京 东 价：
[定价：￥]
PLUS会员专享价
您购买此商品可享受专属价
增值业务：
重　　量：
搭配赠品：
服务支持：
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
旋转机械振动分析与工程应用
商品介绍加载中...
扫一扫，精彩好书免费看
京东商城向您保证所售商品均为正品行货，京东自营商品开具机打发票或电子发票。
凭质保证书及京东商城发票，可享受全国联保服务（奢侈品、钟表除外；奢侈品、钟表由京东联系保修，享受法定三包售后服务），与您亲临商场选购的商品享受相同的质量保证。京东商城还为您提供具有竞争力的商品价格和，请您放心购买！
注：因厂家会在没有任何提前通知的情况下更改产品包装、产地或者一些附件，本司不能确保客户收到的货物与商城图片、产地、附件说明完全一致。只能确保为原厂正货！并且保证与当时市场上同样主流新品一致。若本商城没有及时更新，请大家谅解！
权利声明：京东上的所有商品信息、客户评价、商品咨询、网友讨论等内容，是京东重要的经营资源，未经许可，禁止非法转载使用。
注：本站商品信息均来自于合作方，其真实性、准确性和合法性由信息拥有者（合作方）负责。本站不提供任何保证，并不承担任何法律责任。
印刷版次不同，印刷时间和版次以实物为准。
价格说明：
京东价：京东价为商品的销售价，是您最终决定是否购买商品的依据。
划线价：商品展示的划横线价格为参考价，该价格可能是品牌专柜标价、商品吊牌价或由品牌供应商提供的正品零售价（如厂商指导价、建议零售价等）或该商品在京东平台上曾经展示过的销售价；由于地区、时间的差异性和市场行情波动，品牌专柜标价、商品吊牌价等可能会与您购物时展示的不一致，该价格仅供您参考。
折扣：如无特殊说明，折扣指销售商在原价、或划线价（如品牌专柜标价、商品吊牌价、厂商指导价、厂商建议零售价）等某一价格基础上计算出的优惠比例或优惠金额；如有疑问，您可在购买前联系销售商进行咨询。
异常问题：商品促销信息以商品详情页“促销”栏中的信息为准；商品的具体售价以订单结算页价格为准；如您发现活动商品售价或促销信息有异常，建议购买前先联系销售商咨询。
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
浏览了该商品的用户还浏览了
加载中，请稍候...
七日畅销榜
新书热卖榜
iframe(src='///ns.html?id=GTM-T947SH', height='0', width='0', style='display: visibility:') 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
旋转机械振动故障诊断培训课件1
下载积分：3000
内容提示：旋转机械振动故障诊断培训课件1
文档格式：PDF|
浏览次数：3|
上传日期： 01:21:15|
文档星级：
全文阅读已结束，如果下载本文需要使用
 3000 积分
下载此文档
该用户还上传了这些文档
旋转机械振动故障诊断培训课件1
关注微信公众号旋转机械振动故障相似性系数的优化挖掘方法--《科技通报》2016年04期
旋转机械振动故障相似性系数的优化挖掘方法
【摘要】：针对旋转机械振动故障数据分类挖掘的效率极低、误差率大的问题。为此,提出基于相似性系数与粒子群算法融合的旋转机械振动故障数据优化挖掘方法。以故障数据之间的差异性为依据,对故障数据进行中心化、无量化及标准化处理,以此保证故障数据变量的统一性,为故障数据挖掘提供便利;依据相似系数理论,构建异常旋转机械振动故障数据库挖掘的数学模型,并采用粒子群算法对该模型进行求解,计算旋转机械振动故障数据库挖掘模型的最优解,实现并行数据库故障数据精确挖掘。实验结果表明,采用改进算法进行旋转机械振动故障数据优化挖掘,能够提高挖掘的速度与精度,提高算法鲁棒性,满足了机械振动故障数据库实际的应用需求。
【作者单位】：
【关键词】：
【分类号】：TP311.13;TH17【正文快照】：
0引言随着数据库技术的发展与普及,数据库的规模不断扩大,对大型旋转机械数据库中的故障数据进行挖掘,可以保证大型旋转机械设备振动监测与故障诊断的准确性。但对于故障数据的分类挖掘实现过程复杂,直接影响了故障数据挖掘效果与正常的应用需求。如何有效的进行故障数据优化
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【相似文献】
中国期刊全文数据库
付汝楫;;[J];机械强度;1985年02期
陈敢泽;王祖绅;;[J];新技术新工艺;1991年06期
黄生琪,周菊华;[J];中国设备工程;2005年04期
李鸿;马立军;;[J];齐齐哈尔大学学报(自然科学版);2008年04期
侯敬宏,黄树红,申弢,张燕平;[J];南京师范大学学报(工程技术版);2002年02期
郭欢;李小东;王宇;;[J];机电产品开发与创新;2014年03期
李剑峰;;[J];通用机械;2008年01期
姬广勤;徐兴科;赵以万;;[J];风机技术;2006年06期
申大勇;;[J];中国设备工程;2011年01期
阮跃,徐世昌,黄文虎;[J];发电设备;1997年05期
中国重要会议论文全文数据库
王先平;黄贻玉;;[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年
金颖;温广瑞;郎博;刘振扬;;[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
钱广华;温广瑞;田利凯;张西宁;;[A];第9届全国转子动力学学术讨论会ROTDYN'2010论文集[C];2010年
李培明;;[A];冀晋琼粤川鲁六省金属学会第十五届矿山学术交流会论文集[C];2008年
中国硕士学位论文全文数据库
陈非;[D];华中科技大学;2005年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号旋转机械的故障预测方法综述
10:45:55& 来源：&
　　二、难点问题与展望
　　尽管针对旋转机械的故障预测技术取得了许多成果，但是尚存在以下难点问题有待进一步加以解决。
　　2.1 多变量预测问题
　　对旋转机械而言，振动信号中蕴含着丰富的设备运行状态信息，并且振动信号对大多数机械故障都很敏感。故障会引起振级的增加，至少是振动特征的改变。这表明振动信号是反映旋转机械工作状态和故障演化情况的一个极其重要的参数指标。现有的方法主要利用单变量的振动信号来预测旋转机械的运行状态。然而，仅采用单变量进行故障预测显然是不合理的。例如，对烟气轮机而言，机组的烟气入口和出口的温度、压力，烟气轮机、联轴器、发电机的振动以及连接轴的轴向位移等都是表征机组正常运行与否的重要参数。为了能够掌握机组的运行状况，在机组上相应位置安装了温度、压力、键相和振动等传感器进行监测，从而为诊断和预测提供数据。烟气轮机机组测点布置如图3所示。
　　常见的基于单变量振动数据的状态预测技术无法利用多维测量数据的有效信息，难以检测性能退化初期微弱的故障征兆。为了处理多个相关测量变量的联合监测问题，人们于20世纪90年代初期使用主元分析模型( Principal component analysis，PCA)和偏最小二乘模型(partial least squares，PLS)进行数据建模，并提出了相应的过程监控方法。多变量预测可以把同一时刻的测量数据中多个变量间的内在联系和相互影响考虑在内。例如，Li等人将统计过程监控方法用于故障预测，取得了很好的效果。目前，国际上基于多变量数据的故障预测方法的研究才刚刚起步，成果相对较少。因此，研究多变量数据驱动的旋转机械故障预测方法具有广泛的发展空间。
　　2.2 非线性和非平稳问题
　　旋转机械系统是一类复杂非线性动力系统。从工程中所获得的设备运行状态的动态信号，其平稳性是相对的、非平稳性是绝对的和广泛的。旋转机械运行的状态特征信息具有非线性、非平稳特性，导致其故障预测面临着大量复杂的非线性、非平稳动态信号，需要
　　用到非线性的数据模型，例如，核主元分析(kernel principal component analysis，KPCA)等。传统的数据模型多假设测量变量的分布是多元高斯分布，这与实际数据不相符合，需要用非高斯的数据模型，例如，独立主元分析(independent component analysis,ICA)。随着故障检测和预测要求的日益提高，原可忽略的非线性和非高斯问题越来越突出。因此，研究基于非线性和非高斯数据模型的旋转机械故障预测方法具有重大的现实意义和应用价值。
　　2.3 网络化预测问题
　　旋转机械故障预测还存在对象数据获取和算法验证困难等问题。故障预测算法的开发和验证工作都离不开大量对象系统数据的支持。数据来源一般概括为三类：一是实际工况数据，此类数据可以涵盖已知对象各种工况、负载和环境因素，数据真实可靠，但需要构建数据获取平台;二是基于实验台的故障注入实验数据，此类数据的真实性可以在一定程度上得到保证，不足之处在于它不能完全描述对象实际故障演化过程;三是模型仿真数据，此类数据可以按照算法开发和验证要求进行定制，但其数据真实性通常无法保证，而且难以建立可靠的仿真模型。为了保证所采用的故障预测方法能够达到预期的目标，需要对其进行验证。通常采用的仿真验证难以取得令人信服的验证结果;而进一步采用的实验台模拟实验验证，也与实际应用环境有较大差距。较有效的解决途径是构建在线数据交互平台。
　　自2007年以来，北京信息科技大学现代测控技术教育部重点实验室建立了大型机械设备RMD8000远程在线监测诊断中心。该中心与国内石化、冶金、煤炭等50家大型企业的近200台大型机械设备互联，可进行工业现场大型机组的实时数据分析、实验研究和方法验证，还可在线提供机组早期故障预测分析结果，并能够及时将数据反馈给企业用户。随着物联网技术的兴起，可进一步构建一种在线实时的故障预测与健康管理( prognostics and health management，PHM)的物联网平台，实现对旋转机械远程状态的监测、故障诊断和故障预测。
　　三、结束语
　　本文以烟气轮机为例阐述了工业过程预测维护的意义和重要性，并将现有的旋转机械故障预测方法依据定性分析的方法(基于知识的方法)和定量分析的方法(基于模型和基于数据的方法)进行分类和比较。最后总结出旋转机械故障预测中有待进一步解决的难点问题，并对此领域未来的发展方向进行了展望。
将本文分享至：|||||
【免责声明】本文仅代表作者个人观点，与中国计量测控网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以 及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
前沿的计量测试资讯海量呈现，高端的计量测试技术权威发布。
计测客户端下载
这里有计量领域最大的社交圈子，您可以在这里交流互动、拓展人脉、施展才华。iPhone
这里有计量领域最大的社交圈子，您可以在这里交流互动、拓展人脉、施展才华。Android
()()()()()()()()()()
新闻频道联系方式
:广告合作热线：010-
:联系邮箱：
Copyright & . All Rights Reserved 中国计量测控网 版权所有 &&&
京ICP备号-1 &&京公网安备079号&& 计测网客服：010-
&&邮编：100095 &&邮箱： &&广告业务QQ：&&客服QQ：
&&投稿QQ：