基于全矢谱的故障预测关键技术研究

发布时间：2020-03-30 11:15

【摘要】： 随着科学技术和工业技术的飞速发展,各种设备的自动化程度越来越高,功能也愈加完善,设备的复杂程度也越来越高,对提取的与设备状态有关的信号的准确度要求也越来越高。实践表明,传统的单通道信号分析技术已经不能满足工业现场对设备状态检测与故障诊断高准确性、高可靠性的要求。针对旋转机械单源振动信号包含信息不完整的缺陷,基于数据融合思想的全信息数据处理及故障诊断技术应运而生。其中基于数据层融合技术的全矢谱分析技术能够全面地表达转子振动的强度和频谱结构,并且其图谱表现形式与传统频谱分析方法相兼容,与其它全信息技术相比,具有独特的优势。 在设备状态预测领域,针对旋转机械单源振动信号包含信息不完整的缺陷,基于数据融合思想,将全矢谱技术分别与时间序列自回归AR(n)模型、基于最小二乘参数估计的线性拟合模型、简单滑动平均预测模型、指数平滑预测模型等预测技术相结合,提出了基于全矢谱技术的时间序列自回归AR(n)模型、基于全矢谱技术的线性拟和、基于全矢谱技术的简单滑动平均、基于全矢谱技术的指数平滑法预测方法,分别给出其计算方法及参数优化算法并加以分析比较。结果表明,基于全矢谱的预测方法相比传统单通道预测方法在各个频段上预测精度一致性更高,能够更加全面、准确地反映设备运行状态的发展趋势,是一种准确、有效、实用的旋转机械状态预测方法。 本文以全矢谱的预测理论为基础,以构建设备点检预测系统为目标,在Windows操作系统平台下,利用Visual C++程序开发工具以及SQL Server 2000数据库工具建立了基于全矢谱技术的设备状态预测系统,实现了历史数据的波形、频谱显示及预测分析。这对设备状态预测以及故障早期预测在工程实际中的实现以及全信息预测技术在工程实际中的应用有着非常重要的意义。
【图文】：

轴表现在频谱图上，即将当前涡动频率下最大幅值表现在图谱上，相当于在每一涡动频率下都有一个虚拟探头在振动的最大方向上采集振动信号[56]，其图谱表现形式如图1.3所示。目目‘.‘ ‘{1“”’ !!!诀足概倍频程X图1.3全矢谱图谱示例全矢谱技术的优势在于不仅全面表达了转子涡动的状态，，而且还改进了全
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TH165.3

【引证文献】

相关硕士学位论文 前1条

1 袁浩东;基于振动能量的故障诊断方法研究[D];郑州大学;2012年

本文编号：2607478