基于变分模态分解的舶舶轴系状态监测及故障诊断方法研究
发布时间：2021-12-01 20:43
近年来,随着智能船舶概念的兴起,以及大数据、云计算及物联网等互联网及信息技术的发展,船舶智能化已经成为全球航运的大势所趋。目前智能船舶的研究已在全球范围内开展。对船舶机械设备的运行状态、健康状况进行分析和评估,制定船舶机械设备操作决策和维护保养计划,是智能船舶的主要目的之一。船舶机械设备主要包括船舶动力系统、船舶辅机、发电机等。其中船舶动力系统承担着能量传输,动力传递和推进船舶的使命,被称为船舶的“心脏”。船舶推进轴系是船舶动力系统的重要组成部分,在船体变形和风浪等外部载荷作用下,振动明显加剧,加速船舶轴系故障的发生,这使得船舶轴系运行的可靠性和安全性成为了关注的重点。对船舶推进轴系状态的状态监测与故障诊断是保证船舶动力装置的可靠运行,实现船舶航行安全的有效手段。如何有效地、及时地、准确地识别和诊断船舶轴系的各种异常状态或故障,是进行船舶轴系状态监测与故障诊断研究的关键,是提高船舶轴系运行的可靠性和有效性的重要保障。文中以船舶推进轴系为研究对象,在研究船体变形和外载荷激励对船舶推进轴系振动影响的基础上,提出了船舶推进轴系振动信号故障特征提取和故障诊断的方法,为船舶轴系的智能故障诊断方法...
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：135 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状与分析
1.2.1 轴系状态监测与故障诊断
1.2.2 振动故障信号特征提取
1.2.3 人工智能在故障诊断中的研究现状
1.2.4 当前研究中存在的问题
1.3 课题来源
1.4 主要研究内容
第2章 船舶轴系运行状态影响因素及特征提取方法
2.1 船舶轴系运行状态影响因素
2.1.1 船体变形
2.1.2 轴承刚度
2.1.3 温度变化
2.1.4 螺旋桨激励力
2.1.5 轴与轴承间油膜影响
2.2 轴系常见振动故障机理
2.2.1 不平衡的机理
2.2.2 不对中的机理
2.2.3 轴系碰摩的机理
2.2.4 油膜涡动的机理
2.3 常见的振动故障特征提取方法
2.3.1 瞬时频率
2.3.2 短时傅里叶变换
2.3.3 小波变换
2.3.4 Wigner-Ville 分布
2.4 HHT方法及其改进方法
2.4.1 EMD分解及存在的问题
2.4.2 EEMD分解及存在的问题
2.5 VMD方法
2.5.1 VMD分解的原理
2.5.2 VMD分解的步骤
2.5.3 EMD,EEMD 与 VMD 分解效果对比
2.5.4 VMD方法的特点
2.6 本章小结
第3章 船体变形下轴系振动影响因素分析
3.1 船体变形下的轴系振动模型
3.1.1 理论模型
3.1.2 边界条件的讨论
3.2 船体变形下轴系振动的影响因素研究
3.2.1 理论模型与数值模型的对比
3.2.2 船体变形对轴系振动的影响研究
3.3 实船试验
3.3.1 试验船舶参数
3.3.2 实船试验方案
3.3.3 试验条件
3.3.4 实船结果分析
3.4 本章小结
第4章 多激励下的船舶轴系振动特性试验研究
4.1 船舶轴系试验台试验
4.1.1 试验台基本组成及加载系统
4.1.2 试验方案
4.2 静态加载时轴系振动分析
4.2.1 不同强制位移的大小和方向的影响
4.2.2 不同响应点的位置和方向的影响
4.2.3 混合激励的影响
4.2.4 不同转速的影响
4.3 动态加载时轴系振动分析
4.3.1 不同激励力的大小和方向的影响
4.3.2 不同响应点的位置和方向的影响
4.3.3 混合激励的影响
4.3.4 转速的影响
4.4 变频激励下轴系振动分析
4.4.1 不同频率的影响
4.4.2 变频激励的影响
4.4.3 不同激励力的大小和方向的影响
4.4.4 不同响应点的位置和方向的影响
4.4.5 转速的影响
4.5 本章小结
第5章 基于VMD的轴系故障特征提取方法研究
5.1 轴系故障模拟实验
5.2 基于VMD的油膜涡动故障特征提取
5.3 VMD的参数优化方法研究
5.3.1 VMD参数对分解结果的影响
5.3.2 VMD参数选择方法研究
5.3.3 VMD参数选择步骤
5.4 基于改进VMD-能量熵的轴系故障特征提取
5.5 本章小结
第6章 基于深度学习的船舶轴系故障诊断方法研究
6.1 机器学习在轴系故障诊断中的应用
6.1.1 人工神经网络
6.1.2 支持向量机
6.1.3 支持向量机在轴系故障诊断中的应用
6.2 深度学习理论
6.2.1 深度学习概述
6.2.2 深度学习思想
6.3 深度置信网络
6.3.1 受限玻尔兹曼机
6.3.2 深度置信网络
6.3.3 DBN参数选择分析
6.4 基于DBN的轴系故障诊断研究
6.4.1 轴系故障数据预处理
6.4.2 基于DBN的分类结果对比
6.5 本章小结
第7章 结论与展望
7.1 结论
7.2 创新点
7.3 展望
致谢
参考文献
攻读博士学位期间发表的论文及参加的科研项目
【参考文献】：
期刊论文
[1]“大智”轮的标志性意义[J]. 胥苗苗. 中国船检. 2017(12)
[2]基于混合核学习支持向量机的主减速器故障诊断[J]. 张华伟,左旭艳,潘昊. 计算机应用与软件. 2017(05)
[3]基于改进变分模态分解的旋转机械故障时频分析方法[J]. 刘尚坤,唐贵基,王晓龙. 振动工程学报. 2016(06)
[4]变分模态分解在齿轮箱故障诊断中的应用[J]. 闫洪波,孙午向. 内蒙古科技与经济. 2016(21)
[5]基于二维变分模态分解和自适应中值滤波的图像去噪方法[J]. 刘嘉敏,彭玲,袁佳成,刘军委. 计算机应用研究. 2017(10)
[6]碰摩载荷下船舶轴系转速与纵向振动间影响研究[J]. 李亚楠,董良雄,苏志鹏,杨金超. 机械工程师. 2016(10)
[7]基于变分模态分解参数估计的滚动轴承故障信息提取方法[J]. 杨洪柏,蒋超,石坤举,刘树林. 轴承. 2016(10)
[8]基于DBN的故障特征提取及诊断方法研究[J]. 赵光权,葛强强,刘小勇,彭喜元. 仪器仪表学报. 2016(09)
[9]基于ZigBee的船舶轴功率监测系统开发及故障诊断研究[J]. 杨琨,闫治宇,宁亚飞,武龙飞,王维韬,杨瑶瑶. 机床与液压. 2016(15)
[10]变分模态分解方法及其在滚动轴承早期故障诊断中的应用[J]. 唐贵基,王晓龙. 振动工程学报. 2016(04)
博士论文
[1]基于变分模态分解的风电机组传动系统故障诊断研究[D]. 武英杰.华北电力大学(北京) 2016
[2]螺旋桨激振力引起的船体结构振动及水下辐射噪声特性研究[D]. 李燎原.哈尔滨工程大学 2016
[3]船舶柴油机推进轴系状态评价方法的研究[D]. 王宏志.大连海事大学 2015
[4]大型船舶推进轴系功率流分析理论与方法研究[D]. 秦丽.武汉理工大学 2014
[5]基于局部均值分解的DFB激光器调谐特性研究[D]. 安颖.天津大学 2014
[6]大型船舶推进系统的动力学建模与状态监测方法研究[D]. 李志雄.武汉理工大学 2013
[7]柴油机硅油减振器减振机理及匹配仿真技术研究[D]. 汪萌生.武汉理工大学 2013
[8]基于支持向量机的旋转机械故障诊断与预测方法研究[D]. 朱霄珣.华北电力大学 2013
[9]基于核学习理论的船舶柴油机故障诊断研究[D]. 柴艳有.哈尔滨工程大学 2012
[10]基于轴系扭振信号的船舶推进系统诊断理论与应用研究[D]. 胡义.武汉理工大学 2011
硕士论文
[1]局部均值分解方法及其在滚动轴承故障诊断中的应用研究[D]. 闫武起.兰州交通大学 2016
[2]基于LMD和HSMM的旋转机械故障诊断方法研究[D]. 张菲.西南交通大学 2016
[3]基于EEMD和最小二乘支持向量机的滚动轴承故障诊断方法研究[D]. 邵海贺.长春工业大学 2016
[4]基于贝叶斯网络船用柴油机故障诊断系统的研究[D]. 林洋.大连海事大学 2016
[5]基于数据驱动的船舶旋转机械故障诊断方法研究及应用[D]. 董晨辰.南京航空航天大学 2016
[6]基于Hilbert-Huang变换的结构非线性识别研究[D]. 王立岩.大连理工大学 2015
[7]基于DEMD时频分析的旋转机械故障特征提取方法研究[D]. 季艳.燕山大学 2015
[8]基于HHT的非平稳信号特征提取与参数估计方法研究[D]. 张雪梅.电子科技大学 2015
[9]基于深度信念网络的变速器故障分类识别研究[D]. 单外平.华南理工大学 2015
[10]船舶动力系统故障诊断方法与趋势预测技术研究[D]. 徐晓健.武汉理工大学 2014
本文编号：3527025
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：135 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状与分析
1.2.1 轴系状态监测与故障诊断
1.2.2 振动故障信号特征提取
1.2.3 人工智能在故障诊断中的研究现状
1.2.4 当前研究中存在的问题
1.3 课题来源
1.4 主要研究内容
第2章 船舶轴系运行状态影响因素及特征提取方法
2.1 船舶轴系运行状态影响因素
2.1.1 船体变形
2.1.2 轴承刚度
2.1.3 温度变化
2.1.4 螺旋桨激励力
2.1.5 轴与轴承间油膜影响
2.2 轴系常见振动故障机理
2.2.1 不平衡的机理
2.2.2 不对中的机理
2.2.3 轴系碰摩的机理
2.2.4 油膜涡动的机理
2.3 常见的振动故障特征提取方法
2.3.1 瞬时频率
2.3.2 短时傅里叶变换
2.3.3 小波变换
2.3.4 Wigner-Ville 分布
2.4 HHT方法及其改进方法
2.4.1 EMD分解及存在的问题
2.4.2 EEMD分解及存在的问题
2.5 VMD方法
2.5.1 VMD分解的原理
2.5.2 VMD分解的步骤
2.5.3 EMD,EEMD 与 VMD 分解效果对比
2.5.4 VMD方法的特点
2.6 本章小结
第3章 船体变形下轴系振动影响因素分析
3.1 船体变形下的轴系振动模型
3.1.1 理论模型
3.1.2 边界条件的讨论
3.2 船体变形下轴系振动的影响因素研究
3.2.1 理论模型与数值模型的对比
3.2.2 船体变形对轴系振动的影响研究
3.3 实船试验
3.3.1 试验船舶参数
3.3.2 实船试验方案
3.3.3 试验条件
3.3.4 实船结果分析
3.4 本章小结
第4章 多激励下的船舶轴系振动特性试验研究
4.1 船舶轴系试验台试验
4.1.1 试验台基本组成及加载系统
4.1.2 试验方案
4.2 静态加载时轴系振动分析
4.2.1 不同强制位移的大小和方向的影响
4.2.2 不同响应点的位置和方向的影响
4.2.3 混合激励的影响
4.2.4 不同转速的影响
4.3 动态加载时轴系振动分析
4.3.1 不同激励力的大小和方向的影响
4.3.2 不同响应点的位置和方向的影响
4.3.3 混合激励的影响
4.3.4 转速的影响
4.4 变频激励下轴系振动分析
4.4.1 不同频率的影响
4.4.2 变频激励的影响
4.4.3 不同激励力的大小和方向的影响
4.4.4 不同响应点的位置和方向的影响
4.4.5 转速的影响
4.5 本章小结
第5章 基于VMD的轴系故障特征提取方法研究
5.1 轴系故障模拟实验
5.2 基于VMD的油膜涡动故障特征提取
5.3 VMD的参数优化方法研究
5.3.1 VMD参数对分解结果的影响
5.3.2 VMD参数选择方法研究
5.3.3 VMD参数选择步骤
5.4 基于改进VMD-能量熵的轴系故障特征提取
5.5 本章小结
第6章 基于深度学习的船舶轴系故障诊断方法研究
6.1 机器学习在轴系故障诊断中的应用
6.1.1 人工神经网络
6.1.2 支持向量机
6.1.3 支持向量机在轴系故障诊断中的应用
6.2 深度学习理论
6.2.1 深度学习概述
6.2.2 深度学习思想
6.3 深度置信网络
6.3.1 受限玻尔兹曼机
6.3.2 深度置信网络
6.3.3 DBN参数选择分析
6.4 基于DBN的轴系故障诊断研究
6.4.1 轴系故障数据预处理
6.4.2 基于DBN的分类结果对比
6.5 本章小结
第7章 结论与展望
7.1 结论
7.2 创新点
7.3 展望
致谢
参考文献
攻读博士学位期间发表的论文及参加的科研项目
【参考文献】：
期刊论文
[1]“大智”轮的标志性意义[J]. 胥苗苗. 中国船检. 2017(12)
[2]基于混合核学习支持向量机的主减速器故障诊断[J]. 张华伟,左旭艳,潘昊. 计算机应用与软件. 2017(05)
[3]基于改进变分模态分解的旋转机械故障时频分析方法[J]. 刘尚坤,唐贵基,王晓龙. 振动工程学报. 2016(06)
[4]变分模态分解在齿轮箱故障诊断中的应用[J]. 闫洪波,孙午向. 内蒙古科技与经济. 2016(21)
[5]基于二维变分模态分解和自适应中值滤波的图像去噪方法[J]. 刘嘉敏,彭玲,袁佳成,刘军委. 计算机应用研究. 2017(10)
[6]碰摩载荷下船舶轴系转速与纵向振动间影响研究[J]. 李亚楠,董良雄,苏志鹏,杨金超. 机械工程师. 2016(10)
[7]基于变分模态分解参数估计的滚动轴承故障信息提取方法[J]. 杨洪柏,蒋超,石坤举,刘树林. 轴承. 2016(10)
[8]基于DBN的故障特征提取及诊断方法研究[J]. 赵光权,葛强强,刘小勇,彭喜元. 仪器仪表学报. 2016(09)
[9]基于ZigBee的船舶轴功率监测系统开发及故障诊断研究[J]. 杨琨,闫治宇,宁亚飞,武龙飞,王维韬,杨瑶瑶. 机床与液压. 2016(15)
[10]变分模态分解方法及其在滚动轴承早期故障诊断中的应用[J]. 唐贵基,王晓龙. 振动工程学报. 2016(04)
博士论文
[1]基于变分模态分解的风电机组传动系统故障诊断研究[D]. 武英杰.华北电力大学(北京) 2016
[2]螺旋桨激振力引起的船体结构振动及水下辐射噪声特性研究[D]. 李燎原.哈尔滨工程大学 2016
[3]船舶柴油机推进轴系状态评价方法的研究[D]. 王宏志.大连海事大学 2015
[4]大型船舶推进轴系功率流分析理论与方法研究[D]. 秦丽.武汉理工大学 2014
[5]基于局部均值分解的DFB激光器调谐特性研究[D]. 安颖.天津大学 2014
[6]大型船舶推进系统的动力学建模与状态监测方法研究[D]. 李志雄.武汉理工大学 2013
[7]柴油机硅油减振器减振机理及匹配仿真技术研究[D]. 汪萌生.武汉理工大学 2013
[8]基于支持向量机的旋转机械故障诊断与预测方法研究[D]. 朱霄珣.华北电力大学 2013
[9]基于核学习理论的船舶柴油机故障诊断研究[D]. 柴艳有.哈尔滨工程大学 2012
[10]基于轴系扭振信号的船舶推进系统诊断理论与应用研究[D]. 胡义.武汉理工大学 2011
硕士论文
[1]局部均值分解方法及其在滚动轴承故障诊断中的应用研究[D]. 闫武起.兰州交通大学 2016
[2]基于LMD和HSMM的旋转机械故障诊断方法研究[D]. 张菲.西南交通大学 2016
[3]基于EEMD和最小二乘支持向量机的滚动轴承故障诊断方法研究[D]. 邵海贺.长春工业大学 2016
[4]基于贝叶斯网络船用柴油机故障诊断系统的研究[D]. 林洋.大连海事大学 2016
[5]基于数据驱动的船舶旋转机械故障诊断方法研究及应用[D]. 董晨辰.南京航空航天大学 2016
[6]基于Hilbert-Huang变换的结构非线性识别研究[D]. 王立岩.大连理工大学 2015
[7]基于DEMD时频分析的旋转机械故障特征提取方法研究[D]. 季艳.燕山大学 2015
[8]基于HHT的非平稳信号特征提取与参数估计方法研究[D]. 张雪梅.电子科技大学 2015
[9]基于深度信念网络的变速器故障分类识别研究[D]. 单外平.华南理工大学 2015
[10]船舶动力系统故障诊断方法与趋势预测技术研究[D]. 徐晓健.武汉理工大学 2014
本文编号：3527025
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3527025.html
