复杂网络在离心泵故障诊断中的应用

发布时间：2017-10-13 20:29

  本文关键词：复杂网络在离心泵故障诊断中的应用

  更多相关文章： 离心泵 复杂网络 故障诊断 特征提取

【摘要】：近年来，设备故障诊断技术有了迅速发展，作为一门交叉性学科在实际生产中已经产生了巨大的经济效益。针对离心泵故障振动信号呈现的是非线性、非平稳的特征，有必要选择适合于非平稳信号分析的信号处理方法。 复杂网络作为一个全新有效的工具，不仅可以挖掘包含在非线性时间序列中的重要信息，同时也可研究理论模型所不能精确描述的复杂混沌动力学系统。本文以离心泵不同状态为研究对象，在采集不同状态振动信号的基础上，全新构建了离心泵不同状态下的振动故障复杂网络，在此基础上，对其复杂网络非线性动力学特性进行了研究，并将其应用于离心泵的故障诊断。提高了离心泵故障诊断的灵活性以及故障诊断的效率和准确性。 首先，简要介绍了复杂网络的基本概念，通过对网络的度、平均最短路径和聚集系数的分析，对离心泵不同状态取得了较好的分类效果，，为揭示离心泵故障的非线性动力学复杂性研究提供了新方法。 其次，提出了一种相空间复杂网络概念和构建算法。针对传统递归定量分析方法的不足，即此方法在提取系统递归特征时只是基于点、线来量化递归图，本文提出从网络的角度去量化递归图参数，进而获取动力系统空间递归特性，并通过对网络中重要节点的度量，得到网络节点重要性的综合评价结果，大大提高了故障诊断的准确性。 最后，采用Newman快速算法对离心泵4种状态下的网络进行社团划分，结合k-核解析的概念将离心泵复杂网络分成不同的核。通过复杂网络社团结构和k-核解析的方法更好的了解离心泵的空间结构及拓扑性质。
【关键词】：离心泵 复杂网络 故障诊断 特征提取
【学位授予单位】：东北电力大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH311;TH165.3
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-17
• 1.1 本课题的研究背景、目的及意义11
• 1.2 离心泵故障的概述11-13
• 1.2.1 故障的含义11-12
• 1.2.2 离心泵故障的特点12
• 1.2.3 离心泵故障诊断的方法12-13
• 1.2.4 发展离心泵故障诊断技术的意义13
• 1.3 故障诊断技术的发展现状13-14
• 1.4 复杂网络的研究现状14-16
• 1.4.1 复杂网络的研究内容15
• 1.4.2 复杂网络面临的挑战及其在故障诊断中的应用15-16
• 1.5 本文主要研究内容16-17
• 第2章 离心泵振动故障实验模拟17-21
• 2.1 离心泵实验台17-18
• 2.2 实验系统18-19
• 2.2.1 信号测量子系统18-19
• 2.2.2 数据采集子系统19
• 2.3 实验步骤19-20
• 2.3.1 实验状态选取及特征19-20
• 2.3.2 振动位移和加速度信号的采集20
• 2.4 本章小结20-21
• 第3章 离心泵振动信号复杂网络的构造21-28
• 3.1 复杂网络的统计特征21-23
• 3.1.1 度与度分布21
• 3.1.2 平均最短路径21-22
• 3.1.3 聚类系数22-23
• 3.2 离心泵振动信号复杂网络的构造23-27
• 3.2.1 可视图建网23-25
• 3.2.2 嵌入状态向量相关网络25-27
• 3.3 本章小结27-28
• 第4章 离心泵相空间复杂网络动力学特性28-46
• 4.1 离心泵振动故障递归定量分析28-32
• 4.1.1 递归图的拓扑结构29-30
• 4.1.2 递归定量分析30-32
• 4.2 离心泵振动故障递归复杂网络分析32-40
• 4.2.1 典型信号相空间复杂网络动力学分析32-36
• 4.2.2 基于递归复杂网络的离心泵故障诊断36-40
• 4.3 复杂网络节点重要性度量40-45
• 4.3.1 网络节点重要性度量指标40-43
• 4.3.2 离心泵振动网络中重要节点度量43-45
• 4.4 本章小结45-46
• 第5章 复杂网络社团结构探寻和 k-核解析46-58
• 5.1 复杂网络社团结构算法分析46-49
• 5.1.1 复杂网络社团结构算法分析46-48
• 5.1.2 k-核解析概念48-49
• 5.2 离心泵振动故障网络社团结构探寻和 k-核解析49-55
• 5.2.1 阈值的选取49-50
• 5.2.2 离心泵振动故障网络社团结构探寻50-52
• 5.2.3 离心泵振动故障网络 k-核解析52-55
• 5.3 故障识别55-57
• 5.4 本章小结57-58
• 结论58-60
• 参考文献60-64
• 攻读学位期间取得的研究成果及发表的学术论文64-65
• 致谢65

【参考文献】

中国期刊全文数据库 前10条

1 黎湘，郁文贤，庄钊文，郭桂蓉;决策层信息融合的神经网络模型与算法研究[J];电子学报;1997年09期

2 李鹏翔,任玉晴,席酉民;网络节点(集)重要性的一种度量指标[J];系统工程;2004年04期

3 方锦清,汪小帆,刘曾荣;略论复杂性问题和非线性复杂网络系统的研究[J];科技导报;2004年02期

4 郝柏林;关于理论物理与理论生命科学的一些思考[J];科技导报;1996年04期

5 李平,刘长生;运用振动诊断技术进行机械设备的维修[J];木工机床;1998年03期

6 陈华新,武秀文,黄樟灿;基于神经网络的多传感器信息融合[J];武汉理工大学学报(信息与管理工程版);2001年02期

7 何阅,张培培,许田,姜玉梅,何大韧;一个科研合作网的双粒子图自适应演化模型[J];物理学报;2004年06期

8 张立;刘云;;虚拟社区网络的演化过程研究[J];物理学报;2008年09期

9 周磊;龚志强;支蓉;封国林;;利用复杂网络研究中国温度序列的拓扑性质[J];物理学报;2008年11期

10 陈卫东;徐华;郭琦;;国际石油价格复杂网络的动力学拓扑性质[J];物理学报;2010年07期

本文编号：1026914