离心式压缩机状态监测及故障诊断与系统应用

发布时间：2017-07-06 19:03

  本文关键词：离心式压缩机状态监测及故障诊断与系统应用

  更多相关文章： 离心式压缩机 在线监测 故障诊断 小波变换 BP神经网络

【摘要】：离心式空气压缩机作为石化、电力等行业内主要设备之一,它对整个生产系统的经济、安全运行有着重要影响。很多企业都试图通过在线监测压缩机的运行状态,进而有效的预测压缩机的运行趋势,提前找到相应的对策。本文首先分析了离心式压缩机的工作原理及常见故障,提出比较完善的在线监测目标;对于实测信号,比较了傅里叶变换、小波变换、小波包变换等多种消噪方法的基础上,确定了最适用于非平稳信号去噪的小波包变换去噪方法,提高信噪比。在此基础上,阐述了智能识别压缩机运行状态的方法,主要介绍了采用频谱分析法来进行故障诊断的方法:基于BP神经网络理论,在提取故障信号特征集作为训练样本的基础上,构建了三层BP神经网络,完成了压缩机故障诊断系统,且通过实例证明了该系统的有效性和准确性。最后系统的介绍了离心式压缩机在线监测及故障诊断系统的总体结构、软件功能和硬件布置、选型原则等情况,并通过该系统在实际中的应用情况的介绍,表明该系统达到了预期的设计目标,提高了生产可靠性。
【关键词】：离心式压缩机 在线监测 故障诊断 小波变换 BP神经网络
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH452
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-13
• 1.1 研究背景9
• 1.2 选题的目的和意义9-10
• 1.3 压缩机状态检测技术国内外研究概述10-12
• 1.4 论文的主要内容12-13
• 第2章 离心式压缩机常见故障诊断及监测方法13-26
• 2.1 离心式压缩机工作原理、结构及优点13-16
• 2.1.1 离心式压缩机工作原理13
• 2.1.2 离心式压缩机的结构13-16
• 2.1.3 离心式压缩机的优点16
• 2.2 离心式空气压缩机常见故障16-23
• 2.2.1 离心式空气压缩机异常振动17-18
• 2.2.2 离心式压缩机轴向推力过大及轴位移增加18
• 2.2.3 离心式压缩机轴承故障18-19
• 2.2.4 离心式压缩机喘振19-20
• 2.2.5 离心式压缩机泄漏20-21
• 2.2.6 离心式压缩机驱动机超负荷故障21-22
• 2.2.7 压缩机润滑系统故障22-23
• 2.2.8 压缩机联轴节故障23
• 2.3 系统监测内容23-25
• 2.4 小结25-26
• 第3章 基于小波变换的在线监测及诊断系统设计26-48
• 3.1 在线监测信号的预处理26-27
• 3.1.1 信号预处理的主要内容26
• 3.1.2 信号的软件预处理26-27
• 3.2 基于小波变换的消噪处理方法27-32
• 3.2.1 常见滤波方法27-28
• 3.2.2 小波消噪28-30
• 3.2.3 小波包去噪30-32
• 3.3 仿真信号试验32-37
• 3.4 压缩机状态检测及故障诊断系统总体结构37-38
• 3.5 状态检测及故障诊断软硬件构成38-47
• 3.5.1 软件设计38-44
• 3.5.2 硬件简介44-47
• 3.6 小结47-48
• 第4章 离心式压缩机故障诊断研究48-63
• 4.1 大型机械系统故障的特征及其识别48-52
• 4.1.1 机械系统故障的特征48-49
• 4.1.2 系统故障识别49-52
• 4.2 离心式压缩机典型故障特征集52-53
• 4.3 基于小波变换的故障信号特征提取53-54
• 4.4 基于BP神经网络的故障诊断模型54-61
• 4.4.1 常见故障诊断模型54-56
• 4.4.2 人工神经网络基本理论56-58
• 4.4.3 BP神经网络故障诊断的设计思路58-60
• 4.4.4 BP神经网络仿真准确度验证60-61
• 4.5 基于振动信号的故障诊断分析61-62
• 4.6 小结62-63
• 第5章 系统在实际中的应用63-74
• 5.1 系统现场应用63-69
• 5.1.1 采集器、传感器的在线监视64-65
• 5.1.2 在线监测工作状态65
• 5.1.3 历史状态回顾65-66
• 5.1.4 信号分析66-68
• 5.1.5 故障诊断68-69
• 5.2 实例：2011年12月 25日K6601跳车分析报告69-73
• 5.3 小结73-74
• 第6章 结论与展望74-76
• 6.1 结论74
• 6.2 展望74-76
• 参考文献76-78

【参考文献】

中国期刊全文数据库 前10条

1 高立新;汤文亮;胥永刚;殷海晨;;基于冗余第二代小波的降噪技术[J];北京工业大学学报;2008年12期

2 宋崇智;吴玉国;王璐;谢能刚;;基于改进Elman网络的发动机点火系统故障诊断[J];农业机械学报;2008年03期

3 张建民,徐小力,许宝杰,王红军;面向机电系统状态监测与故障诊断的现代技术[J];北京理工大学学报;2004年09期

4 吴成茂,范九伦;确定RBF神经网络隐层节点数的最大矩阵元法[J];计算机工程与应用;2004年20期

5 张维强,宋国乡;基于一种新的阈值函数的小波域信号去噪[J];西安电子科技大学学报;2004年02期

6 施俊侠,王大成,黄斌;离心式压缩机的振动故障分析[J];风机技术;2003年06期

7 王俨剀,廖明夫,赵铁;基于小波分析的制冷压缩机气阀故障诊断方法的研究[J];中国机械工程;2003年12期

8 陈华新,武秀文,黄樟灿;基于神经网络的多传感器信息融合[J];武汉理工大学学报(信息与管理工程版);2001年02期

9 范凯,陶然,周思永;基于神经网络数据融合的目标跟踪简化算法[J];系统工程与电子技术;2001年03期

10 刘卫华,郁永章;往复压缩机故障诊断方法的研究[J];压缩机技术;2001年01期

中国硕士学位论文全文数据库 前1条

1 孙燕平;基于小波分析的汽轮机早期振动故障识别技术研究[D];华北电力大学（北京）;2007年

，

本文编号：527395