基于时变滤波经验模态分解的转子系统故障诊断

发布时间：2020-09-15 18:27

　　汽轮机、压缩机、燃气轮机等旋转机械是工业生产中常见的设备类型,在工业领域具有重要的应用。研究有效的方法监测设备的健康状况,诊断故障的类型、位置、严重程度,对于保证机械设备的正常运行、避免经济损失和人员伤亡具有重要意义。振动诊断方法是转子系统故障诊断领域普遍采用的方法,主要包括故障机理、故障特征提取和故障模式识别三个方面。因此,本文在时变滤波经验模态分解的基础上,分别从以上三个方面展开转子系统故障诊断的研究。首先,总结了转子系统常见的碰磨、裂纹、油膜涡动、不平衡故障的故障特征;建立了典型故障状态下的的转子系统动力学模型,采用计算机数值分析方法求解各个故障的运动微分方程,得到各个故障的仿真信号,从而为开展转子故障诊断研究奠定理论基础。为有效提取转子故障信号的特征,将时变滤波经验模态分解(Time Varying Filtering Based Empirical Mode Decomposition,TVFEMD)应用于转子系统的故障诊断。首先,针对该方法存在的参数选取盲目问题,研究了采用粒子群算法进行参数寻优的参数优化TVFEMD方法。然后,采用参数优化TVFEMD与Hilbert变换结合,作为一种时频分析方法,从转子故障信号中提取故障特征。最后,经对转子故障仿真信号和实验采集的故障信号分析表明,该时频分析方法能够从故障信号中有效提取故障特征,且与现有方法相比具有较强的优越性。在参数优化TVFEMD与Hilbert变换相结合的时频分析方法基础上,根据不同故障信号时频分布特征的区别,研究了一种基于信息熵和粒子群优化支持向量机实现故障类型识别的方法。首先,对转子故障信号进行参数优化时变滤波经验模态分解和Hilbert变换,获取信号的Hilbert时频图。然后,计算时频图的部分频带能量熵。最后,将熵值作为特征向量输入支持向量机实现对转子状态的识别。经对仿真和实测转子故障信号进行诊断,结果表明,该方法能够准确判别正常、不平衡、碰磨、油膜涡动等转子系统典型状态,且不受转子转速影响;与EMD结合时频熵的方法相比,具有更高的诊断精度。
【学位单位】：华北电力大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH133
【部分图文】：

碰磨,仿真信号

kck1k2czmxPtωo’oa）碰磨转子系统模型 b) 碰磨力模型图 2-1 转子碰磨故障模型2.1.3 数值仿真给定系统的参数为：m 2.8kg， 0.4， 3，q e 1，n 1， 0.4 1.65， f 0.1， 0.3， 2。将参数带入公式（2-4）中，使用标准定长的四阶 Runge-Kutta 法进行数值求解，以得到转子的振动响应。误差控制量10-3。图 2-2 为 y 方向的碰磨仿真结果。从中可以看出，该信号存在丰富的频成分，由 50 Hz 的基频及 1/2X、3/2X 等分数谐波及 2X、3X、4X 等高倍谐波成；轴心轨迹呈不规则的花瓣形；庞加莱图呈现不规则曲线。以上特征均符合2-1 所示的转子系统碰磨的故障特征，从而证明使用该仿真信号进行碰磨故障究的有效性和准确性。

转子裂纹,故障仿真

可知系统的一阶临界转速为 radsMk882.5/20 。不同裂纹深度下的刚变量设置参见文献[51]。采用四阶 Runge-Kutta 法求解公式（2-12）所示的系统的运动微分方程，求解周期 T 2 ，步长为 0. 01 T。初值设 0.1000000011221122x yxyx y x y 。为消除瞬应，舍弃前 500 个周期，计算 100 个周期的动力响应。图 2-5、2-6、2-7、2-8 分别为裂纹深度 A 0. 8 R时不同转速下系统的波形、频谱、轴心轨迹和庞加莱截面图。从图 2-5、2-6 中可以看出，在 1 /3、等分数次临界转速下，系统响应由基频及其倍频组成，具有明显的分数次共象，且随着转速提高，基频及倍频成分增多，幅值加大；轴心轨迹近似呈椭圆且随转速提高不断接近圆形；庞加莱映射图为一个单独的点。从图 2-7、2可以看出，随着转速增加，波形出现调制现象，不规则程度不断加重；频谱由1 /2等分数次谐波、基频与倍频组成，表明系统发生了油膜振荡；轴心轨迹环套小环的曲线逐步成为圆环状；庞加莱映射图由几个独立的点逐步变为封曲线。

转子裂纹,故障仿真,庞加莱映射,轴心轨迹

21下的转子裂纹故障仿真结果

【参考文献】