期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于监测技术的化工机械设备完好性管理
被引量：
3
1
作者
刘小航
孔德润
曾志生
《劳动保护》
2023年第9期81-83,共3页
为解决化工厂机械设备维护时间长、工作流程复杂、管理混乱的问题,本文采用一种监测系统,从点检管理、在线管理、故障诊断、综合管理4个方面出发,将点检与在线监测采集到的数据与算法融合使用,再通过管理系统下发任务,实现对化工厂机械...
为解决化工厂机械设备维护时间长、工作流程复杂、管理混乱的问题,本文采用一种监测系统,从点检管理、在线管理、故障诊断、综合管理4个方面出发,将点检与在线监测采集到的数据与算法融合使用,再通过管理系统下发任务,实现对化工厂机械设备全生命周期的完好性管理。该方法对发现设备故障、指导设备维护、优化设备性能、实现预防性维护,提高设备的完好性和可靠性具有重要作用。
展开更多
关键词
故障诊断
化工设备
设备维护
监测技术
原文传递
基于卷积神经网络的发动机凸轮轴在线振动监测模型及异常信号处理算法研究
被引量：
1
2
作者
卢燃
庞博
+1 位作者
胡勇
彭六保
《内燃机》
2022年第6期19-24,共6页
当凸轮轴无法正常运行时,会导致大型机械的发动机也无法正常工作,造成严重的经济损失。提出了一种基于卷积神经网络的在线监测模型,该模型不仅可以对发动机凸轮轴的振动信号进行在线监测,还可以对凸轮轴的异常信号进行处理。首先利用传...
当凸轮轴无法正常运行时,会导致大型机械的发动机也无法正常工作,造成严重的经济损失。提出了一种基于卷积神经网络的在线监测模型,该模型不仅可以对发动机凸轮轴的振动信号进行在线监测,还可以对凸轮轴的异常信号进行处理。首先利用传感器提取凸轮轴运行期间的磨损信号,并且以历史的信号数据作为样本进行训练,得到卷积神经网络的参数权重。通过传感器采集凸轮轴磨损情况的特征信号数据,并将时间序列分析方法带入到卷积神经网络建模过程中,提高凸轮轴振动信号监测的准确率。对异常信号进行数据处理以对凸轮轴做故障判定。结果表明,本文模型可以有效地监测出凸轮轴在不同转速下非正常运行振动信号波形;对3种路面情况下的凸轮轴振动信号进行监测,发现本文模型监测的正确率和F1值均为最高,分别达到94.51%和96.42%、 98.32%和94.55%、 92.972%和92.16%;而漏检率和误拦率均为最低,分别为3.41%和6.02%、 4.69%和6.34%、 9.31%和10.01%。因此,证实了本文提出的模型理想的监测性能。
展开更多
关键词
发动机凸轮轴
在线监测
监测模型
卷积神经网络
异常信号处理
下载PDF
职称材料
深度学习算法在工业设备故障诊断应用研究
被引量：
1
3
作者
范慧鹏
李瑞华
+2 位作者
李福林
房哲续
彭六保
《传感器技术与应用》
2021年第4期193-200,共8页
故障诊断分类技术在工业上已经被广泛的使用,在工业设备维护起到了关键性作用,但是自动故障诊断分类技术目前还存在不足,要求精确地对设备机械进行自动诊断,准确地分析出设备故障产生的原因,从而确定故障发生的部位。针对工业上旋转机...
故障诊断分类技术在工业上已经被广泛的使用,在工业设备维护起到了关键性作用,但是自动故障诊断分类技术目前还存在不足,要求精确地对设备机械进行自动诊断,准确地分析出设备故障产生的原因,从而确定故障发生的部位。针对工业上旋转机械设备的特殊性和复杂性,引入了深度学习算法来提高设备故障分类的准确率。首先对旋转机械设备建立数据集,通过深度学习算法对数据进行特征提取,由多个网络层迭代学习设备故障特征,最终优化深度学习算法模型输出不同设备故障类型,提高系统分类的准确率。本文还对故障诊断分类等技术进行总结与分析,然后重点分析了深度学习故障诊断技术在工业上机械旋转类的应用;最后提出了现有深度学习故障诊断分类技术研发方法的不足,希望深度学习领域在故障诊断技术有很好的发展。
展开更多
关键词
故障诊断分类
深度学习
设备预知性维护
特征提取
下载PDF
职称材料
风机在线监测与诊断的应用设计
4
作者
彭宗贵
范慧鹏
+2 位作者
李福林
张若龙
彭六保
《传感器技术与应用》
2021年第4期201-207,共7页
通过振动传感器对设备的运行状况进行在线监测,实时收集设备正常运行的振动值。振动值与旋转类振动信号采集标准对比,判断设备此时的运行状况。利用加速度传感器采集的时域波形,在系统上位机进行傅里叶变化转换成频域波形,结合机械故障...
通过振动传感器对设备的运行状况进行在线监测,实时收集设备正常运行的振动值。振动值与旋转类振动信号采集标准对比,判断设备此时的运行状况。利用加速度传感器采集的时域波形,在系统上位机进行傅里叶变化转换成频域波形,结合机械故障的时频域基础理论判断设备的故障原因和故障部位。为旋转机械设备运行提供可靠的维修和运行建议。
展开更多
关键词
振动分析
时域波形
频域波形
故障诊断
在线监测
下载PDF
职称材料
题名
基于监测技术的化工机械设备完好性管理
被引量：
3
1
作者
刘小航
孔德润
曾志生
机构
国家粮食和物资储备局储备安全和应急物资保障中心
中国矿业大学(
北京
)应急管理与安全工程学院
航天
智
控
(
北京
)
监测技术
有限公司
出处
《劳动保护》
2023年第9期81-83,共3页
文摘
为解决化工厂机械设备维护时间长、工作流程复杂、管理混乱的问题,本文采用一种监测系统,从点检管理、在线管理、故障诊断、综合管理4个方面出发,将点检与在线监测采集到的数据与算法融合使用,再通过管理系统下发任务,实现对化工厂机械设备全生命周期的完好性管理。该方法对发现设备故障、指导设备维护、优化设备性能、实现预防性维护,提高设备的完好性和可靠性具有重要作用。
关键词
故障诊断
化工设备
设备维护
监测技术
分类号
TQ050.7 [化学工程]
原文传递
题名
基于卷积神经网络的发动机凸轮轴在线振动监测模型及异常信号处理算法研究
被引量：
1
2
作者
卢燃
庞博
胡勇
彭六保
机构
国能北电胜利能源
有限公司
设备维修中心
航天
智
控
(
北京
)
监测技术
有限公司
出处
《内燃机》
2022年第6期19-24,共6页
文摘
当凸轮轴无法正常运行时,会导致大型机械的发动机也无法正常工作,造成严重的经济损失。提出了一种基于卷积神经网络的在线监测模型,该模型不仅可以对发动机凸轮轴的振动信号进行在线监测,还可以对凸轮轴的异常信号进行处理。首先利用传感器提取凸轮轴运行期间的磨损信号,并且以历史的信号数据作为样本进行训练,得到卷积神经网络的参数权重。通过传感器采集凸轮轴磨损情况的特征信号数据,并将时间序列分析方法带入到卷积神经网络建模过程中,提高凸轮轴振动信号监测的准确率。对异常信号进行数据处理以对凸轮轴做故障判定。结果表明,本文模型可以有效地监测出凸轮轴在不同转速下非正常运行振动信号波形;对3种路面情况下的凸轮轴振动信号进行监测,发现本文模型监测的正确率和F1值均为最高,分别达到94.51%和96.42%、 98.32%和94.55%、 92.972%和92.16%;而漏检率和误拦率均为最低,分别为3.41%和6.02%、 4.69%和6.34%、 9.31%和10.01%。因此,证实了本文提出的模型理想的监测性能。
关键词
发动机凸轮轴
在线监测
监测模型
卷积神经网络
异常信号处理
Keywords
engine camshaft
on-line monitoring
monitoring model
convolution neural network
abnormal signal processing
分类号
TK402 [动力工程及工程热物理—动力机械及工程]
下载PDF
职称材料
题名
深度学习算法在工业设备故障诊断应用研究
被引量：
1
3
作者
范慧鹏
李瑞华
李福林
房哲续
彭六保
机构
华能沁北发电
有限
责任
公司
航天
智
控
(
北京
)
监测技术
有限公司
出处
《传感器技术与应用》
2021年第4期193-200,共8页
文摘
故障诊断分类技术在工业上已经被广泛的使用,在工业设备维护起到了关键性作用,但是自动故障诊断分类技术目前还存在不足,要求精确地对设备机械进行自动诊断,准确地分析出设备故障产生的原因,从而确定故障发生的部位。针对工业上旋转机械设备的特殊性和复杂性,引入了深度学习算法来提高设备故障分类的准确率。首先对旋转机械设备建立数据集,通过深度学习算法对数据进行特征提取,由多个网络层迭代学习设备故障特征,最终优化深度学习算法模型输出不同设备故障类型,提高系统分类的准确率。本文还对故障诊断分类等技术进行总结与分析,然后重点分析了深度学习故障诊断技术在工业上机械旋转类的应用;最后提出了现有深度学习故障诊断分类技术研发方法的不足,希望深度学习领域在故障诊断技术有很好的发展。
关键词
故障诊断分类
深度学习
设备预知性维护
特征提取
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
风机在线监测与诊断的应用设计
4
作者
彭宗贵
范慧鹏
李福林
张若龙
彭六保
机构
华能沁北发电
有限
责任
公司
航天
智
控
(
北京
)
监测技术
有限公司
出处
《传感器技术与应用》
2021年第4期201-207,共7页
文摘
通过振动传感器对设备的运行状况进行在线监测,实时收集设备正常运行的振动值。振动值与旋转类振动信号采集标准对比,判断设备此时的运行状况。利用加速度传感器采集的时域波形,在系统上位机进行傅里叶变化转换成频域波形,结合机械故障的时频域基础理论判断设备的故障原因和故障部位。为旋转机械设备运行提供可靠的维修和运行建议。
关键词
振动分析
时域波形
频域波形
故障诊断
在线监测
分类号
TP2 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于监测技术的化工机械设备完好性管理
刘小航
孔德润
曾志生
《劳动保护》
2023
3
原文传递
2
基于卷积神经网络的发动机凸轮轴在线振动监测模型及异常信号处理算法研究
卢燃
庞博
胡勇
彭六保
《内燃机》
2022
1
下载PDF
职称材料
3
深度学习算法在工业设备故障诊断应用研究
范慧鹏
李瑞华
李福林
房哲续
彭六保
《传感器技术与应用》
2021
1
下载PDF
职称材料
4
风机在线监测与诊断的应用设计
彭宗贵
范慧鹏
李福林
张若龙
彭六保
《传感器技术与应用》
2021
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
