基于SCADA系统和信号处理的风力发电机主轴承故障分析与诊断

基于SCADA在线监测系统,通过该系统获取到主轴承实时振动数据,用小波包、集合经验模态分解模型进行信号处理和提取故障特征,分析其时域图的冲击信号、频谱图故障特征频率、包络谱故障频率幅值和谐波信号倍数情况,可以判断出主轴承故障位置以及受损情况,实现主轴承故障预警,为风力发电场现场运维人员高效维修提供帮助,降低运维成本。

故障滚动轴承振动信号的半盲处理方法研究

利用旋转机械的振动信号的循环平稳特性,采用基于二阶统计量(Second O rder Statistic,SOS)的盲均衡技术从多个传感器信号中恢复出"真实的"振动源信号,实现了同类信号的数据级融合。以滚动轴承故障信号的阶次谱结构为先验知识,提出了用于滤波性能评价的两个指标,实现了盲均衡滤波器参数的优化,从而给出了一种可用于滚动轴承故障诊断的半盲信号处理方法。采用某型单级减速齿轮箱的实验数据验证了该方法的有效性。

柴油机曲轴轴承磨损的阶比—小波时频特征提取

由于发动机加速过程振动信号故障特征信息表现得更为明显,据此提出计算阶比跟踪和小波时频相结合的方法。将振动信号按等角度间隔进行软件重采样,得到角域内的平稳信号,再进行基于小波系数相关性的小波时频分析。信号经过这种处理后可以同时反映信号阶比域和角度域的特征,即得到阶比—角度能量分布,通过比较不同阶比带内的能量分布来反映不同工况的变化。诊断实例表明,该方法能有效提取柴油机曲轴轴承的故障特征。

基于混合特征的无向图邻接矩阵滚动轴承故障诊断

通过选择合适的信号动态指标,分析振动信号的混合时域特征并结合图论算法分析数据特征间的相关关系,对轴承故障类型进行识别,以达到轴承故障诊断的目的。实验结果表明,无向图邻接矩阵能够从全局的角度实现对每个特征值数据的整体表达,相较于常规的基于数据分析的诊断方法,进一步提高了故障诊断的准确率。

Pro201机车轴承诊断软件的研制

Pro201数据处理软件是针对目前在机务段广泛使用的“JL—201机车车辆轴承诊断仪”而开发的。该软件实现了轴承诊断仪和微机间的数据传输,并能够对数据作进一步的处理和分析,解决了轴承检测时所面临的数据通讯、检测信息的保存、数据后续处理等方面的问题。

基于数据划分和ODM-CNN的滚动轴承故障诊断

提出了一种数据处理方法,对滚动轴承振动数据周期进行自动划分;将数据按照划分的数据长度传入一维多尺度卷积神经网络(ODM-CNN)进行滚动轴承的故障诊断。所提出的数据处理方法可以将每一次传入神经网络的数据划分出合适的周期。通过这种方式滚动轴承故障诊断的准确率达到99.5%以上,并且有效提高了网络的反应速率。