柴油机振动数据采集与分析系统

振动信号是设备状态信息的载体,它蕴含了丰富的设备异常或故障的信息,而振动特征是设备运行状态正常与否的重要标志。组建了硬件平台对柴油机的振动信号进行采集,并在此基础上开发了一套以VB为软件平台的柴油机振动数据采集与分析系统。整个系统能够实现不同通道、不同频率、不同增益的振动数据采集,能够进行基于分形的数据分析。同时,该系统可用于柴油机振动状态监测,对振动波形进行实时显示、实时分析等。     

粮食处理中心设备运行状态监控系统研究

针对粮食处理中心和种子加工厂设备操作控制台落后及应用中的设备运行状态监测预警系统不能对设备进行控制的问题，研制开发了设备运行状态监控系统。阐述了系统的组成、工作原理及特点等。     

基于音频识别的无人值守变电站设备在线监测

介绍了无人值守变电站主设备音频在线监测系统的原理与结构,然后重点介绍音频数据的监测与识别过程.首先系统利用传感器采集变电站设备的音频信号,数据采集器把多路音频数据传至监控主机,音频数据经频谱分析和处理后提取到MFCC特征参数作为信号特征,再把特征参数输入正弦基神经网络进行识别,实现高效、准确地判断电气设备运行状态或故障类型.该方法从根本上改进了以往人工监听电气设备判断故障的方法,提高了设备故障检测效率,为及时发现和处理设备故障提供了帮助.     

油气管道SCADA系统调控业务应用的GIS扩展

基于面向服务架构集成服务总线技术与面向对象管道模型技术,构建了开放、互联的油气管道SCADA系统软件,并从系统架构上设计了GIS与SCADA系统数据通信机制,利用GIS空间分析功能和油气管网SCADA调控业务计算结果,对整个油气储运生产运行过程的主要参数、管道信息、设备运行状态进行动态监测,利用地理信息系统全景展示油气管道运行状态,扩展油气管网调控业务应用,实现泄漏分析、应急处理等。     

基于层次分析法的大型变压器状态评价量化方法研究

大型电力变压器由于其内部结构复杂、运行参数众多等因素,传统“是非制”的评价方法一直不能得到准确、可信的评价结果.为了克服“是非制”评价方法的缺点,在分析变压器功能层次结构特点基础上,运用层次分析法,提出了一种量化评价变压器运行状态的新方法.研究了电力变压器设备的状态及其评价层次模型,采用健康值来综合测度设备运行状态;运用层次分析法并结合专家经验,对评价层级结构中各状态参量的权重进行了量化分析;建立了基于层次分析法的变压器设备状态量化评价模型.实例分析表明,文中提出的方法简便、实用,可以有效地评估电力变压器的运行状态.     

基于GMDH网络的船用增压柴油机性能预测及仿真

采用数据分组处理（Group Method of Data Handing,GMDH）的神经网络分类方法,建立4190ZLC船用四冲程增压柴油机性能预测的数学模型.针对船用中速柴油机运行状况,考虑到其影响运行状态的因素,结合实验数据进行4190ZLC船用柴油机性能的预测及仿真分析.该模型解决了神经网络结构较大,计算耗时较长的问题.将该模型与BP（Back-Propagation,BP）前馈神经网络仿真结果进行比较,结果表明其仿真效果好于BP神经网络模型,并且该神经网络能较好地满足柴油机性能预测仿真的需求.     

EMS—1型设备运行状态监测预警系统

在粮食和种子加工厂中，物料输送设备的运行监测多采用热继电器断电报警，其滞后性较大，针对此问题研制了ＥＭＳ－１型设备运行状态监测预警系统，能达到防患于未然之目的。     

丙烷储罐湿硫化氢腐蚀监测技术

钯合金膜氢传感器、恒电势仪、电脑等构成腐蚀监测系统.钯合金膜氢传感器的信号稳定、可靠,由氢传感器检测氢渗透的稳态电流密度,通过16MnR钢的腐蚀速率随稳态氢渗透电流密度变化的方程,计算设备内部湿硫化氢腐蚀速率.现场试验证明该监测系统可用于监测丙烷储罐的硫化氢腐蚀速率和评估设备的安全运行状态.     

信息化技术在提高烟草制丝线设备状态监测水平上的应用

介绍在制丝生产线中信息化技术的应用,可提高设备状态监测水平,控制设备技术状态。通过设备状态监测的信息化,变过去完全依靠人工监测为主的设备状态监测模式为实时设备状态监测和设备状态趋势管理的新模式,大大提高设备状态监测的时效性和准确性。     

“十一五”油气输送管道系统耗能设备的节能监测

“十一五”期间,长输管道系统主要耗能设备——输油泵、加热炉、天然气压缩机组的平均运行效率呈现逐年上升趋势;输油泵机组效率由2006年的63.29％提高至2010年的68.55％.直接炉热效率由2006年的83.58％提高至2010年的86.86％.节能监测工作为节能管理和节能措施的实施起到了保驾护航的作用.针对监测的这些主要耗能设备,分别介绍了设备现状、测试使用标准、监测设备运行效率以及主要参数合格率.根据总结分析得出的节能监测结果,研究给出了主要耗能设备在运行过程中普遍存在的问题和对应采取的建议措施,有助于促进设备运行水平的提高,以及“十二五”期间节能工作有针对性地开展.（图4,参11）     

论林用门式起重机型式及基本参数

本文对林用门式起重机型式、基本参数和工作级别标准的制订进行了分析和论证。林用门式起重机的型式按吊具类型分为吊钩式和抓具式两种。基本参数包括额定起重量、跨度、悬臂有效伸距、起升高度及工作速度等。     

基于虚拟现实的远程协同诊断系统研究

针对设备故障协同诊断在支持工具通用性和诊断信息交互手段两方面的不足，借助统一建模语言UML方法规范了协同诊断系统的分析与建模，应用IP组播通讯、Java媒体框架JMF、虚拟现实建模语言VRML和实时传输协议RTP技术增强了协同诊断系统的信息表达和多媒体交互能力，以此为基础所开发的基于虚拟现实的多媒体远程协同故障诊断系统在中石化巴陵分公司的实际实施中取得了良好的应用效果．     

原条卸车门式起重机工作速度优化组合的研究

以门式起重机的起升机构、大小车运行机构的电机总功率最小作为目标,确定这三个工作机构的速度优化组合。本文提供了在一条或两条选材线作业要求下,不同起重量在不同跨度下的三个工作速度的优化一览表。通过分析与讨论,认为:①起重量的选择应以生产率作为依据之一,高生产率要求高起重量:②起升速度应尽量采取偏小值;③大车运行速度大于小车运行速度;④这三个速度之间没有一定的规律关系;⑤林用门式起重机的参数标准应予修改。     

基于本体的故障诊断知识管理系统研究

针对目前企业内存在的故障诊断信息分散,不易共享和重用的问题,提出基于本体的故障诊断知识管理系统模型.根据故障诊断所涉及的源知识特点,建立了结构域、测试域和故障域3个异构领域本体模型,并根据各本体之间的连接关系给出了故障树生成算法,实现知识之间的共享和重用.以4L-20/8型两级空气压缩机为研究对象,开发了基于本体的故障诊断知识管理系统,该系统能为企业用户提供更精确的知识检索和诊断决策服务,为进一步的设备智能维护提供了条件.     

故障树分析法在农产品立体仓库故障诊断中的应用

对农产品立体仓库中的关键设备堆垛机进行了故障分析,在收集大量数据资料的基础上,以＂堆垛机控制系统不能正常工作＂为顶事件,建立了故障树,并对其进行了定性与定量分析。结果表明,故障树分析法有效地提高了堆垛机故障诊断的效率。     

基于Fluent的船舶辅锅炉喷油器喷雾数值仿真

为提高船舶辅锅炉热效率,减少燃油消耗率,保护燃烧室组件,预防机械故障,利用CFD商业软件Fluent6.2作为仿真求解器,用欧拉-拉格朗日模型对船舶辅锅炉喷油器的喷射雾化进行数值模拟,得到了油滴轨迹及雾滴空间散布情况等雾化特性数据,为船舶燃油锅炉雾化器设计、故障诊断与选用提供参考.     

J-50集材拖拉机液压系统的故障诊断——故障树分析方法的应用

J-50集材拖拉机是林区采伐生产的主要设备之一。其液压系统工作的可靠性直接影响到集材生产的工作效率。由于液压系统故障诊断技术发展的局限性,使大多数故障还需利用经验加以判断。但是随着可靠性技术的发展,各种故障诊断方法如故障模式、影响及危害性分析(FMECA)、故障树分析(FTA)等的广泛应用,使设备的有效性得到了很大的提高。本文主要介绍了应用故障树分析方法在建立液压系统主要故障模式的故障树时,应遵循的原则、步骤和要求;并建立了J-50集材拖拉机两种主要故障模式的故障树,仅供参考。     

航空发动机磨损故障的智能融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出了运用神经网络和D—S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，转换成故障征兆的布尔值；其次，建立了各子神经网络的拓扑结构。并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，由此获得了各子神经网络的训练样本，对各网络成功训练后。利用神经网络实现各子网络的诊断并得到了中间诊断结果；然后，将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值，利用改进的D—S证据理论。实现了对神经网络诊断结果的融合，由此获得了最终的融合诊断结果，最后，通过算例证明了该方法的有效性。     

基于小波包分析的滚动轴承的故障诊断方法研究

用基于非平稳信号的分析方法,研究滚动轴承的故障诊断模型与算法。在充分分析故障机理及特点的前提下,重点开展对滚动轴承故障振动信号的小波包分析的研究工作,提取出反映故障模式的有效故障特征。并基于所获取的故障特征向量,建立BP神经网络分类器,实现对滚动轴承典型故障的识别与诊断。     

机器学习在油气管道的应用研究进展及展望

机器学习作为实现人工智能的主要手段,通过探索数据规律、建立预测模型来指导决策支持。在目前油气管道系统设备繁多、结构复杂、技术庞杂等背景下,引入机器学习是为了采用人工智能技术解决单纯依靠数学模型难以应对的问题,代替人工从事一些枯燥繁琐、危险程度较高的工作。结合油气管道系统各生产环节,重点阐述了深度学习、强化学习及迁移学习3类机器学习方法的应用研究进展,包括油气管道泄漏、多相流型识别、设备故障诊断及储罐目标检测等应用场景,构建了人工智能技术在油气管道系统的应用框架,指出深度学习、强化学习及迁移学习在该领域拥有较强的应用前景。最后,对机器学习在油气管道领域的应用进行了展望,以期为油气管道系统的智能化研究与发展提供参考。