针对潜油电泵特征提取及状态判别问题,提出一种基于冗余第二代小波包变换、多尺度熵和概率神经网络的诊断方法. 首先, 利用冗余第二代小波包对拾取的信号样本进行处理, 得到相应的子带信号分量, 继而计算所得子带信号分量的多尺度熵值, 并构造能够表征电泵状态的特征向量, 最终将特征向量输入到概率神经网络中实现潜油电泵故障的自动识别.实测数据分析结果表明, 所述方法能够有效对潜油电泵的工作状态进行识别, 具有一定工程应用价值.

现场动平衡是解决旋转机械不平衡故障最方便有效的方法。针对当前工程实际中正在使用的动平衡方法的不足,从Jeffcott转子不平衡响应这一角度出发,结合影响系数法原理,提出一种无需相位信息的动平衡新方法。该方法无需安装键相传感器,通过两次特殊位置的试重,即可计算出配重大小及两个可能的配重位置。应用该方法进行现场动平衡,最少停机3次,最多停机4次,即可完成现场动平衡。为了验证该方法,在Bently转子实验台上进行了3组动平衡实验,把该方法与影响系数法的结果进行了对比。实验结果表明,与影响系数法相比,该方法对试重的要求不敏感,即使试重对不平衡响应的影响很小,也能获得较理想的结果。文中所提方法对工程现场动平衡技术的应用具有重要促进作用,能够显著提高工程实际中机组的不平衡故障处理效率,具有显著的工程应用价值。