基于神经网络方法的风机故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,将反向传播(BP)网络、径向基(RBF)网络和概率网络(PNN)用于风机进行故障诊断,并比较了3种网络的诊断精度。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的神经网络进行故障辨识,结果表明,RBF网识别精度高于PNN网络,BP网络表现较差。     

基于LabVIEW的设备振动测试系统

分析了振动监测对机床加工的重要性和虚拟仪器技术的优势,提出了一种基于虚拟仪器技术的振动测试系统,并讨论了这种测试系统的原理以及硬件和软件的实现。测试系统采用美国NI公司的PCI-6024E数据采集卡,在LabVIEW编程环境下,实现了对振动信号的数据采集、显示、存储及分析,并应用于机床主轴箱振动信号的测试与分析。