基于敏感特征提取的往复压缩机智能诊断技术研究

发布时间：2017-08-02 07:08

  本文关键词：基于敏感特征提取的往复压缩机智能诊断技术研究

  更多相关文章： 往复压缩机 故障诊断 主成分分析 活塞杆振动

【摘要】：往复压缩机在石油、石化等行业中占有重要作用,但因零部件磨损、疲劳等原因,会发生一些重大故障,因此需要研究故障诊断方法,进行故障预警和诊断。为了提高故障诊断的准确率和效率,本文针对气阀类故障、活塞杆松动故障和活塞杆断裂故障进行特征提取,并以此建立往复压缩机故障自动化诊断系统。主要工作如下：(1)针对气阀类故障温度数据变化的特点,本论文采用主成分分析(PCA)信号处理方法,提取出特征参数“主特征向量”,并通过敏感特征选择实验,验证了该特征参数对气阀类故障敏感；(2)针对往复压缩机活塞杆部件进行力学建模,分别为活塞杆松动故障和活塞杆断裂故障提取出特征参数“频率比”和“能量比”,并通过敏感特征选择实验,验证了这两个特征参数分别对活塞杆松动故障和活塞杆断裂故障敏感;(3)为了提高往复压缩机故障诊断效率,分别用“主特征向量”、“频率比”和“能量比”这三个特征参数为气阀类故障、活塞杆松动故障和活塞杆断裂故障建立故障自动化诊断模型,并组成自动化诊断系统,实验表明该系统能够及时、有效、准确地进行故障诊断。
【关键词】：往复压缩机 故障诊断 主成分分析 活塞杆振动
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH45
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 绪论11-17
• 1.1 课题研究背景11
• 1.2 往复压缩机故障诊断技术11-14
• 1.2.1 故障诊断方法现状11-12
• 1.2.2 故障诊断方法发展趋势12-14
• 1.3 课题研究的意义、内容与目标14
• 1.3.1 课题研究的意义14
• 1.3.2 课题研究的内容14
• 1.3.3 课题研究的目标14
• 1.4 论文主要内容14-17
• 第二章 往复压缩机故障模型研究及特征提取17-43
• 2.1 往复压缩机故障概述17-20
• 2.2 气阀类故障模型研究特征提取20-25
• 2.2.1 气阀类故障概述20-21
• 2.2.2 气阀类故障模型研究及特征提取21-25
• 2.3 活塞杆类故障模型研究及特征提取25-41
• 2.3.1 活塞杆类故障概述25-27
• 2.3.2 活塞杆类故障模型研究27-34
• 2.3.3 活塞杆类故障特征提取34-41
• 2.3.3.1 活塞杆松动故障特征提取36-38
• 2.3.3.2 活塞杆断裂故障特征提取38-41
• 2.4 本章小结41-43
• 第三章 往复压缩机故障敏感特征研究及特征选择43-55
• 3.1 往复压缩机敏感特征选择方法43-45
• 3.2 往复压缩机故障敏感特征选择实验45-54
• 3.2.1 常用往复压缩机故障特征及计算方法45-50
• 3.2.2 气阀类故障敏感特征选择50-52
• 3.2.3 活塞杆类故障敏感特征选择52-54
• 3.2.3.1 活塞杆松动故障敏感特征选择52-53
• 3.2.3.2 活塞杆断裂故障敏感特征选择53-54
• 3.3 本章小结54-55
• 第四章 往复压缩机故障自动化诊断系统55-71
• 4.1 往复压缩机故障自动化诊断系统概述与思路55
• 4.2 往复压缩机故障自动化诊断模型55-59
• 4.2.1 气阀类故障自动化诊断模型55-57
• 4.2.2 活塞杆类故障自动化诊断模型57-59
• 4.3 往复压缩机故障自动化诊断模型实验验证59-69
• 4.3.1 气阀类故障自动化诊断模型实验验证59-64
• 4.3.2 活塞杆类故障自动化诊断模型实验验证64-69
• 4.3.2.1 活塞杆松动故障自动化诊断模型实验验证64-66
• 4.3.2.2 活塞杆断裂故障自动化诊断模型实验验证66-69
• 4.4 本章小结69-71
• 第五章 总结与展望71-73
• 参考文献73-77
• 致谢77-79
• 研究成果及发表论文79-81
• 作者与导师简介81-82
• 附件82-83

【参考文献】

中国期刊全文数据库 前5条

1 刘卫华,昂海松;往复压缩机故障诊断技术中若干问题研究[J];流体机械;2003年02期

2 徐丰甜;李建;孔祥宇;李村波;江志农;张进杰;;基于PCA的往复压缩机气阀故障异常监测方法[J];流体机械;2014年10期

3 段礼祥,张来斌,王朝晖;往复机械故障诊断的现代方法及展望[J];石油机械;2004年11期

4 王发辉;刘秀芳;程艳霞;;往复压缩机故障诊断研究现状及展望[J];压缩机技术;2007年02期

5 马波;申大鹏;李刚;;往复压缩机气阀故障分析及诊断实例[J];压缩机技术;2012年02期

，

本文编号：608084