高线轧机远程监测诊断系统的研究与应用

介绍了一种应用于高线轧机远程诊断的新型系统结构。嵌入式网络数据采集器向其服务器传输设备监测数据,远程诊断中心提取采集数据处理分析,进行诊断决策。用户层为用户提供技术支持和相应服务,排除设备故障后将经验反馈给诊断中心,作适当处理后转换为新的诊断知识加入到知识库中。该结构加强了远程反馈功能,并在可扩展性和功能上弥补了现有故障诊断系统的不足。     

基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术

由于滚动轴承声发射信号在各频段的能量分布与轴承的故障类型相关,可以利用谐波小波包将不同故障滚动轴承的声发射信号分解到不同频段,进而将各频段的能量组成特征向量输入BP神经网络,通过神经网络判别滚动轴承的故障类型。利用神经网络对滚动轴承进行故障识别时,对谐波小波包和Daubechies小波包进行了比较。实验结果表明对于滚动轴承声发射信号的故障模式识别,将谐波小波包分解和BP神经网络相结合的方法可以获得良好的效果。     

型钢轧辊激光相变硬化策略的设计与实施

为了实现激光相变硬化工艺参数的优化选择,基于有限元仿真技术,研究了激光扫描过程中的温度场分布规律,并结合材料相变曲线,预测了轧辊淬硬层的宏观形态。进而,根据宏观表面硬度和显微组织的实验结果,确定了适于半钢材质激光强化的参数组合。经磨料磨损实验表明,半钢材质的型钢轧辊经激光强化后,其耐磨性显著提高。     

多小波自适应阈值降噪在故障诊断中的应用

为了提取淹没在强背景噪声下的微弱故障信息,引入多小波自适应阈值降噪方法实现滚动轴承的信号去噪,并结合包络解调提取故障特征.多小波具有多个尺度函数和小波函数,具备单小波无法同时满足的对称性、正交性、紧支性和高阶消失矩等优良特性,可匹配信号中的不同特征信息.基于轴承外圈点蚀故障的仿真信号,分别利用GHM多小波和Db2小波对其进行降噪处理.通过信噪比的定量分析表明,相比单小波而言,多小波的降噪优势明显.针对滚动轴承的微点蚀实验信号和现场实采集的工程数据,多小波自适应阈值技术比单小波方法具有更好的降噪效果,且更易于提取出滚动轴承的早期故障信息.     

差分振子相图的自动识别与应用

通过仿真实验证明了差分振子相图的大小和待检测信号的幅值的大小之间的关系。在相同的参数条件下,差分振子的相图越大,则待检测信号的幅值越大。因此,在参数相同的条件下,对于不同的差分振子相图进行比较,可以得到待检测信号幅值间的大小关系。针对差分振子相图的特点给出了差分振子识别的新方法,可以快速识别差分振子是收敛于极环还是极点。最后,通过工程数据的分析成功的发现了设备故障的发生发展的劣化过程,并对差分振子的相图进行识别,取得了理想的效果。     

并联基追踪稀疏分解在齿轮箱弱故障诊断中的应用

为了提取齿轮箱振动信号淹没在强背景噪声中的早期微弱冲击故障信息,先利用不同长度的窗函数的短时傅里叶变换对信号进行稀疏分解,得出初始分解系数,再利用并联基追踪对处理得到的系数进行优化处理,最后对得到的系数进行重构,分别得到信号的持续振荡成分及故障冲击成分,进一步对故障冲击成分分析得出诊断结果。仿真信号分析及应用实例分析结果表明了算法的可行性及有效性,为强噪声环境下的机械故障信号提取提供了一种新的思路。