湘钢烧结厂SJ9500和SJ12000风机在线振动监测系统

介绍一种新的在线监测与故障诊断系统,并阐述其硬件和软件的实现方法。该系统集成了传感技术、信号分析技术、网络通信技术、控制技术和专家系统,实现了风机实时振动信号的自动采集,并通过计算机进行振动信号的处理和故障分析,能够及时反馈风机的在线状态,从而进行及时维修。该系统的实现提高了机械故障的监测速度和可靠性,在工业机械监测领域具有一定的实用性。     

某型发动机滑油系统的稳态压力计算

对某型发动机滑油系统建立稳态压力数学模型,算例表明,建模方案是可行的,数值处理是合理的,为滑油系统状态监控和故障诊断系统提供参考依据。     

复杂背景下磨粒显微图像分割

针对DMAS系统中复杂背景下磨粒图像的自动分割问题，根据磨粒图像的相关特征，充分利用领域知识，基于图像分割和边界跟踪的思想，选取了适合磨粒图像分割的最大类间方差阈值法，并结合腐蚀、膨胀等图像处理技术，实现了复杂背景下磨粒图像的有效分割和目标提取。最后算例表明了本方法的简洁有效性。本文研究将对进一步展开磨粒识别和机械设备故障诊断研究工作提供前提和依据。     

应用神经网络的航空发动机故障诊断仿真研究(英文)

传统的定期维护制度成本高 ,劳动强度大 ,且对发动机故障的诊断和探测能力十分有限。现代飞机上的发动机监控系统 ( EMS)具有向维护人员提供有关发动机故障信息的潜在能力。本文将径向基函数 ( RBF)神经网络应用到航空发动机故障诊断中。该方法能够依靠测量参数探测发动机多个气路故障 ,并对各大部件的性能退化进行定量的诊断。仿真结果表明 ,诊断的精度能够满足实际应用的需要 ,神经网络的非线性映射能力可用来捕捉发动机的特性。该方法具有通用性 ,在其他类似的复杂机械中也可以获得应用。     

基于多源信息融合-相关向量机的风力发电机故障诊断

为了能够全面准确地识别风力发电机的故障类别,考虑信号源振动和电流之间的相关性,提出了一种基于信息融合和改进相关向量机相结合的故障诊断方法。通过直驱风力发电机试验台实测数据,提取具有较高敏感度的特征参数作为诊断样本,建立基于振动和电流的改进相关向量机诊断模型进行初步故障诊断。利用信息融合建立多信号源故障诊断模型,获得最终风机故障诊断结果。试验表明,与基于单一信号的故障诊断方法相比,该方法具有更高的准确性,能很好地识别具有机电耦合特性的风力发电机故障类型。     

基于电流阈值的开关磁阻电机位置估计容错分析

在基于双电流阈值的位置估计基础上,提出了一种考虑电流传感器故障和估计误差补偿的位置估计容错技术。通过双电流阈值与脉冲电流峰值比较估计位置检索脉冲信号,利用开关磁阻电机相与相之间的独立性,利用正常相的电磁信息间接估计传感器故障相的转子位置信号。通过仿真计算得到转速对位置估计误差的影响,并提出了位置误差补偿措施。在一台12/8结构样机中进行了相关试验,试验结果表明,所提方法提高了无位置传感器技术的容错性,验证了该算法的正确性和可行性。     

三相永磁容错电机单相故障的容错控制

为了使三相永磁容错电机在单相故障后仍能输出满足要求的转矩,提出了容错电流优化控制方法。针对开路故障,利用故障前后磁动势不变的原则,得到了故障时的容错补偿电流,实现对转矩脉动的补偿。针对短路故障,利用分开补偿的策略,对由短路电流引起的转矩脉动和缺相不对称转矩脉动进行分开补偿,进行了电流矢量合成,实现了电机在短路时输出转矩脉动的最小化。通过MATLAB/Simulink进行仿真,验证了所提出容错控制方法的有效性。     

基于一维卷积神经网络和SoftMax分类器的风电机组行星齿轮箱故障检测

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和SoftMax分类器相结合构造了一种双层智能诊断架构。一维卷积神经网络用于行星齿轮箱数据的特征提取,SoftMax分类器对提取的特征进行分类。与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要。试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障。     

基于小波变换的开关磁阻电机系统功率变换器故障诊断

适用于开关磁阻电机(SRM)驱动系统的功率变换器是决定系统可靠性的关键环节,功率变换器的长时间故障运行会导致整个系统的崩溃,因此,功率变换器的故障诊断具有重要的作用。采用离散小波变换方法,提取故障相电流的平均值与标准差的比值作为诊断特征量,对功率变换器斩波管和位置管的4种故障类型进行分析和讨论,实现了故障类型的确定与故障器件的定位。最后通过仿真和试验验证了所提的故障诊断方法具有良好的可行性和有效性。     

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。