機(jī)械設(shè)備在運(yùn)行的過(guò)程中,由于不同原因會(huì)出現(xiàn)各式各樣的故障,這些故障輕則影響運(yùn)轉(zhuǎn),重責(zé)造成重大事故,帶來(lái)嚴(yán)重的經(jīng)濟(jì)損失。正確的故障預(yù)測(cè)能夠提醒設(shè)備管理人員提前采取措施,避免事故的發(fā)生,為設(shè)備安全高效地運(yùn)行提供技術(shù)保障。當(dāng)前的預(yù)測(cè)研究仍以單一參數(shù)的數(shù)值預(yù)測(cè)為主,并不能通過(guò)預(yù)測(cè)對(duì)可能發(fā)生的故障的性質(zhì)和部位做出判斷。本文以大型旋轉(zhuǎn)機(jī)械為研究對(duì)象,針對(duì)現(xiàn)有故障預(yù)測(cè)中存在的不足,從信息融合、數(shù)據(jù)采集、預(yù)測(cè)建模、產(chǎn)品開(kāi)發(fā)等多個(gè)方面對(duì)基于全矢譜的故障預(yù)測(cè)方法進(jìn)行研究。解決了傳統(tǒng)預(yù)測(cè)方法無(wú)法預(yù)測(cè)故障性質(zhì)和部位的問(wèn)題,利用振動(dòng)大數(shù)據(jù)進(jìn)行設(shè)備健康預(yù)警和評(píng)價(jià),為預(yù)測(cè)技術(shù)的推廣應(yīng)用提供了基礎(chǔ)保障。論文所做的主要研究工作和取得的成果如下:(1)研究了基于全矢信息融合的設(shè)備故障預(yù)測(cè)方法,闡述并構(gòu)建了一維全矢振動(dòng)強(qiáng)度預(yù)測(cè)模型(FVMP),二維全矢頻譜結(jié)構(gòu)預(yù)測(cè)模型(FVSP)和設(shè)備故障多維預(yù)測(cè)模型(FVEP)。在分析全矢譜技術(shù)的基本原理、方法和數(shù)值計(jì)算的基礎(chǔ)上建立的預(yù)測(cè)模型,能夠克服傳統(tǒng)測(cè)試方法得到的數(shù)據(jù)反映的設(shè)備振動(dòng)特征不夠全面的問(wèn)題,根據(jù)全矢融合后的振動(dòng)信號(hào),預(yù)測(cè)頻譜結(jié)構(gòu)的變化,判斷故障性質(zhì)并評(píng)價(jià)設(shè)備健康狀態(tài);(2...

【文章頁(yè)數(shù)】：134 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題來(lái)源
    1.2 設(shè)備故障預(yù)測(cè)的研究意義
    1.3 故障預(yù)測(cè)技術(shù)研究現(xiàn)狀
        1.3.1 故障預(yù)測(cè)技術(shù)的發(fā)展歷程
        1.3.2 故障預(yù)測(cè)技術(shù)研究現(xiàn)狀
        1.3.3 預(yù)測(cè)方法研究現(xiàn)狀
        1.3.4 大數(shù)據(jù)預(yù)警研究現(xiàn)狀
    1.4 同源信息融合技術(shù)研究現(xiàn)狀
        1.4.1 信息融合技術(shù)
        1.4.2 同源信息融合
    1.5 課題研究的目的和意義
    1.6 主要研究?jī)?nèi)容與結(jié)構(gòu)安排
        1.6.1 本文的主要研究?jī)?nèi)容
        1.6.2 本文的結(jié)構(gòu)安排
2 基于全矢信息融合的故障預(yù)測(cè)
    2.1 全矢譜理論與方法
        2.1.1 同源融合的必要性
        2.1.2 全矢譜基本原理
        2.1.3 全矢振動(dòng)特征計(jì)算
    2.2 全矢振動(dòng)強(qiáng)度預(yù)測(cè)
    2.3 全矢振動(dòng)頻譜預(yù)測(cè)
    2.4 多維預(yù)測(cè)與整機(jī)評(píng)價(jià)
    2.5 本章小結(jié)
3 全矢數(shù)據(jù)采集與特征提取
    3.1 虛擬振動(dòng)傳感器
    3.2 全矢振動(dòng)數(shù)據(jù)采集
        3.2.1 全矢采集電路
        3.2.2 全矢采集過(guò)程控制
        3.2.3 全矢數(shù)據(jù)分析與驗(yàn)證
    3.3 本章小結(jié)
4 全矢AR時(shí)序預(yù)測(cè)模型研究
    4.1 全矢AR模型的構(gòu)建
        4.1.1 AR模型結(jié)構(gòu)
        4.1.2 時(shí)序預(yù)測(cè)的步驟
        4.1.3 模型的識(shí)別
        4.1.4 參數(shù)估計(jì)
        4.1.5 AR模型預(yù)測(cè)遞推公式
        4.1.6 分析評(píng)價(jià)指標(biāo)
    4.2 全矢AR模型的計(jì)算驗(yàn)證
        4.2.1 全矢AR模型數(shù)值計(jì)算
        4.2.2 預(yù)測(cè)驗(yàn)證
    4.3 本章小結(jié)
5 全矢灰色預(yù)測(cè)模型研究
    5.1 全矢灰色模型
        5.1.1 灰色模型理論
        5.1.2 全矢-灰色模型構(gòu)建
    5.2 實(shí)驗(yàn)驗(yàn)證
    5.3 本章小結(jié)
6 全矢綜合預(yù)測(cè)模型與大數(shù)據(jù)預(yù)警
    6.1 全矢綜合預(yù)測(cè)模型
        6.1.1 全矢綜合預(yù)測(cè)模型
        6.1.2 EMD趨勢(shì)項(xiàng)提取
        6.1.3 全矢綜合預(yù)測(cè)模型的建立
        6.1.4 試驗(yàn)驗(yàn)證
    6.2 基于全矢譜的大數(shù)據(jù)預(yù)警
        6.2.1 大數(shù)據(jù)預(yù)警流程
        6.2.2 預(yù)測(cè)結(jié)果綜合評(píng)價(jià)與診斷
    6.3 本章小結(jié)
7 全矢故障預(yù)測(cè)技術(shù)及其工程應(yīng)用
    7.1 基于全矢譜的故障預(yù)測(cè)技術(shù)
    7.2 相關(guān)產(chǎn)品與功能開(kāi)發(fā)
        7.2.1 SDC系列采集器
        7.2.2 軟件功能
    7.3 工程應(yīng)用實(shí)例
    7.4 本章小結(jié)
8 結(jié)論與展望
    8.1 結(jié)論
    8.2 關(guān)鍵技術(shù)和創(chuàng)新點(diǎn)
    8.3 展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷
在校期間發(fā)表的學(xué)術(shù)論文與研究成果
致謝



本文編號(hào)：3765073