基于XGBoost-KDE的风机主轴承温度预测与故障预警方法

风力发电机主轴承的故障诊断是提高其可靠性和可用性的关键。为及时发现风机主轴承故障,提出一种基于XGBoost-KDE的风机主轴承温度预测与故障预警方法。选用数据采集与监视控制（SCADA）系统中相关的特征参数作为输入变量,对风机正常工况下的主轴承温度进行预测,得到预测值和正常工作时运行数据的残差;之后运用非参数核密度估计（KDE）法确定残差预警阈值,结合滑动窗口分析法实现风机主轴承故障预警。以某2 MW等级风电机组为研究对象,采用SCADA系统中的运行数据做验证,实验结果表明,该方法可以对风机正常工况下的主轴承温度实现97.6%的精准预测,并对主轴承故障时产生的温度曲线波动做出反应,提前近1个月对风机主轴承故障进行有效预警。     

风机齿轮箱故障原因浅析

简单分析了风机齿轮箱故障的原因,并指出静态偏心、动态偏心、轴承及齿轮、润滑及油过滤系统等是引起风机齿轮箱故障的主要原因。     

基于振动分析技术的风力发电机组轴承故障诊断

滚动轴承在风力发电机组传动系统中起着非常重要的作用,但由于风况不稳定、设备装配工艺不达标,整个传动系统的滚动轴承在振动过程中易造成磨损失效。针对某风力发电机组,利用振动分析技术对工作异常轴承进行振动波形分析,精确诊断故障轴承的故障特征和故障程度,准确提出维护意见,提高工作效率,避免风机的意外停机。     

变压器风机故障的分析和解决

针对昌江核电厂变压器风机故障,从风机故障的表现形式、产生异音的部位、各部件的故障类型等方面进行统计,发现轴承磨损和电机绝缘低是主要矛盾。通过分析可能的原因对风机故障次数高的影响程度,发现骨架油封的使用寿命短和更换周期长是主要原因,提出了解决变压器风机故障的有效措施,为同类电厂变压器风机故障的处理提供了借鉴。     

基于大数据分析的风机轴承故障预警

将大数据分析应用到风机轴承故障预警中,使用栈式自动编码器（SAE）为基本结构,通过逐层提取风机轴承监视控制与数据采集系统（SCADA）数据深层特征,将散乱的SCADA大数据转化成能够深度刻画风机轴承运行状态的内在特征。利用预训练、微调的方法并结合误差反向传播算法（BP）构建SAE故障预警模型,通过SAE模型对大数据处理得到反映风机轴承运行状态的重构误差平均值,以均值漂移聚类算法动态地计算出风机轴承稳定运行状态重构误差基准值为预警的标准。最后利用某风电场机组的SCADA数据进行工程实例仿真分析,验证了基于大数据分析用于风机轴承故障预警的可行性。     

火力发电厂风机运行常见故障分析及处理

分析了火力发电厂风机运行中轴承振动、轴承温度高、叶轮不平衡、叶片裂纹、叶片磨损、风机喘振、动叶卡涩、保护装置误动作等故障的原因,提出了经实践证明行之有效的处理方法。     

火力发电厂风机运行常见故障分析及处理

分析了火力发电厂风机运行中轴承振动、轴承温度高、叶轮不平衡、叶片裂纹、叶片磨损、风机喘振、动叶卡涩、保护装置误动作等故障的原因,提出了经实践证明行之有效的处理方法.     

基于多尺度模糊熵和STOA-SVM的风机轴承故障诊断

针对风机轴承振动信号故障特征提取困难的问题,提出了一种基于多尺度模糊熵(MFE)特征提取,并结合乌燕鸥优化算法(STOA)优化支持向量机(SVM)的风机轴承故障诊断方法。首先采集原始振动信号并计算其多层次模糊熵,其次构造故障特征向量集合作为SVM的输入,最后采用STOA优化SVM对轴承故障进行分类诊断。通过凯斯西储大学轴承振动数据进行仿真,结果显示轴承故障诊断准确率达到了99.3〖WTB4〗%〖WTBZ〗,证明了所提方法具有较高的准确度和有效性。     

大型离心式风机轴承发热的原因及处理方法

轴承发热是大型离心风机常见的故障,严重影响锅炉的安全运行。分析了郑煤集团东风电厂离心式风机故障的原因,得出是由轴封盘根与轴之间的软摩擦引起的。介绍了更换轴承的具体处理方法。     

锅炉风机运行过程中常见故障的原因分析及其处理

介绍并分析了风机运行中轴承振动、轴承升温、叶片磨损、动叶卡涩、旋转失速和喘振等故障的几种原因, 提出了已被实践证明行之有效的处理方法。     

汽轮机推力轴承温度高原因分析与处理

某热电联产汽轮机推力轴承温度高 ,故障时有发生 ,直接影响机组安全经济运行。作者通过对检修中测量结果的认真分析 ,指出了导致推力轴承温度高的若干原因 ,并进行了相应的处理。机组实际运行表明 :该处理措施有效降低了推力轴承温度 ,满足运行要求。还从多方面给出了防止推力轴承温度高的建议。     

电机故障在线诊断与预防性保护浅谈

分析了电动机故障的成因,并以电动机轴承故障诊断与预防为例,给出了电动机故障诊断与预防的在线测量、数据分析方法以及实现过程。从而改善电动机运行工况,达到判断和预测电动机的故障,避免造成意外停工,为实现最优化工厂维护打下基础。     

高压异步电机状态监测和故障诊断方法研究

介绍和分析了高压异步电机的故障原因,提出了状态监测及故障诊断方法。不同类型的故障,其振动频谱、电机供电电流、转矩和磁场中的频率成分不同,推导了故障类型和频谱之间的关系,给出了有关试验结果,尤其是不同负载时的转子和轴承故障的情况。可作为高压异步电机的故障诊断手段,亦可作为查找故障的技术,有利于高压电机的维护。     

基于EEMD的声阵列滚动轴承故障诊断

研究针对滚动轴承故障诊断中的类型和位置分析问题,提出了一种基于集合经验模态分解(EEMD)的声阵列滚动轴承故障诊断分析方法。以EEMD分解信号的峭度和能量作为评价指标,提取包含故障信息的IMF分解信号,根据滚动轴承理论故障频率及其倍频分析对分解信号进行窄带滤波后通过Hilbert包络谱实现故障类型判断,通过对窄带滤波后的分解信号使用声阵列技术进行声像分析实现滚动轴承故障定位分析。最后通过试验进行了方法验证,结果表明过使用基于EEMD分解的阵列分析方法,可更为直观确定故障位置和故障类型,有利于有轨机车等多轴承驱动系统轴承故障的快速和实时诊断,对于确定检修、制定合理维修决策、改进维修质量具有十分重要指导意义。     

Incipient Bearing Fault Detection via Motor Stator Current Noise Cancellation Using Wiener Filter

Current-based monitoring can offer significant economic savings and implementation advantages over traditional vibration monitoring for bearing fault detection. The key issue in current-based bearing fault detection is to extract bearing fault signatures from the motor stator current. Since the bearing fault signature in the stator current is typically very subtle, particularly when the fault is at an incipient stage, it is difficult to detect the fault signature directly. Therefore, in this paper, the bearing fault signature is detected alternatively by estimating and removing nonbearing fault components via a noise cancellation method. In this method, all the components of the stator current that are not related to bearing faults are regarded as noise and are estimated by a Wiener filter. Then, all these noise components are cancelled out by their estimates in a real-time fashion, and a fault indicator is established based on the remaining components which are mainly caused by bearing faults. Machine parameters, bearing dimensions, nameplate values, and the stator current spectrum distribution are not required in the method. The results of online experiments with a 20-hp induction motor under multiple load levels have confirmed the effectiveness of this method.     

Fault classification and fault signature production for rolling element bearings in electric machines

Most condition monitoring techniques for rolling element bearings are designed to detect the four characteristic fault frequencies. This has lead to the common practice of categorizing bearing faults according to fault location (i.e., inner race, outer race, ball, or cage fault). While the ability to detect the four characteristic fault frequencies is necessary, this approach neglects another important class of faults that arise in many industrial settings. This research introduces the notion of categorizing bearing faults as either single-point defects or generalized roughness. These classes separate bearing faults according to the fault signatures that are produced rather than by the physical location of the fault. Specifically, single-point defects produce the four predictable characteristic fault frequencies while faults categorized as generalized roughness produce unpredictable broadband changes in the machine vibration and stator current. Experimental results are provided from bearings failed in situ via a shaft current. These results illustrate the unpredictable and broadband nature of the effects produced by generalized roughness bearing faults. This issue is significant because a successful bearing condition monitoring scheme must be able to reliably detect both classes of faults.     

Bearing and misalignment fault detection in induction motors by using the space vector angular fluctuation signal

This paper describes the use of the space vector angular fluctuation (SVAF) method for bearing and misalignment fault diagnosis in induction motors. The theoretical background for SVAF is presented and it is shown how bearing and misalignment faults can be effectively diagnosed by the use of this non-invasive method. The proposed algorithm uses only stator currents as the input, without any other sensors. Both simulation and experimental results carried out on different motors show that these faults could be easily detected and differentiated from each other by fault-related frequencies, which occur in the spectrum of the SVAF.     

锅炉给水泵常见故障分析与预防措施

锅炉给水泵的给水温度较高,检修过程中,动、静部件间隙的配合和径向、轴向位置的调整是决定其检修质量的重要因素。针对大中型火力发电厂双筒多级给水泵的常见故障,并根据其特点,从检修、运行方面对机械密封故障、轴承故障、动、静部件碰磨故障等的预防措施进行了分析,通过技术探讨,为相关技术人员提供参考。     

改进双谱和经验模态分解在牵引电机轴承故障诊断中的应用

铁路机车传动系统的故障诊断,对保障列车安全可靠运行、防范事故发生起重要的作用。为了有效诊断牵引电机轴承的早期故障,提出基于经验模态分解和改进双谱的故障特征提取方法。经验模态分解是一种数据驱动的信号处理算法,相当于一个自适应滤波器组,其可将信号分解成占据不同频带的固有模态函数,实现信号消噪。滚动轴承承载运转时,局部损伤点以故障特征频率反复撞击与之接触的其它元件表面,会引发机械系统共振;基于此,采用改进双谱分析轴承振动信号各分量间的相互作用,检测轴承故障特征频率。机车实际运行试验表明,所提方法能准确诊断牵引电机轴承的早期故障。     

运用人工神经网络诊断电机轴承故障

本文运用人工神经网络方法实现对滚动轴承故障的自动分类与诊断。文中给出了神经网络诊断系统的框图，电机滚动轴承振动信号经滤波和包络处理之后，采用ＲＮＮ网络对包络谱数据进行压缩处理，然后利用基于ＢＰ算法的前馈网络实现对轴承故障的自动分类和诊断。实验结果表明，这种诊断方法是行之有效的。