壓縮機運行狀態(tài)監(jiān)測系統(tǒng)研究
發(fā)布時間:2020-08-12 23:07
【摘要】:機械設備在運行過程中的任何異常狀態(tài)都會給整個生產過程造成巨大損失。壓縮機作為石油化工行業(yè)的重要設備,對其運行狀態(tài)進行監(jiān)測,不僅可以保證設備的安全可靠運行,更能有效避免重大事故的發(fā)生。因此,本文利用壓縮機運行過程中產生的振動信號,基于神經網絡方法實現對壓縮機運行狀態(tài)的在線監(jiān)測。首先利用相空間重構技術,將一維時間序列振動信號擴展到高維空間,一方面可以更好地展現整個壓縮機系統(tǒng)的運行特性;另一方面可以為神經網絡輸入神經元個數的確定提供技術支持,有效避免傳統(tǒng)的人工隨機選擇過程造成的主觀性、不確定性,提高監(jiān)測結果的精度和可信度。針對傳統(tǒng)的G-P算法中無標度區(qū)識別過于依賴人工經驗的不足,本文提出了DBSCAN聚類與粒子群優(yōu)化算法相結合的無標度區(qū)自動識別方法。根據雙對數曲線數據分布特性,利用DBSCAN算法對雙對數曲線上的點進行聚類分析,確定初始解集范圍,并以相關性指標最大和殘差平方和最小為目標建立無標度區(qū)識別優(yōu)化模型,使用粒子群算法獲得最優(yōu)解,實現無標度區(qū)的自動識別。最后,通過經典Lorenz方程驗證所提方法的有效性,并將其應用到壓縮機狀態(tài)監(jiān)測中。準確獲得振動信號預測值對壓縮機異常狀態(tài)預警信號的顯示至關重要。針對實際生產中的時間序列數據,BP神經網絡預測只依賴于當前輸入,而RNN循環(huán)神經網絡因具有強大的“記憶”功能,綜合考慮了信號當前輸入與過去輸出共同作用的影響,預測結果更為精準。在此基礎上,本文構建了基于相空間重構的RNN循環(huán)神經網絡預測模型進行振動信號預測,并用實驗證明其預測精度更高,對壓縮機運行過程中的異常狀態(tài)更為敏感;谡駝有盘柼卣鬟M行壓縮機運行狀態(tài)監(jiān)測。針對傳統(tǒng)神經網絡無法實現多維特征時間序列模型建立問題,使用深層信念網絡堆疊RBM的方式對多層特征進行學習,并通過反向微調過程提高模型泛化能力。將預測得到的基于時間序列的振動信號進行相空間重構,提取有量綱和無量綱參數分別進行狀態(tài)監(jiān)測。實驗結果表明,不同特征對表征機械設備運行狀態(tài)的角度不同,監(jiān)測結果也各不相同,綜合考慮多維特征參數進行狀態(tài)監(jiān)測可以取得更好的監(jiān)測結果。最后,基于本文對壓縮機振動信號的相關研究,設計了一個狀態(tài)監(jiān)測系統(tǒng),實現對壓縮機運行狀態(tài)的實時顯示。
【學位授予單位】:天津工業(yè)大學
【學位級別】:碩士
【學位授予年份】:2019
【分類號】:TE65;TQ051.21
【圖文】:
測的重要參照,因此,延遲時間和嵌入維數的確定就成為重中之重[28]。本章主要逡逑介紹了基于時間序列數據的相空間重構技術,以及相關參數的選擇方法。整體結逡逑構如圖2-1所示。逡逑p-自相關函數法逡逑延遲時間——平均位移法逡逑時間序列邐|邐互彳5息法逡逑構-邐「幾何不變量法逡逑邐1邋一虛假鄰近點法逡逑^嵌入維數一逡逑邐邐邐1邋—邋Cao氏方法逡逑b邋G-P算法提取關聯維數法逡逑圖2-1整體結構圖逡逑Fig.邋2-1邋Overall邋structure邋drawing逡逑2.1時間序列分析逡逑時間序列,簡單地說就是基于同樣統(tǒng)計指標的、有相同含義的一組按時間順逡逑序組合而成的數列。時間序列分析則是依據數據序列的互相依賴關系,從量化角逡逑度探索事物內部發(fā)展規(guī)律,是基于過去和當前的現象極大可能表明現在和將來活逡逑動的發(fā)展變化趨向這一假設,根據客觀事物內部發(fā)展規(guī)律的連續(xù)性,對歷史數據逡逑進行統(tǒng)計分析,進而實現對未來的預測,據此展現事物的發(fā)展狀態(tài)和未來趨勢,逡逑7逡逑
、S謾??邋?邋0櫫x?辶x賢跡常筆蕕慵浞植脊叵靛甕跡常倉苯用芏瓤紗鎩⒚芏瓤紗鎩⒚芏認嗔涔叵靛義希疲椋紓澹常卞澹模椋螅簦潁椋猓酰簦椋錚鑠危疲椋紓澹常插澹裕瑁邋澹潁澹歟幔簦椋錚鑠澹猓澹簦鰨澹澹鑠澹洌椋潁澹悖翦澹洌澹睿螅椋簦澹潁澹幔悖瑁幔猓歟,邋density辶x希潁澹歟幔簦椋錚睿螅瑁椋穡簀澹猓澹簦鰨澹澹鑠澹洌幔簦徨危潁澹幔悖瑁幔猓歟邋澹幔睿溴澹洌澹睿螅椋簦澹悖錚睿睿澹悖簦椋錚鑠義希穡錚椋睿簦簀義希模攏櫻茫粒尉劾嗨枷牒薌虻ィ捍用芏瓤紗锏墓叵抵姓頁鱟畬蟮拿芏認嗔難義媳咀槌傻募,即为租傉聚类的一个类狈w蛘咚凳且桓齟。这庚e乩錕梢雜幸誨義細齷蚨喔齪誦畝韻。染J揮幸桓齪誦畝韻,则簇厘洔O姆嗆誦畝韻笱徑莢阱義險飧齪誦畝韻蟮牧謨蚶錚蝗綣卸喔齪誦畝韻,则簇里的任意一庚p誦畝韻簀義系男牧謨蛑幸歡ㄓ幸桓銎淥暮誦畝韻,否则诊喗庚p誦畝韻笪薹芏瓤紗鎩e義險廡┖誦畝韻蟮男牧謨蚶鎪械難鏡募獻槌梢桓觶模攏櫻茫粒尉劾啻亍e義顯詒疚慕檣艿南囁占渲毓狗椒ㄖ,首先灾]允呱先我庋≡褚桓雒揮欣噱義媳鸕暮誦畝韻笞魑腫櫻緩笳業(yè)秸飧齪誦畝韻竽芄幻芏瓤紗锏乃醒炯,辶x霞次桓鼉劾啻。接着冀{≡窳硪桓雒揮欣啾鸕暮誦畝韻筧パ罷移涿芏瓤紗锏膩義涎炯
本文編號:2791146
【學位授予單位】:天津工業(yè)大學
【學位級別】:碩士
【學位授予年份】:2019
【分類號】:TE65;TQ051.21
【圖文】:
測的重要參照,因此,延遲時間和嵌入維數的確定就成為重中之重[28]。本章主要逡逑介紹了基于時間序列數據的相空間重構技術,以及相關參數的選擇方法。整體結逡逑構如圖2-1所示。逡逑p-自相關函數法逡逑延遲時間——平均位移法逡逑時間序列邐|邐互彳5息法逡逑構-邐「幾何不變量法逡逑邐1邋一虛假鄰近點法逡逑^嵌入維數一逡逑邐邐邐1邋—邋Cao氏方法逡逑b邋G-P算法提取關聯維數法逡逑圖2-1整體結構圖逡逑Fig.邋2-1邋Overall邋structure邋drawing逡逑2.1時間序列分析逡逑時間序列,簡單地說就是基于同樣統(tǒng)計指標的、有相同含義的一組按時間順逡逑序組合而成的數列。時間序列分析則是依據數據序列的互相依賴關系,從量化角逡逑度探索事物內部發(fā)展規(guī)律,是基于過去和當前的現象極大可能表明現在和將來活逡逑動的發(fā)展變化趨向這一假設,根據客觀事物內部發(fā)展規(guī)律的連續(xù)性,對歷史數據逡逑進行統(tǒng)計分析,進而實現對未來的預測,據此展現事物的發(fā)展狀態(tài)和未來趨勢,逡逑7逡逑
、S謾??邋?邋0櫫x?辶x賢跡常筆蕕慵浞植脊叵靛甕跡常倉苯用芏瓤紗鎩⒚芏瓤紗鎩⒚芏認嗔涔叵靛義希疲椋紓澹常卞澹模椋螅簦潁椋猓酰簦椋錚鑠危疲椋紓澹常插澹裕瑁邋澹潁澹歟幔簦椋錚鑠澹猓澹簦鰨澹澹鑠澹洌椋潁澹悖翦澹洌澹睿螅椋簦澹潁澹幔悖瑁幔猓歟,邋density辶x希潁澹歟幔簦椋錚睿螅瑁椋穡簀澹猓澹簦鰨澹澹鑠澹洌幔簦徨危潁澹幔悖瑁幔猓歟邋澹幔睿溴澹洌澹睿螅椋簦澹悖錚睿睿澹悖簦椋錚鑠義希穡錚椋睿簦簀義希模攏櫻茫粒尉劾嗨枷牒薌虻ィ捍用芏瓤紗锏墓叵抵姓頁鱟畬蟮拿芏認嗔難義媳咀槌傻募,即为租傉聚类的一个类狈w蛘咚凳且桓齟。这庚e乩錕梢雜幸誨義細齷蚨喔齪誦畝韻。染J揮幸桓齪誦畝韻,则簇厘洔O姆嗆誦畝韻笱徑莢阱義險飧齪誦畝韻蟮牧謨蚶錚蝗綣卸喔齪誦畝韻,则簇里的任意一庚p誦畝韻簀義系男牧謨蛑幸歡ㄓ幸桓銎淥暮誦畝韻,否则诊喗庚p誦畝韻笪薹芏瓤紗鎩e義險廡┖誦畝韻蟮男牧謨蚶鎪械難鏡募獻槌梢桓觶模攏櫻茫粒尉劾啻亍e義顯詒疚慕檣艿南囁占渲毓狗椒ㄖ,首先灾]允呱先我庋≡褚桓雒揮欣噱義媳鸕暮誦畝韻笞魑腫櫻緩笳業(yè)秸飧齪誦畝韻竽芄幻芏瓤紗锏乃醒炯,辶x霞次桓鼉劾啻。接着冀{≡窳硪桓雒揮欣啾鸕暮誦畝韻筧パ罷移涿芏瓤紗锏膩義涎炯
本文編號:2791146
本文鏈接:http://www.sikaile.net/kejilunwen/shiyounenyuanlunwen/2791146.html
教材專著