基于虚拟传感的齿轮箱状态预警及趋势预测方法研究
发布时间：2021-02-13 05:23
油气关键设备中齿轮箱多处于变转速、变荷载等复杂工况下,这使其故障劣化趋势呈现多模式、非线性、不确定性等特点。然而传统物理传感技术由于动态性不强、精确度不高等问题,造成其难以同时满足在线监测与准确表征设备退化状态的要求。而基于智能推理模型的虚拟传感技术通过集成直接传感与间接传感技术的优势,为实时有效监测设备运行状态提供了新的思路。其次,齿轮箱退化趋势在实际过程中通常呈现非线性、非高斯性等特点,这为趋势预测模型准确估计设备剩余寿命（Remaining Useful Life,RUL）造成了极大的挑战。因而,从提升齿轮箱监测手段与发展趋势预测模型两个方面入手,开展基于虚拟传感的设备安全预测理论与模型研究,对于实现齿轮箱的早期状态预警与趋势预测具有重要的理论意义和实用价值。本文就如何将虚拟传感技术及粒子滤波（Particle Filter,PF）方法更好地应用于设备状态监测及趋势预测展开了研究:（1）通过整合直接传感与间接传感技术,研究基于智能推理模型的虚拟传感技术用于构建易测在线辅助变量与难测关键变量之间的关联关系,从而实现齿轮箱运行状态的实时在线监测。针对齿轮箱运行过程中退化样本小的特点,...
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
炼化设备烟气轮机：a)烟气轮机机组，b)烟气轮机内部结构
300 350 400 450 500 550 6002.533.544.555.566.5x 10-3Median90%CI300 350 400 450 500 550 6000.60.81Median90%CI时间 (*180,000转)参概数率m分的布参概数率C分的布图 4.9 利用传统 PF 方法所估计的模型参数分布Fig. 4.9 Distribution of model parameters estimated by conventional PF approac
图 4.20 现场输油离心泵的实验装置图Fig. 4.20 The experimental diagram of oil centrifugal pump in the field为了在线监测输油泵的退化状态，数据采集与监视控制系统(SupervisoControl And Data Acquisition ， SCADA) 和 基 于 振 动 的 状 态 监 测 (ConditioMonitoring，CM)系统均被应用。首先，SCADA 系统可测量包括转速、扭矩、输出功率、温度及振动速度信号在内的关键传感参数。另一方面，基于振动的 CM系统以测量加速度信号为主，所采集的原始信号由安装在泵轴承驱动端和非驱动端的加速度传感器获取。其中，加速度信号以 10KHz 的高采样频率每次持续 0.4采样得到，而 SCADA 系统通常记录 1Hz 采样频率下 10 分钟内的样本均值。最后从传感器所获取的原始信号可通过光纤传输至上位机，从而方便后期运行工况辨识与故障状态预测。4.5.2 特征选择与融合在这个模块里，对应所辨识的运行工况，多个典型的特征指标从 SCADA 和基于振动的 CM 系统中所提取。而后，上述特征指标被进一步选择与融合，从而实
【参考文献】：
期刊论文
[1]基于遗传神经网络的旋转机械故障预测方法研究[J]. 张琪,吴亚锋,李锋. 计算机测量与控制. 2016(02)
[2]基于核主元分析和支持向量机相结合的齿轮箱齿轮故障识别方法[J]. 王加祥,吴斌,苏红伟. 上海电机学院学报. 2015(04)
[3]基于振动分析的风力机齿轮箱故障诊断[J]. 杨明莉,刘三明,张卫,刘琦. 电机与控制应用. 2015(01)
[4]基于支持向量回归方法的齿轮箱故障诊断研究[J]. 沈长青,朱忠奎,黄伟国,孔凡让. 振动.测试与诊断. 2013(05)
[5]基于粒子滤波算法的疲劳裂纹扩展预测方法[J]. 袁慎芳,张华,邱雷,杨伟博. 航空学报. 2013(12)
[6]小波相关排列熵和HMM在故障预测中的应用[J]. 冯辅周,司爱威,江鹏程. 振动工程学报. 2013(02)
[7]粒子滤波参数估计方法在齿轮箱剩余寿命预测中的应用研究[J]. 孙磊,贾云献,蔡丽影,张星辉. 振动与冲击. 2013(06)
[8]基于粒子滤波的移动机器人目标追踪控制改进算法[J]. 康倩,侯媛彬,张译文. 计算机测量与控制. 2013(01)
[9]基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测[J]. 申中杰,陈雪峰,何正嘉,孙闯,张小丽,刘治汶. 机械工程学报. 2013(02)
[10]基于材料低周疲劳的裂纹扩展预测模型[J]. 陈龙,蔡力勋. 工程力学. 2012(10)
博士论文
[1]抽油机齿轮箱故障诊断系统的研究[D]. 王金玉.东北石油大学 2015
[2]粒子滤波算法及其应用研究[D]. 梁军.哈尔滨工业大学 2009
[3]裂纹扩展与损伤演化理论与应用研究[D]. 吴建国.北京航空航天大学 2009
[4]基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究[D]. 李增芳.浙江大学 2004
硕士论文
[1]基于裂纹扩展理论的风电齿轮箱零件动态可靠性建模[D]. 刘小刚.兰州理工大学 2014
[2]基于振动信号的齿轮箱智能故障诊断方法研究[D]. 张任.北京化工大学 2013
[3]基于最大期望和势能函数的滚动轴承故障识别算法研究[D]. 孙丽杰.辽宁大学 2013
[4]转子疲劳裂纹扩展的研究[D]. 张启迪.华东理工大学 2013
[5]基于粒子滤波的非线性系统故障诊断与预测方法研究[D]. 刘志仓.西安电子科技大学 2013
[6]基于支持向量机与遗传算法的故障模式识别及趋势预测方法研究[D]. 郭永伟.北京化工大学 2012
[7]基于人工神经网络的旋转机械故障诊断专家系统[D]. 梅杰.武汉理工大学 2011
[8]基于振动信号分析的齿轮箱故障诊断仪的研究[D]. 彭春阳.重庆大学 2011
[9]基于粒子滤波的运动对象追踪[D]. 高伟义.武汉科技大学 2008
[10]虚拟传感器研究[D]. 宋述杰.西北工业大学 2004
本文编号：3032036
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
炼化设备烟气轮机：a)烟气轮机机组，b)烟气轮机内部结构
300 350 400 450 500 550 6002.533.544.555.566.5x 10-3Median90%CI300 350 400 450 500 550 6000.60.81Median90%CI时间 (*180,000转)参概数率m分的布参概数率C分的布图 4.9 利用传统 PF 方法所估计的模型参数分布Fig. 4.9 Distribution of model parameters estimated by conventional PF approac
图 4.20 现场输油离心泵的实验装置图Fig. 4.20 The experimental diagram of oil centrifugal pump in the field为了在线监测输油泵的退化状态，数据采集与监视控制系统(SupervisoControl And Data Acquisition ， SCADA) 和 基 于 振 动 的 状 态 监 测 (ConditioMonitoring，CM)系统均被应用。首先，SCADA 系统可测量包括转速、扭矩、输出功率、温度及振动速度信号在内的关键传感参数。另一方面，基于振动的 CM系统以测量加速度信号为主，所采集的原始信号由安装在泵轴承驱动端和非驱动端的加速度传感器获取。其中，加速度信号以 10KHz 的高采样频率每次持续 0.4采样得到，而 SCADA 系统通常记录 1Hz 采样频率下 10 分钟内的样本均值。最后从传感器所获取的原始信号可通过光纤传输至上位机，从而方便后期运行工况辨识与故障状态预测。4.5.2 特征选择与融合在这个模块里，对应所辨识的运行工况，多个典型的特征指标从 SCADA 和基于振动的 CM 系统中所提取。而后，上述特征指标被进一步选择与融合，从而实
【参考文献】：
期刊论文
[1]基于遗传神经网络的旋转机械故障预测方法研究[J]. 张琪,吴亚锋,李锋. 计算机测量与控制. 2016(02)
[2]基于核主元分析和支持向量机相结合的齿轮箱齿轮故障识别方法[J]. 王加祥,吴斌,苏红伟. 上海电机学院学报. 2015(04)
[3]基于振动分析的风力机齿轮箱故障诊断[J]. 杨明莉,刘三明,张卫,刘琦. 电机与控制应用. 2015(01)
[4]基于支持向量回归方法的齿轮箱故障诊断研究[J]. 沈长青,朱忠奎,黄伟国,孔凡让. 振动.测试与诊断. 2013(05)
[5]基于粒子滤波算法的疲劳裂纹扩展预测方法[J]. 袁慎芳,张华,邱雷,杨伟博. 航空学报. 2013(12)
[6]小波相关排列熵和HMM在故障预测中的应用[J]. 冯辅周,司爱威,江鹏程. 振动工程学报. 2013(02)
[7]粒子滤波参数估计方法在齿轮箱剩余寿命预测中的应用研究[J]. 孙磊,贾云献,蔡丽影,张星辉. 振动与冲击. 2013(06)
[8]基于粒子滤波的移动机器人目标追踪控制改进算法[J]. 康倩,侯媛彬,张译文. 计算机测量与控制. 2013(01)
[9]基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测[J]. 申中杰,陈雪峰,何正嘉,孙闯,张小丽,刘治汶. 机械工程学报. 2013(02)
[10]基于材料低周疲劳的裂纹扩展预测模型[J]. 陈龙,蔡力勋. 工程力学. 2012(10)
博士论文
[1]抽油机齿轮箱故障诊断系统的研究[D]. 王金玉.东北石油大学 2015
[2]粒子滤波算法及其应用研究[D]. 梁军.哈尔滨工业大学 2009
[3]裂纹扩展与损伤演化理论与应用研究[D]. 吴建国.北京航空航天大学 2009
[4]基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究[D]. 李增芳.浙江大学 2004
硕士论文
[1]基于裂纹扩展理论的风电齿轮箱零件动态可靠性建模[D]. 刘小刚.兰州理工大学 2014
[2]基于振动信号的齿轮箱智能故障诊断方法研究[D]. 张任.北京化工大学 2013
[3]基于最大期望和势能函数的滚动轴承故障识别算法研究[D]. 孙丽杰.辽宁大学 2013
[4]转子疲劳裂纹扩展的研究[D]. 张启迪.华东理工大学 2013
[5]基于粒子滤波的非线性系统故障诊断与预测方法研究[D]. 刘志仓.西安电子科技大学 2013
[6]基于支持向量机与遗传算法的故障模式识别及趋势预测方法研究[D]. 郭永伟.北京化工大学 2012
[7]基于人工神经网络的旋转机械故障诊断专家系统[D]. 梅杰.武汉理工大学 2011
[8]基于振动信号分析的齿轮箱故障诊断仪的研究[D]. 彭春阳.重庆大学 2011
[9]基于粒子滤波的运动对象追踪[D]. 高伟义.武汉科技大学 2008
[10]虚拟传感器研究[D]. 宋述杰.西北工业大学 2004
本文编号：3032036
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/3032036.html
