声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2187/TH
国际刊号：0577-6686
发布日期:
作者：王庆锋, 卫炳坤, 刘家赫, 马文生, 许述剑
单位：1. 北京化工大学高端机械设备健康监控及自愈化北京市重点实验室 北京 100029;2. 北京化工大学发动机健康监控及网络化教育部重点实验室 北京 100029;3. 中国石油化工股份有限公司青岛安全工程研究院 青岛 266000
关键词：小波包分解,动态核主成分分析,监测统计量,早期故障检测,预测性维修；
基金：中国工程院咨询（2020-XY-1）、中国石化科技部研发（319022-1）和重庆市科委技术创新与应用示范（cstc2019jszx-cyzdX0167）资助项目。
传统在线监测系统未能实现早期故障预警，旋转机械状态劣化评估采用固定阈值分级报警方法，存在较多的误报警和漏报警现象，难以指导企业设备预测性维修开展，设备运行安全性、可靠性、利用率难以保障。立足于工程应用，研究基于小波包分解、动态核主成分分析、T2统计分析、Beta分布预警控制限自学习等技术，构建数据驱动基于振动信号分析的旋转机械早期故障检测模型。应用辛辛那提大学智能维修系统中心滚动轴承试验数据和中国某石化公司加氢裂化装置P3409A离心泵轴承“运转到坏”的在线监测振动数据，对构建的设备早期故障检测模型进行验证，结果表明，构建的设备早期故障检测模型，相比传统固定阈值分级报警方法，能够检测滚动轴承早期故障并实现早期故障准确告警，能够有效降低错误报警率和漏报警率。构建的基于振动信号的旋转机械早期故障检测模型，只需要知道监测部件正常运行状态历史数据，无需外部专家支持，实时数据驱动即可实现早期故障检测预警。
来源：2020年第16期
《机械工程学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。