广东在线故障机理研究模拟实验台

数据采集系统查找您想要的产品系列全部产品分布式数据采集系统集中式数据采集系统坚固型数据采集系统便携式数据采集系统无线数据采集系统，主要功能：故障轴承模拟：轴承内圈故障、轴承外圈故障、轴承滚动体故障、轴承保持架故障、轴承综合故障（深沟球轴承）。常见机械故障：机械松动、不对中等试验。不同转速下的轴承故障频率识别。滚子轴承故障模拟（可选）声强分析▪记录声强原始时域数据▪支持声强的实时测试、显示与事后处理分析声压分析▪支持声压的实时测试、显示与事后处理分析▪可以提供声压时域曲线、频域线谱与倍频程等多种显示方式▪在声压倍频程显示方式中，提供1/1、1/3、1/6、1/12、1/24等多种频带设置方式▪提供A、B、C、D、Wa、Wc等多种计权方式故障机理研究模拟实验台的研发需要团队协作。广东在线故障机理研究模拟实验台

PT650电机电气故障测试台，是一种在一款实验平台上模拟各种电机缺陷和机械常见故障的实验装置。它可以同时测试电气和机械故障，以获得相同运行状态条件下有价值的数据。它是一台可以应用于各种领域的实验平台，如电机故障的深入研究、科研院校，振动课程的培训、设备诊断人员的振动分析研究、培训和噪声振动工程师的认证测试。它是一种能够实现各种故障特征重现的实验台，对工程师和维护人员来说，这是必不可少的。它是一种特殊设计的产品，除了一般的机器故障特征外，还易于分析和学习电机故障。在实际工程中，往往使用傅里叶算法进行信号的频谱分析，但是部分环境下采集的信号使用傅里叶算法分析效果并不理想，例如盾构机工作时的振动和声音信号、机车走行部时的振动和声音信号等，由于其背景噪声能量很大，导致有用信号能量相对较小，信号的分析结果主要由噪声主导，这时傅里叶分析针对此类信号显得无能为于分区的聚类方法。陕西行星齿轮箱故障机理研究模拟实验台故障机理研究模拟实验台为故障分析提供了依据。

航空发动机双转子系统叶片-机匣碰摩故障模拟，Faultsimulationofblade-casingrubbingfordual-rotorsystemofaero-engines叶片-机匣碰摩严重影响航空发动机的性能、可靠性及安全性。考虑叶片-机匣碰摩、轴承非线性、联轴器不对中及高低压转子不平衡，利用有限元法建立双转子系统的非线性动力学模型；然后利用模态综合法缩减系统自由度，数值求解降阶模型的非线性振动响应，分析叶片-机匣碰摩故障响应特征。数值与实验结果表明：航空发动机双转子系统为多激励非线性系统，系统振动响应频率成分复杂，包括高低压转轴频率、多倍频、组合频率及其他复杂频率；当叶尖间隙较大时，叶片-机匣碰摩可能为局部碰摩，故障特征频率为叶片通过频率及其倍频，并在叶片通过频率两侧存在高低压转轴频率的调制边频带；当叶尖间隙较小时，叶片-机匣碰摩可能发生全周碰摩，呈现出由干摩擦引起的强烈自激振动。研究结果可为航空发动机双转子系统的叶片-机匣碰摩故障诊断及叶尖间隙设计提供一定参考。

在机械设备运行过程中，零部件的运动产生振动和冲击，包含着丰富的设备健康运行状态信息[1-2]。振动冲击往往是由零部件之间的碰撞敲击产生，其幅值大小、出现位置表现着设备的健康状态。在航空、船舶、石油化工等领域的机械设备中，包括航空发动机、内燃机、齿轮箱、往复压缩机、泵等，冲击振动是常见的故障模式[3-5]。因此，监测机械振动信号中的冲击成分可有效反映机械部件运行的健康状态，对设备进行故障诊断具有重要的意义。振动信号冲击成分呈现多频段分布，并伴随着噪声干扰，不同频率成分的冲击在时域混叠等问题[8-9]。以上情况，导致了复杂机械设备的实际振动监测信号的分析难度，造成了早期故障冲击特征难以捕捉等问题。更进一步地，其中一些往复机械（柴油机、往复压缩机、往复泵等）的振动信号的冲击成分在时域分布上呈现周期性间隔特点，与曲轴特定转角对应[10-12]，单从回转设备的频域分析方法在此并不适应。由于实际振动信号的频域复杂性和时域多冲击分布特点，因此需要对采集的振动冲击信号进行频域分解和时域冲击的提取，为后续特征提取和故障诊断奠定基础。故障机理研究模拟实验台是研究故障的重要手段。

DC24阶次分析软件特点▪采用先进的数字跟踪滤波和重采样技术，对振动信号进行整周期采样，实现无泄露、极陡峭的阶次分析▪每个瞬态信号都能连续进行采集、分析和保存，保证了数据的完整性▪数据实时显示、分析和处理，也可事后分析包络分析功能特点▪软件包络解调▪通过包络解调技术，实时测量，实时显示包络谱扭振分析功能特点▪实时扭振角速度、角度计算与显示▪支持扭振径向误差修正，提高测试精度▪实时扭振时程曲线、实时扭振角程曲线▪实时频域分析和显示▪扭振模态计算、分析和显示故障机理研究模拟实验台是科学研究的重要平台。云南平行轴齿轮箱故障机理研究模拟实验台

故障机理研究模拟实验台的价值不可估量。广东在线故障机理研究模拟实验台

针对滚动轴承故障类型和损伤程度难以识别的问题，提出一种基于变分模态分解（VariationalModeDecomposition,VMD）和Gath-Geva（GG）模糊聚类相结合的滚动轴承故障分类方法。该方法通过对已知滚动轴承故障信号进行VMD分解，利用分量频率中心的大小确定分解模态的数量，将所得本征模态分量组成初始特征矩阵进行奇异值分解；选取3个比较大奇异值作为GG聚类算法的输入，得到已知故障信号的隶属度矩阵和聚类中心；通过待测信号初始隶属度矩阵与已知故障信号聚类中心之间的海明贴近度识别滚动轴承的故障类型和损伤程度。通过滚动轴承振动数据对所述方法的有效性进行验证，瓦伦尼安教学设备桌面式齿轮故障教学平台便携式转子轴承教学实验台桌面式转子轴承故障教学平台转子动力学研究实验台故障机理研究教学平台转子轴承综合故障模拟实验台诊断台转子轴承教学平台广东在线故障机理研究模拟实验台