基于贝叶斯网络的减速器异常振动故障诊断

为实现减速器异常振动的故障类型快速判断、降低巡检与维护成本,研发了一种减速器异常振动智能诊断模型。在历史异常振动数据不充足、不平衡的情况下,通过对历史故障履历资料的梳理,建立了减速器故障树,并映射为减速器异常振动贝叶斯网络结构。同时,对历史异常振动数据进行振动特征提取与标签化,选择期望最大化(EM)算法为参数学习方法,确定贝叶斯网络节点变量的概率分布。在减速器运行过程中,该模型处理实时振动数据后,融合故障知识转化的异常振动特征判别机制与分层吉布斯采样算法,对各节点变量进行故障概率推理,实现异常振动故障的及时定位。通过模型性能测试发现所提出的故障诊断模型相比于其他典型模型,在诊断结果准确性与区分正常与异常振动数据的精度方面均取得了较大的提升,并将模型集成至带式输送机智能运维系统中进行了工程验证。

论传感器在皮带机状态管理的应用

在现代化的机械设备的生产和发展中,滚动轴承占很大的地位,同时它的故障诊断与检测技术也随着不断地发展,近年来,在对轴承进行故障诊断方面,许多专家和学者都进行了深入的探讨,并提出了一些新的技术和理论,使其在实际中得到了广泛的应用。在各类转动设备中,滚动轴承作为一类重要的通用零件,如果发生磨损、疲劳、腐蚀、塑性、断裂、粘连等失效情况,将对设备运行产生较大的影响。这就需要加强故障检测和原因分析,对滚动轴承进行故障诊断的方法很多,而在皮带运输机的自动化设备上,传感器的使用也日益增多,这就提高了皮带运输机的自动化水平。通过实践表明,该传感器保护装置可以对带式输送设备进行极其精确的控制,可以有效地提高带式输送系统的工作效率,保证了系统工作的连续性和可靠性,有着很好的应用前景。