本文關(guān)鍵詞：基于振動信號分析的風(fēng)機性能評估及測試

  更多相關(guān)文章： 振動分析 EEMD去噪 性能評估 系統(tǒng)開發(fā)

【摘要】：通風(fēng)機在礦廠、火電廠等工業(yè)領(lǐng)域應(yīng)用廣泛，研究通風(fēng)機的性能評估和測試具有重要意義。振動信號含有豐富的機器運行信息，以振動信號分析為主線，根據(jù)模式識別理論，在實現(xiàn)對通風(fēng)機的空氣動力學(xué)性能分析和振動信號特征提取的基礎(chǔ)上，運用主分量分析（PCA）對特征進行融合與壓縮，然后設(shè)計Fisher分類器實現(xiàn)風(fēng)機性能評估。試驗證明本文提出的方法能夠基于振動信號分析準(zhǔn)確有效的對風(fēng)機性能進行分類評估。 為了深入分析風(fēng)機振動，對其主要部件及激振源——葉片的平面內(nèi)橫向擺振進行了建模及分析。針對大型風(fēng)機的中空翼型葉片簡化為薄壁懸臂梁模型，最終結(jié)果簡化成一個帶有參數(shù)激勵和直接激勵的馬修方程，對得到的非線性受迫馬修方程進行了數(shù)值分析，同時從整機角度分析了振動頻率特征及機理�；谝陨戏治�，給出了風(fēng)機振動信號的一般形式，為后續(xù)的去噪分析、算法仿真做準(zhǔn)備。 為了消除振動信號噪聲，增強特征，提出一種改進的集合平均經(jīng)驗?zāi)Ｊ椒纸猓‥EMD）去噪方法，使用相關(guān)性判據(jù)剔除偽IMF分量，使用區(qū)間閾值處理改進噪聲估計，使用估計噪聲代替EEMD方法中添加的噪聲。仿真表明改進的方法能夠顯著提高風(fēng)機振動仿真信號的信噪比。 研究了振動信號特征的提取，給出振動信號特征的數(shù)字化表達(dá)。提取的信號特征包括：頻譜能量特征、頻率成分特征以及多個時域統(tǒng)計值表示的時域特征，，這些特征從不同方面刻畫出了振動信號的全貌。為了降低分類器設(shè)計難度，提高分類準(zhǔn)確率，采用主分量分析（PCA）對多指標(biāo)特征進行融合及壓縮，在此基礎(chǔ)上設(shè)計Fisher分類器實現(xiàn)性能評估。試驗結(jié)果表明，提出的方法能夠有效的根據(jù)振動信號評估出風(fēng)機的性能是否處于正常工況下。 為了對風(fēng)機性能進行測試，使用C#編程語言，依據(jù)通風(fēng)機性能測試國家標(biāo)準(zhǔn)設(shè)計實現(xiàn)了基于.NET平臺的風(fēng)機性能測試分析系統(tǒng)，具有傳感器管理、參數(shù)設(shè)置、數(shù)據(jù)采集及性能指標(biāo)計算、實驗歷史記錄管理等功能，功能完備。
【關(guān)鍵詞】：振動分析 EEMD去噪 性能評估 系統(tǒng)開發(fā)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH43
【目錄】：

• 上海交通大學(xué)碩士學(xué)位論文答辯決議書5-6
• 摘要6-8
• ABSTRACT8-13
• 第一章 緒論13-20
• 1.1 課題的提出及其意義13
• 1.2 國內(nèi)外研究現(xiàn)狀13-18
• 1.2.1 風(fēng)機性能評估13-15
• 1.2.2 振動信號分析15-17
• 1.2.3 模式識別方法的應(yīng)用17-18
• 1.2.4 風(fēng)機性能自動化測試18
• 1.3 本文的主要工作18-20
• 第二章 風(fēng)機振動分析及仿真信號的給出20-29
• 2.1 風(fēng)機葉片振動模型20-26
• 2.1.1 風(fēng)機葉片非線性動力學(xué)方程的建立20-24
• 2.1.2 風(fēng)機葉片動力學(xué)分析24-26
• 2.2 風(fēng)機振動頻率特征及機理分析26-27
• 2.3 風(fēng)機振動仿真信號的一般形式27-28
• 2.4 本章小結(jié)28-29
• 第三章 一種改進的 EEMD 去噪方法對風(fēng)機振動信號預(yù)處理29-42
• 3.1 EMD 去噪方法29-31
• 3.2 改進的 EEMD 去噪方法31-38
• 3.2.1 偽 IMF 分量剔除31-32
• 3.2.2 噪聲估計32-34
• 3.2.3 區(qū)間閾值處理34-36
• 3.2.4 算法36-38
• 3.3 仿真振動信號去噪分析38-41
• 3.4 本章小結(jié)41-42
• 第四章 風(fēng)機振動信號特征生成及壓縮42-57
• 4.1 模式識別簡介43
• 4.2 風(fēng)機振動信號特征生成43-51
• 4.2.1 頻帶能量特征44-45
• 4.2.2 頻率成分特征45-47
• 4.2.3 時域特征47-50
• 4.2.4 特征生成算法50-51
• 4.3 基于距離可分性判據(jù)的特征生成算法選擇51-54
• 4.4 基于主分量分析的特征融合與壓縮54-56
• 4.5 本章小結(jié)56-57
• 第五章 基于振動信號特征的風(fēng)機性能評估57-75
• 5.1 基于振動信號分析的風(fēng)機性能評估58-59
• 5.2 風(fēng)機性能分類決策方法59-61
• 5.3 仿真61-65
• 5.4 試驗65-74
• 5.4.1 試驗方法及試驗裝置65-69
• 5.4.2 振動信號分析及特征生成算法中的參數(shù)確定69-71
• 5.4.3 性能評估71-74
• 5.5 本章小結(jié)74-75
• 第六章 風(fēng)機性能測試分析系統(tǒng)（FPTAS）的實現(xiàn)75-90
• 6.1 風(fēng)機性能測試項目、原理及方法75-77
• 6.2 基于.NET 平臺的風(fēng)機性能測試分析系統(tǒng)（FPTAS）的實現(xiàn)77-86
• 6.2.1 FPTAS 硬件結(jié)構(gòu)78-80
• 6.2.2 FPTAS 軟件系統(tǒng)三層架構(gòu)80
• 6.2.3 FPTAS 系統(tǒng)實現(xiàn)80-86
• 6.3 風(fēng)機性能測試與分析實例86-89
• 6.4 本章小結(jié)89-90
• 第七章 總結(jié)與展望90-92
• 參考文獻92-96
• 致謝96-97
• 攻讀學(xué)位期間的學(xué)術(shù)成果97

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 程危危;曹登慶;初世明;;風(fēng)力機葉片動力學(xué)建模研究[J];動力學(xué)與控制學(xué)報;2011年04期

2 李曼;楊富強;馮華光;;礦用通風(fēng)機性能測試分析虛擬儀器的研發(fā)[J];風(fēng)機技術(shù);2008年04期

3 李卿;張國平;劉洋;;基于EMD的拉曼光譜去噪方法研究[J];光譜學(xué)與光譜分析;2009年01期

4 譚海霞;王宏圖;陳林;;Hurst指數(shù)分析地震震級趨勢[J];重慶大學(xué)學(xué)報;2013年05期

5 汪光陽;周義蓮;;風(fēng)機振動故障診斷綜述[J];安徽工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2006年01期

6 廖慶斌;李舜酩;覃小攀;;車輛振動信號的特征提取方法比較[J];吉林大學(xué)學(xué)報(工學(xué)版);2007年04期

7 王福友;劉剛;袁贛南;;基于EMD算法的海雜波信號去噪[J];雷達(dá)科學(xué)與技術(shù);2010年02期

8 李彥明;杜文遼;葉鵬飛;劉成良;;振動信號小波leaders多重分形特征提取及性能分析[J];機械工程學(xué)報;2013年06期

9 陳鳳林;;一種新的基于EMD模態(tài)相關(guān)的信號去噪方法[J];西華大學(xué)學(xué)報(自然科學(xué)版);2009年06期

10 張艷艷;;近似熵理論及應(yīng)用[J];中國醫(yī)學(xué)物理學(xué)雜志;2009年06期

本文編號：981854