本文關鍵詞：信息融合在大型旋轉機械故障診斷中的應用，由筆耕文化傳播整理發(fā)布。

【摘要】：現代工業(yè)大量使用旋轉機械，，在能源、電力、化工等領域大型旋轉機械更是其核心設備，一旦發(fā)生故障往往會造成巨大的經濟損失甚至危及生命安全釀成嚴重生產事故。因此如何預知故障并對故障發(fā)生部位定位成為工程技術人員關注的問題。 大型旋轉設備結構復雜，故障發(fā)生時很少出現單一形式而且往往關聯在一起，導致故障征兆與故障對應性不明顯，傳統的故障診斷方式信息來源單一、不能獲取足夠的信息從而導致診斷結果存在不確定性而且無法實現故障定位。信息融合技術被廣泛應用于目標識別領域，能夠協同利用多源信息進行決策，提供更加準確的診斷結果，信息融合技術應用于故障診斷領域使系統具有更高的智能性，較好的健壯性與容錯性。本文在分析了該領域國內外發(fā)展現狀及趨勢的基礎上從以下幾點展開了研究： （1）通過分析定子匝間短路故障、轉子斷條故障、電機偏心故障、電機轉子不對中故障、軸承故障等故障過程中電磁變化及振動異常情況得出大型旋轉機械相應故障的量化診斷依據。 （2）針對高速高精數據采集的需求，開發(fā)了基于PC104的數據采集系統，主要包括電源模塊開發(fā)、主機平臺選型、開關量I/O卡開發(fā)、模擬量采集卡開發(fā)，并編寫了適合該采集系統的采集程序。重點研究了PC104接口技術及VxWorks嵌入式操作系統下采集軟件工作流程。 （3）分析了系統融合理論的原理、層次結構、融合方法并將集成神經網絡技術與信息融合理論相結合，根據故障診斷過程的實際需求，建立了動態(tài)集成神經網絡信息融合故障診斷技術模型，研究了集成神經網絡故障診斷及D-S證據理論信息融合的實現方法。特別的還對神經網絡訓練樣本數目對其推廣能力的影響進行了研究，確保神經網絡故障診斷過程具有較高的精確性及學習能力。 （4）將研究理論與工業(yè)現場相結合，以宏力新型建材廠排煙風機為例構建了狀態(tài)監(jiān)測與故障診斷系統。概述了系統硬件與組態(tài)軟件的連接、組態(tài)軟件實時數據庫導入SQL2000的方法、基于歷史數據的故障診斷系統的實現等，并根據獲取的數據詳細分析了單一神經網絡及經融合后的集成神經網絡對故障的診斷結果，較好的解決了容錯性差、無法實現故障定位等問題。
【關鍵詞】：旋轉機械 信息融合 故障診斷
【學位授予單位】：曲阜師范大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TH165.3;TP202
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-11
• 1.1 課題研究背景及意義8
• 1.2 國內外研究現狀及發(fā)展趨勢8-9
• 1.3 本文主要研究內容9-11
• 第二章 大型旋轉設備主要故障機理分析11-18
• 2.1 定子匝間短路故障11-12
• 2.2 轉子斷條故障12-13
• 2.2.1 基本故障分量產生原理12
• 2.2.2 其他故障分量產生原理12-13
• 2.3 電動機偏心故障13-14
• 2.4 電動機轉子不對中故障14-16
• 2.4.1 平行不對中14-15
• 2.4.2 偏角不對中15-16
• 2.5 軸承故障16-18
• 第三章 基于 PC104 的數據采集系統設計18-27
• 3.1 PC104 平臺選擇18-19
• 3.1.1 PC104總線標準18
• 3.1.2 PCM3362簡介18-19
• 3.2 電源電路設計19
• 3.3 開關量 I/O 電路設計19-20
• 3.3.1 開關量輸入電路設計19-20
• 3.3.2 開關量輸出電路設計20
• 3.4 模擬量采集卡研發(fā)20-27
• 3.4.1 采集卡地址分配21
• 3.4.2 信號調理電路設計21-23
• 3.4.3 AD轉換電路設計23-24
• 3.4.4 FPGA電路設計24
• 3.4.5 板級電源及電平變換電路24-25
• 3.4.6 FPGA程序設計25-27
• 第四章 基于 PC104 的數據采集系統底層軟件設計27-33
• 4.1 軟件整體設計27
• 4.2 VXWORKS 操作系統搭建27-33
• 4.2.1 VxWorks操作系統簡介27
• 4.2.2 VxWorks操作系統組成27-28
• 4.2.3 VxWorks操作系統構建28-31
• 4.2.4 標準 I/O 驅動程序31
• 4.2.5 數據采集程序31-33
• 第五章 多源信息融合技術應用于故障診斷33-41
• 5.1 信息融合故障診斷理論基礎33-35
• 5.1.1 信息融合的基本原理33
• 5.1.2 信息融合的層次結構33-34
• 5.1.3 信息融合的主要方法34-35
• 5.1.4 信息融合與神經網絡結合35
• 5.2 集成神經網絡信息融合故障診斷35-41
• 5.2.1 集成神經網絡信息融合模型35-36
• 5.2.2 子神經網絡實現過程36-38
• 5.2.3 D-S決策融合算法實現38-41
• 第六章 狀態(tài)監(jiān)測及故障診斷軟件系統實現及實例分析41-49
• 6.1 排煙風機簡介與測點分布41-42
• 6.2 基于組態(tài)王的狀態(tài)監(jiān)控軟件設計42-43
• 6.2.1 組態(tài)王驅動程序編寫42
• 6.2.2 主監(jiān)控界面的設計42-43
• 6.3 數據庫子系統設計43-44
• 6.3.1 組態(tài)王與數據庫的連接43-44
• 6.3.2 數據庫建模44
• 6.4 信號分析及故障診斷子系統44-46
• 6.4.1 信號分析子系統44-45
• 6.4.2 故障診斷子系統45-46
• 6.5 故障診斷實例46-49
• 6.5.1 故障樣本集構造46-47
• 6.5.2 實例分析47-49
• 第七章 總結與展望49-51
• 7.1 工作總結49
• 7.2 后續(xù)工作展望49-51
• 參考文獻51-53
• 致謝53

【參考文獻】

中國期刊全文數據庫 前10條

1 高峰,董海鷹,胡彥奎;基于BP神經網絡的傳感器交叉敏感性抑制[J];傳感器技術;2005年02期

2 孫立軍,呂志香,劉海麗,張春喜;基于DSO-2100的異步電機轉子偏心故障檢測與診斷[J];電機與控制學報;2005年06期

3 馬宏忠;姚華陽;黎華敏;;基于Hilbert模量頻譜分析的異步電機轉子斷條故障研究[J];電機與控制學報;2009年03期

4 趙榮珍;黃義仿;張力;張優(yōu)云;;旋轉機械智能故障診斷技術的發(fā)展趨勢[J];蘭州理工大學學報;2008年05期

5 龔福民;電流環(huán)接收器RCV420及其應用[J];國外電子元器件;2000年02期

6 胡鋼;劉哲;徐小平;高瑞;;像素級圖像融合技術的研究與進展[J];計算機應用研究;2008年03期

7 郭存杰,張來斌,王朝暉,劉紹東;交流異步電動機故障綜合診斷方法的研究[J];石油機械;2005年10期

8 張元敏;胡萬強;;一種基于TOP227Y的脈沖開關電源設計[J];現代電子技術;2008年14期

9 林勇;;工業(yè)控制用4～20mA電流變送器[J];電子元器件應用;2006年07期

10 寧玉泉;鼠籠感應電機轉子斷條和端環(huán)開裂的故障診斷和參數計算[J];中國電機工程學報;2002年10期

中國博士學位論文全文數據庫 前2條

1 陳非;基于過程信息融合的旋轉機械信息（火用）故障診斷研究[D];華中科技大學;2010年

2 李建蘭;火力發(fā)電設備優(yōu)化維修關鍵技術研究[D];華中科技大學;2008年

中國碩士學位論文全文數據庫 前3條

1 陳非;基于融合信息熵距的旋轉機械振動故障定量診斷研究[D];華中科技大學;2005年

2 王勝;基于VxWorks的CF卡系統設計[D];武漢理工大學;2009年

3 喬文釗;目標跟蹤系統中多傳感器數據融合算法研究[D];電子科技大學;2009年

  本文關鍵詞：信息融合在大型旋轉機械故障診斷中的應用，由筆耕文化傳播整理發(fā)布。

本文編號：284324