近年來,設(shè)備故障診斷作為一門各學(xué)科交叉的新技術(shù),得到了迅速發(fā)展并產(chǎn)生了巨大的經(jīng)濟(jì)效益。正常運(yùn)行以及發(fā)生故障的離心泵會使設(shè)備產(chǎn)生振動,這種振動信號中包含了豐富的泵體運(yùn)行狀態(tài)信息,而且易于采集,可以應(yīng)用其進(jìn)行離心泵運(yùn)行狀態(tài)的監(jiān)測與診斷。由于離心泵故障振動信號是非平穩(wěn)信號,因此有必要選擇恰當(dāng)?shù)倪m合于非平穩(wěn)信號分析的信號處理方法。從離心泵運(yùn)行機(jī)體上采集到的振動信號由于受到現(xiàn)場實(shí)驗(yàn)環(huán)境以及條件的影響,勢必存在噪聲,如何對信號進(jìn)行降噪處理是離心泵振動故障振動的重要基礎(chǔ)。本文提出了第二代小波與新型改進(jìn)閾值函數(shù)相結(jié)合的信號去噪方法。該方法利用第二代小波對故障信號進(jìn)行分解,并采用新型改進(jìn)閾值函數(shù)對分解信號的小波系數(shù)做閾值處理。同時(shí)引入基于類可分離性測度的降噪評價(jià)準(zhǔn)則,實(shí)現(xiàn)了對復(fù)雜振動信號的降噪效果的評價(jià)。仿真和實(shí)測振動信號的去噪結(jié)果表明,該方法融合了第二代小波和改進(jìn)閾值函數(shù)的優(yōu)點(diǎn),能更好的消除振動信號噪聲。針對去噪后的振動信號,應(yīng)用HHT變換、復(fù)雜度計(jì)算、連續(xù)小波變換、提升小波包、第二代小波包以及混沌遞歸理論等對其進(jìn)行分析計(jì)算,提取有效特征參數(shù),組成特征向量,輸入分類模型,實(shí)現(xiàn)對離心泵故障類型的診斷。分... 

【文章來源】：華北電力大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：120 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
目錄
CONTENTS
第1章 緒論
    1.1 引言
    1.2 離心泵故障的概述
        1.2.1 故障的含義
        1.2.2 離心式水泵故障的特點(diǎn)
        1.2.3 離心泵故障診斷的方法
        1.2.4 開展離心泵故障診斷技術(shù)的意義
    1.3 故障診斷的國內(nèi)外發(fā)展現(xiàn)狀及分析
    1.4 本課題所要研究的內(nèi)容
第2章 實(shí)驗(yàn)裝置及實(shí)驗(yàn)方法
    2.1 離心泵實(shí)驗(yàn)臺
    2.2 實(shí)驗(yàn)系統(tǒng)
        2.2.1 信號測量子系統(tǒng)
        2.2.2 數(shù)據(jù)采集子系統(tǒng)
    2.3 實(shí)驗(yàn)步驟
        2.3.1 實(shí)驗(yàn)狀態(tài)選取及特征
        2.3.2 振動位移和加速度信號的采集
    2.4 實(shí)驗(yàn)結(jié)果
    2.5 本章小結(jié)
第3章 基于第二代小波的故障信號去噪方法
    3.1 去噪問題的描述
    3.2 常用的去噪方法
        3.2.1 模極大值去噪
        3.2.2 相關(guān)性去噪
        3.2.3 閾值函數(shù)去噪
        3.2.4 改進(jìn)閾值函數(shù)去噪
    3.3 新型改進(jìn)閾值函數(shù)的第二代小波去噪
        3.3.1 Doppler仿真信號去噪
        3.3.2 實(shí)測故障信號去噪
        3.3.3 類可分離性評價(jià)準(zhǔn)則
    3.4 本章小結(jié)
第4章 離心泵振動故障特征提取方法
    4.1 希爾伯特-黃變換(HHT)
        4.1.1 EMD分解過程
        4.1.2 Hilbert變換(HT)
        4.1.3 Hilbert譜
        4.1.4 基于HHT的特征提取
    4.2 復(fù)雜度
        4.2.1 Lempel-Ziv復(fù)雜度
        4.2.2 特征提取
    4.3 基于連續(xù)小波變換的故障特征提取
        4.3.1 連續(xù)小波變換原理
        4.3.2 基于連續(xù)小波變換的故障特征提取
    4.4 基于提升小波包的特征提取
        4.4.1 小波包原理
        4.4.2 提升小波包原理
        4.4.3 基于提升小波包的故障特征提取
    4.5 遞歸定量分析
        4.5.1 遞歸原理
        4.5.2 4種狀態(tài)的遞歸分析以及特征提取
    4.6 本章小結(jié)
第5章 離心泵振動故障診斷模型
    5.1 RBF神經(jīng)網(wǎng)絡(luò)
        5.1.1 基本原理
        5.1.2 網(wǎng)絡(luò)訓(xùn)練
        5.1.3 故障診斷
    5.2 ELMAN神經(jīng)網(wǎng)絡(luò)
        5.2.1 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.2 Elman神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程
        5.2.3 改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)模型
        5.2.4 故障診斷
    5.3 最小二乘法支持向量機(jī)
        5.3.1 支持向量機(jī)原理
        5.3.2 LSSVM診斷模型參數(shù)的優(yōu)化
        5.3.3 多分類的實(shí)現(xiàn)
        5.3.4 故障診斷
    5.4 相關(guān)向量機(jī)
        5.4.1 相關(guān)向量機(jī)算法
        5.4.2 基于二叉樹的RVM多類分類器
        5.4.3 故障診斷結(jié)果分析
    5.5 識別模型的比較
    5.6 本章小結(jié)
第6章 基于2D-HMM的離心泵振動故障診斷模型
    6.1 隱MARKOV模型
        6.1.1 基本參數(shù)與拓?fù)浣Y(jié)構(gòu)
        6.1.2 主要算法
    6.2 二維隱MARKOV模型(2D-HMM)
        6.2.1 常見類型
        6.2.2 基本參數(shù)
        6.2.3 主要算法
    6.3 2D-HMM故障診斷原理及步驟
        6.3.1 2D-HMM故障診斷原理
        6.3.2 求解類條件概率
        6.3.3 2D-HMM故障診斷步驟
    6.4 2D-HMM故障診斷實(shí)驗(yàn)應(yīng)用
        6.4.1 初始模型確定
        6.4.2 故障識別
    6.5 本章小結(jié)
第7章 離心泵在線監(jiān)測及故障診斷系統(tǒng)
    7.1 在線監(jiān)測與故障診斷系統(tǒng)硬件組成介紹
    7.2 軟件開發(fā)
        7.2.1 軟件主要模塊結(jié)構(gòu)及相關(guān)功能說明
        7.2.2 系統(tǒng)功能的實(shí)現(xiàn)
    7.3 診斷系統(tǒng)的應(yīng)用
        7.3.1 應(yīng)用實(shí)例
        7.3.2 檢驗(yàn)結(jié)果
    7.4 本章小結(jié)
第8章 結(jié)論與展望
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其它成果
攻讀博士學(xué)位期間參加的科研工作
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于相關(guān)向量機(jī)的慣性約束聚變實(shí)驗(yàn)靶識別技術(shù)研究[J]. 吳慧蘭,劉國棟,浦昭邦.  光學(xué)學(xué)報(bào). 2009(07)
[2]基于小波包分析的航空發(fā)動機(jī)軸承故障診斷[J]. 韓磊,洪杰,王冬.  推進(jìn)技術(shù). 2009(03)
[3]基于自回歸-隱馬爾可夫模型的離心泵故障診斷方法研究[J]. 周云龍,柳長昕,趙鵬,孫斌,洪文鵬.  中國機(jī)械工程. 2009(07)
[4]提升小波包漸變式閾值選擇與量化降噪方法[J]. 曹建軍,張培林,邵衍振,張英堂,任國全.  中國機(jī)械工程. 2008(24)
[5]基于冗余第二代小波的降噪技術(shù)[J]. 高立新,湯文亮,胥永剛,殷海晨.  北京工業(yè)大學(xué)學(xué)報(bào). 2008(12)
[6]基于AR的二維隱Markov模型離心泵故障診斷方法[J]. 周云龍,柳長昕,宋延宏,趙鵬,孫斌,洪文鵬.  流體機(jī)械. 2008(10)
[7]基于FHMM模型的離心泵故障診斷方法研究[J]. 柳長昕,王鋒,劉傳海,柳振河,吳世光,黎世翔.  水電能源科學(xué). 2008(05)
[8]基于小波包的2D-HMM離心泵故障診斷[J]. 周云龍,柳長昕,趙鵬.  數(shù)據(jù)采集與處理. 2008(S1)
[9]提升小波包變換及在振動故障診斷中的應(yīng)用[J]. 邵衍振,曹建軍,王艷霞,張培林.  科學(xué)技術(shù)與工程. 2008(15)
[10]基于自回歸–連續(xù)隱馬爾可夫模型的離心泵故障診斷[J]. 周云龍,柳長昕,趙鵬,孫斌,洪文鵬.  中國電機(jī)工程學(xué)報(bào). 2008(20)

博士論文
[1]基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)算法研究[D]. 唐發(fā)明.華中科技大學(xué) 2005
[2]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]. 焦衛(wèi)東.浙江大學(xué) 2003
[3]HMM動態(tài)模式識別理論、方法以及在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[D]. 馮長建.浙江大學(xué) 2002

碩士論文
[1]基于二維隱馬爾科夫模型的離心泵故障診斷方法研究[D]. 柳長昕.東北電力大學(xué) 2009
[2]第二代小波變換在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究[D]. 于明月.南京航空航天大學(xué) 2008
[3]基于小波分析的汽輪機(jī)早期振動故障識別技術(shù)研究[D]. 孫燕平.華北電力大學(xué)（北京） 2007
[4]RBF神經(jīng)網(wǎng)絡(luò)在ECT圖像重建中的應(yīng)用研究[D]. 徐其軍.廣西大學(xué) 2003
[5]基于隱Markov模型的旋轉(zhuǎn)機(jī)械故障診斷系統(tǒng)的研究[D]. 何樹波.浙江大學(xué) 2003



本文編號：3514716