基于HHT和D-S理论的离心泵故障诊断方法研究

发布时间：2020-10-09 00:48

　　 设备故障诊断是一门各学科交叉的新技术,近20多年来,得到了迅速发展,并产生了巨大的经济效益。由于离心泵故障信号是非平稳信号,因此有必要选择恰当的适合于非平稳信号分析的信号处理方法。常用的时频分析方法如窗口傅立叶变换(Windowed Fourier Transform),WVD(Wigner-Ville Distribution)、小波变换等都有各自的局限性。近来,一种适合于处理非平稳信号的时频分析方法Hilbert-Huang变换(Hilbert-Huang Transform,简称HHT)被提出来以后,经验证在很多方面的应用效果都优于其它的信号处理方法。 信息融合是近年来兴起的一门学科,在许多领域得到了广泛的研究和应用,在离心泵故障诊断领域的应用尚处于起步阶段。离心泵故障诊断中可利用的信息很多,只有充分利用有用的信息来对离心泵的故障进行诊断才能提高故障诊断的精度和可靠性,因此故障诊断实质上是一个多信息融合的过程。针对设备故障诊断中存在的处理数据量大、故障类型复杂多变、领域知识难于准确获得、故障识别率低的现状,本文提出了一种Hilbert-Huang变换(HHT)、神经网络和证据理论相结合的信息融合方法,并将其应用于离心泵的故障诊断。提高了故障诊断系统的灵活性、故障诊断的效率和准确性。 首先,本文论述了Hilbert-Huang变换技术的特点、形式结构和具体的处理方法,提出了利用HHT进行离心泵振动和汽蚀信号的时频分析方法。通过信号的Hilbert-Huang谱,能够同时在时频域分析信号的变化情况,发现信号不同频率范围能量分布具有很大的差异,为了定量描述这种差异,定义了不同频率范围(不同模态)信号所占的能量比作为特征变量。 其次,论述了RBF神经网络的拓扑结构和学习方式;重点介绍了RBF神经网络的特点,提出了一种动态建立网络结构的在线训练算法。 最后,详细介绍了D-S证据理论的基本原理、合成规则、推理过程。本文设计了一个基于神经网络和D-S证据理论的信息融合故障诊断方法,从待诊断系统的振动信号的特点入手,划分出两个故障特征征兆域,分设两个子神经网络分别对系统进行初步诊断,然后将诊断结果转化为基本概率赋值再利用D-S证据理论分别进行时间域和空间域的信息融合。最后进行了实验验证,故障诊断的准确度得到了提高,验证了该诊断方法的可行性和有效性。
【学位单位】：东北电力大学
【学位级别】：硕士
【学位年份】：2007
【中图分类】：TH311;TH165.3
【部分图文】：

第 2 章 实验装置及实验方法2.1 离心泵实验台2.1.1 振动信号采集系统本课题的离心泵振动位移和加速度信号的采集实验是在 2BA-6A 型离心泵故障诊断系统实验台上完成的。实验设备构成如图 2-1 所示，实验系统结构原理如图 2-2 所示：

ROSEMOUNT3051S 型压力传感器。试验过程中在离心泵运行时把水罐排气口关闭，将水罐回水管和水箱排水管关闭，继续运行离心泵降低吸入罐液面的气体压力，直到离心泵汽蚀发生，出水管中没有流量为止，利用数据采集器采集整个汽蚀过程的离心泵入口压力数据值。实测工况点为离心泵的额定流量。实验设备构成如图 2-3 所示，实验系统结构原理如图 2-4 所示：

【相似文献】

相关期刊论文 前10条

1 张飞;段志峰;;RBF神经网络在边坡稳定性中的应用研究[J];西部探矿工程;2011年08期

2 赵洪波;闫淑杰;;基于RBF神经网络的简支梁桥损伤识别[J];公路交通科技(应用技术版);2011年06期

3 孙颖;王健;;基于DSP伺服控制的分切机应用[J];长春工业大学学报(自然科学版);2011年01期

4 张洪萍;税爱社;谢敏;沈鑫;;基于RBF神经网络和定性趋势分析的传感器故障诊断[J];后勤工程学院学报;2011年04期

5 李智;胡俊宇;赵殿瑞;郑维平;;电厂锅炉飞灰含碳量测量模型[J];节能;2011年05期

6 钟飞;张伟;钟约先;;Hilbert-Huang变换去除可控震源谐波畸变[J];清华大学学报(自然科学版);2011年06期

7 陈青江;王创业;;RBF神经网络在边坡稳定性分析中的应用[J];现代商贸工业;2011年15期

8 龙文;徐松金;;基于灰色RBF组合模型的城市用水量预测[J];供水技术;2011年04期

9 张红;张建红;康岩松;;基于GA的改进SVM算法对RBF优化算法在短期负荷预测中的应用[J];长春工程学院学报(自然科学版);2011年02期

10 苏志坚;林明华;;RBF神经网络在高程异常拟合中的应用[J];城市勘测;2011年03期

相关会议论文 前10条

1 游培寒;王振家;;一种构造径向基神经网络的新型IPL算法[A];图像 仿真 信息技术——第二届联合学术会议论文集[C];2002年

2 张秀艳;王秀芳;王庆蒙;陶国彬;;基于RBF神经网络的非线性滤波研究[A];首届信息获取与处理学术会议论文集[C];2003年

3 宋宜斌;王培进;;一种改进的RBF神经网络预测模型[A];2005年中国智能自动化会议论文集[C];2005年

4 田晓;颜勇;孔凡坊;顾德英;;新型神经网络在短期负荷预测中的应用研究[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年

5 于秀丽;沈雪勤;;RBF神经网络的一种新的学习算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年

6 黄亮;陈娟;马俊功;;基于RBF网络自校正的气动位置伺服系统跟综控制[A];第四届全国流体传动与控制学术会议论文集[C];2006年

7 张东昌;符秀辉;;RBF神经网络在网络时延预测中的应用[A];第七届全国信息获取与处理学术会议论文集[C];2009年

8 白基成;黄河;郭永丰;卢泽生;;高速电火花小孔加工电极损耗预测技术的研究[A];2007年中国机械工程学会年会论文集[C];2007年

9 付培众;尹怡欣;;基于PSO-RBF的神经网络及其应用研究[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

10 崔超;徐筱麟;韩晶;;一种两种算法结合的网络延时预测算法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（下册）[C];2008年

相关博士学位论文 前10条

1 梁协雄;数据库中的知识发现及其应用研究[D];重庆大学;2004年

2 申丽然;Hilbert-Huang变换及其在含噪语音信号处理中的应用研究[D];哈尔滨工程大学;2006年

3 石志晓;时频联合分析方法在参数识别中的应用[D];大连理工大学;2005年

4 丁浩;新型信息处理技术在气液两相流流型辨识中的应用研究[D];浙江大学;2005年

5 崔根群;用于危险品检测的移动机械手的运动性能分析及其控制[D];河北工业大学;2007年

6 杨会云;工程量清单计价模式下的投标报价决策研究[D];东北林业大学;2009年

7 张道祥;稳定分层湍流的实验与理论研究[D];上海大学;2009年

8 尹建川;径向基函数神经网络及其在船舶运动控制中的应用研究[D];大连海事大学;2007年

9 景春国;低能射线法油水气相含率测量研究[D];燕山大学;2008年

10 王然风;基于支持向量回归技术的大型复杂机电设备故障诊断研究与应用[D];太原理工大学;2005年

相关硕士学位论文 前10条

1 姚建明;基于神经网络的电液伺服系统智能控制研究[D];太原理工大学;2005年

2 陈文科;神经网络在项目总承包风险中的应用[D];西安建筑科技大学;2005年

3 张振;基于解析冗余的非线性系统故障诊断方法研究[D];南京理工大学;2005年

4 刘海勃;基于RBF神经网络的期货走势预测模型研究[D];大连海事大学;2006年

5 张平;遗传神经网络在PMSM控制系统中的应用研究[D];武汉理工大学;2006年

6 戎辉;移动机械手的分层控制结构及其协调控制方法研究[D];河北工业大学;2006年

7 姜晓君;基于无线传感器网络的信息融合算法研究[D];郑州大学;2007年

8 胡霞;NTS中学生认知能力评价系统的研究与应用[D];武汉理工大学;2006年

9 林程军;采用单片机的电阻点焊智能控制器开发[D];沈阳工业大学;2006年

10 吴明圣;径向基神经网络和支持向量机的参数优化方法研究及应用[D];中南大学;2007年

本文编号：2832987