旋轉(zhuǎn)機械是工業(yè)生產(chǎn)中應(yīng)用最廣泛的機械設(shè)備,研究旋轉(zhuǎn)機械故障診斷技術(shù)及時發(fā)現(xiàn)并查找故障原因,可極大的減少和避免安全事故以及經(jīng)濟損失具有重要的現(xiàn)實意義。本文總結(jié)了常見旋轉(zhuǎn)機械故障類型的故障機理,研究了旋轉(zhuǎn)機械故障診斷的常規(guī)流程以及旋轉(zhuǎn)機械故障特診提取以及故障診斷推理方法,并主要針對旋轉(zhuǎn)機械的典型故障開展了實驗研究。 本文首先搭建了旋轉(zhuǎn)機械故障分析實驗系統(tǒng)平臺,該實驗系統(tǒng)包括：旋轉(zhuǎn)機械實驗臺、電渦流傳感器、數(shù)據(jù)采集卡、信號調(diào)理模塊、實驗數(shù)據(jù)分析計算機。并在該實驗臺上模擬裂紋故障,監(jiān)測并且采集旋轉(zhuǎn)機械的振動信號,對其進行采集與分析。在時域內(nèi)使用時域特征分析,頻域內(nèi)應(yīng)用傳統(tǒng)FFT功率譜分析方法以及小波包頻域能量分析的方法,對裂紋故障信號進行特征提取。應(yīng)用特征評估的原理,選擇最適合于進行故障診斷的故障特征。應(yīng)用BP神經(jīng)網(wǎng)絡(luò),SOC自組織競爭神經(jīng)網(wǎng)絡(luò)以及SVM支持向量機建立故障診斷模型,比對其性能進行比較。SOC網(wǎng)絡(luò)以及SVM結(jié)構(gòu)易于確定,且性能也優(yōu)于BP網(wǎng)絡(luò)。針對故障特征在旋轉(zhuǎn)機械出現(xiàn)裂紋故障狀態(tài)下區(qū)分度比較差的這一問題,提出一種將小波包分解與時域特征提取相結(jié)合的新方法,并應(yīng)用了新的特征提取方法進行實驗分析。結(jié)果表明,該特征提取方案可以在一定程度上提高了故障特征的區(qū)分度。
【學(xué)位單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2010
【中圖分類】：TH165.3
【文章目錄】：
摘要
ABSTRACT
目錄
第一章 概述
    1.1 引言
    1.2 旋轉(zhuǎn)故障診斷研究的內(nèi)容與實質(zhì)
        1.2.1 故障機理研究
        1.2.2 故障信息檢測與采集
        1.2.3 故障特征提取與分析
        1.2.4 故障診斷推理技術(shù)
    1.3 旋轉(zhuǎn)機械故障診斷的現(xiàn)狀以及發(fā)展趨勢
    1.4 本章小結(jié)
第二章 旋轉(zhuǎn)機械故障診斷常用方法
    2.1 旋轉(zhuǎn)機械常見的故障類型及機理分析
    2.2 旋轉(zhuǎn)機械故障診斷方法分析
        2.2.1 旋轉(zhuǎn)機械故障診斷常規(guī)流程
        2.2.2 傳統(tǒng)的旋轉(zhuǎn)機械故障特征提取方法
        2.2.3 旋轉(zhuǎn)機械故障特征提取中的時頻分析方法
            2.2.3.1 時域特征提取
            2.2.3.2 頻域特征提取
            2.2.3.3 小波變換原理
            2.2.3.4 小波包分析原理
            2.2.3.5 小波包特征提取算法
        2.2.4 旋轉(zhuǎn)機械故障特征提取中的其他方法
        2.2.5 特征評估方法
    2.3 旋轉(zhuǎn)機械故障診斷推理的方法分析
        2.3.1 基于控制模型的故障診斷
        2.3.2 基于人工智能的故障診斷
        2.3.3 基于神經(jīng)網(wǎng)絡(luò)的故障診斷
            2.3.3.1 BP神經(jīng)網(wǎng)絡(luò)
                2.3.3.1.1 網(wǎng)絡(luò)結(jié)構(gòu)
                2.3.3.1.2 學(xué)習(xí)過程
            2.3.3.2 自組織競爭神經(jīng)網(wǎng)絡(luò)(SOC網(wǎng)絡(luò))
                2.3.3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
                2.3.3.2.2 學(xué)習(xí)過程
        2.3.4 支持向量機(SVM)
            2.3.4.1 最優(yōu)分類
            2.3.4.2 非線性問題求解
        2.3.5 其他方法
    2.4 本章小結(jié)
第三章 旋轉(zhuǎn)機械故障診斷實驗裝置介紹
    3.1 試驗臺旋轉(zhuǎn)機械模塊介紹
        3.1.1 傳感器
        3.1.2 信號調(diào)理模塊
        3.1.3 數(shù)據(jù)采集卡
    3.2 本章小結(jié)
第四章 旋轉(zhuǎn)機械故障診斷數(shù)據(jù)分析
    4.1 數(shù)據(jù)采集
        4.1.1 數(shù)據(jù)采集
        4.1.2 數(shù)據(jù)預(yù)處理
            4.1.2.1 幾種濾波器介紹
            4.1.2.2 幾種濾波器的比較
    4.2 故障特征分析
        4.2.1 時域特征分析
        4.2.2 頻域特征分析
            4.2.2.1 fft功率譜分析
            4.2.2.2 小波包分解能量分析
        4.2.3 特征評估分析
    4.3 故障推理分析
        4.3.1 特征數(shù)量分析
        4.3.2 訓(xùn)練樣本數(shù)量分析
        4.3.3 BP網(wǎng)絡(luò)、SOC網(wǎng)絡(luò)和SVM比較分析
    4.4 故障特征提取方法改進
        4.4.1 方法改進
        4.4.2 改進效果
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
研究成果及發(fā)表的學(xué)術(shù)論文
作者及導(dǎo)師簡介
北京化工大學(xué)碩士研究生學(xué)位論文答辯委員會決議書

【引證文獻】

相關(guān)碩士學(xué)位論文 前3條

1 陳婷婷;獨立分量分析在旋轉(zhuǎn)機械故障診斷中的應(yīng)用研究[D];天津大學(xué);2012年

2 席玉潔;離心泵故障診斷專家系統(tǒng)的應(yīng)用研究[D];北京化工大學(xué);2011年

3 郭大文;旋轉(zhuǎn)機械故障特征提取與分析技術(shù)研究[D];電子科技大學(xué);2012年

本文編號：2834914