基于振动分析的核电冷却剂泵故障诊断研究

发布时间：2021-05-10 07:13

　　目前，中国已经成为世界上第二能源消费国。随着经济的持续增长，能源问题已经成为制约经济发展的重要因素。电力是能源问题中最为重要的环节。核电作为一种新能源和清洁能源为解决我国电力紧缺问题提供了有利条件。核电的产生来自于核电站，核电站因其重要性和敏感性备受关注，尤其是日本核电站泄露事故以来，核电站的安全性再次成为热点问题。安全问题已经成为核电发展的核心问题，如果核电生产过程的安全不能得到保证，那么就根本谈不上核电发展问题。只有安全地生产核电，才能更好地发挥其经济和社会效益。在核电站设备系统中，冷却剂泵是核岛中的核心机械设备。它能够驱动冷却剂在回路中循环流动实现热交换，它在核电站中的地位十分重要。冷却剂泵能否正常运行直接影响到整个核电设备的可靠性以及核电站的安全性。本文以核电站一回路中冷却剂泵的振动故障作为研究对象，采用自主研发的硬件数据采集平台，利用该平台采集冷却剂泵运行时产生的振动信号，并将这些振动信号进行分析处理从而建立故障诊断模型。本文围绕着核电冷却剂泵故障诊断的相关问题，在数据采集、特征提取、故障分类和智能故障诊断等方面展开了深入研究，主要的研究工作和成果包括：（1）结合冷却剂泵运行... 

【文章来源】：成都理工大学四川省

【文章页数】：145 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 现状总结
    1.3 研究内容
    1.4 主要特色和创新点
    1.5 研究思路和章节安排
第2章 核电冷却剂泵故障诊断原理
    2.1 核电站工作原理
    2.2 冷却剂泵工作原理
    2.3 故障诊断和典型故障
        2.3.1 振动特征及故障原因
        2.3.2 典型故障的机理
    2.4 冷却剂泵故障诊断系统
        2.4.1 故障信号的采集
        2.4.2 故障信号特征提取
        2.4.3 故障信号的模式识别
    2.5 本章小结
第3章 故障诊断常用方法
    3.1 故障特征提取分析方法
        3.1.1 时域分析方法
        3.1.2 频域分析方法
        3.1.3 时频联合分析方法
    3.2 故障模式识别方法
        3.2.1 人工神经网络
        3.2.2 统计学习方法
    3.3 常用方法的对比分析
    3.4 本章小结
第4章 PXI振动信号数据采集系统
    4.1 传感器系统
        4.1.1 压电式传感器工作原理
        4.1.2 传感器及其配套器件
    4.2 数据采集系统
        4.2.1 PXI采集系统组成
        4.2.2 数据采集模块设计指标
        4.2.3 采样模块设计
        4.2.4 时钟模块设计
        4.2.5 触发模块设计
        4.2.6 存储模块设计
        4.2.7 PXI总线接口设计
        4.2.8 测试指标参数
    4.3 本章小结
第5章 振动故障数据的特征提取
    5.1 VSWEPS振动信号特征提取原理
    5.2 振动烈度
    5.3 小波分析
        5.3.1 小波变换发展历程
        5.3.2 小波变换理论
        5.3.3 连续小波变换
        5.3.4 离散小波变换
        5.3.5 二进小波变换
        5.3.6 多分辨分析
        5.3.7 小波信号的分解与重构
        5.3.8 小波基函数
    5.4 小波能量谱和功率谱
    5.5 实验及结果分析
        5.5.1 实验环境
        5.5.2 微弱振动故障分析
        5.5.3 振动故障实验及分析
    5.6 本章小结
第6章 基于支持向量机的振动故障诊断
    6.1 机器学习
        6.1.1 机器学习问题模型
        6.1.2 机器学习中的相关问题
    6.2 统计学习理论
        6.2.1 学习过程的一致性
        6.2.2 统计学习的VC维
        6.2.3 推广性的界
        6.2.4 结构风险最小化SRM
    6.3 支持向量机SVM
        6.3.1 SVM基本思想
        6.3.2 SVM的核函数
        6.3.3 SVM相关算法
    6.4 支持向量机振动故障诊断
        6.4.1 振动故障多分类方法
        6.4.2 故障诊断数据构成
        6.4.3 实验及结果分析
    6.5 本章小结
结论
致谢
参考文献
攻读学位期间取得学术成果
个人简介


【参考文献】：
期刊论文
[1]高速转子组件振动在线监测系统的研究与设计[J]. 游磊,李近,方方,何攀.  计算机测量与控制. 2011(12)
[2]自适应多小波基函数构造与机械故障诊断应用研究[J]. 何正嘉,孙海亮,訾艳阳.  中国工程科学. 2011(10)
[3]基于线性正则变换与短时傅里叶变换联合的时频分析方法[J]. 向强,秦开宇.  电子学报. 2011(07)
[4]Feature20Extraction20Method20Based20on20Pseudo-Wigner-Ville20Distribution20for20Rotational20Machinery20in20Variable20Operating20Conditions[J]. WANG Huaqing1, *, LI Ke2, SUN Hao2, and CHEN Peng2 1 Chemical Safety Engineering Research Center of Ministry of Education, Beijing University of Chemical Technology, Beijing 100029, China 2 Graduate School of Bioresources, Mie University, Mie 514-8507, Japan.  Chinese Journal of Mechanical Engineering. 2011(04)
[5]轴流泵振动加速度状态监测诊断系统的研究与设计[J]. 游磊,方方,李平勇,胡俊,何攀.  四川大学学报(工程科学版). 2011(S1)
[6]核电站分布式智能故障诊断系统研究与设计[J]. 刘永阔,谢春丽,成守宇,夏虹.  原子能科学技术. 2011(06)
[7]基于BP神经网络的叶片损伤度评估方法[J]. 钱征文,程礼,赵兵兵,李应红.  航空动力学报. 2011(04)
[8]时频展缩随机共振用于航空发动机转子故障检测[J]. 王国富,张海如,张法全,叶金才.  航空动力学报. 2011(03)
[9]基于提升小波和递推LSSVM的实时故障诊断方法[J]. 杨青,田枫,王大志,吴东升,王安娜.  仪器仪表学报. 2011(03)
[10]基于粗糙集和多类支持向量机的水电机组振动故障诊断[J]. 张孝远,周建中,黄志伟,李超顺,贺徽.  中国电机工程学报. 2010(20)

博士论文
[1]基于支持向量机的汽轮机轴系振动故障智能诊断研究[D]. 张超.华北电力大学（河北） 2009
[2]面向旋转机械故障诊断的经验模态分解时频分析方法及实验研究[D]. 胡劲松.浙江大学 2003

硕士论文
[1]PXI数据采集模块硬件设计[D]. 陈明浩.电子科技大学 2009
[2]基于故障树的安注系统故障诊断专家系统研究[D]. 刘冰.哈尔滨工程大学 2009
[3]基于VXI虚拟仪器总线的内弹道测试系统的实现[D]. 游磊.四川大学 2006



本文编号：3178934