旋转机械网络化集成监测单元的研究

该文设计并实现了针对旋转机械设备的网络化集成监测单元。该单元采用DSP技术、并行采集技术、TCP/IP协议、多进程与进程通讯机制,很好地解决了嵌入式状态监测系统中信号获取、数据动态管理和网络组态控制等任务的集成化问题,为设备状态监测和故障诊断的网络化提供了最基本的监测信息输入单元。     

基于1D-CNN联合特征提取的轴承健康监测与故障诊断

针对特定机械设备构建数据驱动的故障诊断模型缺乏泛化能力,而轴承作为各型机械的共有核心部件,对其健康状态的判定对不同机械的衍生故障分析具有普适性意义.本文提出了一种基于1D-CNN联合特征提取的轴承健康监测与故障诊断算法.算法首先对轴承原始振动信号进行分区裁剪,裁剪获得的信号分区作为特征学习空间并行输入1D-CNN中,以提取各工况下的代表性特征域.为避免对故障重叠信息的处理,优先使用对健康状态敏感的特征域构建轴承健康状态判别模型,若健康状态判别模型识别轴承未处于健康状态,特征域将与原始信号联合重构,通过耦合自动编码器开展故障模式判定.使用凯斯西储大学的轴承数据开展实验,结果表明本文提出算法继承了深层学习模型的准确性和鲁棒性,具有较高的故障诊断精度和较低的诊断时延.     

柱上开关状态监测与故障诊断技术研究

针对传统柱上开关监测与故障诊断技术存在硬件设备不够完善、监测时间长、监测精度低的问题,采用储存电能电动机状态监测装置和多分类柱上开关状态故障诊断算法模型对现有方法进行了改良。构建出了具有数据采集模块、数据传输模块、数据计算模块、用户服务模块的柱上开关状态监测系统。对于所收集到的柱上开关状态监测数据进行深入的分析与计算,从而实现完善的监测硬件设备,较短的监测时间以及很高的监测精度。通过实验表明,本设计最低监测精度可达95%,在小数据量数据包最快所需监测时间只要10s。     

某种车辆电源系统故障诊断方法研究

通过分析车辆电源系统的信号特征,提出了基于小波包与隐马尔可夫相结合的故障诊断方法。利用小波包分解提取电源系统各种状态下的信号特征,基于模拟退火思想改进K均值算法选取HMM初值,用特征向量训练连续HMM,再用训练好的HMM进行电源系统的状态监测与故障诊断,实验结果表明用少量样本就能取得很好的诊断效果。     

涡轮喷气发动机噪声源的盲分离

讨论了基于噪声监测的飞机发动机故障诊断技术的可行性.由于涡轮喷气发动机噪声信号中不同源信号之间的混叠,使得噪声信号分析和特征提取更加凼难.根据声源信号的相互独立性质,针对涡轮喷气发动机噪声信号,阐述了利用盲分离技术对涡轮喷气发动机噪声信号进行分离的原理和实现.利用自然梯度算法对涡轮喷气发动机转子产生的噪声信号进行了肓分离实践,分离结果验证了方法的可行性和有效性,并从分离的信号中提取了有效的发动机状态信息.为发动机状态监测与故障诊断提供了一种可行的信号处理方法.     

近似熵及其在机械设备故障诊断中的应用

近似熵从衡量时间序列复杂性的角度提供了一种表征信号整体特征的无量纲指标，具 有计算所需数据短、抗噪及抗野点能力强、对确定性信号和随机信号都适用等特点．本文介 绍了近似熵的概念、性质及其快速算法，并对某汽轮机组轴瓦松动维修前后不同状态下的振 动信号进行了分析，结果表明，近似熵在表征信号的复杂性方面具有很强的能力，从而为机 械设备状态监测与故障诊断提供了一种行之有效的新方法．     

权限管理型开放式微弱信号采集系统研究

在基于因特网、面向设备管理的开放式设备状态监测与故障诊断系统的系统构架下,引入权限管理的路径管理方式,有利于实现现场采集数据的专人专管。该系统在建立远程状态监测与故障诊断体系的同时,有机地将开放式微弱信号采集系统融合为体系的一个前台子系统,可以为设备管理部门及时提供现场设备运行状况,也可以成为一套独立的系统。论文详细介绍了系统的构成方式并采用变尺度随机共振算法作为微弱信号提取的手段,最后通过天津某大型电厂的应用证明了该系统的实用性和准确性。     

某型复杂装备车载状态监测系统设计

某型复杂装备现有设备监测数据达不到对全车的故障诊断与健康状态评估所需数据的要求,通过分析其整车电气信号,为满足复杂装备对整车数据的监测需求,设计了车载状态监测系统;给出了车载监测系统的总体架构,对综合控制处理电路、实时数据采集处理电路、总线数据监控电路和车载显示系统硬件进行了设计,设计了车载采集与报警系统和显示系统软件,最后对系统进行了车载测试,表明系统能够对复杂装备的实时运行状态进行监测,完成基本的故障诊断功能,为早期发现故障缺陷,提出处置措施,开展系统健康管理提供了条件.     

基于相关性原理起重机负载电机监测系统设计

对起重机负载电机进行了研究,采用西门子公司的S7-200 SMART PLC采集负载电机的机械振动信号,通过工业Wi-Fi无线模块以无线数据包的形式将采集的数据汇总到上位机LabVIEW监测平台;上位机的LabVIEW监测平台对电动机振动信号进行相关性和频谱分析,将实时振动数据频谱信号和已知常见负载电机的轴承外圈故障、轴承内环故障和滚子故障3种典型的故障状态频谱信号进行相关性运算,得到实时信号与已知状态的相关系数;提出了以相关系数作为故障诊断判定阈值的方法进行故障诊断,实现了对起重机状态进行监测以及监控信息发布。     

便携式变压器振动监测与故障诊断系统设计

设计一种基于嵌入式Windows系统的便携式变压器振动监测与故障诊断系统。介绍系统设计与实现的关键技术,包括信号采集、信号调理、A/D转换等硬件模块以及数据库、故障诊断算法、用户界面等软件模块的开发过程。该系统通过采集变压器的振动、电流、电压等信号对变压器状态及其故障进行分析与诊断,使用多种分析诊断算法,包括谱分析、幅值分析等常规方法,以及周期性诊断算法、模型诊断算法等新的分析诊断方法,用于及时地发现变压器的异常并发出警报。应用结果表明,该系统能够方便、有效地实现变压器运行状态及其故障的带电监测。     

一起500千伏变压器多维状态监测与故障诊断

为了提升变压器故障诊断水平并有效实现状态检修,本文针对一起500千伏主变压器内部潜伏性故障案例介绍了利用多种在线监测、离线检测等手段与故障诊断方法快速准确查找出变压器故障原因及位置。它通过采用油色谱检测、变压器振动及声音检测、容性设备在线监测、变压器局部放电检测、带电测试等多维状态监测技术开展变压器状态评价及故障诊断,并帮助实现对主变压器内部故障的准确定位和制定状态检修策略。该主变在通过状态监测及故障诊断后实现隐患故障快速准确定位,并通过紧急处理重新恢复正常运行状态,从而避免一起重大设备事故发生。结果表明,应用变压器油溶解气体色谱分析检测技术,可通过排除法准确地判断变压器故障性质和严重程度,它是早期发现变压器潜伏性故障特别有效的方法。同时,采用基于交叉小波的变压器振动信号特征量提取方法分析评价结果表明,变压器铁芯发生接地故障后其振动信号存在大量50赫兹谐波分量。借助振动及声音检测技术,能够有助于变压器故障诊断及准确定位,提高设备状态检修效率。     

数据采集卡在内燃机性能监测与故障诊断中的应用

针对内燃机在线性能监测和故障诊断的需求，利用PCL-818HD数据采集卡完成了内燃机工况参数数据采集系统的硬件设计，整个系统由便携式工控机、数据采集卡、传感器及其调理电路等部分组成。介绍了基于VB和DLL技术的Windows环境下数据采集程序的编制。该系统能实现对内燃机启动系统、供油系统和振动信号的高速采集，为分析内燃机性能状态并进行故障诊断提供了保证。     

盲源分离在机械振动信号分析中的应用

设备状态信号的处理是状态监测及故障诊断的基础。在实际运行环境中,信号检测传感器采集的机械振动信号必然包含设备各个部件的信号以及周围环境的强烈干扰。传统的振动信号处理方法抗扰去噪效果并不理想。盲源分离技术由于自身独特的盲处理优势,可以有效去除外来干扰并分离出源信号,有助于提高诊断的准确性。针对直升机齿轮箱振动信号进行盲源分离仿真,分离出了轴承故障振动信号,并将分离信号的功率谱与原始信号的功率谱相比较,表明盲源分离技术是机械故障诊断领域的一个有效的信号处理方法。     

关联维数分析方法及其在液压泵故障诊断中的应用

研究了混沌与分形的特征参数-关联维数的计算方法,分析了其计算参数的选择依据,并计算出液压泵正常和故障状态压力信号的关联维数.通过对液压泵的实验证明,设备在不同状态下具有明显不同的关联维数.因此,关联维数分析方法可以作为设备状态监测与故障诊断的有力依据,并具有较为广阔的应用前景.     

关联维数在高速列车运行状态评估中的应用研究

基于监测数据评估高速列车空气弹簧和横向减振器等关键部件的运行状态,针对车体横向加速度振动信号,本文提出了关联维数的列车状态评估方法,分析了车体横向振动特征,对时域信号进行了频谱分析,并进一步分析了关联维数。为了计算关联维数,需先对信号进行相空间重构,然后求出重构相空间的两个关键参数;用互信息量方法[1]求出最佳延迟时间和用CAO [2]方法求出最佳嵌入维数。通过对监测数据的关联维数分析,证明了该列车在四种不同标准状态下的工况具有明显不同的关联维数特征。因此,按照关联维数的大小,就可诊断出列车可能出现的故障。研究结果表明,关联维数分析方法在设备状态监测与故障诊断中,尤其是在非线性系统的故障诊断中显示出其独特的优势,具有较为广阔的应用前景。     

Fractional Envelope Analysis for Rolling Element Bearing Weak Fault Feature Extraction

The bearing weak fault feature extraction is crucial to mechanical fault diagnosis and machine condition monitoring. Envelope analysis based on Hilbert transform has been widely used in bearing fault feature extraction. A generalization of the Hilbert transform, the fractional Hilbert transform is defined in the frequency domain, it is based upon the modification of spatial filter with a fractional parameter, and it can be used to construct a new kind of fractional analytic signal. By performing spectrum analysis on the fractional envelope signal, the fractional envelope spectrum can be obtained. When weak faults occur in a bearing, some of the characteristic frequencies will clearly appear in the fractional envelope spectrum. These characteristic frequencies can be used for bearing weak fault feature extraction. The effectiveness of the proposed method is verified through simulation signal and experiment data.      

协整理论在系统状态监测与故障诊断的应用研究

提出了将经济学领域中的协整理论应用于动态（非平稳）采用协整理论分析了发动机在正常工作状态下若干非平稳输出变量,工程系统的状态监测与故障诊断问题;基于汽车发动机仿真数据,验证了这些变量在正常工作状态下满足协整关系,即长期均衡的关系;进一步模拟了发动机输出轴扭矩传感器故障。在这种故障状态下,发现发动机的各检测变量之间的协整关系已被破坏;运用变量轮换-降阶协整模型法,确定了转矩变量是破坏这种协整关系的源头;结果表明协整理论在动态工程系统状态监测与故障诊断领域有良好的应用前景。     

倾斜因子K均值优化数据聚类及故障诊断研究

为提高海量数据挖掘和聚类的效率和精度,以应用于压缩机机械故障智能诊断中.将遗传算法与K均值聚类算法进行互补,提出基于倾斜分类K均值优化数据聚类算法.算法引入倾斜因子,避免较小类数据产生次优解的现象发生.在传统的K均值数据聚类算法基础上,通过倾斜因子排除了少数类局部最优解的干扰,提高遗传算法的收敛速度,也可以避免过早收敛到局部最优解中.仿真实验中以某天然气压气站采集的故障状态下的压缩机振动信号提取的特征量数据作为研究对象,进行数据聚类分析.仿真实验表明,通过改进的数据聚类算法对故障信号关联维特征量进行分类识别,能有效对四类天然气压缩机故障进行诊断分类,准确率能提高18.7％,研究结果在数据优化聚类及在机械故障诊断中的应用中具有良好的指导意义和实践价值.