【摘 要】
:
针对制造企业在设备管理方面存在的挑战.本文以设备远程监测与诊断系统体系结构为研究重点,将云制造和面向服务的体系结构(SOA)概念引入到设备故障诊断领域,设计了云制造环境下基于SOA的设备监测与诊断系统架构模型,并描述了用户与云制造系统进行服务交互的过程和系统功能结构模型,为云制造系统结构研究提供了一个可行的方向.
【机 构】
:
昆明理工大学机电工程学院,昆明 650500;云南农业大学机电工程学院,昆明 650201 昆明理
【出 处】
:
2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014
论文部分内容阅读
针对制造企业在设备管理方面存在的挑战.本文以设备远程监测与诊断系统体系结构为研究重点,将云制造和面向服务的体系结构(SOA)概念引入到设备故障诊断领域,设计了云制造环境下基于SOA的设备监测与诊断系统架构模型,并描述了用户与云制造系统进行服务交互的过程和系统功能结构模型,为云制造系统结构研究提供了一个可行的方向.
其他文献
为了抑制滚动轴承故障信号中噪声的干扰,突出故障特征频率,本文提出了一种基于高频共振解调与平方包络相结合的滚动轴承故障诊断方法.采用共振解调原理提取滚动轴承故障振动信号中的高频共振成分,以确定原始信号中所包含的故障特征频段;利用平方包络方法将得到的高频共振信号进行重构,以突出故障特征信号;对重构信号进行频谱分析,得到其故障特征频率,并识别相应的故障类型.本文通过故障滚动轴承试验,验证了该方法的有效性
目前风电机组运行故障频发,巨额风电维护成本成为阻碍风电技术推广应用的重要因素.风电场迫切需要低价可靠的风电机组远程监测系统保障设备运行及降低维护成本.本文研究提出风电机组远程监测系统表示层、业务逻辑层与数据访问层三层架构方法,分析系统数据采集方法与数据流向,提出监测系统表示层功能模块,设计基于免费开源的PostgreSQL数据库数据存储系统,提出与数据库交换信息的异步通信方法,采用TCP/IP协议
无杆液力抽油机采用液力传动,消除了杆管之间的相对运动,彻底解决了斜井抽油过程中的杆管偏磨问题,做为新型抽油机,其故障具有时变非线性特征,由于尚未大规模应用,缺乏其故障特征的经验数据.针对无杆液力抽油机特有的工作原理和存在问题,设计了基于数据的无杆液力抽油机状态监测与故障诊断系统,阐述了无杆抽油机状态监测与故障诊断系统的总体方案原理,硬件电路设计,系统软件流程及编制.通过现场实际安装应用,证实该状态
往复式压缩机作为天然气输送过程中的重要设备,为天然气的输送提供动力,是长输管道的心脏。本文提出一种基于风险的以可靠性为中心的维修方法,将风险因素引入传统的以可靠性为中心的维修方法中,建立故障模式风险矩阵,由失效概率等级和故障影响程度共同确定设备危害度等级,进一步应用逻辑判断图确定各子系统维修决策.RRCM不仪保留了传统RCM方法中零部件可靠性、安全性对维修计划的影响,同时兼顾了零部件的不确定性和风
对气体轴承支承下的高速涡轮发电转子系统进行动力学特性实验研究.采用分岔图、轴心轨迹图、频谱图及时间-频率-幅值三维谱图等非线性测试分析方法,实验结果呈现了气膜振荡失稳、工频碰磨和低频碰磨等轴系振动故障特征.实验的分析结果能够为气膜振荡失稳与碰磨故障的识别提供一定实验依据,并能指导相应故障的处理.
针对设备不同状态下振动信号频域特性,基于经验模式分解(EMD)与谱相关的方法提取设备状态特征参数.首先采用EMD将不同状态信号分解为不同频段的本征模态函数(IMF),计算信号与其不同频段EMD分量的频域相关系数,构造信号谱相关特征矩阵.结合联合相似对角化法对特征矩阵降维,提取设备状态有效特征参数,研究机械故障特征提取方法.将此方法应用于实验实测信号,结果表明此方法对不同状态下的滚动轴承信号有良好的
增速齿轮箱是大型风力发电机组的关键部件,应采用合适的预测模型对其状态进行预测.针对BP神经网络预测模型的易陷入局部极小和不能体现不同输入信息对网络预测输出值得影响程度的问题提出基于信息熵的遗传算法优化BP神经网络预测模型(IEGABP).用此模型能够优化神经网络权值参数,并可利用振动数据对预测的贡献程度不同提高预测的精度和实时性.现场采集风电机组增速齿轮箱的振动数据,应用IEGABP模型和基于人工
建立了一个气体轴承支撑单跨四圆盘转子系统试验台,转轴中部止推盘两侧安装纯静压气体轴承,止推盘两侧分别安装有两个相同大小圆盘,转子关于止推盘左右对称.首先针对该实验台基于有限元计算方法利用ANSYS建立模型,求解了不同气膜刚度下的系统的临界转速与不平衡响应,确定系统的固有特性.其后分别进行了不同轴承供气压力下系统固有特性及振动特性试验研究.通过对三种不同供气压力下系统的轴心轨迹,时间-转速-幅值三维
多重去趋势波动分析(Multifractal Detrended Fluctuations Analysis,MF-DFA)方法是去趋势波动分析(Detrended Fluctuations Analysis,DFA)方法的拓展,由于该方法能够有效揭示非平稳时间序列的多重分形特性,目前正逐渐应用到故障诊断领域.本文主要研究MF-DFA方法尺度范围s与样本长度N、拟合阶数m等关键参数的选择,以及不同
为了有效提取齿轮振动信号的低、高频带故障特征,本文设计了形态小波包分析方法.由于形态学滤波器具有良好的提取信号非线性特征的特点,同时小波包是一种精细的信号分解方法,能够同时刻画信号各频带特征.因此,本文将形态学滤波器与小波包分解方法相结合,构造形态小波包,对信号进行分析.在某油田的状态监测和故障诊断实践中,采用该方法有效提取了齿轮振动信号的非线性特征,诊断出了往复式注水泵减速箱齿面磨损及齿根裂纹故