现代设备故障智能诊断研究进展
|
摘要
机械设备是国民经济建设快速发展的必要设备,而故障诊断则是机械设备安全有效运行的有力保证。从故障诊断的发展出发,介绍了信号采集的多样性以及传感器的优化布置,分析了各种信号处理方法的适用性和特点并介绍当前先进的信号处理方法,阐述了故障智能诊断的过程和发展过程中各种方法的比较,并预测了今后的诊断技术融合。
Fault diagnosis technology is intended for the safe operation of machinery,which is essential for the development of national economy. From the start of the development of fault diagnosis,the diversity of characteristic signals and the optimal placement of sensors were reviewed. A variety of signal processing methods were compared with respect to their applicability and specialty. Furthermore,various paradigms for intelligent fault diagnosis were summarized,and a discussion on the future trend of information fusion in fault diagnosis was provided.
Fault diagnosis technology is intended for the safe operation of machinery,which is essential for the development of national economy. From the start of the development of fault diagnosis,the diversity of characteristic signals and the optimal placement of sensors were reviewed. A variety of signal processing methods were compared with respect to their applicability and specialty. Furthermore,various paradigms for intelligent fault diagnosis were summarized,and a discussion on the future trend of information fusion in fault diagnosis was provided.
引文
[1]熊诗波.大型复杂机械系统的状态监测和故障诊断[J].振动.测试与诊断,2000(4):3-5,66.
[2]陈长征,白秉山,严安.设备故障智能诊断技术研究进展[J].沈阳工业大学学报,2000(4):349-352.
[3]江伟,危韧勇,余璘.多智能传感器技术在机车轴承故障诊断中的应用分析[J].工业控制计算机,2006(10):37-38.
[4]吴昭同,杨世锡.旋转机械故障特征提取与模式分类新方法[M].北京:科学出版社,2012.
[5]姜万录,张淑清,王益群.液压泵故障的小波变换诊断方法[J].机械工程学报,2001,37(6):34-37.
[6]李卫国,卢文冰,罗应立.基于电力线工频通信的抽油机电机远程监测研究[J].电网技术,2012(9):174-181.
[7]乔晋崴,尚建忠,罗自荣.基于WVD与多分辨分析的发动机故障诊断[J].机械制造,2008(3):68-70.
[8]陈光华,曹家麟,王健.应用WVD估计AM-FM信号的瞬时频率[J].电子与信息学报,2003(2):206-211.
[9]杨宇,于德介,程军圣.基于EMD的奇异值分解技术在滚动轴承故障诊断中的应用[J].振动与冲击,2005(2):12-15,145.
[10]于德介,杨宇,程军圣.一种基于SVM和EMD的齿轮故障诊断方法[J].机械工程学报,2005(10):140-144.
[11]胡思,黄琦,井实.基于EMD的WVD分布在电力系统低频振荡监测中的应用[J].电力与电子技术,2012(5):65-70.
[12]高志,张悦,王伟.神经网络在液压系统典型故障诊断中的应用[J].机床与液压,2012,40(9):158-160,163.
[13]刘正华,王计生,喻俊馨.基于声发射和神经网络的数控机床刀具故障诊断[J].机床与液压,2012,40(1):165-168.
[14]郑建军,陈志军,杜克峰.最小二乘支持向量机在电梯故障诊断中的应用[J].机床与液压,2012,40(12):43-50.
[15]田景文,吴浩,高美娟.基于支持向量机的火车滚轴故障诊断[J].机床与液压,2007,35(7):248-250.
[16]张龙,熊国良,柳和生,等.基于时变自回归模型与支持向量机的旋转机械故障诊断方法[J].中国电机工程学报,2007,27(9):99-103.
[17]JACK L B,NADIR A K.Fault Detection Using Support Vector Machines and Artificial Networks,Augmented by Genetic Algorithms[J].Mechanical Systems and Signal Processing,2002,16(2/3):373-390.
[18]SAMANTA B.Gear Fault Detection Using Artificial Neural Works and Support Vector Machines with Genetic Algorithms[J].Mechanical Systems and Signal Processing,2002,18(3):625-644.
[19]王国鹏,翟永杰,王东风.基于多类支持向量机的汽轮故障诊断中的应用[J].华北电力大学学报,2003,30(4):47-50.
[20]李凌均,张周锁,何正嘉.基于支持向量数据描述的机械故障诊断研究[J].西安交通大学学报,2003,37(9):910-913.
[21]赵荣珍,黄义仿,张力.旋转机械智能故障诊断技术的发展趋势[J].兰州理工大学学报,2008(5):36-40
[22]高立新,张建宇,胥永刚,等.基于CBR和RBR混合推理的齿轮箱智能诊断技术[J].北京工业大学学报,2010(9):1174-1180.
[23]黄子俊,周政,汤景棉.基于ANN与CBR相结合的复杂装备故障诊断研究[J].计算机应用与软件,2010(12):196-198.
[24]曹文远.基于神经网络的飞机故障诊断专家系统研究[D].西安:西北工业大学,2007.
[2]陈长征,白秉山,严安.设备故障智能诊断技术研究进展[J].沈阳工业大学学报,2000(4):349-352.
[3]江伟,危韧勇,余璘.多智能传感器技术在机车轴承故障诊断中的应用分析[J].工业控制计算机,2006(10):37-38.
[4]吴昭同,杨世锡.旋转机械故障特征提取与模式分类新方法[M].北京:科学出版社,2012.
[5]姜万录,张淑清,王益群.液压泵故障的小波变换诊断方法[J].机械工程学报,2001,37(6):34-37.
[6]李卫国,卢文冰,罗应立.基于电力线工频通信的抽油机电机远程监测研究[J].电网技术,2012(9):174-181.
[7]乔晋崴,尚建忠,罗自荣.基于WVD与多分辨分析的发动机故障诊断[J].机械制造,2008(3):68-70.
[8]陈光华,曹家麟,王健.应用WVD估计AM-FM信号的瞬时频率[J].电子与信息学报,2003(2):206-211.
[9]杨宇,于德介,程军圣.基于EMD的奇异值分解技术在滚动轴承故障诊断中的应用[J].振动与冲击,2005(2):12-15,145.
[10]于德介,杨宇,程军圣.一种基于SVM和EMD的齿轮故障诊断方法[J].机械工程学报,2005(10):140-144.
[11]胡思,黄琦,井实.基于EMD的WVD分布在电力系统低频振荡监测中的应用[J].电力与电子技术,2012(5):65-70.
[12]高志,张悦,王伟.神经网络在液压系统典型故障诊断中的应用[J].机床与液压,2012,40(9):158-160,163.
[13]刘正华,王计生,喻俊馨.基于声发射和神经网络的数控机床刀具故障诊断[J].机床与液压,2012,40(1):165-168.
[14]郑建军,陈志军,杜克峰.最小二乘支持向量机在电梯故障诊断中的应用[J].机床与液压,2012,40(12):43-50.
[15]田景文,吴浩,高美娟.基于支持向量机的火车滚轴故障诊断[J].机床与液压,2007,35(7):248-250.
[16]张龙,熊国良,柳和生,等.基于时变自回归模型与支持向量机的旋转机械故障诊断方法[J].中国电机工程学报,2007,27(9):99-103.
[17]JACK L B,NADIR A K.Fault Detection Using Support Vector Machines and Artificial Networks,Augmented by Genetic Algorithms[J].Mechanical Systems and Signal Processing,2002,16(2/3):373-390.
[18]SAMANTA B.Gear Fault Detection Using Artificial Neural Works and Support Vector Machines with Genetic Algorithms[J].Mechanical Systems and Signal Processing,2002,18(3):625-644.
[19]王国鹏,翟永杰,王东风.基于多类支持向量机的汽轮故障诊断中的应用[J].华北电力大学学报,2003,30(4):47-50.
[20]李凌均,张周锁,何正嘉.基于支持向量数据描述的机械故障诊断研究[J].西安交通大学学报,2003,37(9):910-913.
[21]赵荣珍,黄义仿,张力.旋转机械智能故障诊断技术的发展趋势[J].兰州理工大学学报,2008(5):36-40
[22]高立新,张建宇,胥永刚,等.基于CBR和RBR混合推理的齿轮箱智能诊断技术[J].北京工业大学学报,2010(9):1174-1180.
[23]黄子俊,周政,汤景棉.基于ANN与CBR相结合的复杂装备故障诊断研究[J].计算机应用与软件,2010(12):196-198.
[24]曹文远.基于神经网络的飞机故障诊断专家系统研究[D].西安:西北工业大学,2007.