基于振动信息的转子系统载荷识别方法研究

发布时间：2017-08-30 05:31

  本文关键词：基于振动信息的转子系统载荷识别方法研究

  更多相关文章： 转子系统 载荷识别 弯扭耦合 集合经验模分解 神经网络

【摘要】：转子系统是旋转机械的核心部件,随着旋转机械向复杂化和大型化发展,转子系统在运行中的振动特性,成为影响机组安全运行的重要的因素之一。同时,在旋转轴的运行过程中,轴系还会承受复杂多变的载荷激励,在载荷激励下,转子系统的弯扭耦合特性呈现出新的变化,因此,研究载荷激励下转子系统的振动特性,为转子系统载荷识别和故障诊断提供了理论依据。首先,为了监测转子系统的振动以实现载荷的辨识,本文在考虑弹性旋转轴和刚性盘的基础上,忽略轴承油膜力等其他因素的影响,以载荷和偏心距为纽带建立了以拉格朗日为基础的机械转子系统的弯扭耦合模型,在MATLAB/Simulink环境下创建仿真模型,利用ode45(Runge-Kutta算法)计算仿真模型的解析解。通过仿真得到了各载荷状态下振动信号的时域变化规律:加载的幅值越大,其振动位移曲线偏离相对不加载的平衡位置的位移量就越大,并且变化特性与载荷加载特性相一致。其次,为了实现精确有效的载荷识别,对转子系统中常见的5类载荷进行定性和定量分析。提出了神经网络、奇异值分解(Singular Value Decomposition,SVD)、集合经验模分解(Ensemble Empirical Mode Decomposition,EEMD)相结合的转子系统的定性识别方法以及反演模型、回归预测相结合的定量识别方法。巧妙运用SVD分解的特点,对原始信号进行重构弱化转频成分,凸显振动信号中不同类型加载载荷的频率成分;利用EEMD对重构信号进行特征提取和能量化;最后将特征量输入到网络中进行分类识别,完成载荷的定性识别。在载荷定量识别过程中,提出了两种方法。第一是对数学模型进行反演,利用振动信号反解出载荷;第二是在定性识别的基础上,提取信号的最大特征值,利用网络的回归能力进行载荷识别。最后,研制转子系统试验台,根据载荷特点和试验条件制定合理的试验方案,完成加载试验。将试验数据和仿真数据进行了对比分析,分析表明仿真模型和载荷识别方法的正确性和有效性。本课题的研究为转子系统载荷识别和故障诊断提供了理论支持和试验验证。
【关键词】：转子系统 载荷识别 弯扭耦合 集合经验模分解 神经网络
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH113.1
【目录】：

• 摘要3-5
• abstract5-12
• 第一章 绪论12-18
• 1.1 引言12
• 1.2 研究的目的和意义12-13
• 1.3 国内外研究现状13-16
• 1.3.1 转子系统载荷激励研究动态13-14
• 1.3.2 转子系统弯扭耦合建模研究动态14-15
• 1.3.3 振动信号的载荷识别方法研究动态15
• 1.3.4 相关问题的讨论15-16
• 1.4 主要研究内容16-17
• 1.5 技术路线17
• 1.6 小结17-18
• 第二章 载荷激励下转子系统弯扭耦合的数学模型18-26
• 2.1 引言18
• 2.2 转子系统载荷激励传递特性18-19
• 2.3 转子系统的离散化19-20
• 2.3.1 质量和转动惯量的离散化19
• 2.3.2 转轴刚度的等效19-20
• 2.3.3 等效粘性阻尼系数20
• 2.4 变载荷转子系统弯扭耦合数学模型20-23
• 2.5 提升机转子系统弯扭耦合数学模型23-24
• 2.6 小结24-26
• 第三章 载荷激励下转子系统的动力学仿真26-38
• 3.1 引言26
• 3.2 转子系统的动力学仿真模型26-28
• 3.2.1 MATLAB/Simulink简介26
• 3.2.2 基于Simulink的变载荷转子系统仿真模型26-27
• 3.2.3 基于Simulink的提升机转子系统仿真模型27-28
• 3.3 载荷激励下变载荷转子系统的动力学仿真28-33
• 3.3.1 空载28-29
• 3.3.2 冲击载荷激励29
• 3.3.3 瞬态载荷激励29-30
• 3.3.4 稳态载荷激励30-31
• 3.3.5 线性载荷激励31-32
• 3.3.6 正弦载荷激励32-33
• 3.4 载荷激励下提升机转子系统的动力学仿真33-37
• 3.4.1 空载33-34
• 3.4.2 冲击载荷激励34
• 3.4.3 瞬态载荷激励34-35
• 3.4.4 稳态载荷激励35
• 3.4.5 线性载荷激励35-36
• 3.4.6 正弦载荷激励36-37
• 3.5 小结37-38
• 第四章 基于振动信号的载荷定性识别38-60
• 4.1 引言38
• 4.2 基于FFT的转子系统的振动信号分析38-41
• 4.2.1 变载荷系统振动信号的频谱分析38-40
• 4.2.2 提升机系统振动信号的频谱分析40-41
• 4.3 基于奇异值分解的振动信号分析41-43
• 4.3.1 奇异值分解41
• 4.3.2 奇异值分解特征提取方法41-42
• 4.3.3 基于振动信号变载荷系统的奇异值分解42-43
• 4.4 EEMD分解和能量特征提取43-50
• 4.4.1 EEMD分解44-48
• 4.4.2 能量特征提取48-50
• 4.5 BP神经网络的载荷识别50-52
• 4.5.1 BP神经网络51
• 4.5.2 设计BP神经网络51-52
• 4.6 网络训练及载荷定性识别52-58
• 4.6.1 基于振动信号的变载荷系统载荷定性识别53-55
• 4.6.2 基于振动信号的提升机系统载荷定性识别55-58
• 4.7 小结58-60
• 第五章 基于振动信号的载荷定量识别60-76
• 5.1 引言60
• 5.2 基于反演法的载荷定量识别60-64
• 5.2.1 基于反演法的变载荷系统的载荷定量识别61-62
• 5.2.2 基于反演法的提升机系统的载荷定量识别62-64
• 5.3 基于神经网络回归分析的载荷定量识别64-65
• 5.3.1 神经网络回归分析法简介64-65
• 5.3.2 神经网络回归法原理65
• 5.4 BP神经网络的回归分析65-74
• 5.4.1 基于神经网络回归的变载荷系统的载荷定量识别65-69
• 5.4.2 基于神经网络回归的提升机系统的载荷定量识别69-74
• 5.5 小结74-76
• 第六章 载荷激励下转子系统的试验研究76-98
• 6.1 引言76
• 6.2 试验台系统设计方案76-77
• 6.3 试验台设计77-81
• 6.3.1 变载荷转子系统试验台结构设计77-78
• 6.3.2 变载荷转子系统试验台测试系统设计78-80
• 6.3.3 提升机转子系统试验台结构设计80
• 6.3.4 提升机转子系统试验台测试系统设计80-81
• 6.4 试验方案81-83
• 6.4.1 试验目的82
• 6.4.2 试验内容82
• 6.4.3 试验步骤82-83
• 6.4.4 试验设计方案83
• 6.5 试验结果分析83-97
• 6.5.1 信号的时域分析83-87
• 6.5.2 信号的频谱分析87-90
• 6.5.3 信号的奇异值分解90-91
• 6.5.4 信号的EEMD分解和能量提取91-93
• 6.5.5 信号的定性识别方法验证93
• 6.5.6 信号的定量识别方法验证93-97
• 6.6 小结97-98
• 第七章 结论与展望98-102
• 7.1 工作总结98-99
• 7.2 主要结论99
• 7.3 进一步工作展望99-102
• 参考文献102-108
• 致谢108-110
• 攻读硕士学位期间发表的学术论文110

【相似文献】

中国期刊全文数据库 前10条

1 苏家洪;;试述人脸识别新技术及编辑识别方法[J];中国新技术新产品;2012年07期

2 张益松,伊立言;低采样率下对高频信号的识别方法[J];航空动力学报;1988年01期

3 刘志鹏,魏君;基于神经网络的集装箱编号识别方法的研究[J];中国包装工业;2002年09期

4 曹立新;真假“雕”牌高级洗衣皂的识别方法[J];中国标准化;2003年08期

5 李决龙;张淼淼;邢建春;杨启亮;;遗留系统的服务识别方法研究[J];计算机集成制造系统;2013年09期

6 江泉;赵光恒;;非线性结构系统的识别方法综述[J];河海科技进展;1993年03期

7 李维民, 公茂惠;一个新的机械图纸识别方法[J];哈尔滨电工学院学报;1995年03期

8 陈学;伪劣消防产品的简易识别方法[J];消防技术与产品信息;2004年01期

9 郭锋;刘玉利;刘鹏军;;P2P的识别[J];中小企业科技;2007年08期

10 刘瑾;张乐石;徐可欣;;不同规模数据集下的人脸识别方法(英文)[J];纳米技术与精密工程;2007年03期

中国重要会议论文全文数据库 前10条

1 郑凯;;建立多维数据异常点识别方法的尝试[A];第八届全国体育科学大会论文摘要汇编（一）[C];2007年

2 张朋柱;韩崇昭;万百五;;智能决策支持系统中的问题识别方法与实现[A];全国青年管理科学与系统科学论文集（第2卷）[C];1993年

3 刘丽兰;刘宏昭;;时间序列模型的识别方法[A];制造技术自动化学术会议论文集[C];2004年

4 苗振伟;许勇;杨军;;超声波人脸识别方法研究[A];中国声学学会2007年青年学术会议论文集（上）[C];2007年

5 罗智勇;宋柔;荀恩东;;一种基于可信度的人名识别方法[A];第二届全国学生计算语言学研讨会论文集[C];2004年

6 张茜;郑峥;亢一澜;王娟;仇巍;;基于海量实测数据的反演识别方法与盾构装备载荷的力学建模[A];中国力学大会——2013论文摘要集[C];2013年

7 赵锐;陈光发;;军事口令识别的Fuzzy方法探讨[A];第二届全国人机语音通讯学术会议论文集[C];1992年

8 骆玉荣;刘建丽;史晓涛;;一种自动车窗识别方法的设计与实现[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

9 崔凯华;王国庆;方剑青;李红军;贾俊波;马超;赵烨;张东辉;;基于声模态分析的材料识别方法研究[A];现代振动与噪声技术（第九卷）[C];2011年

10 李洪东;梁逸曾;张志敏;;酵母蛋白组中原生肽识别方法的探索研究[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

中国重要报纸全文数据库 前9条

1 陈春道;甲鱼优劣及雌雄的识别方法[N];北京科技报;2003年

2 庞席堂;假币的识别方法[N];中华合作时报;2003年

3 王修增;手机被盗号的6种识别方法[N];中国保险报;2003年

4 张侃;正品手机电池识别方法[N];通信产业报;2000年

5 潘 治;德国开发出癌症早期识别方法[N];中国中医药报;2003年

6 新华社记者 段世文;产权证识别方法[N];新华每日电讯;2001年

7 金亮;机器人的情感[N];中国医药报;2001年

8 黄璐;识别假火车票有绝招[N];山西经济日报;2004年

9 宗绍纯;如何识别是纯奶还是奶饮料？[N];国际商报;2003年

中国博士学位论文全文数据库 前10条

1 赵国腾;跨座式单轨交通轨道梁表面裂纹识别方法研究[D];重庆大学;2015年

2 徐训;线性与非线性结构动力荷载识别方法及实验研究[D];哈尔滨工业大学;2015年

3 付文亮;基于FPGA的高性能应用层协议识别方法研究[D];北京理工大学;2015年

4 陈飞飞;基于特征表示的行为识别方法研究[D];华中科技大学;2015年

5 黄仕建;视频序列中人体行为的低秩表达与识别方法研究[D];重庆大学;2015年

6 张莉莉;竞优特征的群识别方法及其应用[D];东北大学;2010年

7 陈绵书;计算机人脸识别方法研究[D];吉林大学;2004年

8 叶俊勇;人脸检测与识别方法研究[D];重庆大学;2002年

9 何光辉;四种人脸识别方法研究[D];重庆大学;2010年

10 佟丽娜;基于力学量信息获取系统的人体摔倒过程识别方法研究[D];中国科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 徐珂琼;基于视频的人脸识别方法研究[D];天津理工大学;2015年

2 彭姣丽;针对多表情的人脸识别方法研究[D];昆明理工大学;2015年

3 代秀丽;基于半监督判别分析的人脸识别方法研究[D];深圳大学;2015年

4 易磊;基于两阶段的交通标志识别方法研究[D];南京理工大学;2015年

5 李彦;基于小波变换的人脸识别方法研究[D];电子科技大学;2014年

6 田晓霞;运动想象EEG的识别方法及在上肢康复中的应用[D];北京工业大学;2015年

7 杨俊涛;基于分数谱时频特征的SAR目标检测与识别方法研究[D];电子科技大学;2014年

8 宋洪伟;基于模糊集合的汉语主观句识别方法研究与实现[D];黑龙江大学;2015年

9 贾博轩;基于手机传感器的人类复杂行为识别方法的研究[D];黑龙江大学;2015年

10 范玲;Link-11数据链信号的识别方法研究[D];西安电子科技大学;2014年

，

本文编号：757525