基于形态学分形的往复式压缩机气阀故障诊断方法

发布时间：2017-10-02 08:16

  本文关键词：基于形态学分形的往复式压缩机气阀故障诊断方法

  更多相关文章： 局部均值分解 自适应分解 熵 形态学 分形维数

【摘要】：往复式压缩机由于其振源众多、结构繁杂,导致气阀振动信号不仅具有时频特性,更包含有一定分形特征。本论文针对气阀振动信号的分形特性,采用自适应波形分解与形态学分形相结合的方法,开展了气阀故障诊断方法研究,主要工作如下：1、开展了基于经验模态分解(EMD)、局部均值分解(LMD)及自适应波形分解(AWD)等时频域分解算法的气阀故障诊断方法研究,实现气阀典型故障特征的提取,并对比分析了几种方法的降噪效果。结果表明,AWD算法降噪效果优于EMD、LMD算法。2、开展了基于熵值法(排列熵、样本熵、近似熵)与传统分形维数(盒维数、关联维数)等非线性分析方法的气阀故障诊断方法研究,实现了气阀典型故障模式的识别,并对比分析了几种非线性分析方法的识别效果。结果表明,传统非线性算法只能识别气阀正常与故障状态,无法识别几类典型故障模式。3、开展了基于形态学分形维数与高阶累积量分形维数的气阀故障诊断方法研究,结合分段分形维数与广义覆盖面积等改进方法,并分析对比了两种算法对环境噪声敏感性与气阀故障模式识别效果,最终实现了气阀典型故障模式的识别。
【关键词】：局部均值分解 自适应分解 熵 形态学 分形维数
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH45
【目录】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 绪论13-23
• 1.1 课题研究背景及意义13-14
• 1.2 国内外研究现状14-19
• 1.2.1 气阀故障诊断的研究现状及发展趋势14-17
• 1.2.2 自适应分解的研究现状及发展趋势17-18
• 1.2.3 熵值法的研究现状及发展趋势18-19
• 1.2.4 分形理论的研究现状及发展趋势19
• 1.3 主要内容19-20
• 1.4 论文结构20-23
• 第二章 基于自适应分解的特征提取23-55
• 2.1 引言23-24
• 2.2 基于经验模式分解的气阀特征提取24-32
• 2.2.1 经验模式分解方法概述24-25
• 2.2.2 实验验证与分析25-32
• 2.3 基于局部均值分解的气阀特征提取32-39
• 2.3.1 局部均值分解方法概述32-33
• 2.3.2 实验验证与分析33-39
• 2.4 基于自适应波形分解的气阀特征提取39-53
• 2.4.1 自适应波形分解方法概述39-44
• 2.4.2 自适应波形分解方法改进44-45
• 2.4.3 实验验证与分析45-53
• 2.5 本章小结53-55
• 第三章 基于熵值法和传统分形维数的模式识别55-67
• 3.1 引言55
• 3.2 基于熵值法的气阀模式识别55-63
• 3.2.1 近似熵基本原理55-56
• 3.2.2 样本熵基本原理56-57
• 3.2.3 排列熵基本原理与参数优化57-60
• 3.2.4 实验验证与分析60-63
• 3.3 基于传统分形维数的气阀模式识别63-66
• 3.3.1 盒维数基本原理63-64
• 3.3.2 关联维数基本原理64
• 3.3.3 实验验证与分析64-66
• 3.4 本章小结66-67
• 第四章 基于改进分形维数的模式识别67-85
• 4.1 引言67
• 4.2 基于形态学分形维数的气阀模式识别67-76
• 4.2.1 基本原理与参数优化67-70
• 4.2.2 广义分段分形维数70-72
• 4.2.3 实验验证与分析72-76
• 4.3 基于累积量分形维数的气阀模式识别76-83
• 4.3.1 基本原理76-77
• 4.3.2 噪声敏感性研究77-81
• 4.3.3 实验验证与分析81-83
• 4.4 本章小结83-85
• 第五章 结论及展望85-87
• 5.1 总结85-86
• 5.2 展望86-87
• 参考文献87-93
• 致谢93-95
• 研究成果及发表的学术论文95-97
• 作者及导师简介97-98
• 北京化工大学专业学位硕士研究生学位论文答辩委员会决议书98-99

【参考文献】

中国期刊全文数据库 前10条

1 吴文兵;叶福兰;陈章斌;;倒双谱的分形维数在故障诊断中的应用[J];机床与液压;2015年19期

2 桑成程;;往复式压缩机振动数学模型分析研究[J];山东工业技术;2015年10期

3 吴泽鹏;郭玲玲;朱明超;贾宏光;宣明;;结合图像信息熵和特征点的图像配准方法[J];红外与激光工程;2013年10期

4 张淑清;孙国秀;李亮;李新新;监雄;;基于LMD近似熵和FCM聚类的机械故障诊断研究[J];仪器仪表学报;2013年03期

5 张超;杨立东;李建军;;局部均值分解和经验模态分解的性能对比研究[J];机械设计与研究;2012年03期

6 王衍学;何正嘉;訾艳阳;袁静;;基于LMD的时频分析方法及其机械故障诊断应用研究[J];振动与冲击;2012年09期

7 王雷;赵俊龙;王奉涛;马孝江;;Fault diagnosis of reciprocating compressor cylinder based on EMD coherence method[J];Journal of Harbin Institute of Technology;2012年01期

8 赵楠;;东北地区中心城市旅游发展综合水平评价[J];商业时代;2011年13期

9 许洁;胡寿松;;基于KPCA和MKL-SVM的非线性过程监控与故障诊断[J];仪器仪表学报;2010年11期

10 陈峰;纪琳;林振宇;蒋云飞;曹玉伟;;大型往复式压缩机的状态监测与诊断[J];管道技术与设备;2010年04期

，

本文编号：958498