时序分析在汽车变速箱齿轮故障诊断中的应用

采用时序建模的方法对汽车变速箱齿轮进行ＡＲ谱分析,通过与传统功率谱分析比较看出,时序分析在谱分析中有较好的性能,在故障诊断中具有良好的应用前景。     

多尺度Hilbert谱熵在故障诊断中的应用

基于局域波分析的时频多分辨特性,提出了多尺度Hilbert谱熵的概念,并给出了多尺度Hilbert谱熵的计算方法。将其应用到往复式压缩机的故障诊断中,比较了时频熵与多尺度Hilbert熵在实际应用中的效果,证实了多尺度Hilbert谱熵能更准确地反映机组的状态。     

拖拉机变速箱的齿轮故障诊断研究

通过对拖拉机变速箱的故障分析，列举了故障发生率较大的变速箱齿轮所在的主要故障形式，并对齿轮故障诊断的试验台搭建、故障信号特征的提取、诊断模型的选择及遗传算法的应用做了论述。     

小波能量谱在轴承故障诊断中应用

针对滚动轴承故障振动信号的非平稳特征。利用小波变换,提取小波能量谱及其频谱,同时对轴承外圈和内圈两种典型的故障进行试验模拟分析,说明了小波能量谱不仅可以有效地提取故障信号特征,并且根据频谱结构和故障特征频率可以清晰地分辨出故障的类型。理论上与轴承振动模型一致,非常适合变速箱等封闭结构,不进行拆解即可实现轴承在线检测和故障诊断。     

基于局域波时频分析的齿轮故障诊断

局域波时频分析方法具有良好的时频性能,将局域波时频分析应用于齿轮故障振动信号分析,仿真和实际应用结果表明局域波时频分析能清晰地描述振动信号的时频特征,有效提取齿轮磨损故障振动信号的特征。为齿轮磨损故障诊断提供了一种更为有效的手段。     

基于PCA-BP神经网络的齿轮故障诊断分析

介绍了基于主元分析(PCA)理论改进后的BP神经网络在拖拉机齿轮故障诊断中的应用;试验中以齿轮振动信号的频域特征为神经网络输入,齿轮的主要故障模式为神经网络的输出,发现训练过的神经网络能很好的满足齿轮故障诊断的要求。     

基于EEMD的农机轴承故障诊断

针对经验模式分解(EMD)在非线性信号处理中存在的模态混叠问题,本研究采用了总体经验模式分解(EEMD)方法对农机中的轴承进行故障诊断。将农机轴承故障信号加入随机白噪声构成总体信号再进行EMD分解,然后对分解所得的固有模态函数(IMF)做包络谱分析,在包络谱中清晰地显示出了轴承故障特征。实验结果表明,避免了模态混叠现象的产生,是一种有效的农机轴承故障诊断方法。     

基于边际谱和神经网络的柴油机故障诊断

柴油机缸盖振动信号中包含着丰富的柴油机工作状态信息,利用缸盖振动信号诊断柴油机工作状态是一种有效方法.针对缸盖振动信号的特点,提出用经验模式分解方法对获取的缸盖振动信号进行分解,选取前3阶模式分量的边际谱、重心频率、重心幅值、偏度以及峭度等构成柴油机工作状态特征向量,基于BP网络对柴油机故障进行分类诊断.经对实测柴油机故障进行诊断表明,正确率达到85％以上,验证了诊断方法的可行性.     

齿轮传动系统轮齿啮合过程动载荷谱研究

建立了齿轮系统轮齿啮合过程动力学分析模型,推导了综合考虑时变啮合刚度、齿面磨损、齿形误差和安装误差的齿轮动态微分方程,提出了齿轮传动系统动载荷谱的分析方法,研究了齿轮系统载荷谱的时域特性、频域特性和时频特性,并将数值仿真结果与实验结果进行比较,结果表明:该数值仿真模型和实验结果相吻合。     

论电力变压器固体绝缘故障判断与查找

文章通过研究在故障涉及固体绝缘时,其它特征气体组分与CO、CO2间的伴生增长情况,提出了一种动态分析变压器绝缘故障的方法。并着手建立故障气体的增长模式,为预测故障的发展提供了判断依据。     

信息融合技术在发动机故障诊断中的应用

提出了在发动机故障诊断中采用基于信息融合技术的识别方法,采用此方法能够减少故障诊断过程中的不确定性,并在实际应用中证明了其有效性。     

滚动轴承故障诊断技术研究

滚动轴承是机器的易损件之一.滚动轴承故障诊断的传统方法和现代方法有冲击脉冲法、共振解调法、小波分析法等.滚动轴承诊断技术的发展方向为非线性理论、现代信号处理技术与智能诊断技术的融合、信号处理技术之间的相互融合.     

汽车发动机尾气排放及在故障诊断中的应用

文章首先简述了汽车发动机尾气排放的成分、形成机理以及影响尾气排放物的主要因素,然后分析了尾气成分异常与发动机故障的关系,最后通过实例介绍尾气排放在发动机故障诊断中的应用.     

柴油机自动熄火的故障诊断与排除方法

发动机熄火的原因主要有两个方面：一个是燃油或空气供应中断;二是运动部位受到卡滞或发动机突然加重负荷。文章解析故障诊断与排除方法。     

农机总动力预测的灰色神经网络新方法

为提高农机总动力变化趋势的预测精度,将pGM(1,1)模型与RBF神经网络相结合,建立了基于pGM(1,1)-RBF神经网络的农机总动力预测模型,并以中国农机总动力数据预测为例,验证了该模型精度高、可行有效,适用于农机总动力预测.     

风电机组传动链综合状态监测与故障诊断技术

为了实现对风电机组传动链结构及运行过程的监测与诊断,结合单一的物理仿真或单一的经验.利用风电机组传动链在线状态监测系统采集数据并预处理,采用FFT,FNN和专家系统推理机对不同类型的故障进行诊断,采用决策融合技术对诊断结果进行优化,构建风电机组传动链在线综合状态监测与故障诊断系统.将该系统与风电场CMS系统和SCADA系统相结合,对风电机组进行状态监测与故障诊断.以某风电场主轴轴承故障为例,分析振动幅值、故障发生时间、故障部位及故障程度,根据诊断情况,给出了专家意见.该系统具有很强的通用性、适应性、容错性和易实现性,提高了分析问题、推理及优化、远程诊断分析能力,达到了较高的智能化水平等建议.     

风力机故障诊断神经网络特征参数确定方法

为了诊断风力发电机组的故障,在搭建故障诊断神经网络平台时,选择合适的输入层特征参数搭建小波神经网络以达到网络训练时的稳定收敛.通过对风力发电机组故障诊断神经网络系统输入层特征参数的选择研究.发现风力发电机的齿轮箱、转子、叶片为独具代表性的易故障部件.分别对3个典型故障部件的一般故障类型和其产生机理进行了分析,得出齿轮箱的频率特性可以用来表征其故障类型,不同的转子故障会对应于不同的轴心轨迹,而叶片的故障诊断则可以运用声发射系统.根据分析的结果,提出了输入层特征参数的确定方法.齿轮箱按照其故障的时-频特性来确定输入层特征参数;转子利用其轴心轨迹能够反映故障类型的这一特性,来确定输入层特征参数;而风机的叶片则是通过“声发射系统”测量叶片表面性能时产生的特性数据作为输入层的特征参数.该方法可为风电机组故障诊断神经网络的建立提供参考.     

渠道防渗新材料—土壤固化剂及其应用

土壤固化剂是９０年代我国从日本引进的土壤固化新材料,它与传统的水泥、石灰、粉煤灰等固化材料不同,具有适应范围广、施工简便、施工期短、造价低廉、质量有保证等特点。经过５年的国产化过程,在铁路、公路、水利建设中已逐步由研究开发到推广应用,本文对葛沟灌区节水改造工程中土渠土壤固化试验段情况进行介绍。     

状态监测与故障诊断技术在水轮机调节系统中的应用与发展

文章简述了水轮机调速器状态监测与故障诊断的现实意义,介绍了状态监测与故障诊断的组成与工作原理,着重阐述了状态监测与故障诊断技术在国内外的应用与发展状况,指出了该技术目前存在的主要问题,并提出了状态监测和诊断技术未来的发展方向。