简介:摘要:齿轮箱是旋转机械的关键部件,而旋转机械的机械故障约30%是由齿轮箱发生故障引起的。而对机械设备进行定期的故障诊断之后,可以将事故的发生率减少75%,维修的费用也可以降低25%~50%。伴随着深度学习的快速发展,科研人员逐渐将浅层的机器学习方法应用到旋转机械的故障诊断之中,常见的有支持向量机、深度置信网络、循环神经网络和卷积神经网络等故障分类方法或模型。残差网络(Residual Neural Network,ResNet)作为卷积神经网络的一种优异模型,在图像识别领域等二维信息之间应用广泛,本文对其进行改进使其具有良好的抗噪能力,以剔除具体工业环境下噪声的干扰,以利于机械故障诊断。基于此,对改进残差网络的齿轮箱故障诊断进行研究,仅供参考。
简介:摘要:风力发电机组齿轮箱的运行维护是风力发电机组维护的重点之一,只有运行维护水平不断得到提高,才能保证风力发电机组齿轮箱平稳运行,从而保证风力发电机组的正常工作。
简介:摘要:地铁车辆运行过程中,轴承的状况对保障乘行安全起着至关重要的影响。目前,在对这些地铁车轴承缺陷进行判别与探测的领域,仍面临着一些问题,比如检测的精准度不够和智能化水平不高等。鉴于现有技术的局限性,本研究对于地铁车辆轴承的故障侦测课题递交了一整套创新的智慧型诊断技术,并详细阐述了如何在MasCon48p在线监测技术的基础上建立一个更新颖的地铁车辆齿轮箱轴承故障监测系统。该系统能在地铁运行时即时诊断齿轮箱轴承的故障情况,此外,文章还讨论了共振解调技术和转速同步主动诊断技术在轴承保持架缺陷鉴定上的显著效用,并通过对零部件破坏原理的剖析,找出了造成故障的深层次原因,为地铁系统的故障探测和监控提供了强有力的技术依托。
简介:摘要:随着科技的快速发展,我国对新型能源的重视程度也正在逐步提升。新型能源的开发与应用不仅可以降低能源 危机对国家工业及科技发展的影响,同时还可以避免能源在使用及开发过程中对其周遭环境造成不可避免的污染。而风力 发电正是当前新型能源中的一种,风力发电主要是利用风力带动发电机组中的齿轮箱转动,从而实现将风能转化为电能。 但在风力发电机利用风能进行发电的过程中,其齿轮箱往往会受到较大的冲击,进而产生故障。因此,为避免风力发电机 齿轮箱的故障对风力发电造成严重影响,工作人员需要定期对风力发电机齿轮箱进行相应的故障检测。本文就风力发电机 齿轮箱故障诊断方法及其应用进行了简要论述。