本文關鍵詞：離心式壓縮機狀態(tài)監(jiān)測及故障診斷與系統(tǒng)應用

  更多相關文章： 離心式壓縮機 在線監(jiān)測 故障診斷 小波變換 BP神經(jīng)網(wǎng)絡

【摘要】：離心式空氣壓縮機作為石化、電力等行業(yè)內(nèi)主要設備之一,它對整個生產(chǎn)系統(tǒng)的經(jīng)濟、安全運行有著重要影響。很多企業(yè)都試圖通過在線監(jiān)測壓縮機的運行狀態(tài),進而有效的預測壓縮機的運行趨勢,提前找到相應的對策。本文首先分析了離心式壓縮機的工作原理及常見故障,提出比較完善的在線監(jiān)測目標;對于實測信號,比較了傅里葉變換、小波變換、小波包變換等多種消噪方法的基礎上,確定了最適用于非平穩(wěn)信號去噪的小波包變換去噪方法,提高信噪比。在此基礎上,闡述了智能識別壓縮機運行狀態(tài)的方法,主要介紹了采用頻譜分析法來進行故障診斷的方法:基于BP神經(jīng)網(wǎng)絡理論,在提取故障信號特征集作為訓練樣本的基礎上,構建了三層BP神經(jīng)網(wǎng)絡,完成了壓縮機故障診斷系統(tǒng),且通過實例證明了該系統(tǒng)的有效性和準確性。最后系統(tǒng)的介紹了離心式壓縮機在線監(jiān)測及故障診斷系統(tǒng)的總體結構、軟件功能和硬件布置、選型原則等情況,并通過該系統(tǒng)在實際中的應用情況的介紹,表明該系統(tǒng)達到了預期的設計目標,提高了生產(chǎn)可靠性。
【關鍵詞】：離心式壓縮機 在線監(jiān)測 故障診斷 小波變換 BP神經(jīng)網(wǎng)絡
【學位授予單位】：湖北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH452
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-13
• 1.1 研究背景9
• 1.2 選題的目的和意義9-10
• 1.3 壓縮機狀態(tài)檢測技術國內(nèi)外研究概述10-12
• 1.4 論文的主要內(nèi)容12-13
• 第2章 離心式壓縮機常見故障診斷及監(jiān)測方法13-26
• 2.1 離心式壓縮機工作原理、結構及優(yōu)點13-16
• 2.1.1 離心式壓縮機工作原理13
• 2.1.2 離心式壓縮機的結構13-16
• 2.1.3 離心式壓縮機的優(yōu)點16
• 2.2 離心式空氣壓縮機常見故障16-23
• 2.2.1 離心式空氣壓縮機異常振動17-18
• 2.2.2 離心式壓縮機軸向推力過大及軸位移增加18
• 2.2.3 離心式壓縮機軸承故障18-19
• 2.2.4 離心式壓縮機喘振19-20
• 2.2.5 離心式壓縮機泄漏20-21
• 2.2.6 離心式壓縮機驅動機超負荷故障21-22
• 2.2.7 壓縮機潤滑系統(tǒng)故障22-23
• 2.2.8 壓縮機聯(lián)軸節(jié)故障23
• 2.3 系統(tǒng)監(jiān)測內(nèi)容23-25
• 2.4 小結25-26
• 第3章 基于小波變換的在線監(jiān)測及診斷系統(tǒng)設計26-48
• 3.1 在線監(jiān)測信號的預處理26-27
• 3.1.1 信號預處理的主要內(nèi)容26
• 3.1.2 信號的軟件預處理26-27
• 3.2 基于小波變換的消噪處理方法27-32
• 3.2.1 常見濾波方法27-28
• 3.2.2 小波消噪28-30
• 3.2.3 小波包去噪30-32
• 3.3 仿真信號試驗32-37
• 3.4 壓縮機狀態(tài)檢測及故障診斷系統(tǒng)總體結構37-38
• 3.5 狀態(tài)檢測及故障診斷軟硬件構成38-47
• 3.5.1 軟件設計38-44
• 3.5.2 硬件簡介44-47
• 3.6 小結47-48
• 第4章 離心式壓縮機故障診斷研究48-63
• 4.1 大型機械系統(tǒng)故障的特征及其識別48-52
• 4.1.1 機械系統(tǒng)故障的特征48-49
• 4.1.2 系統(tǒng)故障識別49-52
• 4.2 離心式壓縮機典型故障特征集52-53
• 4.3 基于小波變換的故障信號特征提取53-54
• 4.4 基于BP神經(jīng)網(wǎng)絡的故障診斷模型54-61
• 4.4.1 常見故障診斷模型54-56
• 4.4.2 人工神經(jīng)網(wǎng)絡基本理論56-58
• 4.4.3 BP神經(jīng)網(wǎng)絡故障診斷的設計思路58-60
• 4.4.4 BP神經(jīng)網(wǎng)絡仿真準確度驗證60-61
• 4.5 基于振動信號的故障診斷分析61-62
• 4.6 小結62-63
• 第5章 系統(tǒng)在實際中的應用63-74
• 5.1 系統(tǒng)現(xiàn)場應用63-69
• 5.1.1 采集器、傳感器的在線監(jiān)視64-65
• 5.1.2 在線監(jiān)測工作狀態(tài)65
• 5.1.3 歷史狀態(tài)回顧65-66
• 5.1.4 信號分析66-68
• 5.1.5 故障診斷68-69
• 5.2 實例：2011年12月 25日K6601跳車分析報告69-73
• 5.3 小結73-74
• 第6章 結論與展望74-76
• 6.1 結論74
• 6.2 展望74-76
• 參考文獻76-78

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高立新;湯文亮;胥永剛;殷海晨;;基于冗余第二代小波的降噪技術[J];北京工業(yè)大學學報;2008年12期

2 宋崇智;吳玉國;王璐;謝能剛;;基于改進Elman網(wǎng)絡的發(fā)動機點火系統(tǒng)故障診斷[J];農(nóng)業(yè)機械學報;2008年03期

3 張建民,徐小力,許寶杰,王紅軍;面向機電系統(tǒng)狀態(tài)監(jiān)測與故障診斷的現(xiàn)代技術[J];北京理工大學學報;2004年09期

4 吳成茂,范九倫;確定RBF神經(jīng)網(wǎng)絡隱層節(jié)點數(shù)的最大矩陣元法[J];計算機工程與應用;2004年20期

5 張維強,宋國鄉(xiāng);基于一種新的閾值函數(shù)的小波域信號去噪[J];西安電子科技大學學報;2004年02期

6 施俊俠,王大成,黃斌;離心式壓縮機的振動故障分析[J];風機技術;2003年06期

7 王儼剴,廖明夫,趙鐵;基于小波分析的制冷壓縮機氣閥故障診斷方法的研究[J];中國機械工程;2003年12期

8 陳華新,武秀文,黃樟燦;基于神經(jīng)網(wǎng)絡的多傳感器信息融合[J];武漢理工大學學報(信息與管理工程版);2001年02期

9 范凱,陶然,周思永;基于神經(jīng)網(wǎng)絡數(shù)據(jù)融合的目標跟蹤簡化算法[J];系統(tǒng)工程與電子技術;2001年03期

10 劉衛(wèi)華,郁永章;往復壓縮機故障診斷方法的研究[J];壓縮機技術;2001年01期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 孫燕平;基于小波分析的汽輪機早期振動故障識別技術研究[D];華北電力大學（北京）;2007年

，

本文編號：527395