發(fā)布時間：2020-02-20 10:25

【摘要】：現(xiàn)代大型發(fā)電機(jī)組單機(jī)容量越來越大,機(jī)組的安全運(yùn)營越來越受到業(yè)內(nèi)的重視,大力發(fā)展旋轉(zhuǎn)機(jī)械的振動故障診斷技術(shù)就顯得尤為重要,而故障特征的提取和分類又是振動故障診斷技術(shù)中的關(guān)鍵問題。利用描述系統(tǒng)混沌特性的最大李亞普諾夫指數(shù),Hurst指數(shù),以及描述信號復(fù)雜性的近似熵來描述振動信號的故障特性。同時,用于腦電波和心電圖去噪的一些理論也被用來對分析信號進(jìn)行預(yù)處理,結(jié)合改進(jìn)的k-means算法,我們對試驗(yàn)離心風(fēng)機(jī)振動故障信號進(jìn)行了診斷。 利用自回歸和EMD結(jié)合的方法,對離心式風(fēng)機(jī)聯(lián)軸器不對中故障進(jìn)行了分析,得到了風(fēng)機(jī)負(fù)荷跟故障頻率的關(guān)系圖,以及不對中程度的大小分別跟風(fēng)機(jī)負(fù)荷,風(fēng)機(jī)轉(zhuǎn)速之間的關(guān)系。 采用基于高斯矩的FASTICA算法對信號進(jìn)行盲分離,得到觀測信號中所包含的獨(dú)立分量,對振源對應(yīng)的獨(dú)立分量進(jìn)行時頻分析,確定出故障分量;將故障分量以外的獨(dú)立分量視為干擾噪聲置零,然后重構(gòu)各分量得到新的信號矩陣,再次用分離矩陣的逆矩陣與信號矩陣相乘得到去噪以后的振動加速度信號,根據(jù)類距離判據(jù),對其去噪效果與其他幾種方法進(jìn)行了比較。 介紹了k-means算法的原始思想,通過列舉4個聚類中心在2塊分開的空間里的應(yīng)用結(jié)果來說明其容易陷入局部最優(yōu)的缺點(diǎn),應(yīng)用聚類中心移動準(zhǔn)則對其進(jìn)行了優(yōu)化,結(jié)合提取的風(fēng)機(jī)振動時域信號的3個特征參量,對故障進(jìn)行了分類。 運(yùn)用EMD理論對原始的振動信號進(jìn)行了預(yù)處理,然后對重構(gòu)的信號進(jìn)行了經(jīng)驗(yàn)?zāi)Ｊ椒纸?根據(jù)不同故障提取IMF能量特征,并對其能量特征進(jìn)行了歸一化處理,組成特征向量,輸入到改進(jìn)的k-means算法里面進(jìn)行分類。
【圖文】：

圖 3-6 振動分析信號由于篇幅原因這里只給出風(fēng)機(jī)在某一負(fù)荷下故障信號的 EMD 分解結(jié)果，如圖 3-7 所示（圖中，，從上至下依次為：IMF1~IMF7，7r 為殘余），可見信號的主要能量和故障頻率包含在第一個 IMF 到第四個 IMF 中，其中第 1 個 IMF 主要是高頻噪聲，依次下去的各 IMF 分量頻率逐漸變低，不同的 IMF 分量包含了不同的時間尺度，使不對中故障信號的特征在不同分辨率下顯示出來。EMD 分解的一個顯著特點(diǎn)就是它可以實(shí)現(xiàn)信號主要成分的提取，圖中第 2～5 個 IMF 分量代表了故障信號的主要特征。由于分解出來的各 IMF 都可能受到噪聲的干擾，所以需要依據(jù) 3σ 準(zhǔn)則進(jìn)行消噪處理。3σ 準(zhǔn)則是粗差檢測的常用準(zhǔn)則之一，其基本思想是：由于隨機(jī)誤差服從正太分布，則誤差的絕對值主要集中在均值附近。用公式表示有p { 3 σ < z μ < 3σ }=0.9974式中2z ~ N ( μ , σ )；本文中，2z ~ N (0, σ )，即取均值為 0，均方差為2σ 的白噪聲。因此各 IMF 中凡數(shù)據(jù)大于3σ 的則視為粗差。

某一負(fù)荷下風(fēng)機(jī)故障信號的EMD結(jié)果
【學(xué)位授予單位】：東北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TH442

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李天云,趙妍,李楠;基于EMD的Hilbert變換應(yīng)用于暫態(tài)信號分析[J];電力系統(tǒng)自動化;2005年04期

2 錢勇,黃成軍,陳陳,江秀臣;基于經(jīng)驗(yàn)?zāi)B(tài)分解的局部放電去噪方法[J];電力系統(tǒng)自動化;2005年12期

3 施圣康;汽輪發(fā)電機(jī)組振動故障診斷技術(shù)的發(fā)展現(xiàn)狀[J];動力工程;2001年04期

4 魯宏偉，吳雅，楊叔子;基于時序的李亞普諾夫指數(shù)譜的計(jì)算[J];華中理工大學(xué)學(xué)報(bào);1995年06期

5 田大東;鄧偉;;改進(jìn)的K均值聚類算法在支持矢量機(jī)中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2007年32期

6 李萌;陸爽;馬文星;;滾動軸承故障診斷的分形特征研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2005年12期

7 劉良順;魏立東;宋希庚;薛冬新;;基于RBF神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2006年03期

8 徐峰,王志芳,王寶圣;AR模型應(yīng)用于振動信號趨勢預(yù)測的研究[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年04期

9 司濤,徐興科;引風(fēng)機(jī)振動故障的診斷與分析[J];設(shè)備管理與維修;2004年02期

10 周晨賡;幾種信號分析方法對非線性、非平穩(wěn)信號分析效果的比較[J];山東電子;2003年04期

相關(guān)博士學(xué)位論文 前2條

1 焦衛(wèi)東;基于獨(dú)立分量分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];浙江大學(xué);2003年

2 王勝春;自適應(yīng)時頻分析技術(shù)及其在故障診斷中的應(yīng)用研究[D];山東大學(xué);2007年

相關(guān)碩士學(xué)位論文 前2條

1 何樹波;基于隱Markov模型的旋轉(zhuǎn)機(jī)械故障診斷系統(tǒng)的研究[D];浙江大學(xué);2003年

2 趙江穩(wěn);粗糙集理論在火電廠風(fēng)機(jī)故障診斷中的應(yīng)用[D];太原理工大學(xué);2008年

本文編號：2581302