11相无刷励磁机故障工况的谐波分析

采用快速傅里叶变换(FFT),分析11相无刷励磁机样机故障工况的谐波问题,给出输出负载电压的直流分量、基波和25次以下的谐波计算结果.结果表明,断相故障下,负载电压各次谐波有相似的变化规律,但断开的相数不同,总谐波畸变率不相同;一相断开运行,负载电压与一个二极管支路断开负载电压的谐波变化规律不同;二极管支路短路时,负载电压总谐波畸变率相当严重.     

基于FrFT滤波和LMS降噪的变转速滚动轴承故障诊断

变速工况下的机械故障诊断逐渐成为旋转机械监控领域的一个热门课题,在变转速下故障更容易发生且伴随更大的噪声,而相应的降噪问题目前却没有可靠的解决方法。因此提出一种基于分数阶傅里叶变换（FrFT）滤波和最小均方算法（LMS）降噪的故障诊断方法,对变转速工况下轴承振动信号进行降噪,进而提取非平稳故障特征。首先,同时获得滚动轴承振动加速度信号和转速信号;然后对Hilbert解调后的振动信号进行峰值搜索FrFT,按照搜索得到的最佳阶次和分数阶域聚集位置进行FrFT滤波;再将FrFT滤波得到的信号作为参考信号,原包络信号作为输入信号,进行LMS自适应降噪;最后对降噪后的信号按照转速重采样进行阶次分析,将包络阶次谱中的突出特征与故障特征阶次对比,判断故障。该方法可成功应用于变转速工况下滚动轴承的试验数据处理,证明了方法的有效性。     

基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概...     

企业外部环境评价与诊断的模糊层次分析

对企业外部环境进行了系统分析,建立了企业外部环境评价的指标体系。利用模糊数学方法建立了企业外部环境综合评价与诊断模型,并在此基础上设计了企业外部环境评价与诊断的计算机支持系统。最后给出了一个实际应用案例。     

基于数学形态学分形理论与PNN的轴承状态监测与故障诊断

针对滚动轴承状态监测实时性差、故障诊断准确率低的问题,提出一种基于改进局部均值分解（ILMD）和数学形态学分形理论的特征提取算法,并结合概率神经网络（PNN）完成对轴承状态的智能化识别分类.该算法首先通过ILMD分解轴承原始振动信号,选取相关性系数最大的两阶分量,求取其分形维数作为特征向量;其次,结合盒维数理论,将“形态学覆盖面积”作为第三维特征向量,同时构建起三维特征矩阵;最后将特征矩阵输入PNN以完成状态的识别分类.使用西储大学实测轴承数据验证算法,结果表明,该算法不仅能够精确识别不同状态的轴承,还能有效分类同种故障下不同损伤程度的轴承状态,平均识别率超过99.6%,平均识别时间0.21s.     

2012年秋季北京地区啮齿类实验动物健康状况的病理学调查和分析

随着现代科技的发展,实验动物在多方面起着越来越重要的作用。2012年10月,本实验室参与了北京市实验动物管理办公室组织的北京市啮齿类实验动物健康状况调查。采集心、肝、脾、肺、肾、大肠和小肠进行组织病理学观察,通过石蜡切片HE染色、冰冻切片油红O染色、PAS染色等方法对啮齿类实验动物的健康状况进行鉴定。结果显示,部分动物肝脏表现出不同程度的肝细胞肿胀、轻度肺脏病变,少数表现出肾脏管型、肾小囊腔蛋白样物质渗出和大肠寄生虫感染,但是啮齿类实验动物总体水平属健康状况。以上病变的出现可能与动物的生存环境、饲料营养成分和运输处死过程中的应激有关。     

锌精馏铅塔燃烧室热工问题诊断

针对韶关冶炼厂锌精馏过程中1号铅塔燃烧室内存在上、下空间温差较大,第2层空气助燃作用很小,第3层空气基本上失去助燃作用等问题,对铅塔燃烧室进行了热工测试.发现铅塔燃烧室内水平方向的温度并非均匀,而且其温差比上、下方向的温差更大.通过对铅塔燃烧室热工诊断及研究,得出导致铅塔燃烧室内烟气与塔盘外壁在水平和上、下方向温差大的原因是燃烧室内煤气、空气以及烟气在各喷口的分布,燃烧室和换热室间隔墙具有保温作用,燃烧室内烟气扰动,直升烟道对第2层煤气和第2,3层空气加热.其中,直升烟道对第2,3层空气的加热作用以及它们较大的沿程阻力导致第2层空气助燃作用小,第3层空气基本上失去助燃作用.这种诊断结果有利于铅塔燃烧室的正常运行和维护.     

基于Petri网的故障诊断新方法

在分析故障诊断问题特点的基础上，提出一种不增加Petri网元组的故障诊断新模型，对故障传播的分析更加方便，并通过实例验证了方法的有效性。     

基于可能性理论的柴油机故障诊断方法

本文提出了基于可能性测度的柴油机故障诊断方法.与概率测度相比,可能性测度更为适合,计算更为简单,在故障诊断中有着广泛的适用性。     

汽轮机故障诊断中的信息熵融合

在汽轮机轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的4种信息熵样本.采用概率神经网络对故障信号的4种信息熵特征进行融合研究,并将融合结果与最小距离分类器的分类效果进行了对照分析.研究表明,概率神经网络可实现对训练样本100%的正确识别率,对"陌生"样本的正确识别率也超过80%,其识别效果远远超过最小距离分类器.可见,概率神经网络综合了贝叶斯分类器和神经网络的优势,在汽轮机故障模式分类方面具有明显的优势,利用概率神经网络融合信号的信息熵特征实现汽轮机轴系故障模式识别是一种可行有效的方法.