-
汽车发电机皮带组件故障诊断经验点滴
来源:机械工程与自动化 发布日期:2021-10-08
以上汽荣威350 15S4U发动机的发电机皮带及其张紧装置失效的两个典型故障案例来展开分析研究,重点探讨发电机皮带及张紧装置的异响和皮带断裂问题,并提出故障排除方法。
-
化工机械设备安全特性及其故障诊断处理探讨
来源:当代化工研究 发布日期:2021-10-08
化工企业想要维持正常的生产活动和经营活动,离不开化工机械设备这一关键性的作业工具,其重要程度不言而喻。因此,要想使企业在达到顺利进行生产环节的基础上进一步实现较高的经济效益,就不得不对所使用的化工机械设备的安全性能予以深度分析,想要最大限度的消除设备中潜在的安全隐患,就必须针对设备故障选择科学可靠的诊断技术,从而使化工机械设备在运行的过程中保证足够的安全性。
-
化工机械设备安全特性及其故障诊断处理探讨
来源:当代化工研究 发布日期:2021-10-08
化工企业想要维持正常的生产活动和经营活动,离不开化工机械设备这一关键性的作业工具,其重要程度不言而喻。因此,要想使企业在达到顺利进行生产环节的基础上进一步实现较高的经济效益,就不得不对所使用的化工机械设备的安全性能予以深度分析,想要最大限度的消除设备中潜在的安全隐患,就必须针对设备故障选择科学可靠的诊断技术,从而使化工机械设备在运行的过程中保证足够的安全性。
-
基于频域窗函数的短时傅里叶变换及其在机械冲击特征提取中的应用
来源:机床与液压 发布日期:2021-09-28
提取冲击特征是实现轴承、齿轮故障识别的关键,但是容易受到噪声和其他无关成分的干扰。区别于经典的时频分析方法如短时傅里叶变换和同步压缩小波变换,提出基于频域窗函数的短时傅里叶变换法。利用最大相关峭度反卷积的方法对振动信号进行滤波,使信号的质量得到提高;通过频域窗函数,实现二维时频平面中时间的精准定位和冲击特征的准确识别,进一步锐化了复杂多组分信号的时频脊线。利用所提方法对数值仿真信号和实际轴承故障信
-
基于自动编码器和长短时记忆网络的智能汽车故障诊断方法研究
来源:四川大学学报(自然科学版) 发布日期:2021-09-27
智能汽车故障诊断技术对于保障智能汽车安全行驶具有重要意义,针对智能汽车传感器数据异常检测和车辆运动的异常检测提出了一种故障诊断方法.针对非时序传感器数据,采用基于超限学习框架的自动编码器,对正常数据进行特征压缩学习其特征表示,再利用压缩的特征重构数据,根据重构误差的大小判断数据是否异常.针对时序传感器数据,采用多层长短时记忆网络学习时序数据之间的时间依赖关系来预测当下时刻的数据值,根据预测误差的大
-
纺织信息化数据集成与故障诊断系统设计
来源:中国仪器仪表 发布日期:2021-09-25
为实现纺织生产数据的高效集成及系统故障的在线诊断,设计了一套纺织生产过程数据集成与故障诊断系统;提出了一种针对纺织生产过程多层次、多类型、多维的纺织生产信息采集方案,该方案采用工业以太网、PB/PN总线以及Modbus等通信技术对纺织车间的设备进行信息集成,以实现纺织生产过程数据采集、生产监控、生产管理、远程运维以及人机交互等功能。系统分为3层,采用TIA portal软件进行组态PROFINET
-
基于状态推理的全电子铁路信号计算机联锁故障诊断
来源:自动化与仪器仪表 发布日期:2021-09-25
为解决铁路行业中信号设备故障获取和故障处理效率低下的问题,提出了一种基于专家系统的全电子铁路信号计算机联锁故障诊断系统,以提高铁路信号故障现场处理的效率。首先,为全电子铁路信号计算机联锁故障诊断搭建了一个框架,并对三个子系统进行了系统模块设计;然后,对全电子铁路信号的核心部分——故障诊断专家系统进行了详细地设计和分析,能够将故障数据以推理的形式高效地展现在页面上;最后,通过对铁路信号通行指示灯的故
-
煤矿机械齿轮和轴承故障诊断及改进措施
来源:能源与节能 发布日期:2021-09-25
煤矿机械齿轮和轴承设备在煤矿生产过程中发挥着重要的作用。基于机械齿轮和轴承的故障类型及原因分析,指出振动信号检测法是诊断煤矿机械齿轮和轴承故障的主要方法,并对该诊断方法的流程进行了详细的阐述;同时,根据故障类型和失效方式对齿轮和轴承故障提出了改进措施,对降低煤矿机械齿轮和轴承故障率、延长设备使用寿命具有重要的参考价值。
-
融合SDP和CNN的旋转机械齿轮箱故障诊断方法
来源:工业控制计算机 发布日期:2021-09-23
针对旋转机械齿轮箱的齿轮与轴承故障,提出一种融合对称点图案SDP(Symmetrized Dot Pattern,SDP)和卷积神经网络CNN(Convolutional Neural Network)的故障诊断方法。首先,以模拟实验台MCDS获取大量故障实验数据,经过预处理产生的一维振动信号再经SDP转化为特征信息丰富的二维雪花图像;然后将SDP图像输入至CNN自动提取特征,再用分类器识别故障特
-
基于改进LSTM-SVM的多传感器船舶旋转机械快速故障诊断方法
来源:船舶力学 发布日期:2021-09-15
微小故障的快速诊断是预防和减少重大显著性故障发生的关键。近年来,基于深度学习的智能故障诊断方法已成为船舶旋转机械领域研究的热点。本文提出了一种基于改进的LSTM-SVM的循环神经网络深度学习算法,解决船舶旋转机械在多传感器监测环境下的快速故障诊断问题。该算法首先采用多层堆叠的LSTM网络作为特征提取器捕获多通道时间序列原始数据中的故障微弱特征,然后在网络末端采用非线性支持向量机(SVM)代替传统的
027-87841330