機械振動國家標準適用于額定轉速、穩(wěn)定工況的設備,而現(xiàn)場設備常處于轉速波動、載荷變化等變工況狀態(tài)運行,直接套用國家標準容易導致對設備狀態(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,以提高設備狀態(tài)診斷的正確率,從而保障設備安全可靠運行。主要研究內(nèi)容如下:（1）基于相關向量機（Relevance Vector Machine,RVM）的變工況閾值模型構建方法研究。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)的關系得到連續(xù)函數(shù),基于切比雪夫不等式構建了變轉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)?兩個關鍵參數(shù)進行了優(yōu)化選擇;實驗驗證了該模型能夠實現(xiàn)設備在變轉速運行時的報警閾值設定,且具有較高準確率;通過機理分析對轉速和負載的影響進行討論,提出了工況綜合參數(shù)Z,構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建方法研究。針對利用單一傳感器信息建立的變轉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上利用RVM擬合得... 

【文章來源】：中國石油大學(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，當振動有效值超過報警閾值時，表明設備運行狀態(tài)劣化，應加強監(jiān)測頻率，密切關注設備運行狀態(tài)變化，繼續(xù)監(jiān)測發(fā)現(xiàn)設備振動恢復正常時，表明設備未出現(xiàn)明顯的故障，此時可繼續(xù)運行；當振動繼續(xù)增大超過停機值時，表明設備劣化嚴重，應立即停機檢修，此時可利用故障診斷技術對信號進行分析，確定故障部位和嚴重程度。利用報警閾值和停機閾值的設定可將設備運行狀態(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，當設備運行處于異常狀態(tài)時應重點關注，尋找時機采取補救措施；當處于故障狀態(tài)時應立即停機檢查。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和相關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實現(xiàn)變工況（變轉速、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)標準判斷設備處于劣化階段，應加強關注。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，停機后非驅動端軸承部溫度最高升至 163℃。隨修人員對電機非驅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)測的相關向量機與自適應閾值模型方法[J]. 胡雷,范彬,胡蔦慶,高明.  國防科技大學學報. 2016(01)
[4]多工況下滾動軸承的顯示動力學分析[J]. 李振華.  裝備制造技術. 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機械振動狀態(tài)閾值的確定方法及應用[J]. 李會鵬,明廷鋒,賀國.  武漢理工大學學報(交通科學與工程版). 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]設備振動相對標準在旋轉設備故障診斷中的應用[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 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用研究[D]. 甘萌.中國科學技術大學 2017
[3]相關向量機多分類算法的研究與應用[D]. 柳長源.哈爾濱工程大學 2013
[4]基于自適應振動信號處理的旋轉機械故障診斷研究[D]. 張超.西安電子科技大學 2012

碩士論文
[1]基于全矢極限學習機的軸承故障預測研究[D]. 趙偉杰.鄭州大學 2017
[2]基于全矢譜的設備故障強度預測研究[D]. 吳彥召.鄭州大學 2016
[3]基于信息融合的設備故障預測研究[D]. 張錢龍.鄭州大學 2016
[4]基于相關向量機的小樣本故障診斷預測研究[D]. 曹曉霞.西安工程大學 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 2015
[6]EMD及其改進和無量綱分析相結合的軸承故障定位研究[D]. 趙光昌.太原理工大學 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 2015
[8]基于監(jiān)測數(shù)據(jù)的機械設備剩余壽命預測研究[D]. 李超.大連理工大學 2014
[9]基于振動信號的旋轉機械運行狀態(tài)趨勢分析與故障診斷[D]. 朱繁瀧.江西理工大學 2014
[10]螺桿壓縮機振動監(jiān)測系統(tǒng)設計與研究[D]. 姜貴軒.東北石油大學 2014



本文編號：3633594