热媒循环泵轴承状态监测与故障诊断研究
发布时间：2022-02-08 17:40
热媒循环泵是石油化工行业中的重要设备,其轴承状态关系到泵的工作性能和使用安全。通过对热媒循环泵轴承进行在线监测可以有效保证其安全运行,故障分类识别可以为生产现场提供检修依据,预防严重事故发生,二者结合能够提高生产经济性和安全性。传统热媒循环泵轴承状态监测系统受到通讯技术落后和智能化程度低的制约,存在布线困难、实时性差等缺点,也无法对具体故障类型和程度进行识别,已不能满足安全、高效与智能的现代工业发展要求。本文开发了基于ZigBee无线通讯的热媒循环泵轴承状态监测系统,可实现轴承运行状态的实时监测,通过对热媒循环泵轴承部位的振动信号和温度信号进行采集、传输和处理,并使用LabVIEW软件设计监测系统上位机程序,对热媒循环泵轴承是否发生故障进行定性判断。为了进一步实现轴承具体故障类型及程度的分类识别,本文对振动信号进行分析处理,划分合适长度的样本。提出了一种运用于故障诊断的数据增强神经网络方法,将振动信号时域数据进行数据增强处理,设计神经网络具体算法,并应用MATLAB建立最优参数模型。通过对不同故障类型、程度的滚动轴承产生的振动信号进行分类识别,并将结果进行对比分析,结果显示:对原始数据...
【文章来源】：河北工程大学河北省
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及意义
1.2 故障诊断发展历程
1.3 故障诊断研究现状
1.4 论文研究的主要内容
第2章 状态监测系统设计
2.1 监测系统总体设计
2.2 硬件系统选型设计
2.2.1 传感器布置
2.2.2 振动传感器
2.2.3 温度传感器
2.2.4 无线数据传输设备
2.3 软件系统设计及实现
2.3.1 软件功能设计
2.3.2 软件程序实现
2.4 现场实验
2.5 本章小结
第3章 滚动轴承故障机理及振动分析
3.1 滚动轴承故障分析
3.1.1 滚动轴承结构
3.1.2 故障产生原因
3.1.3 故障诊断方法
3.2 滚动轴承振动信号分析
3.2.1 滚动轴承振动信号数据
3.2.2 振动信号时域分析
3.2.3 振动信号频域分析
3.3 振动信号特征参数
3.4 本章小结
第4章 神经网络模型及数据增强
4.1 神经网络模型设计
4.1.1 前馈神经网络结构
4.1.2 激活函数选择
4.1.3 归一化处理方法
4.1.4 反向传播算法
4.1.5 共轭梯度算法
4.1.6 交叉熵代价函数
4.2 过度拟合分析
4.3 数据增强处理
4.4 本章小结
第5章 滚动轴承故障分类识别
5.1 神经网络参数设计
5.2 神经元数选择
5.3 结果分析对比
5.4 工程实例验证
5.5 本章小结
总结与展望
致谢
参考文献
作者简介
攻读硕士学位期间发表的论文
【参考文献】：
期刊论文
[1]热媒循环泵无线监测系统的设计研究[J]. 刘杰辉,田润良. 煤炭与化工. 2017(07)
[2]基于深度学习理论的轴承状态识别研究[J]. 郭亮,高宏力,张一文,黄海凤. 振动与冲击. 2016(12)
[3]高速列车滚动轴承支承松动系统动力学特性研究[J]. 曹青松,郭小兵,熊国良,向琴,周生通. 机械工程学报. 2016(21)
[4]基于深度信念网络的轴承故障分类识别[J]. 李巍华,单外平,曾雪琼. 振动工程学报. 2016(02)
[5]基于WSN技术的离心泵群监控系统设计[J]. 金维鑫,孙铁,张素香,孟庆娟. 电子设计工程. 2016(02)
[6]基于LabVIEW的库房监测系统设计[J]. 王鹞芝,屈蔷,赵阳. 电子测量技术. 2015(09)
[7]基于振动信号的轴承故障诊断技术综述[J]. 沙美妤,刘利国. 轴承. 2015(09)
[8]一种新型泵车监测系统的设计与开发[J]. 吴运新,石文泽. 郑州大学学报(工学版). 2012(01)
[9]ZigBee无线传感网络在机泵智能监测中的应用[J]. 袁洪芳,齐鹤,柯细勇,王华庆,韩宏宇. 计算机工程与设计. 2011(02)
[10]基于LabVIEW的故障诊断系统设计[J]. 杜永英,马业鹏,吕春梅. 煤矿机械. 2011(01)
硕士论文
[1]基于虚拟仪器的实时监控系统设计与实现[D]. 陆家龙.哈尔滨工业大学 2013
[2]虚拟仪器系统架构研究[D]. 张健.东北师范大学 2013
[3]滚动轴承故障诊断的多参数融合特征提取方法研究[D]. 李少军.北京交通大学 2011
[4]基于小波包和支持向量机的滚动轴承故障识别方法[D]. 秦政博.太原理工大学 2010
[5]基于ZigBee无线传感器网络的远程数据监测的设计与实现[D]. 马海.武汉理工大学 2010
[6]基于振动信号的滚动轴承故障诊断方法研究[D]. 吕路勇.华北电力大学（河北） 2008
[7]基于模糊神经网络和遗传算法的故障诊断方法研究[D]. 周强.大连理工大学 2006
本文编号：3615472
【文章来源】：河北工程大学河北省
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及意义
1.2 故障诊断发展历程
1.3 故障诊断研究现状
1.4 论文研究的主要内容
第2章 状态监测系统设计
2.1 监测系统总体设计
2.2 硬件系统选型设计
2.2.1 传感器布置
2.2.2 振动传感器
2.2.3 温度传感器
2.2.4 无线数据传输设备
2.3 软件系统设计及实现
2.3.1 软件功能设计
2.3.2 软件程序实现
2.4 现场实验
2.5 本章小结
第3章 滚动轴承故障机理及振动分析
3.1 滚动轴承故障分析
3.1.1 滚动轴承结构
3.1.2 故障产生原因
3.1.3 故障诊断方法
3.2 滚动轴承振动信号分析
3.2.1 滚动轴承振动信号数据
3.2.2 振动信号时域分析
3.2.3 振动信号频域分析
3.3 振动信号特征参数
3.4 本章小结
第4章 神经网络模型及数据增强
4.1 神经网络模型设计
4.1.1 前馈神经网络结构
4.1.2 激活函数选择
4.1.3 归一化处理方法
4.1.4 反向传播算法
4.1.5 共轭梯度算法
4.1.6 交叉熵代价函数
4.2 过度拟合分析
4.3 数据增强处理
4.4 本章小结
第5章 滚动轴承故障分类识别
5.1 神经网络参数设计
5.2 神经元数选择
5.3 结果分析对比
5.4 工程实例验证
5.5 本章小结
总结与展望
致谢
参考文献
作者简介
攻读硕士学位期间发表的论文
【参考文献】：
期刊论文
[1]热媒循环泵无线监测系统的设计研究[J]. 刘杰辉,田润良. 煤炭与化工. 2017(07)
[2]基于深度学习理论的轴承状态识别研究[J]. 郭亮,高宏力,张一文,黄海凤. 振动与冲击. 2016(12)
[3]高速列车滚动轴承支承松动系统动力学特性研究[J]. 曹青松,郭小兵,熊国良,向琴,周生通. 机械工程学报. 2016(21)
[4]基于深度信念网络的轴承故障分类识别[J]. 李巍华,单外平,曾雪琼. 振动工程学报. 2016(02)
[5]基于WSN技术的离心泵群监控系统设计[J]. 金维鑫,孙铁,张素香,孟庆娟. 电子设计工程. 2016(02)
[6]基于LabVIEW的库房监测系统设计[J]. 王鹞芝,屈蔷,赵阳. 电子测量技术. 2015(09)
[7]基于振动信号的轴承故障诊断技术综述[J]. 沙美妤,刘利国. 轴承. 2015(09)
[8]一种新型泵车监测系统的设计与开发[J]. 吴运新,石文泽. 郑州大学学报(工学版). 2012(01)
[9]ZigBee无线传感网络在机泵智能监测中的应用[J]. 袁洪芳,齐鹤,柯细勇,王华庆,韩宏宇. 计算机工程与设计. 2011(02)
[10]基于LabVIEW的故障诊断系统设计[J]. 杜永英,马业鹏,吕春梅. 煤矿机械. 2011(01)
硕士论文
[1]基于虚拟仪器的实时监控系统设计与实现[D]. 陆家龙.哈尔滨工业大学 2013
[2]虚拟仪器系统架构研究[D]. 张健.东北师范大学 2013
[3]滚动轴承故障诊断的多参数融合特征提取方法研究[D]. 李少军.北京交通大学 2011
[4]基于小波包和支持向量机的滚动轴承故障识别方法[D]. 秦政博.太原理工大学 2010
[5]基于ZigBee无线传感器网络的远程数据监测的设计与实现[D]. 马海.武汉理工大学 2010
[6]基于振动信号的滚动轴承故障诊断方法研究[D]. 吕路勇.华北电力大学（河北） 2008
[7]基于模糊神经网络和遗传算法的故障诊断方法研究[D]. 周强.大连理工大学 2006
本文编号：3615472
本文链接：https://www.wllwen.com/projectlw/hxgylw/3615472.html
