一、HJ-12电机设备故障诊断系统及应用（论文文献综述）
符羽[1]（2021）在《基于卷积神经网络的三相异步电机故障诊断方法研究》文中研究说明三相异步电机作为将电能转换为机械能的设备,在日常生活的各个领域中都被广泛应用。对三相异步电机进行故障诊断,能够及时发现电机早期故障,减少或者避免电机故障引发的损失。本文以三相异步电机为研究对象,运用传统机器学习,深度学习以及迁移学习等理论知识,对电机故障诊断方法进行研究。将变分模态分解（VMD）-BP神经网络以及卷积神经网络（CNN）的方法应用于三相异步电机的故障诊断,通过实验验证了上述故障诊断方法的有效性和优越性,同时在CNN的基础上结合迁移学习,将迁移CNN的方法应用于不同工况间的三相异步电机故障诊断并进行了验证。首先,本文对电机的结构特点、工作原理、故障产生原因等进行了分析,选择合理的实验器材并设置了转子断条以及轴承故障两种电机故障形式,搭建电机故障诊断实验平台后采集电机600r/min、900r/min以及1200r/min工况下的电机风扇端振动数据。针对电机故障的复杂性以及电机振动信号非线性非平稳的特点,将VMD-BP神经网络的方法应用于三相异步电机的故障诊断,通过对比经验模态分解（EMD）-BP方法验证了该方法的可行性和有效性。其次,针对传统机器学习识别效果受人为特征提取和特征选择的影响,而且存在着诊断流程复杂、依赖专家知识、浅层结构特征学习能力不足等问题,将CNN应用于三相异步电机的故障诊断。将原始振动数据直接输入到设计好的CNN模型中,通过卷积层提取深层次特征,通过Re LU激活函数解决梯度耗散问题,通过最大池化层减少计算量并控制过拟合,而后经过全局平均池化层将输出变成一维,输入到全连接层,通过Dropout减少过拟合程度最后输入到Softmax分类器中对电机状态进行识别。通过对比VMD-BP神经网络的方法证明了该方法在特征提取方面的优越性,能够很好的实现电机端对端的故障诊断。最后,针对数据量少以及数据分布不同导致很难建立一个良好的CNN模型的问题,本文将迁移CNN的方法应用于三相异步电机的故障诊断。将迁移学习和CNN模型相结合,形成迁移CNN模型。使用工况A下大量带标签数据对CNN网络进行训练及验证,将训练好的模型迁移到工况B的故障诊断任务中去。通过工况B少量下带标签数据对预训练模型进行微调参数,最后将训练好的模型应用于工况B下进行状态识别,实现电机变工况的故障诊断。通过实验验证了该方法的必要性和可行性,通过对比其他方法验证了该方法的优越性。
张成新[2]（2021）在《和谐机车走行部关键部件故障诊断技术研究》文中指出机车走行部的关键部件是行车安全的重中之重,如果一旦有走行部故障的发生,造成的后续影响将非常严重,因此无论是行车过程中的在线车载故障诊断,还是机车入库修时进行的地面轴承顶轮检测都是非常有必要的。目前各站段常规检查手段还不能完全准确掌握走行部关键部件的状态,维修效率更是难以提升,因此通过机车车辆走行部故障诊断检测装置和手段,加强对机车走行部电机轴承、传动齿轮、轴箱轴承等关键部件的振动、冲击及温度等数据进行分析及诊断,并对监测过程中发现的异常故障信息及时发出预警信息,以达到实时掌握机车走行部运行状态,有效降低机车走行部机械故障带来的影响运行安全的风险。文围绕着和谐型交流机车走行部的技术特点和运用维护现状进行介绍和研究分析,对现有机车走行部关键部件故障的诊断监测装置和方法进行比较分析,提出将机车走行部车载在线监测诊断技术与地面检测诊断方法相结合的方式,全方位的对机车走行部关键部件故障进行检测,同时为满足目前和谐型交流机车的需要,对以上两种检测装置功能进行优化改进,提高机车走行部关键部件报警信息的准确性,使该装置系统能有效的为机车状态检修和机车安全运用发挥更大作用。
李欣[3]（2020）在《地铁自动扶梯故障监测与智能诊断系统技术研究与应用》文中指出近年来,随着地铁线网加密,车站的数量增加,为车站运营服务的自动扶梯设备数量大量增加。由于地铁全年不间断运营的特点,部分自动扶梯设备每天运行的总时间超过标准要求;同时随着车站客流日益增长,自动扶梯设备负荷量持续增大,机械部件的磨损程度加速。在原有维修规程操作模式下,设备仍有“带病”运行的风险,造成设备早期故障持续扩大为更严重的故障,加大了发生安全事故的风险。为了解决以上问题,研究自动扶梯设备的故障监测与诊断技术,并将研究成果应用于工程实践。本论文通过研究自动扶梯故障维修案例,确定采取运行状态监测和故障诊断技术对自动扶梯进行监测。以实际工程需求为依据,对自动扶梯典型故障进行调研和分析,针对轴承故障、扶手带故障、主机位移等故障,制定了的监测方法,并研究了对应的诊断技术。为实现故障信号的识别,研究了信号去趋势项、数字滤波的预处理方法,研究时域、频域的故障特征提取方法。为了实现诊断技术的工程化应用,在自动扶梯模拟实验台上进行轴承、扶手带、主机位移故障模拟仿真实验,验证系统的监测作用。论文研究了自动扶梯监测技术在北京地铁6号线西延工程应用设计方案,通过在车站自动扶梯上安装传感器和数据采集设备,组件系统网络,实现在地铁车站现场、维修工区、维修中心三个层级对设备故障进行管理。论文中详细分析了一次系统上线运行后监测到的链条碰磨故障事件,证明系统在实际使用中能起到很好的作用。在工程化应用逐步完善后,积累监测数据,完善补充故障诊断报警的规则库,将对自动扶梯的安全运行和维修保障起到很好的作用。
刘闯[4]（2020）在《数据驱动的电机故障诊断与预测系统的设计与实现》文中研究指明电机是一种用量最大、覆盖面最广的工业设备,在工业生产中占据着十分重要的地位。一旦电机发生故障,带来的经济损失将无法预测,然而电机在寿命周期内发生故障是难以避免的。为了避免因为电机故障造成经济损失及发生事故,对电机进行故障预测与健康管理具有重要的意义。数据驱动PHM基于先进的传感器技术采集与电机属性有关的特征参数,并将这些特征参数和有用信息关联,借助机器学习和数据挖掘算法进行系统状态监测、故障诊断和故障预测,给出电机的故障演化程度和剩余寿命,从而为工业电机的维护、维修和管理提供决策支持。故拟以电机故障预测与健康管理为方向,应用工业大数据和数据挖掘技术进行电机预测性维护系统的设计与实现。本文使用基于数据驱动的电机故障诊断和故障预测方法,减少对电机物理模型的依赖,而通过电机的关键性能指标来标识电机状态,使用基于贡献率图的KPCA方法诊断电机故障,使用粒子滤波进行电机故障预测,并引入自反馈和自学习机制来提高故障预测的准确性和适应性。并设计实验进行了方法验证,相比于大多数的故障诊断和故障预测方法,本文给出的方法不需要大量的故障数据来建立模型,可以准确的进行电机故障诊断,可以较为准确地预测电机的故障后剩余使用寿命,可行性强,实用性高。此外,本文还设计并实现了数据驱动的电机故障诊断与预测系统。首先分析了系统的功能性需求,同时说明了系统的其他非功能性需求,接着制定了系统的大数据计算框架,对系统的总体架构进行了设计,详细说明了相关实现技术,最后展示了核心的故障诊断和故障预测功能。
郭锐[5]（2020）在《基于ANSYS的输油泵机组电磁噪声产生机理及仿真研究》文中认为人类的生产生活离不开石油,在石油的传输过程中,输油泵机组的作用尤为重要。输油泵机组主要由离心泵和电机组成,电机在长时间运作的条件下难免会发生种种故障,停产检修既影响生产又浪费时间,利用噪声进行实时监测的方式成为最佳选择。噪声的变化反映电机不同的工作状态,利用噪声进行电机的安全状态检测成为该领域的新研究热点。为实现利用噪声检测电机的工作状态,首先要对电机典型故障的产生机理及噪声特性进行仿真研究。本文以实际油田生产设备中的YBM355M2-2型三相异步电机为例,利用有限元软件模拟断条故障进行仿真分析。从电机的电磁噪声产生机理出发,对电机断条故障引发的电磁噪声异变机理进行研究。利用解析法推导两根断条状态位置对故障程度的影响,分别对连续两根断条故障、间隔10根导条的两根断条故障和间隔20根导条的两根断条故障进行仿真,得到不同位置两根断条故障在某一时刻的磁力线分布、磁云密度分布、径向气隙磁密度及径向力的变化。为断条故障对电机振动与噪声影响做前期分析。在此基础上,对不同程度断条故障对气隙磁场的影响进行了有限元分析。选取影响电磁噪声主要参量,进行有限元仿真计算,得到断条故障后磁力线分布、磁云密度分布、气隙磁场及径向力变化。根据电机断条故障发生时影响要素综合分析,确定故障判定方法。电机固有模态是电机电磁噪声的重要因素。本文从理论分析入手,利用解析法对固有模态进行推导,再利用有限元软件对电机定子固有模态进行了仿真分析。利用ANSYS谐响应模块进行计算,得到谐响应速度和位移。利用仿真结果对电磁噪声声压级进行计算。本文通过电机机械结构固有频率与径向电磁力密度空间分布对于电机振动噪声的影响研究,得到了多种不同运行状态下电磁振动噪声差异原因。仿真结果为电机断条故障在线检测提供理论基础。
刘诗源[6]（2020）在《矿井提升机传动系统故障诊断与健康管理关键技术研究》文中研究表明矿井提升机作为连接矿山井下生产系统和地面的关键通道,一旦发生故障,将直接影响矿山生产人员的生命安全和矿井的生产能力。因此,实现矿井提升机的故障诊断与健康管理具有重要意义和巨大经济价值。近年来,随着信号分析方法、数据挖掘以及人工智能技术的不断发展,基于数据驱动的故障诊断方法获得广泛关注,目前已成为实现智能故障诊断的主要研究方向之一。本文以矿井提升机传动系统为研究对象,通过对数据驱动故障诊断方法的国内外研究现状进行分析,研究传动系统中逆变器、轴承和驱动电机三个关键部件的故障诊断方法。由于提升机传动系统结构复杂,还需要在实现零部件故障状态识别后,进一步分析挖掘故障原因。基于数据驱动的故障诊断方法主要针对设备不同故障类型的不同零部件,在不同生命周期与工况条件下,实现故障状态的有效识别,但未能挖掘引发故障的深层次原因。基于本体的故障诊断能够从宏观层面对故障诊断知识进行建模,挖掘引发故障的深层次原因,因此,需研究将基于数据驱动的故障诊断与基于本体的故障诊断相结合,实现从模式识别到故障知识推理与诊断的全过程。针对以上问题开展研究工作,主要内容包括:（1）研究了基于自适应电周期划分和随机森林的NPC三电平逆变器故障诊断方法。基于NPC三电平逆变器的电路及故障分析,提出了一种主要依赖于输出电流信号特性的自适应电周期划分算法（Adaptive Electrical Period Partition,AEPP）,对变化周期的三相电流信号划分电周期,再利用最大重叠离散小波变换（Maximal Overlap Discrete Wavelet Transform,MODWT）对各电周期信号进行分解,结合Park矢量模（Park’s Vector Modulus,PVM）归一化的低频分量,计算11种统计参数,构建原始统计特征集。基于随机森林分类器构建NPC三电平逆变器开路故障诊断模型,分别采用仿真实验数据和逆变器故障实验平台数据进行实验分析,实验结果表明,在电机变速过程中,所提出的故障诊断模型对变周期三相电流故障信号具有较好诊断性能,能够取得理想的故障诊断准确率。（2）研究了基于敏感特征选取与最大局部边界准则的提升机轴承故障诊断方法。研究基于双树复小波包变换（Dual-Tree Complex Wavelet Packet Transform,DTCWPT）的振动信号分析方法,利用DTCWPT分解振动信号,基于终端节点的重构信号及其Hilbert包络谱,提取统计特征,构成原始特征集。为从高维原始特征集中选取更有利于轴承故障模式识别与分类的敏感特征构建特征子集,提高故障诊断的准确率,提出一种基于特征聚类与特征间相关系数的敏感特征选取方法（Sensitive Features Selection by Feature Clustering and Correlation Coefficient between Features,FSFCC）,对各统计特征的故障状态敏感度进行量化分析,选取敏感度高的特征构建特征子集。为减少高维特征集中冗余和干扰特征,降低计算复杂度,提高数据可分性,提出了一种最大局部边界准则（Maximum Local Margin Criterion,MLMC）的特征降维方法,通过映射变换获得原始高维特征集的低维表达,并提高特征集的判别性能。在支持向量机（Support Vector Machine,SVM）分类器基础上,结合FSFCC和MLMC,构建OFS-FSFCC-MLMC-SVM轴承故障诊断模型,采用美国凯斯西储大学轴承故障数据与美国Spectra Quest公司的SQI-MFS机械故障综合模拟试验台轴承故障数据进行不同工况下故障诊断实验分析,实验结果表明,FSFCC方法能够有效选取敏感特征,MLMC方法能够降低计算复杂度、减少冗余和干扰特征并提高特征数据集的可分性,使用FSFCC和MLMC能够明显提高诊断模型在不同工况下故障诊断的准确率。（3）研究基于敏感特征迁移学习的提升机轴承故障诊断。针对目前基于数据驱动的故障诊断方法存在的两点局限,（1）多数基于数据驱动的故障诊断模型,是在训练数据集与测试数据集之间具有相同分布的假设下构建的,而工业场景下,变工况设备的测试数据与训练数据存在分布差异,会对实现理想故障诊断性能造成困难。（2）由于实际工业场景下存在变工况与故障的多样性,难以获取足量实际故障状态下的有标签训练样本,在一定程度上限制了智能故障诊断方法在实际工业场景下的应用。因此,在对迁移成分分析（Transfer Component Analysis,TCA）研究的基础上,提出改进TCA（Modified Transfer Component Analysis,MTCA）的特征迁移学习方法,增加了对不同域数据间条件分布差异的考虑和最小化数据类内散度的优化目标,实现降低域间分布差异的同时增强判别性能。在基于DTCWPT的轴承振动信号分析方法和故障敏感特征选取方法FSFCC基础上,结合MTCA方法,构建轴承故障诊断模型OFS-FSFCC-MTCA-SVM。通过实验分析,表明所提出的MTCA方法能够有效降低不同域间分布差异,增强域数据的判别性能,提高使用源域数据训练的故障诊断模型的域适应能力,使故障诊断模型在不同工况下的故障诊断能够取得理想的性能。（4）研究基于类内特征迁移学习与多源信息融合的提升机驱动电机故障诊断。研究基于EEMD的电机故障振动信号与定子电流信号分析方法,选取有效IMF分量,结合包络谱与边际谱分量,提取统计特征,构建原始特征集。在对分层迁移学习（Stratified Transfer Learning,STL）研究的基础上,提出一种改进STL（Modified Stratified Transfer Learning,MSTL）的特征迁移学习方法。分别基于SVM分类器和随机森林分类器构建驱动电机故障诊断模型OFS-MSTL-SVM和OFS-MSTL-RF,采用Spectra Quest公司的SQI-MFS机械故障综合模拟试验台驱动电机故障振动信号和电流信号进行实验分析,实验结果表明,驱动电机在不同工况下,所提出的方法能够有效提高故障诊断准确率,但是不同故障诊断模型利用不同源信号进行故障诊断的性能存在差异,可能存在片面性,因此,提出基于D-S证据融合理论的驱动电机故障诊断框架,在OFS-MSTL-SVM与OFS-MSTL-RF模型基础上,利用D-S证据理论进行决策级融合,融合故障诊断结果表明,所提出的多源信息融合框架能够进一步提高故障诊断准确率。（5）研究将基于数据驱动的故障诊断与基于本体的故障诊断相结合,实现从模式识别到故障知识推理与诊断的全过程。在对提升机传动系统故障诊断知识分析总结基础上,构建故障本体知识库,利用Neo4j图数据库对故障本体知识库进行可视化显示与存储。采用语义映射方法,将基于数据驱动的故障状态识别结果和故障本体知识库中的故障现象实例关联,实现两类方法的优势互补,挖掘引发故障的深层次原因。最后在上述工作的基础上,设计并开发了矿井提升机传动系统故障诊断与健康管理系统,系统包含四个模块,分别是系统操作管理、历史设备故障信息、基于数据驱动的提升机传动系统故障状态识别、基于故障诊断本体知识库的故障原因分析与系统健康管理。
宋世帆[7]（2020）在《基于机器学习的地铁风机实时故障诊断系统研究》文中指出地铁轴流风机作为排烟、送风的专用工具,对乘客的生命安全、财产安全和保障地铁可以正常的运行来说具有极其重要的作用,其健康状态直接关乎地铁安全运营。基本处于全天候工作状态的地铁轴流风机,在位于地下密闭空间的地铁中运行时有很多安全隐患。若是风机在带故障的状态下工作,地铁环控系统运行出现问题会使整个系统运行出现瘫痪,严重会使车控室停机。保证这些风机设备的安全运行是维护地铁环控系统稳定的前提和基础,更关系到每一个市民的生命和财产的安全。随着各种前沿科学技术的发展,建立一个针对地铁轴流风机的及时快速的故障监控与诊断平台,可以有效降低上述安全隐患。但经过实地走访调研发现,国内大部分的风机企业对成套的风机故障诊断系统的研究尚处于实验室阶段或尚未应用于工程实际。因此,建立完善且能初步应用于工程实际中的风机状态监测与故障诊断系统十分有必要。本文针对DTF-3.55型地铁轴流风机,首次建立了该型号的风机实验装置,对该型号风机进行故障模拟实验并建立对应的故障库。进一步建立了合适的改进型机器学习方法,并以LabVIEW为软件平台,建立一套包括信号分析、信号特征提取、实时故障诊断和训练模式等功能的风机故障诊断系统。本论文主要工作与成果如下:（1）针对DTF-3.55型地铁轴流风机搭建了故障实验装置进行故障模拟实验。完成了实验装置各个部件的选型及安装,模拟了三种常见的风机故障类型进行了实验,并对获得的丰富原始实验数据进行信号处理和特征提取以支撑后续故障诊断核心的研究,同时建立相应的故障库。（2）基于故障数据对基础分类器和AdaBoost多分类算法进行研究,对不同基础分类器和AdaBoost多分类算法进行对比分析,建立了改进型机器学习方法AdaBoost.M2-DS,其故障识别率较之BP神经网络多分类算法有30%以上的提升。（3）建立DTF-3.55型地铁轴流风机实时故障诊断系统,详细介绍该系统的整体架构与系统的各个模块。其中,该系统所拥有训练模式可以通过主动采集更多振动数据来丰富故障库,并基于此升级系统的诊断核心。最终建立基于地铁风机与诊断系统的DTF-3.55型地铁风机实时故障监控平台。本文所建立的风机实时故障监控平台的故障诊断精度和稳定性相较于传统诊断系统有了显着的提升,具有一定的实用价值。
李琳[8]（2019）在《变频器供电下永磁同步电机电磁场与温度场的研究》文中进行了进一步梳理永磁同步电机具有效率高、功率因数高、功率密度高等优势而被广泛应用。在实际应用中,永磁同步电机与其相匹配的控制系统高度耦合。控制系统和永磁同步电机的准确计算对系统性能、动态响应能力和过载能力具有较大的影响,关系到整个电机控制系统的效率。因此,本文围绕电机与控制器的强耦合电磁场、驱动器主控参数和逆变器故障及电机相关物理量对永磁同步电机运行性能和电磁场及温度场的影响、电机热问题等开展了研究,主要研究内容如下:（1）针对控制器对电机影响计算精度不够准确的问题,建立了电机与控制器的强耦合二维电磁场计算模型,研究了两种典型驱动方式下电机电磁场的变化。通过建立三维稳态温度场计算模型,对比分析了两种典型驱动方式下电机内部温度的变化规律,为控制系统驱动方式的选择及电机应用场合的选择提供参考。本文以变频器供电下一台12.5kW永磁同步电机为研究对象,建立了电机与控制器的强耦合二维电磁场计算模型,研究了方波驱动和正弦波驱动下电机内电磁场的变化。通过三维稳态温度场计算模型,研究了两种典型驱动方式下电机温度的变化规律,研究结果表明:在相同的冷却条件下,相比方波驱动,正弦波驱动下定子绕组和永磁体最高温度分别降低了 7.1%和9.1%。最后,搭建了正弦波驱动下永磁同步电机与控制器实验平台,与实验测量值相比,计算出的电机相电压、相电流、定子绕组及机壳最高温度误差分别为4.29%、3.05%、3.84%、3.63%,均在5%以内,满足工程计算精度要求,验证了电机与控制器的强耦合二维电磁场计算模型的准确性,为变频器供电下电机电磁场、温度场及运行性能分析提供有效的理论工具。（2）针对控制器给电机带来的一系列复杂问题,采用数值方法研究了正弦波驱动下时间谐波电流、载波比、调制波频率、逆变器故障对电机电磁场和温度场的影响规律,为驱动器参数的优化及实现逆变器的故障检测、诊断与容错提供有效理论指导。提出了热传导能力比概念,为分析电机热传递规律提供了有效途径。通过研究基波电流对转子是否带有护套电机内电磁场和温度场的影响,提出了热传导能力比概念,并计算了不同工况下电机的热传导比,进一步推导出热传导比与谐波电流、护套尺寸、护套电导率及护套轴向长度成正比的关系式。利用建立的正弦波驱动下电机与控制器的强耦合二维电磁场计算模型,研究了载波比和调制波频率对电机的电磁场和温度场的影响机理,为了确保电机和控制系统能够长期安全工作,控制器的载波比应选择5<Nzb≤80范围内。通过建立典型三种逆变器故障下电机与控制器的强耦合二维电磁场计算模型,研究了逆变器第一桥臂上功率管发生断路故障、两个功率管同时发生断路故障及上功率管发生短路故障下永磁同步电机电磁场的变化规律。另外,研究了前两种故障下永磁同步电机温度的分布规律,研究结果表明在这两种故障下转子温度已高于电机最大工作允许温度,电机在很短时间内被烧坏。最后搭建了逆变器健康和前两种故障下正弦波驱动电机控制试验平台,试验测量结果与计算结果高度吻合,验证了所建立的逆变器故障下电机与控制器的强耦合电磁计算模型及方法的准确性。（3）针对电机定转子结构设计问题,建立了电机相关物理量与转子护套涡流损耗之间的关系式,研究了正弦波驱动下电机相关物理量对电机温度的影响机理。推导了电机相关物理量永磁体厚度、护套厚度、护套间隔宽度、槽口宽度与转子护套涡流损耗之间的数学关系式,且研究了这些物理量及磁桥宽度和高度对电机运行性能、电磁场及温度场的影响机理。研究结果表明:当永磁体厚度为1.5mm时,转子最高温度已超过电机最大允许温度,随着永磁体厚度增加,电机转子温度呈降低趋势,且增大到3mm时电机温度的降低程度已达到饱和;护套厚度与永磁体温度呈非线性变化关系;分段式护套间隔宽度大于5mm时,电机损耗和温度的降低程度已达到饱和;磁桥高度和槽口宽度的增加会直接影响到电机的安全运行。（4）针对电机转子高温问题,研究了正弦波驱动下转子护套结构及材料对永磁同步电机的电磁场和温度场的影响,推导了护套轴向分段数、护套结构参数与护套涡流损耗之间关系,揭示了转子护套结构及材料对转子温度的影响机理。基于切断护套涡流路径的思想,提出了直线式及交错式网孔护套结构、轴向不均匀八分段护套结构、鼠笼式护套结构,同时推导了护套轴向分段数、护套结构参数与护套涡流损耗之间关系,并研究了护套结构及护套分段数对电机电磁场和温度场的影响。基于保温杯真空热阻隔的原理,提出一种新型绝热筒护套结构,对比分析了不同护套结构对电机涡流损耗和温度的影响程度。与样机转子最高温度相比,鼠笼式护套结构、绝热筒护套结构、轴向不均匀八分段护套结构分别降低了11.6%、6.6%、2.1%。直线式和交错式正方形网孔护套分别类似三分段和六分段护套的作用效果,但网孔式护套更有利于节省材料。此外,研究了轴-径向多种复合材料护套结构对电机内电磁场和温度场的影响规律,研究结果表明:不管碳纤维位于不锈钢内或外表面,当碳纤维与不锈钢的厚度比例为9:1时,转子总涡流损耗及温度达到最小值,且与样机温度计算结果相比,永磁体最高温度分别降低了 3.1%和4%;提出抑制永磁体局部最高温度方法后,永磁体最高温度降低了 8.6%,对防止永磁同步电机热退磁具有重要的意义。
井云飞[9]（2019）在《多故障激励下感应电机轴承故障辨识与诊断系统研究》文中研究指明随着科技的不断发展,越来越多的机械设备被广泛应用于各行各业的生产生活中,而机械设备的安全问题也逐渐受到人们的重视。感应电机作为众多机械装备能量转换的核心部件,在运行过程中一旦发生故障,必定会对整个机械系统带来巨大的影响,造成不可估量的经济损失。轴承故障是电机故障中最常见,也最容易发生的机械故障。当轴承故障与其他故障同时出现时,如电机断条故障或负载系统轴承故障与电机轴承故障发生耦合,会出现复杂的强弱故障特征,增加了电机轴承故障的诊断难度。本文以电机轴承为研究对象,对不同工况下电机轴承耦合故障振动信号的故障特征进行了研究,并借助虚拟仪器LabVIEW软件开发平台完成了基于小波-谱峭度的感应电机轴承耦合故障诊断系统开发。首先,本文对电机轴承与负载轴承耦合故障的故障特征辨识进行研究。通过对耦合故障振动信号的时域参数峭度值、包络解调结果分析发现,在包络谱中,负载轴承故障特征与电机轴承故障特征相互耦合作用下,电机轴承故障特征频率处的振动能量减小,故障特征不明显,无法同时提取出两种故障特征。本文提出了小波-谱峭度方法对电机轴承耦合故障振动信号进行特征提取,分析结果表明小波-谱峭度能够同时提取出电机轴承与负载轴承耦合故障中的两种障特征。其次,对电机断条与电机轴承耦合故障的故障特征辨识进行研究。在振动信号分析中,由于断条故障引起的电机工频调制,使其频谱中的工频及其边频成分增大,电机轴承故障特征频率处的振动能量减弱;在电流信号分析中,受工频调制影响不易提取出电机轴承故障特征频率。两种信号的传统分析方法都只能提取出强故障特征。本文利用小波分解与谱峭度相结合的方法对电机断条与电机轴承耦合故障信号分析,振动信号分析结果表明小波-谱峭度方法能同时辨识出电机断条和电机轴承的故障特征。最后,借用虚拟仪器LabVIEW平台,采用LabVIEW与Matlab相结合的编程方法实现了基于小波-谱峭度的感应电机轴承故障诊断系统的设计与开发,并通过实验数据进行验证,证明了该系统的可行性与准确性。
刘碧峰[10]（2017）在《三安钢铁烧结余热发电控制系统的设计与应用研究》文中研究说明当前,钢铁行业是我国工业领域的耗能大户,是节能减排的重点行业。其烧结工序能耗仅次于炼铁工序,节能潜力巨大。烧结余热发电是一项将烧结废气余热转化为电能的节能技术,也是当前提高二次能源利用率、节约能源的一项有效措施,实现降低企业生产成本、提高经济效益的有效途径。本文以三安钢铁烧结余热发电工程为研究对象,以余热发电工程的控制系统为重点进行余热发电DCS系统的设计工作。主要包括DCS系统的机柜设计、DCS控制站的软硬件选型配置、控制逻辑组态设计、人机界面组态设计以及DCS系统联机调试等工作。本文的主要内容如下:首先对三安钢铁烧结余热发电工程的需求、余热锅炉参数、汽轮机发电机组参数以及发电工程热工自动化程度进行了分析,提出了 DCS系统的整体设计方案以及网络架构,并介绍了本DCS系统结构与功能特点。根据工艺规模及要求对DCS系统硬件进行选型及配置,设计出控制机柜、操作台及机柜内布置,并开发了机柜内I/0模块接线图自动生成软件,解决了人工重复劳动问题。其次根据余热发电工艺要求设计了 DCS的控制逻辑和人机界面。其控制逻辑,通过逻辑组态,设计出标准化的模拟量功能模块、驱动级功能模块、顺控功能模块等。根据工艺特点及连锁保护的要求,设计了数据采集系统（DAS）、顺序控制系统（SCS）、模拟量控制系统（MCS）、危急遮断系统（ETS）、事故顺序记录（SOE）、故障诊断系统等。设计了由锅筒液位、蒸汽流量和给水流量构成的三冲量串级调节解决了锅筒液位稳定调节难的问题。其人机界面,根据工艺流程及系统的功能要求,设计出系统的工艺流程界面,并设计出开关量设备、模拟量设备操作面板,以及报警与光字牌画面、实时与历史趋势图、生产运行报表等功能性的人机交互界面。最后对控制系统进行联机调试,对相关设备进行连锁保护试验。在调试期间解决了调试过程出现的各种问题,在试运行期间通过对模拟量控制的参数整定以及对控制逻辑的改进和优化,提高了控制系统的自动调节性能。系统投运后已稳定、可靠运行至今。
二、HJ-12电机设备故障诊断系统及应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、HJ-12电机设备故障诊断系统及应用（论文提纲范文）
（1）基于卷积神经网络的三相异步电机故障诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 电机信号采集方法 |
| 1.3.2 电机故障特征提取技术 |
| 1.3.3 电机智能故障诊断方法 |
| 1.4 本文主要研究内容 |
| 第二章 三相异步电机故障分析及实验平台设计 |
| 2.1 引言 |
| 2.2 三相异步电机介绍 |
| 2.2.1 三相异步电机结构特点 |
| 2.2.2 三相异步电机工作原理 |
| 2.3 三相异步电机常见的故障类型 |
| 2.3.1 轴承故障 |
| 2.3.2 转子断条故障 |
| 2.3.3 气隙偏心故障 |
| 2.3.4 定子匝间短路故障 |
| 2.4 电机故障实验平台设计 |
| 2.4.1 电机故障形式设置 |
| 2.4.2 电机故障实验原理 |
| 2.4.3 电机故障实验仪器选择 |
| 2.4.4 实验平台搭建及数据采集过程 |
| 2.5 本章小结 |
| 第三章 基于VMD-BP神经网络的电机故障诊断 |
| 3.1 引言 |
| 3.2 VMD算法原理 |
| 3.2.1 VMD基本理论 |
| 3.2.2 VMD仿真分析 |
| 3.3 BP神经网络 |
| 3.3.1 前向传播 |
| 3.3.2 反向传播 |
| 3.4 基于VMD-BP神经网络的故障诊断模型 |
| 3.5 实验验证 |
| 3.5.1 评价指标 |
| 3.5.2 实验结果 |
| 3.6 本章小结 |
| 第四章 基于CNN的电机故障诊断 |
| 4.1 引言 |
| 4.2 CNN基本结构 |
| 4.2.1 卷积层 |
| 4.2.2 池化层 |
| 4.2.3 全连接层 |
| 4.3 CNN其他参数设置 |
| 4.3.1 激活函数 |
| 4.3.2 Dropout层 |
| 4.3.3 损失函数 |
| 4.3.4 学习速率 |
| 4.3.5 批次大小 |
| 4.4 CNN电机故障诊断模型 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第五章 基于迁移CNN的变工况电机故障诊断 |
| 5.1 引言 |
| 5.2 迁移学习 |
| 5.3 基于迁移CNN的电机故障诊断模型 |
| 5.4 实验验证 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（2）和谐机车走行部关键部件故障诊断技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 问题的提出 |
| 1.2 机车故障诊断技术的发展现状与趋势 |
| 1.3 本文研究的主要内容、目标 |
| 2 和谐机车走行部的技术特点与运用维护 |
| 2.1 和谐机车走行部技术特点 |
| 2.1.1 机车轮对技术特点 |
| 2.1.2 驱动装置技术特点 |
| 2.1.3 牵引电机技术特点 |
| 2.2 机车走行部维修情况 |
| 2.2.1 机车维修计划 |
| 2.2.2 机车轮对驱动系统维修工作要求 |
| 2.3 机车走行部运用现状 |
| 2.3.1 轴承故障现象判断 |
| 2.3.2 齿轮失效现象判断 |
| 2.3.3 和谐机车运用中走行部故障情况 |
| 3 故障诊断技术的研究 |
| 3.1 轴承故障 |
| 3.1.1 轴承故障的基本形式 |
| 3.1.2 轴承的振动信号特性 |
| 3.1.3 轴承的振动信号分析 |
| 3.2 齿轮失效 |
| 3.2.1 齿轮失效的基本形式 |
| 3.2.2 齿轮的振动信号特性 |
| 3.2.3 齿轮的振动信号分析 |
| 3.3 常规故障诊断方法 |
| 3.3.1 时域分析法 |
| 3.3.2 频域分析法 |
| 3.3.3 时频分析法 |
| 4 机车走行部故障诊断技术分析 |
| 4.1 感温贴片 |
| 4.1.1 感温贴片使用说明 |
| 4.1.2 感温贴片使用规范 |
| 4.2 YZB-1 型机车熔断式轴温报警装置 |
| 4.2.1 YZB-1 装置结构原理 |
| 4.2.2 YZB-1 装置技术特点 |
| 4.3 JK00430 机车走行部车载诊断监测系统 |
| 4.3.1 JK00430 装置结构原理 |
| 4.3.2 JK00430 装置技术特点 |
| 4.4 机车走行部车载监测装置比较 |
| 5 和谐机车走行部故障诊断装置的实施运用分析 |
| 5.1 HXD1C型机车走行部故障诊断装置的设计方案 |
| 5.1.1 执行标准 |
| 5.1.2 使用环境 |
| 5.1.3 装置组成 |
| 5.1.4 装置正常诊断报警需要具备的基本条件 |
| 5.1.5 装置技术特点 |
| 5.2 数据分析方法 |
| 5.2.1 常规数据分析 |
| 5.2.2 报警数据分析 |
| 5.3 现场使用效果 |
| 6 移动式轴承顶轮检测装置的分析与应用 |
| 6.1 机车走行部轴承顶轮检测技术研究 |
| 6.1.1 滚动轴承振动机理及故障诊断原理 |
| 6.1.2 机车走行部轴承简易诊断技术研究 |
| 6.1.3 机车走行部轴承精密诊断技术研究 |
| 6.2 机车走行部轴承顶轮检测系统总体方案 |
| 6.2.1 系统总体设计构思 |
| 6.2.2 系统主要设计具体架构及参数 |
| 6.3 顶轮检测系统现场应用 |
| 6.3.1 门限值的制定 |
| 6.3.2 现场应用情况及典型案例分析 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
（3）地铁自动扶梯故障监测与智能诊断系统技术研究与应用（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 自动扶梯监测技术现状 |
| 1.2.2 自动扶梯故障调研 |
| 1.2.3 故障智能诊断技术现状 |
| 1.3 研究目标 |
| 1.4 本文的研究内容及结构安排 |
| 第2章 自动扶梯监测与诊断方案研究 |
| 2.1 自动扶梯基本选型 |
| 2.2 典型故障监测与诊断技术方案 |
| 2.2.1 轴承故障诊断技术 |
| 2.2.2 扶手带常见故障及诊断方法 |
| 2.2.3 主机位移故障诊断方法 |
| 2.2.4 故障代码远程监控 |
| 2.3 故障早期预警技术 |
| 2.4 自动扶梯监测方案 |
| 2.5 本章小结 |
| 第3章 典型故障特征提取方法研究 |
| 3.1 信号预处理 |
| 3.1.1 去趋势项 |
| 3.1.2 数字滤波 |
| 3.2 时域特征提取 |
| 3.2.1 时域特征参数 |
| 3.2.2 基于时域特征的扶梯部件故障特征提取 |
| 3.3 频域特征提取 |
| 3.3.1 频谱分析 |
| 3.3.2 包络谱分析 |
| 3.4 本章小结 |
| 第4章 监测方案实验验证 |
| 4.1 实验台搭建 |
| 4.2 轴承故障实验 |
| 4.3 底脚螺栓松动试验 |
| 4.4 扶手带温度监测 |
| 4.5 本章小结 |
| 第5章 智能诊断系统及工程应用研究 |
| 5.1 智能系统设计原则 |
| 5.2 智能系统架构组成 |
| 5.2.1 系统结构 |
| 5.2.2 系统网络方案 |
| 5.2.3 系统功能研究 |
| 5.2.4 设备安装 |
| 5.2.5 数据有效性分析 |
| 5.3 工程应用研究 |
| 5.3.1 应用背景概况 |
| 5.3.2 设备及故障描述 |
| 5.3.3 现场检查 |
| 5.3.4 故障分析 |
| 5.3.5 检修后监测结果 |
| 5.3.6 案例分析结论 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 答辩委员会决议书 |
（4）数据驱动的电机故障诊断与预测系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 PHM技术发展现状 |
| 1.2.1 故障诊断研究现状 |
| 1.2.2 故障预测研究现状 |
| 1.3 研究意义与目的 |
| 1.3.1 选题的意义 |
| 1.3.2 选题的目的 |
| 1.4 研究内容与论文结构 |
| 第二章 相关技术研究 |
| 2.1 电机故障特征提取方法 |
| 2.1.1 快速傅里叶变换 |
| 2.1.2 希尔伯特变换 |
| 2.1.3 频谱细化技术 |
| 2.1.4 小波去噪技术 |
| 2.2 多传感器数据融合 |
| 2.2.1 数据融合的结构形式 |
| 2.2.2 数据融合的层次 |
| 2.3 主成分分析 |
| 2.4 粒子滤波 |
| 2.5 本章小结 |
| 第三章 电机故障特征提取 |
| 3.1 数据融合与故障特征提取流程 |
| 3.2 电气故障特征 |
| 3.3 机械故障特征 |
| 3.4 本章小结 |
| 第四章 数据驱动的电机故障诊断与预测方法 |
| 4.1 基于贡献率图的电机故障诊断方法 |
| 4.1.1 基于贡献率图的电机故障诊断方法 |
| 4.1.2 基于贡献率图的电机故障诊断方法流程 |
| 4.1.3 基于贡献率图的电机故障诊断方法的应用实例及分析 |
| 4.2 基于粒子滤波的电机故障预测方法 |
| 4.2.1 基于粒子滤波的实时故障预测算法 |
| 4.2.2 基于粒子滤波的电机故障预测方法流程 |
| 4.2.3 基于粒子滤波的电机故障预测方法的应用实例及分析 |
| 4.3 本章小结 |
| 第五章 数据驱动的电机故障诊断与预测系统 |
| 5.1 电机故障诊断与预测系统需求分析 |
| 5.2 电机故障诊断与预测系统架构设计 |
| 5.3 数据采集终端 |
| 5.4 工业云平台 |
| 5.4.1 大数据计算与存储 |
| 5.4.2 监控与管理工具 |
| 5.5 数据可视化 |
| 5.5.1 数据可视化流程 |
| 5.5.2 CV衰退曲线 |
| 5.5.3 健康地图 |
| 5.5.4 风险雷达图 |
| 5.5.5 健康时序图 |
| 5.6 电机故障诊断与预测系统展示 |
| 5.7 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（5）基于ANSYS的输油泵机组电磁噪声产生机理及仿真研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 电机振动与噪声的研究现状 |
| 1.2.2 电机电磁力的研究现状 |
| 1.2.3 电机转子故障的研究现状 |
| 1.2.4 电机故障检测的发展趋势 |
| 1.3 本文主要内容及安排 |
| 第二章 异步电机基本结构与噪声形成机理 |
| 2.1 三相异步电机组成及工作原理 |
| 2.1.1 三相异步电机组成 |
| 2.1.2 三相异步电机工作原理 |
| 2.2 电机噪声产生机理及测量方法 |
| 2.2.1 电机噪声的产生机理 |
| 2.2.2 电磁噪声求解方法 |
| 2.2.3 电磁噪声的测量方法 |
| 2.3 电机典型故障产生机理及表现形态 |
| 2.3.1 电机常见故障分析 |
| 2.3.2 断条故障产生机理及表现形态 |
| 2.4 本章小结 |
| 第三章 基于ANSYS的断条故障仿真分析 |
| 3.1 基于ANSYS三相异步电机有限元模型建立 |
| 3.1.1 有限元理论分析基础 |
| 3.1.2 三相异步电机有限元模型建立 |
| 3.2 断条故障仿真及对气隙磁场的影响要素分析 |
| 3.2.1 断条故障模型建立与仿真 |
| 3.2.2 断条故障与气隙磁场之间的关系 |
| 3.2.3 断条位置对气隙磁场的影响 |
| 3.2.4 断条程度对气隙磁场的影响 |
| 3.3 本章小结 |
| 第四章 断条故障电机定子模态有限元仿真研究 |
| 4.1 定子固有模态有限元仿真 |
| 4.1.1 定子固有频率解析 |
| 4.1.2 定子固有模态有限元模型建立 |
| 4.1.3 定子固有模态有限元仿真分析 |
| 4.2 电机谐响应分析 |
| 4.2.1 断条故障谐响应模型建立 |
| 4.2.2 断条故障谐响应有限元仿真 |
| 4.3 断条故障状态电磁噪声声压特征仿真分析 |
| 4.3.1 断条故障状态声压特征确定 |
| 4.3.2 断条故障状态声压特征有限元仿真 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 作者简介、发表文章及研究成果目录 |
| 致谢 |
（6）矿井提升机传动系统故障诊断与健康管理关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 机械设备故障诊断方法分类 |
| 1.2.1 基于分析模型的故障诊断方法 |
| 1.2.2 基于定性经验知识的故障诊断方法 |
| 1.2.3 基于数据驱动的故障诊断方法 |
| 1.3 国内外研究现状 |
| 1.4 研究内容与创新之处 |
| 1.4.1 研究内容安排 |
| 1.4.2 创新之处 |
| 2 基于自适应电周期划分和随机森林的NPC三电平逆变器故障诊断 |
| 2.1 引言 |
| 2.2 三电平逆变器的电路及故障分析 |
| 2.2.1 矿井提升机变频器的结构 |
| 2.2.2 三电平逆变器的故障分析 |
| 2.3 逆变器故障信号预处理与自适应电周期划分 |
| 2.4 基于MODWT的信号处理与特征提取 |
| 2.4.1 帕克矢量模 |
| 2.4.2 小波变换 |
| 2.4.3 最大重叠离散小波变换 (Maximal Overlap Discrete Wavelet Transform,MODWT) |
| 2.4.4 特征提取 |
| 2.5 随机森林分类器 |
| 2.5.1 随机森林原理 |
| 2.5.2 随机森林算法 |
| 2.6 基于自适应电周期划分与随机森林的NPC三电平逆变器故障诊断框架 |
| 2.7 实验验证 |
| 2.7.1 实验设置 |
| 2.7.2 实验分析 |
| 2.8 本章小结 |
| 3 基于敏感特征选取与最大局部边界准则的提升机轴承故障诊断 |
| 3.1 引言 |
| 3.2 轴承故障诊断机理 |
| 3.3 基于DTCWPT的轴承故障信号处理 |
| 3.3.1 DTCWPT |
| 3.3.2 Hilbert包络谱与边际谱 |
| 3.4 基于特征聚类与特征间相关系数的敏感特征选取 |
| 3.4.1 k-means聚类算法 |
| 3.4.2 皮尔逊相关系数 |
| 3.4.3 敏感特征选取方法 |
| 3.5 最大局部边界准则的特征降维方法 |
| 3.5.1 LDA |
| 3.5.2 LFDA |
| 3.5.3 MMC |
| 3.5.4 最大局部边界准则 |
| 3.6 支持向量机 |
| 3.7 基于敏感特征选取与最大局部边界准则的轴承故障诊断框架 |
| 3.8 实验验证 |
| 3.8.1 基于美国凯斯西储大学轴承数据实验设置 |
| 3.8.2 基于美国凯斯西储大学轴承数据实验分析 |
| 3.8.3 基于SQI-MFS轴承数据实验设置 |
| 3.8.4 基于SQI-MFS轴承数据实验分析 |
| 3.9 本章小结 |
| 4 基于敏感特征迁移学习的提升机轴承故障诊断 |
| 4.1 引言 |
| 4.2 迁移成分分析 |
| 4.3 改进迁移成分分析的特征迁移学习 |
| 4.4 基于敏感特征迁移学习的轴承故障诊断框架 |
| 4.5 实验分析 |
| 4.5.1 基于美国凯斯西储大学轴承数据实验分析 |
| 4.5.2 基于SQI-MFS轴承数据实验分析 |
| 4.6 本章小结 |
| 5 基于类内特征迁移学习与多源信息融合的提升机驱动电机故障诊断 |
| 5.1 引言 |
| 5.2 电机故障类型与信号特性分析 |
| 5.2.1 异步电机常见故障类型分析 |
| 5.2.2 异步电机常见故障信号特性分析 |
| 5.3 基于EEMD的电机故障信号处理 |
| 5.3.1 EMD |
| 5.3.2 EEMD |
| 5.4 改进分层迁移学习的类内特征迁移学习 |
| 5.4.1 分层迁移学习 |
| 5.4.2 改进分层迁移学习 |
| 5.5 基于类内特征迁移学习的驱动电机故障诊断 |
| 5.5.1 故障诊断框架 |
| 5.5.2 实验设置 |
| 5.5.3 实验分析 |
| 5.6 基于D-S证据融合理论的驱动电机故障诊断 |
| 5.6.1 D-S证据理论基本概念 |
| 5.6.2 D-S证据理论基本过程 |
| 5.6.3 基于D-S证据融合理论的驱动电机故障诊断框架 |
| 5.6.4 实验分析 |
| 5.7 本章小结 |
| 6 矿井提升机传动系统故障诊断与健康管理系统 |
| 6.1 引言 |
| 6.2 提升机传动系统故障知识表示 |
| 6.2.1 本体概述 |
| 6.2.2 提升机传动系统故障知识分析 |
| 6.3 基于本体和故障信号分析的语义映射方法 |
| 6.3.1 概念模型 |
| 6.3.2 数学模型 |
| 6.3.3 语义映射方法 |
| 6.4 提升机传动系统故障本体知识库的创建 |
| 6.4.1 知识图谱与图数据库 |
| 6.4.2 提升机传动系统故障本体知识库构建 |
| 6.5 系统总体设计与应用 |
| 6.5.1 系统功能模块 |
| 6.5.2 软件开发与系统应用 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）基于机器学习的地铁风机实时故障诊断系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风机故障诊断技术发展现状 |
| 1.2.2 机器学习故障诊断的发展现状 |
| 1.2.3 小波分析的发展趋势 |
| 1.3 工作内容与主要解决的问题 |
| 1.3.1 本文主要工作内容 |
| 1.3.2 本文主要解决问题 |
| 1.3.3 论文组织框架 |
| 第二章 针对风机故障的AdaBoost机器学习方法改进研究 |
| 2.1 AdaBoost算法原理 |
| 2.2 基于故障数据的基础分类器对比研究 |
| 2.2.1 常见基础分类器原理比较 |
| 2.2.2 基于案例的基础分类器对比分析 |
| 2.3 基于故障数据的AdaBoost多分类算法对比研究 |
| 2.3.1 多分类算法原理比较 |
| 2.3.2 多分类算法特征比较 |
| 2.3.3 基于案例的AdaBoost多分类算法分析 |
| 2.4 改进的AdaBoost机器学习方法建立及传统方法的对比验证 |
| 2.5 本章小结 |
| 第三章 DTF-3.55 型地铁轴流风机故障模拟实验装置的建立 |
| 3.1 流程与设计 |
| 3.2 实验装置的建立 |
| 3.2.1 地铁轴流风机与台架 |
| 3.2.2 风机电气与控制系统 |
| 3.2.3 振动传感器及其安装 |
| 3.2.4 数据采集设备 |
| 3.2.5 上位机 |
| 3.3 故障模拟实验 |
| 3.3.1 风机运行中常见故障 |
| 3.3.2 实验装置调试与试运行 |
| 3.3.3 正常运行 |
| 3.3.4 故障模拟实验之基座松动 |
| 3.3.5 故障模拟实验之转子不平衡 |
| 3.3.6 故障模拟实验之电机松动 |
| 3.4 本章小结 |
| 第四章 DTF-3.55 型地铁风机故障数据实验测量与处理分析 |
| 4.1 风机故障数据采集与预处理 |
| 4.1.1 正常运行数据 |
| 4.1.2 基座松动数据 |
| 4.1.3 转子不平衡数据 |
| 4.1.4 电机松动数据 |
| 4.1.5 信号去噪 |
| 4.2 风机振动信号处理技术 |
| 4.2.1 幅域分析方法 |
| 4.2.2 时域分析方法 |
| 4.2.3 频域分析方法 |
| 4.2.4 小波与小波包 |
| 4.3 数据处理结果与故障库的建立 |
| 4.4 本章小结 |
| 第五章 基于改进机器学习的DTF-3.55 型地铁风机实时故障监控平台开发 |
| 5.1 风机实时故障诊断系统的整体框架 |
| 5.2 系统主界面设计 |
| 5.3 振动信号采集与分析界面 |
| 5.3.1 时域分析 |
| 5.3.2 频域分析 |
| 5.4 故障实时监控 |
| 5.4.1 LabVIEW与 MATLAB混合编程 |
| 5.4.2 故障实时监控面板设计 |
| 5.5 训练模式 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 参与的科研项目及获奖情况 |
| 学位论文数据集 |
（8）变频器供电下永磁同步电机电磁场与温度场的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关内容的研究现状 |
| 1.2.1 驱动方式及驱动器主控参数对电机损耗和转矩及温度的影响 |
| 1.2.2 逆变器故障诊断和容错控制及电机运行故障的研究 |
| 1.2.3 电机相关物理量对永磁电机损耗影响及电磁场和温度场的计算 |
| 1.2.4 降低永磁电机转子涡流损耗及温升方法的研究 |
| 1.3 本文研究的主要内容 |
| 2 变频器供电下两种典型驱动方式对永磁同步电机电磁场和温度场的影响 |
| 2.1 永磁同步电机物理结构及相关参数 |
| 2.2 两种典型驱动方式下电机与控制器的强耦合二维电磁场计算模型 |
| 2.2.1 方波驱动下电机与控制器的强耦合二维电磁场计算模型 |
| 2.2.2 正弦波驱动下电机与控制器的强耦合二维电磁场计算模型 |
| 2.3 两种典型驱动方式对永磁同步电机电磁场和温度场的影响 |
| 2.3.1 两种典型驱动方式对电机电磁场的影响机理研究 |
| 2.3.2 两种典型驱动方式下电机内部温度场的计算与分析 |
| 2.4 正弦波驱动下永磁同步电机相关实验 |
| 2.5 本章小结 |
| 3 正弦波驱动下驱动器主控参数及逆变器故障对永磁同步电机电磁场和温度场的影响 |
| 3.1 基波和时间谐波电流对电机损耗和温度的影响机理研究 |
| 3.1.1 永磁同步电机热传导能力比的评估方法 |
| 3.1.2 热传导能力比的计算与分析 |
| 3.2 载波比和调制波频率对永磁同步电机电磁场和温度场的影响 |
| 3.2.1 载波比对电机涡流场和温度场的影响机理 |
| 3.2.2 调制波频率不同时相电流和气隙磁密及损耗的计算与分析 |
| 3.3 逆变器多种故障下永磁同步电机电磁场计算和温度场的研究 |
| 3.3.1 第一桥臂上功率管断路时电机电磁场和温度场的计算与分析 |
| 3.3.2 同一桥臂两个功率管断路时电机电磁场和温度场的变化规律 |
| 3.3.3 第一桥臂上功率管发生短路故障时电机电磁场的计算 |
| 3.4 逆变器健康和两种断路故障状态下电机相关实验 |
| 3.5 本章小结 |
| 4 正弦波驱动下电机相关物理量对永磁同步电机电磁场和温度场的影响 |
| 4.1 永磁体厚度对电机电磁场和温度场的影响研究 |
| 4.2 转子护套厚度对电机损耗和温度的影响机理研究 |
| 4.3 不同护套间隔宽度下电机损耗和温度的计算与分析 |
| 4.4 磁桥和槽口宽度对电机起动性能及电磁场和温度场的影响 |
| 4.5 本章小结 |
| 5 正弦波驱动下抑制永磁同步电机高涡流损耗和温升的策略及方法研究 |
| 5.1 三种降低转子涡流损耗及温升的策略 |
| 5.1.1 转子轴向分段对电机涡流场的影响机理研究 |
| 5.1.2 切断涡流路径的不同护套结构的研究 |
| 5.1.3 真空热阻隔原理在电机热控制方面的新型应用研究 |
| 5.2 转子多种复合材料结构对永磁同步电机转子损耗及温度的影响 |
| 5.2.1 材料特性 |
| 5.2.2 径向多层复合护套结构对转子涡流损耗和温度的影响 |
| 5.2.3 多种轴向复合护套结构对转子涡流损耗和温度的影响 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 本文结论 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）多故障激励下感应电机轴承故障辨识与诊断系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 电机轴承故障诊断的国内外研究现状 |
| 1.2.1 电机轴承故障诊断研究现状 |
| 1.2.2 信号处理与特征提取研究现状 |
| 1.2.3 发展趋势 |
| 1.3 主要研究内容 |
| 第二章 异步电机轴承故障特征及诊断方法 |
| 2.1 电机轴承的结构及故障原因 |
| 2.1.1 电机轴承的结构组成 |
| 2.1.2 电机轴承失效形式 |
| 2.1.3 电机轴承故障类型 |
| 2.2 电机轴承故障的振动特性与电流特性 |
| 2.2.1 电机轴承故障的振动特性 |
| 2.2.2 电机轴承故障的电流特性 |
| 2.3 电机轴承故障传统诊断方法 |
| 2.3.1 时域参数指标 |
| 2.3.2 Hilbert包络解调 |
| 2.4 小波变换与谱峭度相结合的电机轴承耦合故障诊断方法 |
| 2.4.1 谱峭度 |
| 2.4.2 小波变换 |
| 2.4.3 小波-谱峭度方法 |
| 2.5 本章小节 |
| 第三章 电机轴承与负载轴承耦合故障特征提取 |
| 3.1电机轴承故障实验 |
| 3.1.1 电机轴承故障模拟实验台的简介 |
| 3.1.2 采集系统 |
| 3.1.3 实验设置 |
| 3.2 电机轴承单一故障不同测点振动信号分析 |
| 3.2.1 电机端振动信号分析 |
| 3.2.2 负载端振动信号分析 |
| 3.3 负载轴承单一故障不同测点振动信号分析 |
| 3.3.1 电机端振动信号分析 |
| 3.3.2 负载端振动信号分析 |
| 3.4 轴承耦合故障不同测点振动信号分析 |
| 3.4.1 电机端振动信号分析 |
| 3.4.2 负载端振动信号分析 |
| 3.5 电机轴承耦合故障振动信号谱峭度分析 |
| 3.6 小波-谱峭度负载轴承-电机轴承耦合故障振动信号分析 |
| 3.6.1 电机端振动信号分析 |
| 3.6.2 负载端振动信号分析 |
| 3.7 本章小结 |
| 第四章 电机轴承与电机断条耦合故障特征提取 |
| 4.1 电机断条故障实验 |
| 4.1.1 电机断条故障 |
| 4.1.2 断条故障设置 |
| 4.2 电机断条故障振动信号分析 |
| 4.2.1 负载一状态下电机断条振动信号分析 |
| 4.2.2 负载二状态下电机断条振动信号分析 |
| 4.3 电机断条故障电流信号分析 |
| 4.3.1 负载一状态下电机断条故障电流信号分析 |
| 4.3.2 负载二状态下电机断条故障电流信号分析 |
| 4.4 小波-谱峭度电机轴承-电机断条耦合故障分析 |
| 4.4.1 耦合故障振动信号分析 |
| 4.4.2 耦合故障电流信号分析 |
| 4.5 本章小结 |
| 第五章 基于LabVIEW的电机轴承故障诊断系统设计 |
| 5.1 虚拟仪器LabVIEW的介绍 |
| 5.1.1 LabVIEW的特点 |
| 5.1.2 LabVIEW的程序组成 |
| 5.2 诊断系统的总体设计方案 |
| 5.2.1 登录界面 |
| 5.2.2 时域分析 |
| 5.2.3 频谱分析 |
| 5.2.4 包络解调分析 |
| 5.2.5 小波-谱峭度分析 |
| 5.3 实测数据分析 |
| 5.4 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 附录1 攻读硕士学位期间发表论文目录 |
| 致谢 |
（10）三安钢铁烧结余热发电控制系统的设计与应用研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 烧结余热发电的研究现状 |
| 1.2.1 国外烧结余热发电研究现状 |
| 1.2.2 国内烧结余热发电研究现状 |
| 1.3 课题研究工作的主要内容 |
| 第二章 余热发电控制系统的设计 |
| 2.1 三安钢铁烧结余热发电工程 |
| 2.1.1 工程概况 |
| 2.1.2 烧结余热锅炉特点 |
| 2.1.3 汽轮机发电机组特点 |
| 2.1.4 热工自动化要求 |
| 2.2 控制系统的总体方案设计 |
| 2.2.1 控制系统结构 |
| 2.2.2 系统功能特点 |
| 2.3 系统选型及配置 |
| 2.3.1 系统硬件选型设计 |
| 2.3.2 控制组态软件选型设计 |
| 2.3.3 人机界面软件选型设计 |
| 2.4 控制系统的网络架构 |
| 2.4.1 自动化层网络设计 |
| 2.4.2 监控层网络设计 |
| 2.5 控制系统的硬件设计 |
| 2.5.1 操作台设计 |
| 2.5.2 电源柜设计 |
| 2.5.3 控制柜设计 |
| 2.6 I/O模块接线图自动生成软件的设计 |
| 2.6.1 创建I/O清单数据库 |
| 2.6.2 设计I/O模块接线图模板 |
| 2.6.3 生成I/O模块接线图 |
| 2.7 本章小结 |
| 第三章 余热发电系统逻辑设计 |
| 3.1 数据采集功能(DAS)设计 |
| 3.1.1 电流信号采集 |
| 3.1.2 温度信号采集 |
| 3.1.3 锅筒液位计算 |
| 3.1.4 流量计算与累积 |
| 3.2 设备驱动级逻辑设计 |
| 3.2.1 电磁阀类驱动级 |
| 3.2.2 电动阀类驱动级 |
| 3.2.3 水泵类驱动级 |
| 3.2.4 风机类驱动级 |
| 3.3 顺序控制系统(SCS)设计 |
| 3.3.1 顺序控制介绍 |
| 3.3.2 顺控STEP功能块设计 |
| 3.3.3 顺序控制功能组设计 |
| 3.4 模拟量控制系统(MCS)设计 |
| 3.4.1 模拟量控制系统介绍 |
| 3.4.2 过程控制回路设计 |
| 3.4.3 PID控制功能块介绍 |
| 3.4.4 锅筒液位三冲量控制 |
| 3.5 危急遮断系统(ETS)设计 |
| 3.5.1 ETS系统 |
| 3.5.2 ETS系统设计原则 |
| 3.5.3 ETS系统逻辑设计 |
| 3.6 事故顺序记录(SOE)设计 |
| 3.6.1 事故顺序记录 |
| 3.6.2 SOE功能的组态 |
| 3.6.3 事故顺序记录逻辑设计 |
| 3.7 系统故障诊断功能设计 |
| 3.7.1 故障组织处理块 |
| 3.7.2 故障诊断功能块 |
| 3.8 本章小结 |
| 第四章 余热发电系统人机界面设计 |
| 4.1 人机界面的基本架构 |
| 4.1.1 画面符号的设计 |
| 4.1.2 画面颜色的设计 |
| 4.1.3 画面布局及菜单的设计 |
| 4.2 人机界面数据库设计 |
| 4.2.1 数据标签定义 |
| 4.2.2 数据类型定义 |
| 4.2.3 建立过程数据库 |
| 4.3 工艺流程画面设计 |
| 4.3.1 锅炉工艺流程画面 |
| 4.3.2 汽机工艺流程画面 |
| 4.4 操作面板设计 |
| 4.4.1 阀门类操作面板 |
| 4.4.2 电机类操作面板 |
| 4.4.3 调节阀类操作面板 |
| 4.5 ETS及SOE画面设计 |
| 4.5.1 ETS画面设计 |
| 4.5.2 SOE画面设计 |
| 4.6 报警及连锁画面设计 |
| 4.6.1 报警画面设计 |
| 4.6.2 连锁画面设计 |
| 4.7 趋势及报表画面设计 |
| 4.7.1 趋势画面设计 |
| 4.7.2 报表画面设计 |
| 4.8 本章小结 |
| 第五章 余热发电系统调试 |
| 5.1 仿真调试及在线调试 |
| 5.2 控制系统联机调试 |
| 5.2.1 联机调试具备条件 |
| 5.2.2 控制系统接地要求 |
| 5.2.3 控制系统受电 |
| 5.2.4 联机调试内容 |
| 5.2.5 调试期间问题及解决 |
| 5.2.6 锅筒液位三冲量调节参数整定 |
| 5.3 控制系统投运 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 在读期间已发表和录用的论文 |
| 参与的科研项目及成果 |
四、HJ-12电机设备故障诊断系统及应用（论文参考文献）
- [1]基于卷积神经网络的三相异步电机故障诊断方法研究[D]. 符羽. 华东交通大学, 2021(01)
- [2]和谐机车走行部关键部件故障诊断技术研究[D]. 张成新. 中国铁道科学研究院, 2021(01)
- [3]地铁自动扶梯故障监测与智能诊断系统技术研究与应用[D]. 李欣. 北京化工大学, 2020
- [4]数据驱动的电机故障诊断与预测系统的设计与实现[D]. 刘闯. 青岛大学, 2020(01)
- [5]基于ANSYS的输油泵机组电磁噪声产生机理及仿真研究[D]. 郭锐. 东北石油大学, 2020(03)
- [6]矿井提升机传动系统故障诊断与健康管理关键技术研究[D]. 刘诗源. 中国矿业大学(北京), 2020(01)
- [7]基于机器学习的地铁风机实时故障诊断系统研究[D]. 宋世帆. 浙江工业大学, 2020(08)
- [8]变频器供电下永磁同步电机电磁场与温度场的研究[D]. 李琳. 北京交通大学, 2019
- [9]多故障激励下感应电机轴承故障辨识与诊断系统研究[D]. 井云飞. 郑州轻工业大学, 2019(09)
- [10]三安钢铁烧结余热发电控制系统的设计与应用研究[D]. 刘碧峰. 福州大学, 2017(05)