旋转机械状态监测与故障诊断系统

本文作者以旋转机械为对象，开发研制了一个集数据采集、状态实时监测与报警、工况在线分析及邦联智能诊断于一体的状态监测与故障诊断系统。该系统已在汽轮发电机和透平压缩机组上投入运行，应用实践表明它能广泛适用于各类放置机械的状态监测与故障诊断。     

人工神经网络及其在机械故障诊断中的应用

传统的模式识别技术经常被用于识别机器的状态,然而巨量并行性的人工神经网络的出现提供了解决问题的一种新的途径。本文探讨了人工神经网络在机械故障诊断领域中的应用前景,并提出一种基于人工神经网络的机器状态识别法。实验表明,该方法有着较好的诊断效果。     

事故追忆系统在大型旋转机械故障诊断中的应用

事故追忆系统（黑匣子）能否及时、准确地将大型旋转机械发生故障时各种数据真实地保存下来,提供给专家系统或专家,作为故障诊断的依据,是故障诊断正确与否的关键。文中为某炼油厂主风机组故障诊断装置设计了事故追忆系统,经长期运行,性能良好,为故障诊断提供了可靠、准确的数据。     

机械状态监测和故障诊断的RCM技术研究

针对传统RCM技术具有的非实时性以及静态性等问题,研究出一种基于状态监测和故障诊断的RCM技术。以某石化厂往复式压缩机为例,将基于状态监测和故障诊断的RCM技术的实时性和动态性充分体现了出来,有效提高了设备的故障检修效率,实现了企业维修资源的优化配置,进而达到了提高企业经济效益的目的。     

人工神经网络在机械故障诊断中的应用

针对传统的机械故障诊断方法的局限性,提出将人工神经网络应用于机械故障诊断中。由于BP算法存在收敛速度慢及易陷入局部极小等缺陷,利用实数编码改进遗传算法对神经网络的权值和阈值进行优化训练,并把训练好的神经网络用于机械振动信号预测及机械故障诊断中。通过对机械设备振动信号的预测,可以及早发现故障,及时消除故障隐患,为企业节省大量的维修时间和维修费用,提高企业的生产率。     

旋转机械状态监测和故障诊断

通过监测旋转机械设备的振动、温度等物理量的变化，及时掌握设备的工作状态，从而指导设备工程师对设备运行的状态“心中有数”，做到故障提前发现、及时维修，“防患于未然”，提高了设备运行的可靠性。对于精密加工设备，也可配置状态监测系统，当工件或刀具振动异常时，及时提示，保证工件的加工精度，减小报废率。     

旋转机械在线状态监测与故障诊断系统

以D350煤气排送机为研究对象,研制开发了一套旋转机械在线监测和故障诊断系统.重点介绍了该在线监测和故障诊断系统的总体结构和各子系统工作原理,详细分析了实现该系统功能的关键技术.     

大型旋转机械状态监测与故障诊断研究进展

分析了旋转机械状态监测与故障诊断研究的重要意义。提出了一种由状态监测与故障诊断理论和方法、状态监测与故障诊断关键技术、状态监测与故障诊断系统、状态监测与故障诊断工程应用四个方面相互支撑的旋转机械状态监测与诊断研究的体系架构,给出了一个超超临界汽轮发电机组状态监测与故障诊断系统研究的实例。分别综述了大型旋转机械状态监测与故障诊断的理论和方法、关键技术、应用系统研究及其工程应用的进展,提出了对于旋转机械状态监测与诊断研究的思考与建议。     

虚拟现实在旋转机械故障诊断中的应用

提出把虚拟现实（ｖｉｒｔｕａｌｒｅａｌｉｔｙ，ＶＲ）应用于旋转机械的故障机理研究及故障诊断，以更直观和更投入的方式研究故障的机理及其发生，发展过程以及可能导致的后果，还可弥补某些故障不能在转子实验台上模拟之缺陷。     

BP神经网络在旋转机械故障诊断中的应用

神经网络由于其本身具有的优越性，已广泛应用于各个领域中的分类、联想问题。本文将ＢＰ神经网络理论应用于风机故障诊断中，取得了较好的结果。     

模拟退火算法在旋转机械故障诊断中的应用

本文用模拟退火算法建立了旋转机械故障诊断的人工神经网络模型,以幅值谱中７个频段上的幅值为网络的输入模式,对旋转机械常见的几种故障进行分类训练,并应用于等识别故障样本的识别计算,结果表明该方法在旋转机械故障诊断中是有效的。     

BP神经网络在机械故障诊断中的应用

根据BP算法神经网络模型,阐述BP神经网络应用于机械故障诊断的基本步骤,归纳总结BP神经网络在机械故 障诊断中的应用及实例,提出存在的问题和发展方向。     

振动监测系统在大型旋转机械上的应用

介绍了一套用于烧结厂主风机的状态监测与故障诊断系统,并给出了现场应用实例.     

大型旋转机械在线监测与故障诊断系统

介绍一种大型旋转机械在线状态监测与故障诊断系统——MMDS2000系统,阐述该系统的工作原理、构成和特点、监测功能及应用实例。     

虚拟仪器在机械设备故障诊断中的应用

本文介绍了虚拟仪器的基本内容,并利用美国国家仪器公司的LabVIEW开发平台以及该公司的数据采集卡6259等数据采集设备为硬件基础,设计了一个机械设备测试诊断平台,结果表明,系统实现了虚拟仪器在设备状态监测和故障诊断中的应用。     

振动信号监测在刀具磨损故障诊断中的应用

以典型高档数控机床DL-20M H型车削加工中心为试验对象,采用加速度传感器对振动信号进行监测。信号分析过程中,应用时域分析、频域分析实现了刀具磨损量与振动信号的关联,解决了生产过程中由于刀具突然损坏导致的产品质量下降问题,从而降低生产成本。     

BP神经网络模型在旋转机械故障诊断中的应用

本文利用神经网络模型建立了旋转机械常见故障的类别与征兆之间的映射关系.并利用这一模型对几种常见故障进行了分析诊断,诊断结果表明本方法精度高,结果可靠,对于工程应用具有一定的实用价值.     

润滑油光谱分析在风机故障诊断中的应用

通过具体实例论述了油液光谱分析技术在风机监洲与故障诊断中的应用,使设备在不停机、不解体情况下确定关键摩擦副的磨损情况、润滑油添加剂的损耗及冷却器的泄漏,同时通过分析实践,总结出了风机磨损元素界限值的确定方法,为风机等旋转设备故障诊断及维护提供科学了依据.     

RBF神经网络在旋转机械故障诊断中的应用

为克服BP网络在机械故障诊断中存在的训练收敛速度慢且容易陷入局部极小、网络初值对学习性能影响比较大等缺陷,提出了一种基于最近邻聚类学习算法的RBF神经网络模型,并将该模型应用于旋转机械的故障诊断中。应用结果表明, RBF网络训练速度快、分类性能良好,在设备故障诊断领域具有很好的实用性。     

基于2D-HMM旋转机械升速过程的故障诊断方法研究

旋转机械升速过程具有信息量大、信号非平稳、重复再现性不佳等特点，二维隐Markov模型(2D—HMM)很适合处理此类信号。将2D—HMM引入到旋转机械升速过程的故障诊断中，提出了一种基于2D—HMM的故障诊断方法，描述了该模型的拓扑结构和主要参数以及相应的训练和识别算法。最后通过Bently—Nevada转子试验系统验证了方法的有效性。