应用共振解调技术检测机车走行部滚动轴承的LabVIEW实现

本论文对实现轴承状态监测和故障诊断方法的研究：对机车走行部滚动轴承的振动信号的主要分析方法进行了说明;介绍了机车走行部滚动轴承的故障类型并开发了一套以labview为开发平台,基于共振解调技术的故障信号分析处理技术的故障诊断系统,能够准确判断滚动轴承的故障及其发生的位置。本文的研究内容主要包括振动信号的采集、信号分析与处理、故障诊断三个内容。     

基于LabVIEW 的数据管理在数控机床故障诊断系统中的应用

本文将虚拟仪器技术应用到数控机床故障诊断系统中,介绍了系统的组成和功能,并着重讨论了系统的数据管理功能,充分发挥了虚拟仪器技术的优势,有效地实现对数控机床故障诊断。     

热连轧机齿轮及滚动轴承的故障机理及诊断

热连轧机的主要作用是通过各种减速机,将电能转化为机械能,完成将厚钢板轧制成薄钢板的任务.振动信号包含着各种丰富的信息,利用振动进行设备状态监测是最有效的手段.文章介绍了热连轧机振动监测技术在钢铁行业的应用现状、存在的问题及发展方向.     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

热连轧机齿轮及滚动轴承的故障机理及诊断

热连轧机的主要作用是通过各种减速机,将电能转化为机械能,完成将厚钢板轧制成薄钢板的任务。振动信号包含着各种丰富的信息,利用振动进行设备状态监测是最有效的手段。文章介绍了热连轧机振动监测技术在钢铁行业的应用现状、存在的问题及发展方向。     

基于共振解调的滚动轴承状态监测及故障诊断系统

介绍了基于共振解调技术的滚动轴承故障诊断原理,利用Lab—VIEW软件设计并搭建了滚动轴承振动测试及故障诊断系统。通过对滚动轴承振动信号采集及处理,系统能够根据振动的时域图以及频谱图,对轴承状态进行准确判断。     

人工神经网络在滚动轴承故障诊断中的应用与发展

针对滚动轴承失效的故障诊断方法,介绍了人工神经网络在滚动轴承故障诊断中的优势与发展现状,分析了常见人工神经网络类型在滚动轴承故障诊断中的应用,提出了人工神经网络在滚动轴承故障诊断应用中的问题与不足,并对相关研究趋势进行了讨论。     

基于BP网络的电机故障诊断

介绍了BP神经网络以及电机故障诊断的发展和电动机故障诊断常见的技术方法,列举了电机故障征兆集.设计一个具有电机故障诊断功能的BP网络系统,给出了matlab关键稃序和运行结果.     

基于LabVIEW的电磁阀智能测试系统开发

文章针对某电磁阀厂现有测试系统测量精度低,测试效率差等问题,设计开发了一套电磁阀智能测试系统。以LabVIEW作为系统的开发平台,综合流体力学、仪器仪表、液压与气动和计算机辅助测试等相关技术建立了测试系统的总体方案,并开发了系统软件;分析了系统的动态特性,并结合实验结果进行了对比分析,证明了该设计方案的可行性;提出了改进措施,进一步提高了系统的测试精度和效率。     

石化企业电机滚动轴承故障诊断模型研究

文章在分析长炼滚动轴承故障诊断基础上,提出了石化企业电机滚动轴承故障诊断模型。     

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BP神经网络及Pearson相关系数的风机发电机轴承温升故障诊断研究

发电机轴承温升高是直驱风力发电机频发的故障,易导致风机长时间停机,维修难度大,造成设备重大损失。通过建立基于BP神经网络和Pearson相关系数的发电机轴承温升故障诊断模型,并以湖北荆门某风电场为例,试验结果表明:该方法能够较准确预测风机发电机轴承温升变化,通过将温度预测值与正常工况下的温度值进行误差对比,判断发电机是否处于正常工状,实现发电机潜在故障的预警,为风力发电机的故障诊断提供了一种切实可行的方法。     

基于WT-CNN深度学习的轴承故障识别

针对传统轴承故障识别方法的识别率低以及人工干涉等问题。提出了一种基于时频图和深度神经网络（WT-CNN）轴承故障类别的自动识别方法。首先采用连续小波变换（CWT）将原始信号转为时频图,然后将其输入VGG-16神经网络模型中的卷积网络层（CNN）进行特征自动提取,并使用softmax层完成识别。实验结果表明,该方法可以准确地识别轴承故障类别,其准确率达到100%。因此与其他神经网络和传统机器学习方法相比,WT-CNN神经网络模型能有效对轴承故障类别完成识别任务。     

螺杆泵工况检测及故障诊断系统设计方法

本文通过对石油用螺杆常见工况故障的系统分析,总结性的阐述了工况故障常见的表现形式。并以此为基础对相应的诊断方法做进一步说明。最后又进一步提出了基于BP神经网络的螺杆泵机组故障诊断网络的设计方法。     

航空发动机控制系统传感器智能故障诊断

航空发动机控制系统故障诊断一直是一个重点研究课题,本文使用智能故障诊断技术对发动机控制系统传感器进行状态检测和故障诊断。具体方法为:以传感器之间的冗余关系为基础,利用基于智能粒子群算法的小波神经网络建立传感器输出预测器,通过准确预测传感器输出,实现对传感器的检测和故障诊断。通过仿真验证,本文所使用智能故障诊断技术是可行的,具有一定的借鉴价值。     

基于边际谱的优越性在风电机组轴承故障诊断的应用

为了保障风力发电机组的安全运行,对其进行状态监测和故障诊断是非常重要的。对于非平稳信号,传统方法傅里叶变换(FFT)不能很好地进行分析。文中提出了在希尔伯特黄变换的基础上,对希尔伯特谱进行积分,求取边际谱的方法。以某台风力发电机组轴承内圈故障为例,将该方法与传统FFT,希尔伯特时频谱进行比较。结果表明,边际谱可以很好地检测轴承故障特征频率,也验证了该方法对非平稳信号分析的有效性。     

浅谈城市轨道交通列车轴承故障的诊断

针对城市轨道交通列车进行滚动轴承损伤的早期检测与故障诊断,具有重要的意义。     

基于振动信号的减速器轴承故障分析

目前对减速器进行故障诊断是机械设备状态监视和诊断的重要内容,其运行状态对机械装备的整体将产生直接影响,因此对减速器进行故障诊断是非常必要的。本文对刮板输送机减速器中的滚动轴承的故障振动信号的特征进行了分析和研究。利用加速度传感器对减速器多个部位进行振动信号的采集,利用MATLAB软件对振动信号进行小波分层阈值消噪,对消噪之后的信号进行频域分析。     

TORNADO燃机故障诊断的神经网络模型研究

为改善单神经网络收敛速度慢的问题,本文采用组合神经网络建模方法,建立了燃机性能仿真网络模型,并进行实验验证。建模过程中,将建模对象划分为三个相对独立的子网络,利用获取的实验数据组成训练域对网络进行训练,建立起一套可用于燃气轮机控制系统仿真及故障诊断的组合神经网络模型。实验结果表明:该模型平均输出误差约为3%-6%,计算时间小于100ms,可用于基于模型的燃气轮机诊断系统。