發(fā)布時間：2020-05-15 00:24

【摘要】： 當前,工礦企業(yè)大型設備的數目越來越多,關鍵設備的檢測與診斷技術所帶來的社會效益和經濟效益,也不斷為人們所認識。因此,預防維修到預知維修的轉變也成為必然,順應了機械設備故障診斷的趨勢。 對于時間序列,利用時間序列的相空間重構可以保存系統(tǒng)的某些性質,在此基礎上可以建立動力系統(tǒng)的非線性模型并進行預測。對于機械系統(tǒng)狀態(tài)的預測,就是根據已知的某時刻以前機械系統(tǒng)的狀態(tài)運動軌跡,預測該時刻以后最大可預測尺度內軌跡的運動狀態(tài)。 論文首先分析了混沌的復雜特性以及其他混沌識別方法的利弊。針對所作分析,提出了一種混沌相空間重構的方法:即運用互信息函數方法確定有效延遲時間;CAO方法確定最佳嵌入維數。 然后根據相空間重構所確定的混沌時間序列的延遲時間以及嵌入維數,運用Volterra級數算法推算出未來一定時間內的時間序列,以達到對設備未來故障狀態(tài)預測分析的目的。 為解決強噪聲環(huán)境中的大型機械故障的早期信號微弱的問題,運用了Duffing振子的間歇混沌現象對強噪聲背景中的微弱信號進行檢測,并將其應用在軋機設備的齒輪和轉子的故障檢測中,同時對實驗數據及結果進行分析。 最后,將整套理論方法應用到減速機的故障狀態(tài)預測中:將所預測的時間序列運用Duffing振子來提取特征信號,并通過RBF神經網絡進行推理決策,給出故障診斷結果,從而實現了對機械故障狀態(tài)的預測分析。
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：TG333;TH165.3

【參考文獻】

相關期刊論文 前10條

1 朱志宇,姜長生,張冰,劉維亭;基于混沌理論的微弱信號檢測方法[J];傳感器技術;2005年05期

2 付強;;一種基于RBF神經網絡的轉臺分系統(tǒng)故障診斷方法[J];傳感器與微系統(tǒng);2007年06期

3 呂偉才;徐紹銓;;Kalman濾波在似單差方法中的應用[J];測繪通報;2006年03期

4 姜萬錄;一種基于正交小波包分析的混沌識別方法[J];燕山大學學報;2004年01期

5 趙艷軍;李永剛;;基于RBF神經網絡的發(fā)電機轉子匝間短路故障診斷[J];電力科學與工程;2008年10期

6 宋宏儒;丁常富;馮玉朝;;RBF神經網絡在凝汽器故障診斷中的應用[J];發(fā)電設備;2008年06期

7 簡小剛;張艷偉;馮躍;;工程機械故障診斷技術的研究現狀與發(fā)展趨勢[J];中國工程機械學報;2005年04期

8 陳敏,胡蔦慶,溫熙森;混沌振子在轉子系統(tǒng)早期碰摩故障檢測中的應用[J];國防科技大學學報;2001年01期

9 王沙,楊志安,任中京;動態(tài)光散射檢測電機轉速的互信息函數分析[J];光學技術;2005年05期

10 崔彥平,傅其鳳,葛杏衛(wèi),劉玉秋;機械設備故障診斷發(fā)展歷程及展望[J];河北工業(yè)科技;2004年04期

，

本文編號：2664153