在鋼鐵冶金領域,機械設備的在線故障診斷具有重要意義,因為此類診斷不僅可以極大節(jié)約設備的維護、維修、更換等成本,而且還能降低設備故障引發(fā)的生產事故概率。然而,調研表明國內外針對鋼鐵工業(yè)的機械設備故障診斷研究尚處于初步階段,還未發(fā)現(xiàn)成熟的理論與方法的推廣與應用。軋機液壓缸是鋼鐵生產過程中的重要機械設備之一,故障率較高,常常采用定期檢修與更換的方法,保證軋機液壓缸的穩(wěn)定運行。軋機液壓缸的在線故障診斷研究對其早期故障預報,降低維護成本和避免生產事故發(fā)生具有重要意義,因為軋機液壓缸的故障輕則降低產品質量,重則引發(fā)停產事故。但由于液壓缸故障診斷與識別涉及到多個相似度較大的狀態(tài)變量,無法直接采用面向故障管理理念的模式識別手段處理。為此,研究軋機液壓缸的在線故障診斷具有重要的理論意義和實際應用價值。本論文提出了基于聲發(fā)射技術的軋機液壓缸在線故障診斷理論與方法,通過聲發(fā)射檢測儀,在線檢測了軋機液壓缸正常、泄露狀態(tài)下的聲發(fā)射信號,深入研究了軋機液壓缸狀態(tài)聲發(fā)射信號的消噪法和特征識別方法,分別提出了小波去噪法和三維狀態(tài)熱圖與主成分分析的特征分類與識別方法,并與小波特征識別方法進行了特征識別效果比較,并給出了上述三種信號分析方法的優(yōu)缺點,為解決液壓缸在線故障診斷問題提供了新方法與思路,主要研究內容為:(1)詳細分析了軋機液壓缸的泄露以及聲發(fā)射信號產生的機理,結合軋機液壓缸的運動工作原理,確定了聲發(fā)射采集系統(tǒng)傳感器的安裝位置,完成了液壓缸在正常和泄露兩種狀態(tài)下的聲發(fā)射信號的采集工作。(2)針對因小波基選擇不當而引發(fā)的處理功能精度低的問題提出了一種新的小波基選擇方法,然后采用小波閾值去噪方法處理軋機液壓缸狀態(tài)聲發(fā)射信號進行消噪處理,并完成了除噪后信號的時、頻、時-頻特征的計算與特征提取。(3)針對軋機液壓缸狀態(tài)聲發(fā)射信號的特征分類與識別問題,分別提出了三維狀態(tài)熱圖法、主成分分析法,并與小波識別法進行了比較與分析,給出了仿真結果。分析表明,三維狀態(tài)熱圖法適用于狀態(tài)間相似度較大情況,主成分分析法適用于分析大樣本高維特征數(shù)據,小波分析法雖簡單高效,但較適用于分析小樣本數(shù)據。
【學位單位】：冶金自動化研究設計院
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TG333
【部分圖文】：

外側用防塵圈。為了防止活塞撞擊到行程終端，氣缸頭放置在氣缸蓋，緩沖裝置安裝在液壓缸端部。圖2-1 軋機液壓缸刨面結構圖1、活塞桿 2（3）、密封圈 4、缸桶 5、缸底 6、位移傳感器 7、無桿腔油口 8、活塞 9、有桿腔油口 10、除塵圈軋機液壓缸的故障，液診斷中壓缸的故障檢測比較困難，由于液壓缸的工作環(huán)境屬于重載、多塵的惡略環(huán)境，并且液壓缸的工作行程短，又因為活塞桿只在這一段范圍內往復運動，所以對液壓缸的磨損是非常嚴重的，這就直接導致液壓缸的泄露問題。液壓缸的泄露一般分為內泄露和外泄露兩種情況。造成液壓缸泄露的主要因素有許多，比如密封件的材質、密封件磨損、密封件的工作環(huán)境、密封槽與密封接觸面的性能、液壓缸的焊接缺陷等[40]。內泄露主要對液壓缸的技術性能產生重要影響，導致出現(xiàn)運行速度慢、輸出力不足和工作不穩(wěn)定等現(xiàn)象。外泄露將導致環(huán)境的污染和能源的浪費。液壓缸的外泄露現(xiàn)象非常直觀，易于發(fā)掘和處理；而內泄露即看不到也摸不著，沒有一定的經驗和技術是很難判斷的。同

冶金自動化研究設計院碩士學位論文軋機液壓缸的工作機理，依據ASTME650/650M-12和ASTME1930/1930設定數(shù)據采集協(xié)議[41-43]：每個AE撞擊被記錄的采集頻率為1MHz，采樣間信號采集閾值為40dB。本項目以采集軋機液壓缸在正常、泄露狀態(tài)下的聲發(fā)射信號為分析數(shù)據，軋機液壓缸在正常狀態(tài)下通過對軋機液壓缸通入液壓油，采集軋機液pa、10 Mpa和15 Mpa下的聲發(fā)射信號，并分別保持采集時長100s；類似情況下也分別采集了5mpa至15mpa間各標準加載狀態(tài)下的聲發(fā)射信號，采集時長100s。完成信號采集后，分別對6種狀態(tài)下產生的聲發(fā)射信號數(shù)計分析。由于在前期研究中已證實從傳感器的S3通道獲得的聲發(fā)射信號況反映軋機液壓缸的運行狀態(tài)[41]，因此選此通道數(shù)據作為分析數(shù)據來源

特征提取作為分類識別中的重要環(huán)節(jié)，直接影響到分類器的性能。通過對液壓缸聲發(fā)射信號進行特征分析，可以評價聲發(fā)射泄漏源的嚴重程度。圖3-3 聲發(fā)射特征參數(shù)圖3-3中聲發(fā)射信號特征參數(shù)的具體定義為： 幅度：峰值振幅：單個波形的峰值振幅值（正或負），以dB為單位測量。平均振幅：AE信號的平均振幅，以dB為單位測量。 時間：持續(xù)時間：信號第一次越過閾值至最終降至閾值所經歷的時間間隔, 以微秒（us）為單位測量。
【參考文獻】

相關期刊論文 前10條

1 唐勇波;桂衛(wèi)華;彭濤;歐陽偉;;PCA和KICA特征提取的變壓器故障診斷模型[J];高電壓技術;2014年02期

2 陳宏志;蘆永明;王麗娜;Lik-Kwan Shark;John Goodacre;;較小樣本動態(tài)聲發(fā)射信號多元統(tǒng)計分析技術[J];振動.測試與診斷;2013年02期

3 桂衛(wèi)華;杜建江;許燦輝;陽春華;;基于輸出PDF的浮選故障檢測和診斷方法[J];控制工程;2012年02期

4 張會會;張偉;胡昌華;周志杰;;基于主成分分析法的慣性器件壽命預測[J];系統(tǒng)仿真技術;2011年04期

5 胡昌華;王志遠;周志杰;;基于隨機濾波理論的剩余壽命預測方法研究[J];系統(tǒng)仿真技術;2011年02期

6 王兆強;胡昌華;周志杰;孔祥玉;;基于新的AFCM算法的陀螺儀漂移預測[J];電光與控制;2011年04期

7 胡揚;桂衛(wèi)華;;人工代謝算法在故障診斷中的應用[J];信息與控制;2010年02期

8 蔣少華;桂衛(wèi)華;陽春華;唐朝暉;;基于核主元分析與支持向量機的監(jiān)控診斷方法及其應用[J];中南大學學報(自然科學版);2009年05期

9 胡昌華;張琪;喬玉坤;;強跟蹤粒子濾波算法及其在故障預報中的應用[J];自動化學報;2008年12期

10 盧正鼎,趙萍;一種基于支持向量機的PCA分析方法[J];華中科技大學學報(自然科學版);2005年01期

相關博士學位論文 前2條

1 劉國華;聲發(fā)射信號處理關鍵技術研究[D];浙江大學;2008年

2 姜長泓;軌道車輛輪軸故障檢測系統(tǒng)研究[D];吉林大學;2006年

相關碩士學位論文 前3條

1 孫保峰;基于神經網絡的表面肌電信號分類方法研究[D];吉林大學;2013年

2 王彬;基于聲發(fā)射技術的預應力混凝土損傷檢測理論及應用[D];江蘇大學;2006年

3 龔仁榮;結構材料中聲發(fā)射傳播特性的研究[D];江蘇大學;2005年

本文編號：2881468