機械振動國家標準適用于額定轉(zhuǎn)速、穩(wěn)定工況的設(shè)備,而現(xiàn)場設(shè)備常處于轉(zhuǎn)速波動、載荷變化等變工況狀態(tài)運行,直接套用國家標準容易導(dǎo)致對設(shè)備狀態(tài)診斷的錯誤。針對上述問題,本文提出了融合變工況閾值模型,進而建立變工況振動標準,以提高設(shè)備狀態(tài)診斷的正確率,從而保障設(shè)備安全可靠運行。主要研究內(nèi)容如下:（1）基于相關(guān)向量機（Relevance Vector Machine,RVM）的變工況閾值模型構(gòu)建方法研究。選取振動有效值作為特征指標;利用RVM擬合統(tǒng)計均值和標準差與工況參數(shù)的關(guān)系得到連續(xù)函數(shù),基于切比雪夫不等式構(gòu)建了變轉(zhuǎn)速閾值模型并對模型中的閾值因子k和核函數(shù)寬度系數(shù)?兩個關(guān)鍵參數(shù)進行了優(yōu)化選擇;實驗驗證了該模型能夠?qū)崿F(xiàn)設(shè)備在變轉(zhuǎn)速運行時的報警閾值設(shè)定,且具有較高準確率;通過機理分析對轉(zhuǎn)速和負載的影響進行討論,提出了工況綜合參數(shù)Z,構(gòu)建了變工況報警閾值模型。（2）基于全矢譜的融合變工況閾值模型構(gòu)建方法研究。針對利用單一傳感器信息建立的變轉(zhuǎn)速報警閾值模型在低速區(qū)域識別率較低的問題,利用全矢譜對正交采樣得到的雙通道信號進行融合;進行逆傅里葉變換得到融合后的時域波形,在提取特征指標的基礎(chǔ)上利用RVM擬合得... 

【文章來源】：中國石油大學(xué)(北京)北京市211工程院校教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

丙烷壓縮機組Fig.4.1Thefigureofpropanecompressor

圖 4.8 電機非驅(qū)動端振動趨勢與閾值曲線圖Fig. 4.8 Vibration trend and threshold of motor’s fan side由圖 4.8 可得，當(dāng)振動有效值超過報警閾值時，表明設(shè)備運行狀態(tài)劣化，應(yīng)加強監(jiān)測頻率，密切關(guān)注設(shè)備運行狀態(tài)變化，繼續(xù)監(jiān)測發(fā)現(xiàn)設(shè)備振動恢復(fù)正常時，表明設(shè)備未出現(xiàn)明顯的故障，此時可繼續(xù)運行；當(dāng)振動繼續(xù)增大超過停機值時，表明設(shè)備劣化嚴重，應(yīng)立即停機檢修，此時可利用故障診斷技術(shù)對信號進行分析，確定故障部位和嚴重程度。利用報警閾值和停機閾值的設(shè)定可將設(shè)備運行狀態(tài)分為正常狀態(tài)、異常狀態(tài)和故障狀態(tài)三類。對于離線點檢技術(shù)，當(dāng)設(shè)備運行處于異常狀態(tài)時應(yīng)重點關(guān)注，尋找時機采取補救措施；當(dāng)處于故障狀態(tài)時應(yīng)立即停機檢查。因此利用變工況閾值曲線可以合理劃分機組運行狀態(tài)。基于全矢譜信息融合技術(shù)和相關(guān)向量機擬合得到的閾值模型是工況綜合參數(shù)的連續(xù)函數(shù)，且能完整反映設(shè)備的真實運動狀態(tài)，據(jù)此建立報警曲線和停機曲線能夠?qū)崿F(xiàn)變工況（變轉(zhuǎn)速、變負載）下丙烷壓縮機的振動監(jiān)測和診斷。按照工況

圖 4.9 電機非驅(qū)動端振動趨勢與標準Fig. 4.9 Vibration trend of motor’s fan side由圖 4.9 可看出，2015 年 1 月至 2015 年 7 月，電機非驅(qū)動端振動有效值大增長趨勢，2015 年 5 月振動有效值增長明顯，2015 年 7 月繼續(xù)增大，超過了要求，此時根據(jù)標準判斷設(shè)備處于劣化階段，應(yīng)加強關(guān)注。2015 年 8 月 15 日有效值略有下降但依然未超過停機標準，因此建議繼續(xù)加強觀測，密切關(guān)注運行狀態(tài)，并注意其各項運行指標變化。2015 年 8 月 22 日，哈得作業(yè)區(qū)丙烷機電機非驅(qū)動端軸承溫度瞬間上升至 7聯(lián)鎖停機值），機組停機，停機后非驅(qū)動端軸承部溫度最高升至 163℃。隨修人員對電機非驅(qū)動端軸承進行了拆檢，發(fā)現(xiàn)軸承已“抱死”：軸承內(nèi)圈與軸“抱死”，有“跑外圈”現(xiàn)象，且內(nèi)圈已嚴重損壞。其解體情況如圖 4.10：

【參考文獻】：
期刊論文
[1]柱塞泵故障的閾值自適應(yīng)診斷方法研究[J]. 羅恒星,谷立臣,許睿,焦龍飛,趙鵬軍.  現(xiàn)代制造工程. 2017(12)
[2]變載荷條件下的滾動軸承在線故障診斷方法[J]. 蔣麗英,李茜茜,崔建國,席劍輝.  軸承. 2016(06)
[3]變工況下軸承健康監(jiān)測的相關(guān)向量機與自適應(yīng)閾值模型方法[J]. 胡雷,范彬,胡蔦慶,高明.  國防科技大學(xué)學(xué)報. 2016(01)
[4]多工況下滾動軸承的顯示動力學(xué)分析[J]. 李振華.  裝備制造技術(shù). 2013(03)
[5]運行工況對離心泵振動影響的試驗研究[J]. 陳長盛,馬俊,柳瑞鋒,周璞,王強.  噪聲與振動控制. 2012(06)
[6]小樣本條件下一種旋轉(zhuǎn)機械振動狀態(tài)閾值的確定方法及應(yīng)用[J]. 李會鵬,明廷鋒,賀國.  武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版). 2012(05)
[7]變工況齒輪箱故障診斷方法綜述[J]. 鄒今春,沈玉娣.  機械傳動. 2012(08)
[8]設(shè)備振動相對標準在旋轉(zhuǎn)設(shè)備故障診斷中的應(yīng)用[J]. 宋紅利,秦艷文.  起重運輸機械. 2011(11)
[9]建立離心壓縮機故障診斷標準的新方法[J]. 么子云,郭海濤,段禮祥.  石油礦場機械. 2010(08)
[10]基于階次跟蹤和變換時頻譜的軸承故障診斷[J]. 李輝,鄭海起,唐力偉.  振動.測試與診斷. 2010(02)

博士論文
[1]基于強噪聲背景下隨機共振的微弱故障診斷方法研究[D]. 李志星.北京科技大學(xué) 2018
[2]信號的稀疏表達在滾動軸承故障特征提取及智能診斷中的應(yīng)用研究[D]. 甘萌.中國科學(xué)技術(shù)大學(xué) 2017
[3]相關(guān)向量機多分類算法的研究與應(yīng)用[D]. 柳長源.哈爾濱工程大學(xué) 2013
[4]基于自適應(yīng)振動信號處理的旋轉(zhuǎn)機械故障診斷研究[D]. 張超.西安電子科技大學(xué) 2012

碩士論文
[1]基于全矢極限學(xué)習(xí)機的軸承故障預(yù)測研究[D]. 趙偉杰.鄭州大學(xué) 2017
[2]基于全矢譜的設(shè)備故障強度預(yù)測研究[D]. 吳彥召.鄭州大學(xué) 2016
[3]基于信息融合的設(shè)備故障預(yù)測研究[D]. 張錢龍.鄭州大學(xué) 2016
[4]基于相關(guān)向量機的小樣本故障診斷預(yù)測研究[D]. 曹曉霞.西安工程大學(xué) 2016
[5]基于振動信號的螺桿壓縮機故障診斷仿真研究[D]. 吳霞俊.上海交通大學(xué) 2015
[6]EMD及其改進和無量綱分析相結(jié)合的軸承故障定位研究[D]. 趙光昌.太原理工大學(xué) 2015
[7]基于RVM的滾動軸承故障診斷方法研究[D]. 劉勇.沈陽航空航天大學(xué) 2015
[8]基于監(jiān)測數(shù)據(jù)的機械設(shè)備剩余壽命預(yù)測研究[D]. 李超.大連理工大學(xué) 2014
[9]基于振動信號的旋轉(zhuǎn)機械運行狀態(tài)趨勢分析與故障診斷[D]. 朱繁瀧.江西理工大學(xué) 2014
[10]螺桿壓縮機振動監(jiān)測系統(tǒng)設(shè)計與研究[D]. 姜貴軒.東北石油大學(xué) 2014



本文編號：3633594