基于LMD与MFE的往复式压缩机故障诊断方法研究

发布时间：2017-08-25 03:21

  本文关键词：基于LMD与MFE的往复式压缩机故障诊断方法研究

  更多相关文章： 局部均值分解 多尺度模糊熵 往复压缩机 故障诊断

【摘要】：往复压缩机是石油、化工领域的核心设备,其一旦发生故障,不仅会给企业对来重大的经济损失,同时会给员工的人身安全带来严重危害,因此,往复压缩机故障诊断技术成为人们研究的重点。由于往复压缩机振动信号具有非线性和非平稳特性,以傅里叶变换为代表的传统时频分析方法对其进行分析存在一定的局限性。局部均值分解(Local mean decomposition,简称LMD)是一种自适应分解方法,其在非平稳信号处理方面具有独特的优势。本文将LMD方法引入往复压缩机故障诊断领域,将其与多尺度模糊熵结合,提出了一种新的往复压缩机故障诊断方法,并对所提方法在往复压缩机故障诊断中的应用进行了一系列研究工作。首先,通过大量查阅往复压缩机故障诊断相关文献,对往复压缩机的结构、工作原理以及常见故障机理进行了概述,并阐述了往复压缩机故障诊断技术的发展历程和常用故障诊断方法的研究现状。其次,在对LMD方法理论进行深入研究的基础上,针对原始LMD方法滑动平均迭代次数过多、三次样条LMD方法出现“过包络”与“欠包络”现象致使分解失真等问题,本文提出了一种改进LMD方法。该方法采用单调三次Hermite插值构造包络线,并通过增加极值对称点的方式提高了包络线拟合精度。仿真信号和实测信号实验结果表明,改进LMD方法可以准确提取信号特征,是一种有效的非平稳信号分析方法。再次,介绍了多尺度模糊熵这一故障特征识别方法。多尺度模糊熵可以衡量信号在不同尺度下的复杂性,相比于单一尺度的模糊熵,其提取的故障特征信息可以更全面的反映故障本质。利用仿真信号与多尺度熵进行了对比,结果表明多尺度模糊熵具有良好的相对一致性,其熵值曲线变化更加平稳,参数选择比较自由。往复压缩机轴承故障实验验证了多尺度模糊熵在特征提取方面的优越性。最后,针对往复压缩机振动信号的非平稳、非线性特性,提出了一种基于改进LMD和多尺度模糊熵(MFE)的往复压缩机故障诊断方法。该方法采用改进LMD方法将各状态振动信号分解为若干PF分量,计算其多尺度模糊熵形成特征向量,并通过支持向量机进行分类识别。在提取状态特征的过程中,利用欧式距离对特征向量进行了优选,使各状态的区分更加明显。利用所提方法对往复压缩机轴承和气阀故障数据进行分析,结果表明其可以有效提取故障特征,实现不同故障类型的诊断。
【关键词】：局部均值分解 多尺度模糊熵 往复压缩机 故障诊断
【学位授予单位】：东北石油大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ051.21
【目录】：

• 摘要4-5
• ABSTRACT5-7
• 创新点摘要7-10
• 第一章 绪论10-17
• 1.1 课题研究的背景和意义10
• 1.2 往复压缩机故障诊断的发展现状10-12
• 1.3 课题相关故障诊断方法综述12-15
• 1.3.1 时频分析方法研究12-14
• 1.3.2 时间序列非线性分析方法研究14-15
• 1.3.3 智能模式识别方法研究15
• 1.4 本文主要研究内容15-17
• 第二章 局部均值分解方法的理论研究与改进17-32
• 2.1 局部均值方法概述17-18
• 2.1.1 瞬时频率17-18
• 2.1.2 乘积函数分量18
• 2.2 LMD方法流程与存在问题18-21
• 2.2.1 LMD算法流程18-20
• 2.2.2 存在的问题20-21
• 2.3 LMD改进方法21-24
• 2.3.1 单调三次Hermite插值算法21-22
• 2.3.2 改进LMD方法22-24
• 2.4 仿真与实测信号试验24-31
• 2.4.1 仿真信号试验24-27
• 2.4.2 实测信号试验27-31
• 2.5 本章小结31-32
• 第三章 多尺度模糊熵理论与应用32-44
• 3.1 多尺度模糊熵基础理论32-37
• 3.1.1 样本熵32-33
• 3.1.2 模糊熵33-35
• 3.1.3 多尺度熵35-37
• 3.2 多尺度模糊熵37-40
• 3.2.1 多尺度模糊熵算法37-38
• 3.2.2 参数的选取38-40
• 3.3 多尺度模糊熵算法应用40-43
• 3.4 本章小结43-44
• 第四章 基于改进LMD与MFE的往复压缩机故障诊断方法44-60
• 4.1 往复压缩机故障机理分析44-47
• 4.1.1 往复压缩机基本结构和工作原理44-45
• 4.1.2 往复压缩机常见故障机理分析45-47
• 4.2 往复压缩机故障振动信号数据采集47-49
• 4.2.1 振动信号数据采集原则47
• 4.2.2 往复压缩机测点布置47-49
• 4.3 基于改进LMD与MFE的往复压缩机诊断方法49-52
• 4.3.1 方法概述49-51
• 4.3.2 特征提取算法流程51-52
• 4.4 往复压缩机故障诊断应用实例52-59
• 4.4.1 往复压缩机轴承故障诊断52-56
• 4.4.2 往复压缩机气阀故障诊断56-59
• 4.5 本章小结59-60
• 结论60-61
• 参考文献61-65
• 发表文章目录65-66
• 致谢66-67

【相似文献】

中国期刊全文数据库 前10条

1 王正洪,尤一匡,张小鸣,张琳;往复压缩机的状态监测和故障的诊断方法[J];江苏工业学院学报;2004年03期

2 孙明;往复压缩机故障诊断综述[J];油气田地面工程;2004年08期

3 张琳,朱瑞松,尤一匡,尤侯平,王正洪;往复压缩机监测与诊断技术研究现状与展望[J];化工进展;2004年10期

4 戴新西;贺运初;王大勇;;大型往复压缩机异常振动原因分析及处理[J];石油和化工设备;2006年03期

5 赵杰;李峰;刘录;车俊铁;韩丽艳;;超高压往复压缩机机体振动分析[J];压缩机技术;2008年01期

6 谢红杰;郝点;任志安;;往复压缩机轴承的振动测试分析[J];贵州化工;2008年05期

7 李辉;;往复压缩机故障的分析和排除[J];石油化工自动化;2009年01期

8 唐友福;刘树林;刘颖慧;姜锐红;;基于α稳定分布的往复压缩机故障诊断方法[J];化工机械;2011年05期

9 丁磊;;往复压缩机管道的减振设计[J];化工设计;2012年03期

10 侯伟平;陈亮;;往复压缩机脉动及振动控制浅探[J];中国石油和化工标准与质量;2012年07期

中国重要会议论文全文数据库 前8条

1 王金东;王巍;李宏灿;李新伟;;往复压缩机轴承故障的多重分形特征提取[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

2 王智伟;张鹏;王金东;杜永军;王巍;;基于虚拟仪器的往复压缩机监测系统研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

3 丁月敏;;探究往复压缩机的设计方案 以4M80(85)为例[A];第八届沈阳科学学术年会论文集[C];2011年

4 郭文涛;;往复压缩机管线的振动分析方法探究[A];创新沈阳文集（A）[C];2009年

5 窦唯;孙明;刘树林;;基于免疫机理的往复压缩机在线状态监测方法[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

6 赵海峰;刘树林;王宪明;徐艳;;往复压缩机气阀故障的瞬态特征提取方法研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

7 姚德群;余志红;杨素春;王朝晖;;基于数据挖掘的往复压缩机气阀故障诊断设计[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

8 高晶波;王日新;徐敏强;夏松波;;基于时频分析的往复压缩机气阀故障诊断方法的研究[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

中国博士学位论文全文数据库 前2条

1 赵海洋;往复压缩机轴承间隙故障诊断与状态评估方法研究[D];哈尔滨工业大学;2014年

2 赵海峰;基于HHT的往复压缩机故障诊断研究[D];东北石油大学;2011年

中国硕士学位论文全文数据库 前10条

1 广柯平;往复压缩机气阀能耗的研究[D];广西大学;2016年

2 邢俊杰;基于LMD与MFE的往复式压缩机故障诊断方法研究[D];东北石油大学;2016年

3 赵心怡;往复压缩机故障诊断专家系统的研究与应用[D];北京化工大学;2012年

4 杨汉宝;往复压缩机故障综合模拟实验台设计及诊断技术研究与应用[D];北京化工大学;2013年

5 李颖;多重分形信号特征提取及在往复压缩机故障诊断中的应用[D];东北石油大学;2015年

6 赵海洋;往复压缩机气缸内压力信号检测与分析技术[D];大庆石油学院;2006年

7 申大鹏;基于案例推理的往复压缩机故障诊断专家系统研究[D];北京化工大学;2012年

8 赵雨薇;往复压缩机早期故障智能预警关键技术研究及应用[D];北京化工大学;2015年

9 伍永强;往复压缩机网状簧片阀工作特性研究[D];广西大学;2015年

10 徐丰甜;基于敏感特征提取的往复压缩机智能诊断技术研究[D];北京化工大学;2015年

，

本文编号：734763