分析汽輪機(jī)典型故障成因,提出了一種基于振動(dòng)信號(hào)時(shí)—頻聯(lián)合分析技術(shù)的汽輪機(jī)故障診斷方法。分別基于專家經(jīng)驗(yàn)和經(jīng)驗(yàn)?zāi)B(tài)分解法對(duì)采集到的汽輪機(jī)振動(dòng)信號(hào)進(jìn)行時(shí)域、頻域分析,提取了多個(gè)與汽輪機(jī)故障狀態(tài)相關(guān)的特征量,然后搭建了基于深度信念網(wǎng)絡(luò)的診斷模型,并依據(jù)在線振動(dòng)監(jiān)測數(shù)據(jù)完成了訓(xùn)練,最后測試各模型在測試集中的識(shí)別準(zhǔn)確率。結(jié)果表明,該故障診斷方法的平均準(zhǔn)確率可達(dá)95.12%,可以有效識(shí)別汽輪機(jī)的振動(dòng)誘因。 

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 汽輪機(jī)轉(zhuǎn)子振動(dòng)誘因分析
    1.1 動(dòng)靜碰摩
    1.2 轉(zhuǎn)子質(zhì)量不平衡
    1.3 轉(zhuǎn)子不對(duì)中
    1.4 油膜渦動(dòng)
2 轉(zhuǎn)子振動(dòng)信號(hào)的分析與特征提取
    2.1 基于專家經(jīng)驗(yàn)的頻域特征提取
    2.2 基于經(jīng)驗(yàn)?zāi)B(tài)分解的時(shí)域特征提取
    2.3 建模流程
3 算例驗(yàn)證
    3.1 試驗(yàn)數(shù)據(jù)
    3.2 特征提取
        3.2.1 頻域特征提取
        3.2.2 時(shí)域特征提取
    3.3 結(jié)果分析
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]660 MW機(jī)組汽輪機(jī)效率低原因分析與處理[J]. 韓光昊,馬悅欣.  山東電力技術(shù). 2019(09)
[2]基于振動(dòng)分析技術(shù)的風(fēng)力發(fā)電機(jī)組軸承故障診斷[J]. 鞠彬,楊振山,朱述偉.  山東電力技術(shù). 2017(07)
[3]基于經(jīng)驗(yàn)?zāi)B(tài)分解算法的直驅(qū)XY平臺(tái)交叉耦合迭代學(xué)習(xí)控制[J]. 王麗梅,孫璐.  中國電機(jī)工程學(xué)報(bào). 2016(17)

碩士論文
[1]基于時(shí)頻特征的旋轉(zhuǎn)裝備故障診斷技術(shù)研究[D]. 胡曉揚(yáng).哈爾濱工業(yè)大學(xué) 2019
[2]分?jǐn)?shù)階傅里葉變換在滾動(dòng)軸承故障診斷中的應(yīng)用[D]. 呂嘉良.哈爾濱理工大學(xué) 2019



本文編號(hào)：3653816