基于调制强度的地铁风机常见故障诊断方法的研究

针对地铁风机常见的故障类型,本文提出了一种表征风机故障状态的指标,即调制强度。调制强度是根据风机在线监测得到的振动信号,通过包络解调获得的特征强度能够准确地反映风机的故障程度。同时对于风机振动信号的特点,利用循环平稳解调算法准确获得的特征频率表征风机的工作状态,结合调制强度能够准确地反映风机的故障类型以及故障程度。通过地铁轴流风机以及射流风机的现场实验,验证了该方法的准确性,对研究地铁风机的故障诊断技术具有重要意义。

中国电动汽车发展的经济学分析

从经济学角度分析了中国电动车行业在供给、需求和政府扶持方面的现状、影响和挑战,探讨中国电动汽车行业如何能够健康发展。

基于长短时记忆模型的风机故障诊断

风机运行发生故障可能造成重大财产损失和人身安全问题。本文利用集合经验模态分解对风机的振动信号进行预处理,提取出振动信号的低频分量作为输入,利用一种基于长短时记忆的循环神经网络分类器,对风机的振动时序信号数据进行深度学习,进行故障分类。其应用过程包括模型设计,模型训练和诊断实现算法,并且利用仿真信号对模型进行验证,再进行风机运行过程中的部分故障模式识别。长短时记忆模型通过增加"记忆门"、"遗忘门"等单元,有效改善循环神经网络模型的梯度爆炸现象,提高分类性能,并且直接对时序信号数据进行处理,便于工业应用。通过对JNF282B-9D型离心式风机进行常见故障的模式识别与诊断,正确率达96.9%。该系统能实现准确的故障诊断,便于生产运营。

基于时频分析的离心泵空化状态表征研究

空化检测对于保障离心泵运行的安全性和可靠性具有重要意义,已有研究侧重于信号采集和特征提取,对于空化诱发的振动噪声形成机理研究不够深入。为了实现离心泵空化状态的准确表征和有效识别,本文建立了基于信号调制理论的流体机械振动噪声信号模型,将流体激振信号和调制信号视为空化表征的有效信息成分,在此基础上提出了一种基于频带能量和峭度的主导频带时频分析方法,并结合卷积神经网络实现空化状态智能识别.最后,仿真信号和实际数据的分析结果验证了流体机械信号模型的合理性,也证明了所提出的主导频带时频分析方法的有效性。