基于改进倍频带特征的离心泵空化状态识别

发布时间：2018-06-10 05:10

  本文选题：离心泵 + 空化状态识别　； 参考：《哈尔滨工程大学学报》2017年08期

【摘要】：空化状态识别是离心泵状态监测的难点之一。对离心泵的空化进行了试验研究,采集了三种转速时泵壳上两个位置处的振动信号,根据离心泵的特点对标准倍频带进行改进,基于改进倍频带和标准倍频带构建了振动信号的特征向量,利用BP神经网络对离心泵的四类空化状态进行识别。研究表明:改进倍频带比标准倍频带更能有效地提取离心泵空化振动信号的特征;利用任意一处振动信号的频带特征都能够有效地识别扬程降低大于3%的严重空化状态,联合利用两处振动信号的频带特征能够有效地提高对正常状态和空化程度较轻状态的识别率。
[Abstract]:The identification of cavitation state is one of the difficulties in the state monitoring of centrifugal pumps. The cavitation of centrifugal pumps is tested and studied. The vibration signals at two positions on the pump shell at three kinds of speed are collected. According to the characteristics of the centrifugal pump, the standard frequency doubling band is improved. The BP neural network is used to identify four kinds of cavitation states of centrifugal pumps. The study shows that the improved frequency doubling band is more effective than the standard frequency doubling band to extract the characteristics of the cavitation vibration signal of the centrifugal pump. Using the frequency band characteristics of any vibration signal can effectively identify the serious cavitation state which is lower than 3%, and combine two vibrations. The frequency band characteristics of the moving signal can effectively improve the recognition rate of the normal state and the cavitation degree.
【作者单位】： 海军工程大学管理工程系;海军工程大学动力工程学院;
【基金】：国家自然科学基金资助项目(51306205) 湖北省自然科学基金项目(2015CFB700) 海军工程大学博士生创新基金项目(4142C15K)
【分类号】：TH311

【相似文献】

相关期刊论文 前10条

1 齐永顺;张文泉;;设备状态识别[J];机械设计与制造;1987年04期

2 滕红智;贾希胜;赵建民;张星辉;王正军;葛家友;;分层隐Markov模型在设备状态识别中的应用研究[J];中国机械工程;2011年18期

3 余成波，，梁德沛;基于模糊相似贴近度旋转机械状态识别[J];机械传动;1994年04期

4 杜向华;毛荣富;朱海潮;;加权支持向量机在机器状态识别中的应用[J];船海工程;2006年04期

5 张蕾,郭忠新,曹其新;设备退化状态识别的两种方法[J];机床与液压;2005年01期

6 张优云;系统识别在摩擦学中的应用(续)[J];润滑与密封;1989年02期

7 王宁;孙树栋;蔡志强;李淑敏;;基于HSMM的两阶段设备缺陷状态识别方法[J];计算机应用研究;2011年12期

8 谭青;旋转机械故障诊断的状态识别[J];南昌高专学报;1998年03期

9 曾庆虎;邱静;刘冠军;;基于小波相关特征尺度熵的HSMM设备退化状态识别与故障预测方法[J];仪器仪表学报;2008年12期

10 曾庆虎;邱静;刘冠军;;小波相关特征尺度熵和隐半马尔可夫模型在设备退化状态识别中的应用[J];机械工程学报;2008年11期

相关会议论文 前2条

1 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年

2 李宏坤;周帅;孙志辉;;基于Hilbert时频谱重心与支持向量机的设备状态识别[A];第八届全国动力学与控制学术会议论文集[C];2008年

相关硕士学位论文 前2条

1 林助军;非稳态条件下摩擦信号处理和状态识别技术研究[D];大连海事大学;2015年

2 朱昌堆;滚动轴承声发射信号特征选取及状态识别方法研究[D];北京化工大学;2012年

本文编号：2002079