基于复信号双边谱与FNN的旋转机械故障诊断方法研究

发布时间：2017-07-08 08:13

  本文关键词：基于复信号双边谱与FNN的旋转机械故障诊断方法研究

  更多相关文章： 旋转机械 故障诊断 负频率 复信号双边谱 FNN

【摘要】：旋转机械是工业生产中应用非常广泛的一种关键设备。开展旋转机械状态监测和故障诊断技术的研究工作,对于避免设备损坏,保障人员安全,减少停机时间和次数,减少企业的经济损失具有重要的作用。本论文结合旋转机械智能故障诊断的应用需求,针对故障特征提取的实时性和准确性问题,以及由故障耦合引起的故障表征的模糊性和不确定性问题,提出一种基于复信号双边谱的故障特征提取方法与基于模糊神经网络(FNN)的模式识别方法融合的旋转机械智能故障诊断方法。主要研究工作如下:首先,针对故障特征提取的实时性和准确性问题,提出基于复信号双边谱分析的故障特征提取方法。在分析频谱正、负频率与转子正、反进动之间的联系的基础上,引入复信号和负频率,通过信号处理可直接获取能有效反映旋转机械故障特征的故障特征量,并通过对比分析验证了该方法的完备性。进而,根据故障特征量的特性构造能够全面表征故障特征的故障特征参数—进动能量差密度和振动能量密度。进动能量差密度可用于进动分析,为故障诊断提供数据参考;振动能量密度因其整体和全局性可作为故障模式识别的输入,为故障模式识别提供可靠的数据支持。通过案例分析对该方法的有效性和准确性进行了验证。然后,针对故障耦合引起的故障表征的模糊性和不确定性问题,提出基于模糊神经网络的故障模式识别方法。以振动能量密度作为网络的输入,构造五层前馈模糊神经网络。通过模糊理论的模糊化和模糊推理以及BP神经网络改进学习算法的学习和训练不断调整网络的权值、参数以及模糊规则等,建立准确的、完善的故障特征模型,从而实现对旋转机械的运行状态和故障信息的监测、识别和决策。通过仿真分析验证了该模糊神经网络的准确性和有效性。最后,基于上述研究内容,以Microsoft Visual Studio 2010和MATLAB R2012b作为开发工具,设计并开发了旋转机械故障诊断系统作为应用试验方案,通过历史故障数据测试和在线监测,验证了论文方法的有效性、实时性和准确性。
【关键词】：旋转机械 故障诊断 负频率 复信号双边谱 FNN
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH17
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-18
• 1.1 论文选题背景8-9
• 1.2 国内外研究现状分析和总结9-14
• 1.2.1 旋转机械故障诊断的发展概述9-10
• 1.2.2 旋转机械故障特征提取方法研究现状10-12
• 1.2.3 旋转机械故障模式识别方法研究现状12-13
• 1.2.4 研究现状的分析和总结13-14
• 1.3 论文研究的目的与意义14
• 1.4 研究内容及章节安排14-16
• 1.4.1 研究内容14-15
• 1.4.2 章节安排15-16
• 1.5 本章小结16-18
• 2 基于复信号双边谱分析的故障特征提取方法研究18-38
• 2.1 引言18
• 2.2 复信号双边谱分析的理论基础18-22
• 2.2.1 转子动力学模型18-20
• 2.2.2 负频率与复信号20-22
• 2.3 基于复信号双边谱分析的故障特征提取方法22-28
• 2.3.1 复信号双边谱分析的基本原理22-23
• 2.3.2 基于复信号双边谱分析的方法流程23-28
• 2.4 故障特征参数的选择28-32
• 2.4.1 转子的能量估计28-29
• 2.4.2 构造故障特征参数29-31
• 2.4.3 故障特征参数的确定31-32
• 2.5 案例分析32-37
• 2.6 本章小结37-38
• 3 基于FNN的旋转机械故障模式识别方法研究38-56
• 3.1 引言38
• 3.2 模糊理论与神经网络38-43
• 3.2.1 模糊理论基础38-41
• 3.2.2 人工神经网络基础41-42
• 3.2.3 模糊理论与神经网络的结合方式42-43
• 3.3 基于FNN的旋转机械故障模式识别方法43-50
• 3.3.1 网络结构设计43-45
• 3.3.2 网络学习算法45-49
• 3.3.3 推理实现过程49-50
• 3.4 FNN在故障模式识别中的应用分析50-55
• 3.4.1 FNN的初始化50-53
• 3.4.2 模糊神经网络的训练53
• 3.4.3 模糊神经网络的测试53-55
• 3.5 本章小结55-56
• 4 旋转机械故障诊断应用试验分析56-68
• 4.1 引言56
• 4.2 应用试验方案设计56-58
• 4.2.1 方案的整体设计56-57
• 4.2.2 方案的实现流程57-58
• 4.3 应用试验方案实现58-61
• 4.3.1 开发环境介绍58
• 4.3.2 系统的实现58-61
• 4.4 应用试验61-67
• 4.4.1 故障诊断测试62-67
• 4.4.2 在线监测测试67
• 4.5 小结67-68
• 5 总结与展望68-70
• 5.1 总结68-69
• 5.2 展望69-70
• 致谢70-72
• 参考文献72-76
• 附录76
• A. 作者在攻读硕士学位期间取得的成果目录76
• B. 作者在攻读硕士学位期间参与的科研项目76

【相似文献】

中国期刊全文数据库 前10条

1 陈先利;韩捷;李志农;;全矢谱及其新方法在旋转机械故障中的应用[J];现代制造技术与装备;2007年04期

2 于海蛟;;旋转机械故障产生的原因分析[J];湖南造纸;2011年02期

3 覃爱淞;张清华;李铁鹰;胡勤;;复合无量纲指标在旋转机械故障分类中的应用[J];现代制造工程;2013年04期

4 李贵三,张正松,唐锡宽;旋转机械故障模糊诊断模型新探[J];振动、测试与诊断;1991年02期

5 汪家铭;多通道旋转机械故障诊断仪[J];机械与电子;1994年06期

6 陈春天;旋转机械故障监测诊断系统的研究[J];机械工程师;1997年05期

7 孙颖;;旋转机械故障的研究及常见故障[J];知识经济;2010年16期

8 顾超华，，汪希萱，童水光;实现旋转机械故障在线闭环消除的探讨[J];动力工程;1996年03期

9 罗跃纲,陈长征;旋转机械故障的灰色网络诊断分析[J];风机技术;2001年04期

10 路连;葛安华;;旋转机械故障监测试验系统开发与应用的研究[J];机械工程师;2009年10期

中国重要会议论文全文数据库 前3条

1 朱春梅;徐小力;;基于小波理论的旋转机械故障信号降噪技术研究[A];北京机械工程学会2012年优秀论文评选论文集[C];2012年

2 莫琦;陈立定;;小波包在旋转机械故障振动信号处理中的应用[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

3 段晓钢;殷u&;刘德武;;旋转机械故障在线监测与诊断的研究与应用[A];1993中国控制与决策学术年会论文集[C];1993年

中国博士学位论文全文数据库 前6条

1 许同乐;基于多路传感器信息融合的旋转机械故障诊断方法研究[D];北京邮电大学;2012年

2 杨宇;基于EMD和支持向量机的旋转机械故障诊断方法研究[D];湖南大学;2005年

3 任达千;基于局域均值分解的旋转机械故障特征提取方法及系统研究[D];浙江大学;2008年

4 吕蓬;旋转机械故障模式识别方法研究[D];华北电力大学（北京）;2010年

5 蒋玲莉;基于核方法的旋转机械故障诊断技术与模式分析方法研究[D];中南大学;2010年

6 焦卫东;基于独立分量分析的旋转机械故障诊断方法研究[D];浙江大学;2003年

中国硕士学位论文全文数据库 前10条

1 王亚超;基于局部均值分解的旋转机械故障诊断技术研究[D];燕山大学;2015年

2 杨坤;基于复信号双边谱与FNN的旋转机械故障诊断方法研究[D];重庆大学;2016年

3 王建峰;基于阶比分析的变转速旋转机械故障诊断方法研究[D];重庆大学;2016年

4 郭大文;旋转机械故障特征提取与分析技术研究[D];电子科技大学;2012年

5 王迪;基于振动的旋转机械故障诊断技术研究与分析[D];石河子大学;2013年

6 周泽民;基于嵌入式系统的旋转机械故障诊断仪的开发研究[D];南华大学;2012年

7 庞彬;旋转机械故障特征提取方法研究[D];华北电力大学;2015年

8 梁晓华;基于参考独立分量分析的旋转机械故障信号提取[D];哈尔滨工业大学;2010年

9 王旭慧;旋转机械故障特征提取新技术研究与应用[D];华北电力大学（北京）;2011年

10 胡秀琴;旋转机械故障诊断技术研究[D];电子科技大学;2011年

本文编号：533689