智能預警超限報警根據標準設定報警閾值，當測量值超過閾值即發出相應的報警（規則I）變化率報警對變化率設定閾值，測量值雖然沒超限但變化率超限，發出相應報警（規則II）趨勢預警基于自適應閾值檢測方法，可隨工況變化自適應的調節閾值，能夠有效減少由于固定閾值所引起的誤檢測和漏檢測問題，實時工作狀態●用戶可實時觀察和了解被監測對象當前各種故障的診斷情況以及所對應的特征值數據●***顯示被監測對象各種故障的現象描述、判斷依據、參考圖譜、實時圖譜以及診斷結果等信息，供用戶參考比對●當系統發出故障預警時，用戶可參考系統提供的各種參考信息，進一步綜合判斷被監測對象的故障狀態●實時工作狀態采用word文檔頁面展示，可以供第三方軟件通過WebAPI接口直接調用，故障機理研究模擬實驗臺的研發過程充滿挑戰。廣東故障機理研究模擬實驗臺

Wind-turbinesimulator（風力渦輪模擬器）Geardrivesimulator（齒輪箱傳動模擬器）ElectricalAnalysisSimulator（電氣分析模擬器）CustomizedSimulator（定制模擬器）DynamicVibrationSimulator（動態振動模擬器）MachinerydiagnosisSimulator（機械診斷模擬器）Vibration&RemoteConditionMonitoringTestBench（振動和遠程狀態監測試驗臺）VibrationAnalysisTrainingSystem（振動分析培訓系統）mechanicalbearinggearfaultsimulationtestbed（機械軸承齒輪故障模擬試驗臺）VibrationAnalysisandShaftAlignmentTrainingBench（振動分析與對中訓練臺）Rotatingmachineryvibrationanalysisandfaultdiagnosisexperimentalplatform（旋轉機械振動分析與故障診斷實驗平臺）新一代故障機理研究模擬實驗臺校正故障機理研究模擬實驗臺的穩定性至關重要。

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，

模擬器）Portablevibrationsimulator（便攜式振動模擬器）MachineVibrationSimulator（機械振動模擬器）Machinevibration–ShaftAlignmentSimulator（機械振動-軸對中模擬器）MachineryFaultSimulator–Lite（機械故障模擬器-簡裝版）MachineryFaultSimulator–Magnum（機械故障模擬器-完整版）Balancing–AlignmentTrainer（動平衡-對中訓練臺）MachineVibration&GearboxSimulator（機械振動-齒輪箱模擬器）Wind-turbinesimulator（風力渦輪模擬器）Geardrivesimulator（齒輪箱傳動模擬器）ElectricalAnalysisSimulator（電氣分析模擬器）CustomizedSimulator（定制模擬器）軸承壽命預測故障機理研究模擬實驗臺。

HOJOLO聲壓法測定聲功率包含：工程法、簡易法、消聲室和半消聲室精密法，可進行背景噪聲、環境聲場等修正?聲強法測定聲功率包含離散點測量法、掃描測量法、掃描測量精密法，對整個測試進行合適性判斷?聲壓法與聲強法均嚴格按照GB/T或ISO標準執行聲源定位功能特點?基于波束形成技術的聲陣列分析?快速定位噪聲源?可指定分析頻段，進行分析頻段內的噪聲源定位?噪聲源定位結果以云圖方式直觀顯示聲品質分析功能特點?對多個、典型聲品質客觀參量進行測試、分析?噪聲評價分析功能，可以對噪聲的干擾和危害進行評價，包含多種評價量和評價方法故障機理研究模擬實驗臺是研究故障的重要手段。西藏平行軸齒輪箱故障機理研究模擬實驗臺

故障機理研究模擬實驗臺是科學探索的重要工具。廣東故障機理研究模擬實驗臺

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-廣東故障機理研究模擬實驗臺