ASP模式的远程结构健康监测研究

为降低结构健康监测运营成本并促进其专业应用,提出ASP模式的远程结构健康监测方案,通过集成相关资源为结构健康监测提供远程的专业化服务。结合系统需求,探讨了基于网格技术的实现方法,并分析系统的运行流程。同时给出该系统在洞庭湖大桥结构健康监测上应用的实例。实验结果表明,该方案是可行的。     

基于事件记录的塞拉门故障诊断方法

提出了一种基于事件记录的塞拉门故障诊断方法,该方法在诊断知识数字化的基础上,结合知识检索技术实现了塞拉门故障诊断的计算机化,从而较好地解决了列车塞拉门系统检修工作中一直存在的故障部位查找困难和故障隐患难以排除的问题。应用该方法在塞拉门故障的现场诊断中获得了满意的效果。     

基于广义随机Petri网的维护系统仿真与应用

针对企业设备维护工作的经济性优化问题提出了基于流程建模与仿真的维护系统优化方法。该方法以维护系统的广义随机Petri网工作流建模为基础,强调基于维护记录的模型变迁时延的假设与验证,并针对解析法的局限性将流程仿真技术引入维护系统的性能求解中,在选定的Artifex工具平台上实现了维护系统的长周期真实模拟。通过对不同资源条件下仿真结果的分析,明确维护资源配置与维护系统性能间的对应关系,为维护系统的改进提供指导。方法的正确性和可行性在企业的实际应用中得到了验证。     

齿轮箱故障振动信号的阶比多尺度形态学解调

为从非平稳转速齿轮箱故障振动信号中提取包含故障信息的特征频率,提出阶比多尺度形态学解调方法,该方法采用线调频小波路径追踪算法获得齿轮箱转速信号,根据转速信号对时域振动信号进行等角度重采样,并用基于信号局部峰值的方法确定多尺度形态学分析的结构元素,用各结构元素对重采样信号进行形态学操作,对操作结果的平均值做频谱分析,以完成阶比多尺度形态学的解调过程。由于噪声与线调频基元函数的相似性很小,使得线调频小波路径追踪算法能从低信噪比的时域振动信号中准确获得转速信号,而多尺度形态学解调是对各尺度形态学分析结果的平均值进行频谱分析,能有效地抑制噪声,从而使得该方法具有很好的抗噪性能,适合用于工程实际中转速波动齿轮箱振动信号的分析,仿真分析和应用实例证明该方法的有效性和优越性。     

Neumann展开Monte Carlo随机无网格点插值法

用Neumann展开Monte Carlo随机无网格点插值法(NMC-SMPIM)进行随机结构分析。在随机无网格点插值法(stochastic meshless point interpolation method,SMPIM)中,所求解问题的域由分布的节点表示;并且利用具有Delta函数性质的多项式进行节点插值,为此,很容易类似有限元法一样处理本质边界条件。同时利用Neumann展开法,建立随机结构分析的Neumann展开Monte Carlo随机无网格点插值法。数值实例表明,Neumann展开Monte Carlo随机无网格点插值法适用于材料变异系数大和要求精度高的随机结构分析。     

凉水塔风机网络化在线监测与故障诊断系统研究

凉水塔风机是石化生产中的关键设备 ,对其实施自动监测和综合保护意义重大。该文研究了该设备的网络化在线监测与故障诊断系统 ,包括监测方案、软硬件结构、网络体系、系统功能及特点等。系统已成功应用于现场     

基于多尺度线调频基稀疏信号分解的包络解调方法及其在齿轮故障诊断中的应用

提出一种基于多尺度线调频基稀疏信号分解的包络信号提取方法,并将其应用于转速剧烈波动情况下的齿轮箱故障诊断。基于多尺度线调频基的稀疏信号分解方法可以根据信号的特点,自适应的选择相应尺度对信号进行投影分解。其库函数的多尺度特性和线调频基函数中频率斜率参数的引入使得该方法比以往使用单一尺度库函数的分解方法更适合分解频率呈曲线变化的非平稳信号。当齿轮出现故障时,振动信号会出现啮合频率调制现象,在齿轮转速大范围波动情况下,载波频率和调制频率均随转速大范围波动。采用基于多尺度线调频基的稀疏信号分解方法,能同时有效提取变转速齿轮故障状态下载波频率和包络信号频率随时间的变化曲线,进而对齿轮箱故障进行诊断,解决经验模态分解方法和小波方法难于对转速剧烈波动情况下的齿轮故障进行诊断的问题。仿真算例和应用实例说明了此方法的有效性。     

基于多尺度线调频基稀疏信号分解的齿轮故障信号阶比分析

针对变转速齿轮箱故障振动信号调制边频带难以识别的问题,提出一种基于多尺度线调频基稀疏信号分解的阶比分析方法.该方法先采用基于多尺度线调频基的稀疏信号分解方法对齿轮箱振动信号进行分解,提取齿轮的啮合分量与调制边频分量,由啮合分量的时频分布曲线得到瞬时转频估计,再基于获得的瞬时转频对啮合分量与调制边频分量之和进行等角度重采样,将非平稳的分量信号转化为平稳信号,对重采样后的信号进行阶比分析,诊断齿轮故障.与传统的直接对齿轮箱故障振动信号进行阶比分析的方法比较,结果表明,提出的基于多尺度线调频基稀疏信号分解的阶比分析方法抗噪性强,调制边频带识别效果好.仿真算例与应用实例验证了本方法的有效性.     

基于拉普拉斯分值和模糊C均值聚类的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征和故障征兆的模糊性,提出了基于拉普拉斯分值和模糊C均值（FCM）聚类的滚动轴承故障诊断方法。该方法首先在时域和频域对滚动轴承振动信号进行特征提取,组成初始特征向量;然后利用拉普拉斯分值进行特征选择,形成故障特征向量;最后以FCM聚类为故障分类器,实现滚动轴承不同故障类型的识别。应用实例和对比实验表明,该方法能有效提取滚动轴承振动信号特征,诊断滚动轴承故障。     

EMD方法在转子局部碰摩故障诊断中的应用

针对转子系统局部碰摩故障振动信号的特征，将经验模态分解方法（Empirical Mode Decomposition，简称EMD）应用于转子局部碰摩故障诊断中。采用EMD方法对转子振动信号进行分解，实现碰摩、背景和噪声信号分离，从而提取转子系统局部碰摩振动信号的故障特征。试验分析结果表明，对具有局部碰摩故障的转子振动信号进行EMD分解得到的基本模式分量（IMF）具有明显的调幅特性，而其他状态下的转子振动信号经过EMD分解后得到的IMF分量没有明显的调幅特性。因此，EMD方法可以有效地应用于转子系统局部碰摩故障诊断中。