基于神经网络轴流风机的故障诊断研究

发布时间：2017-08-26 05:23

  本文关键词：基于神经网络轴流风机的故障诊断研究

  更多相关文章： 风机 特征值提取 故障诊断 神经网络

【摘要】：随着我国地铁轨道交通的大量建设并投入运行,地下空间内的通风就需要依靠风机来进行,由于风机大部分是建设在地下的密闭空间内条件的限制,需要保证地下空间的通风换气而长期运行,所以地铁风机承担了内部空间与外部空间几乎所有通风的工作,在整个地铁环控系统扮演的角色最为关键。本文对轴流风机的国内外研究现状进行了详细的阐述,并分析了常见故障的故障机理和振动特性,然后对轴流风机中包含的故障振动信号,有试验模拟进行了时域分析和频域分析从而上升到FFT(傅里叶变换)及Hilbert(包络分析)理论分析。时域和频域在FFT中都具有表示故障信号局部特征的能力,在非平稳振动信号的分析下,高频部分具有相对比较高的时间分辨率和比较低的频率分辨率,在低频部分有较高的频率分辨率。从而可以得出,傅里叶变换对于非平稳的振动信号具有很大的优势。再利用傅里叶变换对采集到的故障信号进行特征值的提取,把提取到的特征值作为训练人工神经网络的故障样本值。并进一步介绍了神经网络的基本特征理论功能,对常见的几种神经网络的诊断性能进行了对比。最后确定了用BP神经网络模型作为故障诊断系统的基础。根据本文所做研究,为解决风机中在故障前期的故障征兆。设计出一套利用MATLAB及VisualC#技术为开发平台,基于神经网络模型为基础的故障诊断系统。
【关键词】：风机 特征值提取 故障诊断 神经网络
【学位授予单位】：广州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U231.5;TP183
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 课题的背景9-10
• 1.2 课题的意义10
• 1.3 国内外研究现状与发展趋势10-12
• 1.3.1 国外研究现状10-11
• 1.3.2 国内研究现状11-12
• 1.3.3 课题的发展趋势12
• 1.4 本文的主要研究内容及解决的问题12-15
• 1.4.2 解决的关键问题13-15
• 第二章 轴流风机的振动特性及故障机理15-24
• 2.1 轴流风机的基本结构、工作原理及用途15-16
• 2.1.1 轴流风机的基本结构及工作原理15
• 2.1.2 轴流风机的用途15-16
• 2.2 轴流风机振动原理分析16
• 2.3 常见的故障信号的振动特征和故障模式的原因16-18
• 2.3.1 转子质量不平衡16-17
• 2.3.2 基础松动故障17-18
• 2.3.3 动静件摩擦的故障18
• 2.3.4 轴承失效故障18
• 2.4 振动信号处理技术18-22
• 2.4.1 时域分析法19-21
• 2.4.2 频域分析法21-22
• 2.5 本章小结22-24
• 第三章 模拟实验与分析24-37
• 3.1 实验目的24
• 3.2 实验平台的搭建24-26
• 3.3 故障模拟与测试26-36
• 3.3.1 故障模拟的设计方案26-27
• 3.3.2 传感器的布局与安装27-29
• 3.3.3 故障的测试及数据采集29-36
• 3.4 本章小结36-37
• 第四章 神经网络技术在故障诊断的应用37-70
• 4.1 故障信息的提取及分析处理37-42
• 4.1.1 时域特征分析与提取37
• 4.1.2 频域特征分析与提取37-42
• 4.1.3 特征值的选择42
• 4.2 人工神经网络的概述42-49
• 4.2.1 神经网络的发展和应用43-45
• 4.2.2 神经网络的基本特征和功能45-49
• 4.2.3 神经网络的故障诊断原理分析49
• 4.3 BP神经网络算法49-54
• 4.3.1 BP神经网络的基本结构50
• 4.3.2 改进BP神经网络的学习算法50-54
• 4.4 BP神经网络的故障诊断54-65
• 4.4.1 验证故障特征值分类识别模型建立54-55
• 4.4.2 数据选择和归一化55-56
• 4.4.3 BP神经网络结构初始化56-58
• 4.4.4 BP神经网络的训练58
• 4.4.5 BP神经网络的分类识别58-60
• 4.4.6 BP神经网络模型的验证及结果分析60-65
• 4.5 风机典型故障样本数据验证65-69
• 4.5.1 数据的采集65-67
• 4.5.2 测试结果及误差分析67-69
• 4.6 本章小结69-70
• 第五章 诊断系统测试分析模块的设计70-85
• 5.1 系统总体结构设计70-74
• 5.1.1 系统结构70-71
• 5.1.2 软件功能71-72
• 5.1.3 数据库的设计72-73
• 5.1.4 模块设计73-74
• 5.1.5 总体框架设计74
• 5.2 软件的开发及编程语言74-84
• 5.2.1 软件界面75-76
• 5.2.2 采样数据格式转换模块76-79
• 5.2.3 信号处理模块79-82
• 5.2.4 神经网络模块82-84
• 5.3 本章小结84-85
• 第六章 总结与展望85-87
• 6.1 总结85
• 6.2 展望85-87
• 参考文献87-91
• 致谢91-92
• 附录92-96

【参考文献】

中国期刊全文数据库 前4条

1 焦斌;高志伟;;量子遗传算法优化的最小二乘支持向量机的风机故障诊断[J];上海电机学院学报;2014年03期

2 林邦春;余洋;;轴流风机动叶调节机构常见故障诊断[J];热力发电;2013年08期

3 焦斌;徐志翔;;基于综合优化方法的风力发电机故障诊断[J];控制工程;2012年04期

4 朱旭东,戴文战,郎燕峰;基于神经网络的方法在故障诊断中的应用[J];机电工程;2003年05期

中国硕士学位论文全文数据库 前3条

1 温敏健;地铁风机故障诊断系统的研究[D];北京建筑大学;2013年

2 王一兵;基于神经网络的矿井风机故障诊断[D];上海交通大学;2012年

3 米江;基于神经网络和小波分析的风机故障诊断专家系统[D];南京航空航天大学;2010年

，

本文编号：739914