本文關(guān)鍵詞：基于HMM的故障診斷方法在風(fēng)機(jī)中的應(yīng)用

  更多相關(guān)文章： 風(fēng)機(jī) 振動測試 EMD-ICA 矢譜 隱馬爾科夫模型

【摘要】：燒結(jié)風(fēng)機(jī)作為一款冶金行業(yè)煉鐵原料車間所使用的關(guān)鍵設(shè)備，其重要作用涉及煉鐵生產(chǎn)過程的順行和設(shè)備安全。國內(nèi)長期以來對利用振動的檢測手段、故障診斷技術(shù)和診斷設(shè)備的研究甚少，而定期巡回檢測、事后事故分析及動平衡調(diào)整的方法居多。利用振動測試信號，加入現(xiàn)代信號處理理論，挖掘出燒結(jié)風(fēng)機(jī)的深層次故障更是有必要的。因此，本文開展了如下研究工作： (1)針對現(xiàn)場風(fēng)機(jī)，選用振動測試方法。首先按照制定的測試方案，我們選用便攜測試ZonicBook/618E八通道振動測試系統(tǒng)，通過加速度傳感器采集風(fēng)機(jī)振動信號。最后，使用與數(shù)據(jù)采集系統(tǒng)相配套的IOtech公司的eZ-Analyst軟件對數(shù)據(jù)進(jìn)行顯示和保存。 (2)采用了基于EMD-ICA方法對某煉鐵廠三燒車間的SJ14500主軸風(fēng)機(jī)轉(zhuǎn)子的單一通道傳感器信息進(jìn)行了分析與特征提取，該方法有效的提取了單一通道傳感器中的多個(gè)振源信息。因此，將已知的特征信息用于HMM模型的訓(xùn)練，將未知的待診斷特征信息帶入HMM模型，有效的實(shí)現(xiàn)了單一通道傳感器風(fēng)機(jī)的故障診斷。 (3)采用了基于矢譜理論對某煉鐵廠三燒車間的SJ14500主軸風(fēng)機(jī)轉(zhuǎn)子的雙通道傳感器信息以及運(yùn)行狀態(tài)進(jìn)行了分析與特征提取，有效的融合了兩個(gè)通道的特征，更加全面的反應(yīng)了設(shè)備的運(yùn)行狀態(tài)。因此，將已知的特征信息用于HMM模型的訓(xùn)練，將未知的待診斷特征信息帶入HMM模型，實(shí)現(xiàn)風(fēng)機(jī)轉(zhuǎn)子的故障識別。 因此，本文針對某鋼鐵廠燒結(jié)車間所使用的燒結(jié)鼓風(fēng)機(jī)，再配合現(xiàn)場恰當(dāng)?shù)恼駝訙y試，，獲取風(fēng)機(jī)振動的穩(wěn)態(tài)數(shù)據(jù)和瞬態(tài)數(shù)據(jù)，通過一定的現(xiàn)代的信號分析和數(shù)據(jù)處理方法實(shí)現(xiàn)了風(fēng)機(jī)的故障診斷。因此，為風(fēng)機(jī)的單一通道傳感器和雙通道傳感器的故障診斷提供了新方法。
【關(guān)鍵詞】：風(fēng)機(jī) 振動測試 EMD-ICA 矢譜 隱馬爾科夫模型
【學(xué)位授予單位】：內(nèi)蒙古科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH165.3;TF321
【目錄】：

• 摘要3-4
• Abstract4-8
• 1 緒論8-13
• 1.1 選題的目的與意義8-9
• 1.2 隱馬爾科夫模型研究現(xiàn)狀9-11
• 1.3 本課題研究的主要內(nèi)容及安排11-12
• 1.3.1 本文主要內(nèi)容11
• 1.3.2 本文各章主要安排11-12
• 1.4 本章小結(jié)12-13
• 2 風(fēng)機(jī)的概述及其振動測試13-24
• 2.1 風(fēng)機(jī)的概述13-16
• 2.1.1 風(fēng)機(jī)行業(yè)的技術(shù)水平14-15
• 2.1.2 風(fēng)機(jī)結(jié)構(gòu)15
• 2.1.3 風(fēng)機(jī)的工作原理15
• 2.1.4 風(fēng)機(jī)系統(tǒng)的技術(shù)性能15-16
• 2.2 測試儀器設(shè)備的選取16-17
• 2.3 測試風(fēng)機(jī)的傳感器布置17-18
• 2.4 eZAnalyst 振動數(shù)據(jù)初步分析18-20
• 2.5 時(shí)域統(tǒng)計(jì)特征量分析20-23
• 2.6 本章小結(jié)23-24
• 3 HMM 的基本理論、算法以及可行性24-37
• 3.1 HMM 基本概念24-29
• 3.1.1 Markov 模型24-25
• 3.1.2 HMM 模型25-27
• 3.1.3 HMM 的數(shù)學(xué)模型27-29
• 3.2 HMM 基本算法29-34
• 3.3 HMM 模型算法的改進(jìn)34-36
• 3.3.1 HMM 初始模型的選取34
• 3.3.2 三大算法下溢的改進(jìn)34-36
• 3.4 本章小結(jié)36-37
• 4 基于 HMM 的單通道傳感振動信號的風(fēng)機(jī)故障診斷37-53
• 4.1 經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)37-38
• 4.2 獨(dú)立分量分析原理及相關(guān)理論38-50
• 4.2.1 ICA 理論研究與應(yīng)用現(xiàn)狀38-39
• 4.2.2 ICA 原理與相關(guān)理論39-44
• 4.2.3 ICA 的基本算法44-50
• 4.3 風(fēng)機(jī)故障診斷實(shí)例50-52
• 4.3.1 ICA 方法的特征提取50-51
• 4.3.2 實(shí)驗(yàn)分析51-52
• 4.4 本章小結(jié)52-53
• 5 基于 HMM 的雙通道傳感器振動信號的風(fēng)機(jī)故障診斷53-67
• 5.1 矢譜理論概述53
• 5.2 雙通道信息融合的矢譜理論53-64
• 5.2.1 理論基礎(chǔ)53-61
• 5.2.2 矢量譜的計(jì)算方法61-64
• 5.3 風(fēng)機(jī)故障診斷實(shí)例64-66
• 5.3.1 矢譜-HMM 故障診斷流程64-65
• 5.3.2 實(shí)例分析65-66
• 5.4 本章小結(jié)66-67
• 6 結(jié)論67-68
• 參考文獻(xiàn)68-72
• 在學(xué)研究成果72-73
• 附錄 A 四階累積量算法程序73-75
• 附錄 B HMM 訓(xùn)練算法程序75-77
• 附錄 C HMM 識別算法程序77-78
• 致謝78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 唐貴士,劉軍,楊文海;故障診斷技術(shù)在轉(zhuǎn)爐風(fēng)機(jī)振動問題中的應(yīng)用[J];包鋼科技;2004年02期

2 高萬良;;故障診斷在燒結(jié)SJ9000風(fēng)機(jī)中的應(yīng)用實(shí)例分析[J];包鋼科技;2008年01期

3 陳功;張雄偉;;基于ICA和HMM的戰(zhàn)場混疊聲目標(biāo)識別[J];彈道學(xué)報(bào);2007年01期

4 徐向華,朱杰,郭強(qiáng);基于HMM狀態(tài)結(jié)構(gòu)調(diào)整的非特定人語音識別(英文)[J];Journal of Southeast University(English Edition);2004年04期

5 王崇文,李見為,陳為民;基于HMM和SVM的指紋分類方法[J];電子與信息學(xué)報(bào);2003年11期

6 李志農(nóng);呂亞平;范濤;冷傳廣;;基于經(jīng)驗(yàn)?zāi)B(tài)分解的機(jī)械故障欠定盲源分離方法[J];航空動力學(xué)報(bào);2009年08期

7 楊俊;韓捷;董辛e

本文編號：691949