基于DSP轴承故障诊断系统的设计

本系统主要适用于轴承振动信号数据采集和分析,可以实现对信号的时域和频域分析。该本系统硬件部分是以DSP为核心进行振动信号的采集与分析,软件部分是采用C语言与汇编语言编制,利用小波变换对信号进行处理。该系统也可以进一步推广到其他振动信号的采集与分析。     

基于轧机轴承故障研究及防范措施

轧机轴承在日常的轧钢工作中,很容易发生故障,而轧机轴承发生故障,直接对轧机的正常运行造成影响,频繁的故障不仅造成维修成本的增加,而且影响生产效率。要保证轧机轴承的正常稳定运行,本文对轴承的常见故障进行研究,提出预防轴承故障发生的措施方法。     

基于轧机轴承故障研究及防范措施

轴承是机械设备中最重要的部件之一,其运行状态的好坏直接影响整个设备的性能。及时、准确地检测滚动轴承的状态信息,并对其进行故障诊断,对提高机械系统的运行效率和寿命,大幅度减少维修成本,确保设备正常运行具有重要的意义。本文就轧机轴承故障进行了具体的分析。     

轴承故障检测技术的研究

轴承是各类旋转式机械中最常用的一种零配件,它的正常与否能够直接影响设备的综合性能,因此轴承故障的检测技术研究具有重大意义。本文围绕轴承故障检测技术的发展现状和轴承故障诊断技术的前景展望两大方面展开讨论,对轴承故障检测技术进行了简单的阐述。     

电动机轴承的故障与修理

电动机用轴承有滑动轴承和滚动轴承。滑动轴承振动小、精度高,在保证液体摩擦条件下可以长时间高速运行。滚动轴承因其装配方便、维修简单并很少出现定、转子相擦故障,在中、小型电动机中普遍应用。本文主要阐述了电动机轴承的检查、维护与修理等问题     

采煤机轴承故障与采煤机现场管理思路构架

笔者结合多年工作经验,从采煤机轴承故障分析及其改进措施着手,对采煤机现场管理思路构架做了简单介绍。     

试述液压泵轴承故障的提取与诊断

在航空工业中,液压系统的工作性能直接影响着飞机的安全和旅客的生命,而液压泵是液压系统的动力源,因此对液压泵的状态监控与故障诊断尤为重要。轴承故障是液压泵常见的故障模式之一,由于轴承故障所引起的附加振动相对于液压泵的固有振动较弱,因而很难把故障信息从信号中分离开来。到目前为止,对液压泵轴承故障的故障诊断尚缺少十分有效的方法。     

基于深度学习的商品推荐系统研究

随着移动互联网和电子商务的快速发展,网上购物已经成为人们生活的一部分。商品推荐系统可以提升用户体验,同时增加商品销售量。深度学习技术更加精准的分析、计算用户曾经浏览或购买的商品,因此基于深度学习技术的商品推荐系统可以更加精准的为用户提供服务。     

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LabVIEW的滚动轴承故障智能诊断系统

利用LabVIEW平台开发了齿轮故障诊断系统。系统主要采用共振解调诊断和BP神经网络诊断两种方法。共振解调诊断由Hilbert解调和小波包解调实现故障频率识别;BP神经网络诊断由对有量纲和无量纲参量提取的特征以及根据小波相对能量提取的特征作为神经网络的输入向量,轴承的故障类型作为输出向量,采用神经网络对轴承进行诊断,实验结果表明:通过解调和神经网络诊断,该系统能有效识别齿轮故障,确定故障类型。     

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。     

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。     

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。     

装备故障诊断方法研究

分析了神经网络故障诊断的特点,构建了神经网络的装备故障诊断模型,克服了传统故障诊断的缺点,并用某型装备故障的数据进行了验证,结果表明了神经网络诊断故障是一种有效的诊断方法。     

基于小波变换和曲线拟合法的柴油机故障诊断

为了对柴油机故障类型进行准确诊断,对柴油机缸盖振动信号进行特征提取,所测取的信号通过小波变换提取时域、频域特征参数,得到相应的拟合曲线并计算多项式系数。设定两种常见故障,通过比较其小波变换拟合多项式系数与标准模式间的距离,从而判断出故障类型。经过验证,所判断出的故障类型正好为所设定的故障,由此表明该方法具有很大的优越性。     

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。     

基于小波神经网络的人脸识别算法研究

利用小波神经网络建立了人脸识别算法,并且利用MATLAB软件编制的仿真程序,进行了仿真分析,仿真结果表明,该方法具有较高的人脸识别精度。