K5403離心式壓縮機是巴陵石化有限公司生產的關鍵設備,該設備一旦出現(xiàn)故障,不僅嚴重影響生產,給企業(yè)帶來重大的經濟損失,還會造成人員傷亡等惡性事故。本文以K5403離心式壓縮機為研究對象,開展了狀態(tài)監(jiān)測與趨勢預測技術研究,以實現(xiàn)機組的預知維護。論文主要研究工作有:1.闡述了狀態(tài)監(jiān)測與趨勢預測技術研究的目的、意義及發(fā)展歷程和趨勢,結合K5403離心式壓縮機的維護現(xiàn)狀和用戶需求,闡明了將狀態(tài)監(jiān)測和趨勢預測技術應用于K5403離心式壓縮機系統(tǒng)的必要性;2.根據(jù)K5403離心式壓縮機的結構特點,對機組常見的幾種故障形式（如:不平衡、不對中、動靜碰摩、轉子支承系統(tǒng)聯(lián)結松動故障、滾動軸承的各種故障及喘振等）的故障機理進行了分析,給出了相應的故障特征,介紹了幾種常用的基于振動信號分析處理的故障診斷方法;3.結合企業(yè)的實際需求開發(fā)了K5403離心式壓縮機狀態(tài)監(jiān)測與趨勢預測系統(tǒng),簡要闡述了系統(tǒng)實現(xiàn)的關鍵技術,包括面向對象技術、虛擬儀器技術和組態(tài)技術,重點研究了基于UML的系統(tǒng)需求分析和面向對象設計;4.基于K5403離心式壓縮機運行狀態(tài)的非線性、非平穩(wěn)特征和神經網絡的優(yōu)點,提出了趨勢預測的多項式神經網絡... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 狀態(tài)監(jiān)測與趨勢預測技術研究的目的和意義
    1.2 狀態(tài)監(jiān)測與趨勢預測技術的發(fā)展歷程和趨勢
        1.2.1 狀態(tài)監(jiān)測與趨勢預測技術的發(fā)展歷程
        1.2.2 狀態(tài)監(jiān)測與趨勢預測技術的發(fā)展趨勢
    1.3 本文的研究背景
    1.4 本文的主要研究內容和整體框架
    1.5 本章小結
第2章 K5403 離心式壓縮機的故障機理與分析方法
    2.1 K5403 離心式壓縮機簡介
        2.1.1 結構概述
        2.1.2 主要特征參數(shù)
    2.2 K5403 離心式壓縮機常見故障的機理
        2.2.1 轉子不平衡故障的機理
        2.2.2 轉子不對中故障的機理
        2.2.3 動靜碰摩故障的機理
        2.2.4 轉子支承系統(tǒng)聯(lián)結松動故障的機理
        2.2.5 滾動軸承故障的機理
        2.2.6 喘振故障的機理
    2.3 故障診斷的實施過程
    2.4 基于振動信號分析處理的故障診斷方法
        2.4.1 幅域分析方法
        2.4.2 時域分析方法
        2.4.3 頻域分析方法
        2.4.4 時頻域——小波分析方法
    2.5 本章小結
第3章 狀態(tài)監(jiān)測與趨勢預測系統(tǒng)的需求分析及設計
    3.1 系統(tǒng)結構
    3.2 關鍵技術
        3.2.1 面向對象技術
        3.2.2 虛擬儀器技術
        3.2.3 組態(tài)技術
    3.3 基于UML 的系統(tǒng)需求分析
        3.3.1 用例的獲取
        3.3.2 頂層用例圖
        3.3.3 用例圖的細化
    3.4 基于UML 的系統(tǒng)面向對象分析
        3.4.1 分析類的提取
        3.4.2 靜態(tài)模型的建立
        3.4.3 系統(tǒng)的動態(tài)模型
    3.5 面向對象的系統(tǒng)設計
        3.5.1 系統(tǒng)結構設計
        3.5.2 系統(tǒng)類用例實現(xiàn)設計
        3.5.3 系統(tǒng)數(shù)據(jù)庫設計
    3.6 本章小結
第4章 K5403 離心式壓縮機趨勢預測技術研究
    4.1 概述
    4.2 神經網絡預測方法的提出
    4.3 人工神經網絡
        4.3.1 人工神經網絡簡介
        4.3.2 BP 神經網絡
        4.3.3 BP 神經網絡存在的問題及解決辦法
        4.3.4 遺傳算法
    4.4 多項式前向神經網絡
        4.4.1 多項式前向神經網絡簡介
        4.4.2 多項式神經網絡迭代多步預測法
    4.5 應用實例
        4.5.1 預測模型的建立
        4.5.2 多項式神經網絡迭代多步預測結果
    4.6 本章小結
第5章 K5403 離心式壓縮機狀態(tài)監(jiān)測與趨勢預測系統(tǒng)的實現(xiàn)
    5.1 監(jiān)測點選擇
    5.2 系統(tǒng)建立
        5.2.1 硬件選擇
        5.2.2 軟件實現(xiàn)
    5.3 系統(tǒng)功能
        5.3.1 數(shù)據(jù)采集
        5.3.2 狀態(tài)監(jiān)測
        5.3.3 狀態(tài)分析及診斷
    5.4 本章小結
總結與展望
參考文獻
附錄A 攻讀學位期間所發(fā)表的學術論文目錄
致謝


【參考文獻】：
期刊論文
[1]基于DataSocket的網絡化虛擬儀器[J]. 季興濤,朱榮新.  儀器儀表標準化與計量. 2007(03)
[2]基于DataSocket的工程機械液壓系統(tǒng)遠程故障監(jiān)測與診斷系統(tǒng)研究[J]. 嚴駿,趙立強,凌海鳳.  機床與液壓. 2006(09)
[3]石化行業(yè)大型離心式壓縮機組安全運行研究[J]. 陳宗華,秦云龍,梁曉剛,張亞丁,賈鵬林,許適群,周培榮.  化工裝備技術. 2005(02)
[4]制造信息系統(tǒng)的多智能分析與建模研究[J]. 劉堅,于德介,袁少輝,李德剛.  計算機集成制造系統(tǒng). 2004(11)
[5]基于多項式網絡的空襲目標類型識別模型[J]. 趙豐,郭乃林,陳紹順.  系統(tǒng)工程與電子技術. 2002(10)
[6]旋轉機械故障的診斷及預測[J]. 馮兵元,郝百順.  河南冶金. 2000(05)
[7]基于組件對象模型的電力設備監(jiān)測系統(tǒng)軟件研究[J]. 姜磊,李福祺,朱德恒,談克雄.  儀器儀表學報. 2000(03)
[8]基于Internet的FMS遠程監(jiān)測與故障診斷技術研究[J]. 袁洪芳,王信義,張之敬,袁大勇.  制造業(yè)自動化. 2000(05)
[9]旋轉機械趨勢預測方法的研究[J]. 徐小力,殷健.  北京機械工業(yè)學院學報. 1999(01)
[10]機械設備振動監(jiān)測與故障診斷的發(fā)展與展望[J]. 陸建湖,黃文,毛漢領.  儀器儀表與分析監(jiān)測. 1999(01)

碩士論文
[1]基于BP神經網絡的混沌時間序列預測模型研究[D]. 陳敏.中南大學 2007



本文編號：3190379