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     

煤矿设备传动部件故障检测和定量分析系统的研究

本文重点介绍了采用滤波解调技术获取振动信号中的故障特征,然后利用脉冲冲击定量诊断技术分析故障部位与故障严重程度,同时叙述了利用故障提取技术、故障定量诊断技术、嵌入式技术、计算机网络技术相结合,实现设备关键传动部件在线监测与故障定量诊断的技术应用,为进一步研究大型设备传动部件的在线监测系统提供参考。     

基于非线性状态估计的风电机组振动建模研究

本文引入振动加速度信号,与SCADA数据结合进行风电机组关键部件的状态监测及故障诊断。实验数据为某风电机组连续6个月SCADA数据,振动建模方法采用非线性状态估计技术,在风电机组故障高发部位——齿轮箱、发电机、主轴承等处加装振动加速度传感器,通过对各部位振动特性的分析,分别建立相应部位的振动模型进行故障监测与诊断,并验证其可行性。研究表明,利用非线性估计的方法建立风电机组关键部位的振动预测模型简单有效,预测精度高,为后续风电机组振动分析提供了新的思路。     

往复式压缩机的振动分析研究

为了准确掌握往复式压缩机的振动信息,对振动信号相对平稳的运动部件应用快速傅里叶变换进行振动分析,而对振动激励源较多、频率成分随时间变化的运动部件应用小波理论进行分析,可以避免往复式压缩机振动分析存在的信号失真问题.     

柱塞泵机械效率的研究

柱塞泵由于压力高,振动大,极易造成各部件的损坏,使机泵机械效率降低。本文主要从流量计对测量值的影响以及利用动态监测,提高机泵效率这两方面进行研究。通过电磁流量计和涡轮流量计不同测量值的对比,说明选择合适流量计的重要性。利用动态监测,可以及时准确发现机泵故障,保证机泵的高效率运行。     

基于动态核聚类分析的水轮机组故障模式识别

根据水轮机组振动故障与振动征兆之间复杂的非线性关系，总结了适用于水轮发电机组振动故障诊断的频谱特征表和振动部位幅值特征表；针对C-均值聚类易产生误分类问题，提出基于动态核聚类分析的水轮机组故障模式分类方法；对振动信号频率、振动信号幅值特征、振动部位进行分析，获得振动频谱征兆隶属度值，在此基础上，建立了基于故障分层的水轮机组运行状态自动诊断模型．工程应用实例表明：该模型的诊断效率是可行的，诊断结果具有较高的可信度．     

基于联合特征的风电机组故障检测

为了提高风电机组的运行可靠性,有必要对风电机组的故障信号进行实时采集并分析.在风电机组的故障检测诊断技术中,有语音信号诊断技术、振动信号诊断技术、电量参数诊断技术,振动信号诊断技术相对于其它诊断技术能更好地反映风电机组的实际工况.提出一种基于小波分析的联合特征提取方法,结合BP神经网络对风电机组的故障进行分析和诊断.以风电机组齿轮箱故障诊断为例,通过频谱分析和模式识别,发现基于联合特征的分析相对于单特征提取在一定程度上提高了诊断精度.     

基于ReliefF-PCA和SVM的发动机故障诊断方法研究

针对柴油发动机机组振动信号非线性和非平稳性以及机组实际故障案例样本数据少的特点，提出了一种基于ReliefF、主成分分析（PCA）以及支持向量机（SVM）的柴油发动机故障诊断方法。首先提取发动机冲击信号的特征参数，运用ReliefF选择出其中的敏感特征以降低处理过程的计算难度；然后采用PCA进一步提取敏感特征，消除各特征之间的相关性，避免冗余；最后利用SVM实现机组的故障分类，诊断不同类型的故障。将本文方法应用于柴油机实际典型故障案例中，结果表明该方法能有效提取柴油机缸盖振动信号中的故障敏感特征，并实现多种典型故障的诊断。     

用连续小波灰度图诊断齿轮故障

为了识别齿轮振动信号中的冲击性故障,利用连续小波变换对正常和故障齿轮的振动信号进行分析,将不同尺度下连续小波分解系数的绝对值用灰度图的方式表示出来,并利用特征矢量法估计信号功率谱进行验证,准确识别出了齿轮轴的不对中故障。分析结果表明,小波分析对信号具有多尺度分析能力,对振动信号中的冲击成分有很强的识别能力;连续小波变换灰度图不仅能直观反应齿轮的正常与故障状况,而且不会丢失冲击信号的时间信息,有利于寻找故障源,实现对齿轮故障的准确诊断。     

反滤波技术在发动机故障诊断中的应用

机器运行时存在振动。当机器出现故障时,机体表面的振动信号会发生变化,因此,振动法监测和诊断机器的工作状态已成为一种很有前途的不解体监测和诊断方法。振动法在监测和诊断旋转机械故障方面已获得很大成功。由于发动机故障形式多,结构和工作方式复杂,所以,振动法用于发动机故障诊断与工况监测有一定的困难。有文献用模式识别方法对发动机机体表面振动信号进行分析,判断发动机内部的状态;利用发动机缸盖     

变速箱振动信号的分解及在故障诊断中的应用

建立了变速箱故障振动理论模型，模型考虑了箱体内部各齿轮，轴承和轴不对中时对箱体复合振动信号的影响，利用时域同步平均技术和小波分析技术分别地将化振动信号，轴不对中故障振动信号和轴承故障振动信号从箱体复合振动信号中分离出来，并利用分离出来的振动信号成功地诊断了变速箱的典型故障。     

变速箱振动信号的分解及在故障诊断中的应用

建立了变速箱故障振动理论模型，模型考虑了箱体内部各齿轮、轴承和轴不对中时对箱体复合振动信号的影响．利用时域同步平均技术和小波分析技术分别将齿轮振动信号、轴不对中故障振动信号和轴承故障振动信号从箱体复合振动信号中分离出来，并利用分离出来的振动信号成功地诊断了变速箱的典型故障．     

汽轮机振动故障分析技术研究

汽轮机振动是影响机组安全运行的一个重要指标。产生振动的原因是多种多样的,不同的振动原因产生的振动信号也各有。本文分析了不同的故障产生的不同的振动特征,并对振动信号分析技术进行了研究。     

滚动轴承早期故障振动信号的分离与诊断

利用希尔伯特变换技术，将含故障的轴承振动信号转化为窄带振动包络信号，然后用包络信号的功率谱和活尔什列谱对轴承故障进行诊断，对５套３０７轴承的诊断结果表明，这种方法诊断结果准确可靠，方法简便实用，速度快，特别适用于滚动轴承故障的在线监测与诊断。     

幅值域无量纲指标对液压泵故障敏感性的实验研究

有效地提取故障特征向量,找到故障敏感因子是进行液压泵故障诊断的关键。采集轴向柱塞泵松靴、滑靴磨损、斜盘磨损以及中心弹簧失效等故障情况下的端盖振动信号,通过包络解调得到各故障的包络信号,在此基础上利用幅值域无量纲特征指标对每种故障进行敏感性分析,找到了各故障的无量纲敏感因子。为液压泵的故障诊断提供了可靠的敏感特征信息,增加了故障特征信息的完备性,对提高故障诊断系统的故障确诊率具有重要的意义。     

自适应频移变尺度振动共振轴承故障诊断

针对广泛应用于水轮机、风电机组等设备中的滚动轴承存在早期故障难以检测的问题,提出了自适应频移变尺度振动共振轴承早期故障诊断方法。该方法利用高频周期激励促使滚动轴承振动信号中的噪声能量转向轴承故障特征频率,并自适应地频移变尺度轴承故障特征频率使其满足振动共振的小参数检测条件,最后通过参数优化最佳地检测出轴承早期故障。利用轴承实验数据验证了该方法的有效性,与最大相关峭度解卷积技术相比,所提方法的诊断结果具有一定的优势和工程应用价值。     

高压断路器电磁铁动作特性的实验研究

针对关于高压断路器电磁铁动作特性研究较少的现状,为深入了解电磁铁运动过程,得到其运动特性相关参数,为状态监测提供依据,对一弹簧操动机构的12 kV真空断路器进行实验和分析。主要基于振动信号,并结合合闸线圈电流,从振动时间、频谱特性和小波包分解能量分布来分析断路器的电磁铁动特性;并模拟铁心卡涩故障,对比正常和故障两种状态,找出相应的特征量。研究结果表明,振动信号反映断路器脱扣过程的运行特性,通过振动信号的分析,可以诊断出电磁铁的状态,能提高现有的高压断路器状态监测系统的水平。     

基于小波多分辨分析的往复机械故障特征提取与识别

本文从往复机械故障诊断领域中特征信号处理的应用角度,探讨了利用小波多分辨分析与信息熵相结合,对往复机械故障进行诊断识别的方法．首先应用小波分解,将监测信号映射到由一个小波伸缩而成的一组基函数上去,在通频范围内得到分布在不同频段内的分解序列;在此基础上,对各分解序列进行ＦＦＴ变换,建立信号的小波特征熵,以此作为故障识别的特征参数,对往复机械运行故障进行诊断识别,并以压缩机振动监测信号为例,实现了不同频段范围内特征信息的提取与故障识别,说明该方法是提取故障信息并进行诊断的有效方法     

8G型电力机车牵引电机轴承故障的振动诊断

介绍了采用振动诊断技术，对机车牵引机轴承故障进行动态检测的方法。利用简易诊断法可判断电机轴承有无异常，而精密诊断法则进一步判断电机在发生故障的部位，借助诊断分析系统，对所测信号进行频谱分析，根据电机轴承不同部位故障的特征频率，确定故障程度和部位，以便及时采取防范措施。     

相关维数在大机组故障诊断中的应用

文中提出了将描述混沌运动的特征参数———相关维数（ｃｏｒｅｌａｔｉｏｎｄｉｍｅｎｓｉｏｎ）用于大机组振动信号的分析．一些带有低频噪声的复杂故障信号的分析结果表明,信号在伪相空间中具有不同的相关维数,反映了不同故障的动力学形成机制的不同．因此,相关维数可用于诊断传统方法难以区分的故障．