往复压缩机滑动轴承间隙复合故障诊断方法研究
发布时间：2021-04-06 23:12
往复压缩机是石油、化工等领域用于压缩和输送气体的关键设备,一旦发生事故会造成巨大的经济损失和人员伤亡,因此,研究往复压缩机故障诊断技术对保证其正常运行具有重要意义。本文以往复压缩机传动机构滑动轴承间隙复合故障为研究对象,从故障诊断过程的数据获取、特征提取和状态识别角度出发,深入研究多体动力学仿真、信号处理方法、盲源信号处理技术和智能模式识别等方法,结合往复压缩机滑动轴承间隙复合故障振动信号特性,提出了一套有效的往复压缩机滑动轴承间隙复合故障诊断方法。主要工作如下:往复压缩机滑动轴承间隙故障因其隐蔽性和形成周期长,试验成本高等问题,难以开展多类型故障复合试验以致故障数据获取不足,为解决此问题,进行了含间隙运动副的往复压缩机轴承复合故障状态多体动力学仿真方法研究。选取连杆大头轴承及小头轴承间隙故障为研究对象,首先分析影响滑动轴承间隙故障的因素,利用“无质量连接法”建立轴承间隙故障运动学分析模型,运用非线性接触碰撞模型理论建立轴承间隙故障动力学模型,然后利用多体动力学分析软件建立轴承间隙复合故障动力学仿真模型,实现了往复压缩机轴承间隙复合故障状态数据的获取。通过传感器所拾取的往复压缩机轴承间...
【文章来源】：东北石油大学黑龙江省
【文章页数】：125 页
【学位级别】：博士
【部分图文】：
论文组织结构框架图
图 2.1 连杆大头轴承间隙机构示意图Fig.2.1 Schematic diagram of connecting rod big end bearing bush clearance mechanism图 2.1 采用长度为 e 的无质量连杆2 3A A 代替运动副间隙，只传递运动副作用力无形变，θ2为曲轴转角：在 X 轴上的各矢量分量为：22334L cos θ ecosβ Lcosθ x（2-1）在 Y 轴上的各矢量分量为： sin sin sin 02 2 3 3L θ e β L θ （2-2）即 βLeθLLsinθ sinsin32323 ，大头瓦间隙 e 相对连杆长度 L3非常小，则：2323θLLsin θ sin（2-3）对公式（2-3）中时间求导：322323θθθLLθ-coscos （2-4）再对公式（2-4）中时间求导：θθθθLcos-sin2
第二章 往复压缩机轴承间隙复合故障动力学建模与分析下，不断的重复分离碰撞致使曲轴和大头轴承之间间隙变大，故障程度加剧。因此，准确的建立接触碰撞模型对连杆大头轴瓦间隙故障的研究就显得尤为重要。本节以往复压缩机连杆大头轴承为研究对象，结合曲轴与连杆大头轴承碰撞特点，建立连杆大头轴承－曲轴非线性接触碰撞模型，同时引入描述碰撞过程摩擦作用的一种非线性摩擦模型。在多体动力学理论和连杆大头轴承－曲轴接触碰撞模型基础上，建立连杆大头轴承间隙故障动力学模型，为深入接触碰撞力的变化规律及机组响应特征研究提供理论基础。
【参考文献】：
期刊论文
[1]基于SWD-AVDIF的齿轮箱复合故障诊断方法[J]. 李娟,程军圣,黄祝庆,卿宏军. 噪声与振动控制. 2019(01)
[2]基于MCKD和teager能量算子的滚动轴承复合故障诊断[J]. 齐咏生,刘飞,高学金,李永亭,刘利强. 大连理工大学学报. 2019(01)
[3]基于粒子群优化盲源分离方法的电机滚动轴承复合故障诊断[J]. 张江亚,李艳华. 机床与液压. 2019(01)
[4]基于近邻元分析算法的滚动轴承复合故障诊断[J]. 余震. 中国工程机械学报. 2018(06)
[5]状态形态学滤波与EWT的故障特征提取方法研究[J]. 王金东,张隆宇,赵海洋,李颖,夏法锋. 噪声与振动控制. 2018(05)
[6]基于原始振动信号的往复压缩机卷积神经网络故障诊断[J]. 杨洪柏,聂昂,张江安,张宏利,刘树林. 机械设计与制造工程. 2018(09)
[7]基于IVMD的单通道盲源分离方法及其应用[J]. 汤杰,陈剑,杨斌. 组合机床与自动化加工技术. 2018(07)
[8]基于K-S和加权证据理论的复合故障诊断方法[J]. 袁鹏慧,张清华,谢刚,熊建斌,孙国玺. 机床与液压. 2018(07)
[9]深度置信网络模型及应用研究综述[J]. 刘方园,王水花,张煜东. 计算机工程与应用. 2018(01)
[10]基于过程分段多重分形的往复压缩机故障诊断研究[J]. 王金东,高一淇,赵海洋,丛蕊,赵岩. 压缩机技术. 2017(04)
博士论文
[1]往复压缩机轴承间隙故障诊断与状态评估方法研究[D]. 赵海洋.哈尔滨工业大学 2014
[2]高速公路网运行监测若干关键技术研究[D]. 夏创文.华南理工大学 2013
[3]基于形态分量分析和线调频小波路径追踪的机械故障诊断方法研究[D]. 陈向民.湖南大学 2013
[4]往复式压缩机多源冲击振动时频故障特征研究[D]. 王宪明.东北石油大学 2013
[5]局部均值分解方法及其在旋转机械故障诊断中的应用研究[D]. 张亢.湖南大学 2012
[6]EMD算法研究及其在信号去噪中的应用[D]. 王婷.哈尔滨工程大学 2010
[7]机械系统振动源的盲分离方法研究[D]. 叶红仙.浙江大学 2008
硕士论文
[1]基于最优品质因子信号共振稀疏分解与HFE的往复压缩机故障诊断方法[D]. 卜庆超.东北石油大学 2018
[2]基于HHT和BP神经网络的压缩机气阀故障诊断研究[D]. 谢昭灵.电子科技大学 2018
[3]往复机械运行状态与典型故障仿真技术研究[D]. 张译丹.北京化工大学 2017
[4]往复式压缩机传动机构故障建模与分析[D]. 翟斌.北京化工大学 2017
[5]基于形态分量分析的齿轮箱故障诊断研究[D]. 牛志雷.石家庄铁道大学 2016
[6]基于深度学习的数据融合在FPSO监测预警系统上的应用[D]. 赵旻昊.天津大学 2014
[7]基于稀疏表示与字典学习的图像去噪算法研究[D]. 姜鹏飞.西安电子科技大学 2011
[8]往复机械故障动力学分析及故障诊断研究[D]. 肖理.西安建筑科技大学 2008
[9]盲源分离及其在2D12型往复式压缩机故障诊断中的应用[D]. 汪红艳.哈尔滨工业大学 2007
本文编号：3122326
【文章来源】：东北石油大学黑龙江省
【文章页数】：125 页
【学位级别】：博士
【部分图文】：
论文组织结构框架图
图 2.1 连杆大头轴承间隙机构示意图Fig.2.1 Schematic diagram of connecting rod big end bearing bush clearance mechanism图 2.1 采用长度为 e 的无质量连杆2 3A A 代替运动副间隙，只传递运动副作用力无形变，θ2为曲轴转角：在 X 轴上的各矢量分量为：22334L cos θ ecosβ Lcosθ x（2-1）在 Y 轴上的各矢量分量为： sin sin sin 02 2 3 3L θ e β L θ （2-2）即 βLeθLLsinθ sinsin32323 ，大头瓦间隙 e 相对连杆长度 L3非常小，则：2323θLLsin θ sin（2-3）对公式（2-3）中时间求导：322323θθθLLθ-coscos （2-4）再对公式（2-4）中时间求导：θθθθLcos-sin2
第二章 往复压缩机轴承间隙复合故障动力学建模与分析下，不断的重复分离碰撞致使曲轴和大头轴承之间间隙变大，故障程度加剧。因此，准确的建立接触碰撞模型对连杆大头轴瓦间隙故障的研究就显得尤为重要。本节以往复压缩机连杆大头轴承为研究对象，结合曲轴与连杆大头轴承碰撞特点，建立连杆大头轴承－曲轴非线性接触碰撞模型，同时引入描述碰撞过程摩擦作用的一种非线性摩擦模型。在多体动力学理论和连杆大头轴承－曲轴接触碰撞模型基础上，建立连杆大头轴承间隙故障动力学模型，为深入接触碰撞力的变化规律及机组响应特征研究提供理论基础。
【参考文献】：
期刊论文
[1]基于SWD-AVDIF的齿轮箱复合故障诊断方法[J]. 李娟,程军圣,黄祝庆,卿宏军. 噪声与振动控制. 2019(01)
[2]基于MCKD和teager能量算子的滚动轴承复合故障诊断[J]. 齐咏生,刘飞,高学金,李永亭,刘利强. 大连理工大学学报. 2019(01)
[3]基于粒子群优化盲源分离方法的电机滚动轴承复合故障诊断[J]. 张江亚,李艳华. 机床与液压. 2019(01)
[4]基于近邻元分析算法的滚动轴承复合故障诊断[J]. 余震. 中国工程机械学报. 2018(06)
[5]状态形态学滤波与EWT的故障特征提取方法研究[J]. 王金东,张隆宇,赵海洋,李颖,夏法锋. 噪声与振动控制. 2018(05)
[6]基于原始振动信号的往复压缩机卷积神经网络故障诊断[J]. 杨洪柏,聂昂,张江安,张宏利,刘树林. 机械设计与制造工程. 2018(09)
[7]基于IVMD的单通道盲源分离方法及其应用[J]. 汤杰,陈剑,杨斌. 组合机床与自动化加工技术. 2018(07)
[8]基于K-S和加权证据理论的复合故障诊断方法[J]. 袁鹏慧,张清华,谢刚,熊建斌,孙国玺. 机床与液压. 2018(07)
[9]深度置信网络模型及应用研究综述[J]. 刘方园,王水花,张煜东. 计算机工程与应用. 2018(01)
[10]基于过程分段多重分形的往复压缩机故障诊断研究[J]. 王金东,高一淇,赵海洋,丛蕊,赵岩. 压缩机技术. 2017(04)
博士论文
[1]往复压缩机轴承间隙故障诊断与状态评估方法研究[D]. 赵海洋.哈尔滨工业大学 2014
[2]高速公路网运行监测若干关键技术研究[D]. 夏创文.华南理工大学 2013
[3]基于形态分量分析和线调频小波路径追踪的机械故障诊断方法研究[D]. 陈向民.湖南大学 2013
[4]往复式压缩机多源冲击振动时频故障特征研究[D]. 王宪明.东北石油大学 2013
[5]局部均值分解方法及其在旋转机械故障诊断中的应用研究[D]. 张亢.湖南大学 2012
[6]EMD算法研究及其在信号去噪中的应用[D]. 王婷.哈尔滨工程大学 2010
[7]机械系统振动源的盲分离方法研究[D]. 叶红仙.浙江大学 2008
硕士论文
[1]基于最优品质因子信号共振稀疏分解与HFE的往复压缩机故障诊断方法[D]. 卜庆超.东北石油大学 2018
[2]基于HHT和BP神经网络的压缩机气阀故障诊断研究[D]. 谢昭灵.电子科技大学 2018
[3]往复机械运行状态与典型故障仿真技术研究[D]. 张译丹.北京化工大学 2017
[4]往复式压缩机传动机构故障建模与分析[D]. 翟斌.北京化工大学 2017
[5]基于形态分量分析的齿轮箱故障诊断研究[D]. 牛志雷.石家庄铁道大学 2016
[6]基于深度学习的数据融合在FPSO监测预警系统上的应用[D]. 赵旻昊.天津大学 2014
[7]基于稀疏表示与字典学习的图像去噪算法研究[D]. 姜鹏飞.西安电子科技大学 2011
[8]往复机械故障动力学分析及故障诊断研究[D]. 肖理.西安建筑科技大学 2008
[9]盲源分离及其在2D12型往复式压缩机故障诊断中的应用[D]. 汪红艳.哈尔滨工业大学 2007
本文编号：3122326
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/3122326.html
