聚丙烯造粒机组减速机轴承失效诊断分析

通过对聚丙烯造粒机组减速机振动故障特征频率进行检测,并对轴承故障点特征频率进行计算,判断出减速机输入轴系支撑轴承或传动部件故障。对减速机解体检查后,振动故障诊断分析的结论得到了验证。     

基于小波包-神经网络的泵机组故障诊断

泵机组是部队油库的主要工作设备,长期工作容易发生机械故障,对其进行故障诊断非常必要。本文通过采集泵机组工作时的振动信号,对采集到的信号进行小波包分解提取特征向量,利用三层BP神经网络对特征向量分类训练和模式识别的方法,提高了泵机组故障诊断的速度和精度。实验的结果表明,小波包分解与BP神经网络相结合的方法,故障识别精度高、速度快,可以满足油泵故障诊断的要求。     

风力发电机组振动故障诊断与分析

加强对风电机组的状态监测与故障诊断技术,作为保障机组可靠运行和寿命管理的关键技术,越来越受到重视。根据风力机的具体特点,对多台风力发电机组进行了实际监测,获得了大量实测数据,并应用多种振动测试分析技术,重点分析了主轴承、齿轮箱和发电机的振动特征和故障机理。为解决风电机组实际运行状态监测和故障诊断,提供了有效的技术支持和保障。     

某电厂2号机组振动故障的分析与处理

某电厂2号机组机组启动过程中出现的轴系振动故障,分别对冲车、定速、带负荷过程进行了振动监测,并根据监测数据分析,故障原因为质量不平衡所致,因此采用动平衡法消除故障。平衡加重后消除了机组振动故障,经检验机组振动情况良好。通过对该机组机组振动数据分析、故障诊断及故障处理所积累的经验,对其它大型发电机组轴系振动故障处理具有现实指导意义。     

时频分析在透平压缩机振动故障诊断中的研究与应用

设备故障诊断近年来已发展成为一门新兴学科。振动故障诊断是常见的应用于透平压缩机的故障诊断方法。针对上海焦化有限公司空气透平压缩机的故障振动信号,提取故障特征,对振动谱图进行时频分析,对故障形式进行分析判断。     

潜油电泵机组振动检测与故障诊断系统

潜油电泵机组产生严重的振动,会使机组出现运行故障,降低了使用寿命。本文对潜油电泵机组振动检测和故障诊断系统设计要求进行分析,并从振动检测和故障诊断系统软件、硬件设计两方面进行研究,可供相关人员参考。     

基于虚拟技术的齿轮故障智能诊断研究

利用LabVIEW图形化编程语言开发了信号分析与处理、信号特征提取和故障诊断三大模块。信号特征提取由小波包分解来实现,故障诊断通过神经网络完成,小波包分解提取的齿轮振动信号各频段能量特征值作为神经网络的输入向量。以模拟故障实验台获取的齿轮典型故障振动信号训练神经网络,利用训练好的神经网络对齿轮进行故障诊断,实验结果表明：所开发的齿轮故障智能诊断系统能有效识别齿轮故障,较好地将虚拟技术应用于故障诊断领域。     

基于形态滤波和HHT的滚动轴承故障特征提取

应用形态滤波和HHT提取滚动轴承振动信号故障特征。通过形态组合滤波对信号进行预处理,对预处理后的信号进行EMD分解,把信号分解为若干个IMF的和,之后计算IMF的希尔伯特能量谱,提取振动信号的故障特征频率。本算法能够较准确地提取出滚动轴承振动信号的故障特征频率,为滚动轴承振动检测与故障诊断研究提供参考。     

自适应小波降噪的泵机组故障诊断

泵机组故障诊断的难点在于信号特征向量的提取,而故障特征往往淹没在复杂的噪音中。本文利用自适应小波函数对采集到的振动信号进行降噪,滤掉了无关的噪声信息,根据振动能量的分布,对降噪过的信号进行四层小波包分解,提取出的特征向量分布明显。最后将分类特征向量输入神经网络进行训练,测试的结果证明,该方法识别精度高、速度快,具有良好的应用前景。     

基于SSA-SVD降噪和卷积神经网络的行星齿轮箱故障诊断研究

行星齿轮箱作为重要的机械传动部件，其健康运行关系着整个工程机组的安全运作。卷积神经网络常用于解决行星齿轮箱故障分类问题，但由于实际监测中有各种噪声源的存在，振动信号成分复杂，信噪比下降，仅仅使用卷积神经网络进行故障诊断效果不佳。因此提出一种麻雀搜索算法优化的奇异值分解降噪方案，采用该方案对监测的振动信号进行降噪处理，突出低频的故障特征，结合卷积神经网络实现对含噪声振动信号的故障诊断。实验结果表明，两种方法结合可使卷积神经网络模型收敛速度更快，并将诊断准确率提升至97.43%。     

压差发电涡轮叶片振动响应的长度分形故障特征提取与诊断

为了对压差发电机组中涡轮进行故障监测与故障诊断,对涡轮压差发电机组的叶片振动响应进行了分析,并将其作为涡轮运行状态分析的特征量。应用有限元分析方法,建立了550 KW涡轮发电机组的动力学模型,通过计算与调试过程的模态分析,分别获得整个机组的固有频率和振型,并比较验证了工程中实际机组的合理性。用锤击法测得涡轮叶片正常状态和偏心故障下的振动加速度响应信号,应用非线性动力系统的长度分形维数理论,计算其长度分形维数,并将其作为涡轮叶片偏心故障诊断识别的特征量。研究结果表明,该方法能有效识别涡轮机叶片正常工作状态和偏心故障的状态,及其偏心位置和偏心量大小。     

水厂机泵故障诊断系统在供水泵房的智能化应用

为解决城市发展带来的用水问题,供水智能化已成为供水企业破解这一难题的重要手段。保障水泵机组安全可靠运行更是首当其冲,如何及时发现异常运行的泵组,查找故障原因,并提出科学的检修方法,已成为推动供水智能化的焦点。以失效模式和效果分析(FMEA)软件技术为基础,探索在线振动监测与故障分析诊断在大型水泵机组中的应用,并通过实例故障的处理,阐述了机泵故障诊断系统在泵组安全运行、科学检修、提高设备管理中所取得的效果。     

基于间接示功图测量的电潜柱塞泵故障诊断研究与应用

在分析电潜柱塞泵工作原理的基础上,结合柱塞式抽油泵的结构,建立了机组运行的理论示功图,对其进行了深入分析。以功率信号作为故障信息,提出一种基于间接示功图测量的电潜柱塞泵故障诊断方法,并描述了小波去噪方法绘制实测示功图的主要过程。针对机组典型故障,在室内模拟平台和现场油井上对该方法的准确性进行了验证实验与分析。测试结果表明:故障诊断效果较好。     

DH型离心式压缩机临界转速计算及油膜振荡故障排除

利用雷利(Rayleigh)-里兹(Ritz)公式计算了带齿轮叶轮的转子轴的一阶临界转速,并利用故障诊断频谱分析方法,采用Rockwell-Entek便携式故障诊断系统对机组振动故障进行检测,通过对离心式压缩机的振动频谱进行分析及故障诊断,探究油膜振荡引起的故障原因,提出排除方法,避免事故发生。     

旋转机械故障诊断技术在大机组上的应用

采用旋转机械故障诊断方法,对大机组振动原因进行分析,进一步阐述频谱分析技术对机组振动信号在频域进行特征分析的方法,对有效地开展机组运行状态监测和故障诊断工作具有良好的现实意义.     

粗集理论及其在旋转机械故障诊断中的应用 (二)旋转机械故障诊断知识库的形成

旋转机械故障诊断知识库形成的主要环节是信号的采集和信号的分析、整理 ;在所有的机械故障信号中 ,振动诊断技术是故障诊断的常用手段 ,对振动信号实现连续、在线诊断的最重要的数学工具是快速傅里叶变换(FFT)和小波理论。通过对实验的观察 ,建立转子故障特征向量和故障类型之间对应关系的数据库 ,为基于粗集理论故障诊断的决策表的形成提供了原始的知识库     

内置式透平循环压缩机改造

介绍了内置式透平循环压缩机进出口压差密封部件及定位键与外壳间联接结构的改造措施和效果 ;简述了机组在线状态监控系统的基本功能与应用情况 ,以及选择转子轴向位移和振动作为状态监控系统主要监测信号的原因。为提高故障诊断的准确率 ,需把人工神经网络、基于规则故障诊断和模糊故障诊断三者有机地结合起来 ,对故障诊断系统进行改进和完善。     

螺杆制冷压缩机振动故障分析及处理

采用状态检测和故障诊断技术对螺杆制冷压缩机振动进行频谱分析,判断机组振动异常的原因,制定科学合理的解决措施,由此大大节约了检修时间,减少了停机损失,并明显改善了机组的运行工况,有利于机组的稳定运行。     

基于LabVIEW的倒频谱与包络谱分析在风电机组齿轮箱故障诊断中的应用

风力发电机组的齿轮箱许多故障信息以调制形式存在于振动信号之中,在此利用LabVIEW强大的信号分析功能对齿轮箱振动信号进行分析,开发出基于倒频谱与包络谱分析的齿轮箱故障诊断系统。试验结果表明:倒频谱与包络谱分析可以有效诊断出齿轮箱的故障信息。     

以状态监测技术为基础开展设备管理工作

在设备状态监测诊断技术中,目前有振动监测、滑油监测技术等。而通过对机械设备振动信号的测量和分析,可以掌握其劣化程度和并对故障性质做出判断;另外,振动监测简单易行,很方便在现场进行。振动诊断法是对旋转的机械设备进行故障诊断最有效的方法。在设备管理中正确运用振动检测技术能够更好地掌握设备运转状态,合理安排维修的时间,减少设备事故的发生。