P场站现场设备与上位机信号中断故障的深入分析

简单介绍输气场站现场信号类别与走向,根据现场故障情况分析处理现场设备与上位机信号中断原因和处理措施     

武钢设备诊断技术应用简介

一、武钢设备诊断技术的现状武钢从 1985年后开始引入设备诊断技术 ,并在开展设备诊断工作的初期 ,就成立了公司—厂矿两级诊断网。武钢设备部设备诊断中心拥有高级职称并且经验丰富的专业诊断人员占诊断中心总人数的 40 % ,他们既负责在公司内开展精密诊断工作 ,又负责组织、指导和检查二级厂利用简易检测仪器开展设备点检工作。在技术装备上 ,主要配备了振动信号分析仪、红外热成像仪 (在自动化公司 )以及一些简易诊断仪器。以后陆续增加了现场动平衡、油液分析、电机故障检测及超声波探伤等手段。从 1999年开始 ,在全公司范围内推行设备…     

机组振动在线监测与诊断技术的应用

利用在线监测系统提供的频谱、轴心轨迹等分析手段,对机组运行过程中产生的振动信号进行分析诊断,判断设备的故障状态,从而实现预防性维修。     

基于技术融合的旋转机械故障诊断方法的研究

本文以油田用注水泵为例,采集设备的振动信号,对信号进行奇异值降噪,利用包络解调技术提取故障特征,并采用技术融合的手段进行故障特征值融合,利用复合知识库中模糊推理机对设备进行故障诊断,取得了良好的诊断效果。     

基于特征频谱对齿轮箱的振动监测和故障诊断

提出一种基于深度神经网络智能监测与诊断的方法。考虑到现有故障信号数据量及多样性不足以直接用来训练神经网络,提出一种基于特征频段的诊断神经网络。具体是利用现有数据进行频谱与包络谱分析,然后提取相应的故障频段与无故障频段。通过少量信号数据便可以提取足够数量的频段数据用以训练神经网络,利用该神经网络对齿轮箱进行振动监测。     

空压机的故障诊断

利用振动信号的频谱分析技术进行旋转机械设备的故障诊断是已经广泛采用的实用技术，在现场诊断时往往需要结合实际工况和设备结构特点进行综合分析与判断，才能得到比较满意的结论。本文介绍一台空压机现场诊断实例并指出现场诊断时应注意的问题。     

液晶面板生产设备的故障诊断研究

基于规则的设备故障诊断,设计一种专家系统的诊断方式,采用现场和远程监控相结合的应用手段,可以缩短诊断设备的故障时间,有效地整合故障诊断经验资源。可以准确分析液晶面板生产设备的故障问题,及时找到有效地解决方法,进而提高设备故障的诊断效率。     

转子不平衡故障在诊断中的有效应用

通过现场故障诊断,分析和跟踪设备检修,准确诊断出设备故障。     

4车翻车机压车器故障分析及改造措施

黄骅港4车翻车机在运行过程中经常出现的压车梁抬起到位(打开状态)和压下到位(关闭状态)信号不稳定故障,影响设备的正常运行。针对现场实际情况,利用有限元数值模拟方法对变形过程进行模拟分析并提出解决方案,降低设备故障率,保证设备的稳定运行。     

滚动轴承状态监测与故障诊断实用技巧

一、滚动轴承故障诊断方式及技巧 振动分析是对滚动轴承进行状态监测和故障诊断的常用方法。一般方式为:利用数据采集器在设备现场采集滚动轴承振动信号并储存,传送到计算机,利用振动分析软件进行深入分析,从而得到滚动轴承各种振动参数的准确数值,进而判断这些滚动轴承是否存在故障。我们采用日本理音公司生产的SA-77信号分析仪,配合笔记本微机、SA-77振动分析软件进行大中型     

新世纪日本设备诊断技术的任务

本文论述了新世纪日本设备诊断技术的任务不仅要诊断出设备故障，而且要预防设备故障的发生和保持现有设备的良好状态，为此应查出产生故障的原因。此外，在经济不景气的环境下，无力进行设备投资，因而设备诊断技术的任务还有寻找合理的使用方法，以便延长设备的使用寿命，保持现有设备的功能和性能。最后，设备诊断技术的任务还应包括治理环境污染。     

高线精轧机电机故障频谱分析诊断

使用设备综合故障诊断系统,对高线精轧机电机存在的异常振动故障进行现场检测、诊断,通过特征频率的分析、计算,判断轴承外圈出现点蚀等缺陷,分析故障趋势,及时安排检修。     

神华准能煤矿吊斗铲故障诊断分析

吊斗铲工作时的重载电机和齿轮箱时刻处于较大变载荷工况下,利用AMS(CSI)2140振动分析仪对吊斗铲进行振动信号的数据采集和设备状态分析,可以得到轴承故障的冲击特征,准确诊断吊斗铲运行状态,防止设备非计划性停机,提高设备运行的可靠性。     

为数据采集器设计的故障诊断专家系统

在诊断机械设备故障时常采用频谱分析的方法,各种频谱分析仪和数据采集器都可显示出设备振动信号的频谱。至于如何理解一个实测的频谱,则常常需要有一定的理论基础、对设备的了解以及诊断经验。     

一种数据驱动模式下往复式压缩机通用诊断模式研究

探索一种数据驱动模式下往复式压缩机通用诊断模型。分析往复式压缩机振动的激振源,根据压缩机振动表现出来的平稳信号、冲击信号和非线性动力学特征,提出压缩机运行状态的三种参数群:以振动的时域信号和曲轴转频及其倍频构成的平稳信号特征参数、描述周期脉冲信号的解调信号直方图值参数、多尺度熵(Multi-Scale Entroy,MSE)特征参数;采用PCA方法对上述多维参数群降维优化,得到有效特征向量;采用SVM方法进行模式训练和诊断识别。利用在实验室模拟的故障样本进行建模,对现场的压缩机进行诊断,诊断表明该模型具有较好的实际诊断能力。     

状态监测技术在高速旋转设备轴承故障诊断中的应用

利用膨胀/压缩机组配备的在线监测仪表,结合故障监测诊断技术对设备轴承故障进行诊断分析和查找,确定了故障所在.     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

基于MFCC声音特征信号提取的风机叶片故障诊断

当风机叶片出现损伤时,在空气转动产生的声音信号会存在异常。提出了一种基于声音信号的风机叶片故障监测与诊断方式,通过传声器等设备采集正在运行风机的声音信号并对信号进行滤波处理,提高声音信号的信噪比,同时对信号进行频谱分析,将提取出的声音特征进行建模,设计风机叶片故障分类器,对风机的健康状态进行实时监测与诊断,提高风机叶片运行稳定性,降低叶片检修运维成本。     

基于谱峭度的同步提取变换方法及故障诊断应用

提出一种基于谱峭度的SET故障诊断方法。首先利用SET求取信号时频谱,然后采用频谱均分的方法分割边际谱,再将分割所得各部分分别求取峭度值,得到连续划分的峭度图。最后利用峭度值筛选包含丰富故障信息的分量并进行包络分析,提取故障特征。仿真信号及滚动轴承外圈故障信号的处理结果证明了该方法的有效性。     

在宝钢诊断技术研讨会上丰田利夫报告要点

日本设备诊断技术专家丰田利夫教授在2001年设备诊断宝钢现场学术研讨会上,阐述了以下一些观念。 1.关于设备故障率与设备诊断工作的关系。设备越复杂,故障率就越高,随机性也更多。这时如采用以时间为基础的维修(TBM),就难以解决问题,在此情况下的维修保养也属无效。美国宇航局NASA曾对此作了五次调查,最后分析出设备的故障概率曲线应为6种,其中第F类表明在整个役期内随机故障