简介：感应电动机的振动问题是极其有害的。它可能导致可靠性的和大大降低。在整个运行和制造加工过程中避免和减小振动问题是迫切必要的，如果问题发生了，就应尽快发现问题根源并予以解决，应用恰当的知识和诊断方法，通常是可以快速正确确定振动原因的。常常也会因为不明了振动的真正原因而下了错误的结论。这导致专注于设法解决一个错误诊断的问题。而在该过程中花费大量的时间和金钱。通过正确的数据收集和分析方法，可以发现真正的振动根源。这包括（但不限于）以下方面，电不平衡；机械不平衡-电动机，联轴器，被驱动设备，机械因数-松动，摩擦，轴承，等等，外部因素-基础，被驱动设备，未对准，等等，共振，临界转速，簧片临界，等等，一旦了解了电动机内机电相互作用以及外部零部件对电机表现振动的影响，对损坏零部件的识别通常就直截了当，本文提供了一个快捷了解和解决这类振动问题的分析方法。

简介：本文讨论一种应用于内部故障分析和确定相应绕组电感的划分大型同步电机定子绕组的技术。该技术使用一种直接相位表示法，这种方法表明，当划分的绕组出故障时，它就简化成为传统的相位表示法了。

简介：本文给出了作业工业高压感应电动机故障识别用诊断工具和技术的工况监测方法之概要。为确定电动机数据，保护和工况监测方法，维护原理和不同类型故障之间的关系。用统计方法登录和处理了共有6135机组运行年龄，483台电动机新的运行经验数据。为确定故障起动因子，促进因子和根本原因，而进一步分析了各种类型的故障。其结果与前一次调研结果-“1985年IEEE关于工商设施的大型电动机可靠性调研报告”作了比较，在本次调研中，电动机范围为100至1300kW，其中47%在100至500kW之间。

简介：光刻机集光学机械、微电子、计算机、自动控制和精密测量等高新技术于一体,是集成电路制造的关键设备。为维持光刻机正常作业,以企业损失最小为优化目标,对于光刻机常见故障按照设备功能单元逐步缩小排查范围,提出合理的预防措施和故障修复方法。

简介：提出了基于核主元分析（KPCA）和支持向量机（SVM）相结合的齿轮箱齿轮故障识别方法。采用振动信号初始特征空间的内积核函数,将初始特征空间中的非线性问题转换成高维特征空间中的线性问题。通过主元分析对映射到高维空间中的数据信息进行处理,得到初始特征的非线性主元,实现对高维特征参数进行降维。再结合SVM良好的分类能力,结果表明,KPCA和SVM相结合的分类性能在齿轮箱故障诊断方面有更好的效果。

简介：结合实例对运用冲闪法测距进行了分析,并提出了使故障点充分放电应采取的措施,以及测试时应注意的问题及解决措施.

简介：定子绕组故障一般起因于接地壁或者匝间绝缘故障。故障机理包括绝缘中的薄弱部分逐渐的发展。这种薄弱部分通常是连续不断地扩张的空穴所造成的，而这种扩张则是由于不断增加的电晕或局部放电活动所引起的。这个故障方式是从内向向外的。近来在实际电机上的故障研究，和耐压试验下的线圈研究，表明故障能够从外向内发生。表面污染导致剧烈的表面放电和漏流径形成。这种表面放电在电晕活动的向内运动之后能够导致迅速的绕组故障。本文把漏流径形成视作一种故障机理，并对目的在于比较绝缘材料的防漏流径形成能力的一系列标准绝缘材料试验作了叙述。这些试验表明，绝缘材料的结合能够降低一个相当坚固的绝缘系统的防漏流径形成能力，并使其容易发生故障。

简介：为满足风机运营商对设备故障实时监控和预测的需求,探讨了基于自回归积分滑动平均模型（ARIMA）和非线性自回归神经网络模型（NARNN）的组合模型NARIMA。实现方法为：建立ARIMA模型用于预测数据的线性成分,用NARNN模型预测由ARIMA模型预测产生的残差部分,对风机叶片结冰故障的时间序列进行拟合,得到的NARIMA模型可实现对风机叶片结冰故障准确预测。仿真结果表明：NARIMA模型能较好地拟合所给时间序列,预测值符合实际情况和趋势,证明了NARIMA模型的有效性。

简介：现代各级教育都肩负着推进社会公正的使命,这使教育本身的公正和民主倍受瞩目.自20世纪90年代以来,教育资源的分配不公已全面、深刻地体现于教育的各个阶段和环节,其中,这种不公正在基础性的义务教育阶段表现得最为严重.最根本的解决办法是调整目前的义务教育投资体制,加强中央和省级政府对义务教育的投资责任,同时对农村贫困地区的义务教育予以政策上的倾斜和扶持.

简介：随着风电装机容量的持续增长,风能在能源中占比不断增加,对风电机组的故障诊断和故障预测提出了更高的要求。根据故障诊断类别与风力发电机基本结构,对比分析了相应的智能诊断方法,并给出每类算法的改进方法。通过对不同算法理论与实验的比较分析,给出了当前智能故障诊断方法在风力发电机应用领域中的现状、存在的问题。

简介：基于信息融合的观点解决大型设备故障的综合诊断问题。从证据合成的基本理论出发，分析了故障综合诊断中证据的支持和冲突，以风机液压制动系统的故障诊断为例，表明证据理论可以提高故障判决的准确度。

简介：通过对风机传动系统中齿轮故障进行模拟试验,构建结构风险最优的支持向量机（SVM）网络,对采集到的电磁速度信号进行快速傅里叶分解,选取高频段的频谱特性作为分量进行样本化学习,完成对齿轮故障样本的训练,使SVM具备分类功能.最后,采用SVM对齿轮箱试验台齿轮故障进行诊断分类识别,取得较好的效果,说明齿轮故障信号高频特性所包含故障信息在整个频谱中的有效性以及SVM作为一种故障诊断方法的实用性.

简介：针对大型设备故障诊断中特征量表现出来的不确定性和非精确性，提出了一种基于灰色关联理论来获取基本概率测度（BPA）的方法。该方法确定各故障特征量的参考样本，然后根据灰色相关性理论求得待诊断样本的相关系数，所取得的相关系数进行归一化处理即得到BPA值，经过Dempster多源组合规则进行多证据融合，得到最后的诊断结果。将所提方法用于电机转子故障诊断，实验结果表明该方法有效。

简介：本文讨论应用电动机电流频谱分析的方法检测感应电动机滚动轴承的故障。目前用于检测轴承故障工况的方法是监测轴承的机械振动频率。由于这些机械振动与电机气隙变化有关，所以对气隙磁通密度进行调节，产生的定子电流频率也可预测，这种频率是与电源频率和振动频率有关。本文首先研讨电流监测对轴承故障检测的效果，其方法是在轴承初期故障引起的振动频率和电流频率之间建立联系。对轴承故障的型式进行了考察，确定了与轴承具体结构有关的轴承特征频率。叙述了对定子电流频谱的影响，确定了相关的频率。在设计监测定子电流的故障检测图方面，这是一项重要的结果。测试结果显示了具有各种轴承故障的感应电机振动和电流频谱，它们可用来验证振动频率与电流频率之间存在的关系。测试结果清楚地表明定子电流波形可用来识别轴承故障的存在与否。

简介：基于分形理论对智能漏电保护器关键部件——剩余电流互感器的故障进行分析,根据正常状态与故障状态剩余电流互感器输出波形盒维数之间的关系,研究一种电子式的剩余电流互感器故障自诊断方法,通过实验证明该方法的有效性。实验结果表明：该方法能够准确提取故障特征,并完成剩余电流互感器的故障自诊断,为剩余电流互感器故障诊断提供了新的途径。

简介：本文叙述了基于神经网络方法的感应电机转子故障诊断的进展情况。神经网络在适当选择输入输出时可以用比较有效的方法取代用以构成诊断系统知识库的故障电机模型。通过对正常电机的实验性试验和在电机故障情况下的模拟取得的数据来训练网络，诊断系统就可以鉴别“正常”电机和“故障”电机。该程序可取代基于电机模型的诊断程序所要求触发门限的语句。

简介：本文叙述了控制对有故障感应电机性能的影响，通常用于开环运行的诊断指数不再有效。模拟和实验结果显示，在磁场取向控制的电机中励磁电流分量的频谱id，具有能够导致一种有效诊断方法的适当特性，特别是在定子和转子故障情况下，分别在频率2f和2sf时的id频谱分量都与控制参数无关，而与故障程度相关。

简介：采用神经网络来辨识汽车发动机的有关歧气管压力环节的非线性动态模型,为实现系统的非线性动态映射,引入了外部回归项,然后用动态Levenberg-marquardt算法来对动态模型进行参数估计.仿真结果表明,基于神经网络的模型具有较高的精度和较强的通用性.在此基础上,用动态增益矩阵法的故障诊断方法和神经网络实现汽车发动机的在线故障诊断.

简介：本文介绍了南宁市城区中压电网在适应高压电网的发展中存在的主要问题：（１）结构不合理一大量放射形１０ｋＶ线路；（２）一回１０ｋＶ线供一个用户一造成出线走廊紧张，可靠性低；（３）中压用户大量使用断路器一造成变电站结构复杂；（４）城区出现大量架空线。建议采用环网供电、绝缘导线、负荷开关、高速熔丝、电缆等先进技术改造中压网。

简介：本文叙述了感应电动机在线检测的一种新方法。该系统使用了人工神经网络来学习正常电动机在线运行的频谱特性。这种学到的频谱可能包含了许多由对应于常规运行工况的负载所引起的谐波。为将不断受到监控的谐波数减少到易于处理的数量，使用了可选频率滤波器。该频率滤波器按照神经网簇算法只通过那些已知对故障检测有重要意义的谐波，或者那些连续在设定的水平以上的谐波。在充分的训练周期后，在形成新的簇且维持一段时间后，神经网络就发出潜在的故障状态信号。由于故障状态是通过与机器的先前状态作了比较后发觉的，同此，使用这个系统而不需要有关于电动机或负载特性的信息就不可实现在线故障预测。这个检测算法得到了实施，其性能在各类故障上得到了验证。