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。计算模拟识别表明,运用该系统可较为准确地判别出活搴 磨损故障。     

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。     

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。     

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     

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．     

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.     

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     

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。     

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。     

基于神经网络的液压柱塞泵松靴故障诊断

应用人工神经网络技术,对轴向柱塞泵壳体振动信号的功率谱进行了再处理,有效地诊断出了泵的松靴故障,为液压泵的故障诊断提供了新的途径。     

Research on fault diagnosis method of piston rod based on harmonic wavelet and manifold learning

As the core part of reciprocating compressor,piston rod is easy to cause a serious accident when abrasion and breakage fault occur to it. Therefore,it is very important to monitor its running state. At present,a small number of reciprocating compressors have been installed on-line monitoring and diagnosis system,most of which can only monitor a single vertical subsidence of piston rod and it can't fully represent the running state of piston rod. Therefore,a method of monitoring the vertical and horizontal displacement of piston rod axis orbit is simultaneously used. In view of the characteristics that the piston rod axis orbit is disordered and difficult to extract features,purification of the axis orbit is carried out based on harmonic wavelet and then features are extracted such as vibration energy,natural frequency and the axis orbit envelope area. After that,a nonlinear local tangent space manifold learning algorithm is used to reduce the dimension of the features and obtain sensitive features. By analyzing the practical cases,the effectiveness of the method for fault monitoring and diagnosis of reciprocating compressor piston rod assembly has been verified. Finally,as BP neural network has the characteristics of solving complex nonlinear problems,the validity of the fault diagnosis method of reciprocating compressor piston rod based on harmonic wavelet and manifold learning is proved by actual case data analysis based on BP neural network.     

基于声卡的乳化液泵故障诊断系统

通过分析乳化液泵排、吸液阀振动产生的机理设计了泵的振动信号测试系统和泵的故障诊断软件。测试系统采用PC计算机、电涡传感器,声卡,建立了乳化液泵振动信号的信号采集系统并对测点的安放进行了说明。用声卡成功地代替了一般的数据采集卡来采集振动信号,有效的降低了整个测试系统的成本。乳化液泵故障诊断系统软件主要包括主调度模块、功能模块组、人工神经网络程序包和数据库等部分。主调度模块主要控制和协调诊断系统其它部分的工作。诊断系统软件的在线故障诊断功能、事后故障诊断功能、人工神经网络的训练以及其它工具的功能都是通过它调用相应的功能模块或子程序来实现的。中心数据库是为整个乳化液泵状态监测与故障诊断系统服务其主要功能是存储各种过程参数和故障诊断参数。     

基于压力信号的循环泵故障诊断小波神经网络技术

以泵缸内的压力信号作为系统特征信号,将小波包分解的"频率-能量-故障识别"的模式识别故障诊断方法引入泵阀工作状态监测技术,通过改进的BP神经网络进行故障诊断.此技术已应用于循环泵实时故障诊断系统中.     

基于专家系统与人工神经网络集成的航姿系统故障诊断

应用专家系统与人工神经网络的相关理论对某型飞机航姿系统的故障诊断问题进行了深入的研究，建立了基于专家系统与人工神经网络的集成式专家故障诊断系统，并利用该专家系统实现了某型航姿系统的故障诊断。应用结果表明：整个网络数据误差在训练10次时达到0．1，在训练829次时达到0．01，可以准确识别故障。     

抽油井示功图神经网络识别模型

以专家经验及大量的现场实例为基础，应用模糊数学与人工神经网络技术理论，建立了有限个精选井下示功图和反向传播的神经网络示功图识别模型．该识别系统可初步用于对现场实测示功图进行识别诊断，性能基本稳定，能有效地诊断抽油机的故障类型．     

基于BP神经网络的电机转子故障诊断的研究

介绍了一种基于 BP算法的神经网络在电机转子常见故障诊断中的应用。首先利用测振传感器获得转子的振动信息 ,然后用 FFT分析 ,将振动信号的频谱分析作为神经网络的训练样本。通过选择足够的故障样本来训练神经网络 ,将代表故障的信息输入训练好的神经网络后 ,由输出结果就可以判断发生的故障种类。     

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.     

基于BP神经网络的螺杆泵井故障诊断技术研究

提出了基于BP神经网络和专家系统的螺杆泵井故障诊断方法:将螺杆泵井工况类型细分为10类,选取表征油井生产状态的7个特征参数作为输入量,采用Active X技术,借助VB调用Mat-lab人工神经网络工具箱函数,构建和训练网络模型.用该方法对新疆油田吉7井区吉101井和吉002井进行实例分析,验证了模型的正确性.