基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法

为提高数控机床主轴传动系统润滑不良故障的预测能力和预知性维护能力,针对现有故障预测方法的局限性以及主轴零部件耦合、故障并发等特征,提出一种基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法。根据关联程度约简故障先兆表征参数,基于故障历史数据集定义故障先兆状态序列,结合小波分析和概率神经网络技术构建故障先兆判定模型,设计动态置信度匹配算法,进而从可靠性和正确性的角度融合各故障先兆参数状态匹配结果,在线预测故障发生的概率及时间。试验结果表明,该方法能够有效实现主轴传动系统润滑不良故障的预测。

数控电火花线切割加工中故障先兆信息的采集系统

对电火花线切割加工中故障的先兆信息进行了理论分析 ,提出了故障先兆信息的提取方法 ,并将采集到的故障先兆信息通过数据采集卡送入计算机进行分析和处理 .基于Windows操作系统具有界面友好、多任务并行处理等特点以及VisualC ++的面向对象的编程技术和多线程编程技术 ,开发了数控线切割机床故障先兆信息采集系统 .在SCX -Ⅱ型数控线切割机床上的实验表明 ,本文所提出的数控线切割机床故障先兆信息采集系统是有效和可行的 .

感知故障先兆诊断与排除

任何设备在发生故障之前,都有其前期表象,即为先兆。近年来,随着液压设备的应用越来越广泛,保证液压设备的正常工作就显得尤为重要,因此对液压设备故障的诊断与排除就引起大家的普遍关注。本文列举了液压设备的几种常见的故障先兆,并分别阐述了其产生原因及故障的排除方法,如对噪声和振动的诊断与排除、系统温度高的诊断与排除以及系统存在泄漏的诊断与排除等,希望将故障消灭在萌芽中,使液压设备更好地为经济生产服务。

基于神经网络的数控线切割加工状态建模技术研究

研制了一种数控线切割机床智能状态监测系统,实现了特征信号的实时采集与处理,基于人工神经网络技术建立了数控线切割加工状态模型,提出了运行状态综合劣化度的概念及其量化方法,实现了数控线切割加工状态在线辨识与运行状态在线监控.实验证明,该系统能够快速采集特征信号并进行去噪声处理,所建立的加工状态模型能够正确地识别加工状态,运行状态劣化度实时客观地评价了数控线切割机床的运行状态,从而有效地避免了机床严重故障的发生.

基于神经网络的螺旋断层放疗设备先兆故障诊断模型

目前螺旋断层放疗设备先兆故障诊断模型,未曾分析螺旋断层放疗设备先兆故障信号,导致故障诊断模型诊断螺旋断层放疗设备效率低,误差率高,为此提出基于神经网络的螺旋断层放疗设备先兆故障诊断模型。根据螺旋断层放疗设备,时域和频域之间变换的桥梁,分析螺旋断层放疗设备先兆故障信号,利用神经网络,对故障信息的学习、记忆、识别和推理能力,建立设备先兆故障诊断模型,诊断螺旋断层放疗设备先兆故障。实验结果表明:确定螺旋断层放疗设备结构、模型运行环境、训练样本、故障诊断指标计算公式和设备故障位置,改变迭代次数和测试样本数据数目,对比三组模型,对螺旋断层放疗设备先兆故障诊断效果、诊断效率和诊断指标,此次研究的螺旋断层放疗设备先兆故障诊断模型,诊断螺旋断层放疗设备,具有较快的故障诊断效率,较低的故障诊断误差率,以及较高的召回率。