基于确定学习的转子系统故障诊断

发布时间：2017-05-14 19:05

  本文关键词：基于确定学习的转子系统故障诊断，由笔耕文化传播整理发布。

【摘要】：旋转机械是工业部门中应用最为广泛的一类机械设备，转子系统作为旋转机械的核心部件，也是最容易发生故障的，因而研究转子系统的状态监测和故障诊断方法具有重要的理论意义和实际工程应用价值。目前，转子系统振动故障诊断方法主要是以信号分析和人工智能方法为基础，依赖现场经验和专家分析，主要实现有无故障和故障类型的定性诊断。神经网络应用于转子系统故障诊断虽有一些成功的案例，但在实际应用中仍存在其局限性。 确定性学习理论为动态环境下的知识学习、存储及再利用提出了一个系统的理论框架，采用该理论可实现神经网络对非线性系统未知动态的局部准确辨识。本文主要的研究内容如下： 1、提出了基于确定学习的转子系统故障诊断方法。该方法分为两个阶段：学习阶段和诊断阶段。在学习阶段，采用RBF神经网络对转子系统的各种运行模式进行学习，学到的知识全面而准确地表达各种模式下的转子系统行为，以常数神经网络权值的形式方便地存储于模式库中，在诊断阶段，运用动态模式识别的方法中将学到的知识充分而有效地利用，，从而实现转子系统的快速故障诊断。 2、对裂纹转子系统未知动态进行确定学习，利用学到的知识实现对微小裂纹的检测及不同裂纹的定量识别；以具有刚性支承的水平Jeffcott转子系统为例进行仿真研究，仿真结果表明，所提方法有利于微小裂纹的早期检测以及实时了解裂纹的动态发展。 3、考虑存在扰动情况下含不对中故障的转子系统，利用确定学习机制对正常模式及各种不对中故障模式进行学习，将学到的知识应用于不对中量的快速识别中；通过仿真研究以验证所提方法对于存在扰动的转子系统不对中故障诊断仍有效。 4、以基础松动-碰摩耦合故障诊断为例研究基于确定学习的碰摩耦合故障诊断方法，建立包含转子系统的正常状态、碰摩故障和基础松动-碰摩耦合故障的转子系统模式库，通过调用模式库中的知识实现基础松动-碰摩耦合故障的诊断。仿真研究表明，所提方法可实现碰摩耦合故障的快速检测与分离。 本文的研究表明，基于确定学习的转子系统故障诊断方法适用于复杂未知的的转子系统单一故障或耦合故障的诊断，可及时检测出故障以及在线监测故障的发展动态。
【关键词】：转子系统 故障诊断 确定学习理论 径向基函数神经网络
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3
【目录】：

• 摘要5-6
• Abstract6-8
• 目录8-11
• 第一章 绪论11-23
• 1.1 转子系统故障诊断的研究背景及意义11-12
• 1.2 转子系统故障诊断概述12-15
• 1.2.1 转子系统故障诊断的过程12-13
• 1.2.2 转子系统故障诊断方法的分类13-15
• 1.2.3 转子系统故障诊断方法的性能评价15
• 1.3 转子系统故障诊断的国内外研究现状15-21
• 1.3.1 故障机理的研究15-16
• 1.3.2 信号分析技术在转子系统故障诊断中的应用16-18
• 1.3.3 神经网络在转子系统故障诊断中的应用18-20
• 1.3.4 转子系统故障的定量诊断20-21
• 1.4 本文研究内容21-23
• 第二章 确定学习与转子系统故障诊断23-33
• 2.1 确定学习理论概述23
• 2.2 确定学习机制23-26
• 2.2.1 RBF 神经网络与 PE 条件23-24
• 2.2.2 一类 LTV 系统稳定性分析24-25
• 2.2.3 RBF 神经网络的局部准确辨识25-26
• 2.3 动态模式识别26-29
• 2.3.1 动态模式的表达26-27
• 2.3.2 动态模式的相似度27-28
• 2.3.3 快速识别的实现28-29
• 2.4 基于确定学习的转子系统故障诊断方法29-32
• 2.4.2 转子系统模式的学习29-30
• 2.4.3 转子系统模式的识别30-31
• 2.4.4 基于确定学习的转子系统故障诊断策略31-32
• 2.5 本章小结32-33
• 第三章 基于确定学习的转子系统裂纹故障诊断33-47
• 3.1 转子系统裂纹故障的研究现状33
• 3.2 裂纹转子的系统模型33-34
• 3.3 裂纹故障的学习34-36
• 3.4 裂纹故障的诊断36-39
• 3.5 仿真验证39-46
• 3.5.1 学习阶段40-44
• 3.5.2 诊断阶段44-46
• 3.6 本章小结46-47
• 第四章 基于确定学习的转子不对中故障诊断47-62
• 4.1 转子不对中故障的国内外研究现状47-48
• 4.2. 不对中故障转子系统模型48-49
• 4.3 不对中故障的学习49-51
• 4.4 不对中故障的诊断51-52
• 4.5 仿真验证52-61
• 4.5.1 学习阶段55-59
• 4.5.2 诊断阶段59-61
• 4.6 本章小结61-62
• 第五章 基于确定学习的转子碰摩耦合故障诊断62-71
• 5.1 碰摩耦合故障研究现状62
• 5.2 碰摩耦合故障转子系统模型62-64
• 5.3 碰摩耦合故障的学习64-65
• 5.4 碰摩耦合故障的诊断65-66
• 5.5 仿真研究66-70
• 5.5.1 学习阶段66-69
• 5.5.2 诊断阶段69-70
• 5.6 本章小结70-71
• 第六章 结论与展望71-73
• 参考文献73-80
• 攻读硕士学位期间取得的研究成果80-81
• 致谢81-82
• 附件82

【参考文献】

中国期刊全文数据库 前10条

1 王善永,陆颂元,童小忠;汽轮发电机组动静碰摩的奇异谱理论与小波分析诊断方法研究[J];动力工程;1999年06期

2 陈丁跃,徐晖,敬晓明,阎安志;非线性“转子-轴承-基础”系统碰摩动力分析[J];动力工程;2001年05期

3 张新江,姚冰;转子轴系不对中响应计算方法研究[J];电站系统工程;1999年03期

4 杨积东,徐培民,闻邦椿;裂纹转子分岔、混沌行为研究[J];固体力学学报;2002年01期

5 朱新才;邓星;周雄;胡腾飞;郭蕾;;二叉树支持向量机的旋转机械故障诊断[J];重庆大学学报;2013年07期

6 樊福梅;梁平;吴庚申;;基于分形盒维数的汽轮机转子振动故障诊断的实验研究[J];核动力工程;2006年01期

7 高洪涛,李明;不对中对膜片联轴器耦合转子轴承系统固有特性的影响[J];化工机械;2005年01期

8 葛强;徐俩俩;仇宝云;谈磊;唐建军;;基于RBF人工神经网络的电动机振动故障诊断[J];河海大学学报(自然科学版);2008年06期

9 窦唯;刘占生;王政先;何鹏;;旋转机械状态参数图形识别的免疫-模糊形态学方法[J];航空动力学报;2008年06期

10 唐锡宽,康卫泽;用非线性分析法研究转子振动故障特征[J];航空动力学报;1994年02期

中国博士学位论文全文数据库 前1条

1 陈填锐;确定学习理论与智能振动故障诊断[D];华南理工大学;2010年

  本文关键词：基于确定学习的转子系统故障诊断，由笔耕文化传播整理发布。

本文编号：365983