一、变频器的故障诊断与维修(论文文献综述)
陈一锋[1](2021)在《冶金企业设备中变频器的使用及维修故障判断》文中研究说明近些年来我国的电力电子技术得到了飞速的发展,其中电力的交流传动以及控制技术成为了电力学中的发展主攻方向。为了顺应时代的发展,技术人员创造性地开发出了电机交流变频技术,使工业上的用电损耗得到了大幅度的减小,其中该技术的核心所在就是变频器,它由半导体开关元件组成,内部包括逆变电路、整流电路和滤波电路,整体的构成非常的复杂,因此变频器一旦出现故障需要专业的人员进行处理,本文简单介绍冶金企业如何正确地使用变频器以及变频器的常见故障和判断方法。
田可[2](2021)在《卫星地面站系统设备故障预测与诊断技术研究》文中提出随着卫星地面站逐渐向自动收发、检测一体化、大型化和复杂化的方向发展,这就要求卫星地面站系统设备在工作安全范围内具有更高的可用性。然而传统的卫星地面站检测技术已经落后于时代的发展进度,不能满足这些需求。针对这些问题,国内外科研工作者将统计学与机器学习的知识应用于卫星地面站系统设备检测之中。但是,当前在国内涉及这方面的研究处于探索阶段,大多集中在学术理论之中,工程应用成果比较少。基于此原因,有必要对卫星地面站系统设备故障检测相关技术进行深入研究并展开积极探索。首先,本文简要分析了整个卫星地面站系统的组成,阐述每个不同设备在整个系统中的工作原理、功能和性能。其次,针对故障预测技术方面进行了探索。由于卫星地面站系统设备在工作初期并没有特殊的故障特征,因此如何高效地识别出故障并且对当前工作设备的健康状态进行评估是本文研究的关键内容之一。针对这一问题,本文采用了以隐马尔可夫模型和近邻传播聚类算法为主体的故障预测方法将整个系统状态划分为健康、亚健康和故障状态,能够真实有效地将整个系统状态描述出来。最终实验仿真表明,本文所研究的故障预测方法能够在早期的时候将系统设备故障所处的状态进行分类,还可以及时了解设备的工作状态以便于检测和更换。再次,针对故障诊断技术研究方面进行了探索。对于卫星地面站系统设备在工作运行期间通信信号具有非线性、信息处理计算量大等特点,本文采用了核主成分分析算法从采集的数据中提取了主要的影响状态特征值。对于卫星地面站系统设备在运行期间出现的典型故障特点,以及针对最小二乘法支持向量机在故障检测识别中需要对其参数进行确定与优化问题,使用了粒子群算法对其进行解决。最终实验仿真表明,本文所研究的故障诊断方法不仅有助于提高整个系统的故障有效诊断率,还能够更加快速地定位故障,发现并解决问题。最后,卫星地面站系统软件设计及实现。基于以上研究内容,完成以故障预测与故障诊断为一体的自动化检测系统。
王成[3](2020)在《华亭煤矿综采工作面刮板运输机故障诊断研究》文中提出故障诊断技术是针对机械设备的异常状态检测、异常状态原因识别及异常状态预测的各种技术的总称,本文以煤矿刮板输送机传动部为研究对象通过故障诊断技术研究故障数据的准确检测、提取及处理。刮板输送机作为连接工作面与外界的重要纽带,在煤矿开采过程中占有十分重要的位置,随着科技不断发展,刮板输送机己经发展到重型化、自动化,由于煤矿井下工作环境恶劣,工作面刮板输送机吨位大,安装工序繁杂,运输线路长系统复杂,刮板输送机长期处于冲击和高负载的情况,内部组件的损耗较快卡链、断链、脱齿、底链落道等故障时常发生,时刻威胁若工作面的生产效率。以华亭煤矿250102-2综采工作面SGZ1000/2×525型中双链前部刮板输送机为研究对象,主要研究了刮板输送机故障诊断技术,以及刮板输送机配套的变频器故障信号处理,研究内容如下:(1)分析刮板输送机内部结构,由机头传动部、机尾传动部和中间部组成,对故障分析得出故障主要发生在减速器,电机、刮板链、链轮轴组。变频器故障主要产生在主回路和控制回路上,并列举刮板输送机变频器的常见故障。(2)探讨第一代小波变换在故障诊断中的局限性,和第二代小波变换可以构造出与信号相匹配波形的优点。应用Matlab软件对轴承内圈故障和齿轮磨损故障波形数据进行三层小波分解重构,得到小波能量图谱判定故障频率范围。(3)对刮板输送机变频器故障信号应用MATLAB进行小波分解,提取变频器三相电流的各相低频能量值,经过归一化处理后得到三个与故障相关的特征向量。(4)研究基于模糊理论的模糊聚类理论和模糊C均值聚类算法(FCM)在刮板输送机故障分析的应用,运用模糊聚类对刮板输送机进行故障诊断理论分析。(5)选取减速器和电机的故障监测点,收集监测点故障数据之后提取2个观测点的200组数据,对数据进行归一化的处理。运用MATLAB 的 FCM算法对200 组数据进行了处理,得到了较为直观的FCM聚类结果图,取得了较好的聚类效果。论文以煤矿刮板输送机SGZ1000/2×525为研究对象,针对该输送机的多类故障,利用第二代小波变换得到小波能量图谱判定故障频率范围;引入模糊聚类理论和模糊C均值聚类算法(FCM)在刮板输送机故障分析的应用;得到较为直观的FCM聚类结果图,取得了较好的聚类效果。研究成果可以有效减少运输机故障,给煤矿安全高效生产提供依据。
王明军,杨晓涛[4](2020)在《主控在风电机组维修维护中的重要作用》文中研究说明本文从满足现场需要的角度,阐发主控对风电机组现场维修、维护的重要作用。通过改进和完善主控的相关功能,有利于提高现场运维的技术水平,帮助现场人员迅速分析、诊断、处理机组故障,最终实现降低度电成本的目的。
孙俊佚雄[5](2020)在《基于大数据的智能家电故障检测和诊断模型研究》文中研究指明智能家电作为各种部件的有机结合已经在日常生活中变得不可替代。它们的运行状态会对人产生直接的影响,一旦发生故障会严重损害生活体验,严重时甚至会造成人员伤亡。现阶段,对于各种智能设备的检测仍然是以人工识别的方式为主,对故障的预警和诊断系统的研究不多。因此研究对应性良好的故障检测和诊断系统,对家电故障采取及时处理,具有十分重要的意义。本文以智能洗衣机作为研究实例,对变频器和异步电机整体结构进行了故障诊断技术研究。内容如下:首先,本文针对变频器的主电路和异步电机的基本结构及运行原理进行了分析。归类各种故障类型产生的原因,确立了诊断模型。对于故障模型所需的大量数据,除了从数据库中获取、建立了Simulink工具箱下的故障仿真模型获取外,也通过了实验室手段采集小部分故障样本作为训练和检测的对象,达到对照目的。然后利用小波包分析法,将获取的变频器主电路三相输出特征、异步电机定子电流特征进行了处理,并以此作为故障信息采集了样本并用小波包分析提取出故障信号的特征权重,构建了特征向量。最后分析GBDT、XGboost以及支持向量机三种机器学习方法进行数据归类的特点和原理,并以网格搜索遍历的方法进行了参数调节。然后在对三种方法分别以实验室获取数据和数据库获取数据进行训练后,以小波包分析获得的特征向量作为输入,变频器和异步电机的故障结果归类作为输出进行了变频器主电路、异步电机和变频器-电机整体的故障诊断。对比了三种机器学习方法在针对这几种对象时的性能,测试结果表明XGBoost方法在针对智能洗衣机的整体系统上表现优异,可以用于以变频电路和动力转换装置为主的智能家电结构。本文将Matlab电路仿真、小波包分析、支持向量机、决策树等应用到了家电故障的诊断问题上,解决了发生故障时难以准确、高效的进行诊断的问题。为智能家电的故障诊断做出了一定程度上的实践研究,确认了对智能家电这一整体系统实施故障诊断的可行性。
陈曦[6](2020)在《变频器中IGBT的驱动保护及故障识别研究》文中研究指明工业生产中,节能环保一直都是人们所关注的内容,具有优异调速性能及节能效果的变频器近年来得到了广泛的应用。然而变频器的使用场景往往工况十分恶劣,使得变频器的故障率居高不下,并且由于变频器使用的IGBT器件较为脆弱,不可靠的驱动以及不及时的保护都会使其发生故障,当其发生故障时,轻则影响工业生产,重则危及人身安全。IGBT作为变频器的“心脏”,在发生故障时能否及时被保护以及运行过程中能否被可靠驱动,成为了研究的关键。本文从变频器在运行前就发生故障、运行过程中发生故障以及发生故障后这三种状态入手,对IGBT的驱动保护与故障识别进行研究。首先,本文设计了基于ACPL-T350芯片的驱动电路,并做出了改进,有效抑制了IGBT运行过程中的米勒效应。同时,配合此驱动电路,设计了IGBT的保护电路、电流采样电路与开关电源电路,旨在保护运行状态下的IGBT。其后,针对已经发生短路或接地状态下运行IGBT的故障情况,本文设计了一套保护方案,利用特殊运行策略,可靠保护IGBT不受损坏。然后,利用MATLAB的Simulink工具箱建立变频逆变控制模型,使用该模型对变频器运行过程中可能出现的故障类型进行仿真,得到仿真数据。最后利用短时傅里叶分析提取出的特征值作为神经网络的输入数据,建立出BP神经网络模型,输出故障类型。使用神经网络解析故障特征与故障类型之间的复杂关系,从而实现快速对故障类型的识别。在此基础之上,由于BP神经网络易陷入局部最优导致最终正确率不佳,为了优化BP神经网络的识别正确率,本文使用人工蜂群算法对故障识别模型进行优化,经过测试,优化后的BP神经网络模型准确率更高,符合实际的使用需求。
何永盛[7](2020)在《基于贝叶斯网络的变频器主电路故障诊断方法研究》文中提出随着变频技术和微电子技术的蓬勃发展,变频器以其卓越的控制能力和节能能力在矿井提升领域得到了广泛的应用。变频器是矿井提升系统中的关键设备,承担着电气能量变换的重要作用。变频器主电路的组成结构复杂,其中的元件通常工作在高压高频的环境下,易出现故障导致变频器无法正常工作。提升机变频器的正常运行与否直接影响到了设备与人员的安全,也关系着矿山的生产收益。因此研究变频器主电路的故障诊断问题,具有非常重要的应用价值,本文研究了基于贝叶斯网络的变频器主电路故障诊断方法。首先,本文以ABB公司的ACS800型变频器为研究对象,将变频器主电路划分为三个环节:整流环节、直流环节和逆变环节,在研究这三个环节的结构和工作原理上,分析各环节常见故障。根据实验平台对这三个环节分别建立仿真模型,分析发生各种故障时的输出波形,提取出相应的故障特征。其次,对变频器主电路三个环节建立贝叶斯故障诊断模型。对整流环节采用数据驱动的方法建立贝叶斯故障诊断模型。根据提取的故障特征建立贝叶斯诊断模型结构,利用EM算法学习网络的参数。由于模型的参数学习和验证需要大量的数据,本文在仿真模型中设置不同的故障模式以获取样本数据。利用测试数据对模型进行了验证,结果表明模型具有较高的故障诊断精度。提出一种小样本条件下贝叶斯模型建立方法应用于故障数据集较小的直流环节模型构建。对直流环节贝叶斯模型结构,采用历史运行数据矫正基础概率法获取根节点的先验概率,用先验Beta分布法获取非根节点的条件概率。该方法可充分结合专家先验知识和已有样本数据,利用测试数据对建立的模型进行验证,结果表明该模型具有较好的效果。提出一种优化的贝叶斯模型建立方法应用于逆变环节的故障诊断。考虑到变频器故障诊断中存在的属性冗余问题,提出将粗糙集遗传算法和贝叶斯网络相结合的故障诊断模型建立方法,利用粗糙集遗传算法降低属性复杂度,由于约简结果不唯一,提出基于精度和时间的模型性能评价算法选择建立最优模型。利用测试数据对建立的优化模型进行验证,结果表明该模型比模糊神经网络模型具有更高的诊断精度,验证了所提方法的有效性。最后,基于Matlab中的GUI模块完成了变频器主电路故障诊断系统的设计,实现了对变频器主电路三个环节故障的诊断与定位。所建立的故障诊断系统具有较好的人机交互能力和较强的数据处理能力,能够实现波形数据的预处理,故障诊断,模型自学习等。通过实例验证了故障诊断系统各模块的功能。
贾子文[8](2020)在《风电机组运行状态监测与健康维护系统的研究》文中研究表明随着我国风电行业的迅速发展,风电装机容量逐年增加,风力发电已成为我国第三大电力来源。然而,伴随着大规模风电场的投产运行,老龄化和出质保机组占比不断上升,风电机组的高故障率和落后的运维管理水平导致风场设备运维资本投入逐年走高。如何保障风电机组安全运行,提高机组设备维护管理水平已成为风电行业亟待解决的问题。本文基于并网风电机组结构及工作原理等内容研究,深度剖析机组运行特性,开展了风电机组运行状态监测与健康维护方法和应用系统的研究。主要工作如下:首先,基于系统科学理论,深入研究风电机组故障发生及演化规律。在其指导下,从机组设备运行状态安全性角度、设备能源效率转化能力的经济性角度和设备性能可靠性角度,展开了对风电机组3大系统、42个典型故障模式机理问题的全面分析,明确了各故障模式与征兆间的映射关系。引入失效模式及影响分析(Failure Modeand Effects Analysis,FMEA)和故障树分析(Fault Tree Analysis,FTA)方法,对机组故障机理知识内容进行全面梳理与表述,形成了风电机组运行状态监测与健康维护知识体系。其次,基于风电机组故障机理分析,开展了机组状态指标分析与体系构建问题的研究。以综合评价理论为指导、风电机组结构及功能特点为技术支持,明确机组运行状态指标的选取原则与层次原则,进行了指标体系的初建,构建了机组设备与功能之间的对应关系。从设备运行安全性、经济性和可靠性角度全面分析机组运行状态指标特性,形成了“三维一体”的机组运行状态指标表征机制,明确了指标与设备功能的对应关系。提出基于对应分析的多块分析方法,从设备运行状态角度出发,展开了设备运行指标之间的关联分析,明确了指标与设备的对应关系,完善指标体系内容,完成“指标-设备-功能”三者关联的机组运行状态指标体系的搭建。接着,针对目前故障智能诊断方法存在状态估计不准确、模型结构复杂等问题,提出了以多元信息为主导,指标体系为支撑的多同质、异质模型有机结合的复合网络诊断模型。(1)从网络结构上,多层、多级的拓扑结构形成了“由整体到局部”的解析路径,将机组复杂故障问题逐层分解,降低故障整体分析难度,简化网络结构,提高模型分析效率与可行性。(2)从模型功能上,复合网络模型包含数据预处理、特征提取、故障预警和诊断等与状态分析相关内容,形成了系统化的诊断流程。(3)从分析可信度上,复合网络在预警环节提出因子分析改进的层级NSET分析方法(FA-HNSET),通过数据指标特性对设备运行状态表征程度的分析,合理筛选多元化的预警样本,以提升样本数据特征及预警精度。诊断环节提出ETA-FPN多重网络模型,建立了顶层故障事件推理同局部故障征兆推理相融合的双层推理机制,并通过改进信息熵方法对模型网络节点信息进行全面解析,合理构建网络结构,实现了对机组故障事件的时序性和关联性描述,保证诊断结果的准确性。(4)从分析效果上,复合网络系统化、流程化的诊断策略可为机组故障诊断结果提供完整的证据链条,在实现机组故障全面描述的同时,为机组健康维护提供关键信息支持。再次,进行了风电机组健康维护问题的全面研究。(1)采用模糊评判方法,对机组进行层级健康评价,通过评价结果确定制定维护决策的必要性。(2)通过ARMA模型,对机组设备运行状态进行合理演绎,预测故障劣化趋势,准确锁定维护作业时刻,保证设备维护的有效性。(3)以FMEA与FTA理论方法为指导,通过统计分析确定故障模式及具体故障设备的维修顺序,并运用逻辑决策图分析与故障底事件性质划分方法,确定具体故障事件的维修方式,完成机组设备健康维护具体工作的制定,提高机组维护工作的针对性。最后,将风电机组运行状态监测与健康维护技术框架应用于工程实践。依托国华沧州风电场1.5MW陆上风电机组,开展了机组运行状态监测与健康维护系统的研究工作。采用MySQL关系数据库,基于B/S构架模式设计并开发了 1.5MW风电机组运行状态监测与健康维护系统,以推进论文研究工作的成果转化和工程应用。
王达梦[9](2020)在《以可靠性为中心的风电机组机会维修策略研究》文中研究指明全球气候变暖要求提高可再生能源在电力领域中的份额,促使风电高速发展。在风电累计装机容量不断增长的同时,全球浮现出巨大的风电场运行维护市场。风电机组是风电场的核心设备,恶劣的运行环境与不便的维护条件,使得风电机组的故障率和维护成本远高于传统发电设备。维修策略的选择是影响风电机组维护成本的重要因素。开展维修策略的优化研究,提高维护技术水平,降低维护成本,是提升企业竞争力的关键。本文依托于河北省科技计划项目“新能源发电系统中风电运维与光伏逆变技术研究”(15214307D),以风电机组为研究对象,针对风电机组维修策略优化中的关键技术问题,从理论分析、技术改进、仿真分析、效果验证等角度系统地开展研究。论文的主要研究内容如下:(1)研究并改进了风电机组部件的故障危害性分析方法。分析了现有方法的不足,总结了影响风电机组部件故障危害性分析的有关因素,定义了故障向量、故障向量空间等概念,并据此提出了基于故障向量空间的改进危害性分析方法;建立了基于逆序数的差异分析方法,对比了不同危害性分析方法之间的差异。结果表明:改进的危害性分析法不仅继承了现有方法的优点,还具有高度的扩展性,使得在危害性分析中很容易增加对新因素的考虑。改进的方法能有效融合定量因素和定性因素,不受因素取值范围的影响,不受因素个数的限制,兼顾各因素相对权重,所得结果具有鲜明的物理意义,能够更为有效地区分关键部件与非关键部件。(2)研究并提高了小故障样本条件下风电机组部件的可靠性建模技术。对部件故障样本数据做出了服从威布尔分布的假设,并进行了检验;以其它风电场的故障样本数据为先验信息,为目标风电场的机组部件建立了经典可靠性模型、贝叶斯一般可靠性模型以及贝叶斯分层可靠性模型,并求解了模型参数;以可靠度函数置信区间的平均宽度等为衡量指标,讨论了故障数据样本量对各模型建模精度的影响。结果表明:相比于经典可靠性模型,贝叶斯一般可靠性模型或贝叶斯分层可靠性模型给出的形状参数分布更集中。在使用相同样本量时,前者建模精度低于后者。使用较大样本量时,贝叶斯分层可靠性模型给出的可靠度函数置信区间更窄。先验样本量较小时,宜采用贝叶斯一般可靠性模型,反之,宜采用贝叶斯分层可靠性模型。(3)研究并完善了风电机组部件的机会维修策略。综合考虑了多种机组状态、多种维修机会、多个维修阶段,总结了可选维修方式及其适用条件,建立了部件维修后的可靠度变化模型、细化的维修成本模型、连续集成的成本优化模型,给出了策略实施流程。通过对比不同策略在风电机组部件上的应用实例,得出了以下结论:机会维修策略能显着降低风电机组部件的总维修次数及总维修成本,考虑的因素越全面,降低的效果越明显。此外,为各部件设置单独的维修可靠度阈值,能够实现维修成本的进一步降低。(4)研究并探索了以可靠性为中心的海上风电机组机会维修策略。总结了海上风电机组及其维护作业的特点,统计了维护作业不可及状态,分析了不可及状态对维修活动的影响;运用改进的危害性分析方法,准确地区分了海上风电机组关键部件与非关键部件;建立了小故障样本条件下海上风电机组非关键部件的可靠性模型;在机会维修策略中综合考虑关键部件与非关键部件,最终形成了以可靠性为中心的海上风电机组机会维修策略。实例分析结果表明:浪高是限制出海维修活动的主要因素,风速是次要因素。在现行策略下,不可及状态产生了的额外电能损失占据了总电能损失的17.22%。相比于现行策略,以可靠性为中心的海上风电机组机会维修策略在处理维修不可及状态问题时更具优势,能够显着地降低各个部件维修成本、总维修次数以及总维修成本。
王雪松[10](2020)在《电牵引采煤机分布式控制系统的研究与开发》文中提出随着煤炭智能开采从概念逐步且越来越富有内涵地走向工程实践,作为其中最为关键的开采装备——采煤机也必须具备相应的智能化功能。本文立足于作者的工作岗位,结合太重煤机有限公司(以下简称太矿)智能开采装备研发规划,对电牵引采煤机新一代分布式控制系统进行了深入系统的研究和实用产品的开发。首先,根据煤炭智能开采对采煤机的智能化要求,结合太矿采煤机及其控制系统的发展历史、现有水平,以及应对未来智能开采时代的煤机发展战略,对标国际先进水平,制定了新一代电牵引采煤机分布式控制系统的整体架构和功能模块构成:采用32位主、从控制器(主控制器型号DX-M3530,从控制器型号DX-M302)、CAN总线通讯方式的分布式控制模式;将整个控制系统按照功能划分为主控制单元、高压测控单元、本安测控单元、无线4G信号转换模块、本安信号采集模块、传感器单元等,并进行了主控制器的开发及检测检验。第二,研发了分布式电控系统中主要监控模块,用于监测8路PT100温度信号、三轴倾角、环境温湿度等。从该分布式模块的功能需求入手,分析并设计了该模块的硬件电路,具体包括:输入、输出量接口模块、电源模块、MCU控制部分、PT100检测部分、CAN通信部分、环境温湿度检测、倾角检测等,并进行了可靠性测试设计。第三,研究了采煤机状态监测与故障诊断系统并加以实现。状态监测除了常规的电机温度、电流、牵引速度、角度等检测量以外,还通过安装旋转编码器、压力、温度、振动、电缆张力等传感器实现了太矿采煤机更加全面的工况监测,首次实现了太矿采煤机拖曳电缆的张力监测,增强了采煤机机载预警与故障提示功能,故障代码达到了81个;通过新研发的机载数据记录仪,可采集、存储采煤机的110种状态数据,数据记录可长达90天、约90亿条记录;井下实时监测的采煤机通讯状态、关键部位温度、压力及流量值、摇臂角度、煤机位置、记忆截割等数据,通过机载无线通信单元和防爆天线经矿井环网传输至太矿采煤机云端远程运维中心,为后期实现采煤机远程信息融合故障诊断和预测预警奠定了基础。第四,主持设计的基于分布式电控系统的采煤机智能化功能实现突破:首次实现了摇臂高度自动调节、牵引速度自动调节和基于TD-LTE制式的4G采煤机信息无线传输等功能,显着提升了采煤机的智能化水平。
二、变频器的故障诊断与维修(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、变频器的故障诊断与维修(论文提纲范文)
(1)冶金企业设备中变频器的使用及维修故障判断(论文提纲范文)
1 变频器的发展、组成 |
(1)变频装置大容量化。 |
(2)主开关器件的自关断化。 |
(3)变频装置高性能化。 |
2 变频器的使用 |
2.1 变频器的使用原理 |
2.2 变频器的使用 |
2.2.1 变频器的选择 |
2.2.2 变频器的安装 |
3 变频器的维护故障判断 |
3.1 参数设置类故障 |
3.1.1 参数设置 |
3.1.2 参数设置类的故障处理 |
3.2 过压故障 |
3.2.1 输入交流电源 |
3.2.2 发电类过电压 |
3.3 过载故障 |
3.4 欠张力 |
3.5 过热 |
3.6 生产不平衡 |
3.7 联轴器损坏电源 |
3.8 SC错误 |
3.9 GF土壤缺陷 |
3.10 当前限制性操作 |
4 用变频器的维护方法 |
4.1附注 |
4.2 例行检查 |
4.3 定期维护 |
4.4 备用交换机 |
4.4.1 冷却风扇 |
4.4.2 过滤能力 |
5 结语 |
(2)卫星地面站系统设备故障预测与诊断技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 故障诊断技术研究现状 |
1.2.2 故障预测技术研究现状 |
1.3 研究内容与意义及技术指标 |
1.3.1 研究内容 |
1.3.2 研究意义 |
1.3.3 技术指标 |
1.4 论文结构安排 |
第二章 故障预测与诊断相关理论基础 |
2.1 卫星地面站系统概述 |
2.1.1 天伺馈单元 |
2.1.2 X、L频段下变频器 |
2.1.3 矩阵开关和光传输设备 |
2.2 故障分析 |
2.2.1 故障产生的机理 |
2.2.2 故障预测与诊断流程 |
2.3 故障预测与诊断技术 |
2.3.1 HMM算法原理 |
2.3.2 LSSVM算法原理 |
2.4 本章小结 |
第三章 故障预测技术研究 |
3.1 基于AP-HMM故障预测方法 |
3.1.1 AP算法 |
3.1.2 基于AP-HMM算法混合故障预测模型 |
3.2 卫星地面站系统设备状态表征影响分析 |
3.3 故障预测方法实验 |
3.3.1 系统设备工作状态退化与转移 |
3.3.2 贝叶斯网络结构框图建立 |
3.3.3 初始参数计算 |
3.3.4 实验验证与分析 |
3.4 本章小结 |
第四章 故障诊断技术研究 |
4.1 中频矩阵开关和L下变频器分析 |
4.2 基于LSSVM-PSO故障诊断方法 |
4.2.1 PSO优化LSSVM算法 |
4.2.2 基于LSSVM-PSO故障诊断模型 |
4.3 故障诊断流程与步骤 |
4.4 故障诊断方法实验 |
4.4.1 数据的分析与处理 |
4.4.2 实验验证与分析 |
4.5 本章小结 |
第五章 卫星地面站系统软件设计 |
5.1 软件需求分析 |
5.2 系统设计框架及模块划分 |
5.2.1 系统设计框架 |
5.2.2 系统主要模块划分 |
5.3 任务管理设计 |
5.3.1 用户管理设计 |
5.3.2 星历管理设计 |
5.3.3 链路管理设计 |
5.4 数据处理设计 |
5.5 故障预测与诊断设计 |
5.6 本章小结 |
第六章 系统软件应用及验证 |
6.1 系统软件应用 |
6.1.1 环境搭建 |
6.1.2 信号链路传输 |
6.1.3 软件功能实现 |
6.2 系统软件验证 |
6.2.1 测试方法 |
6.2.2 测试过程 |
6.2.3 结果与分析 |
6.3 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(3)华亭煤矿综采工作面刮板运输机故障诊断研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景 |
1.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 模糊故障诊断方法 |
1.3.2 神经网络故障诊断技术 |
1.3.3 专家系统的故障诊断技术 |
1.3.4 其他故障诊断技术 |
1.4 主要研究内容 |
1.4.1 刮板运输机故障分析 |
1.4.2 故障诊断中的信号处理 |
1.4.3 刮板运输机变频器故障诊断分析 |
1.4.4 故障诊断方法 |
1.5 研究内容及技术路线 |
2 刮板运输机故障分析 |
2.1 刮板运输机内部结构分析 |
2.1.1 机头传动部 |
2.1.2 机尾传动部 |
2.1.3 中间部 |
2.2 刮板运输机故障分析 |
2.3 刮板运输机变频器故障分析 |
2.3.1 主回路常见故障 |
2.3.2 基本控制回路常见故障 |
2.4 本章小结 |
3 基于小波变换的故障信号特征提取 |
3.1 信号处理 |
3.2 小波变换 |
3.2.1 第一代小波变换在故障诊断中的局限性 |
3.2.2 插值细分法的应用 |
3.2.3 第二代小波变换的多相表示与等效滤波器 |
3.2.4 第二代小波包的分解和重构 |
3.3 刮板输送机传动部分故障信号处理 |
3.4 刮板输送机变频器故障信号处理 |
3.4.1 变频器故障特征提取方法 |
3.4.2 基于小波分解的能量特征提取方法 |
3.5 本章小结 |
4 基于模糊理论的故障诊断技术 |
4.1 模糊理论 |
4.2 模糊聚类 |
4.2.1 聚类分析 |
4.2.2 模糊聚类分析 |
4.3 模糊C均值聚类算法 |
4.4 本章小结 |
5 模糊理论在刮板输送机故障诊断上的应用 |
5.1 刮板输送机故障点的选取 |
5.1.1 减速器故障点的选取 |
5.1.2 电机故障点选取 |
5.2 刮板输送机故障数据处理 |
5.3 刮板输送机故障诊断 |
5.3.1 基于模糊聚类的故障诊断结构 |
5.3.2 基于模糊聚类的故障诊断的应用 |
5.3.3 仿真结果及分析 |
5.4 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
(4)主控在风电机组维修维护中的重要作用(论文提纲范文)
前言 |
1. 国产主控在支持现场运维方面存在的一些问题 |
2. 主控对现场运维的重要作用 |
2.1 主控报故障准确对机组维修的重要作用 |
2.2 主控数据采集与储存对现场运维的重要作用 |
2.3 机组远程故障诊断与容错运行 |
3. 结语 |
(5)基于大数据的智能家电故障检测和诊断模型研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
§1.1 研究背景及意义 |
§1.2 国内外研究现状 |
§1.2.1 故障诊断技术研究现状 |
§1.2.2 基于数据驱动的故障诊断的研究现状 |
§1.2.3 基于小波变换的故障诊断技术研究现状 |
§1.2.4 基于机器学习的故障诊断研究现状 |
§1.3 本论文主要研究内容 |
§1.4 本章小结 |
第二章 智能洗衣机故障分析 |
§2.1 变频器电路故障 |
§2.1.1 变频器基本结构 |
§2.1.2 变频器主要故障分类 |
§2.1.3 变频器故障分析 |
§2.2 三相异步电机故障 |
§2.2.1 三相异步电机基本结构 |
§2.2.2 三相异步电机主要故障分类 |
§2.2.3 三相异步电机主要故障分析 |
§2.3 本章小结 |
第三章 故障仿真及故障研究 |
§3.1 变频器建模与仿真 |
§3.1.1 电路模型建模 |
§3.1.2 变频器故障仿真 |
§3.1.3 变频器故障诊断方法 |
§3.2 三相异步电机建模与仿真 |
§3.2.1 三相异步电机建模 |
§3.2.2 异步电机故障仿真 |
§3.2.3 异步电机故障诊断方法 |
§3.3 本章小结 |
第四章 基于小波分析和XGBOOST的故障诊断模型 |
§4.1 基于小波包分析的特征提取 |
§4.1.1 小波分析基本理论 |
§4.1.2 小波包分析思路 |
§4.1.3 小波包分析的故障特征提取流程 |
§4.1.4 小波包分析的故障特征提取 |
§4.2 基于XGBoost的分类器 |
§4.2.1 GBDT基本思路 |
§4.2.2 XGBoost基本思路 |
§4.2.3 XGBoost的故障诊断模型训练 |
§4.3 基于支持向量机的对照方法概述 |
§4.4 本章小结 |
第五章 诊断结果与分析 |
§5.1 分类器调参 |
§5.1.1 支持向量机调参 |
§5.1.2 XGBoost调参 |
§5.1.3 网格搜索法的参数调节 |
§5.1.4 调参结果 |
§5.2 故障诊断结果与对比分析 |
§5.3 本章小结 |
第六章 总结与展望 |
§6.1 总结 |
§6.2 展望 |
参考文献 |
附录Ⅰ |
附录Ⅱ |
附录Ⅲ |
附录Ⅳ |
致谢 |
作者在攻读硕士期间的主要研究成果 |
(6)变频器中IGBT的驱动保护及故障识别研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 IGBT驱动保护研究现状 |
1.2.2 变频器中IGBT故障诊断研究现状 |
1.3 本文主要工作 |
2 IGBT驱动保护电路的设计及实验 |
2.1 驱动电路设计方法 |
2.1.1 驱动条件与主要特性的关系 |
2.1.2 驱动方案设计 |
2.1.3 驱动电路设计 |
2.2 开关电源的设计 |
2.2.1 开关电源电路设计 |
2.2.2 RCD吸收设计 |
2.3 电流采样电路的设计 |
2.4 短路与接地故障保护 |
2.4.1 保护方案设计目的 |
2.4.2 保护方案设计 |
2.5 驱动保护的实验验证 |
2.6 接地及短路故障保护设计的实验验证 |
2.7 本章小结 |
3 变频器建模与逆变控制 |
3.1 SVPWM算法原理 |
3.1.1 SVPWM法则推导 |
3.1.2 SVPWM控制算法 |
3.1.3 合成矢量所处扇区的判断 |
3.1.4 基本矢量作用时间计算与三相PWM波形的合成 |
3.2 SVPWM控制逆变单元建模 |
3.3 IGBT故障仿真分析 |
3.3.1 IGBT故障产生方法 |
3.3.2 故障仿真结果分析 |
3.3.3 故障诊断方法 |
3.4 本章小结 |
4 基于短时傅里叶分析和神经网络的故障识别 |
4.1 短时傅里叶分析的故障特征提取 |
4.1.1 短时傅里叶分析基本理论 |
4.1.2 窗函数的选择 |
4.1.3 窗函数类型与参数设定 |
4.1.4 特征值提取 |
4.2 基于BP神经网络的故障类型识别 |
4.2.1 BP神经网络的基本思想 |
4.2.2 BP神经网络基本步骤 |
4.2.3 故障识别模型的建立 |
4.2.4 仿真结果分析 |
4.3 人工蜂群算法优化的BP神经网络模型 |
4.3.1 人工蜂群算法的生物背景 |
4.3.2 人工蜂群算法原理 |
4.3.3 人工蜂群算法优化过程 |
4.3.4 仿真结果分析 |
4.4 本章小结 |
5 总结与展望 |
参考文献 |
致谢 |
在校期间主要科研成果 |
附录 |
(7)基于贝叶斯网络的变频器主电路故障诊断方法研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
1.1 研究背景与研究意义 |
1.2 变频器故障诊断国内外研究现状 |
1.2.1 基于解析模型的诊断方法 |
1.2.2 基于信号处理的诊断方法 |
1.2.3 基于知识的诊断方法 |
1.3 贝叶斯故障诊断方法研究现状 |
1.4 本文主要解决的问题 |
1.5 本文主要研究的内容 |
1.6 本章小结 |
2 变频器主电路结构原理及故障特征提取 |
2.1 矿井提升机变频器的结构 |
2.2 双PWM变频器及工作原理 |
2.2.1 PWM整流电路工作原理 |
2.2.2 中间直流电路工作原理 |
2.2.3 逆变电路工作原理 |
2.2.4 变频器主电路PWM调制原理 |
2.3 变频器主电路故障分析与特征提取 |
2.3.1 变频器实验平台 |
2.3.2 整流环节开路故障分析与特征提取 |
2.3.3 直流环节故障分析与特征提取 |
2.3.4 逆变环节开路故障分析与特征提取 |
2.4 变频器主电路故障诊断存在的问题及解决思路 |
2.5 本章小结 |
3 基于贝叶斯网络的变频器主电路故障诊断方法研究 |
3.1 贝叶斯故障诊断建模理论 |
3.1.1 贝叶斯故障推理基础 |
3.1.2 贝叶斯故障建模方法 |
3.1.3 贝叶斯网络故障推理算法 |
3.1.4 贝叶斯网络在故障诊断中的参数学习方法 |
3.1.5 基于贝叶斯网络的变频器主电路故障诊断可行性分析 |
3.2 基于贝叶斯网络的整流环节故障诊断模型构建与验证 |
3.3 基于贝叶斯网络的直流环节故障诊断模型构建与验证 |
3.4 本章小结 |
4 基于优化贝叶斯网络的逆变环节故障诊断方法研究 |
4.1 贝叶斯故障诊断模型优化方法 |
4.1.1 基于遗传算法的粗糙集属性约简 |
4.1.2 基于时间和精度选择的优化模型建立 |
4.2 贝叶斯模型优化方法在逆变环节故障诊断中的应用 |
4.2.1 原始贝叶斯模型建立 |
4.2.2 故障诊断模型优化 |
4.3 故障诊断结果与对比 |
4.4 本章小结 |
5 变频器主电路故障诊断系统设计 |
5.1 变频器主电路故障诊断系统需求分析 |
5.2 变频器主电路故障诊断系统实现 |
5.2.1 故障诊断系统运行流程 |
5.2.2 故障诊断系统功能验证 |
5.3 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 本文创新点 |
6.3 展望 |
参考文献 |
作者简介 |
学位论文数据集 |
(8)风电机组运行状态监测与健康维护系统的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景 |
1.1.1 我国风力发电行业发展现状 |
1.1.2 风电机组运行状态监测与健康维护面临的挑战 |
1.1.3 风电机组运行状态监测与健康维护面临的机遇 |
1.2 课题研究目的及意义 |
1.2.1 发电设备运行状态监测与健康维护的内涵 |
1.2.2 风电机组运行状态监测与健康维护系统研究的目的及意义 |
1.3 课题理论与技术国内外研究现状 |
1.3.1 风电机组运行状态分析的研究现状 |
1.3.2 风电机组运行状态监测的研究现状 |
1.3.3 风电机组设备健康维护的研究现状 |
1.4 风电机组运行状态监测与健康维护应用研究 |
1.4.1 风电机组500小时运行考核试验 |
1.4.2 风电机组运行状态监测与健康维护系统 |
1.5 本文主要研究内容及结构安排 |
第2章 风电机组运行状态分析与知识表述 |
2.1 引言 |
2.2 系统科学背景下的运行状态分析 |
2.3 风电机组典型故障模式分析 |
2.3.1 风能捕捉系统典型故障分析 |
2.3.2 传动系统典型故障分析 |
2.3.3 发电机系统典型故障分析 |
2.4 机组运行状态知识表述 |
2.4.1 基于故障树分析的风电机组故障知识表述方法 |
2.4.2 基于失效模式及影响分析的风电机组故障知识表述方法 |
2.5 本章小结 |
第3章 风电机组运行状态指标分析与体系构建 |
3.1 引言 |
3.2 风电机组运行状态指标体系初建 |
3.3 风电机组运行状态指标选取与分析 |
3.3.1 安全性指标 |
3.3.2 经济性指标 |
3.3.3 可靠性指标 |
3.4 基于对应分析的多块方法下的指标体系确立 |
3.4.1 基于对应分析的多块划分方法 |
3.4.2 机组指标体系确立 |
3.5 本章小结 |
第4章 风电机组运行状态监测与诊断方法研究 |
4.1 引言 |
4.2 机组故障诊断复合网络拓扑结构及功能描述 |
4.3 风电机组运行数据预处理与特征提取 |
4.3.1 风电机组振动信号预处理 |
4.3.2 基于数学形态学的无量纲趋势整理 |
4.3.3 t-s曲线趋势特征提取 |
4.3.4 实例分析 |
4.4 基于因子分析改进层级NSET方法的机组故障预警模型 |
4.4.1 层级NSET方法原理 |
4.4.2 残差统计分析 |
4.4.3 基于因子分析改进的层级NSET模型 |
4.4.4 实例分析 |
4.5 ETA-FPN多重网络机组故障诊断模型 |
4.5.1 ETA-FPN的定义 |
4.5.2 ETA-FPN层级结构与推理分析 |
4.5.3 改进信息熵的ETA-FPN模型构建方法 |
4.5.4 基于改进信息熵方法的ETA-FPN模型搭建 |
4.6 复合网络诊断模型实例分析 |
4.6.1 FA-HNSET预警分析 |
4.6.2 ETA-FPN网络模型诊断 |
4.6.3 基于FTA结构的故障原因分析 |
4.7 本章小结 |
第5章 风电机组健康维护问题的研究 |
5.1 引言 |
5.2 基于模糊评判的风电机组运行状态健康评价 |
5.2.1 健康评价体系层次划分 |
5.2.2 评价指标劣化度的确定 |
5.2.3 风电机组运行状态的模糊评判 |
5.3 基于ARMA模型的风电机组故障预测 |
5.3.1 ARMA预测模型描述 |
5.3.2 ARMA模型辨识 |
5.4 风电机组故障设备维护决策方法 |
5.4.1 基于FMEA的风电机组典型故障模式属性分析及风险评价 |
5.4.2 风电机组故障FTA分析 |
5.4.3 故障模式及底事件的维护方式决策 |
5.5 实例分析 |
5.6 本章小结 |
第6章 风电机组运行状态监测与健康维护系统研发 |
6.1 引言 |
6.2 风电机组运行状态监测与健康维护系统设计 |
6.2.1 设计目的 |
6.2.2 系统整体构架 |
6.2.3 系统功能设计 |
6.3 风电机组运行状态监测与健康维护系统技术应用 |
6.3.1 系统信息管理及配置 |
6.3.2 系统应用 |
6.4 本章小结 |
第7章 总结与展望 |
7.1 全文总结 |
7.2 论文主要创新点 |
7.3 有待进一步开展的工作 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者介绍 |
(9)以可靠性为中心的风电机组机会维修策略研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 风电组织结构 |
1.2.2 可靠性分析研究现状 |
1.2.3 维修策略研究现状 |
1.2.4 设备故障危害性分析研究现状 |
1.2.5 研究现状小结 |
1.2.6 关键技术问题 |
1.3 论文研究内容 |
第2章 风电机组部件故障危害性分析 |
2.1 引言 |
2.2 常用危害性分析方法 |
2.2.1 危害性矩阵图法(CMA) |
2.2.2 风险优先数法(RPN) |
2.2.3 成本优先数法(CPN) |
2.2.4 常用危害性分析方法的缺点 |
2.3 基于故障向量空间的危害性分析方法 |
2.3.1 部件故障向量空间 |
2.3.2 基于故障向量空间的危害性分析 |
2.3.3 基于故障危害性的部件分类方法 |
2.4 基于逆序数的差异分析方法 |
2.5 应用实例一 |
2.5.1 数据来源 |
2.5.2 危害性分析结果 |
2.5.3 对比分析 |
2.6 应用实例二 |
2.6.1 数据来源 |
2.6.2 危害性分析结果 |
2.7 本章小结 |
第3章 小样本条件下的风电机组贝叶斯可靠性模型 |
3.1 引言 |
3.2 风电机组可靠性模型 |
3.2.1 经典可靠性模型 |
3.2.2 贝叶斯一般可靠性模型 |
3.2.3 贝叶斯分层可靠性模型 |
3.3 模型参数的求解 |
3.3.1 经典可靠性模型参数的求解 |
3.3.2 贝叶斯可靠性模型参数的求解 |
3.3.3 可靠性模型的建模精度 |
3.4 实例分析与讨论 |
3.4.1 数据来源 |
3.4.2 模型的建立与假设检验 |
3.4.3 参数求解结果 |
3.4.4 可靠度函数估计结果 |
3.4.5 样本量对可靠性建模精度的影响 |
3.5 本章小结 |
第4章 风电机组部件的机会维修策略 |
4.1 引言 |
4.2 风电机组部件的机会维修策略 |
4.2.1 机会维修策略的类别 |
4.2.2 维修可靠度阈值 |
4.2.3 维修方式的选择 |
4.2.4 机会维修策略的原理 |
4.2.5 考虑不完全维修的可靠度变化模型 |
4.2.6 基于可靠度的风电机组部件维修成本模型 |
4.3 策略实施流程 |
4.3.1 PROM策略及POM策略的实施流程 |
4.3.2 基于蒙特卡洛方法的OM策略实施流程 |
4.4 策略的优化 |
4.5 应用实例 |
4.5.1 数据来源 |
4.5.2 PROM策略的应用实例 |
4.5.3 POM策略的应用实例 |
4.5.4 OM策略的应用实例 |
4.5.5 不同机会维修策略的应用效果对比 |
4.6 本章小结 |
第5章 以可靠性为中心的海上风电机组机会维修策略 |
5.1 引言 |
5.2 海上风电概述 |
5.2.1 海上风电的发展 |
5.2.2 海上风电机组的特点 |
5.2.3 海上风电机组的运行维护 |
5.3 天气条件对海上风电维修活动的影响 |
5.3.1 海上天气条件带来的维修活动不可及状态 |
5.3.2 不可及状态对机组维修活动的影响 |
5.4 以可靠性为中心的海上风电机组机会维修策略 |
5.4.1 海上风电机组部件的故障危害性分析 |
5.4.2 海上风电机组部件的可靠性建模 |
5.4.3 海上风电机组部件的机会维修策略 |
5.5 本章小结 |
第6章 结论及展望 |
6.1 研究工作总结 |
6.2 研究工作展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(10)电牵引采煤机分布式控制系统的研究与开发(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论(Introduction) |
1.1 世界电牵引采煤机发展概述(Development of the World Electric Haulage Shearer) |
1.2 太矿电牵引采煤机及其电控系统的发展历程(Development History of the Company's Electric Haulage Shearer and its Electronic Control System) |
1.3 电牵引采煤机及其控制系统的未来发展趋势(Future Development Trend of Electric Haulage Shearer and its Control System) |
1.4 本文主要研究内容(The Main Work of this Article) |
2 采煤机分布式控制系统的架构设计与开发(Research and Development of Distributed Control System for Shearer) |
2.1 采煤机分布式控制系统的总体架构(The Overall Architecture of the Distributed Control System of the Shearer) |
2.2 采煤机分布式控制网络模型(Distributed Control Network Model for Coal Shearer) |
2.3 采煤机分布式电控系统总体功能设计( The Overall Functional Design of Shearer Distributed Electronic Control System) |
3 基于CAN总线的控制器的研发与检测(Development and Test of CAN Bus Controller) |
3.1 可编程逻辑控制器PLC的应用经验(Experience in PLC Application) |
3.2 主控制器的技术参数(Technical Parameters of the Master Controller) |
3.3 从控制器的技术参数(Technical Parameters of the Secondary Controller) |
3.4 控制器软件设计(Software Design of Controller) |
3.5 控制器的可靠性(The Reliability of the Controller is Defined) |
3.6 控制器的检测及检验(Controller Test and Inspection) |
4 分布式监控模块的开发(Development of Distributed Monitoring Module) |
4.1 分布式模块的研究(The Research of the Distributed Module) |
4.2 分布式模块的可靠性测试(Reliability Testing of Distributed Modules) |
5 状态监测与故障诊断系统研究(Research on Multi-sensor Information Fusion Technology and Fault Diagnosis) |
5.1 采煤机故障及诊断技术存在的主要问题(Main Problems of Shearer Fault and Diagnosis Technology) |
5.2 基于CAN总线的采煤机状态监测及故障诊断系统设计与研制(Design and Development of a Shearer Condition Monitoring and Fault Diagnosis System Based on CAN Bus) |
5.3 采煤机远程诊断系统设计(Design of the Remote Diagnosis System of the Shearer) |
6 采煤机智能化功能设计与实现(Intelligent Design of Distributed Control System Based on Shearer) |
6.1 滚筒高度自动调节技术(Roller Height Automatic Adjustment Technology) |
6.2 牵引速度自动调节技术(Automatic Haulage Speed Adjustment Technology) |
6.3 基于地理信息系统(GIS)的采煤机定位与煤层识别技术(Shearer Positioning and Coal Seam Identification Technology Based on Geographic Information System (GIS)) |
6.4 基于TD-LTE制式的采煤机无线数据传输系统(Wireless Data Transmission System of Shearer Based on TD-LTE) |
7 结论与展望(Conclusion and Expectation ) |
7.1 结论(Conclusion) |
7.2 展望(Expectation) |
参考文献 |
附录 |
作者简历 |
学位论文数据集 |
四、变频器的故障诊断与维修(论文参考文献)
- [1]冶金企业设备中变频器的使用及维修故障判断[J]. 陈一锋. 中国金属通报, 2021(12)
- [2]卫星地面站系统设备故障预测与诊断技术研究[D]. 田可. 电子科技大学, 2021(01)
- [3]华亭煤矿综采工作面刮板运输机故障诊断研究[D]. 王成. 西安科技大学, 2020(02)
- [4]主控在风电机组维修维护中的重要作用[A]. 王明军,杨晓涛. 第七届中国风电后市场交流合作大会论文集, 2020
- [5]基于大数据的智能家电故障检测和诊断模型研究[D]. 孙俊佚雄. 桂林电子科技大学, 2020(04)
- [6]变频器中IGBT的驱动保护及故障识别研究[D]. 陈曦. 山东交通学院, 2020(04)
- [7]基于贝叶斯网络的变频器主电路故障诊断方法研究[D]. 何永盛. 河南理工大学, 2020(01)
- [8]风电机组运行状态监测与健康维护系统的研究[D]. 贾子文. 华北电力大学(北京), 2020(06)
- [9]以可靠性为中心的风电机组机会维修策略研究[D]. 王达梦. 华北电力大学(北京), 2020
- [10]电牵引采煤机分布式控制系统的研究与开发[D]. 王雪松. 中国矿业大学, 2020(03)