柱塞泵故障实时检测系统的设计

电厂除灰系统中柱塞泵的工作条件恶劣,非常容易发生泄漏.通过对柱塞泵正常工作和泄漏时声音信号的特征量的对比分析,设计了频域和时域相结合的方法检测故障,设计中利用功率谱、短时能量、自相关函数等特征量来判断柱塞泵工作状态,并提供了采用工程简化实现实时检测的方案.     

气密检漏泄漏量测试系统的设计

介绍了一种基于直压检漏法和红外皂膜流量计技术设计的智能检漏泄漏量测试仪器,这种仪器兼备检漏测试和泄漏量测试的功能;通过分析可消除自然光直流干扰的皂膜检测调理电路的工作原理,简化了皂膜计的结构,并且论述了泄漏量检测原理、气路设计、硬件电路和软件设计,设计出检漏泄漏量测试为一体的高精度、便携式的检漏泄漏量测试仪器。     

气体灭火设备电磁式容器阀门泄漏检测系统设计

构建气体灭火设备电磁式容器阀门泄漏检测系统,提高气体灭火设备的安全性,提出基于无线传感器网络控制的气体灭火设备电磁式容器阀门泄漏检测系统设计方法。采用无线传感器实现对气体灭火设备电磁式容器阀门泄漏的压力数据采集,结合对压力特性的观测和浓度数据特征分析结果,采用主机和从机联合控制方法,建立泄漏数据监测的AD信息采集模块,根据正常工作状态对比泄漏状态提取特征参数,判断气体灭火设备电磁式容器阀门泄漏状态特征量,在信息输出端,通过ARM主控系统对气体灭火设备电磁式容器阀门的压力数据进行处理判断以及显示,实现泄漏检测的人机交互设计。测试表明,采用该系统进行气体灭火设备电磁式容器阀门泄漏检测的数据监测结果准确可靠,稳定性较好。     

膜式燃气表机芯泄漏智能检测系统

介绍了膜式燃气表机芯泄漏智能检测系统的设计与实现。该系统可以准确和高效地检测机芯的泄漏量,特别适合于生产实际中的质量过程控制。     

基于EMD与VPMCD的矿浆管道泄漏检测方法

针对矿浆管道工况调整给泄漏检测带来的干扰,准确提取泄漏信号的特征量是降低泄漏误报、漏报的关键.提出了一种基于经验模态分解(EMD)与变量预测模型(VPMCD)的泄漏检测方法.将压力信号分解为若干个本征模函数(IMF)分量,得到能够准确反映工况特征的局部Hilbert能量谱,并作为特征值向量,通过VPMCD分类器建立泄漏识别模型.方法应用于泄漏检测中,实验结果表明:矿浆管道在正常运行、泄漏和工况调整状态下,识别率达到95%,并综合分析流量信号,提高了泄漏检测精度.     

基于多声学传感器融合的管道泄漏检测方法研究

针对单一类型传感器检测管道泄漏的局限性,本文提出了一种基于多声学传感器融合的管道泄漏检测方法.它将振动传感器和声音传感器相结合以获取泄漏点声波信号,通过对这两种声波信号提取某种特征量进行相应的融合计算推断出管道泄漏是否发生.实验结果表明,该种方法能有效地提高管道泄漏检测的准确性.     

液体管道的泄漏仿真

为了找出管道参数的动态变化规律,基于管道的机理模型,通过引入附加边界条件,对泄漏量、泄漏位置和泄漏上升时间对管道内参数的影响进行仿真。结果表明,其他两个因素保持不变的条件下,泄漏量主要影响管道参数的幅值,泄漏上升时间主要影响其波形,泄漏位置会同时影响其幅值和波形,而管道泄漏量和孔的大小及其位置密切相关,而且泄漏管道参数具有和停泵显著不同的特征,可以为运行指导、泄漏检测和人员培训提供必要的辅助手段。     

基于混沌的超声波管道泄漏检测系统研究

管道的泄漏检测是保障管道安全运行的重要技术,而管道信号的特征提取是管道泄漏检测系统中重要的组成部分.由于信号处理工作难度较大,并且泄漏判断的误报警率较高,本文提出利用混沌理论的超声波检测方法对管道信号进行特征提取,根据特征量的变化判断泄漏,对实际信号进行了处理并验证了该方法的可行性.     

差压测漏仪微泄漏的建模与仿真

为研究密封件的微泄漏量大小与检测时间之间的关系,实现检测时间与检测可靠性的优化,通过分析密封件微小泄漏的理论,建立了微小泄漏的等效模型。基于此模型,采用AMESim仿真软件对差压测漏仪检测微小泄漏的动态特征进行仿真分析,得出了被测件微小泄漏时的动态P-T关系曲线。结果表明,此仿真试验能反映出密封件微泄漏时压力与时间的动态关系,为制定最优的检测时间提供了依据。     

基于红外成像多特征联合的乙烯气体泄漏检测

针对目前乙烯气体泄漏检测存在效率低、精度差以及无法准确标定泄漏位置等问题,提出了一种基于红外成像多特征联合的乙烯气体泄漏检测方法。该方法首先利用红外相机获取生产车间的红外视频图像,通过联合帧间差分和背景差分的方法获取疑似区域;其次对疑似区域进行泄漏气体成像的统计特征和小波能量变化特征分析,找出特征阈值;最后将多个特征阈值条件联合在一起,作出是否存在泄漏的判定。实验结果表明：该方法准确、高效且具备实时性,其泄漏检测的准确率达到95.6%。     

单向阀的小波包核主元分析故障检测

高压活塞隔膜泵是管道输送的最重要动力源,为了解决其内部单向阀故障的在线监测问题,提出一种基于声发射信号的小波包时频及核主元分析(KPCA)的检测方法。首先采用小波包对声发射数据进行处理,求出信号各频率段的能量值;然后采用KPCA方法对能量值在高维空间进行分解建立特征模型,利用特征模型中的SPE和T2统计量对故障信号进行检测;最后对GEHO型隔膜泵单向阀的声发射数据进行实验验证。通过与主元分析方法的比对,表明所提方法能够快速、准确地对单向阀故障进行在线检测,在高压活塞隔膜泵无损故障检测领域具有良好的应用前景。     

基于小波能量熵和邻域粗糙集的电磁阀故障诊断研究

液体电磁阀是航空变量柱塞泵系统的关键控制元件，准确诊断电磁阀的故障类型是系统安全运行的重要保证；为了对航空变量柱塞泵系统中电磁阀进行检测与诊断，提出了一种基于小波能量熵和邻域粗糙集相结合的方法；研究了液体电磁阀驱动端的电流故障特征；采用AMEsim多学科领域仿真软件建立仿真模型，分析驱动端电流与阀体位移的关系，搭建实验系统，采集正常状态和故障状态的电流信号，分析不同状态的电流特性；然后利用小波包分解重构信号，提取对应的频带能量作为特征向量；最后，引入变精度模糊邻域粗集约简算法简化数值属性，提高了系统的效率；简化的属性集用于构建决策树，经过迭代训练，该模型诊断准确率达90%，达到了预期效果，实现了对液体电磁阀的快速诊断。     

基于斜盘交错角的柱塞泵流量脉动研究

为了减小液压系统的噪声排放,必须减小来自泵源处的流量脉动。采用斜盘交错角的柱塞泵结构可以有效降低柱塞泵出口的流量脉动。交错角通过改变柱塞在轴向方向上的运动规律来影响柱塞在三角槽过渡区的压缩体积。通过分析发现交错角每增加1°,过渡区压缩体积增加0.084mL。使用PumpLinx软件计算不同交错角下的单柱塞腔出口流量。发现交错角越大,柱塞腔内的倒灌流量越小,但会增加柱塞腔内的压力超调量。最后通过PumpLinx软件计算交错角柱塞泵在不同转速、压力下的出口流量,得出合适的交错角大小。     

An improved convolutional neural network with an adaptable learning rate towards multi-signal fault diagnosis of hydraulic piston pump

Hydraulic piston pump is a vital component of hydraulic transmission system and plays a critical role in some modern industrials. On account of the deficiencies of traditional fault diagnosis in preprocessing of original data and feature extraction, the intelligent methods based on deep learning accomplish the automatic learning of fault information by integrating feature extraction and classification. As a popular deep learning model, convolutional neural network (CNN) has been demonstrated to be potent and effective in image classification. In this research, an improved intelligent method based on CNN with adapting learning rate is constructed for fault diagnosis of a hydraulic piston pump. Firstly, three raw signals are converted into two dimensional time–frequency images by continuous wavelet transform, including vibration signal, pressure signal and sound signal. Secondly, an improved deep CNN model is built with an adaptive learning rate strategy for identifying the different fault types. Moreover, t-distributed stochastic neighbor embedding is employed to visualize the distribution of features learned by the main layers of CNN model. Confusion matrix is used to analyze the classification accuracy of each fault type. Compared with the CNN model without adapting learning rate, the improved model achieves a higher accuracy based on the selected three kinds of signals. Experiments indicate that the improved CNN model can effectively and accurately identify various faults for a hydraulic piston pump.     

A novel adaptive convolutional neural network for fault diagnosis of hydraulic piston pump with acoustic images

As an essential part of hydraulic transmission systems, hydraulic piston pumps have a significant role in many state-of-the-art industries. Thus, it is important to implement accurate and effective fault diagnosis of hydraulic piston pumps. Owing to the heavy reliance of shallow machine learning models on the expertise and experience of engineers, fault diagnosis based on deep models has attracted significant attention from academia and industry. To construct a deep model with good performance, it is necessary and challenging to tune the hyperparameters (HPs). Since many existing methods focus on manual tuning and use common search algorithms, it is meaningful to explore more intelligent algorithms that can automatically optimize the HPs. In this paper, Bayesian optimization (BO) is employed for adaptive HP learning, and an improved convolutional neural network (CNN) is established for fault feature extraction and classification in a hydraulic piston pump. First, acoustic signals are transformed into time–frequency distributions by a continuous wavelet transform. Second, a preliminary CNN model is built by setting initial HPs. The range of each HP to be optimized is identified. Third, BO is employed to select the optimal combination of HPs. An improved model called CNN-BO is constructed. Finally, the diagnostic efficiency of CNN-BO is analyzed using a confusion matrix and t-distributed stochastic neighbor embedding. The classification performance of different models is compared. It is found that CNN-BO has a higher accuracy and better robustness in fault diagnosis for a hydraulic piston pump. This research will provide a basis for ensuring the reliability and safety of the hydraulic pump.     

基于 AMESim 的航空燃油柱塞泵特性仿真

针对柱塞倾斜安装的某型航空燃油柱塞泵进行运动学分析,首先基于坐标互换法建立柱塞运动方程,然后采用 AMESim 软件构建柱塞泵模型,最后仿真分析柱塞倾角和转子转速对柱塞泵运动特性、流量特性及压力特性的影响。仿真结果表明,相同工况下柱塞倾角对流量的影响小于转子转速,但斜柱塞结构能增大柱塞行程,增加泵的供油量,适度改善柱塞泵的流量脉动情况。     

航空发动机燃油柱塞泵计算机辅助设计方法

针对现有航空燃油柱塞泵实验设计方法的不足,给出了一种计算机辅助设计方法。首先采用坐标互换法建立燃油柱塞泵的二元运动模型;然后使用AMESim仿真软件建立柱塞泵的模块化仿真模型;最后进行了柱塞泵的运动仿真分析和性能仿真分析。通过某型航空燃油柱塞泵的试验和仿真对比研究表明:性能仿真数据与试验数据十分吻合,能够反映柱塞泵实际工作性能。说明辅助设计方法是可行的、有效的。     

隔膜泵曲轴连杆连接松动动力学建模与分析

将隔膜泵曲轴连杆连接处连接松动按照磨损故障来考虑,采用碰撞-分离两状态接触力模型建立了相应的隔膜泵十字头滑块的动力学模型,在此基础上采用Runge-Kutta法进行了数值仿真,给出了不同参数下,即不同曲柄转速、不同磨损量、不同液体压力下的十字头滑块的位移-速度动态响应,并得出以下结论:隔膜泵曲轴连杆连接松动的动态响应受到曲柄转速的影响较大,与磨损量和活塞表面的液体压力也有一定的关系。     

挖掘机高压轴向柱塞泵的虚拟样机

为利用虚拟样机技术预测挖掘机高压轴向柱塞泵的各项性能,基于AMESim和Virtual.Lab开展液压系统建模、一维与三维刚柔耦合联合仿真建模、缸体的系统级疲劳分析以及柱塞泵的辐射噪声分析,得到流量和压力特性曲线、缸体疲劳损伤结果以及各场点的声压曲线,为开展优化设计提供参考.     

基于键合图法的活塞泵建模与仿真

基于由荷兰Twente大学控制工程系研发的机电一体化建模软件20-sim,提出利用键合图法实现活塞泵的建模与仿真。在实例模型中,首先实现了单向阀的20-sim模块构造,继而在20-sim环境中建立了活塞泵的键合图模型,仿真结果理想地显示了概念设计阶段的控制效果。