振动诊断在水轮机故障诊断与失效分析中的应用

振动故障预测和诊断是保障水轮机安全运行的有效技术手段.根据水轮机常见振动故障特点,提出建立故障诊断专家系统,提高故障诊断的识别和故障部位的判断,结合状态监测检修系统对水轮机运行状态进行实时监测,对机组进行故障诊断和综合状态评估,从而判定是否需要维修、何时维修、维修部件和部位,并给出状态检修建议,为检修计划、失效与否提供依据.     

海上风电机组的在线监测与故障预警

从海上风电机组的故障诊断与状态监测技术出发,对故障进行了统计,给出了状态监测的主要参数,从中选取温度参数作为分析对象.通过温度时序图分析,分为正常运行、故障形成、即将发生故障3种状态进行监测,采用神经网络与遗传算法相结合的方法进行了故障诊断.结果表明,通过温度变化可以预知风电机组即将发生故障,便于及时预警并采取预防措施.     

大型风力机主轴承故障信号提取方法

针对大型风力机主轴承易发生故障且特征信号难以提取的问题和传统盲分离算法计算量大、收敛性较差的缺点,提出了基于粒子群优化的盲源分离算法.算法根据负熵最大化判据,采用粒子群优化算法对盲源分离过程进行优化,且将该算法成功应用于某风场大型风力机主轴承故障信号的提取中.分析结果表明,该算法可有效分离大型风力机主轴承与其他部件的振动信号,与其他算法相比具有分离精度高、可靠性好等优点,对风力机主轴承的故障诊断十分有效.     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点,提出采用三层BP小波神经网络构造故障诊断模型,对油泵进行故障监测和诊断.该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理,对油泵多种常见故障取得了满意的诊断效果,不仅具有特征自动提取以及较强的自学习和自适应功能,而且操作维护简便.研究结果表明:信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径;对油库安全维护与故障诊断具有重要意义.     

基于LabVIEW的带式输送机远程监测诊断系统

针对带式输送机故障发生率较高,同时不能实时远程监测等现状,设计了一种基于LabVIEW和PLC的输送机远程监测与故障诊断系统。该系统集运行信号采集、状态监测、数据库操作和故障诊断于一体,通过对带式输送机关键参数进行实时有效地监测,能够及时地诊断出故障,并显示对应故障参数。其中,利用基于经验模态分解EMD和隐马尔科夫模型HMM算法实现故障诊断与识别。调试结果表明,系统运行稳定,故障信息能够实时显示,且故障诊断的准确率高,是一种有效的带式输送机远程监测与故障诊断系统。     

冲击脉冲法在电中机轴承故障诊断的应用

在对电动机轴承状态监测与故障诊断的研究中,采用振动诊断技术,即冲击脉冲法编写了电动机故障诊断系统,该系统专门用于电动机轴承的故障诊断与监测,并通过检测冲击点处的冲击波幅值来判断轴承内滚动体与滚道间的碰撞程度,从而有效识别出轴承的工作状态与故障类型,特别适用于检测轴承早期损伤类故障,润滑状况以及油膜厚度等。     

机械设备自动检测系统

介绍了大型设备状态监测与故障诊断系统.该系统对设备运行状态的进行实时监测,及早发现和确定故障的部位和性质,准确预报故障趋势并提出相应的对策.从而提高设备运行的可靠性,延长使用寿命,降低设备维修费用,以达到经济目标和社会效益的最大化.     

嵌入式柴油机工作状态监测装置设计

针对柴油机故障诊断系统无法对柴油机的工作状态进行综合评估，以及无法对故障进行预测和诊断的问题，提出运用信息融合原理，利用瞬时转速信号和现有巡回监测与报警系统的热工参数．实现对发电柴油机技术状态的综合诊断和趋势分析。介绍了一种基于TMS320C2407a的嵌入式柴油机工作状态监测装置。该装置是船舶发电柴油机运行状态在线监测与故障诊断系统中的核心部分，可以实现船舶发电柴油机工作状态实时监测和故障诊断，同样可作为独立的监测报警装置用于机车、汽车及其他场合。     

加工中心部件故障相关度评估

为实现加工中心系统部件间故障相关度评估,采用相关故障机理分析与图论相结合建立系统部件故障传递有向图的方法,将系统部件相关度评估转化为复杂网络节点重要度计算,进而由邻接矩阵及其转置变换并结合pagerank算法,实现加工中心系统部件故障相关度求解.计算结果表明:故障相关度的大小与部件间故障关联关系成正比,存在故障相关的部件的故障相关度大于不存在故障相关的部件的故障相关度.若部件被影响度大,影响度小,说明该部件是故障表象部件;反之,影响度大而被影响度小的是故障源部件.提出的方法有助于故障诊断与维护.     

基于关联维数的双跨转子轴承系统故障诊断

以双跨转子轴承系统为研究对象,针对其状态监测与故障诊断中存在的问题,利用虚拟仪器软件平台开发了一套基于关联维数的故障诊断系统。通过提取实验台振动信号并计算其关联维数实现对系统的故障诊断。结果表明,不同工作状态下系统的关联维数各不相同,正常运转时关联维数最小,发生故障时关联维数增加,且关联维数随着嵌入维数的增加成增长的趋势,并趋于稳定。该系统以关联维数作为特征兆量,能够快速准确地对双跨转子轴承系统进行状态监测与故障诊断,具有一定的应用价值。     

基于阶次分析的风电机组在线模态参数识别与故障诊断

针对风电机组的健康监测和预警评估,将基于环境荷载激励的模态参数识别和计算阶次分析方法应用于风电机组齿轮箱系统的在线模态分析。设计并构建了风电机组在线模态参数识别与故障诊断系统,通过试验模态与在线模态识别参数以及不同环境荷载激励条件下的在线模态识别参数的测试结果对比,证明在线模态参数识别方法的可行性和实时性,系统运行稳定,数据可靠,为风电机组在线模态实测,多种环境荷载激励作用下动态特性以及故障诊断研究积累了大量数据。     

无传感器诊断方法及在风力发电中的应用与展望

针对风力发电机运行环境复杂,常规振动诊断技术应用困难问题,在介绍无传感器检测与诊断技术原理及发展的基础上,从信号处理和仿真分析等角度详细分析了电机定子电流对齿轮、轴承等机械故障的感应机理.介绍微弱机械故障信息的预处理方法等研究成果,综述其在风力发电机组机械故障诊断应用的可行性.并对其在风力发电机组传动系统故障诊断中的存在的问题与应用进行了展望.     

基于BP神经网络及其改进算法的汽轮发电机组故障诊断

为了提高汽轮发电机组的故障诊断准确率,提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习,在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明,改进算法能够更有效地预测汽轮发电机组的故障.     

基于层次化混合分类器的含未知故障风机轴承故障诊断方法

为提高风机轴承故障诊断精度,针对含未知类型故障信号的误识别问题,提出一种风机轴承故障诊断新方法。首先,将风机轴承振动信号进行经验小波变换（EWT）,对分解得到的固有模态分量（IMF）提取15种时-频域特征,构建特征向量集;然后,通过基尼（Gini）指数评价特征分类能力,构建最优特征集合;最后,采用单类支持向量机（OCSVM）与极限学习机（ELM）组合的层次化混合分类器进行故障诊断。对比单纯采用ELM、SVM分类器,新方法能够更好辨识含未知故障类型的风机轴承故障信号。     

基于ZigBee的风力发电机齿轮箱故障诊断系统

ZigBee技术是一种近距离、低复杂度、低功耗、低速率、低成本的双向无线通讯技术.针对风力发电机工作环境复杂、要求监测点较多、齿轮箱相对体积较小、维修困难等特点,提出将ZigBee技术应用于风力发电机齿轮箱的信号采集,并分析了采集信号.根据信号分析结果,对齿轮箱做出故障诊断.     

基于纵横交叉算法优化BP神经网络的风机齿轮箱故障诊断方法

风电机组齿轮箱的运行工况比较复杂,容易发生故障. 针对常规BP（Back Propagation）神经网络故障诊断容易陷入局部最优的问题,提出一种基于纵横交叉算法（Crisscross Optimization Algorithm,CSO）优化BP神经网络的风电齿轮箱故障诊断新方法. 考虑到风电齿轮箱振动信号的波动性和非线性,首先从信号中提取故障特征参数,建立带评价因子的误差分析模型,然后通过纵横交叉算法优化BP的权值和阈值对神经网络进行训练,最后用训练好的神经网络对样本进行测试. 经实验仿真并与其他方法的对比,验证了本文方法用于风电机组故障诊断有效性及优越性.     

大型风机的多层感知智能故障诊断方法研究

根据BP神经网络的基本原理,建立风机故障的智能诊断系统,给出风机常见故障模式样本及网络诊断输出结果。系统在设备出现异常后进行诊断,诊断结果准确可靠,通过对大型风机的故障诊断,验证其方法的可行性。     

基于LabVIEW的风电机组滚动轴承故障诊断系统及其仿真

在LahVIEW8．5环境下实现了基于特征参数和希尔伯特包络谱分析的故障诊断方法,开发了风电机组滚动轴承故障诊断系统．故障诊断实验结果表明,该系统能够有效、快速、准确地对滚动轴承内圈、外圈、滚动体故障进行识别并报警．