神经网络在往复泵活塞磨损故障诊断中的应用

对用人工神经网络识别往复泵活塞磨损故障进行了研究。以在往复泵缸套压盖上采集的振动信号的振动功率谱为主要征兆，建立了基于人工神经网络的往复泵活塞磨损故障诊断系统。计算机模拟识别表明，运用该系统可较为准确地判别出活塞的磨损（破损）故障。     

基于改进AHP-FCE法的绿色房地产项目评估

为提高往复泵诊断的速度和精度,提出一种通过小波阈值分析处理往复泵振动信号的故障诊断方法。通过小波阈值分析,可以有效去除往复泵振动信号与故障无关的振动信息,然后进一步提取振动信号的归一化能量,将其作为特征值。将特征值与小波包能量分解图综合分析,结合概率神经网络(PNN)对采集后的信号进行往复泵泵阀故障模式进行识别。实验结果表明:小波阈值分析与PNN结合,可以将往复泵泵阀故障类型准确识别,提高了诊断的效率,可以为工业上往复泵的使用和维修大大节约成本,也为往复机械的故障诊断提出了新的解决思路。     

防砂泵车故障的小波神经网络诊断法

将小波包分析应用于往复泵的故障特征提取中，建立了往复泵小波神经网络故障诊断模型。使用小波包分析的特征提取功能以及神经网络的非线性映射功能能够较好地完成从振动信号到往复泵故障的分类。以此为基础开发出的故障诊断软件系统具有使用的特征量较少、建造故障诊断系统较为简单等优点。通过对液力端的多故障诊断检验表明，该系统完全能够较准确地识别出往复泵多种常见故障。     

小波包变换在往复泵活塞状态监测中的应用

根据小波变换能同时在时间域和频率域进行局部化信号分析的特点,采用小波包分解、小波包重构及小波包分频带能量监测方法对往复泵活塞状态进行识别,取得了良好的效果。这种方法具有特征参量少、故障特征突出等优点。可以预见,信号的小波包分析将发展为一种可用于往复泵工况监测与故障诊断的特征提取方法     

小波包变换在往复泵活塞状态监测中的应用

根据小波变换能同时在时间域和频率域进行局部化信号分析的特点,采用小波包分解,小波我重构及小波包分频带能量监测方法对往复泵活塞状态进行识别,取得了良好的效果。这种方法具有特征参量少,故障特征突出等优点,可以预见,信号的小波包分析将发展为一种可用一     

缸套-活塞间隙与振动信号关联维数的关系评价

利用发动机气缸套振动信号特征评价气缸套-活塞组件磨损状态,建立了发动机气缸套、活塞、曲柄和连杆机构的动力学模型并进行了动力学仿真.然后又进行了气缸套表面振动分析,并对所得到的振动模拟信号进行了基于关联维数的信号特征评价.结果表明,随气缸套-活塞组件磨损间隙的增加,振动信号幅值增大,气缸套表面振动加速度信号的自相关程度变大,气缸套表面振动信号的关联维数有下降的趋势,这些关联性可以作为发动机气缸套-活塞组件磨损状态评价的特征量.     

切片Wigner高阶矩谱在故障诊断中的应用

为了更好地提取在设备状态监控中振动信号的故障特征,采用Wigner高阶时频分布的方法,研究了柴油机的缸套活塞在不同磨损情况下振动信号的平滑切片Wigner三谱.实验结果显示:从柴油机磨损初期阶段到后期阶段的过程中,爆燃阶段振动信号的平滑切片Wigner三谱清楚地说明信号的能量逐渐向宽频带范围扩散,且持续时间逐渐减小.在磨损程度和故障特征之间建立了映射关系,进一步说明通过Wigner高阶矩谱可以有效地对非平稳、非高斯振动冲击信号进行特征提取和检测,验证了该方法在故障特征提取中具有很好的应用潜力.通过该方法可以提取有价值的关于冲击信号的时间和谱特性的量化信息.     

周期图分析在齿轮传动系统故障诊断中的应用

本文对齿轮磨损故障产生系统振动的机理进行了分析,并对齿轮传动系统轴承座的振动利用周期图分析方法来诊断齿轮故障。     

基于Hilbert谱熵的柴油机故障诊断方法研究

从信号的特征提取出发,采用局域波时频谱分析和信息熵结合的方法--Hilbert谱熵(HSE),进行柴油机振动信号的特征提取和状态识别.首先,对信号进行局域波分解;然后,根据得到的内蕴模式分量计算Hilbert谱;最后,建立基于时频分布的Hilbert谱熵,并以此作为故障识别的特征参数.以柴油机缸套与活塞间磨损的状态识别为例,根据对时域、频域和时频域的信息熵比较分析,证明了Hilbert谱熵对柴油机的状态进行评价的有效性.此方法为柴油机预知维修提供了一个有效的手段.     

神经网络在大型回转机械故障诊断中的应用

利用人工神经网络对大型回转机械中的常见故障进行分类和识别。首先讨论了如何从现场故障振动信号中提取故障特征;然后利用一个隐层的BP网络对故障特征进行训练,在训练信息不完备的情况下,就神经网络对组合故障的出现进行了计算,最后利用工厂实际数据进行比较和验算,结果令人满意。     

矿场往复泵活塞结构研究

指出了目前矿场往复泵活塞寿命太短的主要原因，并对活塞的使用工况、结构特点及材料性能进行了分析研究．提出了往复泵活塞的四种破坏形式：刺漏、啃伤、机械疲劳和热疲劳．采取改进结构、材料及工况三条措施，研制成功了一种新型活塞，将活塞寿命从２０多小时提高到１８０ｈ．     

基于提升小波包的往复压缩机活塞-缸套磨损故障诊断

针对往复压缩机活塞-缸套磨损故障微弱信号特征识别问题,提出一种识别该类信号微弱特征的自适应非抽样提升小波包方法(AULSP)。该方法以分解层信号所有样本的预测差值平方和最小为目标函数,算出与信号特征自适应匹配的初始算子,并构造非抽样算子算出下一层各频带信号。对各层细节信号进行阈值处理并重构,对降噪后的信号再进行小波包分解。各分解频带信号长度与原始信号的长度相同,无须重构即可识别时域故障微弱信号特征。用这种方法成功提取了某往复压缩机活塞与缸壁发生碰磨故障时产生的弱周期性冲击信号。     

基于单缸柴油机表面异常声发射信号的活塞组件摩擦磨损故障诊断与研究

为了诊断并分析某型单缸柴油机的异常声发射信号,在柴油机缸体上安置振动传感器和声发射传感器。利用小波多分辨率算法对比分析了两个传感器的信号。首先通过几何估算提出了异常信号可能对应的两种故障形式,随后根据拆机检查,确认声发射信号中的故障特征来源于活塞组件之间的异常摩擦事件。诊断结果表明:该型号单缸柴油机的活塞组件的结构尺寸设计不合理,在柴油机正常工作中,连杆小头和活塞内部发生了摩擦事件,导致了声发射信号在固定的曲轴转角上出现异常峰值响应。声发射技术为以后有效监测活塞组件摩擦磨损提供了更准确的诊断方法。     

基于噪声小波包络谱的主轴承磨损故障诊断

传统的基于振动信号的内燃机主轴承磨损故障诊断中安装传感器以及提取故障特征频率很繁琐,为此,提出了基于噪声和正交小波监测往复式活塞发动机滑动主轴承磨损故障的一种新方法.利用Symlets小波分析将测得的机体噪声信号变换到时频域,得到含有内燃机主轴承间隙磨损状态的时频信息.主轴承磨损故障会使机体噪声信号的高频成分增加,而且高频滤波成分特征与内燃机的冲击过程相对应,所以,需选择合适的高频带加以提取并进行包络谱分析.通过声级计测取了代表主轴承4类间隙磨损程度的噪声信号,发现2个特征频率处的能量对间隙磨损状态比较敏感,均随着磨损量的增加而增加.通过该方法,可利用机体噪声信号监测主轴承的磨损状态.     

声发射技术用于诊断发动机活塞与缸套间磨损故障的实验研究

用实验方法研究了诊断发动机磨损故障的AE(AcousticEmission)技术 ,对发动机活塞与缸套间磨损过程产生的声发射信号进行了分析。实验结果表明 ,活塞对缸套的横向撞击 (侧推力 )是产生AE信号的主要原因 ;AE信号时域和频域指标对磨损状态变化反应较敏感 (即使是在发动机的早期磨损阶段 ) ,且不同的磨损状态与其产生的AE信号有很好的对应关系 ,因此 ,AE指标可以作为评价磨损程度和诊断磨损故障的标准。该研究为发动机磨损故障诊断提供了一种新的有效方法 ,并可为往复式机械设备的磨损故障声发射诊断提供依据。     

基于局域波法和K-L信息量的柴油机故障诊断方法

针对柴油机表面振动信号的非平稳时变特性，采用局域波分析方法将实测信号分解为多个内蕴模式分量，提出了基于内蕴模式分量K—L信息量的柴油机故障检测方法。然后以正常状态为参考状态，对活塞缸套间的3种磨损故障实例进行了分析，结果证明了该方法在柴油机故障诊断中的有效性和工程实用性。     

声发射技术用于诊断发动机活塞与缸套间摩损故障的实验研究

用实验方法研究了诊断发动机磨损故障的AE（Acoustic Emission)技术,对发动机活塞与缸套间磨损过程产生的声发射信号进行了分析,实验结果表明,活塞对缸套的横向撞击（侧推力）是产生AE信号的主要原因;AE信号时域和频域指标对磨损状态变化反应较敏感（即使是在发动机的早期磨损阶段）,具不同的磨损状态与其产生的AE信号有很好的对应关系,因此,AE指标可以作为评价磨损程度和诊断磨损故障的标准。该研究为发动机磨损故障诊断提供了一种新的有效方法,并可为往复式机械设备的磨损故障声发射诊断提供依据。     

基于频谱相关性分析的齿轮早期磨损诊断

基于振动分析的齿轮故障检测已被证明在故障识别中是有效的,但对表征早期磨损的振动信号的提取和识别仍没有得到很好的解决.本文提出一种基于频谱相关性分析的变分模态分解(VMD)和核支持向量机(SVM)相结合的齿轮早期磨损诊断方法,对能够揭示早期磨损状态的微弱齿轮振动信号采用近似完全重构的准则来初始化模式数,并采用信号功率谱密度最大值对应的频率初始化VMD方法的中心频率,用以有效提取齿轮磨损信息,进而结合核支持向量机进行齿轮的早期磨损诊断.实验结果表明,所提方法可有效克服背景噪声大无法预设模式数的问题,对噪声具有更好的鲁棒性,诊断准确率达到94.4%,可为齿轮早期磨损检测提供解决方法.     

融合阴阳补偿理论的软计算故障诊断方法

应用软件计算方法,融合模糊理论,神经网络和遗传算法的优点,结合阴阳补偿理论设计一种用于柴油机振动故障诊断的新方法,该方法补了单独使用模糊方法或人工神经网络方法存在的规则数多和收敛速度慢等不足,其中推理系统采用的是模糊神经网络知识发现系统FNNKD（fuzzy neural network with knowledge discovery),应用该系统虽然花费的训练时间较长,但通过训练得到的系统参数可以达到全局最优,应用时,识别精度高而计算复杂度较低,通过CA10B汽车变速箱齿轮和轴承故障振动试验验证了该方法的可行性。     

基于压力信号的小波神经网络往复泵故障诊断

为有效提取往复泵工作时非平稳时变信号中的故障特征和将故障特征准确分类,提出以泵缸内的压力作为系统特征信号来提取故障特征向量的方法.将小波包分解的"频率-能量-故障识别"模式诊断方法引入泵阀工作状态监测中,通过改进的BP神经网络进行故障诊断.试验确定了网络的初始值,即选择学习率初始值为1.5、惯性因子为0.6、网络结构为3层的BP网络,其中隐含层的节点数为19个,即网络的结构是8-19-3.结果表明,该法降低了对原始信号处理的难度,且各阀箱内的压力之间无相互影响.该技术已应用于某船载系统的往复泵实时故障诊断中,实验验证了其有效性.