本文關鍵詞：基于振動測試的旋轉設備狀態(tài)分析與故障診斷　出處：《內蒙古科技大學》2012年碩士論文　論文類型：學位論文

  更多相關文章： 風機轉子 故障診斷 狀態(tài)分析 神經網絡 小波包分析

【摘要】：機械設備中有許多是旋轉機械，它覆蓋了機械制造、冶金化工等重要工業(yè)領域。旋轉機械的運轉速度一般都較高，并且是機械系統(tǒng)中的核心設備，如大型鼓風機、發(fā)電機、汽輪機等，其工況狀態(tài)不僅影響該機器設備本身的安全穩(wěn)定運行，而且還對后續(xù)的生產造成直接影響。有些故障在發(fā)生的初期，振動量小，往往會淹沒在其他的振動信號中，如不能及時發(fā)現(xiàn)問題并及早的采取措施解決問題將會導致嚴重的后果。因此，，這些大型旋轉機械是狀態(tài)檢測與故障診斷的主要研究對象，對其進行設備狀態(tài)監(jiān)測顯得尤為重要。 旋轉機械是依靠轉子旋轉運動進行工作的機器，在結構上必須具備最基本的轉子、軸承等零部件。而轉子又是旋轉機械設備中最重要的部件之一，因此對轉子進行狀態(tài)監(jiān)測與故障診斷具有非常重要的意義。本文就是以振動測試為基礎，對包鋼煉鐵廠三燒車間的SJ14500主軸風機轉子運行狀態(tài)進行了識別分析與故障診斷。論文采用了多種信號處理方法，包括基于振動信號的時域分析技術、頻域分析技術、小波及其小波包時頻分析技術，神經網絡診斷方法。從時域分析中，以時域特征統(tǒng)計量為基礎，結合神經網絡，建立了時域BP網絡對風機轉子狀態(tài)進行識別的網絡模型；在頻域分析中，闡述了幾種頻譜分析方法，并以頻譜分析中的譜能量為基礎，結合神經網絡，建立了頻域BP網絡對風機轉子狀態(tài)進行識別的網絡模型；在時頻域分析中，以小波包分解重構后個頻帶的相對能量為基礎，結合神經網絡，建立了小波BP網絡對風機轉子狀態(tài)進行識別的網絡模型。通過神經網絡與三種傳統(tǒng)的信號處理方法的有效結合，在對大量實測數(shù)據分析和處理的基礎上，驗證了該網絡模型對風機轉子狀態(tài)識別的可行性。
[Abstract]:There are many rotary machines in the mechanical equipment , which covers the important industrial fields such as mechanical manufacturing , metallurgy and chemical industry . The operating speed of the rotating machinery is generally higher , and it is the core equipment in the mechanical system , such as a large blower , a generator , a steam turbine , etc . The working conditions state not only affects the safe and stable operation of the machine equipment itself , but also has a direct effect on the subsequent production . This paper introduces several kinds of signal processing methods , including time domain analysis , frequency domain analysis , wavelet and wavelet packet time frequency analysis and neural network .

【學位授予單位】：內蒙古科技大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TH165.3

【參考文獻】

相關期刊論文 前10條

1 陳敏,劉君;BP網絡的改進及其應用[J];湖南文理學院學報(自然科學版);2005年02期

2 吳劍;孫秀霞;;非平穩(wěn)信號的一種細化譜分析方法及其應用[J];彈箭與制導學報;2005年S5期

3 曾U喺

本文編號：1374089