高等级生物安全实验室风机故障工况切换控制策略

介绍了高等级生物安全实验室的空调系统配置和负压控制方法,分析了送、排风机故障时常规控制方式容易出现的问题,提出了风机故障工况切换控制策略,通过模拟风机故障验证了该策略控制效果良好,为高等级生物安全实验室的风机故障工况切换控制提供了参考。

船舶空调器风机振动故障典型监测实例分析

针对船舶空调器风机振动监测问题,介绍了空调器风机基本结构、故障模式与测试方法,而后对典型监测实例进行分析,并综合振动数据和故障拆检结果总结了故障分析经验。

融合多层感知机和多项式拟合的大数据平台风机故障诊断

为了提高火电厂送引风机运行的全程安全化、故障诊断准确化、生产收益长期化,将风险问题前置是提升机组运行安全性的关键。基于此,提出了融合多层感知机和多项式拟合的大数据平台风机故障诊断模型。采用多层感知机和多项式拟合建模技术建立风机预警模型,并将模型部署在大数据平台中,能及时发现风机运行期间人工难以发现的异常。采用数据挖掘、机理分析和特征值知识库相结合的方法,挖掘风机失速的参数边界信息,精准化配置各种工况的风机失速边界条件并绘制失速边界工况图,然后结合正常运行工况得出预警失速区间,最终建立覆盖风机全工况的故障诊断模型。利用大数据平台对风机运行数据全覆盖、全流通、全维护的优势,构建了基于大数据平台的风机智能巡盘模型体系,实现以智能巡盘模型代替运行人员对风机运行状态进行定期巡盘监视和诊断,达到风机故障的准确安全诊断、故障发生率最低化及人员复用率最大化的效果。

海拉尔盆地中部断陷带下白垩统南屯组致密储层特征及有利区预测

综合运用岩心分析、铸体薄片、高压压汞等资料,对海拉尔盆地中部断陷带下白垩统南屯组储层特征及其主控因素开展了详细研究,并对有利区进行了定量综合评价。研究结果表明:(1)海拉尔盆地中部断陷带南屯组岩石类型主要为岩屑砂岩和长石岩屑砂岩,储层孔隙度小于12%的样品数占总样品数的70.2%,渗透率小于1 mD的样品数占总样品数的66.3%,属于致密砂岩储层,储层储集空间主要为少量原生孔隙和大量次生溶蚀孔隙。(2)沉积相控制了研究区储层物性在空间上的总体分布规律,南屯组最有利的沉积相带是辫状河三角洲前缘和扇三角洲前缘亚相;压实作用对储层具有减孔效应,溶蚀作用普遍发育,形成了大量粒间和粒内溶孔,对储集性具有一定改善作用。(3)盆地中部断陷带发育缓坡断阶构造带、陡坡断阶构造带和洼槽带3种构造带,其中缓坡断阶构造带和陡坡断阶构造带为主要的油气聚集区带,其断裂的大量发育均早于或同期于烃源岩大量排烃阶段,为油气运移提供了通道。(4)将“沉积相-孔隙度-储层厚度-砂地比-埋藏深度”五要素进行叠合,定量评价有利储层发育区,其中Ⅰ类、Ⅱ类优质储层主要分布在盆地中部断陷带的缓坡断阶构造带和陡坡断阶构造带。

基于WOA-RF的船用风机故障诊断

针对船用风机典型故障诊断问题,利用鲸鱼优化算法优化随机森林(random forest optimized bywhale optimization algorithm,WOA-RF)对故障进行诊断,并通过实验验证该方法的准确性。实验模拟包括正常工况和5种异常工况在内的6种工况。采集所有不同工况下的振动信号,分别提取时域、频域下的特征参数构建第一特征向量。通过传统随机森林筛选得到具有更优分类效果的第二特征向量,再输入WOA-RF中完成故障识别。实验结果表明,本文提出的方法能够有效识别故障模式,平均预测准确率超99%。与其他算法对比,这种基于信息融合和WOA-RF的船用风机故障诊断方法准确性更高。

基于迁移学习的矿用主扇风机滚动轴承故障诊断方法

矿用主扇风机滚动轴承的状态监测与故障诊断研究对煤矿生产安全具有重要意义。现有的滚动轴承故障诊断方法在实际工况中进行直接应用时存在训练不足、故障诊断准确率不足的问题,且矿用主扇风机滚动轴承长期处于正常运行状态,正常样本的数量远多于故障样本,即存在样本不平衡问题。因此,提出一种基于迁移学习的矿用主扇风机滚动轴承故障诊断方法(TLCNN+加权交叉熵损失)。该方法将常规滚动轴承数据作为源域数据,将矿用主扇风机滚动轴承数据作为目标域数据。首先利用对称极坐标(SDP)方法将振动信号转换为SDP图像;然后利用充足的源域图像样本对常规滚动轴承故障诊断模型进行训练,训练完成后将诊断模型的参数迁移至矿用主扇风机滚动轴承故障诊断模型中;其次迁移过程中对低层网络进行锁定并通过目标域图像样本对模型的高层网络进行微调,便可得到参数权重优化后的矿用主扇风机滚动轴承故障诊断模型。最后,为了解决样本不平衡问题,在模型中添加了加权交叉熵损失函数进行训练,使诊断模型对作为少数类的故障样本赋予更高的权重并在诊断过程中更加关注故障样本,从而提高诊断准确率。为了验证提出方法的有效性,通过常规滚动轴承故障试验台与实际工况中的矿用主扇风机滚动轴承数据进行了试验验证。结果表明所提方法可以对矿用主扇风机滚动轴承的运行状态进行准确识别分类,准确率达99.28%。

基于IMHSA-MSCNN-BiLSTM的风机轴承故障诊断

由于风力发电机组的非平稳运行条件和周围恶劣的工作环境,风机轴承故障振动脉冲特征易被随机噪声干扰所淹没,这给准确检测滚动轴承故障造成了挑战。为了降低随机干扰对后续特征提取的影响和算法复杂度,提出了一种改进多头自注意力机制(IMHSA)-多尺度卷积网络(MSCNN)-双向长短期记忆网络(BiLSTM)的风机轴承故障诊断方法。首先,由周期空洞自注意力和局部自注意力组成的IMHSA对特征进行增强,以减少随机干扰影响及特征增强过程中的时间消耗;然后,利用MSCNN-BiLSTM网络提取故障信号中的空间特征与长期依赖特征;最后,经全连接层和Softmax层输出风机轴承故障诊断结果,并采用实验台滚动轴承实际运行数据进行算例分析,通过与领域内其他同类方法的对比,验证了所提方法的有效性和优越性。

基于振动分析的蒸汽锅炉引风机故障诊断与检修

某高含硫天然气净化厂35 t/h中压蒸汽锅炉引风机K-073404在例行大修后运行至2个月时出现振动超高问题,振动最高测点M1H达6.05 mm/s rms。使用振动分析仪Commtest vb7对整体机组做振动检测,通过波形、频谱、相位分析、数据对比和工况调整等手段,诊断出振动超高的主要原因为引风机转子存在动平衡故障,次要原因为引风机的调心滚子轴承存在异常磨损或缺陷,对引风机叶轮进行解体检查发现存在123 g和67.5 g两处较大的不平衡量,风机轴承箱内调心滚子轴承的保持架异常磨损。经更换风机轴承箱两端调心滚子轴承,并对风机叶轮做动平衡校正,且符合GB/T 9239—2006 G2.5要求后,引风机K-073404恢复正常运行。经过实践验证发现:基于振动分析的手段对动设备开展故障诊断,可对故障原因做出预判,使检维修工作效率大幅提升,经济效益显著提高。

火电厂锅炉引风机故障原因分析及其维修对策研究

在火电厂锅炉引风机为重要辅助设备,引风机的安全稳定运行直接影响到锅炉的运行问题。基于此,以山西阳泉某火电厂锅炉HA46036-8Z型静叶可调轴流式引风机为研究对象,对该引风机常发生的故障类型及原因进行分析,针对性提出了维修对策,有效提高了该火电厂锅炉引风机维修水平,安全经济效益显著。

基于数据驱动模型的智能风机失速故障辨识方法

智能风机失速状态变化难以捕捉,导致故障辨识结果不精准,提出了基于数据驱动模型的智能风机失速故障辨识方法。分析智能风机压力-流量特征,计算固定流量系数和压力系数,通过不同故障模式空间映射分析风机失速状态变化。引入小波阈值除噪方法对重构信号进行小波包分解,结合小波包能量分析方法实现故障特征提取。将具有映射关系的融合单元应用到智能风机失速故障辨识过程中,构建基于数据驱动的故障辨识模型,结合故障特征提取结果实现智能风机失速故障辨识。分析实验结果可知,该方法应用下的低压、高压风机失速频谱波动范围分别是0~1100 Hz、0~4200 Hz,与实际结果一致,说明该方法的故障辨识结果更为精准。

内燃机车主发电机焊接风扇故障分析及改进

以HXN3型内燃机车主发电机焊接风扇为研究对象,通过数值仿真与试验相结合的方法分析其焊缝裂纹产生的原因。首先采用有限元方法对电机焊接风扇进行了不同工况下的应力水平计算及结构强度评价;接着根据仿真结果制定试验方案,研究焊接变形对风扇疲劳寿命的影响;最后结合仿真与试验结果确定故障原因,提出了改进方案并进行验证。研究结果表明:风扇结构偏心会显著增大风扇焊缝处的应力,降低风扇疲劳寿命;由焊接导致的风扇变形在安装后会产生初始平均应力,对风扇疲劳寿命产生影响。

除尘风机故障分析与技术改造

为了解决除尘风机振动与噪声超标问题,结合振动频谱分析方法进行改进,能够快速准确判断故障原因,找出关键因素,缩短维修时间,改进设备运行条件。经过实验证明,此次提取数据合理有效,采集数据特征明显,准确性与清晰度较高,对故障分析有很大帮助。此次维修方案为同类风机维修提供了有益参考。

基于卷积神经网络的大型冷却塔风机故障识别方法

传统的大型冷却塔风机故障识别方法,只能计算冷却塔风机振动速度故障参数,并且冷却塔风机故障频域小于0,因此设计一种基于卷积神经网络的大型冷却塔风机故障识别方法。首先,构建冷却塔风机数据库,以实现对风机运行数据的实时监控和存储。然后,基于卷积神经网络设置输入数据约束、网络结构约束和训练过程约束等约束条件,以提高其性能和泛化能力。随后,计算冷却塔风机故障参数,如振动速度、加速度、频率成分等。最后,识别冷却塔风机故障频域,通过分析振动信号的频谱图,判断故障类型和程度。实验结果表明,设计的基于卷积神经网络的大型冷却塔风机故障识别方法的冷却塔风机故障频域均在冷却塔风机故障频域限值0以上,证明了所提方法能正确识别冷却塔风机故障,具有更好的准确性。

灯泡贯流式水轮发电机轴流风机故障原因分析及应对措施

针对灯泡贯流式水轮发电机轴流风机易发故障的问题,进行了原因分析和现场试验论证,确定了风机故障的根本原因。通过采取更换轻质叶片、优化风机选型参数、改进风机支撑结构和增加风机智能控制系统等综合措施,提高了风机运行可靠性和使用寿命,为后续灯泡贯流式水轮发电机的轴流风机选型设计或风机改造提供参考。

300 MW机组引风机电机振动故障诊断及动平衡试验

针对某300 MW机组引风机电机振动超标故障,对电机及引风机进行全面振动测试和分析,明确了引风机电机振动故障的原因,通过在电机风扇和电机与引风机的联轴器上加重,消除了电机振动故障,满足了设备的安全稳定运行需要,同时在两个加重面上加重的影响系数可为同类型转子动平衡试验提供经验。

煤矿通风机振动故障预警方法设计及应用研究

针对通风机振动故障预警存在的不足,对煤矿井下恶劣工作环境中通风机机械典型故障及其特征进行分析,阐述了振动分析方法及其基本规范,设计了一种创新的基于振动分析的煤矿通风机振动故障预警方法。该方法以MCM-100设备状态监测平台为基础,603C01加速度振动传感器对振动信号进行高精度在线动态采集,运用频谱分析+振动强度对故障进行诊断识别。实践结果表明:该通风机振动故障预警方法能对永红煤矿FBD8.5-2×75型局部通风机发生的所有振动故障进行准确判断,并进行预警,保障了设备的安全,为煤矿通风机的故障监测与预警提供了一种有效的技术解决方案,有助于提高煤矿的安全性和效率。

基于多源传感的智能双馈风机机械振动故障监测方法

针对双馈风机机械振动故障监测存在的信噪比低、故障监测分类差和时间长的问题,提出基于多源传感的智能双馈风机机械振动故障监测方法。首先采用信息熵度量智能双馈风机振动信号变化情况,获取信号在时频域上的信息熵特征,融合多源传感信号信息特征;然后引入全局搜索因子改进人工蜂群算法,通过改进的人工蜂群算法优化支持向量机;最后将提取并融合后的振动信号特征输入训练后的支持向量机,完成智能双馈风机机械振动故障监测。实验结果表明,所提方法的去噪效果和故障监测分类效果好、监测时间短。

基于机器视觉的火力发电厂锅炉风机叶片故障诊断方法

当前火力发电厂锅炉风机叶片故障诊断结果与实际故障数目差异较大,为此研究基于机器视觉的火力发电厂锅炉风机叶片故障诊断方法。首先,对叶片振动信号进行分析,确定故障特征的信息,以此为基础来提取叶片故障特征。然后消除图像噪声,保留图像细节特征并构建基于机器视觉的火力发电厂锅炉风机叶片故障诊断模型,利用损失函数对生成的诊断结果展开优化。实验结果显示,与基于红外热成像技术的火力发电厂锅炉风机叶片故障诊断方法和基于声发射技术的火力发电厂锅炉风机叶片故障诊断方法相比,基于机器视觉的火力发电厂锅炉风机叶片故障诊断损失值最低,维持在0.2左右。这表明基于机器视觉的火力发电厂锅炉风机叶片故障诊断方法的效果更好,在实际应用中具有更大的优势。

渤海湾盆地庙西北地区古近系沙河街组三段源-汇系统重建

基于钻井岩心和三维地震资料,从物源岩性、分水岭和古水系、搬运通道3个方面对渤海湾盆地庙西北地区物源特征和沉积相展布进行了分析,并通过沉积区古地貌恢复和剥蚀物源区古地貌回溯重建了古近系沙河街组三段(沙三段)沉积时期的源-汇系统。研究结果表明:(1)渤海湾盆地庙西北地区古近系沙三段发育一个完整的近源搬运型源-汇系统,庙西北凸起为物源区,渤东凹陷为主要沉积区;庙西北凸起物源岩性包括中生界花岗岩、下元古界石英片岩及下元古界角砾岩;主分水岭沿凸起长轴呈近南北向展布,古水系散布其间,搬运通道主要为5个古沟谷和2个古断槽;渤东凹陷沙三段主要发育快速堆积的扇三角洲—湖泊相沉积,岩性主要为含砾砂岩、细砂岩及泥岩,分选性和磨圆度均较差,岩石成分及矿物组合均与庙西北凸起石英片岩及花岗岩较为匹配,扇三角洲沉积体呈近东西向展布,在渤东凹陷北部以连片朵状扇三角洲为主,南部为孤立朵状。(2)沙三段沉积期,庙西北凸起剥蚀作用具有“西强东弱”的特征,古分水岭逐渐向西迁移,凸起中部及北部物源面积大、垂向高差大,物源供给能力更强;渤东凹陷沙三段厚度为100~600 m,具有东南薄、西北厚的特征,沉积中心位于区域北部,且北部地层剥蚀作用更强,向东部延伸长度可达3.2 km;扇三角洲的发育位置受控于物源区搬运通道,其发育规模则受控于物源区域面积,渤东凹陷北部及中部扇三角洲沉积体规模更大,是勘探有利区。

集成多方法的废酸装置风机K7200轴承故障诊断

在废酸装置风机K7200中,轴承作为重要的机械部件,准确判断其故障(健康状态、内圈故障、外圈故障和滚动体故障)可以提高维修效率。克服实际作业场景中人工诊断的缺点,提出了集成多方法的轴承故障诊断策略:分别采用K最近邻算法(简称KNN)、逻辑回归(简称LR)和决策树(简称DT)进行诊断,对结果进行投票集成。实验结果表明,采用集成多方法的故障诊断法较KNN、LR和DT算法,故障诊断的准确率分别提升了3.69%、5.03%、6.3%。