離心壓縮機是大型石化企業(yè)中的關鍵生產(chǎn)設備,保障其安全運轉十分重要。目前,多數(shù)企業(yè)都實現(xiàn)了壓縮機組的實時狀態(tài)監(jiān)測,但是,故障診斷環(huán)節(jié)卻相對薄弱。基于計算機的智能故障診斷是目前各國學者競相研究的熱點,各種先進的智能診斷理論都被應用到這一領域。尤其是近年來比較流行的人工神經(jīng)網(wǎng)絡技術,以其強大的函數(shù)逼近能力和模式識別能力,在非平穩(wěn)時間序列預測和故障診斷領域得到了廣泛的應用。 對反映機組狀態(tài)的關鍵參數(shù)進行趨勢預測,同時對機組可能出現(xiàn)的故障進行診斷,是機械設備狀態(tài)監(jiān)測與故障診斷系統(tǒng)中最重要的兩部分內容。本文研究了基于RBF神經(jīng)網(wǎng)絡和Adaline神經(jīng)網(wǎng)絡的非平穩(wěn)時間序列預測理論,并將其應用于離心壓縮機轉子振動狀態(tài)的預測。此外,還研究了基于小波分析和人工神經(jīng)網(wǎng)絡的離心壓縮機故障診斷技術。根據(jù)課題的需要,筆者參與研制了離心壓縮機狀態(tài)監(jiān)測與故障診斷實驗系統(tǒng),編制了該系統(tǒng)的熱力性能監(jiān)測模塊和故障診斷模塊。結合理論研究和實驗分析,編制了適用于信號處理、小波分析以及神經(jīng)網(wǎng)絡分析的通用模塊化程序。 本文還對滾動軸承的早期表面損傷故障診斷技術進行了研究。滾動軸承是旋轉機械中的重要部件,對其早期損傷進行... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 本課題的研究領域及涉及的學科
    1.2 本課題的工程意義
    1.3 機械設備智能診斷技術的研究進展
        1.3.1 基于神經(jīng)網(wǎng)絡的智能故障診斷技術
        1.3.2 基于行為的智能診斷技術
        1.3.3 遠程分布式智能診斷技術
    1.4 各國的發(fā)展現(xiàn)狀
    1.5 本課題的研究內容
2 離心壓縮機熱力性能監(jiān)測與計算
    2.1 離心壓縮機的熱力計算
        2.1.1 理想氣體的壓縮過程
        2.1.2 真實氣體的壓縮過程
        2.1.3 離心壓縮機實際熱力性能值的計算
    2.2 壓縮機變工況工作以及流量調節(jié)
        2.2.1 離心壓縮機的非穩(wěn)定工況
        2.2.2 變工況工作以及壓縮機的流量調節(jié)
3 基于小波分析的故障特征提取方法
    3.1 從傅立葉變換(FT)到短時傅立葉變換(STFT)
        3.1.1 傅立葉變換(FT)
        3.1.2 短時傅立葉變換(STFT)
    3.2 小波分析用于信號預處理和故障特征提取
        3.2.1 小波分析的定義
        3.2.2 多分辨率分析-Mallat算法
        3.2.3 小波包算法
        3.2.4 小波分解和小波包分解的直觀表示
        3.2.5 小波和小波分解的信號重構
        3.2.6 利用小波包分析進行故障特征的提取和識別
        3.2.7 小波分析用于信號消噪
        3.2.8 提取信號中某一頻段的信號
        3.2.9 MATLAB小波分析工具箱
4 基于神經(jīng)網(wǎng)絡的旋轉機械狀態(tài)預測和故障診斷研究
    4.1 預測概述
        4.1.1 預測的基本理論
        4.1.2 神經(jīng)網(wǎng)絡用于時間序列預測
        4.1.3 MATLAB神經(jīng)網(wǎng)絡工具箱
    4.2 基于 RBF神經(jīng)網(wǎng)絡的非平穩(wěn)時間序列預測研究
        4.2.1 RBF神經(jīng)網(wǎng)絡的基本理論
        4.2.2 RBF神經(jīng)網(wǎng)絡用于離心壓縮機振動狀態(tài)的預測
    4.3 基于自適應線性元件網(wǎng)絡的非平穩(wěn)時間序列預測研究
        4.3.1 自適應線性元件(Adaline)網(wǎng)絡基礎理論
        4.3.2 Adaline網(wǎng)絡用于離心壓縮機振動狀態(tài)的預測
    4.4 離心壓縮機智能故障診斷研究
        4.4.1 基于 RBF神經(jīng)網(wǎng)絡的離心壓縮機故障診斷實例
5 滾動軸承早期表面損傷類故障診斷研究
    5.1 滾動軸承的振動機理和故障特征頻率的計算
        5.1.1 滾動軸承的振動機理
        5.1.2 滾動軸承的故障特征頻率計算
    5.2 滾動軸承早期表面損傷的共振解調診斷原理
    5.3 滾動軸承共振解調診斷理論振動模型
        5.3.1 滾動軸承單點損傷理論振動模型
        5.3.2 滾動軸承多點損傷理論振動模型
    5.4 滾動軸承單點損傷理論振動模型的驗證
        5.4.1 理論振動模型的驗證
        5.4.2 驗證結果與分析
    5.5 基于 RBF神經(jīng)網(wǎng)絡的滾動軸承故障診斷
6 實驗及軟件系統(tǒng)設計
    6.1 Visua1 C++與 MATLAB的混合編程
        6.1.1 面向對象編程與 MATLAB簡介
        6.1.2 MATLAB與 Visua1 C++混合編程的實現(xiàn)方法
    6.2 離心壓縮機狀態(tài)監(jiān)測與故障診斷實驗系統(tǒng)簡介
        6.2.1 實驗及監(jiān)測方案
        6.2.2 軟件系統(tǒng)功能模塊簡介
    6.3 信號處理通用模塊化程序功能簡介
7 總結與展望
    7.1 總結
    7.2 展望
參考文獻
攻讀碩士學位期間發(fā)表的學術論文
致謝
大連理工大學學位論文版權使用授權書



本文編號：3169940