復雜裝備關鍵動部件故障預測與健康管理................................................................................1TY-01-01勵磁繞組短路與差異性負載組合下的汽輪發電機轉子振動特性分析...........1TY-01-02油液監測健康管理技術的研究與進展.............................................................12TY-01-03基于VMD-ReliefF的滾動軸承退化特征提取方法...........................................23TY-01-04數模聯合驅動的軸承故障深度遷移智能診斷方法.........................................28TY-01-05AReviewofMethodsforStructuralHealthMonitoringofAircraftLandingGear34TY-01-06FaultDiagnosisMethodofRollingBearingBasedonDTCWPTThresholdDenoising，CSCohandMSCNN............................................................................................40TY-01-故障機理研究模擬實驗臺的精度令人贊嘆。天津馬達故障機理研究模擬實驗臺

PT700在內轉子驅動電機機座上設置有內轉子驅動電機,內轉子驅動電機通過主聯軸器和內轉軸連接,套在內轉軸上的內轉子左輪盤,內轉子左支承結構,內轉子右輪盤和內轉子右支承結構沿中心軸線依次連接;套在外轉軸上的外轉子左支承結構,外轉子左輪盤和外轉子右輪盤沿中心軸線依次連接.本發明采用可調剛度的彈性支承,可實驗支承剛度對雙轉子動力特性的影響;可以模擬航空發動機雙轉子質量不平衡,轉子碰摩和支座松動等機械故障.轉靜件碰摩狀態下的葉片振動載荷和振動特性測試分析，基于彈性基礎的內外雙轉子故障模擬實驗臺,涉及航空發動機實驗裝置.本實驗臺的結構主要是:在外轉軸內設置有內轉軸,兩者中心軸線重合,通過中介支承結構機電子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研究故障行為的重要平臺。

DC24階次分析軟件特點?采用先進的數字跟蹤濾波和重采樣技術，對振動信號進行整周期采樣，實現無泄露、極陡峭的階次分析?每個瞬態信號都能連續進行采集、分析和保存，保證了數據的完整性?數據實時顯示、分析和處理，也可事后分析包絡分析功能特點?軟件包絡解調?通過包絡解調技術，實時測量，實時顯示包絡譜扭振分析功能特點?實時扭振角速度、角度計算與顯示?支持扭振徑向誤差修正，提高測試精度?實時扭振時程曲線、實時扭振角程曲線?實時頻域分析和顯示?扭振模態計算、分析和顯示

數據采集系統查找您想要的產品系列全部產品分布式數據采集系統集中式數據采集系統堅固型數據采集系統便攜式數據采集系統無線數據采集系統，主要功能：?故障軸承模擬：軸承內圈故障、軸承外圈故障、軸承滾動體故障、軸承保持架故障、軸承綜合故障（深溝球軸承）。?常見機械故障：機械松動、不對中等試驗。?不同轉速下的軸承故障頻率識別。?滾子軸承故障模擬（可選）聲強分析?記錄聲強原始時域數據?支持聲強的實時測試、顯示與事后處理分析聲壓分析?支持聲壓的實時測試、顯示與事后處理分析?可以提供聲壓時域曲線、頻域線譜與倍頻程等多種顯示方式?在聲壓倍頻程顯示方式中，提供1/1、1/3、1/6、1/12、1/24等多種頻帶設置方式?提供A、B、C、D、Wa、Wc等多種計權方式怎樣保證故障機理研究模擬實驗臺的實驗數據的準確性和可靠性?

采集器模擬信號調理電路采用模塊化設計，出廠前通道模塊可配置，可擴展，其中前8通道兼容IEPE、4-20mA、電壓采集，后4通道出廠前可配置4-20mA、電壓、PT100/PT1000采集?！裢獠?8～36V寬范圍電壓供電，可適用于大部分工業用電場合?！裰С諭EPE模式、電壓、電流模式輸入，包括使用4mA電流源耦合以及直流耦合?！衩客ǖ?5600Hz、12800Hz、6400Hz、3200Hz、1600Hz（可選）的采樣率?！衩客ǖ?0Vpp的輸入范圍?！馡EPE模式每通道0.1Hz的高通濾波器，10KHz的低通濾波器。模塊化設計，前8通道兼容IEPE故障機理研究模擬實驗臺是研究故障的重要手段。往復式故障機理研究模擬實驗臺傳感器

介紹增速齒輪箱故障機理研究模擬實驗臺的組成部分。天津馬達故障機理研究模擬實驗臺

提出一種往復式壓縮機示功圖處理方法以及基于卷積神經網絡機器學習的智能往復式壓縮機故障診斷流程。使用等參元歸一化方式處理示功圖，處理后的樣本經卷積神經網絡分類識別，可實現往復式壓縮機自學習、智能故障診斷。使用等參元歸一化方法，可無需考慮工藝變化、環境改變等造成示功圖圖形改變的因素，這樣示功圖的處理方式有助于后續的神經網絡智能識別擁有更高的準確率、更強普適性。經模擬和實測數據驗證齒輪箱柔性軸系故障植入綜合試..核電臥式轉子振動特性試驗平臺電機對拖齒輪箱故障植入試驗平臺微型軸承及動平衡試驗平臺軋銀振動特性試驗平臺軌道軸承振動及疲勞磨損試驗平臺核電立式軸承振動特性試驗扭轉振動試驗平臺平行齒輪箱疲勞磨損試驗平臺水泵故障植入試平臺齒輪箱傳動特性試驗平臺高速柔性轉子振動試驗平臺行星齒輪箱疲勞磨損試驗平臺軸承疲勞磨損試驗平臺單級便攜式行星齒輪箱故障植入實驗臺，天津馬達故障機理研究模擬實驗臺