設(shè)備故障診斷是一門各學(xué)科交叉的新技術(shù),近年來(lái),得到了迅速發(fā)展并產(chǎn)生了巨大的經(jīng)濟(jì)效益。離心泵的故障易使設(shè)備產(chǎn)生振動(dòng),振動(dòng)信號(hào)中包含了豐富的泵體運(yùn)行狀態(tài)信息,且易于拾取便于診斷。由于離心泵故障振動(dòng)信號(hào)是非平穩(wěn)信號(hào),因此有必要選擇恰當(dāng)?shù)倪m合于非平穩(wěn)信號(hào)分析的信號(hào)處理方法。常用的時(shí)頻分析方法如窗口傅立葉變換、小波變換等都有各自的局限性。 隱Markov模型(Hidden Markov Model,HMM)克服了傳統(tǒng)診斷方法只停留在靜態(tài)觀測(cè)的缺陷,非常適合于描述短時(shí)平穩(wěn)的非平穩(wěn)信號(hào),經(jīng)驗(yàn)證其故障信號(hào)分類結(jié)果優(yōu)于其它信號(hào)處理方法。二維隱Markov模型(2D-HMM)作為HMM的一般化模型,它由外部HMM和基于外部HMM各狀態(tài)的內(nèi)部HMM兩部分組成。因而它具有HMM的優(yōu)點(diǎn),且從時(shí)域和頻域兩個(gè)角度全面地描述信號(hào),非常適合于處理離心泵運(yùn)行過(guò)程中出現(xiàn)的非平穩(wěn)性強(qiáng)、重復(fù)再現(xiàn)性不佳的信號(hào)。 本論文研究以基于2D-HMM的離心泵故障診斷方法為目的,結(jié)合吉林省教育廳科學(xué)技術(shù)研究項(xiàng)目(No.2007047),采用理論研究與實(shí)驗(yàn)測(cè)試相結(jié)合的方法,提出基于2D-HMM的振動(dòng)信號(hào)分析與故障識(shí)別,并通過(guò)2BA-6A離心泵試驗(yàn)系統(tǒng)驗(yàn)證了該方法的有效性。 首先,簡(jiǎn)要介紹了本論文研究背景,選題意義及2BA-6A離心泵試驗(yàn)系統(tǒng)中各設(shè)備的參數(shù)、性能及具體的實(shí)驗(yàn)設(shè)置、實(shí)驗(yàn)方法。 其次,從標(biāo)準(zhǔn)的HMM基本理論和算法入手,描述了2D-HMM的主要類型、參數(shù)和拓?fù)浣Y(jié)構(gòu),并討論了它的主要算法和實(shí)際應(yīng)用中遇到的問(wèn)題及解決策略,同時(shí)對(duì)HMM和2D-HMM從模型結(jié)構(gòu)、參數(shù)描述和算法復(fù)雜度三個(gè)方面進(jìn)行對(duì)比。 接著,提出基于2D-HMM故障診斷方法,歸納其可行性及特點(diǎn),并介紹利用其進(jìn)行診斷的基本步驟和實(shí)現(xiàn)方法。在總結(jié)離心泵常見(jiàn)故障及其振動(dòng)特征的基礎(chǔ)上,給出2D-HMM在離心泵故障診斷中的模型選取等參數(shù)設(shè)置。 最后,在介紹本論文所采用的幾種信號(hào)特征提取方法的基礎(chǔ)上,結(jié)合2BA-6A離心泵試驗(yàn)系統(tǒng),對(duì)離心泵振動(dòng)信號(hào)進(jìn)行分析與分類,驗(yàn)證了基于2D-HMM的離心泵故障診斷方法的有效性。
【學(xué)位單位】：東北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2009
【中圖分類】：TH311
【部分圖文】：

第 2 章 實(shí)驗(yàn)裝置及實(shí)驗(yàn)方法泵實(shí)驗(yàn)臺(tái)動(dòng)信號(hào)采集系統(tǒng)的離心泵振動(dòng)位移和加速度信號(hào)的采集實(shí)驗(yàn)是在 2BA-6統(tǒng)實(shí)驗(yàn)臺(tái)上完成的。實(shí)驗(yàn)設(shè)備構(gòu)成如圖 2-1 所示，實(shí)驗(yàn)系示：

一種 2D-HMM 與上述嵌入式 HMM 很相似，也是對(duì)完全連 進(jìn)行一些約束獲得。其拓?fù)浣Y(jié)構(gòu)如圖 3-4 所示。它是由 Werner 等獻(xiàn)稱之為 HMM2 模型，實(shí)質(zhì)上它也是一種偽二維隱 Markov 模型-HMM 和 E-HMM 兩部分構(gòu)成，對(duì)狀態(tài)轉(zhuǎn)移之間的約束與嵌入式 I-HMM 的狀態(tài)與 E-HMM 的狀態(tài)之間不能互相轉(zhuǎn)移，但是 I-HM內(nèi)部自身狀態(tài)之間可以相互躍遷。他們用這一模型來(lái)表達(dá)語(yǔ)音信號(hào)并在語(yǔ)音識(shí)別、語(yǔ)音信號(hào)特征提取等方面取得了較好的成果。該 HMM 相比，不僅可以對(duì)信號(hào)進(jìn)行時(shí)域規(guī)整，還可以對(duì)信號(hào)進(jìn)行到基于振動(dòng)信號(hào)分析的故障診斷中，存在著與語(yǔ)音信號(hào)相似的非文將這一模型(Werner 等人提出的模型)引入到故障診斷領(lǐng)域中，探轉(zhuǎn)機(jī)械振動(dòng)信號(hào)預(yù)處理、特征提取及模式分類中的應(yīng)用。后文中，省去偽二維隱 Markov 模型中的“偽”字，稱之為二維隱 MarkovD-HMM(無(wú)特別說(shuō)明，后文提到的二維隱 Markov 模型，就指該模

正常轉(zhuǎn)子沖臨界振動(dòng)波形

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 趙鵬;離心泵振動(dòng)故障診斷方法研究及系統(tǒng)實(shí)現(xiàn)[D];華北電力大學(xué)（北京）;2011年

本文編號(hào)：2817840