【摘要】：工業(yè)生產(chǎn)過程中使用的大型旋轉(zhuǎn)機(jī)電設(shè)備一般處于重要的生產(chǎn)環(huán)節(jié),保證其安全穩(wěn)定的運(yùn)行是保證生產(chǎn)的關(guān)鍵。目前,設(shè)備的現(xiàn)代化程度日益提高,結(jié)構(gòu)日益復(fù)雜,需要考慮更復(fù)雜的運(yùn)行狀態(tài)、工藝參數(shù)及工作環(huán)境,較簡便的診斷及預(yù)測(cè)技術(shù)已不足以指導(dǎo)設(shè)備的狀態(tài)維護(hù),需要研究適應(yīng)現(xiàn)代化生產(chǎn)的大型旋轉(zhuǎn)機(jī)組的故障分析以及趨勢(shì)預(yù)測(cè)技術(shù),實(shí)現(xiàn)在機(jī)組未發(fā)生故障時(shí)對(duì)其進(jìn)行狀態(tài)維護(hù)。 本文闡述了大型旋轉(zhuǎn)機(jī)械故障診斷的原理與方法。對(duì)大型旋轉(zhuǎn)機(jī)組進(jìn)行故障診斷應(yīng)包括對(duì)機(jī)組工況的在線監(jiān)測(cè),選擇能反應(yīng)機(jī)組狀態(tài)的特征量,并針對(duì)特征量進(jìn)行特征分析以及機(jī)組的工況識(shí)別。振動(dòng)信號(hào)能夠更迅速、更直接的反映大型旋轉(zhuǎn)機(jī)組的運(yùn)行狀態(tài),因此選擇振動(dòng)信號(hào)作為故障診斷的特征信號(hào),研究了振動(dòng)信號(hào)的提取方法、預(yù)處理方法及振動(dòng)烈度的計(jì)算方法。對(duì)振動(dòng)烈度信號(hào)進(jìn)行頻譜分析、倒頻譜分析、短時(shí)傅立葉分析及小波分析等,揭示機(jī)組的運(yùn)行狀態(tài),并對(duì)各種分析方法的優(yōu)缺點(diǎn)進(jìn)行比較分析。研究了利用小波分析的數(shù)字濾波方法,并用其對(duì)采集的振動(dòng)信號(hào)進(jìn)行降噪濾波。 大型旋轉(zhuǎn)機(jī)組在其運(yùn)行過程中由于自身及外界因素的影響常常處于非平穩(wěn)狀態(tài),傳統(tǒng)的用于平穩(wěn)時(shí)間序列的預(yù)測(cè)方法難以取得好的效果,因此研究了非平穩(wěn)狀態(tài)的趨勢(shì)預(yù)測(cè)方法。針對(duì)采集信號(hào)中的異常數(shù)據(jù)及畸變數(shù)據(jù)進(jìn)行一定的預(yù)處理,建立了預(yù)測(cè)歷史樣本數(shù)據(jù)庫。探討了成功應(yīng)用于語音信號(hào)處理的隱馬爾可夫過程(HMM)在振動(dòng)烈度趨勢(shì)預(yù)測(cè)中的應(yīng)用方法,建立了基于振動(dòng)烈度的HMM模型,研究了HMM模型的參數(shù)重估算法以及最優(yōu)狀態(tài)搜索算法,并將其預(yù)測(cè)結(jié)果與灰色預(yù)測(cè)方法進(jìn)行比較,取得了較好的效果。 以虛擬儀器為基礎(chǔ),建立大型旋轉(zhuǎn)機(jī)組故障分析及趨勢(shì)預(yù)測(cè)系統(tǒng),其中硬件系統(tǒng)采用PC-DAQ ,軟件系統(tǒng)的開發(fā)采用虛擬儀器開發(fā)語言LabWindows/CVI與Visual C++相結(jié)合的方式。
【圖文】：

共 59 頁 第 13 頁3.2.2 倒頻譜分析功率譜分析能夠很好地揭示隨機(jī)波形中混有地周期信號(hào)，而倒頻譜就能突出功率譜圖的一些特點(diǎn)和顯示振動(dòng)狀態(tài)地一些變化，特別是能揭示譜圖中地周期分量，有利于故障診斷。1962 年 Bogert 等人首先提出倒頻譜（Cepstrum）的概念，它是從頻譜（Spectrum）這個(gè)詞意派生出來的。Bogert 把“對(duì)數(shù)功率譜的功率譜”定義為信號(hào) x(t)的功率倒頻譜[ ]222( )log()∫log()∞ ∞ τ= ω=ωωπωτCFGGedxxxxx（3.7）式中[ ]22G(ω )Fx(t)X(ω)xx= =。倒頻譜分析是把時(shí)間信號(hào) x(t)的功率譜函數(shù)取對(duì)數(shù)再進(jìn)行傅立葉變換，式中τ稱為倒頻率（Quefrency），具有時(shí)間因子，單位為秒或毫秒，與自相關(guān)函數(shù)的時(shí)延τ有相似之處。τ值大的稱為高倒頻率，表示頻譜的快速波動(dòng)；τ值小的稱為圖 3-5 傅立葉分析窗函數(shù)比較

3.2.3 短時(shí)傅立葉分析3.2.3.1 短時(shí)傅立葉變換的介紹和定義傅立葉分析能有效的分析平穩(wěn)信號(hào)，能通過頻譜函數(shù)方便地指明平穩(wěn)信號(hào)地主要諧波成分。然而，在實(shí)際應(yīng)用中，經(jīng)常需要分析頻域特性隨時(shí)間變化的非平穩(wěn)信號(hào)，如振動(dòng)信號(hào)、音樂信號(hào)、語音信號(hào)等，，需要了解某些局部時(shí)域信號(hào)所對(duì)應(yīng)地主要頻率特性，也需要了解某些頻率的信息出現(xiàn)在那些時(shí)間段上。具體地說，對(duì)于大型旋轉(zhuǎn)機(jī)組變工況非平穩(wěn)的振動(dòng)信號(hào)，需要了解局部時(shí)域信號(hào)的頻率特性，并且需要了解什么局部時(shí)域信號(hào)表示機(jī)組發(fā)生故障。這就要求獲得短時(shí)段時(shí)域信號(hào)所對(duì)應(yīng)的局部頻域特性，即要求實(shí)現(xiàn)時(shí)-頻局部化分析。Fourier 分析的積分區(qū)間是無窮區(qū)間，本質(zhì)上決定了 Fourier 分析是對(duì)無窮區(qū)間函數(shù)的分析，分析結(jié)果只能獲得頻域的全局信息，無法實(shí)現(xiàn)時(shí)-頻局部化。為克服 Fourier 變換在時(shí)－頻局部化方面的不足，D.Gabor 于 1946 年提出了窗口 Fourier 變換（簡記為 WFT），或者圖 3-6 信號(hào)的倒頻譜分析
【學(xué)位授予單位】：北京機(jī)械工業(yè)學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2004
【分類號(hào)】：TH17

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前7條

1 丁大偉;電子交易中軟件運(yùn)行時(shí)行為分析與預(yù)測(cè)[D];湖南工業(yè)大學(xué);2010年

2 張海濤;旋轉(zhuǎn)機(jī)械全矢譜分析系統(tǒng)的構(gòu)建與應(yīng)用[D];鄭州大學(xué);2007年

3 李艷妮;旋轉(zhuǎn)機(jī)械故障機(jī)理與故障特征提取技術(shù)研究[D];北京化工大學(xué);2007年

4 梁亮;風(fēng)機(jī)旋轉(zhuǎn)機(jī)械設(shè)備故障診斷專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京化工大學(xué);2008年

5 高穎;基于磁懸浮效應(yīng)的測(cè)振系統(tǒng)[D];哈爾濱理工大學(xué);2008年

6 李文禮;汽車變速器試驗(yàn)臺(tái)狀態(tài)監(jiān)控技術(shù)研究[D];重慶理工大學(xué);2010年

7 蔣巍;變速器耐久試驗(yàn)狀態(tài)監(jiān)控技術(shù)的研究[D];重慶理工大學(xué);2012年

本文編號(hào)：2623514