简介:本文叙述了感应电动机在线检测的一种新方法。该系统使用了人工神经网络来学习正常电动机在线运行的频谱特性。这种学到的频谱可能包含了许多由对应于常规运行工况的负载所引起的谐波。为将不断受到监控的谐波数减少到易于处理的数量,使用了可选频率滤波器。该频率滤波器按照神经网簇算法只通过那些已知对故障检测有重要意义的谐波,或者那些连续在设定的水平以上的谐波。在充分的训练周期后,在形成新的簇且维持一段时间后,神经网络就发出潜在的故障状态信号。由于故障状态是通过与机器的先前状态作了比较后发觉的,同此,使用这个系统而不需要有关于电动机或负载特性的信息就不可实现在线故障预测。这个检测算法得到了实施,其性能在各类故障上得到了验证。
简介:感应电动机的振动问题是极其有害的。它可能导致可靠性的和大大降低。在整个运行和制造加工过程中避免和减小振动问题是迫切必要的,如果问题发生了,就应尽快发现问题根源并予以解决,应用恰当的知识和诊断方法,通常是可以快速正确确定振动原因的。常常也会因为不明了振动的真正原因而下了错误的结论。这导致专注于设法解决一个错误诊断的问题。而在该过程中花费大量的时间和金钱。通过正确的数据收集和分析方法,可以发现真正的振动根源。这包括(但不限于)以下方面,电不平衡;机械不平衡-电动机,联轴器,被驱动设备,机械因数-松动,摩擦,轴承,等等,外部因素-基础,被驱动设备,未对准,等等,共振,临界转速,簧片临界,等等,一旦了解了电动机内机电相互作用以及外部零部件对电机表现振动的影响,对损坏零部件的识别通常就直截了当,本文提供了一个快捷了解和解决这类振动问题的分析方法。
简介:具有五轴联动功能的高档数控机床的设计和制造能力代表了现代装备制造业的技术水平,自主开发的五轴联动数控系统需要突破一系列的关键技术。在比较了2种不同的五轴参数插补方式的基础上,提出一种适合五轴联动加工的双非均匀有理B样条(NURBS)曲线数据格式,然后详细给出了保持恒定进给速度的插补算法和实现过程。
简介:为满足风机运营商对设备故障实时监控和预测的需求,探讨了基于自回归积分滑动平均模型(ARIMA)和非线性自回归神经网络模型(NARNN)的组合模型NARIMA。实现方法为:建立ARIMA模型用于预测数据的线性成分,用NARNN模型预测由ARIMA模型预测产生的残差部分,对风机叶片结冰故障的时间序列进行拟合,得到的NARIMA模型可实现对风机叶片结冰故障准确预测。仿真结果表明:NARIMA模型能较好地拟合所给时间序列,预测值符合实际情况和趋势,证明了NARIMA模型的有效性。