基于PMS的输变电设备故障诊断系统设计

为提高输变电设备故障诊断能力,研究了基于PMS的输变电设备故障诊断系统设计方法.首先,构建系统总体设计构架,采用便携式设备,对故障信息进行采集;再利用传感器技术进行故障信息采集和热成像处理,进而构建输变电设备故障信息PMS特征提取模型,根据振动波形分析和红外图谱分析,实现故障特征的提取和诊断,并构建输变电设备故障诊断的PMS数据信息融合模型,实现输变电设备的多参量自诊断智能巡视方法设计;最后,利用高集成传感信息处理和实时在线检测方法,对输变电设备的健康状态评估及运行趋势进行预测,实现故障实时诊断.仿真结果表明,采用该方法进行输变电设备故障诊断的效率较高,最短可在3 s时间内检测完毕,故障诊断的精准度水平最高可达到89%,具有一定的应用价值.     

基于数据驱动的应急柴油机启动状态评估方法

应急柴油机作为核电站紧急状态下的后备电源动力设备,其应急启动性能对核电安全至关重要。目前开展的应急柴油机状态监测主要针对其平稳工况,而针对启动过程这种瞬变工况的监测评估研究较少。基于此,提出了一种基于数据驱动的柴油机启动状态健康评估方法。首先基于瞬时转速对时域波形数据进行角域精确重采样;然后提取能够表征启动过程工作状态的瞬时转速、振动及相位特征参数,最后计算特征参数的健康等级隶属度,并采用Dempster组合规则和最大隶属度原则确定健康等级。结合核电现场实际监测数据,验证了该方法的有效性,其为柴油机启动状态评估提供一条新途径。     

舰用柴油机抗冲击性能频域分析

舰用设备抗冲击性能的频域分析是一种常用的工程评估方法。建立了某型柴油机的有限元模型,通过主要部件的模态试验进行了修正。根据国军标GJB1060.1-91的规定,基于DDAM方法确定了计算模型的冲击输入,并对柴油机模型在三向冲击输入下的冲击响应进行了分析。结果表明,柴油机抗冲击性能的频域分析是一种有效的评估方法,通过评估,本文的柴油机模型符合国军标的要求。     

基于DPMM-CHMM的机械设备性能退化评估研究

针对传统的HMM模型状态数必须预先设定的不足,提出了一种基于DPMM-CHMM的机械设备性能退化评估方法。该方法利用DPMM模型的自动聚类功能,实现了模型结构根据观测数据的自适应变化和动态调整,获得设备运行过程中的最优退化状态数,并结合CHMM良好的分析和建模能力,得到设备退化状态转移路径,实现机械设备运行过程中的退化状态识别和性能评估,并利用滚动轴承全寿命数据进行了应用研究。结果表明,该方法可以有效地识别轴承运行中的不同退化状态,为基于状态的设备维修提供了理论指导。     

基于异类信息融合的齿轮健康评估方法

针对齿轮传统健康评估方法中特征描述单一,齿轮箱中多种参数信息未能有效利用的问题,为更准确地监测齿轮运行的健康状况,提出一种基于异类特征信息融合的齿轮健康评估方法。对前期正常状态运行的齿轮采集振动、油液、铁谱等多种信号并提取特征指标,建立各类特征的模糊C均值聚类中心;利用模糊理论输出待测信号对于正常状态信号的隶属度作为各类特征的健康评估指标;以隶属度构造基本概率赋值函数,应用D-S证据理论组合规则,在决策层进行异类信息融合,从而完成齿轮的健康评估。通过对齿轮全寿命试验的数据处理与对比分析,证明该方法能够有效地评估齿轮健康状况。     

基于贝叶斯理论的结构件健康状态评估方法研究

以结构件裂纹扩展过程中的健康状态评估为研究对象,针对结构件健康状态评估过程中广泛存在的Weibull型数据的特征,通过将Weibull型分布数据类型与贝叶斯理论相结合来提出了一种基于贝叶斯理论的结构件健康状态评估模型,并通过采用MCMC算法对复杂后验量的计算问题进行了求解。运用声发射手段对实例构件的健康状态数据进行了采集,基于贝叶斯理论的结构件健康状态评估模型对实例构件的健康状态进行了评估,评估结果表明5%与95%两个分位数构成了结构件健康状态评估参数的90%置信区间,后验参数的分布集中,且置信度达到90%,可以实现结构件健康状态的精确评估。     

多传感器信息深度融合的谐波减速器健康状态评估EI北大核心CSCD

工业机器人谐波减速器工况循环往复,仅依靠单一传感器难以刻画其运行状态全貌且会导致健康状态评估结果不确定性高。为此,提出了多传感器信息深度融合的谐波减速器健康状态评估方法。首先对谐波减速器振动信号进行连续小波变换,构造出时频图以描述其运行状态特征;再运用基于小波变换的图像融合方法将多个传感器的时频信息进行融合以全面刻画谐波减速器运行状态。最后利用卷积神经网络对融合后的时频图像进行自动学习获得能准确表征谐波减速器健康状态的深度特征,并通过在卷积神经网络最后添加全连接层实现健康状态评估。通过对不同健康状态以及不同工作节拍下谐波减速器进行健康状态评估试验,证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性。     

基于HDP-HMM的机械设备故障预测方法研究

针对隐马尔科夫模型状态数必须预先设定的不足,提出了一种基于分层狄利克雷过程-隐马尔科夫模型(HDP-HMM)的机械设备故障预测方法。该算法通过构造HDP作为HMM参数的先验分布,利用HDP分层共享和自动聚类的优点,实现了模型结构动态更新,获得设备运行过程中的隐状态数;基于HDP-HMM所建立的退化状态动态转移关系,确定设备早期故障点和功能故障点,实现设备的健康等级评估和故障预测。利用美国USFI/UCR智能维护系统中心提供的滚动轴承全寿命数据进行了应用研究。结果表明,针对多观测序列,HDP-HMM能有效实现组合聚类,识别结果不依赖于算法初始参数的选择,具有较强的鲁棒性;与基于K-S检验的退化评估算法比较表明,HDP-HMM更能有效描述设备实际退化过程。     

基于MIF的继电保护状态评价及其在设备全寿命周期管理中的应用

为准确评价继电保护设备健康状态,提升继电保护设备管理工作水平,提出一种基于多源信息融合技术的继电保护状态评价方法,该方法充分考虑了继电保护的技术特点;建立继电保护状态评价体系和评价指标,解决了多源信息融合技术在继电保护状态评价中的关键技术问题;建立继电保护状态评价及其在设备全寿命周期管理应用的功能模型和结构模型,确定了继电保护状态评价方法。结合目前继电保护设备全寿命周期管理的现状,有针对性地提出继电保护状态评价结果在设备全寿命周期管理过程中应用的解决思路,并开发完成基于多源信息融合技术的继电保护状态检修系统,应用于多家调度单位,验证了所提方法的正确性和实用性。     

重型起重电机振动的研究与健康评价标准的确定

由于港口重型起重机电机的振动具有高速、重载、大冲击等特点,针对难以准确提取信号中有效信息的难题,建立了电机振动的分析模型,并提出基于经验模态分解(EMD)的小波包量化分析方法。该方法不仅能够有效的提取出高频背景下的信号特征,而且能够对数据进行量化。实例选取上海某集装箱码头公司的大型桥式起重机(编号:#8115)的电机振动信号,分析处理后建立振动信号的健康评价标准,为实时评估重型起重电机的健康状态提供了可靠依据。     

基于随机衰退过程的生产线动态维护建模

以半导体生产线的多设备串行生产模型为研究对象,在保证整体系统运行平稳的情况下,建立了系统的定点维护成本分析模型并提出一种新的生产线维护策略。根据串联随机衰退系统的特点,提出一种基于故障阈值的视情维护的建模方法。应用可动态修正的Weibull分布对各设备的随机衰退过程进行建模,通过仿真建立各检测点维护成本分析模型,并验证所提出的维护决策方法的有效性。实验结果表明,该方法效果良好,维护策略具有可操作性,为设备维护提供了理论支撑。     

基于机械诊断信息的设备运行可靠性研究

针对传统可靠性分析方法必须依赖大样本统计数据、利用概率统计求解设备可靠性的不足,提出两种利用运行状态信息实现小样本条件下设备运行可靠性评估的方法:基于归一化小波信息熵的可靠性评估和基于损伤定量识别的可靠性评估。基于归一化小波信息熵的可靠性评估对设备运行过程中的振动信号采用第二代小波包进行分解与重构,获得多个分解频带信号,计算分解频带信号的相对能量和归一化信息熵,根据归一化信息熵获取反映设备运行状态可靠性的重要指标——可靠度;基于损伤定量识别的可靠性评估定义了新的运行可靠性评价指标——隶属可靠度,在故障定量诊断的基础上,建立了损伤程度与运行可靠性评价指标之间的联系。在制氧压缩机运行可靠性评估和机车轮对轴承运行可靠性评估的成功应用,表明所提出的方法合理、有效,为机械设备实现缺乏大样本、非概率统计模型的可靠性评估提供了新理论与新技术。     

模糊神经网络技术在液压泵故障诊断中的应用

提出了一种基于模糊神经网络的液压泵故障诊断方法,介绍了该方法的基本原理及实现算法.以某型号齿轮泵为研究对象,利用其状态数据作为样本数据,建立了基于模糊神经网络的齿轮泵的故障诊断模型.并利用该模型对齿轮泵运行状态进行了辨识,结果表明,该方法能够充分利用检测到的各种故障征兆信息,从而使齿轮泵故障诊断更加准确有效.此方法也可用于其它同类设备的故障诊断.     

某型装备动力传动系统监测方法与监测设备设计

针对某型装备技术状况监测水平较低、缺乏车载自动化监测设备的问题,以动力传动系统为研究对象,设计技术状况监测方案,建立基于多参数的技术状况监测评估模型,并开发技术状态监测和评估诊断软件平台及状态信息管理数据库;研发嵌入式的在线机内监测装置,由驾驶员显示终端、主控机、工况参数监测模块、发动机监测模块、变速箱监测模块和传动箱监测模块构成,能够实现动力传动系统状态信息的自动化监测、诊断与评估,为装备的使用和维修保障提供技术手段。试验分析表明:该监测装置可靠实用,监测方法准确有效。     

基于AR模型的Kolmogorov-Smirnov检验性能退化及预测研究

设备性能退化评估是对现有故障诊断技术的全新拓展,它为更有效地实现智能主动维护提供参考,更有利于实现设备的零停机率。开展对设备的性能退化评估研究,还可以实现对设备的性能预测维护功能,大大提高设备运行的可靠性。提出了基于AR预测白噪化的Kolmogorov-Smirnov检验方法,同时实现了滚动轴承的全寿命实验。通过对轴承全寿命实验数据的分析研究,论证了本方法在设备性能退化评估及预测中的研究价值,相对于有效值等传统方法,它不仅能够显著地表现前期的微弱退化状态,而且还能有条件地更早指示设备的异常状态,对于故障预测的研究具有较大的意义。     

弯桥结构动力性能的有限元计算方法

本文以实桥为工程背景,基于ANSYS建立其模型,分析其动力性能。动力理论分析和试验结果较为吻合,说明基于有限理论分析弯桥结构动力性能是有效可行的方法。并可以为桥梁的健康检测和状态评估提供可靠的参考依据。     

基于灰信息挖掘的视情维修决策方法研究

针对列装新设备缺乏状态劣化信息和维修阈值难以进行视情维修决策的问题,基于新旧设备故障率变化趋势的一致性,定义改进性系数表示基本故障率的变化不同,得到新型设备的故障率函数,结合回归支持向量机拟合新型设备风险度函数曲线,得到新型设备的维修阈值,进而建立新型设备的视情维修决策模型,最后以船用柴油机监测数据进行了实例验证。结果表明,该方法能有效挖掘旧型柴油机的历史数据信息,充分利用新旧柴油机之间的内在联系,为灰信息条件下新设备的视情维修决策提供了新途径。     

EMD趋势分析方法及其应用研究

趋势分析是一种重要的设备状态监测与故障诊断方法,对分析较长时间范围内设备运行状态的变化具有重要意义。研究了一种基于经验模式分解（Empirical Mode Decomposition,EMD）的设备运行状态趋势分析方法。研究表明,与传统方法（如最小二乘法、低通滤波法）相比,经验模式分解能够更准确地提取信号趋势信息。应用于某炼油厂透平烟机故障诊断,表明这种基于经验模式分解的趋势分析方法能够有效提取设备运行趋势信息,消除采样中随机因素的影响,为准确评估设备运行状态、诊断故障提供可靠依据,具有重要的现场实用价值。     

基于云重心评判的应急柴油机启动状态评估方法

应急柴油机(EDG)是保证核电厂安全可靠运行的一级安全设备,其应急启动成功率是衡量核电站安全等级的关键指标之一,因此对EDG启动过程进行有效监测评估具有重要价值.本文利用在线监测系统采集EDG启动过程数据,考虑瞬变启动数据的不确定性,提出了一种基于云重心模型的EDG启动状态评估方法.首先,充分结合EDG快速启动特点,选...     

变截面功能梯度旋转轴的自由振动特性

基于微分求积有限元(DQFEM)和铁木辛柯梁理论研究轴向变截面功能梯度旋转轴自由振动特性。首先利用上述理论和方法建立理论分析模型;然后将基于该模型所得的计算结果与已有文献和有限元软件ANSYS进行对比验证,结果表明该模型具有准确性、稳定性和通用性;最后采用上述模型分别研究变截面锥度系数和梯度系数对转轴固有频率和临界转速的影响,结果表明变截面锥度系数和梯度系数均会对转轴的固有频率和临界转速产生不同程度影响。同时发现转轴涡动频率(固有频率)会随转速增加发生分岔现象。