机在线监测系统通过监测风机的振动、振幅、速度及风机和电机的轴承脉冲信号,通过一系列运算、判断,及时通知操作人员进行定期维修,减少风机跳闸故障,提高风机作业率,同时提高转炉利用效率,产生更高的效益。     

基于谱峭度Morlet小波变换法和经验模态分解的滚动轴承故障诊断研究

本研究针对轴承早期故障信号微弱不易检测的缺陷,提出了一种基于谱峭度Morlet小波变换法和经验模态分解的轴承早期故障信号检测与增强的方法.该方法把谱峭度引入到Morlet小波中,根据谱峭度变化寻找Morlet小波的最佳匹配参数,最大限度地增强故障弱信号;然后对信号进行经验模态分解,以信号相关系数大小确定重构信号的基本模态分量,对重构信号进行包络分析完成故障诊断.实验结果验证了此方法在滚动轴承早期故障诊断中的良好应用效果.     

三点作图法现场做风机叶轮的动平衡方法

由于热电厂的排粉风机、引风机叶轮容易磨损,常导致风机轴承振动偏大。通过多次对排粉风机进行现场动平衡试验．提出了风机叶轮三点作图法现场动平衡的方法,可有效地消除风机振动偏大的设备故障。     

中高速卫生纸机烘缸轴承的振动特征分析

研究和发展新的中高速卫生纸机烘缸轴承故障诊断技术是造纸装备行业研究的一项重要课题。本课题在中高速卫生纸机烘缸轴承振动机理的基础上,结合烘缸轴承的自身结构和失效形式,研究了烘缸轴承内、外圈滚道和滚动体表面存在缺陷时的时域及频域特征,并给出固有振动频率及各种故障的振动特征频率方程。利用自主开发的故障诊断系统对实际测试数据进行快速傅里叶变换红外光谱分析发现,通过对中高速卫生纸机烘缸操作侧轴承进行状态监测,可以提取中高速卫生纸机烘缸轴承的振动特征,用于对烘缸轴承是否存在故障的在线判断。     

一种面向大负载低转速轴承的故障诊断方法

造纸生产线上,有很多大负载、低转速的旋转设备,其轴承在承受较重载荷时,极易受到损伤,导致设备故障,甚至造成停机。因此,大负载低转速轴承的在线故障诊断非常重要。本课题在对大负载低转速轴承振动的诊断难点及当前故障诊断常用方法分析的基础上,提出了一种基于快速谱峭度包络解调分析的轴承故障诊断方法。首先采用快速谱峭度法计算振动信号的最大谱峭度值,确定最优的带通滤波器系数,然后利用带通滤波器对振动信号进行降噪处理,最后利用希尔伯特变换方法对降噪信号进行处理,分析包络谱,得到诊断结果。借助团队自行设计的轴承故障实验台,对本课题所提方法的优缺点和适用性等进行了实验研究,验证了本课题算法的有效性,并为工程应用提出了建议。     

基于小波变换的包装机械故障诊断方法的研究

文中介绍了小波分解在包装机械故障诊断中的优点 ,并通过对包装机械振动信号特征进行分析 ,指出该类信号用频谱分析的方法不能得到有效的特征。由于小波分析具有传统频谱分析方法所没有的时—频分析特征 ,通过小波逼近系数能得到机组实际振动的大小 ,从而准确诊断出故障 ,本文通过实例得以证明     

基于小波分析的微弱信号的提取

针对机器运行中初始故障微弱信号的检测问题,对原始信号通过小波变换去噪、小波分解和重构去除采集信号中的奇异点,根据高频系数还能准确确定出现奇异值点的位置,即故障发生的时间点。通过小波分解系数的等效功率谱,可以提取初始故障信号,用于机器的状态监测和故障预报。     

爆破振动信号分析技术研究

由于爆破振动信号具有短时非平稳的特点,传统的傅里叶变换不能满足爆破振动信号的研究,现已出现了很多信号分析方法。本文结合现代爆破振动信号分析常用的傅里叶变换、短时傅里叶变换、小波变换、小波包变换、HHT变换的原理分析了各种方法的优缺点,并简述爆破振动分析技术的研究现状。     

基于希尔伯特黄在风力发电机组轴承故障诊断

针对风力发电机组轴承故障振动信号特性,该信号为非平稳信号。提出基于希尔伯特黄的对风力发电机组轴承故障的诊断方法。该方法是用经验模式分解方法将原始信号分解成包含不同特征时间尺度的本征模态函数,并对分解后得到的每一个本征模态函数分量进行希尔伯特变换,从而得出时频平面上的幅值分布的尔伯特谱,并通过其反映出来的物理信息对风力发电机组轴承做故障诊断分析。