基于GSM的故障实时报警控制系统的设计与实现

针对实时监控系统中的运行设备或装置的异常报警信息,设计了基于GSM无线通讯的微机监测系统,实现了多故障远程短信息报警功能,介绍了系统的软硬件设计及主要功能;经应用测试,系统具有宴时性强、稳定性高、投入成本低等特点,能将信息同时发送至多个移动通信终端,已成功应用于农业温室大棚监控系统的实时故障报警,系统也可方便地应用于工厂生产线、金融、交通及家庭安全等方面的远程监测.     

港口机车故障监测与诊断系统研究

针对港口机车运行现状,介绍了一种基于Visual Basic语言和Microsoft SQL Server2000数据库的机车故障监测与诊断系统的研究。该系统通过传感器采集数据信息,经预处理后,通过无线网络将整合数据传送给计算机,最后利用知识库对数据进行处理分析以及显示。该系统具有设计简单、操作方便、界面友好及可靠性好等特点。     

基于LabView平台的齿轮箱性能动态测试与诊断

提出了基于Labview技术的齿轮箱性能动态测试和故障诊断方法,给出了系统的软硬件结构和功能模块,通过对齿轮箱振动信号的采集、处理与分析,实现对齿轮故障的诊断。应用表明系统具有程序编写简单、抗干扰能力强、测试效率高的特点。大大提高了齿轮箱性能动态测试和故障诊断的水平。     

信息融合技术在变压器油气识别故障诊断中的研究

变压器故障分为放电性故障和过热性故障两大类别,它们均会在变压器油中有所反映。本文通过对变压器油中主要气体的分析,判断变压器的故障类型。具体方法是:利用改进算法的BP网络和信息融合技术,以变压器油中五种主要特征气体作为神经网络的输入,以六种变压器状态作为相应的输出,通过加入动量因子,可以提高学习率系数,充分发挥改进算法的BP网络具有自适应学习能力的优势。仿真测试结果表明,本方法能够在较大范围内准确有效地进行变压器的故障诊断。     

改进的CNN-LSTM轴承故障诊断方法

为了克服卷积神经网络(Convolutional Neural Network, CNN)轴承故障诊断方法特征提取过程困难以及难以捕获时间序列数据之间的长期依赖关系的问题,提出一种改进的卷积-长短时记忆网络(Convolutional Neural Network-Long and Short Term Memory, CNN-LSTM)滚动轴承故障诊断方法。将二维轴承加速度振动信号输入CNN提取局部特征,再将轴承特征信息加载到LSTM长期记忆单元中,引入遗忘机制提取时序数据的全局特征。利用轴承振动信号的局部深层特征和全局时序特征,学习不同区间长度的序列特征,从而提高故障诊断精度。实验结果表明,该方法可用于轴承故障诊断,且具有较高的分类精度和较强的稳定性。     

基于PSO-VMD与贝叶斯网络的滚动轴承故障诊断

为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。     

基于VMD和样本熵的电磁式电流互感器故障诊断

针对电磁式电流互感器故障诊断效率低、准确率不高问题,提出一种变分模态分解(VMD)和样本熵相结合的故障诊断方法.将原始故障信号通过VMD分解成一系列本征模函数(IMF)并进行优选,计算其样本熵作为新的互感器特征提取对象的特征值,与常见时频域特征指标组合成新的特征向量输入K近邻分类器进行训练.Matlab仿真实验结果表明,该方法中新的特征指标用于低压电流互感器故障诊断是有效可行的,可为电磁式电流互感器故障诊断提供参考.     

虚拟环境下机床主传动系统故障诊断的仿真实现

本文介绍了用AutoCAD完成机床主传动系统三维实体造型，用VisualC 、Visual LISP等工具完成主轴箱轴承、齿轮、轴等部位在运行中出现故障时的立体动画。经压电晶体加速度传感器实时检测机床的振动信号，对这些信号进行分析(统计处理、频谱分析等)提取出故障特征，经人工神经网络、模糊决策及专家系统等手段进行决策，判定故障部位和程度，可在微机上直观地观察主轴箱在运行过程中，各故障具体部位及损伤程度的虚拟现实情况。     

基于时序特征的发电机转子故障诊断方法

提出了一种利用时序特征进行发电机转子的故障诊断方法.利用时间序列法中的AR或ARMA模型得到的脉冲传递函数的特点,并根据不同故障类别振动信号的格林函数变化的规律性,提出了利用格林函数的统计量特征作为故障诊断的特征参数进行故障诊断的方法.     

考虑外部环境信息的电网故障识别与原因分析方法

为提高电网故障诊断方法对于外部环境信息的利用率,并在故障识别的基础上实现对故障原因的分析,设计了一种考虑外部环境信息的电网故障识别与原因分析方法。首先,针对各故障判别依据权重固化的问题,分析了断路器和保护告警信息的差异性与可信度,利用层次分析法(analytic hierarchy process,AHP)权重分析方法赋予可信度较高的信息较大的权重,从而降低误报、漏报信息的影响,提高故障诊断的准确度。其次,针对现有故障诊断方法缺乏故障原因分析功能的缺陷,引入了外部环境信息(计及信息类型及其告警等级)作为故障原因分析的判据,应用模糊综合评判(fuzzy comprehensive evaluation, FCE)法进行环境因素对电网的危害评估,判断该故障是否由外部因素导致,继而实现故障原因的辨识。最后,建立保护动作告警信息漏报、误报以及断路器据动、误动故障场景下的故障算例进行仿真验证。研究结果表明,所提方法能够有效利用多种故障相关信息,提高故障识别结果的准确性,并能够进一步分析出故障原因。所提方法可有效提高电网故障诊断工作效率,保障供电可靠性。