课程文献中心 更多>>

关键词： 故障诊断   变分模态分解   蜣螂算法   卷积神经网络   连续小波变换  

摘要： 轴承振动信号的采集过程中难免会受到噪声的影响,使得轴承部分故障特征难以提取。针对此问题,提出一种基于蜣螂算法(DBO)优化变分模态分解(VMD)并与VGG神经网络相结合的轴承故障诊断方法。使用DBO对VMD进行参数寻优,经过优化后的VMD将原始振动信号分解为多个本征模态函数(IMF),通过皮尔逊相关系数选择合适的IMF对信号进行重构;对重构的信号进行连续小波变换(CWT)生成时频图;最后,通过VGG网络进行训练以完成对轴承的故障诊断分类识别。结果表明:与其他诊断方法相比,所提方法降噪效果明显,同时对轴承的故障识别准确率达到了100%。

关键词： 火力发电厂   集控运行系统   智能监测   故障诊断   系统稳定性  

摘要： 火力发电厂集控运行系统作为电厂运行的核心,其稳定性至关重要。针对系统可能遭遇的多种故障,本研究构建了智能监测与故障诊断模型。该模型基于系统状态数据和专家知识,实时检测并预警异常情况,有效预防故障发生。同时,结合数据驱动的故障诊断模型,智能预测并诊断潜在故障,显著减轻人工诊断负担,提高诊断效率。这些创新模型的应用将大幅增强火力发电厂集控运行系统的稳定性和可靠性,为电厂的安全高效运行提供有力保障。实验结果表明,应用我们研究的智能监测与故障诊断模型,在火力发电厂的集控运行系统中可以有效地提高系统稳定性,降低系统运行故障率,为发电厂的稳定运行提供了有力保障。

关键词： CEEMDAN   深度学习   训练器   滚动轴承   故障  

摘要： 针对目前健美操力量训练器械故障诊断方法受噪声干扰以及数据复杂性影响导致诊断准确率低的问题,研究提出了一种结合卷积神经网络和长短时记忆网络的深度学习模型。研究首先利用自适应噪声完备集合经验模态分解对信号进行预处理,然后通过分解振动信号提取关键特征。之后研究利用基于卷积神经网络和长短时记忆网络的深度学习方法对提取的特征进行训练和学习,实现故障类型的自动识别和分类。实验结果表明,研究设计的故障诊断方法对滚动轴承故障的诊断准确率为98.63%,在对不同故障不同等级的情况下,诊断准确率皆达到了90%以上。研究设计方法可实现高精度的故障诊断,提升健美操力量训练器械等设备轴承稳定性和使用周期。

关键词： 盾构机   转弯   带式输送机  

摘要： 根据TBM盾构机的掘进工艺特点,设计、开发一条适用于TBM各种工况且安全可靠的带式输送机,解决盾构机内部空间局限与带式输送机外形尺寸的矛盾,同时实现半径最小30米转弯,并可随盾构机移动,能适应盾构机行进过程中转弯和坡度不断变化的特殊工况,解决了煤矿盾构掘进工艺中,转弯时物料无法连续运输的问题。同时也可以代替因巷道转弯造成的两部或多部带式输送机的搭接运输。在湖南某矿首次成功安装使用,提高了巷道掘进效率,使用情况良好,在煤矿具有普遍推广价值。

关键词： 水利水电   机械设备   安装技术   维护技术要点  

摘要： 在当前,水利工程机械设备的安装和检修,需要进行系统化的管理和管控,严格遵照对应的流程和标准开展相应的工作,同时对安装环节以及注意事项进行标准化管控,强调对安装工作和检修工作的重视和关注,提升水利工程机械设备安全运行的保障程度,提升工程运行的安全性。基于此,本文主要分析了水利工程机械安装及维护技术要点。

关键词： 变压器   油色谱诊断技术   变电检修   故障诊断  

摘要： 变电站变压器是主要设备,由于连续运行时间长,不间断带电存在一定的故障隐患。如果隐患没有得到有效的消除,这可能会导致严重的损害。变压器的绝缘油可以用作绝缘效果,也可以用作散热。变压器内部故障时绝缘油会影响电介质的劣化造成低分子气体产生故障特征,按照这一特点,对变压器油中溶解气体的含量和组成可以进行监测并间接判断变压器是否损坏以控制变压器负荷,保证变压器故障的及时发现和排除。变压器检查变压器油的特性,并确定变压器是否有故障。在变压器油气机理产生中,分析变压器油的过热和故障,然后确定变压器油的具体浓度,气体的输出和组成,确定故障的类型,变压器带电检测控制。

关键词： 电力电气设备   维护检修   预防性维护   状态监测   故障诊断  

摘要： 电力电气设备的维护检修对于保障电力系统的安全稳定运行至关重要。本文旨在深入探讨电力电气设备维护检修技术的现状、挑战和创新方法,重点关注预防性维护、状态监测、故障诊断以及现代信息技术在维护检修中的应用,通过实例分析和技术对比揭示了先进维护检修技术在提高设备可靠性、延长设备寿命和降低运维成本方面的显著优势。研究表明,采用科学的维护检修策略和创新技术可以显著提升电力电气设备的运行效率和安全性能。

关键词： 改进蚁群算法   电力集控系统   故障诊断   神经网络   优化求解  

摘要： 针对提高供电连续性和可靠性,保证电能质量的目的,采用基于改进蚁群算法,提出了电力集控系统故障诊断方法。通过传感器和数据传输接口形式获取电力集控系统实时运行信息,将其作为输入,建立电力集控系统故障诊断模型。运用改进蚁群算法对电力集控系统故障诊断模型进行求解,通过蚂蚁迭代方式得到电力集控系统故障诊断模型的最优解,实现电力集控系统故障诊断模型求解。实验表明,该方法具备较好的电力集控系统故障特征提取能力和故障诊断能力,同时其故障诊断时的容错率数值较低,数值在0.2%上下波动,求解电力集控系统故障诊断模型的迭代能力较强。

关键词： 故障诊断   旋转机械   Transformer   卷积神经网络  

摘要： 由于恶劣的运行条件和高负荷要求,旋转机械故障可能导致高昂的维护成本和不必要的停机时间。有必要开发一个高效、准确的旋转机械故障在线诊断和预测系统,帮助企业快速识别故障,预测未来事件,优化维修计划。构造状态矩阵表示旋转机械产生的振动信号,即将一个连续时间序列划分为多个窗口,并将每个窗口转换为一个图像。由特定结构的串联编解码器提取并处理图像特征,用于分类训练数据集中的振动模式。通过仿真实验验证了基于自注意力编解码结构的旋转机械故障在线诊断和预测系统的可靠性和有效性,构建的旋转机械状态特征库可以准确诊断和预测旋转机械的故障。研究表明,该系统可以帮助企业优化维护计划,减少停机时间和维护成本。

关键词： 双护盾TBM   强风化岩层   注浆加固   双护盾模式   PFC2D  

摘要： 双护盾TBM因其施工效率高、作业安全等优点,如今在城市地铁隧道开挖中得到越来越广泛的应用。然而,由于双护盾TBM的机械结构和施工模式,要求对围岩的强度和完整性较高,难以适应局部含有强风化岩石的地质段开挖。针对双护盾TBM在强风化岩层中开挖所面临的支撑不稳定、姿态易偏差和围岩稳定性差等问题,以青岛地铁6号线中德工业园站—生态园站区间隧道工程为背景,首先提出强风化岩石地层的注浆加固工艺,然后结合室内试验和颗粒离散元软件PFC2D,模拟强风化岩层破碎带注浆加固前后撑靴与围岩的相互作用情况。最后,将模拟结果与实测数据进行对比,验证模型的可靠性。研究结果对于指导在类似地质条件下使用双护盾TBM进行施工具有借鉴意义。