管排鋸是利用鋸片對(duì)無(wú)縫鋼管定尺鋸切的工藝流程。該系統(tǒng)中設(shè)備數(shù)量多、每臺(tái)設(shè)備監(jiān)測(cè)點(diǎn)多、數(shù)據(jù)采樣信號(hào)多,客觀上造就了設(shè)備故障率高,維修周期長(zhǎng),停機(jī)損失等一系列問題,由于故障造成生產(chǎn)停滯以及維護(hù)檢測(cè)難度加大。為了更好的排查和確定設(shè)備發(fā)生故障的位置,只能全方面進(jìn)行檢測(cè),導(dǎo)致維修人員工作量加大,工作效率降低。因此,對(duì)管排鋸故障類型診斷具有重大的意義,可以保證機(jī)械設(shè)備的可靠性運(yùn)行,避免企業(yè)造成巨大的經(jīng)濟(jì)損失。首先,介紹管排鋸的鋸切工藝流程和設(shè)備中的主機(jī)故障、液壓系統(tǒng)故障、輔機(jī)故障。找出對(duì)鋸切工藝影響較大的主鋸鋸片故障和主機(jī)夾緊座故障,分析了主鋸鋸片磨損故障、電磁換向閥閥卡以及比例減壓閥閥卡的故障原因和機(jī)理。從中選出了常見的鋸片磨損故障、定位側(cè)入口壓力閥卡故障、夾緊側(cè)入口位移閥卡故障等10種故障工況。以上位機(jī)監(jiān)控的數(shù)據(jù)為基礎(chǔ),提取這10種故障工況的數(shù)據(jù),從時(shí)域特征參數(shù)中選出最能表現(xiàn)其運(yùn)行狀態(tài)的8個(gè)時(shí)域特征量。由于這些特征量彼此之間存在冗余性與相關(guān)性,故采用降維方法來(lái)減少支持向量機(jī)的運(yùn)算。然后基于主元分析(PCA)和核主元分析(KPCA)的相關(guān)理論。通過Matlab程序?qū)?個(gè)特征量轉(zhuǎn)化為3個(gè)最能體現(xiàn)故...

【文章來(lái)源】： 中北大學(xué)山西省

【文章頁(yè)數(shù)】：78 頁(yè)

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景和意義
    1.2 故障診斷技術(shù)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)內(nèi)研究現(xiàn)狀
        1.2.2 國(guó)外研究現(xiàn)狀
    1.3 故障分析方法介紹
        1.3.1 時(shí)域分析方法
        1.3.2 頻域分析方法
        1.3.3 時(shí)頻分析方法
    1.4 支持向量機(jī)在故障診斷中應(yīng)用
    1.5 論文主要研究?jī)?nèi)容
2 管排鋸系統(tǒng)故障機(jī)理分析
    2.1 引言
    2.2 管排鋸鋸切工況簡(jiǎn)介
        2.2.1 鋸切工藝常見參數(shù)
        2.2.2 鋸切工藝過程簡(jiǎn)介
    2.3 管排鋸設(shè)備故障分類
    2.4 主鋸鋸片和主機(jī)夾緊座故障機(jī)理
        2.4.1 主鋸鋸片磨損故障機(jī)理
        2.4.2 主機(jī)夾緊座電磁換向閥閥卡故障機(jī)理
        2.4.3 主機(jī)夾緊座比例減壓閥閥卡故障機(jī)理
    2.5 本章小結(jié)
3 故障工況信號(hào)的分析與特征提取
    3.1 引言
    3.2 信號(hào)采集設(shè)備
    3.3 故障信號(hào)時(shí)域特征參數(shù)分析
        3.3.1 特征參數(shù)選擇原則
        3.3.2 時(shí)域特征參數(shù)簡(jiǎn)介
        3.3.3 故障工況特征量提取
    3.4 本章小結(jié)
4 基于特征量的降維與支持向量機(jī)的故障分類
    4.1 引言
    4.2 主元分析方法
        4.2.1 主元分析簡(jiǎn)介
        4.2.2 主元分析降維
    4.3 核主元分析方法
        4.3.1 核函數(shù)
        4.3.2 核主元分析降維
    4.4 支持向量機(jī)理論
        4.4.1 線性可分支持向量機(jī)
        4.4.2 線性不可分支持向量機(jī)
        4.4.3 支持向量機(jī)的核函數(shù)
        4.4.4 支持向量機(jī)分類算法
    4.5 PCA-SVM故障診斷模型
        4.5.1 基于PCA的故障診斷模型建立
        4.5.2 主元分析數(shù)據(jù)降維
        4.5.3 PCA-SVM的故障診斷分類
    4.6 KPCA-SVM故障診斷模型
        4.6.1 基于KPCA的故障診斷模型建立
        4.6.2 核主元分析數(shù)據(jù)降維
        4.6.3 KPCA-SVM的故障診斷分類
    4.7 本章小結(jié)
5 管排鋸主鋸鋸片及主機(jī)夾緊座故障診斷系統(tǒng)
    5.1 引言
    5.2 基于OPC通訊技術(shù)的Matlab和 WinCC連接
        5.2.1 WinCC界面添加變量
        5.2.2 OPC通信技術(shù)
        5.2.3 Matlab中 M文件編程
    5.3 基于WinCC的故障診斷系統(tǒng)設(shè)計(jì)
        5.3.1 WinCC組態(tài)軟件簡(jiǎn)介
        5.3.2 WinCC模塊功能簡(jiǎn)介
        5.3.3 管排鋸故障診斷系統(tǒng)界面
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于VMD多特征融合與PSO-SVM的滾動(dòng)軸承故障診斷 [J]. 張龍,宋成洋,鄒友軍,崔路瑤,雷兵.  機(jī)械設(shè)計(jì)與研究. 2019(06)
[2]非線性-線性聯(lián)合減震控制方法頻譜特性分析 [J]. 王菁菁,劉志彬,李浩博,岳洪滔.  振動(dòng).測(cè)試與診斷. 2019(06)
[3]PCA-SVM模型在煤層瓦斯涌出量預(yù)測(cè)中的應(yīng)用 [J]. 李鑫靈,袁梅,敖選俊,隆能增,張平,許石青.  工業(yè)安全與環(huán)保. 2019(10)
[4]擠壓鑄造法制備粉煤灰增強(qiáng)鋁基復(fù)合材料及其磨損機(jī)理研究 [J]. 羅忠民,張堃,劉東雷,艾凡榮.  功能材料. 2019(07)
[5]用于自動(dòng)變速器換擋控制中的電液比例減壓閥研究 [J]. 李國(guó)琳,孫永華,王興濤,王敬,張進(jìn)生.  機(jī)床與液壓. 2019(10)
[6]大數(shù)據(jù)下機(jī)械裝備故障的深度遷移診斷方法 [J]. 雷亞國(guó),楊彬,杜兆鈞,呂娜.  機(jī)械工程學(xué)報(bào). 2019(07)
[7]基于OPC技術(shù)的水箱實(shí)時(shí)監(jiān)控系統(tǒng) [J]. 李欣,雷菊陽(yáng).  自動(dòng)化儀表. 2018(12)
[8]推動(dòng)我國(guó)無(wú)縫鋼管行業(yè)健康發(fā)展的思考 [J]. 成海濤.  鋼管. 2018(05)
[9]小波包能量譜和RVM在自動(dòng)機(jī)故障診斷中的應(yīng)用 [J]. 房立清,呂巖,張建偉,趙玉龍.  機(jī)械設(shè)計(jì)與制造. 2018(10)
[10]直升機(jī)齒輪箱故障診斷方法 [J]. 李耀華,王星州.  機(jī)械科學(xué)與技術(shù). 2018(10)

博士論文
[1]基于滑移向量序列奇異值分解的滾動(dòng)軸承故障診斷研究[D]. 從飛云.上海交通大學(xué). 2012

碩士論文
[1]電液伺服/比例閥磨損失效模型的研究[D]. 孫宇航.太原理工大學(xué). 2019
[2]基于支持向量機(jī)的電網(wǎng)調(diào)度風(fēng)險(xiǎn)評(píng)估研究[D]. 陳冰松.浙江大學(xué). 2019
[3]基于LMD和SVM齒輪泵故障特征信息提取與診斷研究[D]. 侯蒙蒙.山東理工大學(xué). 2015
[4]風(fēng)力發(fā)電機(jī)組的振動(dòng)狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究[D]. 董華強(qiáng).蘭州理工大學(xué). 2013
[5]MFL管排鋸機(jī)夾緊系統(tǒng)力學(xué)分析與改造設(shè)計(jì)[D]. 李大勇.中南大學(xué). 2013
[6]工業(yè)過程故障檢測(cè)的方法及應(yīng)用研究[D]. 李暢.東北大學(xué). 2011



本文編號(hào)：3546528