基于模糊C均值聚类的柴油机故障诊断

通过对柴油机运行时的表面振动信号进行分析处理得到由一系列特征参数组成的特征向量,利用模糊C均值聚类方法对特征向量进行模式识别,结果表明该方法可通过特征向量准确地区分不同的柴油机故障模式,模糊C均值聚类方法在柴油机状态监测与故障诊断中有较好的适用性。     

舰船行星齿轮减速箱的阻尼特性

大功率行星齿轮减速箱是船舶轮机系统的重要设备之一,由于减速箱在工作中承受的载荷大,且转速高、工作环境复杂,因此,舰船行星齿轮减速箱往往会出现噪声、振动和失稳等问题,影响舰船的正常运行。阻尼特性是弹性材料的一种特性,基于阻尼特性进行机械结构设计具有改善振动与噪声等优点,本文首先针对舰船行星齿轮的阻尼系统进行了阻尼建模,然后基于Ansys和Hypermesh等软件进行了行星齿轮减速箱的建模和有限元仿真,对改善行星齿轮减速箱的振动噪声等性能有重要的作用。     

基于集合经验模态分解的发电机组智能诊断系统设计

发电机组作为产生电能的机械设备在陆地和船舶上得到广泛应用,但在运行过程中容易产生故障,且故障种类繁多,通过人的直观观察往往很难判别故障类型。本文介绍一个智能诊断系统,首先采集不同工况下的发电机组声信号,再利用集合经验模态分解对信号进行分解,并提取特征参数,最后使用模糊C均值聚类进行故障分类。通过6135D型柴油发电机组进行实验验证,故障诊断率达到了92.25%,结果表明该系统可以对发电机组常见故障进行准确的智能诊断。     

基于VMD和SVM的减速箱故障分析

本文基于VMD和SVM理论,对实验采集到的减速箱正常运行信号波形、缺齿、断齿故障状态运行的信号波形进行VMD分解,选取峭度、能量、散度、样本熵及能量熵五个特征值构建支持向量积,并选取样本集对信号进行SVM训练,训练结果表明本文采用的支持向量机诊断方法效果理想,具有一定的实际应用价值。     

基于融合特征支持向量机的港口起重机减速箱故障诊断

本文以港口起重机减速箱为研究对象,通过减速箱试验台缩尺模型预置故障,采集各类故障模式下的减速箱壳体振动信号。通过在时域、频域提取特征值,与EMD分解得到的IMF能量特征进行融合,经PCA降维处理后取一组样本作为训练集用于支持向量机模型训练。再由测试样本集对训练完成的模型进行验证,验证结果说明了用本文选取的融合特征训练的支持向量机在港口起重机减速箱的故障诊断运用是可行的,达到了较高的识别率。     

模糊聚类算法在舰船电气系统故障远程检测中的应用

依据模糊均值聚类故障检测原理,对舰船电气系统初始状态数据样本归一化后,构建舰船电气系统状态数据模糊相似矩阵,依据该矩阵分析系统状态数据亲疏度;利用亲疏度结果获取状态数据的最佳权值指数,并对状态数据样本进行加权处理,降低系统状态数据聚类稀疏度;将最佳权值指数赋予到状态数据中,同时更新模糊C-均值聚类目标函数.通过设置聚类...     

桥吊小车减速箱轴断裂原因分析及改进

小车减速箱是桥吊牵引机构的重要组成部份,保证减速箱在工作中的正常运行,对提高桥吊的工作效率和安全性能有着重要意义。对齿轮轴断口进行宏观分析,结合有限元和材料力学等方面,深入地分析减速箱齿轮轴断裂原因,同时提出合理化的处理方案和改进措施。     

基于机器学习算法的船舶电气故障分类与诊断方法

为实现船舶电气故障的早发现、早解决,设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号,利用小波包分析方法提取增强后的电气设备振动信号特征,将电气设备振动信号特征输入卷积神经网络中进行训练,得出最佳的故障分类与诊断模型,并利用该模型实现船舶电气设备的故障分类与诊断。实验表明：采用Teager能量算子可以快速准确地将传感器采集的信号放大,且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%,可能够准确诊断出船舶电气设备是否存在故障,并获取对应的电气故障类型。     

皮带机驱动系统状态监测信息化应用

皮带机作为港口物料运输的关键设备,长时间满负荷运行,极易出现驱动部件轴承损坏、滚筒蹿轴等故障,从而引发严重的机损甚至火灾事故.为实现设备"无忧运行"管理理念,我公司对皮带机主要运动部件,包括电机、减速箱、滚筒的轴承温度、振动及轴向位移等参数进行数据采集,获取皮带机主要驱动部件实时运行状态信息,通过监测软件实现驱动部件异常状态预警、数据存储、查询、统计以及部件劣化趋势分析,同时为设备预防性维修管理决策提供数据支持.     

皮带机运行状态监测系统

为提升皮带机运行效率,减少设备故障引起的异常停机,开发一种皮带机运行状态监测系统。该系统通过监测拉线开关、减速箱、驱动滚筒等关键设备,对皮带机运行状态进行监测、分析,在出现故障趋势时进行提前报警,当故障出现时进行诊断及定位。现场测试表明,该系统能有效解决皮带机故障确定难的问题。     

船体弹性支撑轴机械故障检测方法研究

当前船体弹性支撑轴故障检测存在效率低、错误多等不足,为了改善船体弹性支撑轴故障检测效果,设计了支持向量机多类分类器的船体弹性支撑轴故障检测方法。首先选择船体弹性支撑轴作为研究对象,提取其振动信号。然后从振动信号中提取描述其工作状态的特征,并通过对特征进行选择,得到最优的船体弹性支撑轴故障检测特征。最后根据故障检测特征,采用支持向量机多类分类器进行船体弹性支撑轴故障分类和检测。仿真测试结果表明,本文方法能够很好识别各种类型的船体弹性支撑轴故障,对所有类型故障检测率超过95%以上,而且具有较快的船体弹性支撑轴故障检测速度,相对其他船体弹性支撑轴故障检测方法,优势十分明显。     

带式输送机驱动系统状态监测信息化应用

带式输送机作为港口物料运输的关键设备,其使用率高,满负荷运行时间长,极易出现驱动部件轴承损坏、滚筒蹿轴等故障,从而引发严重的机损甚至火灾事故.为实现设备"无忧运行"管理理念,我公司对皮带机主要运动部件,包括电机、减速箱、滚筒的轴承温度、振动及轴向位移等参数进行数据采集,获取皮带机主要驱动部件实时运行状态信息,通过监测软件实现驱动部件异常状态预警、数据存储、查询、统计以及部件劣化趋势分析,同时为设备预防性维修管理决策提供数据支持.     

多传感器信息融合的船舶机械设备状态智能检测研究

研究基于多传感器信息融合的船舶机械设备状态智能检测方法,智能化诊断船舶机械设备异常状态。采用改进小波阈值去除多振动传感器采集的机械设备振动信号噪声成分后,经基于多传感器信息融合的信号特征提取方法,提取去噪后振动信号幅值的均方根、方差、峰值、脉冲、峭度、均值、最大值、最小值、峰峰值、方根幅值特征,并使用特征级与数据级融合方式,将多信号特征信息融合;通过基于极限学习机优化的设备状态智能检测方法,以特征信息分类的方式,将融合后的设备振动信号特征作为分类目标,根据特征值的上下限,判断设备运行状态。实验验证表明,此方法应用下,多传感器对船舶机械设备振动信号的感知时间差极短,可缩短设备状态检测延迟,并准确检测设备异常状态。     

基于层次分析法的船用柴油发电机组综合健康评估

根据柴油发电机组结构组成及运行特性,建立了能够评估系统机组运行状态的评价指标,引入劣化度和健康值的概念以优化传统的模糊综合评判法;结合包含变权处理的层次分析法,实现了对机组运行状态的综合健康评估,并对正常和故障运行状态的机组均进行了准确合理的评估。以某型机组运行数据为例进行评估分析,结果表明,文章提出的方法能够有效评估船用柴油发电机组。     

基于MATLAB的在役起重机减速箱故障诊断与分析

提出了一种基于MATLAB的在役起重机减速箱故障诊断与分析方法。本文以国内某码头在役起重机故障减速箱为对象,采用减速箱振动测试的方法,利用MATLAB软件对采集得到的加速度数据处理,采用去直流、自相关分析、取包络图、倒谱分析、边频带分析等多种方法结合分析得到减速箱内部故障原因,经开箱检查后与实际故障原因基本吻合,为后期在役起重机减速箱的故障诊断与分析提供了非常有效、可靠的方法依据。     

场桥远程控制作业安全保护程序

为提高场桥远程控制作业的安全性,解决场桥元器件损坏或线路故障引起的场桥吊具挂箱、钩箱、砸箱和设备损坏等问题,对场桥远程控制运行工况和作业过程中出现的异常状况进行分析、研究,填补远程控制场桥运行过程中的安全保护漏洞,设计和编写远程控制场桥起升机构、大车机构、小车机构、吊具机构和自动化运行的安全保护程序30余项。实际应用表明,当场桥远程控制运行出现异常状况时,安全保护程序能够及时检测到异常情况并停止场桥机构运行,场桥远程控制作业的异常损坏情况能够得到有效控制。     

岸桥小车减速箱维护调整方案

小车是岸桥设备中工作最频繁的机构之一,其每天工作12 h或以上,运行速度较高,工况较为恶劣。在小车驱动机构中,减速箱的维修工期较长且维修成本较高,其一旦出现问题,不仅会影响岸桥正常作业,而且会带来较大安全隐患。本文针对岸桥小车减速箱的这一特点,提出小车减速箱维护调整方案,以期为延长岸桥小车减速箱使用寿命、节省港口设备维护成本提供途径。     

模糊聚类在柴油机故障诊断中的应用

柴油机状态监测与故障诊断可以看作是一种故障模式的识别过程,模糊聚类方法是模式识别方法的一种,本文利用模糊C均值聚类方法对表征柴油机状态的特征向量进行模式识别,结果表明该方法可通过特征参量准确地区分不同的柴油机故障模式,模糊聚类方法在柴油机状态监测与故障诊断中有较好的适用性.     

基于模式识别理论的内燃机状态识别研究

用模式识别的理论和方法，对内燃机气门间隙的识别问题进行了探讨。在分析气门振动力学模型的基础上，通过测取振动信号获得故障特征信息，用模式识别的来日方长 方法，在建立状态特征模式空间的基础上实现对故障分类识别。考虑到内燃顶振动信号的复杂性，采用了外触发采样和有效截取的方法进行信号的数据采集和分析。     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...