故障診斷
關(guān)注創(chuàng)建者：shuai2014 創(chuàng)建時(shí)間：2015-12-24
故障診斷的視頻教程
1-80基于matlab的小波包熵與模糊C均值聚類的故障診斷
基于matlab的小波包熵與模糊C均值聚類的故障診斷，以凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)為例進(jìn)行分析。對(duì)數(shù)據(jù)進(jìn)行小波包分解后重構(gòu)，然后提取各頻帶能量分布，后計(jì)算小波包熵進(jìn)行故障診斷。輸出特征可視化結(jié)果。數(shù)據(jù)可更換自己的，程序已調(diào)通，可直接運(yùn)行。 購(gòu)買后可下載視頻中的源程序文件。
￥25.9 1分鐘 6播放
查看
支持向量機(jī)SVM及MATLAB程序視頻算法識(shí)別分類擬合預(yù)測(cè)課程
基于支持向量機(jī)利用圖像屬性分類與程序?qū)崿F(xiàn) 第八章 ?基于LIBSVM軟件利用圖像屬性分類與程序?qū)崿F(xiàn) 第九章 ?基于SVM分析意大利葡萄酒多個(gè)分類 第十章 ?參數(shù)優(yōu)化及交叉驗(yàn)證方法與最佳參數(shù)計(jì)算 第十一章 ?支持向量機(jī)進(jìn)行手寫體數(shù)字圖像識(shí)別分類 第十二章 ?SVM回歸分析預(yù)測(cè)上證開盤指數(shù) 第十三章 ?SVM的信息粒化時(shí)序回歸預(yù)測(cè)上證開盤指數(shù)變化區(qū)間 第十四章 ?基于SVM算法進(jìn)行柴油機(jī)故障診斷
￥210 2小時(shí)32分鐘 298播放
查看
CAE在電機(jī)結(jié)構(gòu)仿真中的應(yīng)用
主要內(nèi)容： 1.電機(jī)研發(fā)中的新挑戰(zhàn)與CAE技術(shù) 2.CAE應(yīng)用于各種電機(jī)類型 3.CAE在故障診斷中的應(yīng)用 4.電機(jī)CAE仿真相關(guān)技術(shù) 5.電機(jī)的CAE/CFD分析相關(guān)軟件
免費(fèi) 27分鐘 325播放
查看
故障診斷的實(shí)例教程
第4篇設(shè)備故障診斷實(shí)例 第4.1章旋轉(zhuǎn)機(jī)械類 4.1.1概述 4.1.2透平壓縮機(jī)組故障診斷實(shí)例 4.1.3汽輪發(fā)電機(jī)組故障診斷實(shí)例 4.1.4風(fēng)機(jī)和泵的故障診斷實(shí)例 4.1.5機(jī)床故障診斷實(shí)例 第4.2章往復(fù)機(jī)械類 4.2.1概述 4.2.2汽車發(fā)動(dòng)機(jī)的監(jiān)測(cè)與診斷實(shí)例 4.2.3中高速內(nèi)燃機(jī)的監(jiān)測(cè)與診斷實(shí)例 4.2.4油樣分析在中高速內(nèi)燃機(jī)的監(jiān)測(cè)與診斷中的應(yīng)用實(shí)例 第4.3章機(jī)械零件類 4.3.1概述 4.3.2齒輪（箱）故障診斷實(shí)例 4.3.3軸承故障診斷實(shí)例 第4.4章工程結(jié)構(gòu)類 4.4.1梁（樁）故障診斷實(shí)例 4.4.2板結(jié)構(gòu)故障診斷實(shí)例 4.4.3剛架結(jié)構(gòu)故障診斷實(shí)例 4.4.4容器類結(jié)構(gòu)故障診斷實(shí)例 4.4.5管道結(jié)構(gòu)故障診斷實(shí)例 4.4.6三維體結(jié)構(gòu)故障診斷實(shí)例 第4.5章液壓設(shè)備類 4.5.1概述 4.5.2液壓泵故障診斷實(shí)例 4.5.3液壓馬達(dá)故障診斷實(shí)例 4.5.4液壓缸故障診斷實(shí)例 4.5.5常用液壓閥故障診斷實(shí)例 4.5.6快鍛機(jī)液壓系統(tǒng)故障診斷實(shí)例 第4.6章電氣設(shè)備類 4.6.1發(fā)電機(jī)故障診斷實(shí)例 4.6.2變壓器故障診斷實(shí)例 4.6.3異步電動(dòng)機(jī)故障診斷實(shí)例 4.6.4直流電機(jī)故障診斷實(shí)例 4.6.5開關(guān)電器故障診斷實(shí)例 第4.7章生產(chǎn)過程綜合診斷 4.7.1概述 4.7.2軋鋼機(jī)在線監(jiān)測(cè)與故障預(yù)報(bào)系統(tǒng) 4.7.3機(jī)械加工工藝過程的監(jiān)測(cè)與診斷 4.7.4織機(jī)故障診斷與管理系統(tǒng) 4.7.5發(fā)電廠動(dòng)力設(shè)備的綜合診斷 第5篇診斷儀器、儀表及其應(yīng)用 第5.1章傳感器、監(jiān)視儀表及應(yīng)用 5.1.1概述 5.1.2電渦流傳感器 5.1.3磁電式速度傳感器 5.1.4壓電式加速度傳感器 5.1.5復(fù)合式振動(dòng)傳感器 5.1.6差動(dòng)變壓器式傳感器 5.1.7溫度傳感器 5.1.8霍爾傳感器 5.1.9傳感器的選用原則 5.1.10常用監(jiān)視儀表 第5.2章數(shù)據(jù)采集器
展開 機(jī)械設(shè)備故障診斷技術(shù)及方法\機(jī)械設(shè)備故障診斷技術(shù)及方法
機(jī)械設(shè)備故障診斷技術(shù)及方法.part1.rar
機(jī)械設(shè)備故障診斷技術(shù)及方法.part2.rar
機(jī)械設(shè)備故障診斷技術(shù)及方法.part3.rar
機(jī)械設(shè)備故障診斷技術(shù)及方法.part4.rar
機(jī)械設(shè)備故障診斷技術(shù)及方法.part5.rar
機(jī)械設(shè)備故障診斷技術(shù)及方法.part6.rar
7.2 關(guān)聯(lián)維數(shù)及其計(jì)算
7.2.1 分形測(cè)度
7.2.2 關(guān)聯(lián)維數(shù)的計(jì)算
7.2.3 關(guān)聯(lián)維數(shù)的影響因素
7.3 基于EMD和關(guān)聯(lián)維數(shù)的轉(zhuǎn)子系統(tǒng)故障診斷方法
7.4 關(guān)聯(lián)維數(shù)和基于EMD的AR模型在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用
7.4.1 關(guān)聯(lián)維數(shù)和基于EMD的AR模型在轉(zhuǎn)子系統(tǒng)故障診斷中的應(yīng)用
7.4.2 關(guān)聯(lián)維數(shù)和基于EMD的AR模型在滾動(dòng)軸承故障診斷中的應(yīng)用
第8章 內(nèi)稟模態(tài)特征能量法
8.1 概述
8.2 基于內(nèi)稟模態(tài)能量熵的故障診斷方法
8.2.1 內(nèi)稟模態(tài)能量熵
8.2.2 基于內(nèi)稟模態(tài)能量熵的特征能量法步驟
8.2.3 試驗(yàn)分析結(jié)果
8.3 基于局部Hilbert邊際能量譜的故障診斷方法
8.3.1 基于局部Hilbert邊際能量譜的特征能量法步驟
8.3.2 實(shí)例分析
8.4 基于Hilbert邊際譜的故障診斷方法
8.4.1 基于Hilbert邊際譜的特征能量法步驟
8.4.2 實(shí)例分析
第9章 內(nèi)稟模態(tài)奇異值分解方法
9.1 概述
9.2 信號(hào)奇異值分解
9.3 基于內(nèi)稟模態(tài)奇異值分解和支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法
9.3.1 基于內(nèi)稟模態(tài)奇異值分解和支持向量機(jī)的齒輪故障診斷方法
9.3.2 基于內(nèi)稟模態(tài)奇異值分解和支持向量機(jī)的滾動(dòng)軸承故障診斷方法
9.3.3 基于內(nèi)稟模態(tài)奇異值熵的轉(zhuǎn)子系統(tǒng)狀態(tài)監(jiān)測(cè)與故障診斷方法
第10章 內(nèi)稟模態(tài)包絡(luò)譜方法
10.1 概述
10.2 包絡(luò)分析法
10.3 基于內(nèi)稟模態(tài)包絡(luò)譜和支持向量機(jī)的滾動(dòng)軸承故障診斷方法
10.3.1 基于內(nèi)稟模態(tài)包絡(luò)譜和支持向量機(jī)的故障診斷方法步驟
10.3.2 實(shí)例分析
10.4 基于內(nèi)稟模態(tài)包絡(luò)譜的齒輪故障診斷方法
10.4.1 齒輪故障振動(dòng)信號(hào)的調(diào)幅特性
10.4.2 仿真信號(hào)分析
10.4.3 實(shí)例分析
參考文獻(xiàn)
展開 處理方法如相關(guān)函數(shù)高階統(tǒng)計(jì)量頻譜的分析
和自回歸滑動(dòng)平均過程小波變換技術(shù)等因此適
應(yīng)性較強(qiáng)原理上它既適用于線性系統(tǒng)也適用于
非線性系統(tǒng)因此是一條很有應(yīng)用前景的故障診斷
技術(shù)路線近年來國(guó)內(nèi)許多學(xué)者在這方面作了深
入研究如HMMHidden Markov Model用于旋
轉(zhuǎn)機(jī)械升降速全過程的故障診斷研究基于可變多
元統(tǒng)計(jì)模型的故障診斷研究采樣時(shí)間序列的故障
數(shù)據(jù)檢測(cè)傳感器誤差故障檢測(cè)方法等在一定程
度上已取得了有實(shí)用價(jià)值的成果
基于信號(hào)處理的故障診斷方法雖然不直接涉及
被診斷對(duì)象的動(dòng)態(tài)模型但它仍然建立在對(duì)故障機(jī)
理的透徹分析和研究基礎(chǔ)上測(cè)量信號(hào)的哪些特征
性狀能夠最顯著地反映出待診斷的故障是必須首
先研究的問題某種意義上這也是能成功實(shí)現(xiàn)故障
診斷的一個(gè)關(guān)鍵技術(shù)問題
小波變換技術(shù)是目前研究的一個(gè)熱點(diǎn)由于它
同時(shí)具有時(shí)域和頻域分析的特點(diǎn)因此對(duì)于準(zhǔn)確分
析系統(tǒng)傳感器的故障十分有利分析時(shí)間信號(hào)的奇
異性信號(hào)頻率結(jié)構(gòu)的變化或同時(shí)進(jìn)行時(shí)間和頻率
特性分析是利用小波變換進(jìn)行故障診斷的主要出
發(fā)點(diǎn)小波變換與神經(jīng)網(wǎng)絡(luò)的結(jié)合是值得重視的一
個(gè)方面此外利用小波變換的濾波性能對(duì)測(cè)量信
號(hào)進(jìn)行降噪處理可以有效地作為故障診斷前信號(hào)
的預(yù)處理方法同時(shí)也為從噪聲特性分析出發(fā)診斷
特定類型的故障提供了一條有效的技術(shù)路線
1.3 基于知識(shí)的診斷方法
基于知識(shí)的故障診斷方法引入了診斷對(duì)象多方
面的信息特別是可以充分利用領(lǐng)域?qū)＜业?em>診斷知
識(shí)避免了對(duì)精確數(shù)學(xué)模型的過分依賴特別在非
線性系統(tǒng)領(lǐng)域被認(rèn)為是一種很有前景的方法專家
系統(tǒng)模糊推理和模式識(shí)別等在故障診斷領(lǐng)域中的
應(yīng)用由來已久由于人工神經(jīng)網(wǎng)絡(luò)具有記憶自學(xué)
習(xí)和能擬合任意連續(xù)非線性函數(shù)的能力以及它的
并行處理全局作用的能力使它在處理非線性問
題和在線估計(jì)等方面具有很強(qiáng)的優(yōu)勢(shì)在復(fù)雜系統(tǒng)
萬方數(shù)據(jù)
科普?qǐng)@地 故障診斷技術(shù)的發(fā)展趨勢(shì)及我們的對(duì)策
自動(dòng)化博覽 變頻調(diào)速技術(shù)講座培訓(xùn)班
展開 7 轉(zhuǎn)子系統(tǒng)狀態(tài)監(jiān)測(cè)與故障診斷及實(shí)例
7.1
轉(zhuǎn)子故障特征
7.2
監(jiān)測(cè)參數(shù)及分析方法
7.3不平衡故障及其診斷
7.4
不對(duì)中故障及其診斷
7.5動(dòng)壓軸承故障及其診斷
7.6動(dòng)靜碰摩故障及其診斷
7.7
轉(zhuǎn)子裂紋故障及其診斷
8 滾動(dòng)軸承狀態(tài)監(jiān)測(cè)與故障診斷及實(shí)例
8.1
滾動(dòng)軸承常見故障
8.2滾動(dòng)軸承特征頻率與振動(dòng)信號(hào)特征
8.3
滾動(dòng)軸承故障簡(jiǎn)易診斷法
8.4
滾動(dòng)軸承故障精密診斷法
9 齒輪箱狀態(tài)監(jiān)測(cè)與故障診斷及實(shí)例
9.1
齒輪常見故障
9.2
齒輪故障的特征頻率與邊頻帶
9.3
齒輪振動(dòng)信號(hào)分析診斷方法
9.4
齒輪故障的噪聲診斷
10
轉(zhuǎn)子系統(tǒng)動(dòng)平衡
10.1剛性轉(zhuǎn)子的平衡
10.2撓性轉(zhuǎn)子的平衡
新建 Microsoft Word 文檔.doc
展開 
故障診斷的相關(guān)專題、標(biāo)簽、搜索
故障診斷的最新內(nèi)容
智能診斷與狀態(tài)反饋驗(yàn)證
提升閥集成電子控制模塊，諾冠還依據(jù)IEC61131標(biāo)準(zhǔn)測(cè)試故障自診斷、狀態(tài)反饋與遠(yuǎn)程通信能力，確保在智能工廠中實(shí)現(xiàn)預(yù)測(cè)性維護(hù)。
高壓比例閥有哪些常見的控制方法？14天前
優(yōu)勢(shì)：抗干擾能力極強(qiáng)，傳輸距離遠(yuǎn)，且能實(shí)現(xiàn)雙向通信，用戶不僅可以設(shè)定參數(shù)，還能實(shí)時(shí)讀取閥門的狀態(tài)、溫度、故障代碼等診斷信息，極大提升了維護(hù)效率。
應(yīng)用場(chǎng)景：適用于復(fù)雜的多軸同步系統(tǒng)、大型自動(dòng)化產(chǎn)線以及對(duì)數(shù)據(jù)追溯有嚴(yán)格要求的智能工廠，IMI Norgren 的高端系列比例閥普遍集成了先進(jìn)的總線接口，讓高壓流體控制變得“智慧”起來。
3.
數(shù)字通信與遠(yuǎn)程控制
所有主流Bronkhorst MFC均支持RS232標(biāo)準(zhǔn)接口，并可選配多種工業(yè)總線協(xié)議，包括Modbus RTU/TCP、PROFIBUS DP、EtherCAT?、DeviceNet?、PROFINET、EtherNet/IP等，這意味著設(shè)備可無縫集成至PLC、DCS或SCADA系統(tǒng)，實(shí)現(xiàn)遠(yuǎn)程設(shè)定值修改、實(shí)時(shí)數(shù)據(jù)讀取、故障診斷與固件升級(jí)（OTA），真正融入工業(yè)4.0架構(gòu)
智能控制：集成位置反饋、過載保護(hù)與Modbus通信，實(shí)現(xiàn)遠(yuǎn)程監(jiān)控與故障診斷。
在質(zhì)檢與維護(hù)環(huán)節(jié)，它是故障診斷的“好幫手”，可模擬電機(jī)堵轉(zhuǎn)、缺相、絕緣老化等故障場(chǎng)景，精定位問題根源，為電機(jī)維護(hù)與檢修提供科學(xué)指導(dǎo)，同時(shí)也能對(duì)老化電機(jī)進(jìn)行壽命預(yù)測(cè)，保障工業(yè)設(shè)備的連續(xù)穩(wěn)定運(yùn)行。
隨著工業(yè)4.0的深入推進(jìn)與新能源、智能制造等產(chǎn)業(yè)的快速發(fā)展，電機(jī)試驗(yàn)平臺(tái)正迎來數(shù)字化、智能化、綠色化的轉(zhuǎn)型升級(jí)，其護(hù)航能力也在不斷提升。
</p><p><strong>七、壽命與可靠性</strong></p><p>諾冠電氣提升閥采用自潤(rùn)滑材料、優(yōu)化流道與抗污染設(shè)計(jì)，使用壽命可達(dá)1000萬次以上，內(nèi)置過載保護(hù)、故障自診斷功能，大幅提升系統(tǒng)安全性與維護(hù)效率。
四、數(shù)據(jù)追溯的實(shí)際價(jià)值
合規(guī)保障：滿足21 CFR Part 11、GMP等法規(guī)對(duì)電子記錄的要求；
故障診斷：快速定位工藝偏差根源，縮短停機(jī)時(shí)間；
工藝優(yōu)化：基于歷史數(shù)據(jù)建模，提升產(chǎn)品一致性和良率；
遠(yuǎn)程運(yùn)維：結(jié)合IIoT平臺(tái)，實(shí)現(xiàn)跨地域設(shè)備狀態(tài)監(jiān)控與維護(hù)。
支持電池充電管理功能（恒流-恒壓曲線），無需額外充電電路；支持485/CAN指令喚醒和“靠近即充”兩種啟動(dòng)模式；可遠(yuǎn)程監(jiān)控充電狀態(tài)、診斷故障、預(yù)測(cè)性維護(hù)。
其一，全棧自動(dòng)化檢測(cè)，減少人工干預(yù)，實(shí)現(xiàn)測(cè)試用例自動(dòng)生成、故障自動(dòng)診斷、數(shù)據(jù)自動(dòng)分析、報(bào)告自動(dòng)生成，提升檢測(cè)精度與效率；其二，全生命周期覆蓋，從屏幕零部件研發(fā)、整車組裝到后期OTA升級(jí)，全程跟進(jìn)性能檢測(cè)，建立可追溯的質(zhì)量管控體系；其三，多場(chǎng)景一體化測(cè)試，兼容中控、儀表、HUD等各類車載顯示設(shè)備，適配不同車企、不同車型的定制化檢測(cè)需求。
結(jié)語(yǔ)
智能汽車的競(jìng)爭(zhēng)，終究是安全與體驗(yàn)的競(jìng)爭(zhēng)。
在半導(dǎo)體制造、光伏產(chǎn)業(yè)、實(shí)驗(yàn)室分析以及精細(xì)化工等高端領(lǐng)域，氣體的精確控制是工藝穩(wěn)定與產(chǎn)品質(zhì)量的核心，作為全球領(lǐng)先的氣體質(zhì)量流量計(jì)供應(yīng)商，布瑯軻鍶特（Bronkhorst）知道，一臺(tái)高精度的質(zhì)量流量控制器（MFC）或流量計(jì)（MFM）若出現(xiàn)異常，不僅會(huì)導(dǎo)致數(shù)據(jù)偏差，更可能引發(fā)整條產(chǎn)線的停機(jī)損失，因此掌握科學(xué)的故障診斷與維修策略，對(duì)于每一位工程師而言都十分重要。
