【摘要】：渦輪機(jī)熱端部件健康監(jiān)測(cè)技術(shù)一直是信號(hào)處理領(lǐng)域中的重要研究?jī)?nèi)容。其相應(yīng)技術(shù)主要是沿著兩個(gè)方向不斷發(fā)展進(jìn)步的,一是特征提取方法的研究;二是模式識(shí)別算法的研究即監(jiān)測(cè)模型的設(shè)計(jì)。特征提取方法研究的主要任務(wù)是研究和選取能表現(xiàn)信號(hào)特征的,有效而且穩(wěn)定可靠的特征矢量;而監(jiān)測(cè)模型設(shè)計(jì)的主要任務(wù)是研究各種監(jiān)測(cè)模型的結(jié)構(gòu)和算法,從而對(duì)訓(xùn)練和監(jiān)測(cè)中提取的特征向量做預(yù)測(cè)匹配,以完成準(zhǔn)確的監(jiān)測(cè)目的。由于渦輪機(jī)的葉片長(zhǎng)期工作在高溫高壓的惡劣環(huán)境下,且其壽命直接影響燃?xì)廨啓C(jī)的壽命使用期限,已受到廣泛的關(guān)注,而葉片溫度作為評(píng)估葉片質(zhì)量的重要指標(biāo)也越來(lái)越受到重視,所以將健康監(jiān)測(cè)理論的研究用于對(duì)燃?xì)廨啓C(jī)葉片溫度的監(jiān)測(cè)。針對(duì)渦輪葉片信號(hào)波形的特點(diǎn),將重點(diǎn)放在渦輪葉片特征提取方法及監(jiān)測(cè)模型的設(shè)計(jì)。針對(duì)渦輪葉片波形的特點(diǎn),本課題研究了三種不同的特征提取的方法來(lái)提取渦輪葉片溫度信號(hào)的特征信息。在時(shí)域方面,通過(guò)合成余弦函數(shù)來(lái)匹配渦輪葉片溫度信號(hào),可以得到溫度信號(hào)的幅值域,從而計(jì)算其無(wú)量綱指標(biāo)。在時(shí)頻域方面,一方面基于小波分析理論在非平穩(wěn)信號(hào)分析和處理中的優(yōu)勢(shì),利用小波分析理論中多分辨分析的概念和小波包分解研究了信號(hào)不同頻段內(nèi)能量特征的提取算法,給出了特征向量的構(gòu)造方法。另一方面由于希爾伯特-黃變換(HHT)方法自身獨(dú)特的特點(diǎn)及其在信號(hào)處理各個(gè)領(lǐng)域的廣泛應(yīng)用,提出了基于小波分析和HHT變換的特征提取方法。通過(guò)采取以上的措施,提高了HHT方法處理渦輪葉片信號(hào)的精度,驗(yàn)證了HHT方法在健康監(jiān)測(cè)特征提取方面具有更高的分辨率和準(zhǔn)確性。為了提高監(jiān)測(cè)模型的性能,本課題設(shè)計(jì)并實(shí)現(xiàn)了基于平均影響值(MIV)算法、遺傳算法和自適應(yīng)變異的粒子群算法的混合算法Elman網(wǎng)絡(luò)渦輪葉片溫度信號(hào)監(jiān)測(cè)模型。實(shí)現(xiàn)對(duì)輸入自變量的篩選、降維和對(duì)Elman網(wǎng)絡(luò)的初始權(quán)值進(jìn)行優(yōu)化,有效提高了神經(jīng)網(wǎng)絡(luò)的泛化能力,提高預(yù)測(cè)的精度,達(dá)到了專家級(jí)評(píng)分的水平。本文研究成果可望應(yīng)用于渦輪機(jī)健康監(jiān)測(cè)領(lǐng)域,包括渦輪葉片信號(hào)的分析,特征提取、監(jiān)測(cè)預(yù)測(cè)及其它相關(guān)的應(yīng)用領(lǐng)域。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TK14
【圖文】：

第 2 章 健康監(jiān)測(cè)模型基本原理2.1 健康監(jiān)測(cè)模型的基本組成本論文的研究對(duì)象是渦輪機(jī)的熱端部件，對(duì)于渦輪機(jī)來(lái)說(shuō)，所謂熱端部件，即渦輪葉片，其是限制渦輪機(jī)壽命的主要部件。主要原因是高溫燃?xì)庵苯幼饔糜跍u輪葉片的表面，渦輪葉片一直會(huì)承受超高溫的熱負(fù)荷，高溫燃?xì)獾臏囟冗h(yuǎn)遠(yuǎn)超過(guò)了一般金屬或合金的極限溫度，所以對(duì)渦輪葉片的健康監(jiān)測(cè)技術(shù)研究是及其重要的。一個(gè)基本的健康監(jiān)測(cè)模型大致由五個(gè)組成部分，分別是：（1）數(shù)據(jù)的獲取和預(yù)處理；（2）特征的提取；（3特征的選擇；（4）監(jiān)測(cè)模型的設(shè)計(jì)；（5）結(jié)果評(píng)價(jià)與分析。圖 2.1 中為一個(gè)基本的健康監(jiān)測(cè)模型的組成。

→∞∈mmZmmmmZmm→∞∈： VVmZmm ∈+,1；，則( )mjf x+k∈V 2 ， k , j∈Z； ( )mf x∈ V， ( )12+∈mf xV；在性：存在0 ∈V，使得 { ( x n)}m ∈z是0V 的 R用多分辨分析來(lái)構(gòu)造。 L( R)2中的一個(gè)分辨率分( ) kkZttjjjk ∈ = 22/2,φ φ}kZ|∈為規(guī)范正交的。以頻帶分解數(shù)結(jié)構(gòu)表示（圖 2.2 中 S 代表源信號(hào)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王鵬;侯劍華;都佳妮;;美國(guó)風(fēng)力渦輪機(jī)技術(shù)監(jiān)測(cè)與分析[J];技術(shù)經(jīng)濟(jì);2014年11期

2 鐘成義;王素珍;常春;;農(nóng)業(yè)機(jī)械故障診斷技術(shù)研究現(xiàn)狀及展望[J];中國(guó)農(nóng)機(jī)化學(xué)報(bào);2014年02期

3 王江榮;王s

本文編號(hào)：2730332