在石油化工行業(yè)中,旋轉機械設備的結構與組成變得越來越復雜。目前,石化機組日益趨向于大型化、高速化、自動化,在旋轉機械故障診斷中,信號處理、模式識別、人工智能等方法大大提高了工業(yè)系統(tǒng)的穩(wěn)定性和安全性。但是由于石化機組所處的環(huán)境比較復雜,影響現(xiàn)場的因素很多,具有較大的不確定性特點。因此,在實際工業(yè)石化現(xiàn)場故障診斷中,依然存在著故障診斷誤診、漏診,及準確度不夠精確等問題。在旋轉機械中,滾動軸承的應用最為廣泛,也是極易發(fā)生故障的零件之一。軸承故障的惡化不僅會降低機組的穩(wěn)定性,嚴重的故障也會帶來意外的停機和人員傷害等事件,嚴重影響工業(yè)生產作業(yè)。因此,開展石化機組軸承的故障診斷研究能夠在早期發(fā)現(xiàn)故障并提出合理的維修方案排除潛在故障,具有非常重要的現(xiàn)實和理論意義。本文以石化機組的滾動軸承為研究對象,1)介紹了滾動軸承的振動特性、故障機理、以及單點損傷故障診斷理論模型;2)分析了小波變換、BP神經(jīng)網(wǎng)絡、D-S證據(jù)理論等方法的應用;3)并具體研究了石化機組滾動軸承常見的4種單一故障,為機組軸承故障診斷提供了理論依據(jù)。針對旋轉機械軸承的故障診斷存在難分辨、精度不高等問題,本文提出了一種基于BP神經(jīng)網(wǎng)絡與D-S證據(jù)理論相結合的故障診斷方法。通過利用D-S證據(jù)理論分別將時域、頻域在BP神經(jīng)網(wǎng)絡的結果進行融合,以此得到機組滾動軸承故障診斷的最終結果。首先對獲取的軸承信號進行小波分解與重構,并分別選取其前4個小波系數(shù)進行重構;接著在時域上分別對每一個小波系數(shù)各提取7個時域特征值,利用BP神經(jīng)網(wǎng)絡獲取軸承故障結果;然后在頻域上分別對每一個小波系數(shù)各提取7個頻域特征值,利用BP神經(jīng)網(wǎng)絡獲取軸承故障結果;最后分別將時域、頻域的故障分類結果歸一化至[0,1],并將歸一化后的結果進行時頻域D-S證據(jù)理論融合。為了證明該方法的有效性,本文分別通過對美國凱斯西儲大學電氣工程實驗室、廣東省石化裝備故障診斷重點實驗室的滾動軸承數(shù)據(jù)進行實驗分析與討論。實驗結果表明,本文提出的方法準確率比獨自進行時域和頻域分析的效果都要好,提高了故障分類的準確性和可靠性。
【學位單位】：華南理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TH133.33
【部分圖文】：

便會大大降低了工作效率，所以開展?jié)L動軸承故障診斷與預測可平穩(wěn)地運行[29]。滾動軸承的故障診斷研究動軸承工作必會轉動，從而產生滾動摩擦，所以說滾動軸承不但是一種轉一種機械元件。那么，滾動軸承在石化機組中直接作用不僅降低機械運轉系數(shù)，還能確保其回轉精度。同時，滾動軸承還可以控制其實現(xiàn)軸向和徑如電機沒有軸承的話，機械設備是不能工作的。因為軸可能向任何方向作時要求軸只能作轉動。除此之外，滾動軸承還可能影響傳動，為了降低軸承上產生的摩擦，一定要對其實現(xiàn)良好的潤滑，因為高速運轉時，摩擦造成能耗，而且很容易造成軸承的損壞，從而影響石化機組的正常運行運轉出現(xiàn)軸承故障時，為了避免安全事故的發(fā)生，需要及時進行監(jiān)測與故組安全可靠地運行，其主要過程如圖 2-1 所示：

第二章 滾動軸承的故障診斷研究滾道不斷地進行摩擦，造成軸承的間隙越來越大，隙的加大，難免會有雜質或顆粒進入滾道，以及潤。（2）軸承的銹蝕。軸承一般所處的環(huán)境十分惡劣或水分滲入，引起軸承的銹蝕；（3）軸承的斷裂。載荷、及產生各種不同的振動，此時軸承的滾珠在不斷擴大，從而造成軸承的斷裂。目前，應用較多 所示：

圖 2-3 軸承內圈故障示意圖只受徑向載荷時，那么其對應的載荷分布函 sin(90-)21q()q1-max 于滾動軸承來說，一般 n 1.1；rC 指的是； 指的是軸承載荷分布的系數(shù)，其表達式2）zcd（1-max cd 得，假設軸承內圈的故障點與其垂直方向成的方向成 角度。那么對應脈沖力的大小在軸方向的投影大小，則其脈沖力的作用p( ) sin(90- )

【相似文獻】

相關期刊論文 前10條

1 張文宇;岳昆;張彬彬;;基于D-S證據(jù)理論的電子商務虛假評論者檢測[J];小型微型計算機系統(tǒng);2018年11期

2 胡曉偉;劉響;孫航航;;基于D-S證據(jù)理論的出租車減排策略評價[J];交通信息與安全;2019年01期

3 趙迪;于麗平;劉格;戴志鵬;;基于D-S證據(jù)理論的人機交互意圖識別技術研究[J];組合機床與自動化加工技術;2019年03期

4 裴廣利;趙建平;王歡;;基于D-S證據(jù)理論的網(wǎng)絡安全態(tài)勢預測研究[J];數(shù)碼世界;2017年12期

5 張寶生;張慶普;;虛擬科技創(chuàng)新團隊的知識流動效率評價研究——基于D-S證據(jù)理論[J];情報學報;2013年07期

6 劉標;許騰;李光;;D-S證據(jù)理論改進算法提高水下目標識別準確性[J];現(xiàn)代防御技術;2018年01期

7 屈賢;余烽;趙悅;;基于熵權灰色關聯(lián)和D-S證據(jù)理論的疲勞駕駛險態(tài)辨識[J];汽車安全與節(jié)能學報;2018年02期

8 唐盼盼;;基于D-S證據(jù)理論的船舶動力系統(tǒng)配置設計評價方法[J];艦船科學技術;2019年14期

9 沈千里;章劍林;湯兵勇;;基于網(wǎng)絡評論信息和D-S證據(jù)理論的云計算服務信任及采納研究[J];圖書館學研究;2018年01期

10 李佳;范巍;;基于改進D-S證據(jù)理論的網(wǎng)絡入侵檢測[J];控制工程;2017年11期

相關會議論文 前9條

1 李小林;屈衛(wèi)東;;基于D-S證據(jù)理論的航空發(fā)動機氣路故障融合診斷[A];第37屆中國控制會議論文集（D）[C];2018年

2 馬永一;饒正周;龍秀虹;;一種新的基于粗糙集理論的證據(jù)獲取方法[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

3 許寅卿;;智能化的變壓器絕緣老化診斷方法[A];第二十五屆華東六省一市電機工程（電力）學會輸配電技術研討會優(yōu)秀論文集[C];2017年

4 丁浩;冀海峰;李強偉;黃志堯;李海青;;D-S證據(jù)理論在氣固流化床流態(tài)判別中的應用[A];中國儀器儀表學會測控技術在資源節(jié)約和環(huán)境保護中的應用學術會議論文集[C];2001年

5 王紅霞;田國會;李曉磊;卜范騫;;基于地標信息融合的家庭環(huán)境機器人組合導航[A];第二十六屆中國控制會議論文集[C];2007年

6 張琦;夏向陽;;基于模糊證據(jù)理論的XLPE電纜絕緣狀態(tài)評估研究[A];中國電工技術學會學術年會——新能源發(fā)電技術論壇論文集[C];2013年

7 趙豐文;馮輔周;戴耀;司愛威;;基于信息融合的變速箱故障診斷研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

8 朱衛(wèi)東;孫宜博;吳勇;;兩維證據(jù)框架下基于證據(jù)源特征的分組合成算法研究[A];中國系統(tǒng)工程學會第十八屆學術年會論文集——A02管理科學[C];2014年

9 周宇;周紅瓊;葉慶衛(wèi);王曉東;;基于D-S理論融合方法的網(wǎng)絡質量評價[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

相關博士學位論文 前10條

1 王洪波;多源信息特征提取與融合及其在信息管理中的應用[D];合肥工業(yè)大學;2015年

2 曾珠;基于客戶行為差異的汽車售后服務推薦研究[D];武漢理工大學;2013年

3 岑健;基于人工免疫系統(tǒng)的機組復合故障診斷技術研究[D];華南理工大學;2010年

4 姜江;證據(jù)網(wǎng)絡建模、推理及學習方法研究[D];國防科學技術大學;2011年

5 韓進;礦井水害監(jiān)控及決策支持技術研究[D];上海大學;2008年

6 劉培勛;車輛主動安全中關于車輛檢測與跟蹤算法的若干研究[D];吉林大學;2015年

7 劉哲席（Yu Chol Sok）;不確定性沖突信息的融合方法研究及在故障診斷中的應用[D];北京科技大學;2015年

8 胡文剛;基于多值域特征及數(shù)據(jù)融合的焊縫缺陷超聲檢測與識別[D];哈爾濱工業(yè)大學;2012年

9 王平;非結構化對等網(wǎng)絡中的信任機制及搜索策略研究[D];西南大學;2010年

10 倪紅梅;基于智能計算的蒸汽驅開發(fā)效果預測與參數(shù)優(yōu)化方法研究[D];東北石油大學;2016年

相關碩士學位論文 前10條

1 馬琳;基于D-S證據(jù)理論的虛擬機性能評估[D];云南大學;2017年

2 曾萬昕;基于D-S證據(jù)理論的光伏并網(wǎng)發(fā)電量預測研究[D];北京建筑大學;2018年

3 李志盛;基于SVDD和D-S證據(jù)理論的模擬電路模塊故障診斷方法研究[D];哈爾濱工業(yè)大學;2018年

4 孟媛媛;基于高沖突證據(jù)修正的D-S證據(jù)理論及其應用研究[D];山東師范大學;2018年

5 林水泉;基于BP神經(jīng)網(wǎng)絡和D-S證據(jù)理論的石化機組滾動軸承故障診斷研究[D];華南理工大學;2018年

6 羅蘭;D-S證據(jù)理論中沖突證據(jù)的合成研究[D];淮北師范大學;2018年

7 喬闊遠;基于D-S證據(jù)理論的社交網(wǎng)絡信任計算研究[D];河南科技大學;2018年

8 孟晨晨;D-S證據(jù)理論中沖突證據(jù)的研究及其應用[D];淮北師范大學;2017年

9 胡海亮;基于D-S證據(jù)理論的網(wǎng)絡安全態(tài)勢融合技術研究[D];國防科學技術大學;2015年

10 馮鋒;貝葉斯網(wǎng)絡和D-S證據(jù)理論在電網(wǎng)故障診斷中的應用研究[D];蘭州理工大學;2017年

本文編號：2823174