基于全矢谱的设备故障预测方法研究

发布时间：2023-03-19 10:17

　　机械设备在运行的过程中,由于不同原因会出现各式各样的故障,这些故障轻则影响运转,重责造成重大事故,带来严重的经济损失。正确的故障预测能够提醒设备管理人员提前采取措施,避免事故的发生,为设备安全高效地运行提供技术保障。当前的预测研究仍以单一参数的数值预测为主,并不能通过预测对可能发生的故障的性质和部位做出判断。本文以大型旋转机械为研究对象,针对现有故障预测中存在的不足,从信息融合、数据采集、预测建模、产品开发等多个方面对基于全矢谱的故障预测方法进行研究。解决了传统预测方法无法预测故障性质和部位的问题,利用振动大数据进行设备健康预警和评价,为预测技术的推广应用提供了基础保障。论文所做的主要研究工作和取得的成果如下:(1)研究了基于全矢信息融合的设备故障预测方法,阐述并构建了一维全矢振动强度预测模型(FVMP),二维全矢频谱结构预测模型(FVSP)和设备故障多维预测模型(FVEP)。在分析全矢谱技术的基本原理、方法和数值计算的基础上建立的预测模型,能够克服传统测试方法得到的数据反映的设备振动特征不够全面的问题,根据全矢融合后的振动信号,预测频谱结构的变化,判断故障性质并评价设备健康状态;(2...

【文章页数】：134 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题来源
    1.2 设备故障预测的研究意义
    1.3 故障预测技术研究现状
        1.3.1 故障预测技术的发展历程
        1.3.2 故障预测技术研究现状
        1.3.3 预测方法研究现状
        1.3.4 大数据预警研究现状
    1.4 同源信息融合技术研究现状
        1.4.1 信息融合技术
        1.4.2 同源信息融合
    1.5 课题研究的目的和意义
    1.6 主要研究内容与结构安排
        1.6.1 本文的主要研究内容
        1.6.2 本文的结构安排
2 基于全矢信息融合的故障预测
    2.1 全矢谱理论与方法
        2.1.1 同源融合的必要性
        2.1.2 全矢谱基本原理
        2.1.3 全矢振动特征计算
    2.2 全矢振动强度预测
    2.3 全矢振动频谱预测
    2.4 多维预测与整机评价
    2.5 本章小结
3 全矢数据采集与特征提取
    3.1 虚拟振动传感器
    3.2 全矢振动数据采集
        3.2.1 全矢采集电路
        3.2.2 全矢采集过程控制
        3.2.3 全矢数据分析与验证
    3.3 本章小结
4 全矢AR时序预测模型研究
    4.1 全矢AR模型的构建
        4.1.1 AR模型结构
        4.1.2 时序预测的步骤
        4.1.3 模型的识别
        4.1.4 参数估计
        4.1.5 AR模型预测递推公式
        4.1.6 分析评价指标
    4.2 全矢AR模型的计算验证
        4.2.1 全矢AR模型数值计算
        4.2.2 预测验证
    4.3 本章小结
5 全矢灰色预测模型研究
    5.1 全矢灰色模型
        5.1.1 灰色模型理论
        5.1.2 全矢-灰色模型构建
    5.2 实验验证
    5.3 本章小结
6 全矢综合预测模型与大数据预警
    6.1 全矢综合预测模型
        6.1.1 全矢综合预测模型
        6.1.2 EMD趋势项提取
        6.1.3 全矢综合预测模型的建立
        6.1.4 试验验证
    6.2 基于全矢谱的大数据预警
        6.2.1 大数据预警流程
        6.2.2 预测结果综合评价与诊断
    6.3 本章小结
7 全矢故障预测技术及其工程应用
    7.1 基于全矢谱的故障预测技术
    7.2 相关产品与功能开发
        7.2.1 SDC系列采集器
        7.2.2 软件功能
    7.3 工程应用实例
    7.4 本章小结
8 结论与展望
    8.1 结论
    8.2 关键技术和创新点
    8.3 展望
参考文献
个人简历
在校期间发表的学术论文与研究成果
致谢



本文编号：3765073