北京转向架故障模拟实验台
VALENIAN平行轴齿轮箱故障机理研究模拟实验台一、实验台基本结构该实验台采用电机、动态扭矩传感器、PT500mini平行轴齿轮箱进行减速、磁粉制动器作为实验负载形成完整的故障模拟系统,通过调节磁粉制动器的激磁电流来改变实验负载大小。配套数据采集系统及相关软件、加速度传感器等实现正常和故障齿轮的振动、噪声、扭矩、转速信号测量。二、实验研究内容电机故障研究:搭配不同的故障电机类型、配合电流电压传感器,可研究电机转子不平衡故障、电机轴承故障、电机转子断条故障等;平行轴齿轮箱故障机理研究:直齿、斜齿不同故障形式,如点蚀、磨损、裂纹、断齿、缺齿等常见故障;还可以按需求定制不同故障形式;滚动轴承故障研究:齿轮箱支撑轴承的不同故障形式,如点蚀、裂纹、磨损、保持架断裂等;不同工况模拟:电机升降速状态下的齿轮特性、不同负载状态下的齿轮特性等故障模拟实验台哪个牌子的好?北京转向架故障模拟实验台
故障模拟实验台
齿轮箱故障仿真测试台是专为模拟工业齿轮轴承故障而设计的,用于轴承及齿轮传动系统的深入研究,它由一个带有滚动轴承、动平衡校正转子盘,行星齿轮箱和磁粉制动台和两级平行轴齿轮箱所组成。预留足够空间来放置振动数据采集台,来采集振动信号。其结构便于安装,更换齿轮。2级平行轴齿轮箱可设计为随时根据实验需要切换良好齿轮和故障齿轮。并且可以测试滚动轴承缺陷,例如内圈,外圈和滚珠损坏。在齿轮测试中可以进行可视化负载控制,并且可以进行齿轮间隙调整以进行不同齿轮间隙研究。 可以将不同类型的齿轮故障集成到齿轮箱中,通过各种故障齿轮一次一个地进行测试,或同时放置两种故障齿轮,用来研究不同齿轮故障之间的相互作用,还有进行行星齿轮的故障特征研究,如大齿圈故障,太阳齿故障,行星轮齿轮故障等,还可以进行不对中,不平衡,松动等故障模拟。还具有油液循环模组给齿轮轴系供油润滑。重庆故障模拟实验台定制谁能推荐一款性价比高的故障模拟实验台?
VALENIAN的故障模拟实验台主要由三相异步电动机,变频台,双槽皮带轮,皮带张紧装置,联轴台,摩擦支架套件,平行齿轮箱,行星齿轮箱,磁粉制动台,张力调节台,双支撑轴承座单元,动平衡转子盘,油液循环油泵系统,转速调节及转速显示模块,急停开关。此外,重要的是,负载制动台可以连接到齿轮传动系,从而可以通过电流调节,自由地控制磁力制动台。的设计使其具有可靠性、通用性和易操作性,尤其是多功能一体概念。在VALENIAN的故障模拟实验台中,机台的结构是将好的和坏的部件放在一起,极少数情况下需要拆卸/更换这些部件,但是对于特定类型的实验,很容易拆卸和更换各种部件。由于能够很容易地移除/更换组件并将其置于不可调整的位置,因此在操作实验台时需要格外小心,以了解与特定实验相关的潜在危险。此外,在启动机台之前,务必仔细检查所有紧固件是否牢固。
VALENIAN的故障模拟实验台不遵守所有安全规则和相关事项可能导致严重伤害,不在保修范围内。在组装和使用实验台之前,用户必须充分了解操作手册的内容。为了降低受伤、触电和火灾的风险,用户必须遵守本手册中描述的警告和安全说明。如果您正在操作实验台,您有责任遵守手册中所写并标记在设备上的所有警告和说明。必须严格遵守安全说明,因此您只能将本设备的使用限制在熟悉本手册以及设备警告和说明的人员。此实验台是用来产生机械故障信号,并对其进行测量和分析,以学习如何进行机械故障的辨别。它不是为进行破坏性试验而设计的。如果实验台用于特定目的,则必须应用以下安全指南:不要在振动过大的状态下长时间运转,不要在磁粉制动台的蕞大扭矩下运行超过5分钟。转速超过6000转/分时,运转时间不得超过30秒。机械故障综合模拟实验台该实验台通过故障注入、故障演变实验等手段,模拟机械部件的故障、退化等特性。
VALENIAN的故障模拟实验台电机和变速驱动台的转速范围为0至1750转/分,从2HP到10HP不等。当三相电源不可用时,使用2HP和3HP装置。5HP和10HP的实验台需要三相电源。变频台(或变速控制台)可编程为更高速度,但必须小心确保适当的齿轮箱润滑和磁粉制动台温度控制。有关编程说明,请参阅变频台手册。变频台蕞初编程为允许简单的启动/停止,并运行在以赫兹(每秒转数)测量的不同速度。由于感应电动机滑差现象,齿轮箱输入轴的实际转速将略低于变频台上显示的值。变频台上的值是变频台对电机的输出。实际轴转速显示在转速传感台上,也可以使用外部PC控制变频台。故障模拟实验台价格谁知道?黑龙江小型故障模拟实验台
汉吉龙生产制造的机械设备故障模拟实验台设备详解 ,可以了解一下。北京转向架故障模拟实验台
VALENIAN瓦伦尼安(苏州)教学设备有限公司生产的故障模拟实验台,生产的故障试验台是一个创新性试验台,可模拟机械设备常见故障,用于故障诊断研究,模块化组件设计的实验台功能很大、操作简单、性能可靠,所有部件装配合理,不会产生附加振动,针对基于机台学习模型的故障诊断存在依赖人工特征提取质量、维数灾难问题和卷积神经网络(CNN)模型构建缺乏自适应性等问题,提出了一种基于粒子群优化(PSO)算法的自适应CNN故障诊断方法,并将其应用于旋转机械故障诊断。将一维时域信号变成二维时频图像;使用PSO算法对CNN模型中的7个关键参数进行优化选取,以构建深度学习模型;将二维时频图像输入优化后的深度学习模型,对旋转机械故障进行诊断。结果表明,所提方法具有较高的准确率、稳定性和自适应性。北京转向架故障模拟实验台
上一篇: 新疆变压器振动分析仪
下一篇: 小型故障模拟实验台定制