【摘要】：近年來,機(jī)械設(shè)備故障診斷技術(shù)在國內(nèi)外得到了較大的發(fā)展,在國民生產(chǎn)中起到了重大的作用。往復(fù)壓縮機(jī)作為機(jī)械設(shè)備領(lǐng)域的一部分,由于其結(jié)構(gòu)復(fù)雜,激勵源多,對其實施故障診斷比較困難,盡管人們已對其開展了不少研究并取得了一些研究成果,但總的診斷水平還不是很高,這與其在生產(chǎn)中的應(yīng)用現(xiàn)狀是極不相符。往復(fù)壓縮機(jī)由于其用途的廣泛性使得對其故障診斷的研究更具有重要意義。本文在吸取前人研究成果的基礎(chǔ)上,結(jié)合實際,并根據(jù)往復(fù)壓縮機(jī)氣閥信號的非平穩(wěn)特性,引入了智能診斷方法,較好地解決了往復(fù)壓縮機(jī)氣閥的故障診斷。 在本文中,首先根據(jù)往復(fù)壓縮機(jī)氣閥信號特點:隨機(jī)信號、周期信號、沖擊信號等混雜在一起,以及信號特征難以提取等問題,研究了往復(fù)壓縮機(jī)氣閥信號的消噪方法和特征提取方法。通過對小波變換技術(shù)的進(jìn)一步研究,提出往復(fù)壓縮機(jī)氣閥信號處理的小波基函數(shù)選擇原則及小波包消噪的閥值選取原則。利用小波包變換對往復(fù)壓縮機(jī)的信號進(jìn)行消噪處理和特征提取,并以“能量”為元素,構(gòu)造往復(fù)壓縮機(jī)故障信號的特征,但單獨從振動信號來看從其原始數(shù)據(jù)直接獲取的信息十分有限,為此又提出信息融合的故障特征提取方法,將往復(fù)壓縮機(jī)氣閥的壓力信號和振動信號經(jīng)小波包提取出“能量”特征后再進(jìn)行信息融合提取氣閥故障信號特征,用融合后的特征向量再進(jìn)一步進(jìn)行故障診斷。通過對實測往復(fù)壓縮機(jī)氣閥的振動信號和壓力信號分析進(jìn)一步驗證了方法的可行性和有效性。 研究了基于BP 神經(jīng)網(wǎng)絡(luò)的往復(fù)壓縮機(jī)氣閥故障診斷方法。人工神經(jīng)網(wǎng)絡(luò)由于具有處理非線性和自學(xué)習(xí)以及并行計算能力,且具有在線診斷能力,使其在往復(fù)壓縮機(jī)故障診斷中有著廣泛應(yīng)用。但BP神經(jīng)網(wǎng)絡(luò)由于存在極易陷入局部極小點和收斂速度慢等缺點限制其應(yīng)用,為此在本文中利用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)從模式識別角度對往復(fù)壓縮機(jī)氣閥進(jìn)行故障診斷,獲得較好的效果,證明了方法的有效性。研究了基于資源有限人工免疫系統(tǒng)(RLAIS)的往復(fù)壓縮機(jī)氣閥故障診斷方法。由于現(xiàn)在壓縮機(jī)故障診斷需要的信息量越來越多,造成很大的信息冗余,這就需要診斷方法對信息具有較好約簡能力,同時,由于隨著時間的推移新的故障樣本不斷的產(chǎn)生,因此需要診斷方法具有連續(xù)學(xué)習(xí)功能,為此,提出基于有限資源的人工免疫系統(tǒng)(RLAIS)的往復(fù)壓縮機(jī)氣閥故障診斷方法,實例表明該方法具有知識表達(dá)明確、直觀性強(qiáng)、對信息數(shù)據(jù)約簡能力好、魯棒性高等優(yōu)點。 在深入分析往復(fù)壓縮機(jī)氣閥故障診斷過程的基礎(chǔ)上,借助功能強(qiáng)大的MATLAB 語言系統(tǒng)及工具箱函數(shù)和Visual Basic 高級編程語言完成了往復(fù)壓縮機(jī)氣閥故障診斷原型系統(tǒng)軟件的開發(fā)和設(shè)計,并用采集信號對診斷結(jié)果的正確性進(jìn)行了測試,效果良好,證明了此系統(tǒng)具有可用性。
【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】：2004
【分類號】：TH45
【圖文】：

p1p2pnv1v2vn即： T=[fpP，fvV] （2.19）式中 fp和 fv分別為壓力特征向量 P 和振動特征 V 加權(quán)融合時對向量 P 和 V 加權(quán)的權(quán)重，且 fp和 fv的取值范圍為 0～1，且 fp+fv=1。fp和 fv的具體取值應(yīng)根據(jù) P 與V 在氣閥故障診斷過程中所起的作用不同進(jìn)行取值。2.6 氣閥特征提取實例分析為了驗證本文提出方法有效性，本文以大慶天然氣公司某 2D12 往復(fù)壓縮機(jī)為例，提取了其氣閥的正常工作時、閥片彈簧損壞故障、閥片斷裂故障及閥片缺口故障時閥蓋振動信號和缸內(nèi)壓力信號。圖2-1 至 2-5 和 2-6 至 2-9 分別是氣閥正常工作時、閥片彈簧損壞故障、閥片斷裂故障及閥片缺口故障時閥蓋振動信號和缸內(nèi)壓力信號時域波形（本章氣閥故障以閥片彈簧損壞故障為例進(jìn)行說明）。為了對信號分析處理，首先對信號進(jìn)行消噪處理，根據(jù)往復(fù)壓縮機(jī)氣閥非平穩(wěn)信號的特點，采用給定閥值的方法進(jìn)行消噪，避免丟失有用信號。在本文中分別采用 Penalty 閥值消噪、Birge-Massart 閥值及缺省閥值對往復(fù)壓縮機(jī)氣閥信號進(jìn)行了消噪處理[74~79]，由于篇幅所限，只以正常信號和閥片彈簧損壞故障信號為例，消噪后信號如圖 2-10 所示。為了進(jìn)行信號消噪處理，在本文中首先對仿真信號進(jìn)行消噪，得出 Birge-Massart 閥值消噪處理的效果最好，其次是缺省閥值消噪處理，Penalty 閥值消噪處理效果最差。從圖 2-10 中也可以清楚看出閥片正常和故障的信號消噪處理前后效果：本文中所有信號消噪都是采用 Birge-Massart 閥值消噪處理。

p1p2pnv1v2vn即： T=[fpP，fvV] （2.19）式中 fp和 fv分別為壓力特征向量 P 和振動特征 V 加權(quán)融合時對向量 P 和 V 加權(quán)的權(quán)重，且 fp和 fv的取值范圍為 0～1，且 fp+fv=1。fp和 fv的具體取值應(yīng)根據(jù) P 與V 在氣閥故障診斷過程中所起的作用不同進(jìn)行取值。2.6 氣閥特征提取實例分析為了驗證本文提出方法有效性，本文以大慶天然氣公司某 2D12 往復(fù)壓縮機(jī)為例，提取了其氣閥的正常工作時、閥片彈簧損壞故障、閥片斷裂故障及閥片缺口故障時閥蓋振動信號和缸內(nèi)壓力信號。圖2-1 至 2-5 和 2-6 至 2-9 分別是氣閥正常工作時、閥片彈簧損壞故障、閥片斷裂故障及閥片缺口故障時閥蓋振動信號和缸內(nèi)壓力信號時域波形（本章氣閥故障以閥片彈簧損壞故障為例進(jìn)行說明）。為了對信號分析處理，首先對信號進(jìn)行消噪處理，根據(jù)往復(fù)壓縮機(jī)氣閥非平穩(wěn)信號的特點，采用給定閥值的方法進(jìn)行消噪，避免丟失有用信號。在本文中分別采用 Penalty 閥值消噪、Birge-Massart 閥值及缺省閥值對往復(fù)壓縮機(jī)氣閥信號進(jìn)行了消噪處理[74~79]，由于篇幅所限，只以正常信號和閥片彈簧損壞故障信號為例，消噪后信號如圖 2-10 所示。為了進(jìn)行信號消噪處理，在本文中首先對仿真信號進(jìn)行消噪，得出 Birge-Massart 閥值消噪處理的效果最好，其次是缺省閥值消噪處理，Penalty 閥值消噪處理效果最差。從圖 2-10 中也可以清楚看出閥片正常和故障的信號消噪處理前后效果：本文中所有信號消噪都是采用 Birge-Massart 閥值消噪處理。

圖 2-4 閥片斷裂時振動時域波形 圖 2-5 閥片缺口時振動時域波形Fig.2-4 Time wave of vibration of cracked valve plane Fig.2-5 Time wave of vibration of notch valve plane2-6 閥片正常壓力時域波形 2-7 彈簧損壞閥片壓力時域波形Fig.2-6 Time wave of pressure of normal valve Fig.2-7 Time wave of pressure of valve plane with deteriorated spring

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 錢廣華;;重整裝置往復(fù)壓縮機(jī)氣量無級調(diào)節(jié)節(jié)能效果分析[J];石油石化節(jié)能與減排;2011年Z1期

2 王金東;王智偉;張洪斌;;基于虛擬儀器的往復(fù)壓縮機(jī)小波分析系統(tǒng)[J];壓縮機(jī)技術(shù);2011年03期

3 韓江;黃海金;夏鏈;翟華;;基于粗糙集-神經(jīng)網(wǎng)絡(luò)的大型數(shù)控液壓機(jī)液壓系統(tǒng)故障診斷[J];液壓與氣動;2011年06期

4 趙海力;王奉濤;宋魯濤;;往復(fù)壓縮機(jī)十字頭銷載荷分析及其在故障診斷中的應(yīng)用[J];石油化工設(shè)備技術(shù);2010年05期

5 周志勇;丁毅;;往復(fù)式壓縮機(jī)連桿螺栓斷裂原因分析[J];金屬熱處理;2011年09期

6 張宇鵬;;大型往復(fù)式壓縮機(jī)在重整裝置中的選型及應(yīng)用[J];石油化工設(shè)備技術(shù);2010年05期

7 孫軍;;基于獨立網(wǎng)關(guān)的汽車網(wǎng)絡(luò)總線系統(tǒng)設(shè)計[J];輕型汽車技術(shù);2011年Z3期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相關(guān)會議論文 前10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

2 丁月敏;;探究往復(fù)壓縮機(jī)的設(shè)計方案 以4M80(85)為例[A];第八屆沈陽科學(xué)學(xué)術(shù)年會論文集[C];2011年

3 郭文濤;;往復(fù)壓縮機(jī)管線的振動分析方法探究[A];創(chuàng)新沈陽文集（A）[C];2009年

4 竇唯;孫明;劉樹林;;基于免疫機(jī)理的往復(fù)壓縮機(jī)在線狀態(tài)監(jiān)測方法[A];第八屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集摘要[C];2003年

5 商斌梁;張振仁;;柴油機(jī)智能診斷儀的研制[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（下）[C];2001年

6 趙陽;李世錦;龍云云;沈雪梅;;電磁干擾傳導(dǎo)噪聲的智能診斷與抑制[A];第六屆全國電磁兼容性學(xué)術(shù)會議2004EMC論文集[C];2004年

7 劉華;李家濱;汪為農(nóng);;網(wǎng)絡(luò)故障智能診斷和報警系統(tǒng)的研究與實現(xiàn)[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會’2004論文集[C];2004年

8 魯錄義;顧兆林;何家勝;;在壓縮機(jī)振動控制中運(yùn)用ANSYS多物理場[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

9 李石平;漆志軍;;程控系統(tǒng)的智能診斷原理和實現(xiàn)[A];鐵路大型養(yǎng)路機(jī)械論文集[C];2005年

10 王金東;王巍;李宏燦;李新偉;;往復(fù)壓縮機(jī)軸承故障的多重分形特征提取[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

相關(guān)重要報紙文章 前10條

1 本報記者 陳麗容;中興發(fā)布汽車智能診斷軟件 差異化路線再次凸顯[N];通信信息報;2011年

2 記者 陳黎明 通訊員 錢王平 杜亞董;沙鋼高爐智能診斷決策系統(tǒng)獲冶金科技獎[N];中國冶金報;2007年

3 張善斌 徐秀嬌 李文;山東濟(jì)寧能源運(yùn)河煤礦 智能診斷鋼絲繩缺陷[N];中國安全生產(chǎn)報;2010年

4 安平;壓縮機(jī)發(fā)展高端產(chǎn)品搶灘市場[N];中國工業(yè)報;2007年

5 楊鵬;氣體壓縮機(jī)：提高可靠性降低能耗[N];中國石化報;2007年

6 CommVault公司;CommVault統(tǒng)一數(shù)據(jù)管理方案[N];中國計算機(jī)報;2007年

7 郝;福斯公司推出控制閥設(shè)備管理解決方案[N];國際商報;2009年

8 鐘琪;福斯推出控制閥管理解決方案[N];中國企業(yè)報;2009年

9 胡資平;歷盡風(fēng)雨　終見彩虹[N];人民日報;2003年

10 王廷俊;石化裝置大型化 壓縮機(jī)制造商如何跟進(jìn)？[N];中國工業(yè)報;2006年

相關(guān)博士學(xué)位論文 前10條

1 趙海峰;基于HHT的往復(fù)壓縮機(jī)故障診斷研究[D];東北石油大學(xué);2011年

2 劉義艷;結(jié)構(gòu)健康監(jiān)測與智能診斷技術(shù)研究[D];長安大學(xué);2010年

3 許明;錨固系統(tǒng)質(zhì)量的無損檢測與智能診斷技術(shù)研究[D];重慶大學(xué);2002年

4 丁克北;離心壓縮機(jī)組振動智能診斷關(guān)鍵技術(shù)研究[D];大慶石油學(xué)院;2005年

5 白廣來;船舶柴油機(jī)智能監(jiān)測與智能診斷的研究[D];大連海事大學(xué);2003年

6 王文銘;基于數(shù)據(jù)倉庫的礦山企業(yè)信息系統(tǒng)及其應(yīng)用研究[D];東北大學(xué);2000年

7 陸爽;基于現(xiàn)代信號分析和神經(jīng)網(wǎng)絡(luò)的滾動軸承智能診斷技術(shù)研究[D];吉林大學(xué);2004年

8 張征平;異步電動機(jī)早期故障檢測的小波分析方法研究[D];華南理工大學(xué);2002年

9 李瑞欣;基于網(wǎng)絡(luò)和狀態(tài)監(jiān)測的設(shè)備管理理論與方法研究[D];天津大學(xué);2004年

10 孫紅巖;大型旋轉(zhuǎn)機(jī)械智能診斷多Agent系統(tǒng)的研究[D];重慶大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 趙心怡;往復(fù)壓縮機(jī)故障診斷專家系統(tǒng)的研究與應(yīng)用[D];北京化工大學(xué);2012年

2 竇唯;往復(fù)壓縮機(jī)氣閥故障診斷的智能方法研究[D];大慶石油學(xué)院;2004年

3 張利明;基于虛擬儀器的旋轉(zhuǎn)水洗頭智能診斷策略與試驗研究[D];華東理工大學(xué);2010年

4 王剛;往復(fù)壓縮機(jī)的數(shù)學(xué)模擬和微機(jī)數(shù)據(jù)采集系統(tǒng)的研究[D];甘肅工業(yè)大學(xué);2001年

5 申大鵬;基于案例推理的往復(fù)壓縮機(jī)故障診斷專家系統(tǒng)研究[D];北京化工大學(xué);2012年

6 聶磊;民用飛機(jī)重著陸智能診斷技術(shù)研究[D];南京航空航天大學(xué);2010年

7 李慶;往復(fù)式壓縮機(jī)氣閥閥片的故障分析與診斷[D];北京化工大學(xué);2008年

8 朱傳聰;智能診斷報告系統(tǒng)[D];華中科技大學(xué);2011年

9 劉浩;貨車軸承聲發(fā)射信號特征提取與智能診斷研究[D];中南大學(xué);2011年

10 張曉冬;基于全矢譜的智能診斷技術(shù)研究[D];鄭州大學(xué);2010年

本文編號：2755927