旋轉(zhuǎn)機(jī)械是石油化工等現(xiàn)代企業(yè)中關(guān)鍵的生產(chǎn)設(shè)備,針對(duì)這些設(shè)備進(jìn)行狀態(tài)監(jiān)測和故障診斷,能夠保障設(shè)備的安全可靠運(yùn)行,并取的巨大的經(jīng)濟(jì)和社會(huì)效益。旋轉(zhuǎn)機(jī)械設(shè)備狀態(tài)監(jiān)測與故障診斷對(duì)開展預(yù)測性維修十分重要,能夠延長機(jī)械設(shè)備的使用壽命,減少設(shè)備維護(hù)費(fèi)用,并且保證設(shè)備的安全運(yùn)行。本文主要針對(duì)旋轉(zhuǎn)機(jī)械早期故障預(yù)警與故障模式識(shí)別方法進(jìn)行研究。基于旋轉(zhuǎn)機(jī)械設(shè)備運(yùn)行可靠度函數(shù)和趨勢濾波技術(shù),根據(jù)濾波后振動(dòng)特征信號(hào)曲線斜率絕對(duì)值的變化,構(gòu)建了基于可靠度函數(shù)趨勢濾波技術(shù)的早期故障預(yù)警模型;基于聚類分析方法,構(gòu)建了 K-means聚類故障模式識(shí)別模型,基于監(jiān)測數(shù)據(jù)訓(xùn)練得到不同故障的聚類中心,探索了數(shù)據(jù)驅(qū)動(dòng)的基于聚類中心歐式距離判據(jù)的旋轉(zhuǎn)機(jī)械故障模式識(shí)別方法;針對(duì)以可靠性為中心的維修（RCM）和健康度評(píng)價(jià)展開研究,構(gòu)建了動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)價(jià)模型,結(jié)合智能預(yù)警方法與模式識(shí)別方法,設(shè)計(jì)了旋轉(zhuǎn)機(jī)械動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)價(jià)及維修決策系統(tǒng)。論文主要研究內(nèi)容如下:（1）旋轉(zhuǎn)機(jī)械早期故障預(yù)警方法研究�；谛D(zhuǎn)機(jī)械設(shè)備運(yùn)行可靠度函數(shù)提取設(shè)備振動(dòng)特征信號(hào),也就是時(shí)域互相關(guān)函數(shù)、頻域凝聚函數(shù)和譜距離指標(biāo)函數(shù)提取特征信號(hào),利用l1趨勢濾波技術(shù)對(duì)振動(dòng)特征信號(hào)進(jìn)... 

【文章來源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：92 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－３研宄內(nèi)容及技術(shù)路線圖??

。為了實(shí)現(xiàn)設(shè)備運(yùn)行異常早期報(bào)警并提高設(shè)備報(bào)警的準(zhǔn)確率，為??了實(shí)現(xiàn)設(shè)備運(yùn)行異常早期報(bào)警并提高設(shè)備報(bào)警的準(zhǔn)確率，構(gòu)建了一種設(shè)備早期故障預(yù)??警模型，提出了一種基于可靠度函數(shù)趨勢濾波的早期故障預(yù)警方法。利用互相關(guān)函數(shù)、??凝聚函數(shù)和譜距離指標(biāo)函數(shù)模型分別提取設(shè)備振動(dòng)特征信號(hào)，對(duì)可靠度函數(shù)進(jìn)行Ａ趨??勢濾波，通過濾波后曲線斜率絕對(duì)值變化判斷早期故障，最終篩選出基于譜距離指數(shù)??函數(shù)趨勢濾波的預(yù)警方法，預(yù)測旋轉(zhuǎn)機(jī)械異常運(yùn)行趨勢。??本章提出的基于可靠度函數(shù)趨勢濾波的早期故障預(yù)警方法研究思路如圖２－１所示。??特征提取方法一般分為時(shí)域特征提娶頻域特征提取和時(shí)頻域特征提取三種。時(shí)域特??征提取方法通常對(duì)于時(shí)域信號(hào)波形的有、無量綱參數(shù)進(jìn)行計(jì)算，它是機(jī)械振動(dòng)信號(hào)最??為簡便的特征提取方法；頻域特征提取方法通常是對(duì)時(shí)域信號(hào)波形進(jìn)行傅里葉變換后??得到頻域信息，然后在頻域范圍上進(jìn)行特征提�。粫r(shí)頻域特征提取方法通常針對(duì)缺乏??局域性信息的非平穩(wěn)、非線性信號(hào)，通過包含頻率與時(shí)間的聯(lián)合函數(shù)同時(shí)描述信號(hào)在??時(shí)域和頻域上的能量密度。本章采用基于機(jī)械設(shè)備運(yùn)行可靠度函數(shù)提取設(shè)備振動(dòng)特征??信號(hào)，也就是時(shí)域互相關(guān)函數(shù)、頻域凝聚函數(shù)和譜距離指標(biāo)函數(shù)提取特征信號(hào)，利用??Ａ趨勢濾波技術(shù)［６｜］對(duì)振動(dòng)特征信號(hào)進(jìn)行濾波處理，根據(jù)濾波后振動(dòng)特征信號(hào)曲線斜率??絕對(duì)值的變化，構(gòu)建基于可靠度函數(shù)趨勢濾波技術(shù)的早期故障預(yù)警模型，研宄對(duì)比分??析了早期故障預(yù)警方法，最后利用離心壓縮機(jī)轉(zhuǎn)子碰摩、不對(duì)中和不平衡故障案例數(shù)??據(jù)驗(yàn)證了該方法的工程有效性。??早期故障預(yù)警方法研究思路框圖??ｒ＾ｉ?￣￣￣￣Ｐｉ??設(shè)?丨早?期??Ｉ?期故??ｐｊ－?．?故?障?工

障發(fā)生與否的原則不是基于固定閾值報(bào)警線，而是當(dāng)振動(dòng)特征信號(hào)趨勢濾波后曲線斜??率絕對(duì)值變化超過某一設(shè)定倍數(shù)時(shí)，則認(rèn)為發(fā)生早期故障。此處取導(dǎo)數(shù)絕對(duì)值是因?yàn)??可靠度函數(shù)會(huì)隨著旋轉(zhuǎn)設(shè)備運(yùn)行狀態(tài)逐漸劣化而減小，所以當(dāng)設(shè)備故障發(fā)生時(shí)，斜率??為負(fù)數(shù)。??若要得到趨勢濾波后振動(dòng)特征信號(hào)曲線隨時(shí)間變化的斜率值大小，即求取各數(shù)據(jù)??樣本點(diǎn)處的導(dǎo)數(shù)值＝?…，的大小，Ａ２為數(shù)據(jù)樣本數(shù)量。取正常運(yùn)行狀態(tài)下的??一點(diǎn)＾的導(dǎo)數(shù)值＼為參考點(diǎn)，？一般接近于０，規(guī)定當(dāng)｜々，．｜＜ｍｘ｜＼｜時(shí)，認(rèn)為設(shè)備處于??正常運(yùn)行狀態(tài)，當(dāng)時(shí)，判斷設(shè)備運(yùn)行偏離正常狀態(tài)或發(fā)生早期故障。其中，??ｍ為早期故障報(bào)警限的調(diào)整參數(shù)，ｗ的取值原則后面章節(jié)說明。早期故障預(yù)警模型原??理圖如圖２－３所示。??


本文編號(hào)：3127163