本文選題：離心泵 + 空化狀態(tài)識別��； 參考：《哈爾濱工程大學(xué)學(xué)報》2017年08期

【摘要】：空化狀態(tài)識別是離心泵狀態(tài)監(jiān)測的難點之一。對離心泵的空化進行了試驗研究,采集了三種轉(zhuǎn)速時泵殼上兩個位置處的振動信號,根據(jù)離心泵的特點對標(biāo)準(zhǔn)倍頻帶進行改進,基于改進倍頻帶和標(biāo)準(zhǔn)倍頻帶構(gòu)建了振動信號的特征向量,利用BP神經(jīng)網(wǎng)絡(luò)對離心泵的四類空化狀態(tài)進行識別。研究表明:改進倍頻帶比標(biāo)準(zhǔn)倍頻帶更能有效地提取離心泵空化振動信號的特征;利用任意一處振動信號的頻帶特征都能夠有效地識別揚程降低大于3%的嚴重空化狀態(tài),聯(lián)合利用兩處振動信號的頻帶特征能夠有效地提高對正常狀態(tài)和空化程度較輕狀態(tài)的識別率。
[Abstract]:The identification of cavitation state is one of the difficulties in the state monitoring of centrifugal pumps. The cavitation of centrifugal pumps is tested and studied. The vibration signals at two positions on the pump shell at three kinds of speed are collected. According to the characteristics of the centrifugal pump, the standard frequency doubling band is improved. The BP neural network is used to identify four kinds of cavitation states of centrifugal pumps. The study shows that the improved frequency doubling band is more effective than the standard frequency doubling band to extract the characteristics of the cavitation vibration signal of the centrifugal pump. Using the frequency band characteristics of any vibration signal can effectively identify the serious cavitation state which is lower than 3%, and combine two vibrations. The frequency band characteristics of the moving signal can effectively improve the recognition rate of the normal state and the cavitation degree.
【作者單位】： 海軍工程大學(xué)管理工程系;海軍工程大學(xué)動力工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(51306205) 湖北省自然科學(xué)基金項目(2015CFB700) 海軍工程大學(xué)博士生創(chuàng)新基金項目(4142C15K)
【分類號】：TH311

【相似文獻】

相關(guān)期刊論文 前10條

1 齊永順;張文泉;;設(shè)備狀態(tài)識別[J];機械設(shè)計與制造;1987年04期

2 滕紅智;賈希勝;趙建民;張星輝;王正軍;葛家友;;分層隱Markov模型在設(shè)備狀態(tài)識別中的應(yīng)用研究[J];中國機械工程;2011年18期

3 余成波，，梁德沛;基于模糊相似貼近度旋轉(zhuǎn)機械狀態(tài)識別[J];機械傳動;1994年04期

4 杜向華;毛榮富;朱海潮;;加權(quán)支持向量機在機器狀態(tài)識別中的應(yīng)用[J];船海工程;2006年04期

5 張蕾,郭忠新,曹其新;設(shè)備退化狀態(tài)識別的兩種方法[J];機床與液壓;2005年01期

6 張優(yōu)云;系統(tǒng)識別在摩擦學(xué)中的應(yīng)用(續(xù))[J];潤滑與密封;1989年02期

7 王寧;孫樹棟;蔡志強;李淑敏;;基于HSMM的兩階段設(shè)備缺陷狀態(tài)識別方法[J];計算機應(yīng)用研究;2011年12期

8 譚青;旋轉(zhuǎn)機械故障診斷的狀態(tài)識別[J];南昌高專學(xué)報;1998年03期

9 曾慶虎;邱靜;劉冠軍;;基于小波相關(guān)特征尺度熵的HSMM設(shè)備退化狀態(tài)識別與故障預(yù)測方法[J];儀器儀表學(xué)報;2008年12期

10 曾慶虎;邱靜;劉冠軍;;小波相關(guān)特征尺度熵和隱半馬爾可夫模型在設(shè)備退化狀態(tài)識別中的應(yīng)用[J];機械工程學(xué)報;2008年11期

相關(guān)會議論文 前2條

1 楊明忠;樊建春;;磨損形態(tài)分析與智能化磨損狀態(tài)識別研究[A];第六屆全國摩擦學(xué)學(xué)術(shù)會議論文集（上冊）[C];1997年

2 李宏坤;周帥;孫志輝;;基于Hilbert時頻譜重心與支持向量機的設(shè)備狀態(tài)識別[A];第八屆全國動力學(xué)與控制學(xué)術(shù)會議論文集[C];2008年

相關(guān)碩士學(xué)位論文 前2條

1 林助軍;非穩(wěn)態(tài)條件下摩擦信號處理和狀態(tài)識別技術(shù)研究[D];大連海事大學(xué);2015年

2 朱昌堆;滾動軸承聲發(fā)射信號特征選取及狀態(tài)識別方法研究[D];北京化工大學(xué);2012年

本文編號：2002079