旋轉(zhuǎn)機械作為各種類型機械設(shè)備中數(shù)量最多、應用最廣的一類機械設(shè)備,對其進行故障診斷具有重大意義,是國內(nèi)外工程技術(shù)領(lǐng)域一直非常關(guān)注的課題。本文在對旋轉(zhuǎn)機械的振動故障機理進行研究分析的前提下,著重對其故障的特征提取方法和分類識別方法進行了系統(tǒng)的理論和實驗研究。在故障特征提取方面,考慮到故障振動信號的非平穩(wěn)、非線性特征,提出小波分析和分形學結(jié)合的特征提取手段�；陔x散小波變換的小波能量譜分析和基于分形學的關(guān)聯(lián)維數(shù)特征提取方法,充分反映和有效刻畫出信號的非平穩(wěn)、非線性特征。試驗證明了本方法的有效性。從一定程度上解決了旋轉(zhuǎn)機械故障特征征兆描述的全面性問題。在故障分類識別方面,針對旋轉(zhuǎn)機械故障復雜,故障樣本不易獲取,往往多故障同時并發(fā)等特點,結(jié)合二維自組織映射（SOM）網(wǎng)絡無監(jiān)督、不需要獲取正確識別樣本,以及反映輸入樣本的拓撲結(jié)構(gòu),形象直觀、易于理解等優(yōu)點,將其作為故障診斷的分類方法。提出網(wǎng)絡改進模型,使其更加接近于實際生物神經(jīng)元間的相互作用模式。試驗證明,改進模型提高了網(wǎng)絡收斂速度,降低了輸出層特征圖與輸入空間的拓撲結(jié)構(gòu)不匹配的風險,可靠性與穩(wěn)定性大大提高。診斷結(jié)果以特征映射圖的形式給出,從一定程... 

【文章來源】：山東科技大學山東省

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【部分圖文】：

DWT分解框圖

3.4.2.1旋轉(zhuǎn)機械能量譜特征提取我們知道，當機器在不同的工作狀態(tài)下時的振動信號是不同的，下面我們將對機器在低速、中速、高速三種運轉(zhuǎn)狀態(tài)下的故障振動信號進行分析。圖3.5給出預處理后的軸承外環(huán)故障的時域波形圖。很明顯，從波形圖上很難對故障的發(fā)生與否和發(fā)生什么故

延遲時間的確定是采用自相關(guān)函數(shù)法確定的，即計算各條波形在不同時延T下的自相關(guān)函數(shù)值C，繪制出C一T曲線，選取自相關(guān)函數(shù)值C對應的第一個零點對應的時間為延遲時間。例如，軸承外環(huán)故障的自相關(guān)函數(shù)如圖3.11所示，第一個零點對應的時延T為8，因此，計算不平衡故障的關(guān)聯(lián)維數(shù)時取延遲時間為8。嵌入維數(shù)m根據(jù)1認kens原理，取m從5開始，并逐漸增大�？紤]到故障序列的長度有限，m亦不能取得過大，因此，取們n二9。圖3.11不平衡故障的自相關(guān)函數(shù)Fig.3.11eorrelationfunctionofimbalaneedrotorfau1t-75-7名-85習︵‘︶￡口u悶一95L-~-曰‘~~曰~孟.....‘..se.J....曰.一 2.5一2」一23一22一2.1一2一1.9一lts一17一1.6一15一一 一廠 廠廠關(guān)聯(lián)維數(shù)嵌入維數(shù)

【參考文獻】：
期刊論文
[1]神經(jīng)網(wǎng)絡及其研究進展[J]. 吳建生,周優(yōu)軍,金龍.  廣西師范學院學報(自然科學版). 2005(01)
[2]神經(jīng)網(wǎng)絡在發(fā)動機狀態(tài)監(jiān)控與故障診斷中的應用綜述[J]. 韓慶田,楊興根,張振家.  導彈與航天運載技術(shù). 2004(05)
[3]基于小波神經(jīng)網(wǎng)絡的旋轉(zhuǎn)機械故障診斷[J]. 江磊,江凡.  汽輪機技術(shù). 2004(03)
[4]人工神經(jīng)網(wǎng)絡研究現(xiàn)狀及其展望[J]. 朱大奇.  江南大學學報. 2004(01)
[5]基于G.P算法的關(guān)聯(lián)維計算中參數(shù)取值的研究[J]. 黨建武,黃建國.  計算機應用研究. 2004(01)
[6]一種用于故障診斷的演化小波神經(jīng)網(wǎng)絡[J]. 謝平.  系統(tǒng)工程與電子技術(shù). 2003(06)
[7]基于小波網(wǎng)絡的非線性預測應用研究[J]. 陳義安,張義萍.  商業(yè)研究. 2003(04)
[8]基于神經(jīng)網(wǎng)絡的旋轉(zhuǎn)機械故障診斷研究[J]. 陳長征,張省,虞和濟.  機械強度. 2000(02)
[9]小波神經(jīng)網(wǎng)絡研究進展及展望[J]. 陳哲,馮天瑾.  青島海洋大學學報(自然科學版). 1999(04)
[10]智能故障診斷技術(shù)的發(fā)展和展望[J]. 吳今培.  振動.測試與診斷. 1999(02)

博士論文
[1]基于智能技術(shù)的民航發(fā)動機故障診斷和壽命預測研究[D]. 郝英.南京航空航天大學 2006
[2]HMM動態(tài)模式識別理論、方法以及在旋轉(zhuǎn)機械故障診斷中的應用[D]. 馮長建.浙江大學 2002
[3]汽輪發(fā)電機組振動多故障診斷模型及方法研究[D]. 張彼德.重慶大學 2002
[4]基于信息融合技術(shù)的故障診斷方法的研究及應用[D]. 王志鵬.大連理工大學 2001
[5]基于非線性理論的汽輪機軸系振動故障研究[D]. 戈志華.華北電力大學 2000

碩士論文
[1]分形理論應用于齒輪箱滾動軸承故障診斷的研究[D]. 楊皓.長沙理工大學 2007
[2]基于分形和支持向量機的機械設(shè)備故障診斷[D]. 馮振華.太原理工大學 2007
[3]基于神經(jīng)網(wǎng)絡的機械振動故障診斷系統(tǒng)設(shè)計[D]. 許娟.沈陽工業(yè)大學 2007
[4]基于LabVIEW的旋轉(zhuǎn)機械故障診斷可視化系統(tǒng)的設(shè)計[D]. 馮今朝.西北工業(yè)大學 2007
[5]基于神經(jīng)網(wǎng)絡的旋轉(zhuǎn)機械故障診斷方法研究[D]. 崔慧敏.燕山大學 2007
[6]發(fā)電機轉(zhuǎn)子繞組匝間短路及轉(zhuǎn)子支承軸系故障診斷方法的研究[D]. 陳小玄.中南大學 2007
[7]基于自組織特征映射網(wǎng)絡的聚類算法研究[D]. 吳紅艷.重慶大學 2006
[8]基于LABVIEW平臺的汽車變速箱故障診斷系統(tǒng)研究[D]. 趙永杰.同濟大學 2006
[9]基于神經(jīng)網(wǎng)絡和小波分析的水力機組振動故障診斷研究[D]. 陳繼堯.西安理工大學 2006
[10]基于徑向基神經(jīng)網(wǎng)絡的飛機發(fā)動機故障診斷研究[D]. 吳月偉.中國民用航空學院 2006



本文編號：3336284