基于振动信号分析的风机性能评估及测试

发布时间：2017-10-06 08:38

  本文关键词：基于振动信号分析的风机性能评估及测试

  更多相关文章： 振动分析 EEMD去噪 性能评估 系统开发

【摘要】：通风机在矿厂、火电厂等工业领域应用广泛，研究通风机的性能评估和测试具有重要意义。振动信号含有丰富的机器运行信息，以振动信号分析为主线，根据模式识别理论，在实现对通风机的空气动力学性能分析和振动信号特征提取的基础上，运用主分量分析（PCA）对特征进行融合与压缩，然后设计Fisher分类器实现风机性能评估。试验证明本文提出的方法能够基于振动信号分析准确有效的对风机性能进行分类评估。 为了深入分析风机振动，对其主要部件及激振源——叶片的平面内横向摆振进行了建模及分析。针对大型风机的中空翼型叶片简化为薄壁悬臂梁模型，最终结果简化成一个带有参数激励和直接激励的马修方程，对得到的非线性受迫马修方程进行了数值分析，同时从整机角度分析了振动频率特征及机理。基于以上分析，给出了风机振动信号的一般形式，为后续的去噪分析、算法仿真做准备。 为了消除振动信号噪声，增强特征，提出一种改进的集合平均经验模式分解（EEMD）去噪方法，使用相关性判据剔除伪IMF分量，使用区间阈值处理改进噪声估计，使用估计噪声代替EEMD方法中添加的噪声。仿真表明改进的方法能够显著提高风机振动仿真信号的信噪比。 研究了振动信号特征的提取，给出振动信号特征的数字化表达。提取的信号特征包括：频谱能量特征、频率成分特征以及多个时域统计值表示的时域特征，，这些特征从不同方面刻画出了振动信号的全貌。为了降低分类器设计难度，提高分类准确率，采用主分量分析（PCA）对多指标特征进行融合及压缩，在此基础上设计Fisher分类器实现性能评估。试验结果表明，提出的方法能够有效的根据振动信号评估出风机的性能是否处于正常工况下。 为了对风机性能进行测试，使用C#编程语言，依据通风机性能测试国家标准设计实现了基于.NET平台的风机性能测试分析系统，具有传感器管理、参数设置、数据采集及性能指标计算、实验历史记录管理等功能，功能完备。
【关键词】：振动分析 EEMD去噪 性能评估 系统开发
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH43
【目录】：

• 上海交通大学硕士学位论文答辩决议书5-6
• 摘要6-8
• ABSTRACT8-13
• 第一章 绪论13-20
• 1.1 课题的提出及其意义13
• 1.2 国内外研究现状13-18
• 1.2.1 风机性能评估13-15
• 1.2.2 振动信号分析15-17
• 1.2.3 模式识别方法的应用17-18
• 1.2.4 风机性能自动化测试18
• 1.3 本文的主要工作18-20
• 第二章 风机振动分析及仿真信号的给出20-29
• 2.1 风机叶片振动模型20-26
• 2.1.1 风机叶片非线性动力学方程的建立20-24
• 2.1.2 风机叶片动力学分析24-26
• 2.2 风机振动频率特征及机理分析26-27
• 2.3 风机振动仿真信号的一般形式27-28
• 2.4 本章小结28-29
• 第三章 一种改进的 EEMD 去噪方法对风机振动信号预处理29-42
• 3.1 EMD 去噪方法29-31
• 3.2 改进的 EEMD 去噪方法31-38
• 3.2.1 伪 IMF 分量剔除31-32
• 3.2.2 噪声估计32-34
• 3.2.3 区间阈值处理34-36
• 3.2.4 算法36-38
• 3.3 仿真振动信号去噪分析38-41
• 3.4 本章小结41-42
• 第四章 风机振动信号特征生成及压缩42-57
• 4.1 模式识别简介43
• 4.2 风机振动信号特征生成43-51
• 4.2.1 频带能量特征44-45
• 4.2.2 频率成分特征45-47
• 4.2.3 时域特征47-50
• 4.2.4 特征生成算法50-51
• 4.3 基于距离可分性判据的特征生成算法选择51-54
• 4.4 基于主分量分析的特征融合与压缩54-56
• 4.5 本章小结56-57
• 第五章 基于振动信号特征的风机性能评估57-75
• 5.1 基于振动信号分析的风机性能评估58-59
• 5.2 风机性能分类决策方法59-61
• 5.3 仿真61-65
• 5.4 试验65-74
• 5.4.1 试验方法及试验装置65-69
• 5.4.2 振动信号分析及特征生成算法中的参数确定69-71
• 5.4.3 性能评估71-74
• 5.5 本章小结74-75
• 第六章 风机性能测试分析系统（FPTAS）的实现75-90
• 6.1 风机性能测试项目、原理及方法75-77
• 6.2 基于.NET 平台的风机性能测试分析系统（FPTAS）的实现77-86
• 6.2.1 FPTAS 硬件结构78-80
• 6.2.2 FPTAS 软件系统三层架构80
• 6.2.3 FPTAS 系统实现80-86
• 6.3 风机性能测试与分析实例86-89
• 6.4 本章小结89-90
• 第七章 总结与展望90-92
• 参考文献92-96
• 致谢96-97
• 攻读学位期间的学术成果97

【参考文献】

中国期刊全文数据库 前10条

1 程危危;曹登庆;初世明;;风力机叶片动力学建模研究[J];动力学与控制学报;2011年04期

2 李曼;杨富强;冯华光;;矿用通风机性能测试分析虚拟仪器的研发[J];风机技术;2008年04期

3 李卿;张国平;刘洋;;基于EMD的拉曼光谱去噪方法研究[J];光谱学与光谱分析;2009年01期

4 谭海霞;王宏图;陈林;;Hurst指数分析地震震级趋势[J];重庆大学学报;2013年05期

5 汪光阳;周义莲;;风机振动故障诊断综述[J];安徽工业大学学报(自然科学版);2006年01期

6 廖庆斌;李舜酩;覃小攀;;车辆振动信号的特征提取方法比较[J];吉林大学学报(工学版);2007年04期

7 王福友;刘刚;袁赣南;;基于EMD算法的海杂波信号去噪[J];雷达科学与技术;2010年02期

8 李彦明;杜文辽;叶鹏飞;刘成良;;振动信号小波leaders多重分形特征提取及性能分析[J];机械工程学报;2013年06期

9 陈凤林;;一种新的基于EMD模态相关的信号去噪方法[J];西华大学学报(自然科学版);2009年06期

10 张艳艳;;近似熵理论及应用[J];中国医学物理学杂志;2009年06期

本文编号：981854