变风量空调阀门卡死故障检测阈值在线训练策略

依据专家经验选取阈值的专家规则故障检测方法，容易受限于经验，且不能准确地反映空调系统的运行性能特征。设计了基于专家规则的空调故障检测方法，采用大小合适的阈值来判断系统是否发生故障。对调试成功后的空调系统，采用一种基于规则的阈值在线训练策略进行系统性能监控与故障检测。利用局域网在线读取云服务器中无故障运行数据，训练85%、90%、95%等3种不同置信度下的阈值，并以新风阀卡死和冷水阀卡死故障为例进行测试检验。研究结果表明：空气处理机组新风阀卡死和冷水阀卡死的故障检测率均大于80.0%;系统正常运行时的无故障检测率均大于75.0%;训练阈值时，作为外部输入的置信度越大，训练出的阈值越大，导致系统故障检测率较低而无故障检测率较高。     

滚动轴承状态监测与早期故障诊断系统研究与设计

针对滚动轴承状态监测与早期故障诊断困难的问题,从滚动轴承的结构组成和工作机理出发,基于LabVIEW设计了具有模块化结构的在线监测-离线诊断监测系统.首先在线监测振动信号的时域指标,其次基于经验模态分解(Empirical mode decomposition,EMD)和包络谱分析确定振动信号有效分量并从中提取故障特征,离线诊断出滚动轴承的故障类型.最后,通过实验验证系统的可行性.实验结果表明该监测系统能够快速便捷地获取滚动轴承状态参数,同时准确可靠地进行故障识别,能够满足滚动轴承状态可视化监测和早期故障识别的要求.     

长距离带式输送机托辊的故障检测

为了实现对托辊卡死状态的检测和检测装置的自检报警,分析了托辊故障的产生原因及发生故障时的现象,提出了一种嵌入皮带内的检测方法,实现对托辊的移动巡检,从而能够对托辊故障进行快速准确的检测。本设计的在线自检技术,保障托辊监测的高度可靠性,可准确区分检测模块故障和托辊故障,便于故障快速定位,方便维修。     

煤矿井下局部风机监控系统研究

通过对煤矿局部通风关键故障单元、检测和报警参数等进行分析。设计了以单片机作为核心,配合各种传感器与外围电路,自动监控煤矿井下局部通风各项指标的系统。实现了局部风机开机、停机、检测、调速的全面智能化,采用实时在线监测数据传输,实现集中和远程监控。该系统提高了井下安全生产的可靠性,可以满足现代化矿井安全监控的需求,具有实用和推广价值。     

基于乘积函数相关熵的滚动轴承故障辨识方法

为了提高多工况下对滚动轴承的故障辨识能力,本文提出以乘积函数相关熵为故障特征的滚动轴承故障辨识方法,并利用最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)实现自动辨识.首先对预处理的轴承振动信号进行局部均值分解,提取乘积函数(Product Function,PF),然后计算PF与原始信号的皮尔逊积矩相关系数熵,进而根据离散变量相关熵的估计模型得到乘积函数相关熵(Product Function Correntropy,PFC).以PFC为故障特征,结合LSSVM实现滚动轴承的故障识别.多组工况下的滚动轴承状态辨识实验证实了PFC比经典故障特征具有更高的故障辨识效率;另外改变工况参数提取轴承振动数据,验证了PFC-LSSVM方法具有更好的鲁棒辨识能力.综上所述,本文验证了LMD-PFC-LSSVM方法的高效性和实用性,为提高复杂工况下在线故障诊断能力提供了可靠的技术支持,具有广阔的应用前景.     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

直流系统绝缘状态及接地点故障在线检测的原理与方法

针对直流系统绝缘状态接地点故障的存在,分析讨论了目前几种接地故障在线检测的原理方法———无传感器低频电压检测、传感器低频电压检测和双低频电压检测,特别对双频检测原理进行详细地分析。双频检测方法采用了先进的检测原理和计算机技术,实现对直流系统的在线有效监控,提高直流系统的可靠性、稳定性。     

滚动轴承早期故障在线监测与诊断

对滚动轴承早期故障的诊断提出了一种简便有效的方法．阐明频域和时域分离故障信息的原理，讨论了窄带滤波器设计参数选取的方法，特别是对窄带滤波器的中心频率及带宽与故障特征频率之间的关系给出了定量的描述，对窄带信号峰值包络包含的低频分量的放大作用给出了定量的分析．最后以５套３０７轴承为例进行了成功的诊断．采用文中提出的方法可由功率谱直接判读故障谱峰，该方法直观、快速、简便，非常适用于滚动轴承的在线监测与诊断．     

基于小波分析和支持向量机的轴承故障诊断

滚动轴承的故障诊断对于旋转机械的正常可靠运行具有重要意义。采集滚动轴承正常、内圈故障、外圈故障及滚动体故障四种工况下的振动信号,对振动信号进行三层小波包分解,将第三层的小波包系数进行重构并计算每个子频带系数的对数能量熵,得到滚动轴承在不同工况下的特征向量。基于抽取到的特征向量建立支持向量机模型,实现对滚动轴承不同故障类型的识别。支持向量机参数采用网格搜索法进行寻优,惩罚参数为2048,核函数半径为0.03125,模型在测试集上的预测准确率为100%。本文研究表明,小波包对数能量熵特征提取结合支持向量机是一种较为有效的滚动轴承故障检测方法。     

基于Hilbert变换的滚动轴承内环和外环故障诊断

针对滚动轴承的外环和内环发生故障时轴承产生的振动信号具有调制的特点,提出基于Hilbert变换的滚动轴承内、外环故障诊断方法,介绍基于Hilbert变换的调制信号解调过程:运用Hilbert变换对滚动轴承的振动信号进行包络解调,实现载波和调制波的分离.通过对调制波进行频谱分析实现滚动轴承内、外环故障的诊断,对具有内环故障和外环故障的滚动轴承进行故障诊断仿真.仿真结果表明:基于Hilbert变换的包络解调技术能有效提取调制信号中的包络信号,对包络信号进行频谱分析后可以实现滚动轴承内、外环故障的诊断;诊断结果与实际故障相吻合,基于Hilbert变换的包络解调技术可应用于滚动轴承内、外环故障的诊断.