一、轴承跑圈快速可靠的维修方法（论文文献综述）
袁正涛[1]（2020）在《潜水泵智能运维系统的研发》文中研究指明潜水泵凭借其结构紧凑、集成度高等优点,被广泛应用于矿山抢险、农业灌溉、居民用水供应等场合。但是随着潜水泵服役时间的增长,其零部件会逐渐老化,性能也会逐渐下降,用于其检查和维修方面的支出日益增多,严重时还可引发安全事故。目前,现有潜水泵状态监测系统的集成度不高,且监测数据不够全面,数据可视化程度不高。因此,为降低企业维护成本,提高潜水泵的集成度、安全性以及监测数据的可视化程度,研发一套较为合理的潜水泵智能运维系统尤为重要。首先,针对以上潜水泵状态监测方面存在的不足,对潜水泵智能运维进行需求分析和总体方案设计。利用STM32微控制器构建基于物联网技术的泵机数据采集终端,对泵机的电源电压、电流、绕组温度、轴承温度以及油室是否漏水等状态信息进行采集,并通过物联网无线通讯模块进行数据传输;在Django框架下进行云端服务系统的设计,采用MongoDB、MySQL和Redis三种数据库混合存储的数据存储单元,并在VUE框架下进行人机交互系统的设计。其次,进行了潜水泵故障诊断理论的研究。采用阈值法实现潜水泵电压、绕组温度和轴承温度数据的异常条件检测和实时报警功能;基于支持向量回归（SVR）对潜水泵流量-电流数据进行分析,选取合适的核函数并建立故障诊断模型,实现潜水泵电流数据的故障诊断和实时报警功能。最后,对泵机数据采集终端的数据采集和通讯功能进行了测试,然后进行潜水泵智能运维系统的整体实验,获得正常状态下泵机的各项运行数据,验证该运维系统的可靠性及实时监测功能;通过模拟故障状态下的运行数据,验证智能运维系统各监测数据故障诊断的准确性。研发的潜水泵智能运维系统可以为潜水泵的状态监测与故障诊断提供良好的数据基础,使用户能够实时监测泵机及其关键部件的运行参数,更全面地掌握其运行状态,有效提高潜水泵系统的集成度、安全性和数据可视化程度;同时所构建的诊断模型能够快速准确地确定泵机的故障类型,缩短故障诊断的时间,在一定程度上降低企业的维修费用。
许壮伟[2]（2020）在《基于深度学习的双馈式风电机组发电机系统状态监测方法研究》文中研究指明中国风电行业快速发展,累积装机容量逐年提升,但风电机组工作环境恶劣,据统计风场运营收入的20%被用于风电机组的运维,如此高昂的运维成本严重限制了风电行业的发展。为了提高风电机组运行的可靠性,减少由机械、电气等故障引发的机组故障,优化机组的运维策略,需要对风电机组进行在线状态监测,进而在机组故障的早期进行异常预警,减少机组故障带来的损失。为了提高双馈式风电机组中发电机系统的运行可靠性,本文采用了深度学习的方法对双馈式风电机组发电机系统进行了状态监测方法的研究。首先回顾了在线状态监测技术的发展现状,并对其延伸技术之一的剩余寿命预测技术进行了简要介绍。随后收集了某台双馈式风电机组上数据采集与监控（SCADA）系统16个月的数据以及状态监测系统（CMS）的实验数据,并对数据进行了清洗和特征提取的工作。利用马氏距离计算SCADA数据特征之间的距离,通过Johnson变换构建代表风电机组正常状态的马氏空间,进而对风电机组的发电机系统进行在线状态监测;将稀疏自编码器和神经网络进行了融合,使其能从高维数据中提取出关键信息进而更精准地预测风电机组的有功功率,通过预测功率与真实功率之间的残差分析实现对风电机组的发电机系统的状态监测;利用生成对抗网络模型中的生成器获得一组与SCADA数据相同维度的生成数据,与真实的SCADA数据一起用于用以训练和优化生成对抗网络模型,进而得到能够区分风电机组发电机系统正常状态的判别器模型;针对风电机组发电机系统中被发现的异常部位,利用勒贝格采样和长短期记忆网络对其剩余使用寿命进行预测。本文分别讨论了马氏距离、稀疏自编码神经网络、生成对抗网络在双馈式风电机组发电机系统状态监测上的应用。结果表明,三种方法都能发现机组的早期异常;马氏距离的方法应用简单快捷、无需建模,可根据风电机组短期内状态随时调整,但在计算过程中需要对特征数据的协方差矩阵求逆,停机数据、特征量过多等都可能引起矩阵不满秩而无法求逆的情况,因此该方法适用于少量特征的短期内的监控;稀疏自编码神经网络的方法对数据存在标签的需求,需要人为对标签进行整理和匹配,同时模型相对敏感,容易受到噪声干扰,因此适用于对机组正常运行状态存在严格要求的特殊时期;生成对抗网络的方法则无需人为对数据添加标签,虽然对异常数据的感知能力不如稀疏自编码神经网络等方法,但在稳定性方面有良好的表现,适用于日常运行时期。
闫戈[3]（2019）在《基于声音的机车转向架维修质量定量评估技术》文中提出机车转向架作为机车的重要组成部件,在对机车维修时,需要对转向架分解检修。为检验机车转向架齿轮箱维修质量和轴承可靠性,需在跑合实验台进行跑合试验,以此模拟转向架的实际运行情况。本文提出一种基于声音信号的转向架维修质量定量评估方法。对声音信号进行降噪并提取多特征值,利用高斯混合模型实现转向架的异常检测;采用频带平均峭度的谱峭度方法进行转向架的故障诊断,并提出了转向架轴承可靠性和齿轮箱维修质量评估指标。本课题以机车转向架齿轮箱维修质量和轴承可靠性为研究对象,结合转向架跑合试验的监测、评估和需求现状,主要研究内容包括:（1）了解现阶段机车转向架维修质量定量评估手段的不足;研究转向架轴承及齿轮箱等关键结构常见失效形式、失效特征以及声音信号来源;（2）研究基于声音信号的机车转向架维修质量定量评估方法。研究信号降噪、特征提取、异常检测、故障诊断和维修质量等级评估。研究转向架声音信号特点、降噪方法和多特征提取;研究基于高斯混合模型的转向架异常检测方法;研究基于改进谱峭度的转向架故障诊断方法;研究制定转向架轴承可靠性和齿轮箱维修质量的评估指标。根据研究成果,提出了一种小波包分析、高斯混合模型以及改进谱峭度方法相结合的转向架评估方法—基于声音信号的转向架维修质量定量评估方法。采用轴承故障模拟实验台进行不同故障等级运行试验,验证了方法的可行性;（3）搭建现场机车转向架跑合试验监测及维修质量等级评估系统,并采用本课题所提方法进行信号处理,实现机车转向架跑合试验的实时监测、故障诊断和维修质量等级评估。
胡伟伟[4]（2019）在《基于TPM的S公司洗浆机运行可靠性分析与改善》文中研究表明现代化制浆造纸企业流水化生产、设备先进、自动化程度高、工艺比较复杂,生产对设备的依赖性很大。当前国家供给侧改革,淘汰落后产能,产能小、能耗高,环保不达标的中小造纸企业纷纷被强制关停,大型制浆造纸企业则进行提产改造增加产能,再加上国外大型浆企把产品转到中国销售,使国内浆纸市场竞争日渐加剧。这种情况下,提高产品质量和降低生产成本是企业提高核心竞争力和增长的关键。S浆纸公司是一家大型浆企。其洗浆机系统设备是其生产的关键设备,然而洗浆机系统设备故障次数多、停机时间长,产能经常提不上来,质量事故频发,并经常引起整个浆线全线停机,洗浆机系统由此成为整个浆线的生产瓶颈。在这种情况下提高整个洗浆机系统的运行可靠性,从而提升洗浆机系统的综合效率,就显得格外重要。本文先对S公司洗浆机系统设备运行状况以及设备管理制度进行分析,指出了洗浆机系统近5年跳停次数达113次,停机时长170小时和设备管理中存在的管理模式不科学、设备制度落实不力、员工缺乏设备维护意识等一系列问题,阐明了推行TPM的必要性,然后选择洗浆机系统不工作事件作为顶事件,根据5年故障统计及设备构造和故障模式分析运用演绎法进行故障树建树,经过对故障树的定性分析,寻找到影响洗浆机系统故障的所有最小割集,然后对其定量分析,依据底部事件发生的概率,把洗浆机系统不工作的顶部事件产生概率求出来,从而计算出系统的可靠度。接着根据洗浆机系统零部件的故障导致系统失效的次数和系统全部零部件出现故障的总次数求得零部件的重要度,从而得出比例阀接线接触不良、扭力传感器接线接触不良、破碎螺旋的螺旋裂纹、槽压计膜片损坏、扭力传感器损坏、润滑油失效这六个底事件的出现的概率最大,重要度也最高,对洗浆机系统的影响也最大,是洗浆机系统的薄弱环节。接下来通过开展TPM活动,建立和实施自主维护、专业保全制度,对引起洗浆机故障的这些薄弱环节和设备管理中的一些问题进行改善,最后通过设备OEE、产量、质量等效果指标的达成,验证了故障树分析应用于洗浆机系统故障诊断的可行性和TPM洗浆机的有效性。本文对于提高S公司设备故障诊断水平和管理水平,提高设备综合效率,降低运营成本具有一定的指导意义和实践意义。并为同行业设备的管理和故障的诊断及处理提供参考。
顾少华[5]（2019）在《基于实际工况的纸机振动监测与故障诊断研究》文中研究表明振动是工程应用中十分常见的一个研究问题,根据不同的设备环境,可选用在线系统监测或离线监测。包装纸纸机7×24小时不间断运行,对设备维护要求较高,单纯依靠人的感官和经验不易识别出故障（尤其是隐患）,而利用振动监测技术与人为感官二者结合的方式能够很好地解决这一问题,同时,出于成本和诊断精确性考虑,纸机宜选用在线监测为主,离线监测为辅的复合监测诊断模式。本研究面向的包装纸纸机车速在1000m/min左右,监测的重点主要是辊子、减速箱和电机。通过研究发现:辊子轴承内环断裂故障是轴承故障和松动故障的复合故障;减速箱齿轮故障可利用振动速度时域图定位;电机转子导条故障表现为电机转频的极通过频率边带;改变辊子胶面弹性系数或者质量可缓解压区共振现象。本文通过多个案例研究纸机辊子轴承、减速箱齿轮、电机转子导条和压区共振四类故障,借助频谱图、时域图、趋势图、瀑布图和现场声音等振动参数,总结不同故障的规律,辅助专业人员精确定位故障,避免设备二次损坏。振动监测需要设备投入的同时,对人员也有一定的要求,因此本文结合纸机监测点数来分析实际振动监测运作情况。研究结果表明:要保障低于2个月的周期监测,一条纸机需配备1-2名专业诊断分析人员;针对多条产线在同一区域的工厂,振动监测团队的组建可提升振动监测的效率。另一方面,本研究通过收集纸机实际运行数据,得出振动监测每年可提升纸机1%以上的时间效率;同时经济效益研究发现振动监测对机械维修费用影响不大,但每年可避免因故障在不可控情况下造成的利润损失达897.6万元。本研究旨在为行业人员提供纸机振动监测标准。
孔令国[6]（2018）在《基于故障树方法的减速机故障诊断分析研究》文中研究指明减速机是机械设备中最常用的连接和传递动力的重要核心元件,具有减速及增加转矩的功能。相对于复杂恶劣的工况条件（冲击振动大、长时间连续工作、载荷大、环境恶劣等）,以及减速机自身的高精密、高精度等特点,导致其本身故障率一般较高。现场维修条件差,停机时间长,损失大,有必要针对减速机的故障进行详细的分析总结,找出故障的主要因素,并提出整改策略,为生产实践提供参考,以提高减速机的运行可靠性和故障分析效率。本文以国内某知名工业减速机制造企业近几年售后服务记录的减速机故障台账为分析素材,根据减速机故障部位和形态,将减速机故障类型大致分为漏油故障、轴承故障、齿轮故障、传动轴故障、箱体故障、振动噪声故障六大类。借助故障树分析计算机辅助平台软件（FreeFat）,以每一种减速机故障为顶事件,各种影响因素作为基本事件,通过逐层分析逻辑关系建立故障树,并对每个故障树依次进行定性分析、定量分析、顶事件发生概率计算和基本事件的临界重要度排序,从而分析出造成齿轮箱故障最重要的影响因素和组合。针对每种故障中故障率较高的影响因素,从设计、制造、装配、维护保养等方面提出针对性的维修改进策略,为优化减速机设计结构、改进减速机制造装配工艺、提高运行可靠性和故障分析效率,降低减速机故障停机损失等提供了科学依据。通过借鉴文中所提的各种减速机故障整改策略,企业完成了部分减速机结构优化,同时在制造、装配薄弱环节采取相应预防和改进措施,使得新出厂的减速机故障率明显降低。对于设备使用者,做好相应的维修保养,并以此借鉴提高了故障的诊断效率,大大缩短了减速机的故障停机时间,维修成本降低效果显着。
王德海[7]（2018）在《风力发电机组故障在线诊断技术的研究》文中研究指明风力发电是一种可再生的清洁能源,在国家的整个能源结构中占有较大的比重;世界各国日益重视能源的可持续发展,也使得对风力发电的需求呈持续增长态势。因为风电机组所特有运行属性和国内风能资源条件客观限制,大部分风电机组运行在高风沙的草原戈壁或者高盐雾的沿海地区或者伴有异常湍流的高山地区,所以相对来讲风电机组的运行环境一般都较为恶劣,对风电机组的安全稳定运行带来极大的挑战,尤其对风电机组的传动系统（叶轮→主轴→齿轮箱→联轴器→发电机）带来较大的影响,同时传动系统的轴承、啮合齿轮本身就具有运转过程中的机械磨损特征和异常损坏的问题,但对于运行在高空中的风力发电机组传动系统来说,其更换和维修的费用较为昂贵,所以在线式的故障监测和预防技术如何更好的应用到风电机组的运维管理中就尤为重要。国内外业已开展的研究表明,基于振动信号或者以振动信号为主的监测手段可以较为有效地捕捉风电机组机械传动系统故障。本文主要结合某风电机组机械传动系统进行故障在线诊断技术以及系统研发,主要包括:以振动加速度信号作为监测信号进行了故障监测系统平台搭建;阐述了风电机组机械故障与振动的关系,故障在线诊断技术的原理、实现方式、应用分析以及发展方向;针对不同的机型提出了风电机组故障在线诊断技术的配置方案和软硬件要求,并结合风电机组运行数据和工程故障实例讨论了故障诊断分析过程。本文研究表明,在线监测风电机组机械传动系统的振动加速度信号相关特征的提取可以对风电机组的典型机械故障进行在线实时诊断。
张军苗[8]（2018）在《兆瓦级风电齿轮箱温度超限原因探讨分析》文中研究说明随着国内陆上兆瓦级风电机组后运维市场的扩大,齿轮箱作为整机大部件,对整机运行将至关重要,往往齿轮箱出现超温报警,则会导致停机,各大整机厂家,风场服务人员也会采取一定的措施处理,但效果不理想。由于现场维护人员的参差不齐,超温故障排除,有一定的困难。为使得该问题处理可靠得当,保持齿轮箱运行稳定可靠,一些经验分享一下,仅供参考学习。1.齿轮箱超温分析国内某2MW风场40台风电机组,出现多台机组齿轮箱高速级叶片侧轴承温度超限情况,从整机主控程序,润滑系统,冷却系统及齿轮箱综合考虑分析,判断齿轮箱低速轴超温一般有以下原因:
李开贵[9]（2018）在《针对聚丙烯挤压造粒机的齿轮箱状态监测与分析系统研究》文中研究说明聚丙烯作为重要的聚合物原料在塑料行业有着非常广泛的应用。为便于成品料的输送和后续加工,挤压造粒是一个重要的环节。作为聚丙烯行业中关键设备之一的挤压造粒机,它主要是通过将聚合物粉料进行熔融混炼,通过水下造粒机将树脂进行造粒,将聚合物粉料和按产品牌号配置的添加剂制成粒料,来改善母料的各项性能指标,以满足下游用户对产品的特殊要求。然而,目前国内企业所使用的聚丙烯挤压造粒机大多为国外生产,使用单位无法掌握其设计中的关键技术,且受限于维修技术人员的检修能力和水平,国内大多数聚丙烯挤压造粒机使用单位很难对其中的核心单元--挤压机齿轮箱,进行专项检查和修复等工作。尤其对齿轮箱内部的工作状态不能够及时掌握,存在各种不确定因素,因此开发一套齿轮箱实时振动监测系统具有重要的工程应用意义。根据聚丙烯挤压造粒机齿轮箱的结构特点,在齿轮箱24个固定测振点加装振动传感器。由数据采集卡持续采集信号,以计算机、数据采集卡和传感器为硬件平台,Labview软件为软件平台来实现数据的实时显示和存储功能的基本功能,通过时域指标中的均值、峭度和频域方法中的频谱细化、包络分析、倒频谱分析等手段提取故障特征。针对每一个轴承所在部位的特点,调整带通等窗参数,减少信号判别的干扰,以降低设备可能发生的故障类型误判的可能性,确保数据分析功能的准确性和可靠性。通过对在用的INA T2AR 255*570*316 GKSL/QW22、T8 AR 85*290*745-GKSL/QW22、INA SL183032 C3等20余种轴承进行实地测绘,计算其相应的故障频谱,标注在相应的频谱上,大大缩短后期对故障类型的判断。同时根据齿轮箱测点过多,频谱复杂、辨认困难的特点,针对性的加入波形比对的功能,可随时进行采集各个通道的数据进行对比,用以发现问题,适用于不同层次的操作人员进行使用,发现异常可以进行进一步故障检查和判断。
李合林[10]（2018）在《风电机组传动链高速轴系损伤机理与故障诊断技术研究》文中研究表明近年来我国在风力发电领域快速发展,装机容量和规模都有很大的提升。然而早期安装风电机组经过若干年的运行,传动链中的高速轴系部件故障频发。如何减少风电机组传动链高速轴系部件的突发事故率和故障停机时间,从而降低维修成本、提高经济效益,已经成为风力发电投资建设、运营维护中急需解决的问题。本文针对风电机组高速轴系部件开展了故障损伤机理与自动诊断方法研究,基于故障损伤机理的研究为风电机组高速轴系技术改进提供了理论依据。最后构建了故障自动诊断系统,试验结果表明该诊断系统能够明显提高风电机组传动链高速轴系故障诊断精度。主要研究内容为:（1）针对风电机组传动链高速轴系的主要故障开展了文献调研和现场测试,并基于故障失效影响进行了分类,找出对设备运行影响较大的典型故障作为故障损伤机理研究对象,研究了其故障现象与故障表现特征、损伤内因和外因,提出了解决方案并进行了验证。（2）基于风电机组传动链高速轴系典型故障损伤机理研究的故障表现特征,开展了适合于监测的传感器和特殊条件下的安装技术、信号传递与处理技术研究;开展了低频振动的时域与频域特征提取技术研究,实现了对不平衡、不对中、松动等故障特征的自动提取;开展了基于广义共振与共振解调技术的故障冲击特征提取方法研究,实现了对故障产生的冲击应力信号特征的自动提取;开展了温度和油液金属颗粒处理方法研究,实现了温度和油液金属颗粒信号特征的自动提取;开展了转速、风速、功率等运行工况数据特征同步提取方法研究,提取了运行工况数据特征,并将其作为故障诊断的辅助特征信息。（3）通过基于概率神经网络的“多测点互证法”、案例与专家经验的多特征加权故障诊断方法、多源信息融合和改进D-S证据的故障诊断方法等构建了多物理量信息融合的故障自动诊断综合决策模型,通过现场采集的多个单一物理量监测案例数据和工况数据验证了模型构建的自动诊断系统诊断效果,结果表明该诊断系统能够明显地提高故障诊断精度。
二、轴承跑圈快速可靠的维修方法（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、轴承跑圈快速可靠的维修方法（论文提纲范文）
（1）潜水泵智能运维系统的研发（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机械设备状态监测技术的研究现状 |
| 1.2.2 机械设备故障诊断理论的研究现状 |
| 1.2.3 潜水泵状态监测与故障诊断的研究现状 |
| 1.3 课题主要研究内容 |
| 1.3.1 泵机数据采集终端的研发 |
| 1.3.2 云端服务系统的研发 |
| 1.4 论文结构 |
| 第二章 潜水泵智能运维系统总体方案 |
| 2.1 潜水泵典型故障分析 |
| 2.2 潜水泵智能运维系统总体方案 |
| 2.3 本章小结 |
| 第三章 泵机数据采集终端研发 |
| 3.1 泵机数据采集终端整体方案 |
| 3.2 泵机数据采集终端设计 |
| 3.2.1 传感器选型 |
| 3.2.2 传感器集成 |
| 3.2.3 数据采集单元设计 |
| 3.3 无线通讯模块设计 |
| 3.3.1 无线通讯模块选型 |
| 3.3.2 Air202 GPRS无线通讯模块的通讯方式 |
| 3.3.3 基于物联网的协议—MQTT协议 |
| 3.3.4 EMQ服务器登录设置 |
| 3.4 元器件的供电方案 |
| 3.5 泵机数据采集终端验证性试验 |
| 3.6 本章小结 |
| 第四章 云端服务系统研发 |
| 4.1 云端服务系统设计 |
| 4.1.1 云端服务系统总体需求 |
| 4.1.2 云端服务系统的数据服务流程 |
| 4.2 数据存储单元设计 |
| 4.2.1 数据库的选择 |
| 4.2.2 数据库的结构设计 |
| 4.2.3 数据的存储 |
| 4.2.4 数据访问流程设计 |
| 4.3 后端服务集群设计 |
| 4.3.1 后端服务集群的逻辑设计 |
| 4.3.2 路由层设计 |
| 4.3.3 用户模块和用户请求信息设计 |
| 4.4 人机交互系统设计 |
| 4.4.1 Vue简介 |
| 4.4.2 功能模块划分 |
| 4.4.3 监测数据的可视化 |
| 4.4.4 泵机管理模块设计 |
| 4.4.5 用户管理模块设计 |
| 4.5 本章小结 |
| 第五章 潜水泵故障诊断理论研究 |
| 5.1 阈值法异常条件检测 |
| 5.1.1 轴承和绕组温度数据的异常条件检测方法 |
| 5.1.2 电源电压数据的异常条件检测 |
| 5.2 基于支持向量回归的电流数据诊断方法研究 |
| 5.2.1 支持向量回归方法 |
| 5.2.2 核函数的类型 |
| 5.2.3 流量-电流数据故障诊断模型的建立 |
| 5.3 本章小结 |
| 第六章 实验结果与分析 |
| 6.1 潜水泵智能运维系统整体实验 |
| 6.2 数据采集实验 |
| 6.3 监测数据的实时显示功能测试 |
| 6.4 监测数据的实时报警功能测试 |
| 6.5 基于支持向量回归的电流数据分析结果 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（2）基于深度学习的双馈式风电机组发电机系统状态监测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 状态监测方法研究现状 |
| 1.2.2 剩余寿命预测技术研究现状 |
| 1.3 论文研究内容与主要结构 |
| 第二章 数据预处理及算法运行环境搭建 |
| 2.1 引言 |
| 2.2 双馈式风电机组简介 |
| 2.3 SCADA数据 |
| 2.3.1 SCADA数据介绍 |
| 2.3.2 SCADA数据预处理 |
| 2.4 CMS数据 |
| 2.4.1 CMS数据介绍 |
| 2.4.2 CMS数据预处理 |
| 2.5 算法运行环境 |
| 第三章 基于SCADA数据和马氏距离的状态监测方法 |
| 3.1 引言 |
| 3.2 马氏距离 |
| 3.3 监测方法 |
| 3.4 SCADA数据验证分析 |
| 3.5 方法特性分析 |
| 第四章 基于SCADA数据和稀疏自编码神经网络的状态监测方法 |
| 4.1 引言 |
| 4.2 稀疏自编码神经网络 |
| 4.2.1 神经网络 |
| 4.2.2 稀疏自编码器 |
| 4.3 监测方法 |
| 4.4 SCADA数据验证分析 |
| 4.5 方法特性分析 |
| 第五章 基于SCADA数据与生成对抗网络的状态监测方法 |
| 5.1 引言 |
| 5.2 生成对抗网络 |
| 5.3 监测方法 |
| 5.4 SCADA数据验证分析 |
| 5.5 方法特性分析 |
| 第六章 基于CMS数据的异常部位状态预测方法 |
| 6.1 引言 |
| 6.2 基于长短期记忆网络的剩余寿命预测方法 |
| 6.2.1 长短期记忆网络 |
| 6.2.2 剩余寿命预测方法 |
| 6.3 CMS数据验证 |
| 第七章 结论与展望 |
| 7.1 论文工作总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读硕士学位期间发表的学术论文 |
| 3 参与的科研项目及获奖情况 |
| 4 发明专利 |
| 学位论文数据集 |
（3）基于声音的机车转向架维修质量定量评估技术（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基于声音信号的机械设备诊断研究现状 |
| 1.3.2 机车转向架跑合监测研究现状 |
| 1.4 本文研究内容及结构安排 |
| 第二章 机车转向架故障类型及声源分析 |
| 2.1 机车转向架结构组成 |
| 2.2 转向架轴承故障类型及声源分析 |
| 2.2.1 轴承故障类型及特征 |
| 2.2.2 滚动轴承声源分析 |
| 2.3 转向架齿轮箱故障类型及声源分析 |
| 2.3.1 齿轮箱故障类型 |
| 2.3.2 齿轮箱声源分析 |
| 2.4 本章小结 |
| 第三章 基于声音的转向架异常检测方法研究 |
| 3.1 转向架跑合试验声音信号处理的难点 |
| 3.2 转向架跑合试验声音信号降噪方法研究 |
| 3.2.1 声音信号的小波包降噪方法 |
| 3.2.2 降噪实例验证 |
| 3.3 转向架异常检测方法研究 |
| 3.3.1 转向架声音信号特征参数选择研究 |
| 3.3.2 基于高斯混合模型模型的转向架异常检测方法研究 |
| 3.4 实验验证及方法对比 |
| 3.4.1 故障模拟实验方案 |
| 3.4.2 实验数据处理及分析 |
| 3.5 本章小结 |
| 第四章 转向架故障诊断及维修质量定量评估方法研究 |
| 4.1 转向架故障诊断研究 |
| 4.1.1 改进谱峭度研究 |
| 4.1.2 实验验证及方法对比 |
| 4.2 转向架维修质量定量评估研究 |
| 4.2.1 轴承可靠性等级研究 |
| 4.2.2 齿轮箱维修质量等级研究 |
| 4.2.3 制定转向架维修质量评估指标 |
| 4.2.4 实验验证 |
| 4.3 基于声音信号的转向架维修质量评估方法 |
| 4.4 本章小结 |
| 第五章 基于声音的转向架维修质量定量评估系统研发及应用 |
| 5.1 机车转向架跑合试验介绍 |
| 5.2 转向架跑合试验监测系统设计 |
| 5.2.1 监测系统组成设计 |
| 5.2.2 监测系统功能和特点 |
| 5.3 现场应用 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表学术论文 |
| 作者和导师简介 |
| 附件 |
（4）基于TPM的S公司洗浆机运行可靠性分析与改善（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 洗浆机的发展及国内外相关研究综述 |
| 1.3.1 洗浆机的发展动态 |
| 1.3.2 可靠性理论的发展现状 |
| 1.3.3 TPM理论的研究应用现状 |
| 1.4 研究方法 |
| 1.5 研究内容、技术路线及创新点 |
| 2 相关理论介绍 |
| 2.1 可靠性理论简介 |
| 2.1.1 可靠性的度量 |
| 2.1.2 故障树理论 |
| 2.1.2.1 故障树分析的定义 |
| 2.1.2.2 故障树分析的主要符号 |
| 2.1.2.3 故障树分析的基本步骤 |
| 2.1.2.4 故障树的建立 |
| 2.1.2.5 故障树的简化、规范化和模块分析 |
| 2.1.2.6 故障树的定性分析 |
| 2.1.2.7 故障树的定量分析 |
| 2.2 TPM理论简介 |
| 2.2.1 TPM的理论定义 |
| 2.2.2 TPM理论的内容 |
| 2.2.3 TPM的推行步骤 |
| 2.2.4 TPM的评价内容 |
| 2.3 本章小结 |
| 3 S公司洗浆机系统现状及设备管理问题分析 |
| 3.1 S公司简介 |
| 3.2 企业设备管理概况 |
| 3.2.1 S公司制浆工艺流程及设备特点 |
| 3.2.2 S公司生产设备管理方法和制度 |
| 3.2.3 S公司洗浆机系统运行现状 |
| 3.3 S公司设备管理工作目前存在的主要问题 |
| 3.4 推行TPM的必要性 |
| 3.5 本章小结 |
| 4 洗浆机系统运行可靠性建模 |
| 4.1 S公司洗浆机系统结构原理及故障统计 |
| 4.1.1 洗浆机系统的结构 |
| 4.1.2 洗浆机系统的工作原理 |
| 4.1.3 洗浆机系统故障统计分析 |
| 4.2 S公司洗浆机系统设备的常见故障分析 |
| 4.2.1 液压系统设备故障 |
| 4.2.2 洗涤系统设备故障 |
| 4.2.3 进、出浆系统设备故障 |
| 4.3 S公司洗浆机系统设备故障树的建立 |
| 4.3.1 洗浆机故障树的定性分析 |
| 4.3.2 洗浆机故障树的定量分析 |
| 4.3.2.1 故障树顶事件发生概率的计算 |
| 4.3.2.2 系统零部件重要度计算 |
| 4.4 本章小结 |
| 5 洗浆机TPM活动模型建立、实施及效果 |
| 5.1 S公司洗浆机系统TPM活动模型建立及实施 |
| 5.1.1 洗浆机系统的薄弱环节 |
| 5.1.2 操作人员自主维护制度的建立及实施 |
| 5.1.3 洗浆机专业保全制度的建立及实施 |
| 5.1.4 洗浆机系统关键部件的个别改善 |
| 5.1.5 提升专业保全技能的教育训练的建立及实施 |
| 5.1.6 维修流程的重塑 |
| 5.2 S公司洗浆机系统TPM活动模型实施效果分析 |
| 5.2.1 有形效果 |
| 5.2.2 无形效果 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）基于实际工况的纸机振动监测与故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 行业应用 |
| 1.2.2 研究方向 |
| 1.3 本课题的研究目的及意义 |
| 1.4 本课题的研究内容 |
| 1.5 本课题研究的创新点及重点、难点 |
| 第2章 工厂目前监测系统分析研究 |
| 2.1 引言 |
| 2.2 工厂目前在线监测分析研究 |
| 2.2.1 在线监测构成分析 |
| 2.2.2 在线监测数据收集分析 |
| 2.2.3 在线监测使用情况及其优缺点讨论 |
| 2.3 工厂目前离线监测分析研究 |
| 2.3.1 离线监测构成分析 |
| 2.3.2 离线监测数据采集方法分析 |
| 2.3.3 离线监测使用情况及其优缺点讨论 |
| 2.4 本章小结 |
| 第3章 纸机常见故障诊断规律研究 |
| 3.1 引言 |
| 3.2 纸厂设备特点研究 |
| 3.2.1 轴承故障经典分析 |
| 3.2.2 齿轮故障经典分析 |
| 3.2.3 电机故障经典分析 |
| 3.2.4 其他故障经典分析 |
| 3.3 本章小结 |
| 第4章 振动组人员架构分析 |
| 4.1 引言 |
| 4.2 不同监测方式平均耗时统计 |
| 4.3 四条产线监测诊断时间计算 |
| 4.4 本章小结 |
| 第5章 振动监测对纸机时间效率和经济效益的影响 |
| 5.1 引言 |
| 5.2 系统使用前后时间效率数据 |
| 5.2.1 时间效率分析 |
| 5.3 系统使用前后经济效益数据 |
| 5.3.1 经济效益分析(本节效益数据模糊化) |
| 5.4 本章小结 |
| 第6章 结论 |
| 附录 |
| 参考文献 |
| 学术成果 |
| 致谢 |
（6）基于故障树方法的减速机故障诊断分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障诊断技术的研究现状 |
| 1.2.2 故障树方法的国内外研究现状 |
| 1.2.3 减速机故障诊断的研究现状 |
| 1.3 本文主要的研究内容 |
| 2 减速机常见故障诊断及故障树方法理论 |
| 2.1 常用工业减速机结构、零部件及故障形态介绍 |
| 2.1.1 齿轮故障 |
| 2.1.2 传动轴故障 |
| 2.1.3 轴承故障 |
| 2.1.4 密封及漏油故障 |
| 2.1.5 箱体故障 |
| 2.1.6 润滑系统及噪声振动故障 |
| 2.2 减速机故障素材的收集与诊断 |
| 2.2.1 案例一：某矿wk-35提升二轴齿面点蚀原因分析 |
| 2.2.2 案例二：某钢厂140t铸造吊主起升减速机异响原因分析 |
| 2.3 故障树理论在减速机中的应用现状 |
| 2.4 故障树理论 |
| 2.4.1 故障树分析方法的特点 |
| 2.4.2 故障树分析法的常用基本符号 |
| 2.4.3 逻辑门和符号 |
| 2.4.4 转移符号 |
| 2.5 故障树分析方法的步骤 |
| 2.5.1 故障树的建造 |
| 2.5.2 故障树的定性分析 |
| 2.5.3 故障树的定量分析 |
| 2.6 本章小结 |
| 3 基于计算机辅助平台的减速机故障树分析 |
| 3.1 故障树分析计算辅助平台 |
| 3.2 减速机故障树分析 |
| 3.2.1 故障树分析概述 |
| 3.2.2 漏油故障树分析 |
| 3.2.3 轴承故障树分析 |
| 3.2.4 齿轮故障树分析 |
| 3.2.5 传动轴故障树分析 |
| 3.2.6 箱体故障树分析 |
| 3.2.7 噪声振动故障树分析 |
| 3.3 故障树计算辅助平台分析结果 |
| 3.4 本章小结 |
| 4 基于故障树分析结果的维修改进策略 |
| 4.1 减速机故障维修改进策略 |
| 4.1.1 漏油故障维修改进策略 |
| 4.1.2 轴承故障维修改进策略 |
| 4.1.3 齿轮故障维修改进策略 |
| 4.1.4 传动轴故障维修改进策略 |
| 4.1.5 箱体故障维修改进策略 |
| 4.1.6 噪声振动故障维修改进策略 |
| 4.2 本章小结 |
| 5 故障树分析研究效果评价 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（7）风力发电机组故障在线诊断技术的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 故障在线诊断技术的发展现状 |
| 1.2.1 概述 |
| 1.2.2 国外研究水平与现状 |
| 1.2.3 国内研究水平与现状 |
| 1.3 课题的内容和任务 |
| 1.4 课题的创新点 |
| 第2章 风电机组基本结构和原理 |
| 2.1 引言 |
| 2.2 风电机组传动系统基本结构 |
| 2.3 风电机组典型机械故障分析 |
| 2.3.1 齿轮箱常见故障类型 |
| 2.3.2 主轴及轴系常见故障类型 |
| 2.3.3 发电机常见故障类型 |
| 2.4 风电机组齿轮箱机械振动分析 |
| 2.4.1 齿轮箱齿轮常见故障与振动的关系 |
| 2.4.2 齿轮箱轴承常见故障与振动的关系 |
| 2.5 风电机组主轴机械振动分析 |
| 2.6 风电机组发电机机械振动分析 |
| 2.7 本章小结 |
| 第3章 风电机组振动在线诊断方法 |
| 3.1 机械振动原理 |
| 3.2 常见风电机组振动诊断分析方法 |
| 3.3 风电机组振动在线诊断原理 |
| 3.4 风电机组振动诊断系统的设计与建设 |
| 3.5 本章小结 |
| 第4章 风力发电机组故障在线诊断应用实例分析 |
| 4.1 在线管理系统 |
| 4.2 在线监测系统诊断分析功能 |
| 4.3 风电机组主轴轴承故障案例分析 |
| 4.4 风电机组齿轮箱轮齿故障案例 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 主要研究结论 |
| 5.2 后续研究工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（9）针对聚丙烯挤压造粒机的齿轮箱状态监测与分析系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究目的及意义 |
| 1.2 齿轮箱振动监测国内外研究现状 |
| 1.3 本文研究的内容 |
| 1.4 本章小结 |
| 第二章 典型轴承和齿轮故障形式及特征 |
| 2.1 典型齿轮故障形式及特征 |
| 2.1.1 典型齿轮故障形式 |
| 2.1.2 齿轮振动特征参数 |
| 2.1.3 典型齿轮故障信号特征 |
| 2.2 典型轴承故障形式及特征 |
| 2.2.1 典型轴承故障形式 |
| 2.2.2 滚动轴承振动的基本参数 |
| 2.2.3 典型的轴承故障振动信号特点 |
| 2.3 本章小结 |
| 第三章 滚动轴承与齿轮的振动信号分析和故障诊断方法 |
| 3.1 时域统计分析方法 |
| 3.2 频域分析方法 |
| 3.2.1 傅里叶变换 |
| 3.2.2 功率谱分析 |
| 3.2.3 细化谱分析法 |
| 3.2.4 包络解析分析法 |
| 3.3 本章小结 |
| 第四章 齿轮箱振动监测系统搭建 |
| 4.1 软件系统研究 |
| 4.1.1 虚拟仪器及Labview |
| 4.1.2 Labview编程设计模式的选择 |
| 4.1.3 Labview文件存储技术的研究 |
| 4.1.4 数据库存储技术 |
| 4.1.5 网络通信协议选择 |
| 4.2 硬件系统研究 |
| 4.2.1 数据采集卡 |
| 4.2.2 振动传感器的选择 |
| 4.3 Labview软件总体设计方案 |
| 4.3.1 数据采集模块设计 |
| 4.3.2 数据分析模块 |
| 4.3.3 历史记录功能 |
| 4.3.4 报警查询功能 |
| 4.3.5 波形比对功能 |
| 4.4 本章小结 |
| 第五章 检测系统应用分析 |
| 5.1 试验对比及论证 |
| 5.1.1 同类设备比对 |
| 5.1.2 电机轴承故障试验 |
| 5.1.3 齿轮故障实验 |
| 5.2 实际应用 |
| 5.3 齿轮箱相关故障频谱分析 |
| 5.4 本章小结 |
| 第六章 总结与期望 |
| 参考文献 |
| 攻读硕士学位期间取得的的学术成果 |
| 致谢 |
（10）风电机组传动链高速轴系损伤机理与故障诊断技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景和意义 |
| 1.1.1 课题来源 |
| 1.1.2 选题依据和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风电机组传动链高速轴系故障模式与损伤机理研究现状 |
| 1.2.2 风电机组传动链高速轴系状态监测与故障诊断方法研究现状 |
| 1.3 论文主要研究内容与结构安排 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文的结构安排 |
| 第二章 风电机组传动链高速轴系结构和工作原理 |
| 2.1 风电机组结构与工作原理 |
| 2.1.1 风电机组结构 |
| 2.1.2 风电机组工作原理 |
| 2.2 风电机组传动链高速轴系组成与功能简介 |
| 2.2.1 风电机组传动链高速轴系组成 |
| 2.2.2 风电机组传动链高速轴系主要部件结构与功能简介 |
| 2.3 小结 |
| 第三章 风电机组传动链高速轴系损伤机理研究 |
| 3.1 风电机组传动链高速轴系存在的主要故障及其产生原因 |
| 3.2 风电机组传动链高速轴系典型故障损伤机理 |
| 3.2.1 齿轮箱平行级齿轮、轴承典型故障损伤机理及特征 |
| 3.2.2 联轴器断裂和松动损伤机理及特征 |
| 3.2.3 发电机轴承疲劳与电蚀损伤机理及特征 |
| 3.2.4 发电机测速编码器损坏和电刷滑环损伤机理及特征 |
| 3.2.5 发电机固定螺栓松动断裂损伤机理及特征 |
| 3.3 小结 |
| 第四章 风电机组传动链高速轴系故障特征提取方法 |
| 4.1 基于多物理量的传感器及测点布置 |
| 4.1.1 基于多物理量的传感器设计(选型) |
| 4.1.2 基于多物理量的传感器测点布置 |
| 4.2 基于多物理量的监测信号处理 |
| 4.3 基于多物理量的特征提取方法 |
| 4.3.1 常规振动故障诊断特征提取 |
| 4.3.2 基于广义共振与共振解调故障诊断特征提取 |
| 4.3.3 温度、油液金属颗粒等信息故障诊断特征提取 |
| 4.3.4 SCADA系统工况信息辅助故障诊断特征提取 |
| 4.4 小结 |
| 第五章 风电机组传动链高速轴系故障诊断决策方法 |
| 5.1 基于多物理量信息融合的故障诊断综合决策模型 |
| 5.2 基于多物理量信息融合综合决策的典型故障诊断方法 |
| 5.2.1 基于概率神经网络的“多测点互证法”故障诊断 |
| 5.2.2 基于案例与专家经验的多特征加权故障诊断 |
| 5.2.3 基于多源信息融合和改进D-S证据的故障诊断 |
| 5.3 基于多物理量信息融合的故障诊断综合决策方法应用验证 |
| 5.4 小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、轴承跑圈快速可靠的维修方法（论文参考文献）
- [1]潜水泵智能运维系统的研发[D]. 袁正涛. 济南大学, 2020(01)
- [2]基于深度学习的双馈式风电机组发电机系统状态监测方法研究[D]. 许壮伟. 浙江工业大学, 2020(02)
- [3]基于声音的机车转向架维修质量定量评估技术[D]. 闫戈. 北京化工大学, 2019(06)
- [4]基于TPM的S公司洗浆机运行可靠性分析与改善[D]. 胡伟伟. 青岛科技大学, 2019(12)
- [5]基于实际工况的纸机振动监测与故障诊断研究[D]. 顾少华. 浙江理工大学, 2019(06)
- [6]基于故障树方法的减速机故障诊断分析研究[D]. 孔令国. 大连理工大学, 2018(07)
- [7]风力发电机组故障在线诊断技术的研究[D]. 王德海. 吉林大学, 2018(04)
- [8]兆瓦级风电齿轮箱温度超限原因探讨分析[A]. 张军苗. 风能产业（2018年11月）, 2018
- [9]针对聚丙烯挤压造粒机的齿轮箱状态监测与分析系统研究[D]. 李开贵. 中国石油大学(华东), 2018(09)
- [10]风电机组传动链高速轴系损伤机理与故障诊断技术研究[D]. 李合林. 国防科技大学, 2018(01)