基于气动信号小波分析的风机叶片裂纹故障诊断

 叶片裂纹和断裂是风机中普遍存在的一种严重安全隐患,能够尽早的检测出裂纹现象的存在对于工矿安全生产具有重要意义。本文利用小波分析方法对采集的叶片正常工作状态和叶片具有裂纹时的气动信号分别进行五层小波分解,并对分解系数进行重构,获取各频带归一化能量作为特征向量进行识别,结果证明：该方法能有效识别风机叶片裂纹故障,且直观性强,实用性高。     

基于频谱分析的风机早期故障诊断

大中型风机是许多企业的关键设备。对其早期故障进行监测和诊断能有效减少因突发故障而导致的停产。频谱分析能够有效识别信号中的主要频率成分，有助于准确判断风机中存在的故障类型。文中结合某钢铁厂风机的故障诊断过程。介绍了基于频谱分析的风机早期故障诊断方法。停机检查和维修结果验证了诊断方法的有效性。     

基于小波包分解的风机故障诊断技术研究

小波包分析由于能对信号高、低频部分局部细化并保留原信号的时域特征，因而具有良好的时频局部化特性，能对非平稳信号进行有效识别，达到故障诊断的目的，在故障诊断领域得到越来越广泛的应用。风机运行时产生的信号大多是非平稳信号，将小波包分析技术用于其故障诊断具有实际意义。     

基于气动信号小波分析的风机叶片裂纹故障诊断

叶片裂纹和断裂是风机中普遍存在的一种严重安全隐患,能够尽早的检测出裂纹现象的存在,对于工矿安全生产具有重要意义.利用小波分析方法对采集的叶片正常工作状态和叶片具有裂纹时的气动信号分别进行五层小波分解,并对分解系数进行重构,获取各频带归一化能量作为特征向量进行识别,结果证明:该方法能有效识别风机叶片裂纹故障,且直观性强,实用性高.     

基于小波分析液压支架的故障诊断研究

为了能够提高液压支架故障诊断的准确率,确保煤矿井下的安全运行,深入地研究了小波分析在液压支架故障诊断中的应用。分析了液压支架的常见故障类型及其形成原因;分析了小波分析的基本理论;提出了液压支架故障特征的提取算法;通过对液压支架故障类型对应的数据的6层小波分解获得了液压支架故障库,通过在现场的实际应用,验证了该方法的有效性。     

基于小波分析的采煤机的故障诊断研究

为了能够准确地诊断煤矿井下电牵引采煤机的故障,采取有效的措施进行补救,从而能够提高煤矿生产的安全,深入地研究了小波分析在其中的应用。分析了煤矿井下电牵引采煤机的主要故障及成因;研究了小波多分析的基本特征;接着,进行了基于小波分析故障诊断算法仿真分析,仿真结果表明该方法可以成功地监测出电牵引采煤机中存在的故障;进行了实际应用,应用结果表明该方法具有较好的故障诊断效果。     

神经网络技术与小波分析相结合的故障诊断方法

提出了一种将神经网络技术与小波分析相结合的故障诊断方法,对诊断对象进行时域信号采集,通过小波分析,获得所需参数,再将此参数作为神经网络的输入量,从而达到故障诊断的目的.     

矿用风机故障诊断方法研究

为了保障煤矿通风安全,提高矿用风机故障诊断的准确性,采用时域统计分析方法对风机轴承振动数据进行分析,综合利用峰值因子、均方根值、峭度指标和裕度系数对煤矿风机轴承进行在线监测;利用小波包络的方法对风机轴承信号进行处理分析,设计并训练了收敛速度快、精度高的BP神经网络。结果表明,峭度指标和裕度系数对轴承的缺陷比较敏感,不受轴承型号、载荷、转速等条件的影响;小波包络的方法对于处理强噪声环境下的非平稳振动信号有良好的效果,能够准确地提取信号中的故障特征。运用小波包和神经网络相结合的方法能够高效诊断出风机故障类型,指导设备维护。     

基于小波分析的提升机轴承故障诊断

以某矿主井提升机上天轮滚动轴承为研究对象,以小波分析为理论基础,在MATLAB软件中对试验采集的振动信号进行小波分解重构,利用Hilbert变换进行包络解调分析并进行细化频谱分析,可以准确有效地检测出轴承中的故障信息成分,进而判断轴承故障。通过现场检修,验证了试验结论的正确性,说明小波分析在轴承的故障诊断中是可行有效的。     

基于集成神经网络风机故障诊断系统的研究

利用集成神经网络建立了风机故障的智能诊断系统。该系统在设备异常后进行诊断,并能给出结果和建议,体现了高度的智能化行为。     

基于频谱分析的主扇风机转子不平衡的故障诊断

转子不平衡是风机的常见故障,其振动信号与故障密切相关。针对其不平衡故障机理,分析了振动信号与故障机理的关系。采用Labview软件对风机运行期间的振动信号进行监测,得到不平衡振动信号的幅值与相位,进行特征参量提取,准确识别判断转子不平衡故障,从而为矿山风机的维修提供科学依据,以达到保障设备安全运行的目的。     

小波变换在故障诊断中的应用

对小波变换与傅立叶变换进行了比较。由于小波分析能对信号高、低频部分局部细化并保留原信号的时域特征,因而具有良好的时频特性,能对非平稳信号进行有效识别,达到故障诊断的目的。     

基于相对小波包能量特征向量的故障诊断

在小波及小波包分析的基础上引进相对小波包能量特征向量的概念,提出了一种建立旋转机械故障库的新方法,并结合模式判别的知识,引进欧几里德距离公式作为判据,使故障诊断公式化、定量化。实验结果表明这种方法能够很快地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

基于LabVIEW和MATLAB混合编程的小波分析在故障诊断中的应用

在简单介绍了小波分析、虚拟仪器及其软件开发平台LabVIEW基本原理的基础上,重点阐述了小波分析应用于故障诊断中的几个问题以及小波分析与虚拟仪器结合应用于信号分析。     

基于概率神经网络的风机故障诊断

针对风机常见故障征兆与故障类型之间的非线性映射关系,结合专家知识建立了风机系统故障知识库,提出了基于PNN神经网络的风机故障诊断方法,结果表明该方法能克服BP算法诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求,适用于在线检测,具有实际应用价值。     

基于BP神经网络的煤矿风机故障诊断

针对目前矿用风机的常见故障可收集故障征兆及类型,将故障样本数据与BP神经网络相结合,由BP神经网络确定输出向量,对风机常见故障进行诊断。通过MATLAB软件进行诊断参数运算后结果表明:神经网络输出与实际数据间误差较小,诊断结果与实际情况吻合。     

煤矿通风机性能测试与故障诊断研究

介绍了煤矿通风机性能测试及其故障诊断技术,通过性能测试和故障诊断可以检测通风机运行的经济性能和运行状态。通过实例证明,为保证煤矿风机安全高效运行,必须对其进行性能测试和故障诊断分析。     

小波包分析在减速机故障诊断中的研究

以冶金企业的轧钢设备中典型关键设备减速机为具体研究对象,对减速机进行状态监测与故障诊断,并将三维小波变换与小波包降噪残差信号频谱分析相结合,利用残差信号的频率特征信息,有效地提取了减速机故障频率。     

电机故障诊断中的小波分析方法及小波基选取

通过对傅立叶变换与小波变换的分析,选定小波分析的方法作为电机故障诊断的分析方法。在此基础上对各系列的小波基进行了分析,结合电机故障诊断中具体信号的特点,选取了适合的小波基。