基于时频域多指标融合和图模型的滚动轴承早期退化监测方法

在对滚动轴承的全生命周期健康状态进行监测,采用从振动信号中提取监测指标时,存在噪声干扰、检测准确度低的问题,为此,提出了一种基于时频域多指标融合和图模型的滚动轴承早期退化点检测新方法。首先,进行了时频域的指标提取,对采集的轴承原始振动信号进行了分段处理,从每段信号中提取了多个时频域指标,进行了基于图模型的指标优化,即对提取的每一个指标进行了图建模,得到了一系列图模型;接着进行了图模型相似度计算,得到了优化后的指标;然后,进行了多指标融合,对优化后的多指标采用逐点均值及逐点最值相结合的方法进行了融合,得到了综合的监测指标;最后,进行了异常决策,采用假设检验对轴承早期退化进行了监测,确定了退化点,并在滚动轴承全生命周期退化数据集上进行了实验,对上述综合指标的退化点检测性能进行了检验,同时在该数据集上将该方法与其他4种方法进行了对比实验。研究结果表明:针对每一组实验数据,采用该方法均能成功检测到退化点,同时在对比实验中,采用该方法取得了1.27的最高平均排名;实验结果证明了该方法的有效性和先进性,表明该方法在滚动轴承早期退化监测中具有良好的实际应用潜力。

旋转机械运行大数据综合实验云平台的研制

旋转机械被广泛地应用于各种类型的工业设备中,然而由于工况复杂,极易导致各种故障。该文针对旋转机械运行状态和故障的实验教学,研制了一种实验云平台。该平台能够完成旋转机械不同运行状态、典型故障的模拟,并且借助“云”架构可以实现远程调控、实时监测、数据存储、“云”开发扩展等功能,为旋转机械的故障检测、故障诊断提供了数据支撑,也为本科、研究生的教学和科研工作提供了支撑。

旋转机械运行大数据综合实验云平台的设计及教学实践

随着网络技术的发展和5G通信技术的应用,提高实验室和设备资源的利用率,从而提升学生的实验能力和专业素养,是高校实验室发展建设的重点任务。以典型旋转机械实验台为机械本体,提出了一种旋转机械运行大数据综合实验云平台,介绍了综合实验云平台系统的基本架构和功能模块,并给出了具体的教学应用场景。该综合实验云平台能够为学生提供丰富的教学资源,激发学生的学习兴趣,培养学生的动手能力和创新意识,并为远程实验教学提供了崭新的平台。

基于统计特征加权融合和图模型的滚动轴承早期故障监测方法

滚动轴承在现代机械装备中得到了广泛应用。轴承的早期故障监测对于降低维护检修成本,提高机械系统的效率和可靠性具有重要意义。为此,提出了一种基于统计特征加权融合和图建模的滚动轴承早期故障监测新方法。对采集的轴承原始振动信号提取多个统计特征;采用自适应加权的方法对统计特征进行融合,对融合后的特征进行图建模,以提高其鲁棒性;然后进行图模型距离度量得到异常得分;最后采用检验假设对轴承早期故障进行监测。将此方法应用于滚动轴承数据集,实验结果证明了该方法的有效性,同时表明该方法在滚动轴承实时在线监测应用中具有良好的潜力。