机械状态监测和故障诊断的最新进展毕业论文_英文论文及翻译 ㊣ 精品文档 值得下载

最新进展武汉理工大学，能源与动力工程学院，可靠性工程研究所，中华人民共和国，武汉，空军雷达学院，黄陂校区，中华人民共和国，武汉，摘要机械设备被广泛应用于各种工业应用。

般在恶劣条件下工作，机械设，传统的频谱分析也有明显的劣势。

傅立叶变换反映信号的整体统计特性，适用于平稳信号分析。

在现实中，从机械设备中的信号测量也是千变万化的，非平稳的，非高斯分布的和非线性随机的。

尤其是当设备发生故障，这种情况出现的更加突出。

对于非平稳信号，些时频细节不能在频谱上反应，并且它的频率分辨率使用傅里叶变换是有限的。

因此对于这些非线性的和非平稳的信号需要提出新方法。

来自于工程实践的强劲需求，也有助于信号分析的快速发展。

对于非平稳信号和非线性信号分析的新方法不断涌现，他们被很快应用于机械故障诊断领域。

信号分析的新方法主要包括时频分析，小波分析，希尔伯特黄变换，独立分量分析，先进的统计分析，非线性信号分析等。

故障推理研究目前，许多方法在诊断推理过程中被采用。

根据他们所属的主体系统，故障诊断，可分为三类基于控制模型的故障诊断基于模式识别的故障诊断基于人工智能的故障诊断。

其中，基于控制模型的故障诊断需要通过理论或实验方法建立模型。

系统参数或系统状态的变化可以直接反映设备的物理过程的变化，因此，它可以为故障诊断提供依据。

这项技术是指模型的建立，参数估计，状态估计，应用观察员等。

因为它要求准确的系统模型，这种方法对于实践中的复杂设备在经济上是不可行的。

模式识别进行集群描述为系列的过程或事件。

它主要分为统计方法和语言结构的方法。

设备的故障诊断，可以作为模式识别的过程被确认，也就是说，它承认的故障，基于提取的故障特征。

有许多共同的识别方法，包括贝叶斯分类，距离函数分类，模糊诊断，故障树分析，灰色理论诊断等等。

近年来，些新技术也已经应用到旋转机械故障诊断的领域中，如模糊集与神经网络组合，基于隐马尔可夫模型的动态模式识别等。

外文翻译原文及译文故障诊断装置的研究与发展故障诊断技术最终发展成为故障诊断仪器，目前其研究和发展有两个方面是便携式震动检测和诊断包括数据采集系统，二是在线环境监控和故障诊断系统。

便携式仪器主要是可以完成数据获取的单片机，当然仪器本身具有数据分析和诊断功能。

在线检测和诊断系统是个由感应器数据采集警报和互锁保护和条件监视组成的子系统，具有较强信号分析和诊断软件。

这些软件主要是美国公司开发的，系统，美国西屋公司开发的系统公司开发的系统，日本三菱公司开发的系统，丹麦公司开发的指南针系统。

中国也成功地开发出大型在线故障诊断系统，主要用于蒸汽涡轮机等重要设备。

由于采用了对设备运行状况的监控手段，网络诊断中心可以通过网络传输信息，随时完成对设备运行的远程检测和监控，远程监控系统还可以采集生产设备运行状况的诊断信息，多程检测系统可以用来控制同条生产线，所有检测仪器可以共享诊断数据。

结论要实现动态系统监控和故障诊断，最主要的是系统能够采集到可靠的特征信息，但是由于系统自身的波动和设备本身的干扰信号信息经常受到干扰，所以很重要的点是要依靠先进的数据处理技术排除噪音以保证数据的准确性。

不管是传统的还是先进的故障诊断技术在各种应用中都已经取得了很大进步，按照信息系统的观点，每项技术都是故障诊断的组成部分，所有部分的有效的融合是最好实现条件监控和故障诊断的保障。

因此故障机制研究信号处理和特征采集故障成因研究和设备发展将更加紧密地联系在起，才能在将来实现故障诊断专家系统。

实现专家诊断系统的核心是突破知识获取的瓶颈，用可靠的方式升级数据模型，提供专家系统的普及能力。

只有这样，故障诊断专家系统才能对潜在异常提供准确的评估，防止事故的发生，确保机械设备的正常运行，将由于设备故障造成的损失降低到最小程度。

致谢这个项目是由来自中国国家自然科学基金的资助国家自然科学基金编号。

备的状态会逐渐恶化。

机械故障占超过的系统故障。

因此，即将到来的机械故障的识别系统，是防止系统故障的关键。

本文讨论了在机械状态监测与故障诊断的最新进展。

从故障机理研究，信号处理和特征提取，故障推理研究和设备开发等方面进行了出色的工作。

概述了些现有的信号处理和特征提取方法。

对这些技术的优点和缺点进行了讨论。

研究结果表明，基于智能信息融合的机械故障诊断专家系统与自我学习和自我更新能力，是机械设备状态监测和故障诊断未来研究的发展方向。

年由爱思唯尔公司出版。

选择和或根据年控制工程与信息科学会议责任同行审查关键词状态监测，故障诊断，振动，信号处理外文翻译原文及译文介绍随着现代科学技术的发展，机械和设备的功能变得越来越完善，并且机械结构变得更大型，集成，智能和复杂。

因此，组件数量显着增加，接合部件的精度要求也更加严格。

相关组件故障的可能性和故障的种类因此也大大增加。

组件故障所造成的恶性事故频繁发生在世界各地，甚至个小的机械故障可能会导致严重的后果。

因此，有效的早期故障检测和诊断是机械正常运转的关键。

虽然在机械设计过程和制造过程中已经采用优化技术来提高机械产品的质量，由于现代设备的复杂性，机械故障仍然难以避免。

状态监测和故障诊断，以先进的科学技术为根本，作为种有效的方式来预测潜在的故障和降低机器故障的成本。

这就是所谓的出现在近三十年的机械设备故障诊断技术，。

机械设备故障诊断技术使用监控机械运转和固定分析和提取重要特征的测量值来校准关键部件的状态。

通过结合历史数据，它可以定量的识别在目前条件下的关键部件，预测即将发生的异常和故障，并且预测它们未来的发展趋势。

这样做，最优化维修策略可以被制定，因此，工业可以从状态监测中大大获益。

，。

机械故障诊断的内容包含四个方面，包括故障机理研究，信号处理和特征提取，故障推理研究，以及设备状态监测和故障诊断的开发。

在过去的几十年里，已经有许多研究者在此领域做了大量的工作。

在这领域个简明的研究评论已经被提出，。

本文讨论了些里程碑式的观点。

介绍新型的信号处理技术。

这些新的信号处理和特征提取方法的优缺点，在这项工作中进行了讨论。

然后，简要回顾了故障推理研究和诊断设备。

最后，未来的研究课题中所描述的是下代智能故障诊断和预测系统。

故障机理研究故障机理的研究是故障诊断的个非常艰难和重要的基础工程，就像病理研究对于医疗相同。

美国学者，于年在美国机械工程研究所石油机械工程发表了高速涡轮机械操作问题失败的原因及处理文，并对于典型的症状和可能引起机械故障的原因进行了个清晰简明的描述。

他建议，典型故障可分为个类型和种。

之后，在上世纪年代至年代期间在日本对于故障机理的研究工作做了很大贡