-
机械设备集群大数据系统研究与应用
来源:电工文摘 发布日期:2015-04-20
对设备进行连续的数据采集与储存的基础上,获得反映设备状态的数据,系统通过对获得的大数据进行处理以及研究,从而对设备的健康状态进行一个合理的评估。为了有效地监测机组异常变化以及进行机组状态评估,必须选取合理的特征参量,并对这些参量进行监控。通过结合自动设置报警门限以及与特征参量门限值相关联的报警策略,实现了系统对机组的运行状态监测、异常识别、状态评估,甚至是故障部位识别,建立智能诊断系统。
-
汽车电商 为新型厂商关系做嫁衣？
来源:科技展望 发布日期:2015-04-20
近年来,随着我国经济发展水平以及科技水平的显著提升,各行各业均得到不同程度的发展,其中汽车行业已经成为国民经济的支柱产业。在汽车行业和相关市场不断扩大的同时,各种先进技术被应用到现代汽车中,其中智能控制技术在汽车电控发动机中的应用尤其引起业内外人士的关注。然而,目前阶段,汽车电控发动机容易发生故障,尚有完善和提升的空间。作者在本文中就汽车电控发动机常见故障诊断与维修进行了深入细致地分析和探讨。
-
基于OS-ELM的风机关键机械部件故障诊断方法
来源:机械制造 发布日期:2015-04-20
针对传统故障诊断中前馈神经网络算法诊断效果不佳、泛化能力不强问题,提出了基于在线贯序极限学习机(OS-ELM)的风机关键机械部件故障诊断方法。该方法将测试得到的预测样本加入训练样本,作为下一次的更新信息,建立在线贯序极限学习机诊断模型,从而最大限度提高故障诊断精度,分析了激活函数、隐层节点数目对诊断性能的影响,并同BP神经网络、SVM以及ELM神经网络进行对比。实验表明,该方法在风机关键机械部件出
-
LMD滤噪算法及在旋转机械转子故障诊断中的应用
来源:噪声与振动控制 发布日期:2015-04-18
利用噪声统计特性及局部均值分解算法(local mean decomposition,LMD)在信号分解过程中的自适应性,提出了一种新的基于LMD的自适应滤噪算法。该算法完全由数据驱动,可对信号自适应降噪,并将降噪后的信号分解为若干个瞬时频率具有物理意义的PF(Product function)分量。重构的信号可有效提高功率谱故障诊断的性能。通过对2种非平稳信号的仿真实验及在实际运行状态下采集的旋
-
机械系统振动变形分析方法研究
来源:化工机械 发布日期:2015-04-15
提出了一种基于振动变形分析的工作状态特征提取方法,利用故障试验台证明了振动变形分析方法的有效性,然后对复杂机械系统的故障诊断方法进行研究。分析结果表明:振动变形分析方法能够全面、准确地将机械系统关键部件的状态特征提取出来,为故障精密诊断奠定基础。
-
《汽车空调维修技术》课程教学改革探讨
来源:内蒙古农业大学学报(社会科学版) 发布日期:2015-04-15
《汽车检测与故障诊断技术》是汽车类专业的主干课程,该课程涉及的知识点多、应用性强。文章分析了该课程当前教学中存在的问题,从教学方法、教学内容、考核方式、教师要求等方面提出改革措施,采用现场教学和项目式教学方法,突出实践能力的培养,关注学生的学习兴趣,合理设计教学内容,重视考核方式的转变,融合现代教学手段,加强教师队伍的建设,探索适合该课程的教学模式,以满足现代汽车行业对高层次应用型人才的需求。
-
基于多核非负矩阵分解的机械故障诊断
来源:西北工业大学学报 发布日期:2015-04-15
在机械设备故障诊断研究领域中,系统采集的原始监测数据经过处理得到的结果往往是数据量很大,维数很高的图像数据,因此,从高维图像中获取敏感特征是当前故障诊断领域中面临的一项关键技术。本文提出了基于多核非负矩阵分解的机械设备故障诊断方法,该方法克服了传统故障诊断需对机械设备信号进行特征提取而造成信息丢失,通过应用多核非负矩阵分解方法进行降维,然后结合多核支持向量机实现对降维后的数据直接进行识别。实验证明
-
基于FFT分析振动信号的机械故障诊断
来源:山西电子技术 发布日期:2015-04-15
在工业生产中,机械设备的正常、安全运行意义重大,为了能使故障发生在萌芽期,寻找一种实时、预测、预报的故障诊断方法极其重要。FFT是一种成熟的信号处理方法,用该方法提取机械设备的振动信号,可以做到可靠性高、实时性强等特点。
-
轧钢机械振动故障的诊断
来源:有色金属文摘 发布日期:2015-04-15
对于轧钢机械来说,轧钢机械振动故障是影响轧钢生产的重要因素之一,同时对轧钢机械的生产过程中的安全问题也有着重要的影响,因此为了提高生产经营效益,加强轧钢机械振动故障的诊断工作非常有必要。
-
基于多故障流形的旋转机械故障诊断
来源:振动工程学报 发布日期:2015-04-15
针对旋转机械不同故障可能分布于不同故障流形,提出了基于多故障流形的旋转机械故障诊断方法。该方法分别提取每一类故障对应的故障流形,并在多故障流形上进行新增样本的故障识别。针对所需解决的低维流形提取、流形内蕴维数选取和多故障流形上的故障识别问题,分别采用线性局部切空间排列算法和免疫遗传算法来进行低维故障流形提取和流形内蕴维数选取,并通过故障样本重构误差这一新的判别准则进行故障识别。齿轮箱故障模拟实验的
027-87841330