基于 LabVIEW的离心式化工泵振动测试系统设计

针对传统离心泵振动测试时仪器较多、仪器可靠性较差和测试成本偏高等缺点,运用虚拟仪器技术,采用LabVIEW图形化、模块化的编程语言编写了数据的采集、处理、保存和故障诊断程序,并且利用闭式回路试验装置、振动加速度传感器和数据采集卡组建了离心泵振动测试系统.详细阐述了虚拟仪器系统的硬件结构与软件构成、设计思想及其理论依据.虚拟振动测试系统以离心泵为研究对象,实现了多通道的数据采集、数据实时分析和数据保存等功能.通过该虚拟振动测试系统可以采集试验离心泵的振动加速度信号,并对所得信号数据进行轴心轨迹分析和频谱分析,实现了离心泵的故障诊断.最后在离心泵实验台验证了该虚拟仪器系统在实际振动监测中的有效性,该系统具备良好的人机交互界面,易于维护和系统扩展.

基于VMD-SVD和SVM的旋转机械故障诊断研究

旋转机械的振动信号具有非线性、非平稳特点,同时其早期的微弱故障信号易受噪声的干扰,因此在故障诊断中难以提取其故障特征,识别其故障类型,针对这一问题,提出了一种基于变分模态分解(VMD)-奇异值分解(SVD)和支持向量机(SVM)的旋转机械故障诊断方法。首先,对原始振动信号进行了VMD分解,并得到了其若干个分量信号;然后,对各分量信号进行了信号重构,应用SVD提取了其重构信号的奇异值特征向量;最后,将其特征向量输入SVM进行了故障诊断,利用双跨度转子故障模拟实验台实测数据验证了该方法的有效性。研究结果表明:基于VMD-SVD方法得到的模态分量(IMF)矩阵的奇异值表现出很好的稳定性,在三维特征散点图中表现出很好的可分性;在变工况和不同转速下,与其他组合方法相比,该方法具有更高的识别准确率,平均分类识别率分别到达了95.96%、95.95%,可以有效地辨识出轴承等旋转机械的故障类型。

基于VMD和随机森林的离心泵滚动轴承故障诊断

针对离心泵振动信号非平稳、微弱故障信号易受噪声干扰、难以提取和识别的问题,提出基于变分模态分解(VMD)和随机森林(RF)的离心泵滚动轴承故障诊断方法。首先利用VMD分解对各状态的原始振动信号进行分解,得到若干个模态分量;然后基于时域、频域、时频域分析提取各IMF信号的分量特征来构建原始故障特征向量;最后将故障特征向量输入随机森林实现故障状态识别。通过一离心泵轴承振动信号验证了所提方法的有效性,实验结果表明,所提方法在离心泵滚动轴承故障辨识方面具有良好的诊断精度和分类效果,每种故障状态的分类识别正确率都比较高,平均分类准确率达到了97.96%,并且三维可视化分类结果表现出很好的可分性;与建立的VMD-BP和VMD-SVM模型分类结果相比,所提方法平均分类准确率分别高出VMD-BP模型8.3%、高出VMD-SVM模型6.13%,表现出更好的分类能力。

基于转子故障数据集的KSELF降维方法

针对故障诊断中呈现强非线性的故障数据集维数过高以及有标签故障样本不足的问题,引入核方法和半监督思想,提出了一种基于核半监督局部Fisher判别分析(kernel semi⁃supervised local Fisher discriminant analysis,简称KSELF)的降维方法。首先,通过核方法将原始故障数据集映射到高维特征空间中;其次,在高维空间中基于半监督局部Fisher判别分析得出投影转换矩阵;最后,用一双跨度转子实验台的故障特征数据集对所提出的方法进行了验证。所提出的KSELF降维方法能够有效捕捉数据的非线性信息,并能充分利用少量标签样本和大量无标签故障样本中的故障信息,避免了过学习问题。实验结果表明,KSELF方法相比实验中的其他方法,其降维能力稳定,能够获得更好的降维效果和更高的分类准确率。

电子控制设备的抗干扰设计研究

电子控制设备运行过程中很容易受到外界电磁信号的干扰,发生设备运行故障或者安全事故问题,有必要不断提高电控设备的抗干扰设计水平。该文主要对干扰的定义及传播途径进行详细分析,结合对电子控制设备干扰源的研究,通过对抗干扰技术方法进行具体分析,提出如何提高电子控制设备抗干扰设计水平。