一种旋转机械故障趋势预测的特征提取方法.pdf
雨巷****可歆
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种旋转机械故障趋势预测的特征提取方法.pdf
本发明涉及一种旋转机械故障趋势预测的特征提取方法,其步骤为:(1)利用远程在线监测诊断中心进行工业现场数据采集,通过布置在旋转机械设备上的多个传感器采集多个通道的振动信号xj(t);(2)根据FastICA算法对振动信号xj(t)进行盲源分离,得到原始独立振动源sj(t)的近似信号源yj(t);(3)对近似信号源yj(t)的向量信号Y进行时频域基于小波包的特征频带分解,提取故障敏感特征频带。本发明由于采用独立成分分析(ICA)处理可以识别出混叠成采集信号的原始的独立信号源,对独立信号源进行基于小波包的特征
基于自适应小波能量的旋转机械故障特征提取方法.pdf
本发明为基于自适应小波能量的旋转机械故障特征提取方法,本发明首先在机械故障综合模拟实验台上采集转子振动信号,然后针对信号能量特征受转速和采样频率影响的问题,采用一种新的自适应小波能量特征提取方法,完成对旋转机械的转子不平衡故障、不对中故障、轴承座松动故障的有效特征提取。同时为了保留旋转机械振动信号更多的原始特征,并且克服传统去噪方法在阈值处分别存在恒定偏差和不连续以及参数不可调的问题,在该方法中嵌入了一种新型的阈值函数进行去噪。该方法在机械故障模拟实验台上取得了较好的效果,提取的能量特征能有效区分出不同的
一种机械故障预测方法.pdf
本发明涉及机械故障预测技术领域,特别是涉及一种机械故障预测方法。包括:S1将待预测数据组成一组时间序列;S2、将时间序列分解成一组单分量信号的本征模函数和残差序列;S3、对单分量信号的本征模函数和残差序列进行平稳性检验,若未通过,则进行步骤S4操作,若通过,则跳转至步骤S5操作;S4、对非平稳序列进行差分运算,建立ARIMA模型,跳转至步骤S3操作;S5、判断ARIMA模型参数;S6、对剩余的残差进行残差检验;S7、将所有单分量信号的预测序列进行EMD重构,得到预测总值;S8、将预测总值中的机械数据与设定
一种核电旋转机械故障预警方法.pdf
本发明属于机械故障预警领域,涉及一种核电旋转机械故障预警方法。在核电厂旋转机械工作过程中,单参数门限报警法无法全面、准确描述设备状态,是导致核电监测系统产生大量误报漏报的主要原因。本发明包括:步骤一:获取健康状态数据;步骤二:构建高维特征集合;步骤三:训练样本的划分;步骤四:训练iSMM;步骤五:确定报警阈值;步骤六:预警方法应用。本发明基于设备历史工况相似性原理和iSMM进行故障预警,摆脱了对故障样本的依赖,同时弥补了传统单参数门限报警法的缺陷,适用于核电站旋转机械的故障预警。
旋转机械故障诊断方法研究分析.doc
旋转机械故障诊断措施研究分析摘要:旋转机械故障诊断技术己在国内外得到了非常高旳注重,虽然多种诊断措施都得到广泛旳发展并且成果丰硕,文章对其进行总结性分析。核心词:旋转机械;故障诊断;措施DOI:10.16640/j.cnki.37-1222/t..10.026随着诊断技术研究旳进一步,可以实现故障诊断旳措施越来越多,既有对前人研究成果旳完善,也有某些原创性旳研究成果相继被提出,根据各类措施在实现方式上旳不同,可以大体将其分为三类,第一种是通过建立合适旳模型进行故障诊断,这种措施在实际旳生产应用中,往往由于