早期故障

摘要： 针对往复式高压隔膜泵单向阀早期故障振动信号含有大量背景噪声致使特征信息被噪声淹没的问题,提出改进的完备集合经验模态分解(Improved complete ensemble empirical mode decomposition,ICEEMD)和豪斯多夫距离(Hausdorff distance,HD)的单向阀早期故障信号降噪方法。首先,使用ICEEMD将采集信号分解为多个本征模态函数(Intrinsic mode function,IMF);然后,计算每个IMF分量与原始信号的概率密度函数的豪斯多夫距离,利用HD将含噪IMF分量从ICEEMD分解得到的IMF分量中分离;再次,以峭度为指标,选取峭度值较大的部分IMF分量重构;最后,对重构信号进行希尔伯特包络解调,进行对比试验分析降噪效果。仿真结果表明,该方法可有效提取强噪声下信号特征频率。实测数据试验结果表明,该方法能够有效提取噪声淹没的单向阀运行基频及其倍频,具有较好的降噪效果。

摘要： 滚动轴承是大型异步风力发电机核心零部件,在很大程度决定了风力发电机组的服役质量。滚动轴承在整个传动系统中极易受到相关工况的影响出现异常磨损,最终导致发电机组故障。提出一种基于加速度包络解调方法的大型异步风力发电机滚动轴承早期故障诊断技术,分别在单轴承故障诊断试验台和某型号大型异步风力发电机中对轴承内圈滚道面上存在早期微弱损伤的滚动轴承进行试验,试验结果表明:加速度包络解调方法是一种能比功率谱更准确识别出大型风电轴承微弱的早期故障的有效方法。

摘要： 电压暂降通常是电力系统因设备故障等原因导致永久性或早期故障的典型特征,早期故障可能会在首次发生后逐渐发展为永久性故障。提出了一种基于粒子群优化和支持向量机的早期故障分类方法。首先,利用基于Kullback-Leibler散度的检测机制来识别早期故障对应的电压波性数据,结合S变换等信号处理方法来进行特征提取。然后,采用邻域成分分析方法选择与Kullback-Leibler散度、S变换、香农熵及形状因子相关的7个不同特征,以满足对分类方法有效性的数值评估,再结合粒子群优化的支持向量机的方法提出了一种早期故障分类方法。最后,与反向传播神经网络、K最近邻这2种方法相比,平均分类精度分别提高了9.15%、13.7%,表明了所提方法在早期故障分类中的有效性,可作为输电网络中主要电力设备状态监测的有效工具。

摘要： 航空发动机作为飞机的动力来源,其性能直接影响飞机飞行的安全性和可靠性。针对航空发动机在故障出现早期具有背景噪声剧烈、故障信号微弱、多故障特征频率叠加等问题,提出一种互相关去噪与混沌振子阵列扫描融合的早期故障检测方法。利用互相关对信号进行去噪,将去噪信号输入混沌振子检测阵列,使其构成混沌检测系统周期策动力,通过相轨迹变化检测出表征同一早期故障的多个特征频率信号,从而达到提高故障检测准确率和有效性的目的。并利用转子试车台,验证了方法的有效性。

摘要： 针对在强噪声背景下难以识别齿轮箱早期故障以及复合故障的问题,提出了一种改进辛几何模态分解(Improved symplectic geometry mode decomposition,ISGMD)和最小熵解卷积(Minimum entropy deconvolution,MED)相结合的故障特征提取方法。首先,将信号经最小熵解卷积预处理,突出信号中的故障冲击成分;然后,将故障增强信号通过改进辛几何模态分解自适应地分解为若干辛几何分量,并依据峭度最大准则选取峭度值最大的敏感辛几何分量;最后,对选定的敏感辛几何分量进行包络分析,从而有效地提取出齿轮箱的故障特征。通过实验,验证了该方法的有效性。

摘要： 在我国机电装备现代化发展中,需要对机电装备早期故障频发问题加以重视。即在机电装备的设计、加工、装配以及试验等各个阶段,借助元动作单元理念,构建机电装备早期故障主动消除方法,以此提升企业机电装备的出厂固有可靠性,为我国机电领域的可持续发展提供保障。基于此,本文主要对机电装备早期故障主动消除技术进行研究分析,旨在构建一套完整的早期故障主动消除机制,明确企业生产部门的职责,缩短我国机电装备的早期故障期,为以后相关的研究提供一些参考。

摘要： 在旋转机械故障中,转子系统不对中故障十分常见。针对传统数据周期采样会出现通讯浪费的问题和系统发生故障时会带来严重损失的情况,研究数据量化和故障的早期判断具有现实意义。采用Luenberger区间观测器的故障诊断方法,通过引入L_(1)/H_(∞)性能参数提升观测器残差的故障敏感度和鲁棒性,并且建立新式混合量化器,分析数据量化前后数据变化和量化对故障诊断影响。实验结果表明,故障敏感度的提高可以更早的判断故障是否发生,数据经过量化后减轻了通讯压力并且不影响故障判断,证明本文方法的有效性。

摘要： 此前,针对产品在全生命周期中的故障率分布,我们介绍了“澡盆曲线”的左侧,即早期故障期,并建议农机生产企业高度重视产品的早期故障。这次,与大家一起探讨“澡盆曲线”的右侧,即损耗故障期。首先,机主、厂家、经销商等利益相关方的心态会发生变化。

摘要： 电力电缆早期故障严重威胁用电安全且难以准确识别,在基于特征提取与特征选择的识别方法中,一旦不能准确获得关键特征信息会直接导致识别精度下降。鉴于此,提出一种基于S变换特征提取和最大相关最小冗余(mRMR)特征选择的电缆早期故障识别方法。对故障相电流进行S变换,提取一些具有相关性、冗余性的统计量、熵和能量等构成初始特征集;采用mRMR选择出具有最佳分类效果的特征子集;利用带核函数的SVM分类器对多种电缆故障进行识别。仿真结果表明,在不同噪声环境下该方法在识别精度和鲁棒性方面都优于同类算法。

摘要： 针对滚动轴承的早期故障信号容易受到噪声的干扰,造成信号的信噪比较低等问题,结合VMD和增强包络谱两种算法的优势,提出了一种基于遗传算法优化VMD与增强包络谱的轴承故障诊断方法。首先,使用包络熵与平方包络谱峭度的组合作为遗传算法的适应度函数,对变分模态分解的参数进行了寻优,得到了最优的模态分量个数和惩罚因子组合;然后,使用最优参数组合对轴承故障信号进行了变分模态分解,得到了若干模态分量,并选择了最小适应度值对应的最优模态分量;最后,为验证该方法的有效性,采用无刷直流电机轴承和全寿命加速退化轴承两种实测信号进行了轴承故障类型识别分析。研究结果表明:相比传统方法,采用基于VMD与增强包络谱的方法,其输出信噪比平均提升了5.94 dB,对于全寿命轴承退化数据可提前600 min识别出轴承的早期故障;该方法具有输出信噪比高、适应性好等优点,在轴承的微弱信号检测和早期故障识别方面具有较好的应用前景。

摘要： 滚动轴承是旋转机械中最常用的零部件之一.针对滚动轴承早期故障预警较差的问题,提出了一种基于经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承早期故障预警方法.该方法首先对轴承原始信号进行经验模态分解,得到一阶固有模态函数(Intrinsic Mode Function,简称IMF),然后对一阶IMF分量进行分析,提取反映轴承故障发展的特征指标.再采用局部均值法对特征指标进行处理,将特征局部均值与阈值比较,实现对滚动轴承早期故障的预警.最后利用滚动轴承试验数据对该方法进行了验证,结果表明,基于经验模态分解的滚动轴承早期故障预警方法能够有效地识别和预警滚动轴承早期故障。

摘要： 针对大型风力机主轴承振动信号存在严重低频干扰的特点,提出了基于小波包分解与重构算法的混合噪声生成方法.对振动信号进行小波包分解,针对不同节点节点系数的标准差,生成相应的窄带噪声信号,并使用小波包重构得到混合噪声信号.改进了EEMD算法,使用混合噪声信号代替传统算法所添加的白噪声信号.针对实测信号进行分析,结果表明,基于混合噪声的EEMD算法对模态混叠现象有更好的抑制效果,能够很好地提取出大型风力机主轴承早期故障特征.

摘要： 为了消除柔性制造单元的早期故障,从而提高其可靠性水平,提出了一种柔性制造单元早期故障消除模型.首先采用两重威布尔分段模型对柔性制造单元浴盆曲线进行定量化建模,确定早期故障期与偶然故障期的分界点.然后研究了早期故障的形成与消除机理,在此基础上建立起柔性制造单元早期故障消除模型,并详述了可靠性设计分析层、可靠性试验层以及早期故障消除层的具体内容和实施方法.最后以柔性制造单元关键功能部件为例证明了该模型的适用性与有效性.

摘要： 对duffing振子的特性进行了分析，讨论了振子方程参数变化带来的影响。并对Duffing振子微弱信号检测的原理进行了试验验证。以液压泵球头松动早期故障为例，用duffing振子检测方法对故障信号进行了检测和分析，结果表明：利用该方法可有有效的实现液压泵球头松动早期故障的检测。

摘要： 在对飞行器结构系统旱期故障机理与人、机、环境的相互关系进行分析的基础上,提出了根据不同的故障特征,利用多模块并行和分层递阶优化融合策略对早期故障信息进行获取的方法.对小波分析、混沌与分形、磁记忆和局域波时频分布四种方法的原理与特点及融合策略重点进行了分析和研究,并通过实验证明了所提方法的有效性。

摘要： 本文在对飞行器结构系统早期故障模式和故障机理进行分析的基础上,建立了飞行器结构系统早期故障智能诊断模型和故障分类模型,并对其实现方法进行了分析和研究,为提高飞行器结构系统的安全性和可靠性及对早期故障的识别与防护能力,提供了一种新的技术途径.

摘要： 将含有早期故障的产品销售出厂,会严重影响产品的使用可靠性及至企业的信誉.如何把产品的早期故障排除在出厂之前,是生产企业非常关注的问题.为此,本文针对一类可修复产品,用Weibull过程描述批产品早期故障暴露的时间历程,并根据可靠性目标值科学地确定其老炼筛选时间,对产品出厂后的可靠性指标做出预评估.

摘要： 首先介绍了环境应力筛选(ESS)的国内外研究现状，其次对电子产品的早期故障进行了分析研究，最后介绍了环境应力筛选在我厂的应用情况。

摘要： 提出在协同环境下，对国内外加工中心，进行现场跟踪试验，采集和积累大量的现场故障信息。通过数学建模、参数估计和拟合优度检验等理论分析，分别得出国内外加工中心寿命分布模型，由此评估出国内外产品的可靠性水平和差距。分布模型表明，国产机床的大量早期故障没有在主机厂消除，而是带到用户中，从而发现国产机床可靠性明显低于国外产品的重要原因，为提高国产数控机床可靠性指明了方向。

摘要： 本文从环境应力筛选(ESS)的定义、目的与作用出发,论述了ESS的几个重要概念.这对于正确掌握筛选应力量值选取原则具有重要作用.根据空空导弹特点和实情,给出了ESS的初步方案.

摘要： 本发明公开了一种短路故障及串联电弧故障早期检测辨识的方法，通过使用该方法可以仅用一套检测装置即可实现短路故障及串联电弧故障的早期检测与辨识。该方法先对线路电流进行A/D采样，然后利用软件滤波算法滤除噪声干扰，进而利用算法提取出滤波后的信号中的特征量，最后利用该特征量进行两种故障的早期检测与辨识。

摘要： 本发明公开了一种短路故障早期检测的故障电流限制方法，对电流信号进行固定采样频率的A/D采样及其采样信号噪声的算法滤波；然后，对滤波后的信号进行算法处理，提取电流信号特征量与电压变化率，进行短路故障早期检测；最后，通过短路故障早期检测，判断当前得到的电流信号特征量与电压变化率是否超过短路故障的阈值；若是，则判断线路上发生了短路故障，立即触发FCL限制短路故障电流，继续下次检测；若否，则重新开始检测。本方法先对线路电流进行A/D采样，软件算法滤除噪声干扰，再利用信号奇异性特征提取算法进行故障的早期检测与辨识，辨识后发出触发信号控制FCL投入，由此实现短路故障电流的早期限制。

摘要： 本发明公开了一种短路故障及串联电弧故障早期检测辨识的方法，通过使用该方法可以仅用一套检测装置即可实现短路故障及串联电弧故障的早期检测与辨识。该方法先对线路电流进行A/D采样，然后利用软件滤波算法滤除噪声干扰，进而利用算法提取出滤波后的信号中的特征量，最后利用该特征量进行两种故障的早期检测与辨识。

摘要： 本发明公开了一种基于健康状态指标构建和故障预警限自学习的轴承早期故障检测方法：首先，采用短时傅里叶变换STFT将原始振动数据转换为二维时频图，充分提取健康状态信息，对得到的时频图进行灰度处理以便后续模型输入；其次，利用高斯可视单元构造了新的高斯矩阵变量卷积深度信念网络GMVCDBN模型，对转换后的时频信息自动构造健康状态指标；最后，拟合健康状态指标概率分布函数，自学习预警控制极限。将本发明应用于滚动轴承实验振动信号的分析，能够实现滚动轴承的早期故障检测，降低误报率和漏报率，具有较好的泛化性，能更有效地跟踪故障传播趋势和估计轴承的动态退化行为。

摘要： 本发明公开了滚动轴承研究技术领域的一种滚动轴承多故障耦合机理与早期故障特征提取方法，该种滚动轴承多故障耦合机理与早期故障特征提取方法的具体步骤如下：S1：基于非线性动力学的滚动轴承振动形式分析，S2：基于分岔理论的滚动轴承故障演变分析，S3：基于混沌特征量的滚动轴承故障特征提取，S4：模拟仿真分析和快速疲劳寿命试验，S5：滚动轴承多故障非线性动态耦合分析与早期故障特征提取，运用非线性动力学方法，解析疲劳寿命试验中滚动轴承多故障耦合特征，利用分岔理论分析单一故障模式演变过程中振动信号变化规律及其通向混沌的道路，利用混沌阵子系统对小参数扰动极其敏感的特点，实现滚动轴承早期故障特征提取与诊断。

摘要： 本发明涉及电动机早期故障小波诊断系统及其诊断电动机故障的方法，其特点是：由信号采样装置(1)、故障诊断装置(2)和钳形电流传感器(3)连接而成；信号采样装置(1)包括若干个采样电路，所述采样电路分别由锁相环电路、放大电路、分频电路和选择电路连接而成，锁相环电路的输入端连接经整形后的工频信号、输出端连接放大电路的输入端及分频电路的输入端，分频电路的输出端连接选择电路的输入端，选择电路的输出端连接锁相环电路的反馈输入端，放大电路的输出端连接故障检测装置的输入端。本发明采用基于转子断条故障检测、频距比较法、定子绕组匝间短路故障的小波脊线分析法，检测电动机转子是否存在断条故障，具有故障检测的准确性高的特点。

摘要： 本发明公开了一种基于健康状态指标构建和故障预警限自学习的轴承早期故障检测方法：首先，采用短时傅里叶变换STFT将原始振动数据转换为二维时频图，充分提取健康状态信息，对得到的时频图进行灰度处理以便后续模型输入；其次，利用高斯可视单元构造了新的高斯矩阵变量卷积深度信念网络GMVCDBN模型，对转换后的时频信息自动构造健康状态指标；最后，拟合健康状态指标概率分布函数，自学习预警控制极限。将本发明应用于滚动轴承实验振动信号的分析，能够实现滚动轴承的早期故障检测，降低误报率和漏报率，具有较好的泛化性，能更有效地跟踪故障传播趋势和估计轴承的动态退化行为。

摘要： 本发明公开了故障特征信息提取与早期故障预警的方法及系统，包括：获得系统状态的数据，对系统状态的数据进行预处理，提取出特征信息，获取标准化变量，建立标准化变量的协方差矩阵；结合PCA主成分分析方法对协方差矩阵进行降维，选取贡献率最大的主成分；实时监测和采集所述贡献率最大的主成分的数据，作为时间序列数据，通过拟合建模，得到时间序列模型和预测误差数据；对预测误差数据进行判断，发出预警信号。本发明通过PCA主成分分析方法对数据进行降维，提取贡献率高的主成分，通过主成分的时间序列数据得到预测误差数据，对预测误差数据进行判断，对故障及时预测诊断，很大程度上降低诊断难度以及人工检查成本。

摘要： 本发明公开了滚动轴承研究技术领域的一种滚动轴承多故障耦合机理与早期故障特征提取方法，该种滚动轴承多故障耦合机理与早期故障特征提取方法的具体步骤如下：S1：基于非线性动力学的滚动轴承振动形式分析，S2：基于分岔理论的滚动轴承故障演变分析，S3：基于混沌特征量的滚动轴承故障特征提取，S4：模拟仿真分析和快速疲劳寿命试验，S5：滚动轴承多故障非线性动态耦合分析与早期故障特征提取，运用非线性动力学方法，解析疲劳寿命试验中滚动轴承多故障耦合特征，利用分岔理论分析单一故障模式演变过程中振动信号变化规律及其通向混沌的道路，利用混沌阵子系统对小参数扰动极其敏感的特点，实现滚动轴承早期故障特征提取与诊断。

摘要： 本发明涉及电动机早期故障小波诊断系统及其诊断电动机故障的方法其特点是：由信号采样装置1、故障诊断装置2和钳形电流传感器3连接而成，钳形电流传感器3套住电动机三相电源线、其信号输出端连接信号采样装置1的信号输入端，信号采样装置1的输出端通过串行或并行通讯接口连接故障诊断装置2的串行或并行通讯端口，信号采样装置1将采集到的信号进行初步处理后送到故障诊断装置2，故障诊断装置2对接收到的信号进行故障分析、给出诊断结果。本发明采用基于电动机起动过程中转子断条故障检测、基于频距比较法、电动机定子绕组匝间短路故障的小波脊线分析法，检测电动机转子是否存在断条故障，具有故障检测的准确性高的特点。