基于CEEMD和LSSVM的高压隔膜泵单向阀故障诊断研究
发布时间：2022-09-30 19:00
高压隔膜泵作为矿浆管道输送核心动力设备,保证其正常工作状态至关重要。单向阀是高压隔膜泵核心部件之一,因工作于高压、磨蚀、腐蚀矿浆环境,更容易出现故障。为使高压隔膜泵健康、高效运转,单向阀故障诊断具有重大意义。然而,单向阀振动信号采集困难且具有非线性、非平稳的特点,给单向阀振动信号处理及故障诊断带来极大困难。单向阀运行状态与输送压力、浆体流变特性相关,且故障具有突发性,使单向阀故障诊断更加困难,因此对单向阀进行故障诊断极具挑战性且意义重大。本文以单向阀振动信号为对象,进行信号处理、特征提取、分类及故障诊断等研究。本文研究内容如下:（1）提出一种硬阈值、软阈值改进的新阈值降噪方法。该方法可有效消除硬阈值在信号不连续点处产生的Gibbs效应、解决软阈值法中的小波重构信号与原信号误差较大的问题。通过实验仿真,证明该方法能取得良好降噪效果,并用于实现单向阀振动信号的降噪处理。（2）采用一种互补集合经验模态分解（Complementary Ensemble Empirical Modal Decomposition,CEEMD）与本征模态分量（Intrinsic Mode Function,IMF...
【文章页数】：99 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.1.1 精矿浆体管道发展概况
1.1.2 矿浆管道中隔膜泵的重要作用
1.1.3 隔膜泵单向阀故障诊断的重要意义
1.2 往复式机械设备故障诊断国内外研究现状
1.2.1 往复式设备时频域分析方法研究现状
1.2.2 往复式设备模式识别方法研究现状
1.3 本文研究内容
1.3.1 论文研究内容
1.3.2 论文结构安排
1.4 本章小结
第二章 信号处理及故障诊断方法概述
2.1 小波变换
2.1.1 小波变换
2.1.2 小波函数及其选择
2.2 经验模态分解
2.2.1 经验模态分解
2.2.2 集合经验模态分解
2.3 局部均值分解
2.4 最小二乘支持向量机
2.4.1 支持向量机
2.4.2 最小二乘支持向量机
2.5 本章小结
第三章 基于小波理论的单向阀振动信号降噪研究
3.1 小波降噪理论综述
3.2 小波阈值降噪原理
3.2.1 阈值去噪原理
3.2.2 阈值模型
3.2.3 降噪效果评估
3.3 硬阈值法与软阈值法及其改进
3.3.1 硬阈值与软阈值
3.3.2 改进阈值降噪法
3.4 小波阈值降噪实验研究
3.4.1 仿真信号可行性分析
3.4.2 基于改进阈值法的仿真信号降噪分析
3.5 本章小结
第四章 基于CEEMD-SVD-LSSVM的单向阀故障诊断
4.1 单向阀故障诊断总体方案设计
4.2 互补集合经验模态分解
4.2.1 互补集合经验模态分解原理
4.2.2 仿真信号分解对比实验
4.2.3 单向阀振动信号分解
4.3 奇异值分解特征提取方法
4.3.1 能量分析与互相关分析
4.3.2 奇异值分解特征提取
4.3.3 单向阀振动信号特征提取
4.4 基于CEEMD-SVD-LSSVM的单向阀故障诊断
4.5 本章小结
第五章 基于LMD及PSO优化LSSVM的单向阀故障诊断
5.1 单向阀故障诊断总体方案设计
5.2 基于粒子群算法的最小二乘支持向量机参数选取
5.2.1 粒子群算法原理
5.2.2 优化参数的求取
5.3 基于LMD及PSO优化LSSVM的单向阀故障诊断
5.3.1 局部均值分解及特征提取
5.3.2 PSO优化LSSVM在故障诊断中的应用
5.4 本章小结
第六章 单向阀故障诊断系统
6.1 系统建设背景
6.2 系统整体架构
6.3 硬件系统与数据采集
6.3.1 硬件系统构成
6.3.2 信号采集
6.4 故障诊断系统实现
6.5 本章小结
第七章 总结与展望
7.1 论文主要研究成果
7.2 研究展望
致谢
参考文献
附录A (攻读硕士期间发表的论文)
附录B (攻读硕士期间授权的专利)
附录C (攻读硕士期间授权的软件著作权)
【参考文献】：
期刊论文
[1]基于小波变换的图像压缩中小波基的评价与选取[J]. 甘宸伊,姚远,杨彦伟,刘小兵,高喆荣. 兵器装备工程学报. 2016(12)
[2]基于融合模糊推理的关键设备运行安全评价[J]. 陈涛,徐小力,王立勇. 自动化与仪表. 2016(04)
[3]概率神经网络在往复压缩机多故障诊断技术研究中的应用[J]. 彭琦,马波. 机械设计与制造. 2016(04)
[4]浆体长距离管道输送全过程压力变化分析[J]. 吴优,秦德庆,夏建新. 矿冶工程. 2016(01)
[5]基于声强试验与EMD-ICA模型的柴油机噪声源识别研究[J]. 杜宪峰,范文强,孙福强,张磊. 小型内燃机与车辆技术. 2015(05)
[6]基于小波包频带能量特征和BP神经网络的滚动轴承智能故障诊断[J]. 潘峥嵘,刘雄,谯自健. 自动化与仪器仪表. 2015(05)
[7]基于小波包-AR谱和支持向量机的连杆轴承故障诊断[J]. 常春,王国威,梅检民,张玲玲,郭正. 军事交通学院学报. 2015(04)
[8]基于EEMD和Hilbert边际谱的天然气压缩机故障诊断[J]. 方超. 潍坊学院学报. 2015(02)
[9]S能量谱特征提取在轴承故障诊断中的应用[J]. 王子佳,范玉刚,吴建德. 计算机工程与应用. 2015(18)
[10]基于PCA的往复压缩机气阀故障异常监测方法[J]. 徐丰甜,李建,孔祥宇,李村波,江志农,张进杰. 流体机械. 2014(10)
博士论文
[1]列车滚动轴承振动信号的特征提取及诊断方法研究[D]. 熊庆.西南交通大学 2015
[2]非平稳信号特征提取方法研究及其在内燃机故障诊断中的应用[D]. 王霞.天津大学 2015
[3]滚动轴承振动信号特征提取及诊断方法研究[D]. 朱可恒.大连理工大学 2013
硕士论文
[1]管道固—液两相浆体输送理论研究[D]. 卢勇.湖南大学 2015
[2]基于LM-BP神经网络的多级往复式压缩机气阀故障诊断研究[D]. 张华.东华大学 2015
[3]城轨列车走行部滚动轴承故障诊断算法研究[D]. 张坤.北京交通大学 2015
[4]小波分析在信号降噪中的应用研究[D]. 张臣国.电子科技大学 2012
[5]隔膜泵单向阀声发射信号的采集监测与分析研究[D]. 冯婷.昆明理工大学 2012
本文编号：3684097
【文章页数】：99 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.1.1 精矿浆体管道发展概况
1.1.2 矿浆管道中隔膜泵的重要作用
1.1.3 隔膜泵单向阀故障诊断的重要意义
1.2 往复式机械设备故障诊断国内外研究现状
1.2.1 往复式设备时频域分析方法研究现状
1.2.2 往复式设备模式识别方法研究现状
1.3 本文研究内容
1.3.1 论文研究内容
1.3.2 论文结构安排
1.4 本章小结
第二章 信号处理及故障诊断方法概述
2.1 小波变换
2.1.1 小波变换
2.1.2 小波函数及其选择
2.2 经验模态分解
2.2.1 经验模态分解
2.2.2 集合经验模态分解
2.3 局部均值分解
2.4 最小二乘支持向量机
2.4.1 支持向量机
2.4.2 最小二乘支持向量机
2.5 本章小结
第三章 基于小波理论的单向阀振动信号降噪研究
3.1 小波降噪理论综述
3.2 小波阈值降噪原理
3.2.1 阈值去噪原理
3.2.2 阈值模型
3.2.3 降噪效果评估
3.3 硬阈值法与软阈值法及其改进
3.3.1 硬阈值与软阈值
3.3.2 改进阈值降噪法
3.4 小波阈值降噪实验研究
3.4.1 仿真信号可行性分析
3.4.2 基于改进阈值法的仿真信号降噪分析
3.5 本章小结
第四章 基于CEEMD-SVD-LSSVM的单向阀故障诊断
4.1 单向阀故障诊断总体方案设计
4.2 互补集合经验模态分解
4.2.1 互补集合经验模态分解原理
4.2.2 仿真信号分解对比实验
4.2.3 单向阀振动信号分解
4.3 奇异值分解特征提取方法
4.3.1 能量分析与互相关分析
4.3.2 奇异值分解特征提取
4.3.3 单向阀振动信号特征提取
4.4 基于CEEMD-SVD-LSSVM的单向阀故障诊断
4.5 本章小结
第五章 基于LMD及PSO优化LSSVM的单向阀故障诊断
5.1 单向阀故障诊断总体方案设计
5.2 基于粒子群算法的最小二乘支持向量机参数选取
5.2.1 粒子群算法原理
5.2.2 优化参数的求取
5.3 基于LMD及PSO优化LSSVM的单向阀故障诊断
5.3.1 局部均值分解及特征提取
5.3.2 PSO优化LSSVM在故障诊断中的应用
5.4 本章小结
第六章 单向阀故障诊断系统
6.1 系统建设背景
6.2 系统整体架构
6.3 硬件系统与数据采集
6.3.1 硬件系统构成
6.3.2 信号采集
6.4 故障诊断系统实现
6.5 本章小结
第七章 总结与展望
7.1 论文主要研究成果
7.2 研究展望
致谢
参考文献
附录A (攻读硕士期间发表的论文)
附录B (攻读硕士期间授权的专利)
附录C (攻读硕士期间授权的软件著作权)
【参考文献】：
期刊论文
[1]基于小波变换的图像压缩中小波基的评价与选取[J]. 甘宸伊,姚远,杨彦伟,刘小兵,高喆荣. 兵器装备工程学报. 2016(12)
[2]基于融合模糊推理的关键设备运行安全评价[J]. 陈涛,徐小力,王立勇. 自动化与仪表. 2016(04)
[3]概率神经网络在往复压缩机多故障诊断技术研究中的应用[J]. 彭琦,马波. 机械设计与制造. 2016(04)
[4]浆体长距离管道输送全过程压力变化分析[J]. 吴优,秦德庆,夏建新. 矿冶工程. 2016(01)
[5]基于声强试验与EMD-ICA模型的柴油机噪声源识别研究[J]. 杜宪峰,范文强,孙福强,张磊. 小型内燃机与车辆技术. 2015(05)
[6]基于小波包频带能量特征和BP神经网络的滚动轴承智能故障诊断[J]. 潘峥嵘,刘雄,谯自健. 自动化与仪器仪表. 2015(05)
[7]基于小波包-AR谱和支持向量机的连杆轴承故障诊断[J]. 常春,王国威,梅检民,张玲玲,郭正. 军事交通学院学报. 2015(04)
[8]基于EEMD和Hilbert边际谱的天然气压缩机故障诊断[J]. 方超. 潍坊学院学报. 2015(02)
[9]S能量谱特征提取在轴承故障诊断中的应用[J]. 王子佳,范玉刚,吴建德. 计算机工程与应用. 2015(18)
[10]基于PCA的往复压缩机气阀故障异常监测方法[J]. 徐丰甜,李建,孔祥宇,李村波,江志农,张进杰. 流体机械. 2014(10)
博士论文
[1]列车滚动轴承振动信号的特征提取及诊断方法研究[D]. 熊庆.西南交通大学 2015
[2]非平稳信号特征提取方法研究及其在内燃机故障诊断中的应用[D]. 王霞.天津大学 2015
[3]滚动轴承振动信号特征提取及诊断方法研究[D]. 朱可恒.大连理工大学 2013
硕士论文
[1]管道固—液两相浆体输送理论研究[D]. 卢勇.湖南大学 2015
[2]基于LM-BP神经网络的多级往复式压缩机气阀故障诊断研究[D]. 张华.东华大学 2015
[3]城轨列车走行部滚动轴承故障诊断算法研究[D]. 张坤.北京交通大学 2015
[4]小波分析在信号降噪中的应用研究[D]. 张臣国.电子科技大学 2012
[5]隔膜泵单向阀声发射信号的采集监测与分析研究[D]. 冯婷.昆明理工大学 2012
本文编号：3684097
本文链接：https://www.wllwen.com/kejilunwen/kuangye/3684097.html
