一种基于噪声功率检测的机械设备故障预测方法

在现代高度自动化的工业背景下,实时地对机械设备进行故障预测和健康度分析尤为重要。介绍了一种基于噪声功率检测的机械设备故障预测方法。该方法通过收集和分析包装机某联轴器的噪声,提取相关噪声功率特征,识别该部件的状态并评估其健康度。该方法成功地预测了该联轴器的一次螺栓磨损事件,并完整地捕捉到了该事件的全过程,消除了设备后续运行的隐患。通过噪声监测机械设备故障具有便捷高效,通用性强等优点,是一种极具潜力的手段。

机械设备噪声监控方法研究

机械设备的状态监控是工业自动化最基本而不可或缺的技术,但工业场景与设备种类繁多,传统的状态监控通常只能用于指定的一种或几种场景与设备,不具备通用性,或是移植起来费时费力。本文使用K-均值和分层聚类方法,给出了一种将机械设备的噪声按照波形特点进行聚类,进而通过噪声波形监控机械设备的运行状态的技术。从对几种不同机械设备的噪声数据的聚类结果的直观观察与统计分析可以看出,算法成功将不同的工作状态做出了很好的区分,并且几乎不经过任何算法与参数的调整,就能在所测试的三种机械设备间移植,在不同的设备间有良好的通用性。此外,该监控手段的硬件安装十分便捷,仅需要在待监控设备外侧安装采集声音的麦克风与数据传输设备,是一种在解决大规模且种类多样的机械设备的状态监控方面表现优越的新型手段。

新能源发展打破煤炭资源型地区“资源诅咒”研究——以“晋陕蒙宁新”为例

在"资源诅咒"理论假说的基础上,利用2000—2019年"晋陕蒙宁新" 5个煤炭资源型省区面板数据,依次开展了样本省区"资源诅咒"存在性检验、传导路径检验以及新能源打破煤炭资源型地区"资源诅咒"效应检验。结果表明:煤炭资源型地区存在显著的"资源诅咒"效应,煤炭资源开发主要通过抑制人力资本、提升第二产业占比阻碍经济快速增长,而新能源开发利用能够有效打破煤炭资源型地区"资源诅咒"现象。