發(fā)布時間：2021-05-16 00:05

　　綠色低碳的現(xiàn)代能源體系背景下,清潔能源的安全高效利用對加快能源結(jié)構(gòu)調(diào)整及推進生態(tài)文明建設意義重大。作為清潔能源轉(zhuǎn)換的核心設備,水電、風電機組的巨型化和耦合化使得其運行過程中的振動問題和故障風險日益突出,這對系統(tǒng)的振動信號分析與早期故障辨識方法提出了更高要求。因此,本文以水輪發(fā)電機組、風力發(fā)電機組等大型旋轉(zhuǎn)機械為研究對象,通過凝煉系統(tǒng)早期故障診斷中的關鍵科學問題,解析了多故障源耦合激勵下的系統(tǒng)非線性動力學特性和故障機理,深入開展了基于噪聲干擾抑制和噪聲輔助分析的早期故障信號辨識理論研究,提出了大型旋轉(zhuǎn)機械復合故障分離與特征提取方法,構(gòu)建了系統(tǒng)關鍵設備性能評估與劣化分析模型,對保障機組安全穩(wěn)定運行和推進狀態(tài)檢修體制改革具有一定的理論創(chuàng)新意義和工程應用價值。論文主要研究工作及創(chuàng)新性成果如下:（1）針對大型旋轉(zhuǎn)機械中貫流式機組操作油管不對中、受油器松動及操作油管與浮動瓦碰摩問題,建立了考慮操作油雜質(zhì)影響的時變非線性油膜力模型,并搭建了多源激勵下的機組耦合故障動力學模型,研究了系統(tǒng)隨不對中分量、操作油雜質(zhì)和受油器徑向剛度等參數(shù)變化出現(xiàn)的周期運動、擬周期運動等非線性動力學行為,揭示了多故障源耦合激... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：132 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題研究的背景與意義
    1.2 關鍵問題及研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
2 多故障源耦合激勵下的大型旋轉(zhuǎn)機械動力學特性分析
    2.1 引言
    2.2 時變非線性油膜力下機組耦合故障動力學模型
    2.3 系統(tǒng)動力學特性分析
    2.4 本章小結(jié)
3 基于噪聲干擾抑制的大型旋轉(zhuǎn)機械微弱故障信號檢測
    3.1 引言
    3.2 經(jīng)驗模態(tài)分解降噪理論
    3.3 基于概率密度函數(shù)相似性的經(jīng)驗模態(tài)分解降噪
    3.4 基于概率熵閾值經(jīng)驗模態(tài)分解降噪算法
    3.5 本章小結(jié)
4 基于噪聲輔助分析的大型旋轉(zhuǎn)機械早期故障特征增強
    4.1 引言
    4.2 Duffing振子隨機共振理論
    4.3 基于部分Duffing振子模型隨機共振的早期故障特征增強
    4.4 實例驗證
    4.5 本章小結(jié)
5 大型旋轉(zhuǎn)機械早期復合故障分離與特征提取
    5.1 引言
    5.2 基于連續(xù)譜峭度解卷積的大型旋轉(zhuǎn)機械復合故障分離與特征提取
    5.3 仿真與實例驗證
    5.4 本章小結(jié)
6 大型旋轉(zhuǎn)機械關鍵設備性能評估研究
    6.1 引言
    6.2 基于H-K聚類邏輯回歸模型的大型旋轉(zhuǎn)機械關鍵設備性能評估
    6.3 實例驗證
    6.4 本章小結(jié)
7 全文總結(jié)與展望
    7.1 全文工作總結(jié)
    7.2 進一步研究展望
致謝
參考文獻
附錄1：攻讀博士學位期間發(fā)表的論文
附錄2：攻讀博士學位期間獲獎及參與科研項目


【參考文獻】：
期刊論文
[1]時變油膜力下貫流式機組耦合故障動力學分析[J]. 黨建,賈嶸,武樺,董開松.  水力發(fā)電學報. 2017(11)
[2]滾動軸承早期性能退化評估技術研究[J]. 黃海鳳,高宏力,李丹,楊昕時,黃曉蓉,張莉.  機械科學與技術. 2017(11)
[3]基于最大相關峭度反褶積的齒輪箱復合故障特征提取[J]. 王志堅,寇彥飛,王俊元,張紀平,齊明思,趙志芳.  噪聲與振動控制. 2017(03)
[4]廣義變分模態(tài)分解及其在齒輪箱復合故障診斷中的應用[J]. 楊宇,羅鵬,程軍圣.  中國機械工程. 2017(09)
[5]改進EMD-ICA去噪在水輪機組隱蔽碰磨診斷中的應用研究[J]. 鄭源,潘天航,王輝斌,葛新峰,張異眾.  振動與沖擊. 2017(06)
[6]基于隨機共振和經(jīng)驗模態(tài)分解的水力發(fā)電機組振動故障診斷[J]. 賈嶸,李濤濤,夏洲,馬喜平.  水利學報. 2017(03)
[7]風電、水電“十三五”[J]. 徐裴裴.  通用機械. 2017(01)
[8]基于奇異值分解和變分模態(tài)分解的軸承故障特征提取[J]. 趙洪山,郭雙偉,高奪.  振動與沖擊. 2016(22)
[9]基于H-K聚類邏輯回歸的貫流式機組水導軸承磨損性能評估研究[J]. 黨建,賈嶸,羅興锜,武樺.  水利學報. 2017(02)
[10]基于EMD和邏輯回歸的軸承性能退化評估[J]. 周建民,黎慧,張龍,李鵬.  機械設計與研究. 2016(05)

博士論文
[1]滾動軸承故障特征提取與早期診斷方法研究[D]. 李永波.哈爾濱工業(yè)大學 2017
[2]水輪發(fā)電機組故障診斷及預測與狀態(tài)評估方法研究[D]. 朱文龍.華中科技大學 2016
[3]基于時頻分析與特征約簡的水電機組故障診斷方法研究[D]. 薛小明.華中科技大學 2016
[4]基于新異類檢測和支持向量機的水電機組診斷技術研究[D]. 周葉.中國水利水電科學研究院 2015
[5]基于Duffing振子混沌和隨機共振特性的微弱信號檢測方法研究[D]. 賴志慧.天津大學 2014
[6]水電機組狀態(tài)評估及智能診斷方法研究[D]. 肖劍.華中科技大學 2014
[7]基于多小波的水電機組振動特征提取及故障診斷方法研究[D]. 盧娜.武漢大學 2014
[8]水輪發(fā)電機組軸系非線性動力特性分析[D]. 張雷克.大連理工大學 2014
[9]齒輪箱復合故障診斷方法研究[D]. 李蓉.湖南大學 2013
[10]基于健康評估和劣化趨勢預測的水電機組故障診斷系統(tǒng)研究[D]. 潘羅平.中國水利水電科學研究院 2013

碩士論文
[1]燈泡貫流式水輪發(fā)電機組軸系非線性動力學特性研究[D]. 周新新.東北大學 2014
[2]基于邏輯回歸和支持向量機的設備狀態(tài)退化評估與趨勢預測研究[D]. 雷金波.上海交通大學 2008



本文編號：3188578