振动监测诊断技术在设备管理中的应用与研究

介绍了机械设备振动监测诊断技术在设备管理中的作用、振动信号分析方法及监测案例。     

基于振动分析的DY25-30×3型多级离心泵故障诊断

机械设备的故障诊断方法很多,对于旋转机械我们采用基于振动的机械设备故障诊断技术,通过振动监测,采用频谱分析技术可以判断出故障部位和原因。针对现场多级离心式清水泵的振动超标现象,利用恩普特的PDES-E进行状态监测,确定振动机理,并且对故障形成的原因作进一步分析。     

LabVIEW实现机械设备状态监测与故障诊断

提出了利用LabVIEW实现机械设备状态监测与故障诊断的方法,详细说明了机械设备中常见参量的监测和诊断原理,给出了监测诊断系统的硬软件结构和应用功能模块,最后提供了振动和温度两参量的监测和诊断程序实例。该系统简单易用、测试效率高、柔性强,同时可实现多参量测试并行化,大大提高机械设备状态监测和诊断水平。     

机械设备的振动监测

从监测对象的确定、监测参数的选择、传感器的定位安装和设备状态的判断标准等方面介绍了机械设备的振动监测。     

基于CH375振动信号远程监测系统的设计

针对机械设备振动信号远程监测的需要,设计了一种基于USB接口芯片CH375的振动信号远程监测系统.将传感器采集到的信号经过滤波放大、模数转换送入单片机进行处理;利用USB接口将数据传给上位机;使用KeilC51程序设计语言编写了固件程序,并运用C++ Build提供的控件和CH375的动态链接库DLL开发了应用程序.结果表明:该系统具有性能稳定、可靠性高、响应速度快、成本低等优点,实现了对机械设备振动信号的实时监测.     

机械诊断中的几个基本问题

机械状态监测和故障诊断技术,在生产实践中发挥了重要作用。机械状态监测能够对机械设备运行状态进行实时监测,故障诊断能够判断机械设备故障的类型及发展趋势。本文介绍机械设备状态监测和故障诊断相关理论和提高故障确诊率的措施,重点介绍基于振动信号的检测技术在机械诊断中的应用,并对机械诊断的发展趋势进行展望。     

基于MEMS传感器的无线振动测量节点设计

针对机械设备有线振动监测系统存在监测盲区、部署成本高等不足,现有无线振动节点存在的高频率振动信号拾取困难、通信速率低、硬件性能差等问题进行了应用研究。基于射频和嵌入式技术,采用精密MEMS传感器,设计了基于STM32微控制器的高精度数据采集、无线射频通信、大容量存储及电源调理等硬件电路,并根据测量频率范围设计了2类不同通信速率的振动节点,实现了节点的无线组网通信、TPSN时间同步等软件设计,研制适合机械设备振动监测应用的无线振动测量节点。最后搭建振动对比校准实验台对该节点进行参数标定,经实测节点具有较高测量灵敏度和精度,具有一定应用参考价值。     

机械设备振动监测与故障诊断的发展与展望

本文对机械设备振动监测和故障诊断技术的组成、功能及其发展进行了综述,主要介绍振动测试、特征提取、状态识别及其装置的发展,并展望它们的发展趋势．     

浅谈轧钢机械的振动监测与故障维护

本文主要介绍了轧钢机械设备的故障监测与维护方法,以振动故障的特征数据及诊断标准为根本,提出了一系列信号采集和信号分析的新方法,旨在为轧钢机械设备的维修提供更准确快捷的方法。     

振动能量的矿用无线监测节点总体设计及性能测试

以无线监测网络供电难为研究背景,提出了振动能量的矿用无线监测节点,通过对压电俘能器、无线监测节点的硬件以及软件等结构的整体设计,弥补了无线监测网络供电难的不足,同时对检测节点进行了性能测试,测试结果显示,延长了节点储能单元更换周期,实现了对机械设备的振动监测,且运行效果良好。     

基于粒子滤波的电力机械设备状态在线监测

为提升电力机械设备状态在线监测的效果，提出基于粒子滤波的电力机械设备状态在线监测方法。通过人工萤火虫群算法改进粒子滤波算法后，借助随机子空间算法构建改进粒子滤波算法所需状态方程。利用该状态方程获取电力机械设备正状态观测矩阵和输出矩阵数值，并将其看作模态参数，依据该模态参数计算粒子滤波状态序列和电力机械设备振动状态变量数值后，构建粒子滤波器，使用该滤波器去除电力机械设备振动信号内干扰噪声后，对电力机械设备振动信号实施归一化处理，得到粒子权重概率和改进粒子滤波监测数值。通过设置振动信号监测步长和阈值，计算监测信号与采集信号差值，使其与所设阈值进行对比，获取电力机械设备状态在线监测结果。实验结果表明，该方法监测的电力机械设备信号最大偏差数值仅为0.003 dB,具备较好的信号跟踪能力，且具备较好电力机械设备振动监测能力。     

基于能量耗损的摩擦学系统状态识别方法研究

通过对摩擦学系统的能量流监测,结合状态识别方法的分析,提出了基于磨损与振动能量损耗监测方法,建立了能量损耗的机械设备状态监测框架模型。分析指出,磨损与振动都是能量耗损行为,且二者的相关性采用齿轮疲劳试验证实。研究表明,基于齿轮磨损的光谱分析的元素相对质量分数的累积相对标度和振动信号时域的均方根值的累积相对标度具有很好的相关性,这表明齿轮磨损和振动具有很好的相关性,因此摩擦学系统的状态识别与故障诊断采用能量损耗监测的方法是可行的。     

基于白噪声统计特性的振动模式提取方法

针对机械设备状态监测和故障诊断过程中的特征提取问题,提出一种基于白噪声统计特性来实现机械振动信号振动模式提取的方法。该方法是对经验模式分解算法(Empirical mode decomposition,EMD)的一种发展,应用归一化白噪声在EMD中具有的统计特性,可以自适应地消除机械振动信号经EMD分解产生的高频噪声分量及低频虚假分量,得到反映信号实际物理意义的振动模式分量集。对该振动模式分量集进行Hilbert变换,提取出信号的Hilbert时频特征。整个特征提取过程不需要构造任何参数表达的基函数及相关滤波函数,也无需有关信号的任何先验知识,因而在实际应用中具有更好的适用性。仿真信号和转子试验台试验信号验证该方法的可行性和有效性。     

基于网络环境的机电设备远程监测原型系统的实现

为了实现机电设备的网络远程监测和诊断，通过对CAN现场总线及C／S模式、B／S模式的应用范围进行比较，提出了一种基于CAN总线、C／S模式、B／S模式结合的网络化监测系统，构建了系统的网络框架，并以小型多功能旋转实验台为系统原型，给出了其振动信号的远程监测实例。实验证明系统可实时在线监测机电设备的运行状态。     

大亚湾核电站GSS泵振动原因分析及处理

大亚湾核电站再热器系统疏水泵(GSS)容易出现振动偏高的现象,在处理这些设备故障的过程中,根据设备的结构特点,设备的管路特性,结合长期的操作实践经验,注重进行原因分析,寻找合适的解决办法,通过状态监测与诊断,开发专用器具、改变设备结构刚度等手段,使设备的振动问题得到较好的解决,同时为类似设备的振动问题处理提供借鉴。     

无标签数据下基于特征知识迁移的机械设备智能故障诊断

对于智能故障诊断方法,大量有标签数据是实现智能模型训练的必要条件,但该条件在部分工业应用场景下难以满足。难以采集足够有标签数据,尤其是故障状态下的数据,在一定程度上限制了智能故障诊断方法的工业化应用。为解决该问题,提出基于特征知识迁移的机械设备智能故障诊断方法,将实验设备或其他相关设备所采集的足量有标签数据所蕴含的特征知识迁移至工业现场设备所部署的智能模型中,完成不同机械设备之间监测数据的特征知识迁移,从而实现无标签数据下的机械设备智能故障诊断。提出方法首先构建一维深度卷积神经网络,实现从原始振动信号到机械设备故障类别的深度映射。然后在深度卷积神经网络中加入领域适配正则约束项,实现不同机械设备监测数据间特征知识的深度迁移适配。最后,通过全连接神经网络进行机械设备健康状态的识别。为验证提出算法的有效性,通过两种机械设备的轴承在不同性能状态下所采集的监测数据进行迁移故障诊断实验,实验结果表明:提出方法实现了不同设备间监测数据特征知识的迁移适配;相对于传统智能诊断方法,提出的方法在两个数据集之间的迁移故障诊断识别率提高20%以上。     

基于嵌入式系统的设备状态监测装置的硬件开发

针对大型机械设备状态监测的需求,开发了一种基于嵌入式计算机技术的远程终端装置.装置采用ARM9硬件架构;自带的恒流源为传感器提供激励,可以直接连接内置电路的压电晶体加速度传感器和热电阻温度传感器,采集设备关键部位的振动和温度信号;采集的数据经过计算机网络传送到监测中心进行分析处理,实时监测设备状态.以油库中多组输油泵为应用实例,采用基于嵌入式技术的监测装置比传统的监测手段降低了成本,提高了精度、灵活性和可靠性.     

基于内置传感器的大型数控机床状态监测

随着计算机技术的不断发展,数控机床的发展趋势越来越呈现出大型化和高速化,并且其加工精度也越来越高.在这种情况下,机床如果受到外力的振动或冲击,会直接影响机床的进给系统,从而造成与其相关的各机械部件出现故障,影响到机床的加工精度.因此,机械设备的状态监测及故障诊断非常重要.本文主要讨论基于内置传感器大型数控机床的状态监测问题.     

基于小波分析的离心式注水泵机械振动实时监测方法

为保证注水泵机组安全稳定运行,减少管理人员工作量,提出基于小波分析的离心式注水泵机械振动实时监测方法。探究注水泵作业流程与结构特征,结合多种常见故障类型分析结果,构建水泵输入、输出功率与生产效率的动力学模型;考虑到注水泵特性,以压电加速度传感器作为主要监测设备,明确信号采样要求,通过量化处理将模拟信号变换为数字信号,便于信号分析;当监测信号内低频成分丰富时,确定母小波和变换系数,经伸缩与平移处理完成连续小波变换与反变换;当低频分量不足时,引入小波包理论,分割小波空间,合理分解不同频带的信号,保证监测信息不丢失,获取信号特征,实现机械振动实时监测。仿真实验证明,该方法具有较强的信号处理能力,可通过监测信息准确判断出设备故障类型。