船用转子振动信号分析与诊断方法研究

发布时间：2022-02-24 00:09

　　汽轮机作为大型机械的动力装置,广泛应用在大功率机械设备中,而转子是汽轮机中主要零件之一,高速重载的工作环境使其非常容易出现故障。本文针对一种模拟汽轮机实际工况的大型轴承-转子试验台开展振动信号分析与诊断方法研究,实现对汽轮机的早期故障监测,以有效避免机器损坏,减少经济损失,论文主要研究内容如下:（1）分析了转子振动机理和振动基本特性,对汽轮机转子常见故障及轴心轨迹类型进行了详细的描述,分析了各种故障的原因、波形特点和频谱特征,介绍了本文涉及到的相关理论与方法。（2）采用现代信号处理方法对转子轴心轨迹进行提纯研究。针对转子振动信号干扰信号多、非平稳的特点,考虑奇异值分解是一种非线性滤波,其消噪具有无时延、零相移的特点,采用奇异值分解对转子振动信号进行分解。利用奇异值差分谱选取特征奇异值来进行SVD重构,由此剔除信号中随机噪声,还原出转子真实的故障信息,实现轴心轨迹的提纯。谐波小波包变换能对振动信号的所有频带进行无限细分,因此本文也将该方法应用在轴心轨迹提纯。根据汽轮机实际工况搭建了大型轴承-转子振动试验台,利用转子位移信号进行轴心轨迹提纯研究,在两组实验中发现,SVD和谐波小波包变换提纯... 

【文章来源】：华南理工大学广东省211工程院校985工程院校教育部直属院校

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 轴心轨迹提纯
        1.2.2 轴心轨迹特征提取
        1.2.3 轴心轨迹识别
    1.3 课题来源
    1.4 研究目标与研究内容
        1.4.1 研究目标
        1.4.2 研究内容与结构
    1.5 研究方法及技术路线
第二章 汽轮机转子振动与轴心轨迹原理分析
    2.1 转子振动机理与基本特性
    2.2 转子动力学模型
    2.3 常见故障及轴心轨迹类型
        2.3.1 转子不平衡
        2.3.2 油膜涡动
        2.3.3 转子不对中
        2.3.4 动静碰摩
        2.3.5 转子松动
        2.3.6 转子裂纹
    2.4 本章小结
第三章 船用转子轴心轨迹提纯
    3.1 SVD信号处理
        3.1.1 SVD定义
        3.1.2 SVD性质
        3.1.3 矩阵建模与分解
        3.1.4 有效秩阶次的确定
        3.1.5 信号恢复
    3.2 SVD差分谱特征提取仿真实验
    3.3 实验装置
        3.3.1 试验台简介
        3.3.2 实验准备工作
        3.3.3 轴心轨迹的测量
    3.4 谐波小波包提纯轴心轨迹
        3.4.1 谐波小波变换
        3.4.2 谐波小波包及其实现
        3.4.3 谐波小波的应用
    3.5 SVD差分谱提纯轴心轨迹
    3.6 本章小结
第四章 轴心轨迹特征提取
    4.1 基于不变矩的特征提取
    4.2 基于组合矩的特征提取
    4.3 基于傅里叶描述子的特征提取
    4.4 本章小结
第五章 轴心轨迹识别
    5.1 随机森林理论
        5.1.1 随机森林的数学定义
        5.1.2 随机森林的性质
        5.1.3 泛化误差与OOB估计
        5.1.4 算法步骤
        5.1.5 效率指标
    5.2 基于随机森林的轴心轨迹识别
    5.3 基于神经网络的轴心轨迹识别
        5.3.1 BP神经网络的结构
        5.3.2 BP神经网络算法原理
        5.3.3 BP神经网络的特点
        5.3.4 BP神经网络轴心轨迹识别实验
    5.4 基于SVM的轴心轨迹识别
        5.4.1 支持向量机定义
        5.4.2 核函数
        5.4.3 SVM轴心轨迹识别实验
    5.5 对比分析
    5.6 本章小结
结论与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件


【参考文献】：
期刊论文
[1]基于奇异值差分谱理论的大型转子轴心轨迹提纯[J]. 张景润,李伟光,李振,赵学智.  振动与冲击. 2019(04)
[2]基于FCM和改进PCA的变压器故障诊断[J]. 覃煜,黄慧红,方健,陈雁.  高压电器. 2018(12)
[3]基于叶尖间隙的航空发动机转子运动特征提取技术[J]. 李杰,郭光辉,魏之平,熊兵.  燃气涡轮试验与研究. 2018(06)
[4]共振加强奇异值分解方法及其在涡桨发动机振动监测中的应用[J]. 程礼,梁涛,郭立,程铭,曾林.  振动与冲击. 2018(22)
[5]融合EHF-TCDs与SVM的旋转机械轴心轨迹识别方法[J]. 孙国栋,徐亮,徐昀,高媛.  机械科学与技术. 2019(07)
[6]基于朴素贝叶斯的新闻分类改进[J]. 孙子杰.  电子制作. 2018(22)
[7]基于优化随机森林算法的高压断路器故障诊断[J]. 宋玉琴,王冰,李超,赵洋.  电子测量技术. 2018(21)
[8]基于随机森林变量选择的飞灰含碳量预测模型[J]. 王芳,马素霞,王河.  热力发电. 2018(11)
[9]基于随机森林的实体识别方法[J]. 杨萌,聂铁铮,申德荣,寇月,于戈.  集成技术. 2018(02)
[10]基于随机森林方法的地铁车门故障诊断[J]. 陈苏雨,方宇,胡定玉.  测控技术. 2018(02)

硕士论文
[1]基于深度学习的旋转机械轴心轨迹细粒度识别算法研究[D]. 艾成汉.湖北工业大学 2018
[2]膜片联轴器刚柔耦合模型及其不对中工况下轴心轨迹的研究[D]. 张恒.吉林大学 2018
[3]基于小波矩的图像内容识别技术研究[D]. 邹熠.西南交通大学 2010
[4]旋转机械轴心轨迹的提纯、特征提取与自动识别研究[D]. 周训强.重庆大学 2010



本文编号：3641571