无线局域网在移动设备故障诊断监控系统的应用

为解决数据采集装置和分析处理装置位置不统一的矛盾,以DSP为平台,开发了一套基于无线局域网的移动设备故障诊断监控系统。该系统通过基于DSP的数据采集终端对移动设备的状态信号进行采集,并通过无线局域网与数据处理中心的服务器进行数据通信,达到远程监控的目的。实验结果表明,系统数据传输的实时性和准确性比较好,可靠性比较高。     

面向机电系统状态监测与故障诊断的现代技术

以现代技术为主线综述了机电系统运行状态监测与故障诊断技术的进展,阐述了机电系统运行状态监测与故障诊断方法及系统的发展;从技术流程的角度归纳了信号采集技术、信号分析与处理方法、故障诊断方法和机电系统状态趋势预测的先进技术;展望了基于网络的异地设备运行状态的远程监测与诊断技术以及基于虚拟仪器的监测与诊断仪器系统的新兴技术发展前景.     

基于时间序列的数控设备状态智能评判方法

针对因异构数控系统多样造成设备数据采集和状态评判困难的问题,设计一种通用的数据采集和设备状态智能评判方法. 首先由能耗信号采集器采集设备加工时的能耗信息并分析能耗特征. 采用加工仿真或预先采集的方法,收集各NC代码加工时设备主轴的能耗信息,进行信号变换形成标准能耗信息库. 然后检测数控设备的能耗信息并视为时间序列,应用时间序列的相关理论和方法对信号进行变换,采用基于编辑距离的相似性度量方法,将该时序信息和标准信息库中的信息进行比对,识别判断数控设备的加工工件类别和状态,并进行统计分析. 在此基础上,设计开发了数控设备状态智能采集系统,实现了设备数据的采集. 最后,通过实例验证该方法的可行性与可靠性.      

信息缺失时基于HMM的故障诊断方法

在突发事件导致的事故中,状态监测与故障诊断系统的研究对象已经发生很大的变化,常规设计的状态监测与故障诊断系统往往很难满足要求.文章针对信息缺失提出了一种新的状态监测与故障诊断方法.该方法基于HMM模型的似然率计算过程,提出在发生信息缺失时,对缺失信号依据各模型采用最大似然率填充的方式进行故障诊断,并通过实际数据的测试实验对该方法进行了验证.验证结果表明,信号缺失时依据各模型采用最大似然率填充的方式进行故障诊断的方法是有效的.     

基于WinSock的电机故障信号采集与远程传输

本文讨论了VC 6.0开发环境下的模拟电机信号采集与传输系统的实现.该系统使用WinSock和MFC网络编程技术,采用C/S模式,Client端完成模拟电机信号的采集与发送,Server端完成模拟电机信号的接收与故障诊断.实验表明,该系统能快速、准确的实现电机故障信号的远距离采集与传输.     

便携式多功能设备技术保障数字工具箱方案设计

信息实时采集、信息快速传输、信息快速处理、信息实时存储、信号动态显示、智能诊断、故障定位及简单维修、数据的压缩备份是多功能数字工具箱的主要功能.本文主要研究了便携式多功能设备技术保障数字工具箱的方案设计,分析了多功能数字工具箱的硬件系统和软件系统构成,阐述了设备的故障模式及维修方法,并结合系统构成简介了故障诊断原理及过程.     

一种基于DSO的高频信号采集方法

为了采集到高频信号,本文采用配有高速A/D转换器的数字存储示波器(Digital Storage Oscilloscope,简称DSO)设计了一个高速数据采集系统.该系统借用DSO强大的实时数据采集系统,通过将DSO连接至计算机,并在计算机装上有关驱动软件后构成.该系统能够采集到带宽大、频率高的高频信号并且能够与计算机进行数据通讯.使用时可以根据信号的特征在计算机上安装相关软件程控DSO,设置DSO的有关参数及工作方式,采集信号的数据及波形,用于分析及处理.实验证明应用这种方法设计的高频信号采集系统经济实用、方便灵活,具有很强的实用及经济价值.     

风电机组传动系统网络化状态监测与故障诊断系统设计

针对现有风电机组监测系统无法对其传动系统早期故障进行有效诊断的问题,研发了一套基于B/S和C/S混合架构的风电机组传动系统网络化状态监测与故障诊断系统。根据应用需求设计了风电机组传动系统状态监测和故障诊断系统、整体框架和功能模块;结合数据采集设备,基于.ENT和SQL Server平台研发了风电机组传动系统状态监测和故障诊断系统,包括网络化数据采集、远程状态监测、信号分析、故障诊断和数据库服务器等模块。该系统成功应用于某风场风电机组传动系统状态监测和故障诊断。     

船舶动力装置监测与故障诊断系统研制

结合模糊神经网络(Fuzzy Neural Network,FNN)与Dempster-Fhafer(D-S)证据理论,研制开发了船舶动力装置数字化监测与故障诊断系统.该系统由信号采集系统、软件控制系统和分析系统组成,主要对主推进机组、柴油发电机组、辅机进行监测.采用压力示功图法和瞬时转速法对主机运行状态进行实时动态监测,且并行构建热力性能参数和瞬时转速2个子模糊神经网络,再运用D-S证据理论进行主机状态信息融合判断,最后得到故障诊断结果.试验表明,该系统的实时性、测量精度满足要求,而且运用FNN与D-S证据理论进行故障诊断具有较高的可靠度.     

基于独立分量分析特征提取的故障诊断系统

针对矿山破碎机的声音故障诊断受复杂现场环境制约、确诊率低的难题, 结合独立分量分析(ICA)在自然图像和连续语音信号中特征提取的方法,采用两层ICA分别用于从混杂声音中提取各采集通道(部位)的统计独立声音信号和进一步提取该信号的特征基.训练阶段生成的特征基系数序列用来生成矢量量化(VQ)的码书,设计出ICA-VQ破碎机故障诊断系统.现场采集数据的实验中系统的故障诊断准确率达到96.8%,表明系统的高效性.     

粗糙集与故障树理论的组合故障诊断

故障知识的获取以及故障树结构的确定一直是亟待解决的瓶颈问题.将粗糙集理论引入到故障树的故障诊断中,利用粗糙集对实例测得的故障信息进行知识约减和知识获取,寻找系统各个故障源信号之间的逻辑关系,并通过这些逻辑关系构造基于知识的故障树模型.故障实例分析表明,将粗糙集理论与故障树有机结合在一起进行故障诊断能有效地压缩故障特征空间,实现快速、准确的故障推理.     

基于嵌入式Linux的电子装备故障诊断专家系统研究

研究了在ARM9和嵌入式Linux平台下,将某电子装备电路检测与专家系统相结合,进行电路故障诊断的方法。使用DSP配合CPLD进行数据采集,并充分利用DSP的高速数据处理能力对数据进行预处理,然后将数据传递给在嵌入式Linux系统下运行的CLIPS专家系统。专家系统按照预定义的故障诊断知识,实时进行故障诊断。相对于传统检测设备,专家系统具有知识更新方便,故障诊断准确率高,并能对故障原因给出解释的优点。     

特征提取在工况监测与故障诊断中的应用

随着信息技术和计算机网络技术、虚拟仪器等在企业的普及和应用，基于网络技术的未来企业全球制造化模式的建立，使日趋大型化、复杂化集成化生产设备的远程工况监视，远程故障诊断成为重要的研究课题。生产现场工况信息的自动检测、数据采集和存储是故障诊断系统的基础和起点，而对检测信息进行加工、变换和特征分析，提取敏感的故障征兆是诊断系统实现故障可靠诊断的关键之一。阐述了机械故障诊断的理论方法及特点，分析了信号的特征分析方法——时域分析方法，频域分析方法，联合时—频分析方法等多种信号处理方法的特征分析特点及其在机械工况监到与故障诊断分析过程中的工程应用。简要介绍了工况监测中特殊的时变性随机机械故障信号的分析与处理方法。     

基于概率神经网络的高压断路器故障诊断模型

针对高压断路器在线监测与故障诊断问题,提出了一种基于概率神经网络的高压断路器故障诊断模型.该模型利用Parzen窗函数和Bayes分类规则建立了前向型自监督神经网络,在分析分（合）闸线圈信号的基础上提出了高压断路器故障模型.仿真结果表明,该模型对断路器的故障模式识别过程具有训练速度快、输出误差小和收敛性好等特点.     

滚动轴承轻量级深度故障诊断模型

针对现有基于振动信号的诊断模型泛化能力差,而深度学习网络对计算量和存储量要求高的问题,提出轻量级融合密集连接网络与残差神经网络的故障诊断模型.首先,利用格拉姆角场将原始时序信号映射为灰度图像,充分利用二维卷积神经网络的性能;然后,融合密集连接网络和残差神经网络的优点构建融合网络模型,并通过鬼影模块降低其性能消耗,形成轻量级和高识别率的深度网络.实验结果表明,该改进的融合深度学习模型在比传统模型具有更强的鲁棒性和适用性的同时,还拥有极低的浮点运算量与参数量资源占用,证明了该方法在滚动轴承故障诊断领域是有效的、可行的.     

基于MAS的铁路信号设备故障诊断策略

主要讨论基于MAS技术为铁路信号设备故障诊断系统设计面向Agent的任务分解策略和诊断策略.由于铁路信号设备故障的复杂性和多样性,管理Agent首先进行任务分解,将不同类型的故障分配到不同故障诊断Agent中进行诊断.根据故障类型设计相应的诊断Agent能有效提高诊断的精度和效率.     

基于粗糙集的机载电子设备故障检测专家系统的改进

由于机载电子系统的故障征兆和故障原因之间的对应关系较为复杂,设备故障诊断领域的某些经验性专家知识具有一定的模糊性和不确定性,因此本文利用粗糙集理论较强的数据分析能力和容错性,通过对专家系统中存在的冗余信息进行约简并剔除不必要的属性,降低了故障诊断专家系统构成的复杂性,并明显改善了专家系统的整体效能.     

RMS700监测保护系统的数据管理系统

介绍了一种基于德国飞利浦公司ＲＭＳ７００监测保护系统二次开发而成的计算机数据采集和管理系统。它兼有高速振动数据采集和其他热工数据采集功能，并能实现在线监测及离线分析处理。该系统的核心包括测试信号用快变信号箱、慢变信号箱，高速锁相倍频数据采集板，低速数据采集板以及ＴＭＳ３２０Ｃ２５快速ＦＦＴ板等，最终以高可靠Ｉｎｔｅｌ工控机来管理。该系统用户界面友好，菜单简明易操作，已成功地在北京石景山发电厂连续运行将近一年。对该系统稍加改动就可以移植用于管理美国本特利公司的７２００或３３００仪表，或是构成独立的监测系统。在系统中加入故障诊断软件后，也可构成故障诊断系统     

基于RST改进NN模型的高压输电线系统故障诊断

为了克服实时诊断信息在形成和传递过程中的畸变而导致故障诊断结果的错误，在基于粗糙集理论(Rough Set Theory，简称RST)的高压输电线系统故障诊断模型的研究基础上，充分利用神经网络(Neural Networks，简称NN)的泛化能力和粗糙集理论强大的定性分析能力，构造了RST与NN相结合的故障诊断模型。首先利用RST从诊断样本中提取领域知识，然后利用所提取的诊断对象知识属性形成诊断NN的初始结构，进而增强诊断NN的智能性和容错性。通过高压输电线系统故障诊断的仿真结果比较，证明了该模型的有效性和通用性。该模型即使在诊断信息不完整的情况下，也具有高的诊断容错性能，因此在电力系统实时故障诊断方面具有广阔的应用前景。