基于时域分析的旋转机械故障诊断方法研究

基于时域分析的旋转机械故障诊断方法研究

论文摘要

在现代工业中,旋转机械(电机、轴承及轴等)被受广泛使用,并成为主要的动力源。旋转机械工作环境恶劣,工作时间长,且起动频繁,易出现各种故障。若能对旋转机械进行有效的状态监测,及时发现故障并进行维修或更换,既能避免链锁故障的发生,且保证了生产安全,提高机械的使用效率。因此,旋转机械故障诊断有着直接的实际意义。在机械故障诊断领域,频域分析已经相当成熟,主要是通过分析电流及振动信号的特征频率来进行故障诊断;频域分析方法在转速恒定的时候是非常有效的,因为振动信号与转速有着直接的联系。一般地,旋转机械的转速不是恒定的,那么测量到的与转速密切相关的振动信号是时变的;而传统的频域信号处理方法,如Fourier变换等只适合于时不变信号的分析,因此时频域结合的分析方法是必需的。本论文主要研究了几种时域上的旋转机械故障诊断方法:多元统计过程控制方法、Parzen窗函数概率密度估计方法、Parks’矢量法,并把近年新出现的盲信号处理方法应用到频率分析方面。通过从自行制作的故障仿真模型上测取实验数据来验证了所研究算法的有效性,实验证明了多元统计控制方法及Parzen窗函数概率密度估计方法能有效地监测到机械的微弱的故障信号,这是频域方法无法分析到的。通过对电流的Parks’矢量图进行图像匹配,实现了电气故障的分离。另外,盲信号处理方法能够有效地把同时发生的两种故障信号分离开来,提高了故障诊断的准确性。

论文目录

  • 中文摘要
  • 英文摘要
  • 符号表
  • 目录
  • 第1章 前言
  • 1.1 课题研究背景及意义
  • 1.2 国内外研究动态
  • 1.2.1 傅里叶变换方法
  • 1.2.2 小波分析法
  • 1.2.3 Park's矢量方法
  • 1.2.4 基于人工神经网络的方法
  • 1.2.5 基于模糊逻辑的方法
  • 1.2.6 基于模糊神经网络的方法
  • 1.2.7 基于遗传算法的方法
  • 1.3 本论文主要研究内容
  • 第2章 仿真意义及仿真工具
  • 2.1 软件仿真
  • 2.1.1 电力系统模块simpowersystems
  • 2.1.2 Motorsim
  • 2.2 硬件仿真
  • 2.3 该研究课题所用的仿真工具
  • 第3章 基于多元统计过程控制方法的旋转机械故障诊断
  • 3.1 统计过程控制与多变量统计过程控制
  • 3.2 多变量统计控制图
  • 2统计量的几何意义'>3.3 Q统计量(SPE)和T2统计量的几何意义
  • 3.4 主元模型
  • 2统计量的数学描述'>3.5 Q统计量(SPE)和T2统计量的数学描述
  • 3.6 多变量统计过程控制方法在电机故障诊断中的应用
  • 3.7 基于多变量统计过程控制方法的电机故障诊断实验
  • 3.8 故障的定位
  • 3.9 结论
  • 第4章 基于概率密度估计的旋转机械故障诊断
  • 4.1 总体分布的非参数估计
  • 4.2 Parzen窗估计的概念
  • N(x)为密度函数的条件'>4.3 估计量PN(x)为密度函数的条件
  • 4.4 窗函数的选择
  • N对估计量PN(x)的影响'>4.5 窗宽hN对估计量PN(x)的影响
  • N(x)的统计性质'>4.6 估计量PN(x)的统计性质
  • 4.7 Parzen窗函数密度估计方法在旋转机械故障诊断中应用的可行性
  • 4.8 Parzen窗函数密度估计方法应用的一些补充
  • 4.9 基于概率密度估计方法的机械故障诊断实验
  • 4.10 结论与讨论
  • 第5章 Park's矢量法对三相电流的监测
  • 5.1 Park's矢量
  • 5.2 故障仿真实验
  • 5.3 基于Park's矢量图的故障分离
  • 5.4 结论
  • 第6章 基于盲信号分离的机械故障诊断方法
  • 6.1 盲信号分离的产生及背景
  • 6.2 盲信号分离问题的描述
  • 6.3 盲信号分离问题的前提假设
  • 6.4 盲信号分离的可实现性
  • 6.5 盲信号分离的算法实现
  • 6.5.1 盲信号分离算法所应有的等变化性
  • 6.5.2 源信号的统计性质对算法的影响
  • 6.6 独立分量分析ICA
  • 6.6.1 最小互信息法MMI
  • 6.6.2 最大熵法ME
  • 6.7 非线性主分量分析NPCA
  • 6.8 非线性混合情况下的盲信号分离
  • 6.9 盲源分离技术在旋转机械故障诊断的应用
  • 6.10 本论文实验中使用的盲源分离算法
  • 6.11 仿真实验
  • 6.12 结论
  • 总结
  • 参考文献
  • 致谢
  • 已发表论文
  • 相关论文文献

    • [1].遗传程序设计在旋转机械故障分类中的应用[J]. 计算机应用与软件 2013(10)
    • [2].旋转机械故障产生的原因分析[J]. 湖南造纸 2011(02)
    • [3].旋转机械故障的拉普拉斯支持向量机诊断方法[J]. 中国机械工程 2016(01)
    • [4].基于小波包的旋转机械故障分析[J]. 自动化与仪器仪表 2014(11)
    • [5].全矢谱-粗集理论在旋转机械故障频谱特征提取中的应用研究[J]. 机械设计与制造 2011(05)
    • [6].基于灰色关联度的旋转机械故障智能诊断系统研究[J]. 煤矿机械 2009(04)
    • [7].旋转机械故障诊断方法研究分析[J]. 山东工业技术 2017(10)
    • [8].复合无量纲指标在旋转机械故障分类中的应用[J]. 现代制造工程 2013(04)
    • [9].基于优先级诊断树的旋转机械故障诊断专家系统[J]. 中国电机工程学报 2008(32)
    • [10].小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取[J]. 机械强度 2014(01)
    • [11].时频分析方法在旋转机械故障特征提取中的应用[J]. 广东石油化工学院学报 2017(04)
    • [12].旋转机械故障检测在AGV设备中的应用研究[J]. 湖北农机化 2020(05)
    • [13].基于遗传神经网络的旋转机械故障预测方法研究[J]. 计算机测量与控制 2016(02)
    • [14].基于PPCA的旋转机械故障识别算法[J]. 计算机仿真 2011(12)
    • [15].旋转机械故障模拟试验台用于泥浆泵的故障诊断[J]. 油气田地面工程 2014(12)
    • [16].基于拉普拉斯特征映射的旋转机械故障识别[J]. 振动与冲击 2014(18)
    • [17].RS-LOD方法及其在旋转机械故障特征提取中的应用[J]. 振动与冲击 2020(16)
    • [18].大型旋转机械故障联锁的优化设计[J]. 通用机械 2016(11)
    • [19].ICA-R算法在旋转机械故障信号提取中的应用[J]. 深圳信息职业技术学院学报 2011(01)
    • [20].旋转机械设备常见故障诊断[J]. 湖南工程学院学报(自然科学版) 2008(03)
    • [21].基于改进FSVM的旋转机械故障诊断算法[J]. 北京工业大学学报 2015(11)
    • [22].基于改进EEMD-MDE-BLSTM旋转机械故障诊断方法研究[J]. 电力科学与工程 2020(10)
    • [23].设备故障诊断在旋转机械上的应用分析[J]. 内燃机与配件 2018(16)
    • [24].旋转机械故障诊断技术在金属冶炼设备中的应用[J]. 世界有色金属 2020(02)
    • [25].基于矢谱和支持向量数据描述的旋转机械故障诊断方法研究[J]. 机床与液压 2009(09)
    • [26].基于主元分析与KNN算法的旋转机械故障识别方法[J]. 机械设计与制造 2017(06)
    • [27].旋转机械故障特征提取的全矢二元经验模态分解方法研究[J]. 振动与冲击 2019(09)
    • [28].小波变换在旋转机械故障检测中的应用研究[J]. 机械研究与应用 2008(06)
    • [29].基于切片谱免疫系统的旋转机械故障诊断[J]. 仪器仪表学报 2008(06)
    • [30].移不变时频流形自学习的旋转机械故障特征增强[J]. 振动工程学报 2020(03)

    标签:;  ;  ;  ;  ;  

    基于时域分析的旋转机械故障诊断方法研究
    下载Doc文档

    猜你喜欢