往復(fù)壓縮機作為工業(yè)生產(chǎn)中的重要組成設(shè)備，保證其正常運行具有極其重要的實際意義。根據(jù)相關(guān)研究統(tǒng)計，氣閥故障大約占到了往復(fù)壓縮機故障總數(shù)的60%[1]。因此，有必要對往復(fù)壓縮機氣閥故障進行深入的分析和研究。往復(fù)壓縮機氣閥在工作中會受到摩擦，沖擊等多種因素的干擾，導(dǎo)致其振動信號具有強烈的非線性，非平穩(wěn)性特征[2]。針對上訴信號，目前多采用小波分析、經(jīng)驗?zāi)B(tài)分解（EMD）、變分模態(tài)分解（VMD）、熵值法、分形方法等對其進行分析研究，其中，多重分形方法不僅可以深層次的描述氣閥信號非平穩(wěn)、非線性特征，同時可以描述氣閥振動信號的自相似性，進而可以更***準確的提取往復(fù)壓縮機氣閥的故障特征故障機理研究模擬實驗臺的穩(wěn)定性至關(guān)重要。北京故障機理研究模擬實驗臺傳感器

針對以上問題，并根據(jù)軸承故障脈沖的周期性、沖擊性以及與原始信號相關(guān)性的特點得到VMD參數(shù)組合的比較好Pareto解集，再利用綜合評價指標評價選擇比較好的參數(shù)組合方案，其次，信號分解并綜合評價選取比較好IMF提取故障特征，***利用仿真信號和實際軸承振動信號分析，驗證了所提方法的有效性。軸承出現(xiàn)故障后，運行過程中會產(chǎn)生周期性的沖擊，其振動信號就越有序，信息熵值也就越小。VMD分解得到的模態(tài)分量中，信息熵值越小的模態(tài)分量，包含著越多的軸承故障信息，越能反映當前軸承的運行狀態(tài)。軸故障機理研究模擬實驗臺校正故障機理研究模擬實驗臺數(shù)據(jù)的準確性和可靠性對研究結(jié)果有何影響？

沖擊識別與分解對柴油機狀態(tài)特征提取具有重要價值。現(xiàn)有常用方法利用沖擊頻域特性，通過頻域分解與重構(gòu)識別并分解沖擊，在分解復(fù)雜多沖擊非平穩(wěn)信號存在頻段混疊、時域沖擊重合等問題。本研究提出了一種變分時頻聯(lián)合分解（VTFJD）方法，目的在于提取多源沖擊振動信號中沖擊成分。首先采用改進變分模態(tài)分解（VMD）方法對多沖擊振動信號進行頻域分解，得到各分解模態(tài)信號；其次，提出了變分時域分解方法（VTD），用于提取各分解模態(tài)信號中的沖擊成分；***，對時頻聯(lián)合分解信號進行篩選，獲得振動波形中多源沖擊成分時頻域信息。同時，針對VMD和VTD中參數(shù)選擇問題，分別提出了參數(shù)優(yōu)化選擇方案。仿真信號和實際柴油機連桿軸瓦振動信號特征提取結(jié)果表明，VTFJD具有出色的多沖擊信號自適應(yīng)時頻分解能力，具有沖擊自動識別與分解提取能力。關(guān)鍵詞：信號分解；振動與沖擊；柴油機；連桿軸瓦磨損故障

PT580水泵測試臺可以對離心泵的各種故障進行振動采集診斷（例如：氣蝕現(xiàn)象、葉輪裂紋、葉輪磨損、葉輪不平衡等故障），包括可以模擬各種故障軸承元件，對故障信號進行檢測處理判斷故障類型。是在一片多晶硅上通過微機械加工出加速度敏感原件，它由轉(zhuǎn)換，測量，放大電路組成屬于集成傳感器，可遠程、動態(tài)、實時、連續(xù)、采集設(shè)備的三軸振動和溫度數(shù)據(jù)，通過運算能力直接運算12種振動相關(guān)特征值，并使用有線或者無線等各類通訊方式，將特征值和原始信號傳輸?shù)缴蠈酉到y(tǒng)做分析處理，為各行業(yè)客戶提供低成本、智能化的在線設(shè)備健康監(jiān)測方案。故障機理研究模擬實驗臺的使用方法需要熟練掌握。

RFT1000柔性轉(zhuǎn)子測試臺主要由，底座，驅(qū)動電機、聯(lián)軸器、光電傳感器支架、兩跨支撐滑動軸承、轉(zhuǎn)子盤、摩擦支架、潤滑油杯。對于某一轉(zhuǎn)速下的六種轉(zhuǎn)子故障數(shù)據(jù)，所提模型辨識精度較高，然而實際情況下旋轉(zhuǎn)機械轉(zhuǎn)子運轉(zhuǎn)的轉(zhuǎn)速并不***，并會受到速度波動的干擾。因此，需要對本章模型在不同工況下轉(zhuǎn)子故障數(shù)據(jù)的適用性進行驗證。通過多通道對旋轉(zhuǎn)機械進行信號采集，能獲取較為豐富的機械設(shè)備故障信息，有利于旋轉(zhuǎn)機械故障診斷的實施。所提ME-ELM方法以集成學習為基礎(chǔ)，利用各通道采集信號的差異性構(gòu)建集成模型，通過相對多數(shù)投票法從決策層融合的角度對多通道故障信息進行融合，相較于單通道ELM模型有較高辨識精度和較好穩(wěn)定性。對比常用的故障診斷分類模型，ME-ELM仍具有較高辨識精度，并且適用于不同工況故障數(shù)據(jù)，能夠很好適用于多信號采集通道監(jiān)測的旋轉(zhuǎn)機械故障診斷。故障機理研究模擬實驗臺為研究提供了可靠的數(shù)據(jù)。江蘇故障機理研究模擬實驗臺檢測故障

故障機理研究模擬實驗臺是深入研究故障與工業(yè) 4.0 關(guān)系的基礎(chǔ)。北京故障機理研究模擬實驗臺傳感器

瓦倫尼安實驗臺主要用于高速旋轉(zhuǎn)軸系的轉(zhuǎn)子動力學驗證研究，配合多通道振動數(shù)據(jù)采集器，上位機軟件，電渦流傳感器，振動加速度傳感器，激光轉(zhuǎn)速計，冷卻水循環(huán)系統(tǒng)使用。，多通道信號能夠更加***地表征旋轉(zhuǎn)機械的運行狀態(tài)，因此融合多傳感器信號采集通道的診斷方法相較于單通道方法更能準確判斷機械故障。針對利用單信號采集通道實施故障辨識方法的識別精度較低問題，提出一種融合多通道信息的集成極限學習機模式辨識方法應(yīng)用于旋轉(zhuǎn)機械故障診斷。首先通過布置在機械設(shè)備關(guān)鍵部位的多個信號采集通道獲取振動信號，并對各通道信號分別提取相同特征，構(gòu)建與通道相對應(yīng)的特征集；其次將各特征集劃分為訓(xùn)練、測試集并分別構(gòu)建及測試極限學習機，實現(xiàn)信號采集通道與分類模型的一一對應(yīng)；***采用相對多數(shù)投票法對各極限學習機的輸出進行整合得到集成模型，從決策層角度實現(xiàn)多通道的信息融合，并輸出機械設(shè)備故障診斷結(jié)果。實驗結(jié)果表明，該方法相較于利用單通道信號的極限學習機具有較好穩(wěn)定性及較高辨識精度。關(guān)鍵詞：故障診斷；多通道；集成學習；極限學習機；北京故障機理研究模擬實驗臺傳感器