基于虚拟仪器的大型旋转机组故障分析及趋势预测技术研究

发布时间：2020-04-11 11:05

【摘要】：工业生产过程中使用的大型旋转机电设备一般处于重要的生产环节,保证其安全稳定的运行是保证生产的关键。目前,设备的现代化程度日益提高,结构日益复杂,需要考虑更复杂的运行状态、工艺参数及工作环境,较简便的诊断及预测技术已不足以指导设备的状态维护,需要研究适应现代化生产的大型旋转机组的故障分析以及趋势预测技术,实现在机组未发生故障时对其进行状态维护。本文阐述了大型旋转机械故障诊断的原理与方法。对大型旋转机组进行故障诊断应包括对机组工况的在线监测,选择能反应机组状态的特征量,并针对特征量进行特征分析以及机组的工况识别。振动信号能够更迅速、更直接的反映大型旋转机组的运行状态,因此选择振动信号作为故障诊断的特征信号,研究了振动信号的提取方法、预处理方法及振动烈度的计算方法。对振动烈度信号进行频谱分析、倒频谱分析、短时傅立叶分析及小波分析等,揭示机组的运行状态,并对各种分析方法的优缺点进行比较分析。研究了利用小波分析的数字滤波方法,并用其对采集的振动信号进行降噪滤波。大型旋转机组在其运行过程中由于自身及外界因素的影响常常处于非平稳状态,传统的用于平稳时间序列的预测方法难以取得好的效果,因此研究了非平稳状态的趋势预测方法。针对采集信号中的异常数据及畸变数据进行一定的预处理,建立了预测历史样本数据库。探讨了成功应用于语音信号处理的隐马尔可夫过程(HMM)在振动烈度趋势预测中的应用方法,建立了基于振动烈度的HMM模型,研究了HMM模型的参数重估算法以及最优状态搜索算法,并将其预测结果与灰色预测方法进行比较,取得了较好的效果。以虚拟仪器为基础,建立大型旋转机组故障分析及趋势预测系统,其中硬件系统采用PC-DAQ ,软件系统的开发采用虚拟仪器开发语言LabWindows/CVI与Visual C++相结合的方式。
【图文】：

傅立叶分析,窗函数

共 59 页第 13 页3.2.2 倒频谱分析功率谱分析能够很好地揭示随机波形中混有地周期信号，而倒频谱就能突出功率谱图的一些特点和显示振动状态地一些变化，特别是能揭示谱图中地周期分量，有利于故障诊断。1962 年 Bogert 等人首先提出倒频谱（Cepstrum）的概念，它是从频谱（Spectrum）这个词意派生出来的。Bogert 把“对数功率谱的功率谱”定义为信号 x(t)的功率倒频谱[ ]222( )log()∫log()∞ ∞ τ= ω=ωωπωτCFGGedxxxxx（3.7）式中[ ]22G(ω )Fx(t)X(ω)xx= =。倒频谱分析是把时间信号 x(t)的功率谱函数取对数再进行傅立叶变换，式中τ称为倒频率（Quefrency），具有时间因子，单位为秒或毫秒，与自相关函数的时延τ有相似之处。τ值大的称为高倒频率，表示频谱的快速波动；τ值小的称为图 3-5 傅立叶分析窗函数比较

倒频谱分析,局部时

3.2.3 短时傅立叶分析3.2.3.1 短时傅立叶变换的介绍和定义傅立叶分析能有效的分析平稳信号，能通过频谱函数方便地指明平稳信号地主要谐波成分。然而，在实际应用中，经常需要分析频域特性随时间变化的非平稳信号，如振动信号、音乐信号、语音信号等，，需要了解某些局部时域信号所对应地主要频率特性，也需要了解某些频率的信息出现在那些时间段上。具体地说，对于大型旋转机组变工况非平稳的振动信号，需要了解局部时域信号的频率特性，并且需要了解什么局部时域信号表示机组发生故障。这就要求获得短时段时域信号所对应的局部频域特性，即要求实现时-频局部化分析。Fourier 分析的积分区间是无穷区间，本质上决定了 Fourier 分析是对无穷区间函数的分析，分析结果只能获得频域的全局信息，无法实现时-频局部化。为克服 Fourier 变换在时－频局部化方面的不足，D.Gabor 于 1946 年提出了窗口 Fourier 变换（简记为 WFT），或者图 3-6 信号的倒频谱分析
【学位授予单位】：北京机械工业学院
【学位级别】：硕士
【学位授予年份】：2004
【分类号】：TH17

【引证文献】