故障智能诊断技术在亭南煤矿选煤厂的应用

亭南煤矿选煤厂洗选设备缺少运行状态在线监测的手段,且设备的运维主要依靠人工经验。构建设备状态监测和故障诊断系统,采用工业互联网、振动分析和故障机理建模技术,对全厂设备进行在线监测,能够发现设备萌芽状态的故障并提前精准诊断,实现设备运维由事后维修到状态维护的转变。

基于MATLAB的机械工程测试技术教学探讨

随着现代机械工业的发展,机械工程测试技术这门课程在教学中扮演的角色越来越重要。由于这门课程课时少、内容多且抽象难理解,对教学造成了很大的困扰。针对这点,将MATLAB软件应用到这门课程的教学中,丰富了教学内容和增强学生学习的趣味性。

基于FastICA自适应双稳随机共振方法的轴承信号特征提取

针对双稳随机共振在系统参数选取上的盲目性以及在复杂信号处理上的局限性,提出基于快速独立分量分析(FastICA)的自适应双稳随机共振方法。该方法首先对一组信号进行FastICA处理,然后对得到的源信号进行相关分析并进行信号重组,最后把重组后的信号输入自适应随机共振系统中,达到提取微弱信号特征的目的。实验证明,该方法能有效快速的获取混杂在强噪声信号中的微弱信号的特征。

预测性运维技术在港口设备管理中的应用

针对港口设备维护的滞后性、盲目性,运用传感器技术,实时采集设备振动、温度等运行数据,通过专业诊断分析方法,实时监测设备运行状况。通过专业性技术分析方法对采集数据进行比对和分析,判断设备运行状态和潜在故障,指导设备维护人员进行预测性维护,减少非计划停机事故;降低零部件准备成本,缩短设备维修工期,有效地帮助企业降低成本,提升生产效益;避免点检人员的日常高危作业,降低安全风险。利用最新的移动端技术,可以通过手机等移动端,实时查看设备运行状态,提前预知设备隐患,为设备管理提供科学、高效的决策依据。

基于LMD形态滤波的LS-SVM方法研究

在轴承的故障诊断中,为了解决核函数在最小二乘支持向量机中参数选择困难及稀疏性差的问题,提出了局部均值分解(LMD)形态滤波的最小二乘支持向量机(LS-SVM)方法。该方法首先利用LMD对信号进行分解得到PF分量,并对信号做相关分析去除虚假分量,形态滤波降噪后再进行LMD分解得到新PF分量,提取能量特征;其次,对LS-SVM的核函数进行改进,解决核参数选择的问题;应用特征加权法对拉格朗日参数进行特征加权,取其加权平均值作为剪枝方法的阈值,降低稀疏性;最后将能量特征信号输入LS-SVM中,对信息进行训练预测。实验表明,应用该方法能快速有效地对轴承故障信号进行自适应的分类及轴承故障的判断。

巧用大数据诊断钢包回转支承轴承故障

本文以钢包回转台支承轴承作为研究对象,分析了其故障诊断的难点,并设计了基于大数据及人工智能分析的钢包回转支承轴承故障诊断系统,系统包含数据采集层、数据存储和管理层、数据挖掘和诊断分析层和数据展示层等4个层次,形成了从监测到维护的闭环运行,并成功应用于山东莱钢某钢铁有限公司。通过该系统的应用,提前30天准确实现了对钢包回转台支承轴承的故障程度和残余寿命的预测,为客户准备备品、备件和制定维修计划,赢得宝贵的时间,避免了由轴承损坏引起的重大非计划停机事故,为客户带来了1000万元的经济效益。

FastICA遗传神经网络算法

针对反向传播(BP)算法和基于负熵固定点迭代快速独立分量分析(FastICA)方法各自的优缺点,提出了FastICA遗传神经网络算法,对滚动轴承进行故障识别.首先对信号进行FastICA分离,得到振动信号故障信息的独立分量,每个独立分量对应着相应的能量,将各个独立分量的能量构成特征向量;其次利用遗传算法对BP神经网络的初始权值和阈值进行优化,得到遗传神经网络;最后将特征向量作为遗传神经网络的输入样本进行故障识别.利用该方法对滚动轴承多类故障信号进行识别,提高了故障识别能力.

矿用振动筛激振器故障监测系统设计与实施

针对现有振动筛激振器振动信号采集困难、监测精度低等问题,提出一套激振器故障监测系统的实施方案。采用无线传输的高频振动与温度监测器,采集运行中的激振器振动信号,由后台故障诊断软件对激振器的状态信息进行加窗、滤波、FFT变化以及包络分析等,得到振动加速度、速度、位移波形信号,由云端专家诊断系统诊断出激振器内关键部件的故障。