基于振动特性的压裂车动力端智能故障诊断方法
发布时间：2020-12-21 22:24
压裂车是用来对油层进行压裂以达到油井增产的机械设备,其工作环境通常较为复杂,并且主要工作在高温、高压、重载等非常恶劣的状态下,极有可能导致压裂车关键系统或部件出现故障。一旦压裂车发生故障,将会给企业造成重大经济损失甚至人员伤亡。因此,开展压裂车故障诊断方面的研究有重要的现实意义和理论价值。目前,针对压裂车进行故障诊断方面的研究相对比较少。由于压裂车结构复杂、激励源众多,工作状态变化大,振动信号通常呈非线性和时变特性,同时工作环境导致采集到的信号包含较强噪声,基于这些原因造成了对压裂车动力端进行故障诊断的困难。针对压裂车振动信号复杂、特征不明显以及故障诊断难等一些问题,本文进行了压裂车动力端智能诊断方法的研究工作,主要内容包括以下四个方面:（1）对压裂车及其动力端的结构和工作原理做了介绍,分析了压裂车动力端典型的故障形式及诊断方式。（2）针对压裂车动力端振动信号结构复杂、包含很多噪声信号的问题,提出了一种基于VMD-ICA的压裂车动力端降噪方法,将两者相结合后进行降噪处理,较单一的VMD或ICA降噪方法效果好。结果证明该方法能够有效的去除压裂车动力端采集到的振动信号中的噪声信号。（3）针...
【文章来源】：北京建筑大学北京市
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
全球压裂车的产能分布图
第 1 章 绪论1.3 故障诊断方法及趋势1.3.1 故障诊断方法故障诊断是一种能够及时了解机械工作状态以及判断机械是否“生病”的技术，一共分为两部分，一个是检测，另一个是诊断[10]。故障诊断的过程一般先是对通过传感器获得到机械设备的信息（一般是指针对信号）进行检查，将得到的信息输入到诊断部分，通过信号分析以及诊断方法能够及时准确的判断出该机械设备是否发生故障，如果真的发生故障，通过对机械设备进行故障诊断能够及时的判断出该故障发生的故障类型，有些算法甚至可以有效的判断出故障发生的位置。机械故障诊断的一般过程如图 1.2[11]，主要是先从机械设备上采集诊断信号，将通过传感器得到的数据进行处理，一般是信号处理，得到设备的特征信息，将这些振动信号的特征整理输入到分类、识别、判断系统中，根据以往的经验进行判定机械设备是否发生故障、故障的类型以及位置或者预测故障等等，最终进行故障诊断决策[12]。
模式具有重要的意义。绕压裂车及其动力端的结构和工作究是本文主要研究内容与方向。本章论知识，为特征提取以及故障诊断，工作环境通常处在高压重载状态力端进行故障诊断前，需要充分了部分，其中主要包含的系统有四个[系统，如图 2.1 为压裂车的结构图[2；润滑系统是为这个压裂车中的机系统通过液压油液体进行传输力
【参考文献】：
期刊论文
[1]基于改进卷积受限玻尔兹曼机的滚动轴承故障诊断[J]. 张俊玲,陈志刚,许旭,张楠,谢贻东. 组合机床与自动化加工技术. 2019(05)
[2]基于VMD滤波和极值点包络阶次的滚动轴承故障诊断[J]. 武英杰,辛红伟,王建国,王晓龙. 振动与冲击. 2018(14)
[3]基于EMD与深度信念网络的滚动轴承故障特征分析与诊断方法[J]. 俞啸,范春旸,董飞,丁恩杰,吴守鹏,王昕. 机械传动. 2018(06)
[4]基于群决策的道岔控制电路故障诊断方法[J]. 董炜,刘明明,王良顺,赵辉,辜勋. 自动化学报. 2018(06)
[5]压裂泵车车载发动机支撑横梁的性能评估[J]. 孙汝奇,岳爱丽,刘健,肖文生. 机械设计与制造. 2018(05)
[6]一种车载压裂泵齿轮箱的设计与制造[J]. 夏志民,王德海,王树甲. 中国高新科技. 2018(08)
[7]基于改进栈式稀疏去噪自编码器的图像去噪[J]. 马红强,马时平,许悦雷,吕超,辛鹏,朱明明. 计算机工程与应用. 2018(04)
[8]基于VMD的故障特征信号提取方法[J]. 赵昕海,张术臣,李志深,李富才,胡越. 振动.测试与诊断. 2018(01)
[9]滚动轴承实时智能故障诊断算法研究[J]. 陈科,顾森茂,郑红梅. 电子测量与仪器学报. 2018(01)
[10]栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断[J]. 陈仁祥,杨星,杨黎霞,王家序,徐向阳,陈思杨. 振动与冲击. 2017(21)
博士论文
[1]基于短时奇异谱分析的滚动轴承故障诊断方法研究[D]. 徐剑.浙江大学 2017
[2]基于神经网络和模糊逻辑的智能推荐系统研究[D]. 曹渝昆.重庆大学 2006
硕士论文
[1]基于振动信号降噪与分解的轴承故障诊断研究[D]. 黄阳.西安理工大学 2018
[2]基于深度学习的三维模型识别及检索研究[D]. 王慧.长春工业大学 2018
[3]6500HP型压裂泵动力驱动的研究[D]. 姚千里.兰州理工大学 2018
[4]全液压压裂车大流量换向阀结构设计及仿真研究[D]. 郭舒.长安大学 2016
[5]基于小波分析和在线极限学习机的滚动轴承故障诊断方法研究[D]. 韩宝珠.北京交通大学 2016
[6]复合无量纲免疫检测器在机组故障诊断技术的应用研究[D]. 覃爱淞.太原理工大学 2013
[7]石油钻井传动滚动轴承的振动信号分析与故障诊断[D]. 陈季云.江苏大学 2007
本文编号：2930616
【文章来源】：北京建筑大学北京市
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
全球压裂车的产能分布图
第 1 章 绪论1.3 故障诊断方法及趋势1.3.1 故障诊断方法故障诊断是一种能够及时了解机械工作状态以及判断机械是否“生病”的技术，一共分为两部分，一个是检测，另一个是诊断[10]。故障诊断的过程一般先是对通过传感器获得到机械设备的信息（一般是指针对信号）进行检查，将得到的信息输入到诊断部分，通过信号分析以及诊断方法能够及时准确的判断出该机械设备是否发生故障，如果真的发生故障，通过对机械设备进行故障诊断能够及时的判断出该故障发生的故障类型，有些算法甚至可以有效的判断出故障发生的位置。机械故障诊断的一般过程如图 1.2[11]，主要是先从机械设备上采集诊断信号，将通过传感器得到的数据进行处理，一般是信号处理，得到设备的特征信息，将这些振动信号的特征整理输入到分类、识别、判断系统中，根据以往的经验进行判定机械设备是否发生故障、故障的类型以及位置或者预测故障等等，最终进行故障诊断决策[12]。
模式具有重要的意义。绕压裂车及其动力端的结构和工作究是本文主要研究内容与方向。本章论知识，为特征提取以及故障诊断，工作环境通常处在高压重载状态力端进行故障诊断前，需要充分了部分，其中主要包含的系统有四个[系统，如图 2.1 为压裂车的结构图[2；润滑系统是为这个压裂车中的机系统通过液压油液体进行传输力
【参考文献】：
期刊论文
[1]基于改进卷积受限玻尔兹曼机的滚动轴承故障诊断[J]. 张俊玲,陈志刚,许旭,张楠,谢贻东. 组合机床与自动化加工技术. 2019(05)
[2]基于VMD滤波和极值点包络阶次的滚动轴承故障诊断[J]. 武英杰,辛红伟,王建国,王晓龙. 振动与冲击. 2018(14)
[3]基于EMD与深度信念网络的滚动轴承故障特征分析与诊断方法[J]. 俞啸,范春旸,董飞,丁恩杰,吴守鹏,王昕. 机械传动. 2018(06)
[4]基于群决策的道岔控制电路故障诊断方法[J]. 董炜,刘明明,王良顺,赵辉,辜勋. 自动化学报. 2018(06)
[5]压裂泵车车载发动机支撑横梁的性能评估[J]. 孙汝奇,岳爱丽,刘健,肖文生. 机械设计与制造. 2018(05)
[6]一种车载压裂泵齿轮箱的设计与制造[J]. 夏志民,王德海,王树甲. 中国高新科技. 2018(08)
[7]基于改进栈式稀疏去噪自编码器的图像去噪[J]. 马红强,马时平,许悦雷,吕超,辛鹏,朱明明. 计算机工程与应用. 2018(04)
[8]基于VMD的故障特征信号提取方法[J]. 赵昕海,张术臣,李志深,李富才,胡越. 振动.测试与诊断. 2018(01)
[9]滚动轴承实时智能故障诊断算法研究[J]. 陈科,顾森茂,郑红梅. 电子测量与仪器学报. 2018(01)
[10]栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断[J]. 陈仁祥,杨星,杨黎霞,王家序,徐向阳,陈思杨. 振动与冲击. 2017(21)
博士论文
[1]基于短时奇异谱分析的滚动轴承故障诊断方法研究[D]. 徐剑.浙江大学 2017
[2]基于神经网络和模糊逻辑的智能推荐系统研究[D]. 曹渝昆.重庆大学 2006
硕士论文
[1]基于振动信号降噪与分解的轴承故障诊断研究[D]. 黄阳.西安理工大学 2018
[2]基于深度学习的三维模型识别及检索研究[D]. 王慧.长春工业大学 2018
[3]6500HP型压裂泵动力驱动的研究[D]. 姚千里.兰州理工大学 2018
[4]全液压压裂车大流量换向阀结构设计及仿真研究[D]. 郭舒.长安大学 2016
[5]基于小波分析和在线极限学习机的滚动轴承故障诊断方法研究[D]. 韩宝珠.北京交通大学 2016
[6]复合无量纲免疫检测器在机组故障诊断技术的应用研究[D]. 覃爱淞.太原理工大学 2013
[7]石油钻井传动滚动轴承的振动信号分析与故障诊断[D]. 陈季云.江苏大学 2007
本文编号：2930616
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/2930616.html
