往復泵是工程中廣泛應用的一種機械設備。由于其結構復雜,激勵源多,對其實施故障診斷比較困難,盡管取得了一些研究成果,但還有許多問題需要解決。目前,往復泵泵閥故障診斷需要解決的兩個關鍵的問題是如何有效提取往復泵工作時非平穩(wěn)時變信號中的故障特征和準確判斷故障類型。本文在吸取前人研究成果的基礎上,結合實際,并根據往復泵泵閥振動信號的非平穩(wěn)特性,提取了其故障特征,引入了智能診斷方法,較好地解決了往復泵泵閥的故障診斷。 本文以常見的振動信號作為系統(tǒng)特征信號來提取故障特征向量。這種方法的優(yōu)點是信號測取方便、處理簡單。然后,對測取的各種泵閥狀態(tài)的振動信號利用時域分析、小波包分析技術提取故障特征,各故障之間的特征區(qū)分明顯,充分驗證了此方法的有效性。為了提高診斷的準確率,將時域分析與小波包分析的結果融合在一起,構造故障特征向量。同時,本文還構造了三層的前向神經網絡,以提取的故障特征向量作為網絡的訓練樣本數據,對神經網絡進行訓練,并采用試驗的方法調整神經網絡的初始值。在確定了神經網絡的結構和參數后,經檢驗數據驗證訓練后的神經網絡所得的網絡結構和參數是合理的。通過使用該神經網絡進行診斷,結果表明該方法能提高往復泵泵閥故障的診斷率。
【學位單位】：大慶石油學院
【學位級別】：碩士
【學位年份】：2007
【中圖分類】：TH38
【部分圖文】：

-1.6190e-01 3.4073e-01 9.4759e-02-1.2711e-01 3.8499e-01 1.0086e-01-1.4725e-01 3.1144e-01 9.8421e-021.5610e-01 2.9465e-01 8.7739e-02-4.7593e-01 5.3239e-01 6.9429e-021.1093e-01 2.1988e-01 1.0636e-01. . .. . .. . .-1.2009e-01 2.5650e-01 8.3162e-02-1.2039e-01 2.5895e-01 9.3233e-02-1.1734e-01 2.6383e-01 1.0269e-01-1.1429e-01 2.6383e-01 1.0513e-01-1.0880e-01 2.6078e-01 9.9336e-02閥正常狀態(tài)的振動時域波形如下圖所示：

正常狀態(tài)下3號排出閥時域波形圖

正常狀態(tài)下1號吸入閥時域波形圖
【參考文獻】

相關期刊論文 前10條

1 何成兵,顧煜炯,楊昆;一種改進型BP網絡在汽輪發(fā)電機組故障診斷中的應用[J];電站系統(tǒng)工程;2002年06期

2 時文剛,劉樹林,張嘉鐘,黃文虎;基于支持向量機的往復泵泵閥故障診斷方法[J];機械強度;2002年03期

3 楊國安,鐘秉林,黃仁,賈民平,許飛云;小波分析在鉆井泵閥故障診斷中的應用[J];流體機械;2000年12期

4 張利平,王偉峰,唐德善;改進的BP網絡在凝汽器故障診斷中應用[J];熱力發(fā)電;2004年03期

5 楊其俊,裴峻峰,田佳禾,徐彥明,李繼志,李福海;用神經網絡對泵閥故障進行識別[J];石油礦場機械;1997年02期

6 楊其俊,徐長航,孫輝,李繼志;三缸泵泵閥故障的幅值域多參數診斷法[J];石油機械;1999年01期

7 王琳;機械設備故障診斷與監(jiān)測的常用方法及其發(fā)展趨勢[J];武漢工業(yè)大學學報;2000年03期

8 谷傳綱,閻日方,王彤;采用改進的BP神經網絡預測離心通風機性能的研究[J];西安交通大學學報;1999年03期

9 王耀才;智能故障診斷技術的現狀與展望[J];徐州建筑職業(yè)技術學院學報;2003年01期

10 夏松波,張嘉鐘,徐世昌,張禮勇;旋轉機械故障診斷技術的現狀與展望[J];振動與沖擊;1997年02期

本文編號：2855055