G4-73No8D离心风机的机械故障诊断研究

发布时间：2017-08-03 05:22

  本文关键词：G4-73No8D离心风机的机械故障诊断研究

  更多相关文章： 风机 复杂度分析 小波包分析 SDP分析 BP神经网络

【摘要】：风机是机械设备的一个大类，广泛运用于石油、化工、电力、冶金等重要行业，对国民经济的发展有重要的意义。作为烟风系统的驱动源，风机是发电厂中一种大型的旋转机械，其运行过程中往往伴随着较强的振动和较大的噪声，容易引发故障，而风机故障可能引起机组停机，造成严重的经济损失，甚至可能导致环境污染、损害人身安全和其他更为恶劣的后果。因此对风机开展故障诊断研究，对保障电站的安全、经济运行有着重大的意义。 本文针对风机故障模拟实验所得振动信号的不同分析处理方法展开深入的研究，从而准确诊断风机机械故障，主要内容如下： （1）运用复杂度分析方法分别对振动信号的样本熵特征和符号动力学信息熵特征进行提取，针对已得样本熵数据库和符号动力学信息熵数据库，采用附加动量项和自适应调节学习速率的改进BP神经网络建立了相应的风机机械故障诊断模型，并测试了两种模型的准确性。 （2）运用小波包分析提取了振动信号的小波包频带能量特征。将小波包分析和奇异值分解相结合，对振动信号的小波包奇异值特征进行提取。在得到以上两种特征的数据库之后，，再采用改进BP神经网络对风机的机械故障进行诊断，并测试其相应的准确性。 （3）由于风机不同运行状态相应的SDP图形具有明显的差异，本文采用了基于振动信号SDP分析的风机机械故障诊断方法。该方法将振动信号转化为SDP图形，再将振动信号的SDP图形转化为数值矩阵，然后采用相关系数法对振动信号SDP图形间的相似度进行分析，通过比较测试信号的SDP图与风机各类运行状态下振动信号的SDP模式图的图形相似度，从而确定测试信号对应的风机运行状态。
【关键词】：风机 复杂度分析 小波包分析 SDP分析 BP神经网络
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-14
• 1.1 研究背景及意义10
• 1.2 研究现状10-12
• 1.2.1 信号处理技术11
• 1.2.2 故障诊断方法11-12
• 1.3 研究内容12-14
• 第2章 基于复杂度分析的风机机械故障诊断14-29
• 2.1 风机机械故障的分类识别方法14-16
• 2.2 基于振动信号样本熵的风机机械故障诊断16-21
• 2.2.1 风机振动信号样本熵特征提取16-19
• 2.2.2 故障诊断19-21
• 2.3 基于振动信号符号动力学信息熵的风机机械故障诊断21-28
• 2.3.1 风机振动信号符号动力学信息熵特征提取21-26
• 2.3.2 故障诊断26-28
• 2.4 本章小结28-29
• 第3章 基于小波包分析的风机机械故障诊断29-44
• 3.1 小波包分析的基础理论29-30
• 3.1.1 小波包的定义29-30
• 3.2 基于小波包频带能量分析的风机机械故障诊断30-37
• 3.2.1 风机振动信号小波包频带能量特征提取31-35
• 3.2.2 故障诊断35-37
• 3.3 基于小波包分析和奇异值分解的风机机械故障诊断37-42
• 3.3.1 风机振动信号小波包奇异值特征提取37-40
• 3.3.2 故障诊断40-42
• 3.4 本章小结42-44
• 第4章 基于 SDP 分析的风机机械故障诊断44-52
• 4.1 SDP 分析法44-49
• 4.1.1 SDP 公式及结构44-45
• 4.1.2 SDP 法的参数选择45-48
• 4.1.3 SDP 图形的图形处理48-49
• 4.2 SDP 分析法在风机机械故障诊断中的应用49-50
• 4.3 本章小结50-52
• 第5章 结论与展望52-54
• 5.1 结论52-53
• 5.2 展望53-54
• 参考文献54-57
• 攻读硕士学位期间发表的学术论文及其它成果57-58
• 致谢58

【共引文献】

中国期刊全文数据库 前9条

1 都衡;潘宏侠;;局域波降噪及样本熵在齿轮箱故障诊断中的应用[J];车辆与动力技术;2014年02期

2 黄炯龙;吕建新;曹红燕;田杰;;基于阶比样本熵的农机轴承早期故障诊断[J];中国农机化学报;2014年06期

3 刘作华;陈超;刘仁龙;陶长元;王运东;;刚柔组合搅拌桨强化搅拌槽中流体混沌混合[J];化工学报;2014年01期

4 张文斌;;一种有效的齿轮故障识别方法[J];工矿自动化;2014年02期

5 向丹;葛爽;;基于EMD样本熵-LLTSA的故障特征提取方法[J];航空动力学报;2014年07期

6 窦华荣;;基于局部特征尺度分解的汽轮机故障诊断研究[J];科技创新与生产力;2014年06期

7 朱可恒;宋希庚;薛冬新;;一种基于层次熵和SVM的轴承故障诊断方法[J];噪声与振动控制;2013年06期

8 董渊哲;李晓玲;姚磊;姜颖;;面向神经工效学的触控显示系统人机交互评价方法[J];西安交通大学学报;2014年05期

9 向丹;葛爽;;一种基于小波包样本熵和流形学习的故障特征提取模型[J];振动与冲击;2014年11期

中国博士学位论文全文数据库 前3条

1 朱可恒;滚动轴承振动信号特征提取及诊断方法研究[D];大连理工大学;2013年

2 安永辉;基于振动信息的结构损伤识别的几种新方法[D];大连理工大学;2013年

3 许小刚;离心通风机故障诊断方法及失速预警研究[D];华北电力大学;2014年

本文编号：612841