基于全矢谱的设备故障强度预测研究

发布时间：2017-08-26 19:54

  本文关键词：基于全矢谱的设备故障强度预测研究

  更多相关文章： 全矢谱技术 ARMA模型 故障强度预测 信息融合 时序预测方法 齿轮故障

【摘要】：设备在高速运转下,一旦关键运动部件发生故障将会带来巨大的经济损失以及人员伤害,为让损失降到最低,需要做到故障强度早知道,因此设备故障强度预测显得尤为重要。由于转子本身的涡动特性,同一截面不同方向获取的振动信息存在差异性,具有不同的频谱结构,因此单通道信息不足以反映转子的真实振动情况。之前学者研究的单通道预测方法由于获取振动信息不完善,导致预测结果一致性差,从而不能很好地实现故障强度的预测。通过全矢谱获得的频谱结构具有唯一性的特点,能够很好地弥补单通道的不足,在此基础上,将时序预测方法ARMA模型与全矢谱技术相结合,提出了全矢-ARMA模型预测方法,并把该方法应用到机械振动强度预测和故障强度预测研究中。试验表明,该方法预测的故障强度结果与实际较吻合。本课题的研究内容和主要成果如下:(1)研究了全矢-ARMA模型预测方法和建模过程。给出了时序预测方法ARMA模型结合全矢谱技术的全矢-ARMA模型的具体建模过程,并给出了建模过程中一系列具体的理论计算公式以及完善的预测流程图。(2)研究了基于全矢-ARMA模型的机械振动强度预测流程及应用。将全矢-ARMA模型预测方法应用到机械振动强度预测研究中,并给出了机械振动强度的预测过程。试验表明,全矢-ARMA模型具有较好的预测效果,并在机械振动强度的预测中表现出了较高的预测精度。(3)研究了基于全矢-ARMA模型的齿轮断齿故障强度预测流程及应用。在以上的基础上,将全矢-ARMA模型扩展到故障情况下的频谱预测,从而实现了故障强度的预测,并给出了故障强度预测的过程。试验表明,全矢-ARMA模型在各个频率处都有较好的预测结果,保证了预测频谱结构的准确性,很好地实现了齿轮断齿故障强度的预测。
【关键词】：全矢谱技术 ARMA模型 故障强度预测 信息融合 时序预测方法 齿轮故障
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH17
【目录】：

• 摘要4-5
• Abstract5-10
• 1 绪论10-19
• 1.1 课题的来源10
• 1.2 设备故障预测技术的研究意义10-11
• 1.3 设备故障预测技术的研究现状11-12
• 1.4 同源信息融合技术及其在设备故障预测中的应用12-16
• 1.4.1 全息谱( Holospectrum )技术13-14
• 1.4.2 全频谱( Full Spectrum )技术14-15
• 1.4.3 全矢谱( Full Vector Spectrum )技术15-16
• 1.5 本文的研究目的和意义16-17
• 1.6 本文的主要研究内容及结构安排17-19
• 1.6.1 主要研究内容17
• 1.6.2 本文结构安排17-19
• 2 全矢谱理论与故障预测方法19-32
• 2.1 引言19
• 2.2 全矢谱理论19-26
• 2.3 全矢数值计算理论26-28
• 2.4 全矢谱技术在故障诊断中应用28-30
• 2.5 故障预测方法30-31
• 2.6 本章小结31-32
• 3 旋转机械典型故障的故障机理与诊断技术32-44
• 3.1 引言32
• 3.2 齿轮的故障机理与诊断技术32-38
• 3.2.1 齿轮的失效形式及振动测定方法32-35
• 3.2.2 齿轮的振动机理35-37
• 3.2.3 齿轮的故障诊断方法37-38
• 3.3 滚动轴承的故障机理与诊断技术38-43
• 3.3.1 滚动轴承的失效形式及振动测定方法38-40
• 3.3.2 滚动轴承的振动机理40-42
• 3.3.3 滚动轴承的故障诊断方法42-43
• 3.4 本章小结43-44
• 4 全矢-ARMA预测模型的建立44-63
• 4.1 引言44
• 4.2 ARMA模型分析方法44-54
• 4.2.1 ARMA模型结构表达式44-45
• 4.2.2 数据的预处理45-46
• 4.2.3 阶数初步确定46-48
• 4.2.4 参数估计方法48-51
• 4.2.5 适用性检验51-53
• 4.2.6 评价指标53-54
• 4.3 全矢-ARMA预测模型数值计算54-61
• 4.3.1 预测模型建模过程54-55
• 4.3.2 试验验证55-61
• 4.4 本章小结61-63
• 5 全矢-ARMA预测模型在设备故障强度预测中的应用63-74
• 5.1 引言63
• 5.2 全矢-ARMA预测模型在齿轮断齿故障强度预测研究中的应用63-73
• 5.2.1 试验简介64-65
• 5.2.2 原始数据分析处理65-68
• 5.2.3 建立预测模型68-70
• 5.2.4 预测频谱图70-72
• 5.2.5 预测效果分析72-73
• 5.2.6 试验小结73
• 5.3 本章小结73-74
• 6 结论与展望74-76
• 6.1 结论74
• 6.2 关键技术和创新点74-75
• 6.3 展望75-76
• 参考文献76-79
• 致谢79-80
• 个人简历 在校期间发表的学术论文及研究成果80-81

【相似文献】

中国期刊全文数据库 前10条

1 朱学兵;;混凝土强度预测的两种非线性模型比较研究[J];混凝土;2011年12期

2 Yasuhiro Nozue,张振球;柴油机缸盖热应力和强度预测[J];车用发动机;1986年03期

3 殷杰;高玉峰;洪振舜;;基于落锥试验的黏性土不排水强度预测方法[J];岩土工程学报;2009年10期

4 卢春玲;王强;;三种神经网络在混凝土强度预测中的应用[J];山西建筑;2006年19期

5 印朝富;李骁春;;基于人工神经网络的同条件混凝土强度预测[J];建筑技术开发;2007年11期

6 崔猛;王新刚;;混凝土强度预测的人工智能方法[J];山西建筑;2008年27期

7 丁声荣;霍艳华;姜新佩;;混凝土强度预测的混合神经网络模型[J];四川建筑科学研究;2010年06期

8 陈谦应;黄莘;;混凝土强度人工神经网络预测模型[J];公路交通技术;1999年04期

9 李宇峙,危文康,刘朝晖,邵腊庚;两种神经网络在混凝土强度预测应用中的探讨[J];长沙交通学院学报;2003年04期

10 俞桂良;;高强混凝土强度预测人工智能方法及应用[J];混凝土;2010年10期

中国重要会议论文全文数据库 前1条

1 燕瑛;黄聪;成传贤;段跃新;刘兵山;;低模量复合材料刚度和强度的分析与实验研究[A];复合材料：生命、环境与高技术——第十二届全国复合材料学术会议论文集[C];2002年

中国博士学位论文全文数据库 前1条

1 苏军;单向Cf/Al复合材料缺陷Chirplet参数表征及强度损伤研究[D];哈尔滨工业大学;2011年

中国硕士学位论文全文数据库 前5条

1 吴彦召;基于全矢谱的设备故障强度预测研究[D];郑州大学;2016年

2 时丹;基于神经网络的混凝土强度预测研究[D];辽宁工程技术大学;2013年

3 赵小明;基于CA技术的区域开发强度预测研究[D];辽宁师范大学;2013年

4 陈启军;复合材料飞轮转子的失效分析与强度预测[D];郑州大学;2014年

5 朱建辉;复合材料螺栓连接渐进损伤分析与强度预测[D];南京航空航天大学;2013年

，

本文编号：742672