学位论文 > 优秀研究生学位论文题录展示

全矢谱体系兼容性关键技术研究

作　者: 段非
导　师: 韩捷
学　校: 郑州大学
专　业: 机械电子工程
关键词: 全矢谱信息融合信号分析兼容性 BP网络故障诊断
分类号: TH165.3
类　型: 硕士论文
年　份: 2009年
下　载: 14次
引　用: 0次
阅　读: 论文下载

内容摘要

以往的二维全信息分析在旋转机械故障诊断中的应用效果是勿庸置疑的。但是在应用过程中和传统分析方法之间很难建立桥梁和必然的关系。一方面在形式上要求转子相互垂直的传感器严格具有双向信息;另一方面分析结果很难继承传统谱图分析已经积累的大量诊断规则。基于同源信息融合处理的全矢谱对其进行了改进,研究在全信息分析和传统分析之间建立相通的桥梁。全矢谱分析是针对旋转机械矢量信号的一系列分析方法的总称。它在融合了双通道数据信息的同时,有保留了传统谱分析的物理意义。本文主要做的工作如下:1.首先从理论上分析转子一个截面上多传感器信息融合方法,论述了信息融合的简洁数值计算公式,快速得到该截面的回转特征信息值,并进行了实验研究,实验结果表明全矢谱分析方法可以继承相应的传统频谱分析。2.其次基于全矢谱分析技术的理论,对全矢谱体系进行了深入研究。探究全信息分析与传统常规分析之间的内在联系,论述了全矢谱分析的融合算法兼顾了单通道的信息,使得传统谱分析是全矢谱方法的特例,进行了实验研究来说明全矢谱技术与传统谱分析在表达方式以及图谱表达方面的兼容性。3.探讨全矢谱分析技术在智能诊断方面的兼容性,传统分析方法振动的频率与故障的关系与全矢谱体系的是一致的。振动作为一种信息因子可直接反映转子的运行状态正常与否,它是故障诊断的主要依据。并将全矢谱分析技术与BP神经网络相结合为例,以全矢功率谱为特征向量,BP神经网络为分类器。并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,全矢谱技术在智能诊断方面具有兼容性。4.设备故障诊断技术自诞生以来,在工业生产中获得了广泛的应用。国内外学者在实际工作中积累了大量的工程诊断经验和诊断规则。这些诊断经验和诊断规则目前仍然是现场工程技术人员的主要参考依据,在生产实践中发挥主导作用。这些凝聚前人大量研究成果的诊断经验和诊断规则,绝大部分是建立在传统谱分析基础之上的。在研究探索崭新分析诊断方法时,建立与传统方法之间的桥梁,继承和发扬这些宝贵的诊断经验和诊断规则,无疑对于新方法的推广、应用和普及具有重要的现实意义。本文对转子不对中、油膜涡动两种故障的诊断规则与诊断经验进行探讨,以工程实例进行说明,全矢谱分析可以直接应用以往的诊断思路和诊断规则,且更加合理。

全文目录

摘要  3-4
Abstract  4-9
1 绪论  9-16
  1.1 课题概述  9-10
    1.1.1 课题来源  9
    1.1.2 课题的提出及意义  9-10
  1.2 国内外研究现状  10-14
    1.2.1 旋转机械设备故障诊断的发展概况  10-11
    1.2.2 同源信息融合分析技术的研究现状  11-12
    1.2.3 全信息技术的研究及发展概况  12-14
  1.3 本文的主要研究内容  14
  1.4 本章小结  14-16
2 基于单截面信息融合的全信息分析技术  16-30
  2.1 概述  16
  2.2 转子双通道回转信息特征提取方法  16-29
    2.2.1 理论基础  16-24
    2.2.2 数值计算  24-26
    2.2.3 轴心轨迹图形描述  26-27
    2.2.4 全信息分析技术及其特点  27
    2.2.5 实例应用  27-29
  2.3 本章小结  29-30
3 全矢谱分析与传统分析方法的关系  30-44
  3.1 概述  30
  3.2 传统分析方法概述  30-34
    3.2.1 传统常规信号的分析  30-31
    3.2.2 信号的幅域分析概述  31-32
    3.2.3 信号的频域分析  32-34
  3.3 全矢谱在数值计算方面的兼容性  34-36
    3.3.1 快速傅立叶变换  34-35
    3.3.2 全矢谱方法的计算  35-36
  3.4 全矢谱图谱表达方面的兼容性  36-40
    3.4.1 传统分析图谱表达方式  36-38
    3.4.2 全矢谱图谱表达方式  38-40
  3.5 全矢谱分析的工程应用实例  40-43
    3.5.1 实例应用一  40-41
    3.5.2 实例应用二  41-43
  3.6 本章小结  43-44
4 全矢谱分析在智能诊断方面的兼容性  44-57
  4.1 概述  44-45
  4.2 人工神经网概况及其应用研究  45-49
    4.2.1 神经网络的特点和性质  45-46
    4.2.2 神经网络模型  46-47
    4.2.3 旋转机械几种典型故障的特征  47-49
  4.3 人工神经网络的诊断方法研究  49-52
    4.3.1 激励函数  49
    4.3.2 Sigmoid激励函数下的BP算法  49-50
    4.3.3 学习样本的选择  50
    4.3.4 隐含层单元数的节点  50-51
    4.3.5 BP神经网络的诊断流程  51-52
  4.4 全矢谱-BP神经网络故障诊断方法研究  52-56
    4.4.1 全矢谱-BP网络故障诊断方法的步骤  52-53
    4.4.2 实验研究  53-56
  4.5 本章小结  56-57
5 全矢谱分析对现行诊断经验和规则的继承性  57-67
  5.1 概述  57
  5.2 传统分析方法的故障诊断规则概述  57-58
  5.3 全矢谱分析对传统分析的继承性  58-64
    5.3.1 在不对中的故障诊断中的继承性  58-60
    5.3.2 工程诊断方法  60-61
    5.3.3 在油膜涡动与油膜振荡故障诊断中的继承性  61-64
  5.5 工程实例  64-65
  5.6 本章小结  65-67
6 结论及展望  67-70
  6.1 本文工作  67-68
    6.1.1 关键技术及创新  67
    6.1.2 主要结论  67-68
  6.2 展望  68-70
参考文献  70-73
攻读学位期间参与的项目及发表的学位论文  73-74
致谢  74

全矢谱体系兼容性关键技术研究

内容摘要

全文目录

相似论文