汽輪機(jī)作為大型機(jī)械的動力裝置,廣泛應(yīng)用在大功率機(jī)械設(shè)備中,而轉(zhuǎn)子是汽輪機(jī)中主要零件之一,高速重載的工作環(huán)境使其非常容易出現(xiàn)故障。本文針對一種模擬汽輪機(jī)實(shí)際工況的大型軸承-轉(zhuǎn)子試驗(yàn)臺開展振動信號分析與診斷方法研究,實(shí)現(xiàn)對汽輪機(jī)的早期故障監(jiān)測,以有效避免機(jī)器損壞,減少經(jīng)濟(jì)損失,論文主要研究內(nèi)容如下:（1）分析了轉(zhuǎn)子振動機(jī)理和振動基本特性,對汽輪機(jī)轉(zhuǎn)子常見故障及軸心軌跡類型進(jìn)行了詳細(xì)的描述,分析了各種故障的原因、波形特點(diǎn)和頻譜特征,介紹了本文涉及到的相關(guān)理論與方法。（2）采用現(xiàn)代信號處理方法對轉(zhuǎn)子軸心軌跡進(jìn)行提純研究。針對轉(zhuǎn)子振動信號干擾信號多、非平穩(wěn)的特點(diǎn),考慮奇異值分解是一種非線性濾波,其消噪具有無時延、零相移的特點(diǎn),采用奇異值分解對轉(zhuǎn)子振動信號進(jìn)行分解。利用奇異值差分譜選取特征奇異值來進(jìn)行SVD重構(gòu),由此剔除信號中隨機(jī)噪聲,還原出轉(zhuǎn)子真實(shí)的故障信息,實(shí)現(xiàn)軸心軌跡的提純。諧波小波包變換能對振動信號的所有頻帶進(jìn)行無限細(xì)分,因此本文也將該方法應(yīng)用在軸心軌跡提純。根據(jù)汽輪機(jī)實(shí)際工況搭建了大型軸承-轉(zhuǎn)子振動試驗(yàn)臺,利用轉(zhuǎn)子位移信號進(jìn)行軸心軌跡提純研究,在兩組實(shí)驗(yàn)中發(fā)現(xiàn),SVD和諧波小波包變換提純... 

【文章來源】：華南理工大學(xué)廣東省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 軸心軌跡提純
        1.2.2 軸心軌跡特征提取
        1.2.3 軸心軌跡識別
    1.3 課題來源
    1.4 研究目標(biāo)與研究內(nèi)容
        1.4.1 研究目標(biāo)
        1.4.2 研究內(nèi)容與結(jié)構(gòu)
    1.5 研究方法及技術(shù)路線
第二章 汽輪機(jī)轉(zhuǎn)子振動與軸心軌跡原理分析
    2.1 轉(zhuǎn)子振動機(jī)理與基本特性
    2.2 轉(zhuǎn)子動力學(xué)模型
    2.3 常見故障及軸心軌跡類型
        2.3.1 轉(zhuǎn)子不平衡
        2.3.2 油膜渦動
        2.3.3 轉(zhuǎn)子不對中
        2.3.4 動靜碰摩
        2.3.5 轉(zhuǎn)子松動
        2.3.6 轉(zhuǎn)子裂紋
    2.4 本章小結(jié)
第三章 船用轉(zhuǎn)子軸心軌跡提純
    3.1 SVD信號處理
        3.1.1 SVD定義
        3.1.2 SVD性質(zhì)
        3.1.3 矩陣建模與分解
        3.1.4 有效秩階次的確定
        3.1.5 信號恢復(fù)
    3.2 SVD差分譜特征提取仿真實(shí)驗(yàn)
    3.3 實(shí)驗(yàn)裝置
        3.3.1 試驗(yàn)臺簡介
        3.3.2 實(shí)驗(yàn)準(zhǔn)備工作
        3.3.3 軸心軌跡的測量
    3.4 諧波小波包提純軸心軌跡
        3.4.1 諧波小波變換
        3.4.2 諧波小波包及其實(shí)現(xiàn)
        3.4.3 諧波小波的應(yīng)用
    3.5 SVD差分譜提純軸心軌跡
    3.6 本章小結(jié)
第四章 軸心軌跡特征提取
    4.1 基于不變矩的特征提取
    4.2 基于組合矩的特征提取
    4.3 基于傅里葉描述子的特征提取
    4.4 本章小結(jié)
第五章 軸心軌跡識別
    5.1 隨機(jī)森林理論
        5.1.1 隨機(jī)森林的數(shù)學(xué)定義
        5.1.2 隨機(jī)森林的性質(zhì)
        5.1.3 泛化誤差與OOB估計
        5.1.4 算法步驟
        5.1.5 效率指標(biāo)
    5.2 基于隨機(jī)森林的軸心軌跡識別
    5.3 基于神經(jīng)網(wǎng)絡(luò)的軸心軌跡識別
        5.3.1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        5.3.2 BP神經(jīng)網(wǎng)絡(luò)算法原理
        5.3.3 BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
        5.3.4 BP神經(jīng)網(wǎng)絡(luò)軸心軌跡識別實(shí)驗(yàn)
    5.4 基于SVM的軸心軌跡識別
        5.4.1 支持向量機(jī)定義
        5.4.2 核函數(shù)
        5.4.3 SVM軸心軌跡識別實(shí)驗(yàn)
    5.5 對比分析
    5.6 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]基于奇異值差分譜理論的大型轉(zhuǎn)子軸心軌跡提純[J]. 張景潤,李偉光,李振,趙學(xué)智.  振動與沖擊. 2019(04)
[2]基于FCM和改進(jìn)PCA的變壓器故障診斷[J]. 覃煜,黃慧紅,方健,陳雁.  高壓電器. 2018(12)
[3]基于葉尖間隙的航空發(fā)動機(jī)轉(zhuǎn)子運(yùn)動特征提取技術(shù)[J]. 李杰,郭光輝,魏之平,熊兵.  燃?xì)鉁u輪試驗(yàn)與研究. 2018(06)
[4]共振加強(qiáng)奇異值分解方法及其在渦槳發(fā)動機(jī)振動監(jiān)測中的應(yīng)用[J]. 程禮,梁濤,郭立,程銘,曾林.  振動與沖擊. 2018(22)
[5]融合EHF-TCDs與SVM的旋轉(zhuǎn)機(jī)械軸心軌跡識別方法[J]. 孫國棟,徐亮,徐昀,高媛.  機(jī)械科學(xué)與技術(shù). 2019(07)
[6]基于樸素貝葉斯的新聞分類改進(jìn)[J]. 孫子杰.  電子制作. 2018(22)
[7]基于優(yōu)化隨機(jī)森林算法的高壓斷路器故障診斷[J]. 宋玉琴,王冰,李超,趙洋.  電子測量技術(shù). 2018(21)
[8]基于隨機(jī)森林變量選擇的飛灰含碳量預(yù)測模型[J]. 王芳,馬素霞,王河.  熱力發(fā)電. 2018(11)
[9]基于隨機(jī)森林的實(shí)體識別方法[J]. 楊萌,聶鐵錚,申德榮,寇月,于戈.  集成技術(shù). 2018(02)
[10]基于隨機(jī)森林方法的地鐵車門故障診斷[J]. 陳蘇雨,方宇,胡定玉.  測控技術(shù). 2018(02)

碩士論文
[1]基于深度學(xué)習(xí)的旋轉(zhuǎn)機(jī)械軸心軌跡細(xì)粒度識別算法研究[D]. 艾成漢.湖北工業(yè)大學(xué) 2018
[2]膜片聯(lián)軸器剛?cè)狁詈夏Ｐ图捌洳粚χ泄r下軸心軌跡的研究[D]. 張恒.吉林大學(xué) 2018
[3]基于小波矩的圖像內(nèi)容識別技術(shù)研究[D]. 鄒熠.西南交通大學(xué) 2010
[4]旋轉(zhuǎn)機(jī)械軸心軌跡的提純、特征提取與自動識別研究[D]. 周訓(xùn)強(qiáng).重慶大學(xué) 2010



本文編號：3641571