绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 84
  (已选择0条) 清除 结果分析
找到 1671 条结果
[博士论文] 张依东
机械设计及理论 浙江大学 2018(学位年度)
摘要:随着我国综合实力的日益提升和科技水平的不断进步,现代工业对高质量、低成本产品和安全生产的需求越来越高,工业机械设备的维护策略也快速从预防性维护转向为基于运行状态的实时监测与智能故障诊断。旋转机械是机械设备中最广泛普遍的类型之一,在工业应用中具有不可替代的地位。而基于旋转机械设备的状态监测与故障维护可以有效减少运行机组突发性的停机次数,甚至避免灾难性的事故。因此,发展研究旋转机械的故障诊断技术对于确保工业设备的安全高效运行具有十分重要的意义。
  作为机械设备中的关键零部件,齿轮广泛运用于工业生产线的传动系统,在几乎所有类型的旋转机械中都扮演着重要角色,机组设备的工作效率、运行状态都和它紧密相关。因此,本文以齿轮为研究对象,针对齿轮早期的弱局部性故障,在特征提取、噪声抑制和齿轮箱系统复合故障的解耦分离等方面展开了深入研究。
  针对齿轮箱系统中齿轮信号的非线性、不平稳现象,本文充分借鉴利用共振稀疏分解(RSSD)算法。区别于传统线性分离的信号处理技术,该方法可以将复杂信号分解为包含不同共振属性(振荡次数)的高低分量,更适用于具有明显非线性和非平稳特性的振动信号。但RSSD方法对噪声敏感,抗噪性能差,分解效果易受到信号信噪比的影响,需要对RSSD方法进一步优化处理来提高噪声抑制能力。本文针对齿轮的振动特点,利用RSSD进行预处理,并改进多尺度离散熵方法来分析处理其分解的分量信号,增强对齿轮弱故障特征的提取能力。论文主要研究内容如下:
  (1)从预测健康管理的学科理论和旋转机械故障诊断技术在实际工程中的应用价值等角度出发,论述了本课题的背景和研究意义。对近年来旋转机械系统中有关齿轮的故障机理研究、特征提取、监测诊断等方面的国内外研究现状进行了梳理和回顾,并总结了各类信号处理方法的优缺点,从而确定了本文的研究内容。
  (2)针对故障齿轮的振动特性,提出一种多尺度融合离散熵的特征提取方法。该方法可以从不同尺度快速有效的量化齿轮振动信号中故障特征的丰富程度,避免单一尺度的误差,并结合流形学习来融合多维特征,有效克服传统信息熵特征不灵敏和信息冗余的不足,增强了齿轮故障特征的提取能力。同时,基于该特征提取方法和RSSD,提出一种适用于平稳工况下齿轮故障诊断的滤波方法。RSSD分解之高共振分量持续振荡的波形特点更适用于齿轮裂纹故障的高频共振解调。首先利用多尺度融合离散熵来提取、挖掘目标信号中蕴含的周期性冲击振荡成分,从而有效辨识出齿轮的结构共振频带。再结合FIR带通滤波方法,设计出相应的理想滤波器来实现对齿轮弱故障特征的识别提取、克服背景噪声和其他成分的干扰,并通过仿真信号和试验数据的分析验证。此外,该滤波方法为本文后续完整的齿轮故障诊断方法提供可靠的参照依据。
  (3)针对变载荷工况下齿轮信号非平稳特点,基于上述的多尺度融合离散熵,提出一种信号稀疏表示的齿轮故障诊断方法。该方法利用RSSD对信号进行预处理,以更适用于齿轮故障稀疏表征的低共振分量为研究对象,将低共振分量中蕴含的周期性瞬态冲击视为一串移位脉冲的连续叠加,通过自适应字典来稀疏表征目标信号,实现更加灵敏的动态追踪和定位识别齿轮的故障冲击。该方法首先采用多尺度融合离散熵和延时分段处理来实现字典设计,基于信号自身结构中具有敏感特征的局部短时序列来量身定制自适应字典。再通过K-SVD算法对字典进行更新学习,有效降低字典冗余度。相比于传统分析字典和学习字典,该字典设计方法有效实现原子与缺陷诱发脉冲之间的高度相似,无需先验知识且物理意义明确,更具灵活性和适应性。然后利用原子分解算法来稀疏表征目标信号,实现最大限度地捕获、识别故障冲击特征。同时,联合上述基于高共振分量的齿轮滤波方法来建立自约束迭代终止条件,根据目标信号自身的噪声水平来灵活确定最佳迭代次数,有效提高了稀疏表征精度、避免引入额外干扰成分。最后通过和其他传统信号分解方法的比较分析,突出所述方法的优越性和可靠性。
  (4)针对齿轮箱系统中齿轮和滚动轴承同时并发故障的问题,提出一种基于啮合共振的齿轮箱复合故障解耦分离方法。根据齿轮和轴承不同的故障冲击特性,本文充分利用故障齿轮在啮合频率及其谐波处的调制现象表现更为强烈的啮合共振特点,提出了一种复合故障的滤波分离方法:应用平移加窗法对不同频带进行滤波,分别计算包络谱中啮合频率及其谐波频带的谱峭度来寻找齿轮的最大啮合共振频率序列,从而确定出齿轮和轴承的各自共振频率,通过共振解调来实现对齿轮和轴承故障信号的有效解耦和分离。考虑到分离后的齿轮滤波信号中噪声干扰可能仍比较严重,该分离方法结合本文上述的齿轮故障诊断方法来进一步分析处理,从而能更加有效的增强齿轮局部性故障特征,提高抗噪性能。最后通过模拟仿真和试验数据的分析研究,表明该方法能够有效分离、辨识出齿轮和轴承的复合故障。
[硕士论文] 吴珺玮
机械工程 安徽理工大学 2018(学位年度)
摘要:进入二十一世纪以来,我国的工业发展水平越来越高,钢丝绳作为一款常见的工业生产使用部件,其使用量也与日俱增。但是钢丝绳的生产作业环境较为恶劣,长时间的使用使得钢丝绳经常会出现断丝或者锈蚀等故障。对钢丝绳的损伤进行准确且便捷的检测是机械行业亟待解决的课题,而且如果可以准确的对钢丝绳损伤情况进行检测,那么不仅可以在保障作业人员的人身安全的同时,还可以对钢丝绳的剩余寿命进行精确的预测,让使用单位提前做好换绳准备,降低生产成本。
  本篇论文首先讨论了钢丝绳常见的几种损伤类型,并且分析了损伤产生的原因,然后介绍了目前国内外常用的损伤检测手段,在结合了使用成本,性能的可靠性以及检测的准确度后,决定使用电磁检测法,该检测法使用励磁装置对待检钢丝绳进行磁化处理,使得钢丝绳变成一个充满磁能的导磁体,而后再使用磁敏传感器来捕捉因钢丝绳断裂或者锈蚀而从内部泄漏的磁场,通过对磁场的信号特征进行分析,找出其内在损伤规律。本篇论文选取了霍尔传感器作为磁敏元件,通过Labview语言开发了相应的信号采集系统,并且对信号进行了去噪处理,最后通过MATLAB软件建立了BP神经网络,将钢丝绳损伤信号建立识别模型,并将通过神经网络得到的结果与实验结果进行对比,校验本篇论文关于采集系统设计思路的可行性以及在软件方面是否还存在漏洞。在文章末,也对研究过程中出现的问题和思路进行了反思和总结,为下一步的研究指明了方向,希望能够将检测装置变得更加智能,精度更高。
[硕士论文] 金双双
机械工程 北京化工大学 2018(学位年度)
摘要:旋转机械种类繁多包括离心压缩机、水泵、汽轮机、风机和电动机等,是冶金、化工、电力等流程工业中的关键设备。一旦发生故障,不但造成重大的经济损失,而且还危及人身安全。旋转机械故障诊断技术的应用,可有效提高设备健康管理水平,保障企业安全平稳生产,具有重大经济意义和应用价值。
  本文以旋转机械为研究对象,将云技术与故障诊断相结合,开发了基于云服务的旋转机械故障自动诊断系统,为旋转机械故障诊断提供了一种新的解决方案。本文主要从以下几个方面开展了研究:
  1.深入研究旋转机械常见故障类型及其故障机理,并搭建了专家知识库。探明不同故障之间的联系和区别,并将故障的故障征兆、故障原因和维修意见等内容整理成专家知识库。
  2.开发故障征兆自动提取算法,实现振动信号频率成份、信号时域特征参数、轴心轨迹和趋势变化等故障征兆的自动提取,避免了人工识别存在的主观因素,提高了故障征兆提取的效率和准确率。
  3.根据旋转机械的结构特点,融合专家系统、神经网络、模糊逻辑和智能判别等多种诊断方法,取长补短,开发了集成化的故障识别系统。采用分层诊断模型,根据不同故障征兆选择相应的诊断方法,逐渐缩小诊断范围,直至获得最终诊断结果。
  4.搭建旋转机械故障自动诊断软件系统,进行数据库的设计与搭建,完成系统各功能模块的开发,并在华为云上进行系统的部署。
[硕士论文] 谢馨
机械工程 北京化工大学 2018(学位年度)
摘要:为了解决信号采集中受损数据的修复问题,降低信号稀疏度对修复效果的影响,同时实现欠采样条件下机械故障的识别,本文基于稀疏表示理论,研究了基于稀疏采样的数据修复方法、基于稀疏度自适应的数据修复方法、基于稀疏采样的故障分类方法。具体研究内容如下:
  (1)开展了基于稀疏采样的数据修复方法研究。在实际振动信号采集中,可能会由于信号采集系统不稳定导致部分数据丢失。针对信号采集中受损数据的修复问题,结合压缩感知框架,建立了基于稀疏采样的数据修复模型。首先基于振动信号波形特征和先验知识,选择适当的稀疏字典实现信号稀疏化;其次以单位矩阵为基础,根据数据的缺失模型构造观测矩阵;最后采用稳定的稀疏求解算法重构出完整数据,实现受损数据修复。此外,还探究了不同稀疏字典下受损信号的修复情况,分析了振动信号在不同字典下的稀疏特性。通过仿真信号及实测信号验证了方法有效性,结果表明,相比于受损信号,修复信号更有利于后续故障诊断;对比了传统数据修复方法,基于稀疏采样的数据修复方法在修复精度上更具有优势。
  (2)开展了稀疏度自适应的数据修复方法研究。基于压缩感知的数据重构方法可用于解决信号采集中受损数据的修复问题,该算法首先需要已知数据稀疏度,而振动信号的稀疏度通常难以确定,增加了数据修复的难度,因此建立了基于稀疏度自适应的数据修复模型。探讨了稀疏度自适应匹配追踪算法(SAMP)中迭代步长及终止系数对修复性能的影响,分析了该方法的使用条件。此外,针对SAMP算法修复结果受终止条件影响较大,导致修复精度不高且效率较低的问题,提出了终止准则改进的稀疏度自适应数据修复方法。通过仿真信号及实测信号验证了方法的有效性,且改进的SAMP算法在重构精度和运算效率上均有所提高。对比了不同稀疏求解方法下振动信号修复效果,结果表明,改进的SAMP算法修复效果优于正交匹配追踪(OMP)与正则化正交匹配追踪(ROMP)。
  (3)开展了基于稀疏采样的故障分类方法研究。香农采样定理为信号处理技术奠定了基础,但也带来了数据传输及处理的巨大压力。为解决海量数据对故障诊断的压力问题,研究了基于稀疏表示的故障分类方法,用于实现欠采样条件下机械故障诊断。探究了基于冗余字典的信号稀疏表示方法,建立了冗余字典下稀疏表示分类模型。针对稀疏表示分类模型中稀疏矩阵构造复杂的问题,研究了基于小波模极大值(WTMM)的信号稀疏表示方法,从而将稀疏矩阵由复杂的样本字典替换为单位矩阵,降低了方法复杂度。此外,为克服信号时移对分类结果的影响,用最大互相关度替代最小冗余误差作为故障判定准则。通过轴承及齿轮信号验证了方法有效性。相比其他分类算法,该方法无需设计分类器,也无需计算特征参数,避免了由于特征参数选取不当对分类结果的影响。
[硕士论文] 李景乐
机械工程 北京化工大学 2018(学位年度)
摘要:机械设备在线监测会带来海量数据的传输及处理压力,因此对数据进行稀疏表示,提取信号本质特征,实现海量数据的降维分析及传输。稀疏表示方法中核心问题是稀疏字典的构造及稀疏向量的求解。因此,本课题开展了基于稀疏表示理论的字典构造及稀疏分解方法研究,并应用于故障诊断,主要内容如下:
  (1)开展了典型稀疏分解算法的性能研究。分析稀疏表示算法理论,通过构造仿真信号,验证正交匹配追踪(OMP)和最小角回归(LARS)等算法,结果表明,同样条件下,正交匹配追踪算法能够得到更稀疏的解,最小角回归法能够得到较为精确的解。因此,选取正交匹配追踪法为本文稀疏表示过程的稀疏分解算法,选取最小角回归法作为在线字典学习过程中字典更新方法。
  (2)开展了基于自适应相关Laplace字典的故障特征提取及信号重构方法研究。首先,通过理论研究选取Laplace小波作为表示冲击特征的字典原子;其次,通过自适应互相关法从信号中筛选Laplace基函数的参数;然后,将构造的小波通过列循环拓展为完备稀疏字典;最后,将稀疏字典用于信号的稀疏表示过程,从稀疏系数分析信号冲击特征。利用滚动轴承故障实验验证方法,结果表明:基于Laplace字典的稀疏表示方法能够有效的提取信号冲击成分。通过Laplace字典与离散余弦(DCT)字典级联,能够实现信号的稀疏表示和高精度重构。
  (3)开展了基于在线字典学习的稀疏表示故障诊断方法研究。通过将信号分段输入学习字典,运用最小角回归法稀疏编码和块坐标下降法字典更新交替进行字典学习,将得到的过完备字典与分段误差阈值正交匹配追踪算法结合求解稀疏表示问题,实现信号的稀疏表示。利用仿真信号及滚动轴承实验信号进行方法验证,结果表明:基于在线字典学习的稀疏表示方法可实现滚动轴承信号的稀疏表示,结合稀疏字典重构信号,能够有效提取信号的故障特征。
[硕士论文] 朱丽娜
动力工程及工程热物理 北京化工大学 2018(学位年度)
摘要:柴油发动机和往复压缩机作为往复机械的典型代表,被广泛应用于工农业、石油石化、军工等多个领域中,它们的安全平稳运行对于保障这些领域的正常运作起着非常重要的作用。然而,柴油发动机和往复压缩机具有易损件多、易发生故障的特点。目前企业对柴油机机组大多采用事后维修的方式,监测方式大多为热工参数监测,难以实现柴油机典型故障的自动诊断;往复压缩机活塞杆组件故障频发,然而目前仍没有切实可行的方法用于活塞杆的监测与故障诊断。因此,研究如何能有效监测往复机械的运行状态并进行故障预警和诊断具有重要的实际意义。
  本文针对往复机械机组热工参数和振动信号中含有丰富的机组状态信息的特点,基于传感器技术和人工智能诊断方法,对柴油发动机的预警和常见故障的诊断方法以及往复压缩机活塞杆组件故障的诊断方法进行了研究。并将所提出的特征参数运用于工程实际案例中进行验证。论文的主要内容如下:
  (1)针对柴油发动机在不同的负荷状态下,机组性能参数会有所变化的特点,提取机组的振动信号等特征,采取基于参数预测残差的后向传播神经网络模型对机组负荷进行预测;提出了“负荷稳定量参数”,并验证了该方法对柴油发动机故障预警的有效性。
  (2)针对柴油发动机的小头瓦磨损故障、失火故障以及拉缸故障,提出了基于特征权重算法、主成分分析和支持向量机的故障诊断方法。利用实验案例证明了该方法能实现柴油发动机典型故障的诊断。
  (3)针对往复压缩机常见的活塞杆锁紧螺母松动故障、活塞杆断裂故障和活塞支撑环磨损故障,提出了基于谐波小波的活塞杆轴心轨迹提纯方法以及基于流形学习和神经网络的故障诊断方法。通过实验案例和实际工程案例,证明了该方法对活塞杆组件故障诊断的有效性。
[硕士论文] 顾德亮
机械工程 武汉科技大学 2018(学位年度)
摘要:随着因设备故障停机致使的损失越来越大,对设备或元件的可靠性要求越来越高。而预防性维护策略是提升系统可靠性的一个重要方法。
  本文首先基于蒙特卡罗仿真,建立了多元件系统的预防维护优化模型,通过算例研究了某液压系统(如ZCL-1600钻井泥浆泵增压缸液压系统)的预防维护优化问题,分析了系统采用预防维护策略的适用范围。
  对于多元件串联系统,当各元件寿命分布的Weibull形状参数不一致时,则认为该系统的寿命分布服从Poly-Weibull分布。然而,系统中元件数量的增加,会导致系统层的预防维护优化问题复杂度增加。本文提出了一种新的双重近似拟合方法,将系统的寿命分布由Poly-Weibull分布缩减至Single-Weibull分布,以降低多元件系统预防维护优化问题的计算复杂度。所提出的双重近似拟合方法,是一种基于输入性能的近似分布拟合与基于输出性能的近似检验的寿命分布双重缩减方法。通过对某液压系统进行算例分析,结果验证了所提方法的有效性及适用参数范围。
  针对系统寿命概率分布估计时,模型估计参数具有非确定性的问题,本文提出了一种分析模型参数非确定性对系统预防性维护策略影响的方法。首先定量化参数的非确定性,然后建立模型,分析各参数的非确定性对系统最优维护间隔、系统最优维护费用的影响。仿真结果表明,模型参数的非确定性会对系统预防维护决策具有重要有影响。若将该非确定性考虑在内,将在一定程度上使得系统预防维护更经济性,提高系统可靠性。
[硕士论文] 卫洁洁
计算机科学与技术 中北大学 2018(学位年度)
摘要:随着计算机人工智能的发展以及科学技术的进步,旋转机械设备也正向着智能化方向发展,传统的人工识别方法已经无法满足现代旋转机械设备的需求。因此,在当前大数据时代,研究一种处理旋转机械大数据的方法迫不及待。深度自编码器神经网络作为深度学习的一种无监督学习算法,由于在处理复杂数据时具有很强的自动提取特征能力的优势,在图像处理和语音识别领域已经颇有建树,但是在故障识别领域的运用还有待开发。本文从旋转机械振动信号故障识别的研究背景出发,对于传统的人工故障识别方法需要大量的数据处理技术经验等问题,研究基于深度自编码器重构算法的旋转机械故障识别。
  本文在分析深度自动编码器算法的理论基础上,研究了深度自编码器算法的特征提取能力,主要对单个自动编码器分别在不同隐含层节点数、不同的隐含层数以及不同迭代次数下的特征提取能力进行研究,并对自动编码器的衍生结构进行堆叠形成深度自动编码器。深度自编码器算法能够从传感器所采集到的原始时域数据中自动的进行特征提取,使用网上公开的西储大学所采集到的滚动轴承数据集对此方法的故障特征提取和识别能力进行分析和验证,并和浅层神经网络(BP神经网络)进行对比,进一步验证了该方法对旋转机械故障识别的效果。由于单个深度自动编码器在处理多样性大数据以及复杂数据可能会出现较低的泛化性,为了克服单个深度自编码器的限制和增强泛化性,采用不同的激活函数作为隐藏函数来设计一系列具有不同特征的自动编码器,通过加权投票策略进行集成,提出了深度学习重构算法的旋转机械故障识别模型。最后,将此重构的深度学习算法应用到实验室行星齿轮箱的不平衡数据集上,从采集到的振动信号中获得深度特征,使用支持向量机作为分类器用于精确和稳定的故障分类。结果表明,此重构算法能消除对人工特征提取的依赖,克服了单个深度学习模型的局限性,比现有的模式识别方法更有效。
[硕士论文] 马守祥
控制科学与工程 山东大学 2018(学位年度)
摘要:伴随着科学技术的进步,现代社会的自动化程度越来越高,各行各业都拥有各式各样的工业设备以提高生产效率,而现在的设备在功能越来越完善的同时结构也越来越复杂,根据可靠性的基本理论:越复杂的产品,发生故障的几率越大。一些核心的设备一旦发生故障不仅会造成巨大的经济损失,还有可能威胁到工作人员的生命安全,甚至造成灾难性的事故。所以对设备的运行状态进行监测及故障诊断有着迫切的市场需求。当设备的运行状态发生改变时,其产生的声信号的声学特性在时域部分和频域部分往往也会发生改变,而声信号又能够在不影响设备运行状态的情况下实现非接触式测量,所以将声信号作为故障诊断的研究对象,对设备运行状态进行监测和故障诊断对于确保设备安全运行,避免重大经济损失有着重要的实际意义。
  本文以基于声信号的故障诊断系统研发为课题,采用在时频局部化分析中表现出色的小波包分解能量特征和接近人耳听觉感受的梅尔倒谱系数特征以及它们的融合特征对采集到的声信号进行特征提取,使用SVM分类器进行训练,并借助美国凯斯西储大学的轴承数据库进行测试,得到的实验结果表明基于上述特征的诊断系统具有较高的识别率。同时结合实际经验,考虑到设备正常数据多,故障数据少甚至没有的情况,本文将高斯模型这种异常检测方法应用到故障诊断中,来监测设备的异常运行状态,并在相同的实验数据上进行了验证,得到的实验结果表明该方法能够以较高的识别率来区分正常数据和异常数据,其拟合结果在异常数据的分类上也表现良好。
  本文结合实际需求对故障诊断系统的功能进行分析,对系统的整体架构进行设计,并选用MPS-140401-Ⅰ型多通道信号采集器和CRY333自由场测量传声器以及CRY506前置放大器来获取多路的声信号数据,通过Matlab和C/C++混合编程技术将用Matlab实现的数据处理算法封装到由MFC搭建的应用程序中,通过和数据库的交互来存储系统的各种参数信息,编程开发出了一套针对具体应用场景采样频率可调的、由声信号数据驱动的、在人机交互下能够不断优化的、多通道的故障诊断系统。并使用风扇数据、轴承数据、和工厂中采集的设备数据对该系统进行了测试,系统能够针对不同频段的数据,通过用户操作来选定不同的特征提取方法和分类方法来训练分类器,并使用分类器对在线采集到的数据进行分类,实现了预期的设计目标。
[硕士论文] 李荣强
计算机智能控制与机电工程 浙江师范大学 2018(学位年度)
摘要:在复杂的工业生产环境中,机械设备由于长期较高负荷运转,加上缺少足够的停机维护检修,往往具有较高的故障风险。一旦设备某一处零件发生了故障,不仅会影响到生产效率,严重的话还会造成机毁人亡的后果。因此,作为机械设备中最为常见的旋转机械,对其进行高效、精准的特征提取和故障诊断就显得尤为重要。
  本文基于经验模态分解EMD算法,研究了该方法的基本原理,模态混叠的产生原因和解决方法,并且利用EMD自适应分解信号的特点,研究了针对旋转机械的故障特征提取和故障诊断方法。此外,本文基于所研究的算法以及一些常用的信号时域频域分析方法,编写了一套基于MATLAB GUI的旋转机械早期故障监测诊断系统。
  首先,针对EMD的模态混叠现象,分析了模态混叠现象产生的原因。对比分析了B样条EMD和传统三次样条EMD,结果证明B样条EMD能有效抑制模态混叠现象,从而更好地分解原始信号。借鉴高频谐波加入法原理,基于原信号自身的属性,求得合适的带宽限制频率系数和带宽限制幅值系数,构造自适应的带宽限制信号并添加到原始信号中,最后通过B样条EMD分解,有效的消除了模态混叠现象带来的不利影响。
  其次,针对复杂信号往往包含高斯噪声和非高斯噪声的特点,提出了一种基于EMD和双谱分析的滚动轴承故障特征提取方法。利用两种方法能分别去除信号中所含的高斯噪声和非高斯噪声的特点,实现对滚动轴承故障特征的提取。并在此基础上,进一步提出了基于EEMD和双谱分析的滚动轴承故障特征提取方法,由于EEMD能有效抑制模态混叠,因此相较于前者,该方法能更好地提取出故障特征,仿真分析与实际应用验证了该结论。
  再次,本文将流形学习算法引入到旋转机械的故障诊断中来。提出了一种基于EEMD、局部保持投影LPP流形学习算法以及KNN分类算法的滚动轴承故障诊断方法。通过对信号进行EEMD分解,得到不同IMF分量,计算其包络能量,与时域统计指标构造高维特征集,经LPP流形学习降维后输入到KNN分类器中进行故障诊断。结果表明,该方法能有效实现对滚动轴承不同故障的分类识别,诊断正确率达到100%。
  最后,本文研发了一套基于MATLAB GUI的旋转机械早期故障监测诊断系统。该系统界面简洁,操作简易,交互良好,具有较高的应用价值。系统包括时域分析,频域分析,经验模态分解,滤波器,双谱分析、流形学习等功能。通过对实际信号的分析,验证了该系统的有效性和可行性。
[硕士论文] 张旭韬
机械工程 山东大学 2018(学位年度)
摘要:装载机是一种广泛应用于公路、铁路、港口等建设工程的工程机械,它的使用,极大的提高了生产效率。但是,由于其结构复杂,零部件间的关联性高,经常出现某些零部件,尤其是变速箱的故障导致整台设备故障频发,停机率居高不下。一般的装载机变速箱故障诊断使用加速度传感器测量振动信号做为信息源,针对不同的故障或不同的变速箱需重新布置传感器,操作费时费事,因此,研究一种高效的变速箱故障诊断方法具有重要应用价值。本文利用噪声诊断的非接触性,使用声强传感器,以装载机变速箱在不同工况下产生噪声为研究对象,提出了一种快速识别出故障类型的噪声诊断法,为装载机变速箱的正常工作保驾护航。
  针对装载机变速箱噪声混合形式复杂,难以提取出代表不同工况特征信号的问题,利用ICA和相关系数的原理,分离出不同工况下变速箱噪声的独立分量,计算独立分量与各通道噪声数据相关系数的最大值,构建了装载机变速箱不同工况的特征向量;同时,利用SVM算法在处理小样本集分类中优秀的泛化能力,采用高斯核函数及SVM处理多分类问题中的“一对一”方法,训练故障诊断分类器,实现对装载机变速箱故障的高效诊断。
  在MATLAB软件,利用以振代噪的方法,模拟装载机变速箱的四种源信号;采用卷积混合模型,仿真变速箱在四种工况下的6通道振动信号各120组;利用频域ICA算法,分别分离出四类工况的独立分量,计算变速箱在不同工况下的特征向量;使用400组数据训练6类故障诊断分类器,剩余80做为测试数据检测分类器误诊率。结果表明,在对80组数据的测试中,误诊个数为5个,误诊率6.25%。
  按照国家标准,搭建装载机变速箱噪声测试的13点测试平台,利用声强传感器采集变速箱在正常工况及故障工况下的噪声数据,利用算法对数据进行分析,结果表明40组测试数据,误诊数4个,误诊率为10%。
[硕士论文] 焦天琦
控制工程 北京化工大学 2018(学位年度)
摘要:如今,国家新一轮的创新理念正是基于互联网、大数据技术。各类工业企业通过云平台进行监控项目现场动态。云平台采用了对各个项目工厂上传的各个信号的整理、决断、附带帮助工厂快速地抓准机器设备问题的效率,大大促进了机器设备问题的把握、监察和判别功能、把问题的出现概率降到了最低,供给了能效指标分析为机器的操作人士和项目工厂负责人士供应了判别的依据。
  此论文阐述了基于云基础模式的远程现场机器问题判别信号模式,并阐述了该模式里的基于云基础模式里的设备所传达功率参数的方式和采用贝叶斯网络推理算法的对于现场机械设备故障并诊断的有效方式。
  在现实中应用采用了河北衡水垃圾焚烧厂石灰石浆液储罐在线监控并检测系统,来证明了本文中所研究的基于云服务模式的长距离设备问题判别模式的可实施性。
[硕士论文] 孙攀龙
机械制造及其自动化 西安工业大学 2018(学位年度)
摘要:近年来,由于旋转机械系统中低频振动而引发的灾难事故,使得人们意识到油膜失稳的分析及辨识变得至关重要。在影响转子轴承系统油膜失稳的多种因素中,不平衡力和非线性油膜力尤为突出,虽然对于非线性油膜力的研究成果丰硕,但是对于不平衡力对系统油膜涡动积累和扩展过程的影响还没有较明确的研究。本文主要研究不平衡力对油膜失稳发生过程的影响及其油膜失稳故障的辨识。
  关于不平衡力对油膜失稳发生过程的影响,论文通过建立单跨双转盘转子轴承系统非线性动力学模型,运用四阶龙格库塔法,对不同偏心比下的方程进行数值仿真,根据仿真结果获得分岔图、庞加莱映射、瀑布图和轴心轨迹图。观察发现偏心量对油膜失稳的发生过程有明显的影响,无偏心量时系统的运动状态并未出现混沌运动,随着偏心量的增加,系统的运动状态变的复杂,出现了多个运动状态之间的变换的现象,系统从单倍周期向其他运动状态转变的转频升高。偏心量对系统的稳定性也有一定的影响,偏心量较大时由于不平衡力的作用强于非线性油膜力作用,转子系统不容易产生油膜涡动,涡动会在一定速度范围内消失。
  为验证模型,本文进行了油膜失稳实验,通过对比实验结果与数值分析结果,表明本文建立的非线性动力学模型可以真实的反映不平衡量对油膜失稳过程的影响。为了实现故障辨识,在本文实验中也模拟了其他四种故障,分别是转子正常转动实验、不对中实验、动静件碰磨实验和不对中不平衡实验。
  基于单个学习机器识别效果受初始参数的影响,引入BP-FI模型,将BP-FI融合技术应用于转子轴承系统故障辨识中,可以很好的识别不同偏心比下的油膜失稳故障以及不同种类的转子系统故障,并且,与单个分类器相比,BP-FI模型的识别率更高,稳定性更好。
[硕士论文] 赵继传
电子与通信工程 安徽大学 2018(学位年度)
摘要:近年来,互联网技术得到飞速发展和广泛应用,互联网技术也已应用到工业点检,设备点检早已是企业保证稳定生产的必要手段,在工业生产中起到了重要的作用,但是仍然存在不足。首先,现在已有的系统一部分只能实现本地保存记录,管理人员无法实时查看点检数据,部分系统客户端与服务器端结构设置不够合理,设计了中间层服务器和企业应用服务器两层结构,不仅造成资源浪费,还导致点检流程较为复杂。其次,多数系统在开发时,技术架构过于陈旧,代码冗余严重,不利于功能的扩展,降低了整个系统的性能。
  为了解决以上存在的问题,本论文对现有的点检系统进行了分析,设计了工业点检系统的客户端与服务器端,实现客户端与服务器端数据实时互通,并且使用当前主流的开发框架,使业务逻辑层与其它层充分解耦,更加利于以后系统功能的扩展。
  论文首先阐述了工业点检的背景及意义,分析了国内外研究外研究现状。然后从解决已有系统架构和技术实现手段存在问题的角度出发,对点检客户端和服务器端进行了需求分析与技术选择,确定了客户端与服务器端的功能。点检客户端依托AndroidStudio,借助Gradle工具,在点检客户端使用ButterKnife、GreenDao、Android-Async-Http、Gson开源框架进行开发设计,使得客户端App体积更小,运行更加流畅。点检服务器端以SSM框架为基础,统一使用JAVA语言设计完成了服务器端与客户端的功能接口,解决了此前使用C#语言设计的中间层服务器与使用PHP语言设计的上层服务器系统交互较差问题。根据系统需求,点检客户端完成了登录、网址修改、任务确认、扫描点检、备注添加、停运及历史记录查询等功能的软件开发。设计的服务器端可以同时为客户端和PC提供服务,取消专门为客户端提供服务的中间层服务器。完成了登录、任务确认、点检数据上传、历史记录查询等响应客户端网络请求的功能接口开发,并具有对点检数据进行分析,以饼状图形式进行直观展示的功能。在服务器端使用多节点,设计了Redis缓存机制,提高资源访问效率,减轻服务器压力。然后,对系统功能进行测试,着重测试了SESSION共享与多节点部署功能。最后对论文工作进行了总结,针对论文中不足之处,对今后的工作进行展望。
[硕士论文] 吴玉良
控制科学与工程;控制理论与控制工程 安徽大学 2018(学位年度)
摘要:机泵系统在工业和农业等领域占据主要地位,每年的耗电量约为国家总电量的20%。若可以提高整个机泵系统的运行效率和降低能耗,对于当下绿色能源经济的发展有着十分重要的意义。其关键技术是在满足机泵系统需求的前提条件下,使得系统运行于高效区域。目前通常采取变频调速方案来提高整个机泵系统的效率,但会使得离心泵偏离设计工况点运行。本文通过将传统阀门控制和调速控制相结合,获得了离心泵运行在高效区域时的阀门开度和转速范围,进而实现了机泵系统的协调控制。
  论文的主要研究工作如下:
  1、分别建立了三相异步电机的矢量控制系统和离心泵的物理模型,进而搭建整个机泵系统模型。仿真结果证实了该模型的正确性。
  2、对离心泵的外特性进行了分析。同时以系统高效输出为目标,分别对机泵系统进行了阀门控制和调速控制。在此基础上,通过BP神经网络建立转速、阀门开度与输出效率之间的数学模型,获得协调控制方式下离心泵运行在高效区域时所对应的阀门开度范围和转速范围。
  3、针对常规协调控制动态性能较差等问题,一方面采用模糊自适应控制器优化阀门控制中的PID参数。另一方面对上述系统模型中的磁链观测器进行改进,实现了动态性能较好的矢量控制方案。在此基础上,采用分程协调控制策略,提高了系统在不同工况下的高效输出性能和可靠性。仿真结果证实了上述方案的正确性。
  综上所述,本文提出的协调控制方案在能效方面明显优于传统的阀门控制和调速控制,可靠性更高且能够更好的逼近系统工况点运行。
[博士论文] 陈磊
化工过程机械 郑州大学 2018(学位年度)
摘要:机械设备在运行的过程中,由于不同原因会出现各式各样的故障,这些故障轻则影响运转,重责造成重大事故,带来严重的经济损失。正确的故障预测能够提醒设备管理人员提前采取措施,避免事故的发生,为设备安全高效地运行提供技术保障。当前的预测研究仍以单一参数的数值预测为主,并不能通过预测对可能发生的故障的性质和部位做出判断。本文以大型旋转机械为研究对象,针对现有故障预测中存在的不足,从信息融合、数据采集、预测建模、产品开发等多个方面对基于全矢谱的故障预测方法进行研究。解决了传统预测方法无法预测故障性质和部位的问题,利用振动大数据进行设备健康预警和评价,为预测技术的推广应用提供了基础保障。论文所做的主要研究工作和取得的成果如下:
  (1)研究了基于全矢信息融合的设备故障预测方法,阐述并构建了一维全矢振动强度预测模型(FVMP),二维全矢频谱结构预测模型(FVSP)和设备故障多维预测模型(FVEP)。在分析全矢谱技术的基本原理、方法和数值计算的基础上建立的预测模型,能够克服传统测试方法得到的数据反映的设备振动特征不够全面的问题,根据全矢融合后的振动信号,预测频谱结构的变化,判断故障性质并评价设备健康状态;
  (2)研究了全矢数据采集和特征提取方法。分析设计了支持全矢融合的数据采集电路和采样控制策略,并在电厂设备上,验证了全矢数据采集的正确性和可靠性;提出并定义了虚拟传感器的概念,虚拟传感器为逻辑上存在的一个传感器,其输出为同源两传感器信号融合后的结果;研究表明,在转子同一截面上的信号,靠单一传感器数据得出的诊断结论是片面的,全矢融合后的数据能够全面的反映设备运行状态,其频谱结构和特征值具有唯一性,可用于振动强度和频谱结构的预测。
  (3)研究了全矢自回归时序预测模型(FAR)。FAR预测模型将全矢谱信息融合技术与AR模型分析方法相结合。对建模步骤、模型识别、参数估计和递推计算进行了理论研究和数据验证。FAR模型能够很好的用于平稳时序数据的趋势预测,也为振动强度、故障性质、设备状态的预测提供了一种行之有效的方法;但对于非平稳的运行过程,利用AR预测误差较大,有一定的局限性。
  (4)研究了全矢灰色预测模型(FGM)。FGM预测模型以全矢谱同源信息融合为基础,结合灰色理论,既保证了预测数据的可靠性,又实现了对小样本的趋势项数据的预测能力;全矢灰色模型包括全矢GM(1,1)和全矢MGM(1,m)两种,全矢MGM(1,m)是对GM(1,1)模型在m元变量下的拓广。研究表明,全矢灰色模型对于“小样本”、单调增长序列具有很好的预测效果,能够进行振动幅值和频谱结构的预测。
  (5)研究了全矢综合预测模型(FVCP)和基于全矢谱的大数据预警(FVEW)。FVCP全矢综合预测模型将全矢FAR模型与全矢FGM模型有机结合起来。利用经验模态分解(EMD)分离出数据序列中的随机项和趋势项,分别送入FAR模型和FGM模型进行预测,并将结果进行有机整合。FVCP模型充分利用了两种数值预测模型的优点,研究表明,FVCP全矢综合预测模型兼顾振动信号随机性和趋势性的特点,具有更好的适用性。
  基于全矢谱的大数据预警从海量历史数据中提取振动特征,并预测这些特征的变化趋势,根据预测得到的各个全矢振动特征值,结合设备运转过程中的其它如温度、电流等工艺过程参数,依据模糊产生式规则,做出基于大数据的设备健康评价和故障预警,可以更好的指导维修决策。
  (6)总结了研究的全矢故障预测技术,开发了基于全矢故障预测的相关软硬件产品,并应用于工程实践。开发的SDC系列智能数据采集器,其数据采集遵循全矢谱分析技术对数据的要求,支持基于全矢谱技术的信息融合;开发的基于全矢预测的智能预警功能模块,采用同源信息融合技术,使得振动信号能够更全面的反映设备运转状态,提高设备健康预测和诊断评价的可靠性;为用户构建的基于大数据预警的设备状态健康寻优和分析平台,能够很好的预警评价设备的健康状态,为设备维修提供决策依据,也验证了本文理论研究的正确性和实用性。
[硕士论文] 吴斌
工业工程 山东大学 2018(学位年度)
摘要:离心压缩机作为空分和炼化等流程行业的核心设备,要求安全高效地运行。在设备运行过程中对故障的预警和诊断显得尤为重要。离心压缩机中两个重要的旋转部件为转子和齿轮箱,本文通过支持向量机算法对转子和齿轮箱分别建立故障诊断模型。
  收集离心压缩机转子振动故障的历史样本数据,分析转子振动故障的特征频率,提取振动信号特征频率内的最大振幅作为故障诊断的特征向量,结合专家打分和BP神经网络拟合特征向量的隶属度函数,利用支持向量机构建转子单故障和多故障的诊断模型,得到较好的识别率。
  为了建立齿轮箱运行状态识别模型,对齿轮箱4个测点,6种运行状态的振动数据进行去趋势项和去噪处理,对振动信号分别从时域、能量和样本熵3个维度提取特征向量。利用误差棒图对各特征向量的有效性进行初步分析。对每一测点的振动信号,分别采用时域、能量、样本熵和综合特征建立故障诊断的支持向量机模型,其中利用综合特征建立的模型识别精度最高。综合4个测点的所有特征参数组成齿轮箱运行状态识别模型的特征向量,运用最大相关最小冗余算法对特征向量进行降维处理,最后利用支持向量机建立运行状态识别模型,在测试样本中取得良好的分类结果。
[硕士论文] 钱林峰
机械制造及其自动化 合肥工业大学 2018(学位年度)
摘要:在齿轮泵生产制造过程中和实际工作时,由于齿轮泵加工、装配公差和测量误差导致其自身尺寸不是确定值;液压油粘度等外部因素也不是确定值。以前,传统研究都将齿轮泵各参量作确定值,得出的结论与工程实际有一定差距。为了获得更加符合工程实际的齿轮泵内泄漏数学模型和寻求其最优间隙,本文以齿轮泵传统数学模型为基础,将不确定性理论引入到齿轮泵传统数学模型中进行研究,主要开展了以下几个方面的工作:
  将齿轮泵的轴向间隙、径向间隙、液压油温度、工作压力和输入转速作为随机变量,运用随机因子法和代数综合法建立起外啮合齿轮泵随机内泄漏模型,进而获得在不确定性下的外啮合齿轮泵容积效率。将随机内泄漏模型研究结果和传统模型的计算结果分别与实验结果进行比较。
  将齿轮副轴向间隙、齿轮副径向间隙、滑动轴承径向间隙、液压油动力粘度、工作压力和输入转速作为随机变量,运用随机因子法和代数综合法建立起内啮合齿轮泵随机内泄漏模型。将随机内泄漏模型研究结果和传统模型的计算结果分别与实验结果进行比较。
  以泄漏功率损失和粘性摩擦损失之和总功率损失最小为设计目标,将轴向间隙、径向间隙作为设计变量,将不确定性理论引入到设计过程中,利用优化设计原理计算出齿轮泵最优轴向间隙、径向间隙。
  实验结果表明,本文采用随机不确定性理论建立的齿轮泵随机内泄漏模型正确且比传统模型更加优越。证明了不确定模型比传统模型更加符合工程实际,这对齿轮泵内泄漏流量的计算提供了一种更加科学的计算方法,并对指导齿轮泵的节能结构设计方面具有重要意义。
[硕士论文] 高鑫
机械工程 合肥工业大学 2018(学位年度)
摘要:再制造技术是一种对废旧产品实施技术修复,并使其性能恢复甚至超过新品的绿色生产模式。长输管线用压缩机转子的叶轮与主轴间的过盈量设计时高达1.7‰-2.2‰,在再制造拆解环节中,配合界面易产生划伤、粘着、犁沟等拆解损伤,为再制造带来额外的修复工作,因此有必要降低配合面间的拆解损伤。
  本文首先建立了过盈配合转子的三维模型,对常温与加热状态下过盈配合界面间的接触应力进行了分析。根据仿真结果设计了拆解试验与过盈配合承载能力试验。使用三维形貌仪对表面损伤进行测量,从ISO-25178标准中选取了6个表征拆解损伤的指标参数,利用熵值分析法确定了各参数对损伤影响的权重,实现了配合界面拆解损伤的综合评价。
  其次,为降低拆解表面损伤,尝试将表面织构引入配合表面,获得了理想效果。针对凹坑型织构,设计三因素五水平的拆解损伤正交试验,并对试验结果用极差分析法和方差分析法进行分析,发现织构参数对拆解损伤的影响顺序为:单一织构等效圆直径>织构形状>织构面密度。得到能降低拆解损伤的最优织构参数为直径100μm的圆凹坑织构。
  最后以过盈配合轴套模型为对象,建立了承载能力的数学模型,发现其承载能力与配合界面间的摩擦系数呈正比关系。围绕最优参数织构表面,进行了过盈配合承载能力测试。发现最优织构表面的摩擦系数高于无织构表面40%左右,但摩擦系数会随拆解次数的增加而逐渐降低,当拆解次数达到两次时,摩擦系数仅高于无织构表面0.01~0.04。从拆解与服役性能的角度考虑,将织构引入过盈配合界面既能降低拆解损伤又能满足服役性能,具有较高的可行性和实用价值。
[硕士论文] 任福
仪器科学与技术 哈尔滨理工大学 2018(学位年度)
摘要:随着科学技术的日益进步,数字控制技术和电子信息技术得到了飞速发展,带动数控雕刻技术在木工、徽章、标牌、模具等加工领域中广泛应用。但目前国产数控雕刻机在精度、性能、成本等方面还有很大的提升空间,为了提高国产雕刻机的性价比和市场竞争力,研制加工速度快、精度高、成本低的数控系统显得尤为重要。
  本文在分析国内外数控雕刻机发展现状和研发技术的基础上,设计以ARM9+FPGA为核心控制器,结合嵌入式系统来设计雕刻机控制系统。ARM9作为主处理器,负责轨迹插补、速度控制以及运行Windows CE操作系统;FPGA作为辅处理器,负责发送驱动脉冲,控制步进电机控制器运动。整个系统工作时操作简便,可以一体化地实现从原始数据读取到最后驱动脉冲的发送,从而摆脱对工控PC机的依赖。
  在轨迹控制方面采用改进的数字积分插补算法(DDA),降低微处理器插补时的运算量,提高插补效率。在速度控制方面,结合步进电机频率-转矩的特性,采用多条离散微线段拟合指数型曲线的方法实现执行机构的加减速控制;另外辅以“大S”集合算法完成轨迹预处理,解决电机因频繁启停出现的失步问题。
  仿真试验进一步验证基于ARM+FPGA雕刻机控制系统方案设计的可靠性和可行性,具有很好的参考和应用价值。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部