發(fā)布時間：2020-05-17 09:09

【摘要】：往復(fù)壓縮機(jī)廣泛應(yīng)用于各生產(chǎn)部門,具有結(jié)構(gòu)復(fù)雜、激勵源多等特點,在實際生產(chǎn)中,一旦發(fā)生故障,不僅會影響工業(yè)生產(chǎn)過程,造成巨大損失,而且會帶來一系列安全問題。因此,為了保證機(jī)組安全運行,生產(chǎn)企業(yè)急需一套經(jīng)濟(jì)、可靠的往復(fù)壓縮機(jī)故障診斷系統(tǒng)對壓縮機(jī)故障進(jìn)行早期預(yù)測、監(jiān)測及診斷。2D12往復(fù)壓縮機(jī)是石油天然氣輸送的常用設(shè)備,其氣缸部分經(jīng)常發(fā)生故障。往復(fù)壓縮機(jī)的P-V指示圖能反映壓縮機(jī)氣缸內(nèi)壓力的變化情況,是壓縮機(jī)氣缸部分工作狀況的真實記錄。本文將針對壓縮機(jī)氣缸故障進(jìn)行往復(fù)壓縮機(jī)氣缸內(nèi)壓力信號檢測與分析技術(shù)的研究。 首先本文在查閱了大量文獻(xiàn)的基礎(chǔ)上,綜合分析了機(jī)械設(shè)備故障診斷技術(shù)的基本理論、基本方法,介紹了壓縮機(jī)故障診斷技術(shù)的發(fā)展?fàn)顩r及主要問題,針對往復(fù)壓縮機(jī)氣缸故障診斷的特點提出了人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種故障識別方法,并闡述了這兩種方法的基本理論。其次,介紹了2D12型往復(fù)壓縮機(jī)結(jié)構(gòu)、氣缸故障模擬試驗以及氣缸內(nèi)壓力信號檢測技術(shù),對其主要部件的常見故障進(jìn)行了機(jī)理分析,采用分段重構(gòu)方法對往復(fù)式壓縮機(jī)指示圖進(jìn)行歸一化處理。再次,結(jié)合氣缸的故障特征闡明了BP網(wǎng)絡(luò)的設(shè)計、訓(xùn)練過程,對初始權(quán)值、網(wǎng)絡(luò)層數(shù)、各層神經(jīng)節(jié)點數(shù)目、系統(tǒng)目標(biāo)誤差進(jìn)行設(shè)定,建立了結(jié)構(gòu)簡明的BP網(wǎng)絡(luò)。隨后介紹了支持向量機(jī)的核函數(shù)選擇和參數(shù)優(yōu)化過程,在此基礎(chǔ)之上建立了支持向量機(jī)多類分類器。并分別用BP網(wǎng)絡(luò)和支持向量機(jī)對歸一化的指示圖進(jìn)行識別,取得了滿意的結(jié)果。最后,根據(jù)故障診斷系統(tǒng)的功能要求,利用MATLAB開發(fā)了壓縮機(jī)氣缸故障診斷系統(tǒng)軟件。
【圖文】：

圖 2-2 常見神經(jīng)網(wǎng)絡(luò)節(jié)點傳遞函數(shù)Fig.2-2 The common transfer function of neural network nod（3）神經(jīng)網(wǎng)絡(luò)類型單個神經(jīng)元在計算及表達(dá)方面的能力是有限的，但是它們之間相互連接后，則可以體現(xiàn)非常復(fù)雜的非線性函數(shù)。神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元廣泛互連而成的網(wǎng)絡(luò)。根據(jù)聯(lián)接方式的不同，神經(jīng)網(wǎng)絡(luò)可分成兩大類：沒有反饋的前向網(wǎng)絡(luò)和相互結(jié)合型網(wǎng)絡(luò)。前向網(wǎng)絡(luò)有輸入層、中間層(或稱隱層)和輸出層組成，中間層可能有若干層，每一層的神經(jīng)元只接受前一層神經(jīng)元的輸出。而相互連接型網(wǎng)絡(luò)中任意兩個神經(jīng)元件都可能有聯(lián)接，因此輸入信號要在神經(jīng)元之間反復(fù)往返傳遞，，從某一初態(tài)開始，經(jīng)過若干次的變化，漸漸趨于某一穩(wěn)定狀態(tài)或進(jìn)入周期振蕩等其它狀態(tài)。目前已有數(shù)十種的神經(jīng)網(wǎng)絡(luò)模型，可分為四大類：①前向型前向型神經(jīng)網(wǎng)絡(luò)模型是自動控制中廣為應(yīng)用的一種網(wǎng)絡(luò)，其原理及算法也是某些其它網(wǎng)絡(luò)的基礎(chǔ)。BP 網(wǎng)絡(luò)及 RBF 網(wǎng)絡(luò)是其中的典型網(wǎng)絡(luò)。②反饋型網(wǎng)絡(luò)的分析是一個非線性動力學(xué)問題，所以比較復(fù)雜。Hopfield 神經(jīng)網(wǎng)絡(luò)是這種網(wǎng)

第 2 章 故障識別方法 BP 網(wǎng)絡(luò)。Rumelhart 和 McClelland 等人對其進(jìn)行了改進(jìn)和完善，并與 PD理）理論相結(jié)合，使 BP 網(wǎng)絡(luò)受到廣泛關(guān)注，成為目前最流行的一種神經(jīng)人工神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用中，80%~90%的人工神經(jīng)網(wǎng)絡(luò)模型是采用 BP 網(wǎng)形式，它也是前饋網(wǎng)絡(luò)的核心部分。如今，BP 網(wǎng)絡(luò)在模式識別、圖像處制等領(lǐng)域均有廣泛的應(yīng)用，在設(shè)備故障診斷領(lǐng)域也是應(yīng)用最成功的一種神BP 網(wǎng)絡(luò)結(jié)構(gòu)絡(luò)(Backpropagation Neural Network)，又名誤差反向傳播網(wǎng)絡(luò)，它是一種修正誤差的多層映射網(wǎng)絡(luò)。在各種神經(jīng)網(wǎng)絡(luò)模型中，BP 神經(jīng)網(wǎng)絡(luò)是最具一種神經(jīng)網(wǎng)絡(luò)模型。從結(jié)構(gòu)上看，它是屬于典型的前向網(wǎng)絡(luò)，由輸入層、隱含層組成，相鄰兩層的神經(jīng)元之間形成全互連接，同層各神經(jīng)元互不連P 網(wǎng)絡(luò)是三層的前饋階層網(wǎng)絡(luò)，由輸入層、隱含層和輸出層組成，結(jié)構(gòu)如
【學(xué)位授予單位】：大慶石油學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2006
【分類號】：TH45

【引證文獻(xiàn)】

相關(guān)會議論文 前1條

1 王智偉;張鵬;王金東;杜永軍;王巍;;基于虛擬儀器的往復(fù)壓縮機(jī)監(jiān)測系統(tǒng)研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 金江明;活塞式壓縮機(jī)排氣量無級調(diào)節(jié)系統(tǒng)關(guān)鍵技術(shù)的研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前2條

1 王智偉;往復(fù)式壓縮機(jī)動態(tài)信號采集與分析系統(tǒng)研究[D];東北石油大學(xué);2011年

2 俞玉和;往復(fù)式壓縮機(jī)狀態(tài)綜合監(jiān)控系統(tǒng)的研究[D];蘭州理工大學(xué);2010年

本文編號：2668279