本文選題：裂紋識別　切入點：懸臂軸　出處：《西南交通大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：旋轉(zhuǎn)機械是現(xiàn)代社會中最重要的機械設(shè)備之一,它在各個工程行業(yè)中得到了廣泛的應(yīng)用。轉(zhuǎn)子則是整個旋轉(zhuǎn)機械中最為核心的部件,轉(zhuǎn)子的正常與否直接決定整個旋轉(zhuǎn)機械能否正常運轉(zhuǎn)。轉(zhuǎn)子裂紋故障是旋轉(zhuǎn)機械最常見故障形式,對轉(zhuǎn)子進行裂紋識別并判斷裂紋的位置和深度,從而及時采取相應(yīng)的措施實現(xiàn)預(yù)防性維護,對于保證設(shè)備安全高效的運行具有重要的社會意義和經(jīng)濟價值。本文基于斷裂力學(xué)理論推導(dǎo)和有限元法,對轉(zhuǎn)軸進行了裂紋識別研究。在對轉(zhuǎn)軸的裂紋識別研究中,首先對懸臂裂紋軸和轉(zhuǎn)子裂紋軸進行了振動測試實驗研究。通過實驗研究裂紋對轉(zhuǎn)軸振動特性參數(shù)的影響,并測得含有各個裂紋工況的裂紋轉(zhuǎn)軸水平方向和豎直方向的固有頻率。通過對測得不同裂紋工況的懸臂軸兩個方向上的固有頻率值分析,得到由于裂紋引起裂紋軸固有頻率具有不對稱性特征結(jié)論。以裂紋懸臂軸為基礎(chǔ)研究對象,通過參數(shù)化建模循環(huán)仿真出大量含不同裂紋位置和深度懸臂軸的模態(tài)參數(shù),并將所有裂紋參數(shù)與模態(tài)參數(shù)作為樣本形成樣本數(shù)據(jù)庫。然后在MATLAB中設(shè)計搭建裂紋識別神經(jīng)網(wǎng)絡(luò),從實驗研究中得到的裂紋軸固有頻率具有不對稱性特征結(jié)論,因此選取裂紋軸水平方向和豎直方向的固有頻率同時作為神經(jīng)網(wǎng)絡(luò)的輸入。通過從樣本數(shù)據(jù)庫中選取樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò),并用實驗數(shù)據(jù)修正及驗證裂紋識別神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性,最后得到基于振動特性的懸臂軸裂紋識別方法。并與等高線法作對比,本文方法在裂紋深度識別精度上平均高1.76%,在裂紋位置識別精度上平均高2.61%,充分說明利用具有不對稱振動特性參數(shù)對裂紋識別的優(yōu)越性。最后在懸臂軸裂紋識別研究的基礎(chǔ)上,通過對轉(zhuǎn)子系統(tǒng)模型精準(zhǔn)化有限元建模及對神經(jīng)網(wǎng)絡(luò)的各項參數(shù)的調(diào)節(jié),得到一套完善的轉(zhuǎn)子裂紋識別方法。在轉(zhuǎn)子系統(tǒng)模型精準(zhǔn)化建模時,通過等效剛度彈簧單元模擬其軸承約束,并通過實驗數(shù)據(jù)修正轉(zhuǎn)子裂紋軸有限元模型,最終得到精準(zhǔn)的轉(zhuǎn)子裂紋系統(tǒng)模型。在神經(jīng)網(wǎng)絡(luò)訓(xùn)練時,通過對神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點數(shù)、權(quán)值、閾值、學(xué)習(xí)目標(biāo)和學(xué)習(xí)速度等參數(shù)的調(diào)節(jié),最后優(yōu)化得到能夠適用于轉(zhuǎn)子裂紋識別研究的神經(jīng)網(wǎng)絡(luò)。本文基于具有不對稱振動特性參數(shù)能實現(xiàn)對懸臂軸和轉(zhuǎn)子系統(tǒng)的裂紋識別,并具有較高的精度,而且可以通過改變有限元模型及調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)后能夠適用多種裂紋識別研究。
[Abstract]:Rotating machinery is one of the most important mechanical equipment in modern society, and it has been widely used in various engineering industries. The rotor is the most important part in the whole rotating machinery. Whether the rotor is normal or not directly determines whether the whole rotating machinery can run normally. The rotor crack fault is the most common fault form of rotating machinery. The rotor crack is identified and the position and depth of the crack are judged. Therefore, taking corresponding measures to realize preventive maintenance in time is of great social significance and economic value to ensure the safe and efficient operation of the equipment. This paper is based on the theory of fracture mechanics and finite element method. In the research of crack identification of rotating shaft, the vibration test of cantilever crack shaft and rotor crack shaft is carried out. The influence of crack on the vibration characteristic parameter of rotating shaft is studied by experiment. The natural frequencies of the horizontal and vertical direction of the crack shaft are measured, and the natural frequencies of the cantilever shaft under different crack conditions are analyzed. It is concluded that the natural frequency of the crack shaft is asymmetric due to the crack. Taking the crack cantilever shaft as the research object, a large number of modal parameters with different crack positions and depths are simulated by parameterized modeling cycle. All the crack parameters and modal parameters are taken as samples to form a sample database, and then a crack identification neural network is designed in MATLAB. The results obtained from the experimental study show that the natural frequency of the crack axis is asymmetric. Therefore, the natural frequency of the horizontal and vertical direction of the crack axis is chosen as the input of the neural network. The neural network is trained by selecting the samples from the sample database, and the accuracy of the neural network is corrected and verified by the experimental data. Finally, the method of crack identification for cantilever shaft based on vibration characteristics is obtained, and compared with the contour method. In this paper, the average accuracy of crack depth identification is 1.76 and that of crack location is 2.61, which fully illustrates the superiority of using the parameters with asymmetric vibration characteristics to identify crack. Finally, on the basis of the research on crack identification of cantilever shaft, A set of perfect rotor crack identification method is obtained by accurate finite element modeling of rotor system model and adjustment of the parameters of neural network. The bearing constraint is simulated by equivalent stiffness spring element, and the finite element model of rotor crack shaft is modified by experimental data. Finally, a precise rotor crack system model is obtained. By adjusting the number of hidden layer nodes, weights, thresholds, learning goals and learning speed of the neural network, Finally, a neural network which can be applied to the research of rotor crack identification is obtained. Based on the parameters with asymmetric vibration characteristics, the crack identification of cantilever shaft and rotor system can be realized in this paper, and the accuracy is high. Moreover, the finite element model can be changed and the neural network can be adjusted to study the crack identification.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TH17

【相似文獻】

相關(guān)期刊論文 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(自然科學(xué)版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國際技術(shù)經(jīng)濟研究學(xué)報;1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報控制中的應(yīng)用[J];機床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報;1993年02期

8 宋玉華，，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動化領(lǐng)域里的應(yīng)用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機電器技術(shù);1995年04期

10 王中賢，錢頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

相關(guān)會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

本文編號：1642095