模糊诊断技术在旋转机械设备故障诊断中的应用

在复杂的机械系统中,一种故障状态可能引起多种故障征兆,而一种故障征兆也可能在不同程度上反映多种故障状态。根据振动信号频谱分析结果,提取频谱特征,获取各种故障征兆信息。在已知故障征兆的情况下,对多故障同时发生和多故障具有相同征兆的诊断问题,利用模糊诊断技术,确定机械设备故障类别的隶属度值,经模糊综合诊断后确定设备的故障。     

回转机械振动中的拍频分析

分析某压缩机组振动信号的频谱发现低频处具有较高的谱峰．考察压缩机组各转轴的频率后，分析可能激发低频振动故障的各特征频率，观察有关测点频谱图的特点，逐一排除其他原因，确定该低频项为压缩机的拍频．对实时监控系统采集、记录的实测数据进行抽样，用样本谱线综合幅值构造统计量，采用3σ规则确定了测点综合故障报警限．从信号中滤除高频成分，求得样本拍频附近谱线的综合幅值，用数理统计的方法确定了拍振故障报警限．     

基于TVAR-HMM的滚动轴承故障诊断

针对工况条件下轴承故障振动信号的非平稳特性,分析时变自回归与隐马尔科夫模型的特点,提出了一种基于时变自回归和隐马尔科夫模型的滚动轴承故障诊断方法.振动信号经时变自回归建模后,得到时频分辨率较高、无交叉干扰项的时频谱,基于能量法对时频谱进行特征提取,然后利用隐马尔科夫模型对故障特征统计分类,实现对轴承故障的诊断.轴承信号分析表明,TVAR建模可以有效地提取信号中的故障特征,结合隐马尔科夫模型的动态统计特性可智能识别轴承故障类型,得到良好的诊断效果.     

齿轮故障诊断中振动信号的提纯和重构

在分析了齿轮振动产生机理和振动信号频谱特征的基础上 ,提出了齿轮振动信号提纯和重构的诊断分析方法 .与传统的窄带滤波相比 ,该方法可识别出齿轮啮合副中有故障的齿轮 .由于消除了 2个齿轮间的相互干扰 ,由该方法提纯重构信号的幅值包络、相位信息和瞬态频率 ,能更准确地反映出齿轮的故障 .     

柱塞泵机组故障诊断振动信号分析法

介绍利用柱塞泵表面振动信号不解体诊断柱塞泵机械运动部件故障的研究 .首先讨论了柱塞泵机组的结构与运动特点 ,确定了振动监测部位 ;其次分析了柱塞泵机组的振动激励源和影响因素 ,根据理论与经验公式 ,计算了各激励源振动特征频率 ,分析研究了柱塞泵组各组件部位故障振动频谱识别特征 .对现场运行设备诊断结果的分析说明 ,利用振动信号对柱塞泵机组主要运动部件状态进行监测与故障诊断是可行的     

柱塞泵机组故障诊断振动信号分析法

介绍利用柱塞泵表面振动信号不解体诊断柱塞泵机械运动部件故障的研究,首先讨论了柱塞泵机组的结构与运动特点,确定了振动监测部位;其次分析了柱塞泵机组的振动激励源和影响因素,根据理论与经验公式,计算了各激励源振动特征频率,分析研究了柱塞泵组各组件部位故障振动频谱识别特征,对现场运行设备诊断结果的分析说明,利用振动信号对柱塞泵机组主要运动部件状态进行监测与故障诊断是可行的。     

基于故障重构预测的舰艇水轮发电机故障信号挖掘方法

当前舰艇水轮发动机故障检测都是根据实际采集的故障特征信号以模式识别理论为基础,完成故障信号挖掘,受到真实空间弱信号和失真信号难以表达的影响,故障挖掘效果很差。提出运用虚拟空间信号重构理论进行舰艇水轮发电机故障挖掘,构建以信号群集合为元素的虚拟空间,通过故障重构预测技术对故障幅值进行预测,以预测值和真实幅值出发进行故障重构,重构结果融入规范的置信度以及支持度使其反映真实故障值特征,实现舰艇水轮发电机故障数据的准确挖掘。实验数据说明该方法可对舰艇水轮发电机故障数据进行高效、准确的挖掘。     

水轮发电机组故障诊断系统中几种征兆的获取

在水轮发电机组故障诊断系统中，征兆获取能力是评价故障诊断系统性能的重要指标，故障信号的特征提取影响到整个诊断过程的计算以及整个诊断系统的品质．将FFT、分形几何、相关分析、奇异谱等理论应用于故障诊断系统中征兆的获取，针对不同类型征兆采取不同的数学处理方法，并结合水轮发电机组故障诊断系统，证明了所述方法的合理性和可行性，提高了整个诊断系统的可靠性和准确性．     

油浸式变压器绕组振动特性研究

变压器外壳的振动信号是反应变压器运行状态的有效信息。为研究正常运行变压器绕组的振动信号特征,在分析变压器绕组振动原理的基础上对振动频率及加速度幅值两大特征量进行了讨论。并采用短路电流法进行变压器绕组振动信号测试,统计分析了不同型号、不同容量变压器绕组振动信号的频率分布和振动加速度幅值特点,测试结果与理论分析一致,正常状态下变压器绕组的振动信号频率集中在100Hz;B相绕组的所受电动力大于A、C两相,B相振动加速度幅值最大。本文结果可对进一步研究基于振动信号的变压器故障诊断技术提供参考。     

基于快速傅里叶分析法的油浸式变压器绕组振动特性分析

变压器外壳的振动信号是反应变压器运行状态的有效信息。为研究正常运行变压器绕组的振动信号特征,在分析变压器绕组振动原理的基础上,对振动频率及加速度幅值两大特征量进行了讨论。并采用短路电流法进行变压器绕组振动信号测试,统计分析了不同型号、不同容量变压器绕组振动信号的频率分布和振动加速度幅值特点。测试结果与理论分析一致,正常状态下变压器绕组的振动信号频率集中在100 Hz;B相绕组所受电动力大于A、C两相,B相振动加速度幅值最大。结果可对进一步研究基于振动信号的变压器故障诊断技术提供参考。     

基于对向传播神经网络的水电机组振动故障诊断研究

应用频谱法和对向传播神经网络分类器对水电机组的振动故障进行诊断。采用对水电机组振动信号进行频谱分析,提取该信号在频率域的特征量,将频谱特征向量作为学习样本;通过训练,使构造的对向传播神经网络能够反映频谱特征向量和故障类型的映射关系,从而达到故障诊断的目的。仿真结果表明,与常规方法相比,频谱分析与对向传播神经网络相结合的方法进行故障诊断简单有效,且具有良好的鲁棒性和泛化能力,是一种有效的诊断方法。     

基于高阶谱和Tamura纹理的滚动轴承故障诊断

为了提高滚动轴承的故障诊断率,提出了一种基于高阶谱(high order spectrum, HOS)和Tamura纹理特征相结合的故障诊断方法。首先,通过高阶谱方法将滚动轴承故障振动信号的冲击提取出来;然后,对高阶谱进行处理得到二维等高线图;最后依据轴承故障相同时等高线图具有相似性以及不同时具有差异性这一特性,采用基于人类视觉感知的Tamura纹理描述方法提取特征参数后输入到多分类支持向量机(support vector machines, SVM)中进行分类。结果表明：高阶谱结合Tamura纹理特征的滚动轴承故障诊断方法在较少特征参数下故障识别准确率能达到较高的精度,对于故障尺寸不同的混合振动信号识别准确率稳定,诊断效果良好。     

遗传算法优化最小二乘支持向量机的故障诊断

提出一种基于遗传算法分层优化多类最小二乘支持向量机(least squares supportveotor machine,LS-SVM)的故障诊断模型。首先将故障信号经验模态分解(empirical mode decomposition,EMD)为平稳本征模态(intrinsic mode function,I MF)分量,再选择表征故障调制特征的I MF分量并提取瞬时幅值能量作为故障特征输入到遗传算法分层优化好的采用多项式核的多类LS-SVM中进行故障识别。EMD分解可自适应分离故障调制信号;瞬时幅值能量矢量的不同表征各类故障的可分性;遗传算法分层优化惩罚因子和多项式核参数可以使LS-SVM摆脱对故障类型与模式编号映射关系先验知识的依赖,提高LS-SVM的故障预测精度和自适应诊断能力,并可以推广应用于线性、径向基、Sigmoid等核条件下的LS-SVM优化。一个深沟球轴承故障诊断实例说明该模型的有效性。     

带有侧隙的齿轮故障振动

对在非共振情况下齿轮侧隙和载荷的变化对齿轮振动频率的影响进行了研究。建立齿轮振动微分方程 ,用变步长 Runge - Kutta法求出了齿轮存在间隙时齿轮振动的时程响应的数值解 ,并用快速 Fourier变换 (FFT)方法求出时程响应的幅值谱 ,研究结果表明 :齿侧间隙的存在及变化对齿轮的振动故障频率成份有很大的影响 ,并且在齿侧间隙的值一定时 ,如果齿轮的工作转速和工作载荷发生改变 ,齿轮的振动故障频率成份也有改变。研究结果对齿轮的故障诊断和齿轮传动系统动态设计有重要的意义     

基于时频消噪TFPF和时频分布MBD的轴承早期故障诊断

噪声是影响轴承、齿轮等机械设备早期微弱故障特征正确提取的主要因素,利用新颖的时频峰值滤波技术TFPT有力的噪声消减特性,将PTFT与改进的时频分布MBD相结合,提出了时频峰值滤波TFPT-时频分布MBD的故障识别新方法,即应用TFPF消减振动信号的随机噪声作为时频分析的前置处理,对消噪的故障信号作MBD时频分析来识别故障特征,给出了时频峰值滤波时频分布的故障诊断模型。诊断实例的分析结果表明了与传统的MBD的故障特征提取相比,提出的改进方法更易提取出强噪声背景下的轴承早期的微弱故障,具有明显的可诊断性和实用性。     

多级模糊神经网络在故障诊断中的应用

提出一种基于模糊神经网络的多级故障诊断系统,根据多级的需要,除了建立故障谱和识库外,还分别建立了频谱特征知识库、振动变化特征知识库和故障位置特征知识库,并对其主要功能做了比较细致和论述。文中特别对第1,3级采用的基于模糊组织径向基函数神经网络及第2级采用的模糊逻辑神经网络的学习算法做了较全面的论述,同时解决了模糊神经网络随着输入变量的增加,模糊规则呈指数增长带来网络训练的困难。通过试验,研究了该系统在某炼油厂重催化机组故障诊断中的具体应用。     

列车自动门振动谱的有效性分析

列车自动门振动谱是实施列车自动门振动可靠性实验的基本条件,振动谱单元是振动谱最小单位。为了保障所构建的列车自动门振动谱的效果,在平稳性、随机性、正态性、频率范围等方面,采用标准差、符号熵、峭度、自功率谱密度等特征量,考核振动谱单元的有效性;进而选择计数方法,并基于能量守恒原则修正准振动谱的幅值。将这些措施付诸实施,对检测获得的某型列车自动门振动时间历程构建振动谱。结果表明方法可行,并且应当选择雨流计数法。