本文關(guān)鍵詞：基于復信號雙邊譜與FNN的旋轉(zhuǎn)機械故障診斷方法研究

  更多相關(guān)文章： 旋轉(zhuǎn)機械 故障診斷 負頻率 復信號雙邊譜 FNN

【摘要】：旋轉(zhuǎn)機械是工業(yè)生產(chǎn)中應用非常廣泛的一種關(guān)鍵設(shè)備。開展旋轉(zhuǎn)機械狀態(tài)監(jiān)測和故障診斷技術(shù)的研究工作,對于避免設(shè)備損壞,保障人員安全,減少停機時間和次數(shù),減少企業(yè)的經(jīng)濟損失具有重要的作用。本論文結(jié)合旋轉(zhuǎn)機械智能故障診斷的應用需求,針對故障特征提取的實時性和準確性問題,以及由故障耦合引起的故障表征的模糊性和不確定性問題,提出一種基于復信號雙邊譜的故障特征提取方法與基于模糊神經(jīng)網(wǎng)絡(luò)(FNN)的模式識別方法融合的旋轉(zhuǎn)機械智能故障診斷方法。主要研究工作如下:首先,針對故障特征提取的實時性和準確性問題,提出基于復信號雙邊譜分析的故障特征提取方法。在分析頻譜正、負頻率與轉(zhuǎn)子正、反進動之間的聯(lián)系的基礎(chǔ)上,引入復信號和負頻率,通過信號處理可直接獲取能有效反映旋轉(zhuǎn)機械故障特征的故障特征量,并通過對比分析驗證了該方法的完備性。進而,根據(jù)故障特征量的特性構(gòu)造能夠全面表征故障特征的故障特征參數(shù)—進動能量差密度和振動能量密度。進動能量差密度可用于進動分析,為故障診斷提供數(shù)據(jù)參考;振動能量密度因其整體和全局性可作為故障模式識別的輸入,為故障模式識別提供可靠的數(shù)據(jù)支持。通過案例分析對該方法的有效性和準確性進行了驗證。然后,針對故障耦合引起的故障表征的模糊性和不確定性問題,提出基于模糊神經(jīng)網(wǎng)絡(luò)的故障模式識別方法。以振動能量密度作為網(wǎng)絡(luò)的輸入,構(gòu)造五層前饋模糊神經(jīng)網(wǎng)絡(luò)。通過模糊理論的模糊化和模糊推理以及BP神經(jīng)網(wǎng)絡(luò)改進學習算法的學習和訓練不斷調(diào)整網(wǎng)絡(luò)的權(quán)值、參數(shù)以及模糊規(guī)則等,建立準確的、完善的故障特征模型,從而實現(xiàn)對旋轉(zhuǎn)機械的運行狀態(tài)和故障信息的監(jiān)測、識別和決策。通過仿真分析驗證了該模糊神經(jīng)網(wǎng)絡(luò)的準確性和有效性。最后,基于上述研究內(nèi)容,以Microsoft Visual Studio 2010和MATLAB R2012b作為開發(fā)工具,設(shè)計并開發(fā)了旋轉(zhuǎn)機械故障診斷系統(tǒng)作為應用試驗方案,通過歷史故障數(shù)據(jù)測試和在線監(jiān)測,驗證了論文方法的有效性、實時性和準確性。
【關(guān)鍵詞】：旋轉(zhuǎn)機械 故障診斷 負頻率 復信號雙邊譜 FNN
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH17
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-18
• 1.1 論文選題背景8-9
• 1.2 國內(nèi)外研究現(xiàn)狀分析和總結(jié)9-14
• 1.2.1 旋轉(zhuǎn)機械故障診斷的發(fā)展概述9-10
• 1.2.2 旋轉(zhuǎn)機械故障特征提取方法研究現(xiàn)狀10-12
• 1.2.3 旋轉(zhuǎn)機械故障模式識別方法研究現(xiàn)狀12-13
• 1.2.4 研究現(xiàn)狀的分析和總結(jié)13-14
• 1.3 論文研究的目的與意義14
• 1.4 研究內(nèi)容及章節(jié)安排14-16
• 1.4.1 研究內(nèi)容14-15
• 1.4.2 章節(jié)安排15-16
• 1.5 本章小結(jié)16-18
• 2 基于復信號雙邊譜分析的故障特征提取方法研究18-38
• 2.1 引言18
• 2.2 復信號雙邊譜分析的理論基礎(chǔ)18-22
• 2.2.1 轉(zhuǎn)子動力學模型18-20
• 2.2.2 負頻率與復信號20-22
• 2.3 基于復信號雙邊譜分析的故障特征提取方法22-28
• 2.3.1 復信號雙邊譜分析的基本原理22-23
• 2.3.2 基于復信號雙邊譜分析的方法流程23-28
• 2.4 故障特征參數(shù)的選擇28-32
• 2.4.1 轉(zhuǎn)子的能量估計28-29
• 2.4.2 構(gòu)造故障特征參數(shù)29-31
• 2.4.3 故障特征參數(shù)的確定31-32
• 2.5 案例分析32-37
• 2.6 本章小結(jié)37-38
• 3 基于FNN的旋轉(zhuǎn)機械故障模式識別方法研究38-56
• 3.1 引言38
• 3.2 模糊理論與神經(jīng)網(wǎng)絡(luò)38-43
• 3.2.1 模糊理論基礎(chǔ)38-41
• 3.2.2 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)41-42
• 3.2.3 模糊理論與神經(jīng)網(wǎng)絡(luò)的結(jié)合方式42-43
• 3.3 基于FNN的旋轉(zhuǎn)機械故障模式識別方法43-50
• 3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計43-45
• 3.3.2 網(wǎng)絡(luò)學習算法45-49
• 3.3.3 推理實現(xiàn)過程49-50
• 3.4 FNN在故障模式識別中的應用分析50-55
• 3.4.1 FNN的初始化50-53
• 3.4.2 模糊神經(jīng)網(wǎng)絡(luò)的訓練53
• 3.4.3 模糊神經(jīng)網(wǎng)絡(luò)的測試53-55
• 3.5 本章小結(jié)55-56
• 4 旋轉(zhuǎn)機械故障診斷應用試驗分析56-68
• 4.1 引言56
• 4.2 應用試驗方案設(shè)計56-58
• 4.2.1 方案的整體設(shè)計56-57
• 4.2.2 方案的實現(xiàn)流程57-58
• 4.3 應用試驗方案實現(xiàn)58-61
• 4.3.1 開發(fā)環(huán)境介紹58
• 4.3.2 系統(tǒng)的實現(xiàn)58-61
• 4.4 應用試驗61-67
• 4.4.1 故障診斷測試62-67
• 4.4.2 在線監(jiān)測測試67
• 4.5 小結(jié)67-68
• 5 總結(jié)與展望68-70
• 5.1 總結(jié)68-69
• 5.2 展望69-70
• 致謝70-72
• 參考文獻72-76
• 附錄76
• A. 作者在攻讀碩士學位期間取得的成果目錄76
• B. 作者在攻讀碩士學位期間參與的科研項目76

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳先利;韓捷;李志農(nóng);;全矢譜及其新方法在旋轉(zhuǎn)機械故障中的應用[J];現(xiàn)代制造技術(shù)與裝備;2007年04期

2 于海蛟;;旋轉(zhuǎn)機械故障產(chǎn)生的原因分析[J];湖南造紙;2011年02期

3 覃愛淞;張清華;李鐵鷹;胡勤;;復合無量綱指標在旋轉(zhuǎn)機械故障分類中的應用[J];現(xiàn)代制造工程;2013年04期

4 李貴三,張正松,唐錫寬;旋轉(zhuǎn)機械故障模糊診斷模型新探[J];振動、測試與診斷;1991年02期

5 汪家銘;多通道旋轉(zhuǎn)機械故障診斷儀[J];機械與電子;1994年06期

6 陳春天;旋轉(zhuǎn)機械故障監(jiān)測診斷系統(tǒng)的研究[J];機械工程師;1997年05期

7 孫穎;;旋轉(zhuǎn)機械故障的研究及常見故障[J];知識經(jīng)濟;2010年16期

8 顧超華，，汪希萱，童水光;實現(xiàn)旋轉(zhuǎn)機械故障在線閉環(huán)消除的探討[J];動力工程;1996年03期

9 羅躍綱,陳長征;旋轉(zhuǎn)機械故障的灰色網(wǎng)絡(luò)診斷分析[J];風機技術(shù);2001年04期

10 路連;葛安華;;旋轉(zhuǎn)機械故障監(jiān)測試驗系統(tǒng)開發(fā)與應用的研究[J];機械工程師;2009年10期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 朱春梅;徐小力;;基于小波理論的旋轉(zhuǎn)機械故障信號降噪技術(shù)研究[A];北京機械工程學會2012年優(yōu)秀論文評選論文集[C];2012年

2 莫琦;陳立定;;小波包在旋轉(zhuǎn)機械故障振動信號處理中的應用[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學會學術(shù)年會專輯[C];2004年

3 段曉鋼;殷u&;劉德武;;旋轉(zhuǎn)機械故障在線監(jiān)測與診斷的研究與應用[A];1993中國控制與決策學術(shù)年會論文集[C];1993年

中國博士學位論文全文數(shù)據(jù)庫 前6條

1 許同樂;基于多路傳感器信息融合的旋轉(zhuǎn)機械故障診斷方法研究[D];北京郵電大學;2012年

2 楊宇;基于EMD和支持向量機的旋轉(zhuǎn)機械故障診斷方法研究[D];湖南大學;2005年

3 任達千;基于局域均值分解的旋轉(zhuǎn)機械故障特征提取方法及系統(tǒng)研究[D];浙江大學;2008年

4 呂蓬;旋轉(zhuǎn)機械故障模式識別方法研究[D];華北電力大學（北京）;2010年

5 蔣玲莉;基于核方法的旋轉(zhuǎn)機械故障診斷技術(shù)與模式分析方法研究[D];中南大學;2010年

6 焦衛(wèi)東;基于獨立分量分析的旋轉(zhuǎn)機械故障診斷方法研究[D];浙江大學;2003年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 王亞超;基于局部均值分解的旋轉(zhuǎn)機械故障診斷技術(shù)研究[D];燕山大學;2015年

2 楊坤;基于復信號雙邊譜與FNN的旋轉(zhuǎn)機械故障診斷方法研究[D];重慶大學;2016年

3 王建峰;基于階比分析的變轉(zhuǎn)速旋轉(zhuǎn)機械故障診斷方法研究[D];重慶大學;2016年

4 郭大文;旋轉(zhuǎn)機械故障特征提取與分析技術(shù)研究[D];電子科技大學;2012年

5 王迪;基于振動的旋轉(zhuǎn)機械故障診斷技術(shù)研究與分析[D];石河子大學;2013年

6 周澤民;基于嵌入式系統(tǒng)的旋轉(zhuǎn)機械故障診斷儀的開發(fā)研究[D];南華大學;2012年

7 龐彬;旋轉(zhuǎn)機械故障特征提取方法研究[D];華北電力大學;2015年

8 梁曉華;基于參考獨立分量分析的旋轉(zhuǎn)機械故障信號提取[D];哈爾濱工業(yè)大學;2010年

9 王旭慧;旋轉(zhuǎn)機械故障特征提取新技術(shù)研究與應用[D];華北電力大學（北京）;2011年

10 胡秀琴;旋轉(zhuǎn)機械故障診斷技術(shù)研究[D];電子科技大學;2011年

本文編號：533689