CN108981796A - 一种五位一体水力机械故障诊断方法 - Google Patents
一种五位一体水力机械故障诊断方法 Download PDFInfo
- Publication number
- CN108981796A CN108981796A CN201810573391.4A CN201810573391A CN108981796A CN 108981796 A CN108981796 A CN 108981796A CN 201810573391 A CN201810573391 A CN 201810573391A CN 108981796 A CN108981796 A CN 108981796A
- Authority
- CN
- China
- Prior art keywords
- signal
- failure
- vibration
- current
- hydraulic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于水力机械故障诊断技术领域,特别涉及一种五位一体水力机械故障诊断方法。通过在水力机械的上机架、下机架、导轴承、顶盖、尾水管上的X、Y、Z方向上布置3个振动测点,在发电机定子、导轴承瓦体中布置温度测量点,在发电机上布置电流测点,在进口管道上布置流量测点,在蜗壳、尾水管出口布置压力测点,从而获得水力机械流量、压力、电流、振动、温度五个物理量的信号。经过工业控制计算机分析处理后,通过D‑S证据理论融合多物理量实现对水轮机故障的高效和精确判断,并且建立设备信息管理数据库。
Description
技术领域
本发明属于水力机械故障诊断技术领域,特别涉及一种五位一体水力机械故障诊断方法。
背景技术
我国水资源地域分布的不均匀与城市供水需求的增长对泵站运行要求进一步提高。能否尽快发现故障原因将直接影响水电站、泵站机组的效率。因此发展故障诊断相关的研究技术和实测手段,实施状态检修,提高水电站、泵站机组运行稳定性势在必行。研究表明多物理量融合故障诊断效果优于单物理量的诊断方法,提升了诊断的准确性,为进一步提高诊断自动化程度提高了有效手段。
目前有了一些水轮机故障诊断技术,公告号为CN105547730中国专利公开了“一种水轮发电机组故障检测系统”,包括传感器组、数据处理模块、故障诊断模块、人机操作模块、中央处理器和专家模块等,能够准确确定水轮机故障类型及故障位置,但是存在系统结构相对复杂、处理步骤较多和整体成本较高的缺点。公告号为CN201517452中国专利公开了一种“水力发电机的故障诊断系统”,通过多个分类检测仪检测水力发电机工作时的电压、电流、转速、温度、振动、噪音等与原始数据对比从而判断故障,结构简单且系统层次清晰,但是诊断过程中多物理量之间没有相互联系综合分析,存在判断准确度不够高的缺点。
现有的故障诊断系统中,大多采用单物理信号进行故障诊断或者采用多物理信号故障诊断但却缺乏多信号的融合和综合分析过程,由于存在信号多样复杂,往往会存在判断精度不足的缺点,因此我们要设计一种结构简单并且能够准确判断水轮机故障的技术。
发明内容
针对上述情况,为了实现对水轮机故障的高效的判断,本发明提供了一种五位一体水轮机故障诊断技术,它的目的是通过检测流量、压力、电流、振动、温度五个物理量,通过D-S证据理论融合多物理量实现对水轮机故障的高效和精确判断,本发明的目的是通过以下技术方案实现的:
一种五位一体水力机械故障诊断方法,步骤如下:
(1)在水力机械的上机架、下机架、导轴承、顶盖、尾水管上的X、Y、Z方向上布置3个振动测点,采用压电式加速度传感器测量加速度;在导轴承瓦体底部布置一个振动测点,采用涡流式速度传感器测量测量位移,获得振动信号;
在发电机定子、导轴承瓦体中布置的温度测量点,采用智能式红外测温仪测量温度信号;
在发电机上布置的电流测点,采用电流传感器测量电流信号;
在进口管道上布置的流量测点,采用电磁流量计测量流量信号;
在蜗壳、尾水管出口上布置的压力测点,采用压力传感器测量压力信号;
(2)将振动信号:振动频谱和振动时域信号作为振动故障特征集;
将温度信号:绝对温度、单位时间内的温升率作为温度故障特征集;
将电流传感器测得的发电机电流,通过小波阈值去噪对电流信号进行分析处理,从电流的时域角度提取出信号的幅值信息,将电流信号的时域特征参数作为电流故障特征集;
通过测量的流量及进出口压力判断其在不同工况下运行时外特性的变化,将各工况点及响应的外特性数值作为流量和压力故障特征集;
(3)将振动故障特征集,温度故障特征集,电流故障特征集,流量和压力故障特征集用D-S证据理论融合成五位一体存在故障的概率函数为m,综合决策后输出报警;
所述五位一体存在故障的概率函数m的求解过程为:
A振动信号故障特征集为
{X11,X12,X13}={振动一阶频谱,振动二阶频谱,振动加速度有效值},
根据振动频谱和振动时域信号判断存在故障的概率对应分配函数{m11,m12,m13},根据振动信号判断存在故障概率函数结果为
其中,m11和m12由水力机械振动故障频谱特征表可知,m13由振动信号的基本数字特征与正常值差值确定;
B温度信号故障特征集为{X21,X22}={绝对温度,升温率},
根据绝度温度、温升率判断存在故障的概率对应分配函数{m21,m22},根据温度信号判断存在故障概率函数结果为
其中,m21由实测绝对温度与温度标准值对比决定,m22由实测单位时间温升率与正常单位时间温升率对比可知,
C电流信号故障特征集为{X31,X32}={电流频谱,电流时域信号}
根据电流频谱、电流时域信号判断存在故障的对应分配函数{m31,m32},根据电流信号判断存在故障概率函数结果为
其中,m31由水力机械发电机(或电机)定子电流故障频谱可知,m32由电流时域信号的基本数字特征与正常值差值确定
D流量和压力信号故障特征集为{X41,X42}={流量,压力脉动},
根据流量和压力脉动判断存在故障的对应分配函数{m41,m42},根据流量和压力信号判断存在故障概率函数结果为
其中,m41由实测流量与相同工况流量比较确定,m42由实测扬程与相同工况下压力脉动比较决定;
将水力机械常见故障分为以下类型:机械故障、水力故障、电磁故障;
针对机械类故障概率分配函数
针对水力类故障概率分配函数
针对电磁类故障概率分配函数
(4)针对机械类故障,当0<m机械<0.5,水力机械处于正常运转状态,当0.6<m机械<0.7,水力机械处于轻微异常运行,当0.6<m机械<0.7,存在机械故障的预兆,需要进行预警,当0.71<m机械<0.8,出现机械故障,需要一级报警,当0.81<m机械<1,出现机械故障,需要二级报警;
针对水力类故障,当0<m水力<0.5,水力机械处于正常运转状态,当0.6<m水力<0.7,水力机械处于轻微异常运行,当0.6<m水力<0.7,出现水力故障的预兆,需要进行预警,当0.71<m水力<0.8,出现水力故障,需要一级报警,当0.81<m水力<1,出现水力故障,需要二级报警;
针对电磁类故障,当0<m电磁<0.5,水力机械处于正常运转状态,当0.6<m电磁<0.7,水力机械处于轻微异常运行,当0.6<m电磁<0.7,出现电磁故障的预兆,需要进行预警,当0.71<m电磁<0.8,出现故电磁障,需要一级报警,当0.81<m电磁<1,出现电磁故障,需要二级报警;
(5)将水力机械已出现故障的粗判记录、预判记录、详细记录、故障记录、故障类型和维修方案进行统计分析,将不同故障发生时的状态参数作为不同属性参数转换成系统能够识别处理的模式,送入信号处理系统并输入以SQLServer2008建立的设备综合信息管理数据库的属性表中,建立设备信息管理数据库。
步骤(2)中,所述振动时域信号如下:轴心位置平均值与初始信号平均值差值描述轴瓦的磨损量;振动信号加速度的均方值X2 rms、有效值Xrms;峰值XP、峰值指标IP、脉冲指标Cf、峭度指标Cq说明描述振动信号中的冲击特征;裕度指标Ce描述设备的磨损情况;歪度指标Cw描述振动信号的非对称性;
其中:
式中:N-采样次数,0,1,2,3…;
xj-第j次采样振动信号的轴心位置值,mm;
xi-第i次采样振动信号的加速度值,mm2/s;
-振动信号加速度的平均值,mm2/s;
Xp-振动信号加速度的绝对值最大的10个数的算数平均值,mm2/s。
电流时域信号包括:电流最大值、电流最小值、电流平均值、电流歪度和电流峭度值,其中,电流最大值和电流最小值能够反映大幅度冲击;电流平均值随着故障发展能反映故障程度;电流歪度反映不对称性;电流峭度值反映冲击特征。
本发明的有益效果为:
本发明通过检测流量、压力、电流、振动、温度五个物理量,在利用D-S证据理论融合多物理量实现对水力机械故障的高效和精确判断,提供了一种五位一体水轮机故障诊断方法,高效便捷。
附图说明
图1水轮机结构示意图;
图2水轮机故障诊断模型图;
图3水轮机振动信号一阶谱图(a)、二阶谱图(b)
图4水轮机温度信号数据图。
具体实施方式
下面结合附图和具体实施方式对本发明进行进一步说明。
步骤一:在水轮机的上机架1、下机架4、导轴承5、顶盖7、尾水管9上的X、Y、Z方向上布置3个振动测点,采用压电式加速度传感器测量加速度;在导轴承瓦体6底部布置一个振动测点,采用涡流式速度传感器测量测量位移,获得振动信号;
在发电机定子2、导轴承瓦体6中布置的温度测量点,采用智能式红外测温仪测量温度信号;
在发电机3上布置的电流测点,采用电流传感器测量电流信号;
在进口管道11上布置的流量测点,采用电磁流量计测量流量信号;
在蜗壳8、尾水管出口10上布置的压力测点,采用压力传感器测量压力信号;测量点布置如图1。
步骤二:分别采用智能式红外测温仪、压力传感器、流量传感器、电流传感器对所选取的位置进行温度、压力、流量、电流四个非振动信号测量,针对振动信号的测量采用电动式速度传感器测量对应测量振动构件上某点的加速度。
步骤三:首先建立水轮机基于温度、电流、振动主要物理量各故障特征的D-S证据合成模型,再在此基础上根据水轮机温度、电流、振动、流量、压力多物理量融合的故障诊断模型如图2,用D-S证据理论融合成五位一体的存在故障的概率分配函数为m,综合决策后输出报警。
针对某水轮机进行机械类故障诊断,主要分析振动和温度信号,对所采集振动信号通过matlab进行小波变换得到一阶、二阶谱图3,据振动故障特征概率表可得m11=0.35,m12=0.25,m13=0.3,经过计算m1=0.367,根据温度信号如图4故障特征概率表可得m21=0.35,m22=0.4,经过计算m2=0.484,再次运用D-S合成公式得m=0.603,根据计算结果可以判断该水轮机存在出现机械类故障的征兆,需要进行预警。
步骤四:将水轮机设备已出现故障的粗判记录、预判记录、详细记录、故障记录、故障类型和维修方案进行统计分析,建立设备信息管理数据库,判断设备是否发生故障。
本发明不限于上述实施例,也包含本发明构思范围内其它实施例和变形例。
Claims (3)
1.一种五位一体水力机械故障诊断方法,其特征在于,步骤如下:
(1)在水力机械的上机架(1)、下机架(4)、导轴承(5)、顶盖(7)、尾水管(9)上的X、Y、Z方向上布置3个振动测点,采用压电式加速度传感器测量加速度;在导轴承瓦体(6)底部布置一个振动测点,采用涡流式速度传感器测量测量位移,获得振动信号;
在发电机定子(2)、导轴承瓦体(6)中布置的温度测量点,采用智能式红外测温仪测量温度信号;
在发电机(3)上布置的电流测点,采用电流传感器测量电流信号;
在进口管道(11)上布置的流量测点,采用电磁流量计测量流量信号;
在蜗壳(8)、尾水管出口(10)上布置的压力测点,采用压力传感器测量压力信号;
(2)将振动信号:振动频谱和振动时域信号作为振动故障特征集;
将温度信号:绝对温度、单位时间内的温升率作为温度故障特征集;
将电流传感器测得的发电机电流,通过小波阈值去噪对电流信号进行分析处理,从电流的时域角度提取出信号的幅值信息,将电流信号的时域特征参数作为电流故障特征集;
通过测量的流量及进出口压力判断其在不同工况下运行时外特性的变化,将各工况点及响应的外特性数值作为流量和压力故障特征集;
(3)将振动故障特征集,温度故障特征集,电流故障特征集,流量和压力故障特征集用D-S证据理论融合成五位一体存在故障的概率函数为m,综合决策后输出报警;
所述五位一体存在故障的概率函数m的求解过程为:
A振动信号故障特征集为
{X11,X12,X13}={振动一阶频谱,振动二阶频谱,振动加速度有效值},
根据振动频谱和振动时域信号判断存在故障的概率对应分配函数{m11,m12,m13},根据振动信号判断存在故障概率函数结果为
其中,m11和m12由水力机械振动故障频谱特征表可知,m13由振动信号的基本数字特征与正常值差值确定;
B温度信号故障特征集为{X21,X22}={绝对温度,升温率},
根据绝度温度、温升率判断存在故障的概率对应分配函数{m21,m22},根据温度信号判断存在故障概率函数结果为
其中,m21由实测绝对温度与温度标准值对比决定,m22由实测单位时间温升率与正常单位时间温升率对比可知,
C电流信号故障特征集为{X31,X32}={电流频谱,电流时域信号}
根据电流频谱、电流时域信号判断存在故障的对应分配函数{m31,m32},根据电流信号判断存在故障概率函数结果为
其中,m31由水力机械发电机(或电机)定子电流故障频谱可知,m32由电流时域信号的基本数字特征与正常值差值确定
D流量和压力信号故障特征集为{X41,X42}={流量,压力脉动},
根据流量和压力脉动判断存在故障的对应分配函数{m41,m42},根据流量和压力信号判断存在故障概率函数结果为
其中,m41由实测流量与相同工况流量比较确定,m42由实测扬程与相同工况下压力脉动比较决定;
将水力机械常见故障分为以下类型:机械故障、水力故障、电磁故障;
针对机械类故障概率分配函数
针对水力类故障概率分配函数
针对电磁类故障概率分配函数
(4)针对机械类故障,当0<m机械<0.5,水力机械处于正常运转状态,当0.6<m机械<0.7,水力机械处于轻微异常运行,当0.6<m机械<0.7,存在机械故障的预兆,需要进行预警,当0.71<m机械<0.8,出现机械故障,需要一级报警,当0.81<m机械<1,出现机械故障,需要二级报警;
针对水力类故障,当0<m水力<0.5,水力机械处于正常运转状态,当0.6<m水力<0.7,水力机械处于轻微异常运行,当0.6<m水力<0.7,出现水力故障的预兆,需要进行预警,当0.71<m水力<0.8,出现水力故障,需要一级报警,当0.81<m水力<1,出现水力故障,需要二级报警;
针对电磁类故障,当0<m电磁<0.5,水力机械处于正常运转状态,当0.6<m电磁<0.7,水力机械处于轻微异常运行,当0.6<m电磁<0.7,出现电磁故障的预兆,需要进行预警,当0.71<m电磁<0.8,出现故电磁障,需要一级报警,当0.81<m电磁<1,出现电磁故障,需要二级报警;
(5)将水力机械已出现故障的粗判记录、预判记录、详细记录、故障记录、故障类型和维修方案进行统计分析,将不同故障发生时的状态参数作为不同属性参数转换成系统能够识别处理的模式,送入信号处理系统并输入以SQLServer2008建立的设备综合信息管理数据库的属性表中,建立设备信息管理数据库。
2.如权利要求1所述的一种五位一体水力机械故障诊断方法,其特征在于,步骤(2)中,所述振动时域信号如下:轴心位置平均值与初始信号平均值差值描述轴瓦的磨损量;振动信号加速度的均方值X2 rms、有效值Xrms;峰值XP、峰值指标IP、脉冲指标Cf、峭度指标Cq说明描述振动信号中的冲击特征;裕度指标Ce描述设备的磨损情况;歪度指标Cw描述振动信号的非对称性;
其中:mm;
mm2/s;
式中:N-采样次数,0,1,2,3…;
xj-第j次采样振动信号的轴心位置值,mm;
xi-第i次采样振动信号的加速度值,mm2/s;
-振动信号加速度的平均值,mm2/s;
Xp-振动信号加速度的绝对值最大的10个数的算数平均值,mm2/s。
3.如权利要求1所述的一种五位一体水力机械故障诊断方法,其特征在于,步骤(2)中,电流时域信号包括:电流最大值、电流最小值、电流平均值、电流歪度和电流峭度值,其中,电流最大值和电流最小值反映大幅度冲击;电流平均值随着故障发展反映故障程度;电流歪度反映不对称性;电流峭度值反映冲击特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573391.4A CN108981796B (zh) | 2018-06-06 | 2018-06-06 | 一种五位一体水力机械故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573391.4A CN108981796B (zh) | 2018-06-06 | 2018-06-06 | 一种五位一体水力机械故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108981796A true CN108981796A (zh) | 2018-12-11 |
CN108981796B CN108981796B (zh) | 2020-11-03 |
Family
ID=64540744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573391.4A Active CN108981796B (zh) | 2018-06-06 | 2018-06-06 | 一种五位一体水力机械故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108981796B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110206676A (zh) * | 2019-05-27 | 2019-09-06 | 浙江大学 | 水轮机远程监控、诊断预测与智能维护调控系统 |
CN110319876A (zh) * | 2019-05-20 | 2019-10-11 | 国家电网有限公司 | 一种水轮发电机的状态监测方法及装置 |
CN110837045A (zh) * | 2019-10-28 | 2020-02-25 | 江苏大学 | 一种诊断泵系统潜在故障的方法及检测系统 |
CN111259765A (zh) * | 2020-01-13 | 2020-06-09 | 北京工业大学 | 一种基于数控机床主轴电流信号的阶次分析方法 |
CN111502892A (zh) * | 2020-04-26 | 2020-08-07 | 华能四川水电有限公司 | 一种针对水轮机活动导叶开口不匀的故障预警方法 |
CN111504366A (zh) * | 2020-03-23 | 2020-08-07 | 李方 | 基于人工智能的流体输送系统精确计量方法及计量装置 |
CN113899572A (zh) * | 2021-09-18 | 2022-01-07 | 中电华创电力技术研究有限公司 | 一种汽轮发电机组转子失稳故障的诊断方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2228428A1 (de) * | 1972-06-10 | 1973-12-20 | United Aircraft Corp | Analysator fuer eine gasturbine |
CN104596574A (zh) * | 2014-12-08 | 2015-05-06 | 哈动国家水力发电设备工程技术研究中心有限公司 | 大型水力发电设备远程诊断服务平台装置 |
CN205175452U (zh) * | 2015-12-10 | 2016-04-20 | 滨州学院 | 一种水力发电机的故障诊断系统 |
CN105547730A (zh) * | 2016-01-17 | 2016-05-04 | 太原理工大学 | 水轮发电机组故障检测系统 |
CN105675274A (zh) * | 2016-01-07 | 2016-06-15 | 西安交通大学 | 基于时域参数与d-s证据理论的转子运行状态监测方法 |
CN105890855A (zh) * | 2015-01-25 | 2016-08-24 | 李强 | 一种新型水轮发电机内部故障诊断定位的方法 |
CN106989926A (zh) * | 2017-02-22 | 2017-07-28 | 贵州北盘江电力股份有限公司董箐发电厂 | 一种基于规则推导的水电机组故障诊断方法 |
CN107588937A (zh) * | 2017-09-06 | 2018-01-16 | 成都大汇物联科技有限公司 | 一种水力发电机组设备健康分析方法 |
CN107607321A (zh) * | 2017-09-06 | 2018-01-19 | 成都大汇物联科技有限公司 | 一种设备故障精确定位方法 |
-
2018
- 2018-06-06 CN CN201810573391.4A patent/CN108981796B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2228428A1 (de) * | 1972-06-10 | 1973-12-20 | United Aircraft Corp | Analysator fuer eine gasturbine |
CN104596574A (zh) * | 2014-12-08 | 2015-05-06 | 哈动国家水力发电设备工程技术研究中心有限公司 | 大型水力发电设备远程诊断服务平台装置 |
CN105890855A (zh) * | 2015-01-25 | 2016-08-24 | 李强 | 一种新型水轮发电机内部故障诊断定位的方法 |
CN205175452U (zh) * | 2015-12-10 | 2016-04-20 | 滨州学院 | 一种水力发电机的故障诊断系统 |
CN105675274A (zh) * | 2016-01-07 | 2016-06-15 | 西安交通大学 | 基于时域参数与d-s证据理论的转子运行状态监测方法 |
CN105547730A (zh) * | 2016-01-17 | 2016-05-04 | 太原理工大学 | 水轮发电机组故障检测系统 |
CN106989926A (zh) * | 2017-02-22 | 2017-07-28 | 贵州北盘江电力股份有限公司董箐发电厂 | 一种基于规则推导的水电机组故障诊断方法 |
CN107588937A (zh) * | 2017-09-06 | 2018-01-16 | 成都大汇物联科技有限公司 | 一种水力发电机组设备健康分析方法 |
CN107607321A (zh) * | 2017-09-06 | 2018-01-19 | 成都大汇物联科技有限公司 | 一种设备故障精确定位方法 |
Non-Patent Citations (4)
Title |
---|
杨志荣等: "一种基于D-S证据理论的水轮机故障诊断方法", 《水电能源科学》 * |
赵蕊: "信息融合在水轮发电机组故障诊断系统中的应用研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
金建: "基于证据理论的风电机组故障信息融合诊断方法", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
高小玉: "基于传感器协同的水轮机模型振动分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110319876A (zh) * | 2019-05-20 | 2019-10-11 | 国家电网有限公司 | 一种水轮发电机的状态监测方法及装置 |
CN110206676A (zh) * | 2019-05-27 | 2019-09-06 | 浙江大学 | 水轮机远程监控、诊断预测与智能维护调控系统 |
CN110837045A (zh) * | 2019-10-28 | 2020-02-25 | 江苏大学 | 一种诊断泵系统潜在故障的方法及检测系统 |
CN110837045B (zh) * | 2019-10-28 | 2021-10-22 | 江苏海狮泵业制造有限公司 | 一种诊断泵系统潜在故障的方法及检测系统 |
CN111259765A (zh) * | 2020-01-13 | 2020-06-09 | 北京工业大学 | 一种基于数控机床主轴电流信号的阶次分析方法 |
CN111259765B (zh) * | 2020-01-13 | 2024-04-16 | 北京工业大学 | 一种基于数控机床主轴电流信号的阶次分析方法 |
CN111504366A (zh) * | 2020-03-23 | 2020-08-07 | 李方 | 基于人工智能的流体输送系统精确计量方法及计量装置 |
CN111504366B (zh) * | 2020-03-23 | 2022-01-25 | 李方 | 基于人工智能的流体输送系统精确计量方法及计量装置 |
CN111502892A (zh) * | 2020-04-26 | 2020-08-07 | 华能四川水电有限公司 | 一种针对水轮机活动导叶开口不匀的故障预警方法 |
CN113899572A (zh) * | 2021-09-18 | 2022-01-07 | 中电华创电力技术研究有限公司 | 一种汽轮发电机组转子失稳故障的诊断方法 |
CN113899572B (zh) * | 2021-09-18 | 2024-04-05 | 中电华创电力技术研究有限公司 | 一种汽轮发电机组转子失稳故障的诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108981796B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108981796A (zh) | 一种五位一体水力机械故障诊断方法 | |
CN106006344B (zh) | 扶梯故障在线预警系统及故障诊断方法 | |
CN109613428A (zh) | 一种能像系统及其在电机设备故障检测方法中的应用 | |
CN102662390B (zh) | 一种随机模糊故障特征融合的旋转机械设备故障诊断方法 | |
CN110531266A (zh) | 一种同步电机励磁绕组匝间短路故障预警方法 | |
Feng et al. | Design and implementation of a self-validating pressure sensor | |
CN106762343B (zh) | 基于在线数据的水轮发电机组推力轴承故障的诊断方法 | |
CN203414278U (zh) | 一种水电机组振动异常状态实时检测系统 | |
CN110502000A (zh) | 一种小水电关键设备安全预警及故障诊断系统及方法 | |
CN109375010A (zh) | 基于振动分布特征模型的电力变压器绕组故障诊断方法 | |
CN104215323B (zh) | 机械设备的振动传感器网络中各传感器敏感度确定方法 | |
CN102182671A (zh) | 一种气体压缩机的状态分析监测系统及方法 | |
CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
CN103940611A (zh) | 一种风电机组变工况下滚动轴承自适应异常检测方法 | |
CN108446379A (zh) | 水电机组故障诊断方法 | |
CN111946559A (zh) | 一种风机基础和塔架结构检测方法 | |
CN109707653B (zh) | 一种天然气长输管道离心压缩机组智能监控系统 | |
CN108204895A (zh) | 一种风电机组变速齿轮箱故障诊断方法及系统 | |
CN102589881A (zh) | 冶金特种车辆轮对轴承智能检测系统 | |
CN112329357B (zh) | 一种清水离心泵振动故障的简易诊断方法及诊断系统 | |
CN105388884A (zh) | 一种基于由数据驱动的识别算法检测供热管网泄漏故障的报警系统及方法 | |
CN110455397A (zh) | 一种基于lstm的工厂设备故障光纤传感方法和系统 | |
CN105241528A (zh) | 一种流量传感器检测平台及其控制方法 | |
CN102706563A (zh) | 燃气轮机的近邻异常检测方法 | |
CN109002026B (zh) | 一种水电机组全工况综合参数退化趋势分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |