本文關鍵詞：基于多尺度排列熵的渦旋壓縮機故障診斷

  更多相關文章： 多尺度 排列熵 權重 馬氏距離 故障診斷

【摘要】：渦旋壓縮機是一種新型的容積式流體機械,具有結構緊湊、運行可靠、節(jié)能環(huán)保等優(yōu)點,主要應用于制冷空調、醫(yī)療器械、交通運輸、食品裝潢等領域。因此,定期的狀態(tài)監(jiān)測和故障診斷對提高系統(tǒng)工作的穩(wěn)定性、延長設備使用壽命都有著十分重要的意義。然而,目前關于渦旋壓縮機的故障診斷仍停留在單一時間尺度的研究層面上,不能有效解決故障之間的多尺度耦合問題,也未能準確反映系統(tǒng)的動力學特性。針對這一現(xiàn)狀,本文提出了基于多尺度排列熵的渦旋壓縮機故障特征提取方法,通過典型故障的特征分析,探究了不同尺度上故障系統(tǒng)的動力學特性。最后利用加權馬氏距離實施了故障識別,驗證了該方法的有效性和準確性。具體內容主要包括以下幾個方面:(1)研究基于奇異值差分譜的奇異值分解降噪方法,仿真結果顯示,以奇異值差分譜的最大峰值為參考選擇重構奇異值個數(shù),能夠達到很好的降噪效果。但是當信號中存在直流分量時,以最大峰值為參考選擇奇異值會造成大量有用信息丟失,此時以第二個最大峰值為參考選擇奇異值,才能達到較好的降噪效果。(2)針對單尺度信號分析方法的局限性,研究基于多尺度排列熵(MPE)的振動信號特征提取方法,用于定量描述不同狀態(tài)、不同時間尺度上振動信號的能量分布規(guī)律。通過分析渦旋壓縮機四種故障的MPE特征曲線發(fā)現(xiàn),軸承松動故障的排列熵最大,機械組裝松動故障的排列熵次之,轉子不平衡故障的排列熵最小,這與四種故障狀態(tài)下系統(tǒng)的不確定性程度相符。(3)為了進一步說明多尺度排列熵的診斷優(yōu)勢,分別以單尺度排列熵和多尺度排列熵為特征參數(shù),利用基于熵值法的加權馬氏距離進行渦旋壓縮機故障診斷,結果顯示,單尺度排列熵的平均診斷率僅為76.9%,而多尺度排列熵的平均診斷率達到了92.5%,由此可見,基于多尺度排列熵的診斷方法有明顯的優(yōu)越性。本文的研究成果表明,多尺度排列熵方法基本上能夠全面反映渦旋壓縮機故障系統(tǒng)的本質特征,不同尺度上的特征權重反映了各尺度上有用信息量的分布情況。
【學位授予單位】：蘭州理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH45

【參考文獻】

中國期刊全文數(shù)據庫 前10條

1 宋彥蓉;張寶元;;基于地區(qū)現(xiàn)代化評價的客觀賦權法比較[J];統(tǒng)計與決策;2015年11期

2 李奕t，

本文編號：1253630