基于变分模态分解与奇异谱分析的往复压缩机典型故障预示研究

发布时间：2020-12-18 07:22

　　往复压缩机作为石油、化工等行业的关键设备,在发生事故时所造成的巨大经济损失和人员伤亡的灾难性,决定了对其开展诊断的必要性。本文以往复压缩机滑动轴承磨损和气阀类典型故障为研究对象,从振动信号自适应分解处理的角度,深入分析故障机理与振动信号的响应关系、信号自适应分解的尺度特征、多重分形谱特征分析、关键部件性能衰退评估指标选择和混沌动力学预测模型适用性等问题,将变分模态分解(VMD)与多重分形谱分析相结合,从非线性信号精细化分析角度,基于往复压缩机振动信号对典型故障进行特征提取与模式识别,并通过建立奇异谱参数指标,对往复压缩机滑动轴承运行状态进行评估与预示研究,结合2D12型往复压缩机典型故障与运行周期,提出了一套完整的故障状态评估与预示方法。主要工作如下:往复压缩机滑动轴承故障因其隐蔽性和振动传递路径的复杂性,对其进行有效诊断十分困难。为提高较难识别的十字头滑履和连杆小头轴承间隙故障诊断准确率,结合VMD算法原理,并考虑算法在带通滤波中表现出的故障分离能力,通过分析振动响应与故障响应的关系,寻找敏感测点以提升信号可辨识性和采样一致性。从状态间特征可分性角度引入多重分形广义谱理论,采用瞬时频... 

【文章来源】：东北石油大学黑龙江省

【文章页数】：110 页

【学位级别】：博士

【部分图文】：

VMD分解算法流程图

MGS矩阵遗传算法寻优流程图

D12往复压缩机现场监测图


本文编号：2923608