本文關鍵詞：基于全矢譜的設備故障強度預測研究

  更多相關文章： 全矢譜技術 ARMA模型 故障強度預測 信息融合 時序預測方法 齒輪故障

【摘要】：設備在高速運轉下,一旦關鍵運動部件發(fā)生故障將會帶來巨大的經(jīng)濟損失以及人員傷害,為讓損失降到最低,需要做到故障強度早知道,因此設備故障強度預測顯得尤為重要。由于轉子本身的渦動特性,同一截面不同方向獲取的振動信息存在差異性,具有不同的頻譜結構,因此單通道信息不足以反映轉子的真實振動情況。之前學者研究的單通道預測方法由于獲取振動信息不完善,導致預測結果一致性差,從而不能很好地實現(xiàn)故障強度的預測。通過全矢譜獲得的頻譜結構具有唯一性的特點,能夠很好地彌補單通道的不足,在此基礎上,將時序預測方法ARMA模型與全矢譜技術相結合,提出了全矢-ARMA模型預測方法,并把該方法應用到機械振動強度預測和故障強度預測研究中。試驗表明,該方法預測的故障強度結果與實際較吻合。本課題的研究內(nèi)容和主要成果如下:(1)研究了全矢-ARMA模型預測方法和建模過程。給出了時序預測方法ARMA模型結合全矢譜技術的全矢-ARMA模型的具體建模過程,并給出了建模過程中一系列具體的理論計算公式以及完善的預測流程圖。(2)研究了基于全矢-ARMA模型的機械振動強度預測流程及應用。將全矢-ARMA模型預測方法應用到機械振動強度預測研究中,并給出了機械振動強度的預測過程。試驗表明,全矢-ARMA模型具有較好的預測效果,并在機械振動強度的預測中表現(xiàn)出了較高的預測精度。(3)研究了基于全矢-ARMA模型的齒輪斷齒故障強度預測流程及應用。在以上的基礎上,將全矢-ARMA模型擴展到故障情況下的頻譜預測,從而實現(xiàn)了故障強度的預測,并給出了故障強度預測的過程。試驗表明,全矢-ARMA模型在各個頻率處都有較好的預測結果,保證了預測頻譜結構的準確性,很好地實現(xiàn)了齒輪斷齒故障強度的預測。
【關鍵詞】：全矢譜技術 ARMA模型 故障強度預測 信息融合 時序預測方法 齒輪故障
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH17
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-19
• 1.1 課題的來源10
• 1.2 設備故障預測技術的研究意義10-11
• 1.3 設備故障預測技術的研究現(xiàn)狀11-12
• 1.4 同源信息融合技術及其在設備故障預測中的應用12-16
• 1.4.1 全息譜( Holospectrum )技術13-14
• 1.4.2 全頻譜( Full Spectrum )技術14-15
• 1.4.3 全矢譜( Full Vector Spectrum )技術15-16
• 1.5 本文的研究目的和意義16-17
• 1.6 本文的主要研究內(nèi)容及結構安排17-19
• 1.6.1 主要研究內(nèi)容17
• 1.6.2 本文結構安排17-19
• 2 全矢譜理論與故障預測方法19-32
• 2.1 引言19
• 2.2 全矢譜理論19-26
• 2.3 全矢數(shù)值計算理論26-28
• 2.4 全矢譜技術在故障診斷中應用28-30
• 2.5 故障預測方法30-31
• 2.6 本章小結31-32
• 3 旋轉機械典型故障的故障機理與診斷技術32-44
• 3.1 引言32
• 3.2 齒輪的故障機理與診斷技術32-38
• 3.2.1 齒輪的失效形式及振動測定方法32-35
• 3.2.2 齒輪的振動機理35-37
• 3.2.3 齒輪的故障診斷方法37-38
• 3.3 滾動軸承的故障機理與診斷技術38-43
• 3.3.1 滾動軸承的失效形式及振動測定方法38-40
• 3.3.2 滾動軸承的振動機理40-42
• 3.3.3 滾動軸承的故障診斷方法42-43
• 3.4 本章小結43-44
• 4 全矢-ARMA預測模型的建立44-63
• 4.1 引言44
• 4.2 ARMA模型分析方法44-54
• 4.2.1 ARMA模型結構表達式44-45
• 4.2.2 數(shù)據(jù)的預處理45-46
• 4.2.3 階數(shù)初步確定46-48
• 4.2.4 參數(shù)估計方法48-51
• 4.2.5 適用性檢驗51-53
• 4.2.6 評價指標53-54
• 4.3 全矢-ARMA預測模型數(shù)值計算54-61
• 4.3.1 預測模型建模過程54-55
• 4.3.2 試驗驗證55-61
• 4.4 本章小結61-63
• 5 全矢-ARMA預測模型在設備故障強度預測中的應用63-74
• 5.1 引言63
• 5.2 全矢-ARMA預測模型在齒輪斷齒故障強度預測研究中的應用63-73
• 5.2.1 試驗簡介64-65
• 5.2.2 原始數(shù)據(jù)分析處理65-68
• 5.2.3 建立預測模型68-70
• 5.2.4 預測頻譜圖70-72
• 5.2.5 預測效果分析72-73
• 5.2.6 試驗小結73
• 5.3 本章小結73-74
• 6 結論與展望74-76
• 6.1 結論74
• 6.2 關鍵技術和創(chuàng)新點74-75
• 6.3 展望75-76
• 參考文獻76-79
• 致謝79-80
• 個人簡歷 在校期間發(fā)表的學術論文及研究成果80-81

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱學兵;;混凝土強度預測的兩種非線性模型比較研究[J];混凝土;2011年12期

2 Yasuhiro Nozue,張振球;柴油機缸蓋熱應力和強度預測[J];車用發(fā)動機;1986年03期

3 殷杰;高玉峰;洪振舜;;基于落錐試驗的黏性土不排水強度預測方法[J];巖土工程學報;2009年10期

4 盧春玲;王強;;三種神經(jīng)網(wǎng)絡在混凝土強度預測中的應用[J];山西建筑;2006年19期

5 印朝富;李驍春;;基于人工神經(jīng)網(wǎng)絡的同條件混凝土強度預測[J];建筑技術開發(fā);2007年11期

6 崔猛;王新剛;;混凝土強度預測的人工智能方法[J];山西建筑;2008年27期

7 丁聲榮;霍艷華;姜新佩;;混凝土強度預測的混合神經(jīng)網(wǎng)絡模型[J];四川建筑科學研究;2010年06期

8 陳謙應;黃莘;;混凝土強度人工神經(jīng)網(wǎng)絡預測模型[J];公路交通技術;1999年04期

9 李宇峙,危文康,劉朝暉,邵臘庚;兩種神經(jīng)網(wǎng)絡在混凝土強度預測應用中的探討[J];長沙交通學院學報;2003年04期

10 俞桂良;;高強混凝土強度預測人工智能方法及應用[J];混凝土;2010年10期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 燕瑛;黃聰;成傳賢;段躍新;劉兵山;;低模量復合材料剛度和強度的分析與實驗研究[A];復合材料：生命、環(huán)境與高技術——第十二屆全國復合材料學術會議論文集[C];2002年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 蘇軍;單向Cf/Al復合材料缺陷Chirplet參數(shù)表征及強度損傷研究[D];哈爾濱工業(yè)大學;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 吳彥召;基于全矢譜的設備故障強度預測研究[D];鄭州大學;2016年

2 時丹;基于神經(jīng)網(wǎng)絡的混凝土強度預測研究[D];遼寧工程技術大學;2013年

3 趙小明;基于CA技術的區(qū)域開發(fā)強度預測研究[D];遼寧師范大學;2013年

4 陳啟軍;復合材料飛輪轉子的失效分析與強度預測[D];鄭州大學;2014年

5 朱建輝;復合材料螺栓連接漸進損傷分析與強度預測[D];南京航空航天大學;2013年

，

本文編號：742672