基于小波包能量神经网络的滚动轴承故障诊断方法

针对单一的信号处理诊断方法难以实现滚动轴承故障准确诊断的局限性,提出一种基于小波包能量神经网络相融合的滚动轴承诊断方法。搭建MPS-ICP滚动轴承振动信号的数据采集平台,利用小波包变换对滚动轴承内环、外环及滚动体的故障信号进行去噪、分解与重构,有效提取不同故障下各频段能量的故障特征。将提取的能量故障特征分别输入至建立的BP、RBF和Elman神经网络的诊断系统中,实验分析表明,三种神经网络都能较好的诊断电机滚动轴承的故障类型,且与实际滚动轴承的故障类型较吻合,但就诊断误差和时间综合而言,BP神经网络诊断系统更适合电机滚动轴承故障的检测。

基于神经网络和小波分析的机组振动故障诊断

对于水轮发电机组而言,尽快实施其故障诊断是十分必要的.小波包分析能有效地提取机组振动信号中的有用成分,采用小波包分解方法提取特殊频段上的能量特征值作为神经网络输入向量,针对南桠河水电厂实测数据采用单隐层BP网络进行训练并对不同故障模式进行识别,取得良好效果.

异型包装卷烟烟包卸盘机的设计

为解决异型包装卷烟机械化生产过程中存在的人工卸盘供料效率低等问题,设计了一种异型包装卷烟烟包卸盘机。该卸盘机由进料输送装置、托盘提升装置、烟包拾取装置、退盘装置等部分组成。托盘经进料输送装置和托盘提升装置输送至烟包拾取工位后,烟包拾取装置利用蜂巢式平面吸盘逐层吸附烟包并将烟包移动至卸载工位,空托盘则被输送至退盘装置中缓存后集中回收。通过对移动过程中的烟包进行受力分析,确定蜂巢式平面吸盘的微型吸孔数量为300个,孔径为4 mm。以昆明卷烟厂“大重九”条包生产专线为对象进行测试,结果表明:烟包卸盘机应用后,仅需配备1名操作人员即可完成作业,与应用前采用人工装填方式相比,可节约人工7人/班次,软包硬化卷烟和细支硬盒卷烟的产量分别提升4125、3500条/班次。该技术可为提升异型包装卷烟机械化生产水平提供支持。