本文關鍵詞：基于確定學習的轉子系統(tǒng)故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：旋轉機械是工業(yè)部門中應用最為廣泛的一類機械設備，轉子系統(tǒng)作為旋轉機械的核心部件，也是最容易發(fā)生故障的，因而研究轉子系統(tǒng)的狀態(tài)監(jiān)測和故障診斷方法具有重要的理論意義和實際工程應用價值。目前，轉子系統(tǒng)振動故障診斷方法主要是以信號分析和人工智能方法為基礎，依賴現(xiàn)場經(jīng)驗和專家分析，主要實現(xiàn)有無故障和故障類型的定性診斷。神經(jīng)網(wǎng)絡應用于轉子系統(tǒng)故障診斷雖有一些成功的案例，但在實際應用中仍存在其局限性。 確定性學習理論為動態(tài)環(huán)境下的知識學習、存儲及再利用提出了一個系統(tǒng)的理論框架，采用該理論可實現(xiàn)神經(jīng)網(wǎng)絡對非線性系統(tǒng)未知動態(tài)的局部準確辨識。本文主要的研究內容如下： 1、提出了基于確定學習的轉子系統(tǒng)故障診斷方法。該方法分為兩個階段：學習階段和診斷階段。在學習階段，采用RBF神經(jīng)網(wǎng)絡對轉子系統(tǒng)的各種運行模式進行學習，學到的知識全面而準確地表達各種模式下的轉子系統(tǒng)行為，以常數(shù)神經(jīng)網(wǎng)絡權值的形式方便地存儲于模式庫中，在診斷階段，運用動態(tài)模式識別的方法中將學到的知識充分而有效地利用，，從而實現(xiàn)轉子系統(tǒng)的快速故障診斷。 2、對裂紋轉子系統(tǒng)未知動態(tài)進行確定學習，利用學到的知識實現(xiàn)對微小裂紋的檢測及不同裂紋的定量識別；以具有剛性支承的水平Jeffcott轉子系統(tǒng)為例進行仿真研究，仿真結果表明，所提方法有利于微小裂紋的早期檢測以及實時了解裂紋的動態(tài)發(fā)展。 3、考慮存在擾動情況下含不對中故障的轉子系統(tǒng)，利用確定學習機制對正常模式及各種不對中故障模式進行學習，將學到的知識應用于不對中量的快速識別中；通過仿真研究以驗證所提方法對于存在擾動的轉子系統(tǒng)不對中故障診斷仍有效。 4、以基礎松動-碰摩耦合故障診斷為例研究基于確定學習的碰摩耦合故障診斷方法，建立包含轉子系統(tǒng)的正常狀態(tài)、碰摩故障和基礎松動-碰摩耦合故障的轉子系統(tǒng)模式庫，通過調用模式庫中的知識實現(xiàn)基礎松動-碰摩耦合故障的診斷。仿真研究表明，所提方法可實現(xiàn)碰摩耦合故障的快速檢測與分離。 本文的研究表明，基于確定學習的轉子系統(tǒng)故障診斷方法適用于復雜未知的的轉子系統(tǒng)單一故障或耦合故障的診斷，可及時檢測出故障以及在線監(jiān)測故障的發(fā)展動態(tài)。
【關鍵詞】：轉子系統(tǒng) 故障診斷 確定學習理論 徑向基函數(shù)神經(jīng)網(wǎng)絡
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-8
• 目錄8-11
• 第一章 緒論11-23
• 1.1 轉子系統(tǒng)故障診斷的研究背景及意義11-12
• 1.2 轉子系統(tǒng)故障診斷概述12-15
• 1.2.1 轉子系統(tǒng)故障診斷的過程12-13
• 1.2.2 轉子系統(tǒng)故障診斷方法的分類13-15
• 1.2.3 轉子系統(tǒng)故障診斷方法的性能評價15
• 1.3 轉子系統(tǒng)故障診斷的國內外研究現(xiàn)狀15-21
• 1.3.1 故障機理的研究15-16
• 1.3.2 信號分析技術在轉子系統(tǒng)故障診斷中的應用16-18
• 1.3.3 神經(jīng)網(wǎng)絡在轉子系統(tǒng)故障診斷中的應用18-20
• 1.3.4 轉子系統(tǒng)故障的定量診斷20-21
• 1.4 本文研究內容21-23
• 第二章 確定學習與轉子系統(tǒng)故障診斷23-33
• 2.1 確定學習理論概述23
• 2.2 確定學習機制23-26
• 2.2.1 RBF 神經(jīng)網(wǎng)絡與 PE 條件23-24
• 2.2.2 一類 LTV 系統(tǒng)穩(wěn)定性分析24-25
• 2.2.3 RBF 神經(jīng)網(wǎng)絡的局部準確辨識25-26
• 2.3 動態(tài)模式識別26-29
• 2.3.1 動態(tài)模式的表達26-27
• 2.3.2 動態(tài)模式的相似度27-28
• 2.3.3 快速識別的實現(xiàn)28-29
• 2.4 基于確定學習的轉子系統(tǒng)故障診斷方法29-32
• 2.4.2 轉子系統(tǒng)模式的學習29-30
• 2.4.3 轉子系統(tǒng)模式的識別30-31
• 2.4.4 基于確定學習的轉子系統(tǒng)故障診斷策略31-32
• 2.5 本章小結32-33
• 第三章 基于確定學習的轉子系統(tǒng)裂紋故障診斷33-47
• 3.1 轉子系統(tǒng)裂紋故障的研究現(xiàn)狀33
• 3.2 裂紋轉子的系統(tǒng)模型33-34
• 3.3 裂紋故障的學習34-36
• 3.4 裂紋故障的診斷36-39
• 3.5 仿真驗證39-46
• 3.5.1 學習階段40-44
• 3.5.2 診斷階段44-46
• 3.6 本章小結46-47
• 第四章 基于確定學習的轉子不對中故障診斷47-62
• 4.1 轉子不對中故障的國內外研究現(xiàn)狀47-48
• 4.2. 不對中故障轉子系統(tǒng)模型48-49
• 4.3 不對中故障的學習49-51
• 4.4 不對中故障的診斷51-52
• 4.5 仿真驗證52-61
• 4.5.1 學習階段55-59
• 4.5.2 診斷階段59-61
• 4.6 本章小結61-62
• 第五章 基于確定學習的轉子碰摩耦合故障診斷62-71
• 5.1 碰摩耦合故障研究現(xiàn)狀62
• 5.2 碰摩耦合故障轉子系統(tǒng)模型62-64
• 5.3 碰摩耦合故障的學習64-65
• 5.4 碰摩耦合故障的診斷65-66
• 5.5 仿真研究66-70
• 5.5.1 學習階段66-69
• 5.5.2 診斷階段69-70
• 5.6 本章小結70-71
• 第六章 結論與展望71-73
• 參考文獻73-80
• 攻讀碩士學位期間取得的研究成果80-81
• 致謝81-82
• 附件82

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王善永,陸頌元,童小忠;汽輪發(fā)電機組動靜碰摩的奇異譜理論與小波分析診斷方法研究[J];動力工程;1999年06期

2 陳丁躍,徐暉,敬曉明,閻安志;非線性“轉子-軸承-基礎”系統(tǒng)碰摩動力分析[J];動力工程;2001年05期

3 張新江,姚冰;轉子軸系不對中響應計算方法研究[J];電站系統(tǒng)工程;1999年03期

4 楊積東,徐培民,聞邦椿;裂紋轉子分岔、混沌行為研究[J];固體力學學報;2002年01期

5 朱新才;鄧星;周雄;胡騰飛;郭蕾;;二叉樹支持向量機的旋轉機械故障診斷[J];重慶大學學報;2013年07期

6 樊福梅;梁平;吳庚申;;基于分形盒維數(shù)的汽輪機轉子振動故障診斷的實驗研究[J];核動力工程;2006年01期

7 高洪濤,李明;不對中對膜片聯(lián)軸器耦合轉子軸承系統(tǒng)固有特性的影響[J];化工機械;2005年01期

8 葛強;徐倆倆;仇寶云;談磊;唐建軍;;基于RBF人工神經(jīng)網(wǎng)絡的電動機振動故障診斷[J];河海大學學報(自然科學版);2008年06期

9 竇唯;劉占生;王政先;何鵬;;旋轉機械狀態(tài)參數(shù)圖形識別的免疫-模糊形態(tài)學方法[J];航空動力學報;2008年06期

10 唐錫寬,康衛(wèi)澤;用非線性分析法研究轉子振動故障特征[J];航空動力學報;1994年02期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 陳填銳;確定學習理論與智能振動故障診斷[D];華南理工大學;2010年

  本文關鍵詞：基于確定學習的轉子系統(tǒng)故障診斷，由筆耕文化傳播整理發(fā)布。

本文編號：365983