离心泵振动故障诊断方法研究及系统实现
发布时间：2021-11-23 22:02
近年来,设备故障诊断作为一门各学科交叉的新技术,得到了迅速发展并产生了巨大的经济效益。正常运行以及发生故障的离心泵会使设备产生振动,这种振动信号中包含了丰富的泵体运行状态信息,而且易于采集,可以应用其进行离心泵运行状态的监测与诊断。由于离心泵故障振动信号是非平稳信号,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。从离心泵运行机体上采集到的振动信号由于受到现场实验环境以及条件的影响,势必存在噪声,如何对信号进行降噪处理是离心泵振动故障振动的重要基础。本文提出了第二代小波与新型改进阈值函数相结合的信号去噪方法。该方法利用第二代小波对故障信号进行分解,并采用新型改进阈值函数对分解信号的小波系数做阈值处理。同时引入基于类可分离性测度的降噪评价准则,实现了对复杂振动信号的降噪效果的评价。仿真和实测振动信号的去噪结果表明,该方法融合了第二代小波和改进阈值函数的优点,能更好的消除振动信号噪声。针对去噪后的振动信号,应用HHT变换、复杂度计算、连续小波变换、提升小波包、第二代小波包以及混沌递归理论等对其进行分析计算,提取有效特征参数,组成特征向量,输入分类模型,实现对离心泵故障类型的诊断。分...
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：120 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
目录
CONTENTS
第1章 绪论
1.1 引言
1.2 离心泵故障的概述
1.2.1 故障的含义
1.2.2 离心式水泵故障的特点
1.2.3 离心泵故障诊断的方法
1.2.4 开展离心泵故障诊断技术的意义
1.3 故障诊断的国内外发展现状及分析
1.4 本课题所要研究的内容
第2章 实验装置及实验方法
2.1 离心泵实验台
2.2 实验系统
2.2.1 信号测量子系统
2.2.2 数据采集子系统
2.3 实验步骤
2.3.1 实验状态选取及特征
2.3.2 振动位移和加速度信号的采集
2.4 实验结果
2.5 本章小结
第3章 基于第二代小波的故障信号去噪方法
3.1 去噪问题的描述
3.2 常用的去噪方法
3.2.1 模极大值去噪
3.2.2 相关性去噪
3.2.3 阈值函数去噪
3.2.4 改进阈值函数去噪
3.3 新型改进阈值函数的第二代小波去噪
3.3.1 Doppler仿真信号去噪
3.3.2 实测故障信号去噪
3.3.3 类可分离性评价准则
3.4 本章小结
第4章 离心泵振动故障特征提取方法
4.1 希尔伯特-黄变换(HHT)
4.1.1 EMD分解过程
4.1.2 Hilbert变换(HT)
4.1.3 Hilbert谱
4.1.4 基于HHT的特征提取
4.2 复杂度
4.2.1 Lempel-Ziv复杂度
4.2.2 特征提取
4.3 基于连续小波变换的故障特征提取
4.3.1 连续小波变换原理
4.3.2 基于连续小波变换的故障特征提取
4.4 基于提升小波包的特征提取
4.4.1 小波包原理
4.4.2 提升小波包原理
4.4.3 基于提升小波包的故障特征提取
4.5 递归定量分析
4.5.1 递归原理
4.5.2 4种状态的递归分析以及特征提取
4.6 本章小结
第5章 离心泵振动故障诊断模型
5.1 RBF神经网络
5.1.1 基本原理
5.1.2 网络训练
5.1.3 故障诊断
5.2 ELMAN神经网络
5.2.1 Elman神经网络结构
5.2.2 Elman神经网络学习过程
5.2.3 改进Elman神经网络模型
5.2.4 故障诊断
5.3 最小二乘法支持向量机
5.3.1 支持向量机原理
5.3.2 LSSVM诊断模型参数的优化
5.3.3 多分类的实现
5.3.4 故障诊断
5.4 相关向量机
5.4.1 相关向量机算法
5.4.2 基于二叉树的RVM多类分类器
5.4.3 故障诊断结果分析
5.5 识别模型的比较
5.6 本章小结
第6章 基于2D-HMM的离心泵振动故障诊断模型
6.1 隐MARKOV模型
6.1.1 基本参数与拓扑结构
6.1.2 主要算法
6.2 二维隐MARKOV模型(2D-HMM)
6.2.1 常见类型
6.2.2 基本参数
6.2.3 主要算法
6.3 2D-HMM故障诊断原理及步骤
6.3.1 2D-HMM故障诊断原理
6.3.2 求解类条件概率
6.3.3 2D-HMM故障诊断步骤
6.4 2D-HMM故障诊断实验应用
6.4.1 初始模型确定
6.4.2 故障识别
6.5 本章小结
第7章 离心泵在线监测及故障诊断系统
7.1 在线监测与故障诊断系统硬件组成介绍
7.2 软件开发
7.2.1 软件主要模块结构及相关功能说明
7.2.2 系统功能的实现
7.3 诊断系统的应用
7.3.1 应用实例
7.3.2 检验结果
7.4 本章小结
第8章 结论与展望
参考文献
攻读博士学位期间发表的论文及其它成果
攻读博士学位期间参加的科研工作
致谢
作者简介
【参考文献】：
期刊论文
[1]基于相关向量机的惯性约束聚变实验靶识别技术研究[J]. 吴慧兰,刘国栋,浦昭邦. 光学学报. 2009(07)
[2]基于小波包分析的航空发动机轴承故障诊断[J]. 韩磊,洪杰,王冬. 推进技术. 2009(03)
[3]基于自回归-隐马尔可夫模型的离心泵故障诊断方法研究[J]. 周云龙,柳长昕,赵鹏,孙斌,洪文鹏. 中国机械工程. 2009(07)
[4]提升小波包渐变式阈值选择与量化降噪方法[J]. 曹建军,张培林,邵衍振,张英堂,任国全. 中国机械工程. 2008(24)
[5]基于冗余第二代小波的降噪技术[J]. 高立新,汤文亮,胥永刚,殷海晨. 北京工业大学学报. 2008(12)
[6]基于AR的二维隐Markov模型离心泵故障诊断方法[J]. 周云龙,柳长昕,宋延宏,赵鹏,孙斌,洪文鹏. 流体机械. 2008(10)
[7]基于FHMM模型的离心泵故障诊断方法研究[J]. 柳长昕,王锋,刘传海,柳振河,吴世光,黎世翔. 水电能源科学. 2008(05)
[8]基于小波包的2D-HMM离心泵故障诊断[J]. 周云龙,柳长昕,赵鹏. 数据采集与处理. 2008(S1)
[9]提升小波包变换及在振动故障诊断中的应用[J]. 邵衍振,曹建军,王艳霞,张培林. 科学技术与工程. 2008(15)
[10]基于自回归–连续隐马尔可夫模型的离心泵故障诊断[J]. 周云龙,柳长昕,赵鹏,孙斌,洪文鹏. 中国电机工程学报. 2008(20)
博士论文
[1]基于统计学习理论的支持向量机算法研究[D]. 唐发明.华中科技大学 2005
[2]基于独立分量分析的旋转机械故障诊断方法研究[D]. 焦卫东.浙江大学 2003
[3]HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D]. 冯长建.浙江大学 2002
硕士论文
[1]基于二维隐马尔科夫模型的离心泵故障诊断方法研究[D]. 柳长昕.东北电力大学 2009
[2]第二代小波变换在旋转机械故障诊断中的应用研究[D]. 于明月.南京航空航天大学 2008
[3]基于小波分析的汽轮机早期振动故障识别技术研究[D]. 孙燕平.华北电力大学（北京） 2007
[4]RBF神经网络在ECT图像重建中的应用研究[D]. 徐其军.广西大学 2003
[5]基于隐Markov模型的旋转机械故障诊断系统的研究[D]. 何树波.浙江大学 2003
本文编号：3514716
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：120 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
目录
CONTENTS
第1章 绪论
1.1 引言
1.2 离心泵故障的概述
1.2.1 故障的含义
1.2.2 离心式水泵故障的特点
1.2.3 离心泵故障诊断的方法
1.2.4 开展离心泵故障诊断技术的意义
1.3 故障诊断的国内外发展现状及分析
1.4 本课题所要研究的内容
第2章 实验装置及实验方法
2.1 离心泵实验台
2.2 实验系统
2.2.1 信号测量子系统
2.2.2 数据采集子系统
2.3 实验步骤
2.3.1 实验状态选取及特征
2.3.2 振动位移和加速度信号的采集
2.4 实验结果
2.5 本章小结
第3章 基于第二代小波的故障信号去噪方法
3.1 去噪问题的描述
3.2 常用的去噪方法
3.2.1 模极大值去噪
3.2.2 相关性去噪
3.2.3 阈值函数去噪
3.2.4 改进阈值函数去噪
3.3 新型改进阈值函数的第二代小波去噪
3.3.1 Doppler仿真信号去噪
3.3.2 实测故障信号去噪
3.3.3 类可分离性评价准则
3.4 本章小结
第4章 离心泵振动故障特征提取方法
4.1 希尔伯特-黄变换(HHT)
4.1.1 EMD分解过程
4.1.2 Hilbert变换(HT)
4.1.3 Hilbert谱
4.1.4 基于HHT的特征提取
4.2 复杂度
4.2.1 Lempel-Ziv复杂度
4.2.2 特征提取
4.3 基于连续小波变换的故障特征提取
4.3.1 连续小波变换原理
4.3.2 基于连续小波变换的故障特征提取
4.4 基于提升小波包的特征提取
4.4.1 小波包原理
4.4.2 提升小波包原理
4.4.3 基于提升小波包的故障特征提取
4.5 递归定量分析
4.5.1 递归原理
4.5.2 4种状态的递归分析以及特征提取
4.6 本章小结
第5章 离心泵振动故障诊断模型
5.1 RBF神经网络
5.1.1 基本原理
5.1.2 网络训练
5.1.3 故障诊断
5.2 ELMAN神经网络
5.2.1 Elman神经网络结构
5.2.2 Elman神经网络学习过程
5.2.3 改进Elman神经网络模型
5.2.4 故障诊断
5.3 最小二乘法支持向量机
5.3.1 支持向量机原理
5.3.2 LSSVM诊断模型参数的优化
5.3.3 多分类的实现
5.3.4 故障诊断
5.4 相关向量机
5.4.1 相关向量机算法
5.4.2 基于二叉树的RVM多类分类器
5.4.3 故障诊断结果分析
5.5 识别模型的比较
5.6 本章小结
第6章 基于2D-HMM的离心泵振动故障诊断模型
6.1 隐MARKOV模型
6.1.1 基本参数与拓扑结构
6.1.2 主要算法
6.2 二维隐MARKOV模型(2D-HMM)
6.2.1 常见类型
6.2.2 基本参数
6.2.3 主要算法
6.3 2D-HMM故障诊断原理及步骤
6.3.1 2D-HMM故障诊断原理
6.3.2 求解类条件概率
6.3.3 2D-HMM故障诊断步骤
6.4 2D-HMM故障诊断实验应用
6.4.1 初始模型确定
6.4.2 故障识别
6.5 本章小结
第7章 离心泵在线监测及故障诊断系统
7.1 在线监测与故障诊断系统硬件组成介绍
7.2 软件开发
7.2.1 软件主要模块结构及相关功能说明
7.2.2 系统功能的实现
7.3 诊断系统的应用
7.3.1 应用实例
7.3.2 检验结果
7.4 本章小结
第8章 结论与展望
参考文献
攻读博士学位期间发表的论文及其它成果
攻读博士学位期间参加的科研工作
致谢
作者简介
【参考文献】：
期刊论文
[1]基于相关向量机的惯性约束聚变实验靶识别技术研究[J]. 吴慧兰,刘国栋,浦昭邦. 光学学报. 2009(07)
[2]基于小波包分析的航空发动机轴承故障诊断[J]. 韩磊,洪杰,王冬. 推进技术. 2009(03)
[3]基于自回归-隐马尔可夫模型的离心泵故障诊断方法研究[J]. 周云龙,柳长昕,赵鹏,孙斌,洪文鹏. 中国机械工程. 2009(07)
[4]提升小波包渐变式阈值选择与量化降噪方法[J]. 曹建军,张培林,邵衍振,张英堂,任国全. 中国机械工程. 2008(24)
[5]基于冗余第二代小波的降噪技术[J]. 高立新,汤文亮,胥永刚,殷海晨. 北京工业大学学报. 2008(12)
[6]基于AR的二维隐Markov模型离心泵故障诊断方法[J]. 周云龙,柳长昕,宋延宏,赵鹏,孙斌,洪文鹏. 流体机械. 2008(10)
[7]基于FHMM模型的离心泵故障诊断方法研究[J]. 柳长昕,王锋,刘传海,柳振河,吴世光,黎世翔. 水电能源科学. 2008(05)
[8]基于小波包的2D-HMM离心泵故障诊断[J]. 周云龙,柳长昕,赵鹏. 数据采集与处理. 2008(S1)
[9]提升小波包变换及在振动故障诊断中的应用[J]. 邵衍振,曹建军,王艳霞,张培林. 科学技术与工程. 2008(15)
[10]基于自回归–连续隐马尔可夫模型的离心泵故障诊断[J]. 周云龙,柳长昕,赵鹏,孙斌,洪文鹏. 中国电机工程学报. 2008(20)
博士论文
[1]基于统计学习理论的支持向量机算法研究[D]. 唐发明.华中科技大学 2005
[2]基于独立分量分析的旋转机械故障诊断方法研究[D]. 焦卫东.浙江大学 2003
[3]HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D]. 冯长建.浙江大学 2002
硕士论文
[1]基于二维隐马尔科夫模型的离心泵故障诊断方法研究[D]. 柳长昕.东北电力大学 2009
[2]第二代小波变换在旋转机械故障诊断中的应用研究[D]. 于明月.南京航空航天大学 2008
[3]基于小波分析的汽轮机早期振动故障识别技术研究[D]. 孙燕平.华北电力大学（北京） 2007
[4]RBF神经网络在ECT图像重建中的应用研究[D]. 徐其军.广西大学 2003
[5]基于隐Markov模型的旋转机械故障诊断系统的研究[D]. 何树波.浙江大学 2003
本文编号：3514716
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3514716.html
